AI创业公司融资
2025年美国风投资金中，AI公司占比高达65%，但大部分资金流向头部企业。2026年2月全球风投达到1890亿美元的历史峰值，其中OpenAI、Anthropic、Waymo三家公司就占去83%，其余创业公司仅分得剩余部分。与此同时，种子轮（20万至500万美元）数量和金额均下降约20%，超过一半的种子轮资金流向1000万美元以上的“巨型种子轮”，这些交易更像小型A轮，主要面向二次创业者。对于普通创始人，种子轮融资中位数约为400万美元、估值2000万美元，需出让20%股份，而仅有约六分之一的种子公司能在两年内达到A轮所需的300万美元收入门槛。风投基金全球募资额降至1186亿美元，创十年新低。这意味着AI融资热潮并未改善普通创业者的机会，创始人需审慎计算是否值得融资。 #AI #风投 #创业 #种子轮 #融资 #科技 #初创公司 #大模型 #OpenAI
2025年美国风投资金中，AI公司占比高达65%，但大部分资金流向头部企业。2026年2月全球风投达到1890亿美元的历史峰值，其中OpenAI、Anthropic、Waymo三家公司就占去83%，其余创业公司仅分得剩余部分。与此同时，种子轮（20万至500万美元）数量和金额均下降约20%，超过一半的种子轮资金流向1000万美元以上的“巨型种子轮”，这些交易更像小型A轮，主要面向二次创业者。对于普通创始人，种子轮融资中位数约为400万美元、估值2000万美元，需出让20%股份，而仅有约六分之一的种子公司能在两年内达到A轮所需的300万美元收入门槛。风投基金全球募资额降至1186亿美元，创十年新低。这意味着AI融资热潮并未改善普通创业者的机会，创始人需审慎计算是否值得融资。 #AI #风投 #创业 #种子轮 #融资 #科技 #初创公司 #大模型 #OpenAI
LLM技术债
初创公司发现，用大语言模型快速构建AI产品原型，可能同时也在快速将核心业务逻辑埋入提示词中。在MVP阶段，LLM成本看似无害——每次调用几美分，几百个用户，几条提示链。但随着产品增长，一个工作流变成十个，一次用户操作触发数十次模型调用。账单飙升，延迟显现，输出变得不确定，临时提示词变成了生产基础设施。许多AI初创公司正陷入这个泥潭：它们无意中将后端逻辑编码进了一个概率文本界面。有创始人用前沿模型做分类，后来换成微调的小模型，成本降低了约90%。另一团队将LLM作为冷启动引擎，生成标注数据后替换为更便宜的分类器。还有从业者直言，LLM对原型很好，但对规模化关键数据工作，它们昂贵、缓慢且方差大。许多团队甚至不知道自己的AI系统在哪里结束，数据管道应该从哪里开始。 #LLM #技术债 #AI创业 #成本控制 #模型优化 #数据工程 #初创公司
初创公司发现，用大语言模型快速构建AI产品原型，可能同时也在快速将核心业务逻辑埋入提示词中。在MVP阶段，LLM成本看似无害——每次调用几美分，几百个用户，几条提示链。但随着产品增长，一个工作流变成十个，一次用户操作触发数十次模型调用。账单飙升，延迟显现，输出变得不确定，临时提示词变成了生产基础设施。许多AI初创公司正陷入这个泥潭：它们无意中将后端逻辑编码进了一个概率文本界面。有创始人用前沿模型做分类，后来换成微调的小模型，成本降低了约90%。另一团队将LLM作为冷启动引擎，生成标注数据后替换为更便宜的分类器。还有从业者直言，LLM对原型很好，但对规模化关键数据工作，它们昂贵、缓慢且方差大。许多团队甚至不知道自己的AI系统在哪里结束，数据管道应该从哪里开始。 #LLM #技术债 #AI创业 #成本控制 #模型优化 #数据工程 #初创公司
构建安全提示词剪枝层
在长期运行的LLM系统中，对话状态会随时间快速增长，每次交互都重新发送大量历史记录（包括过时的工具输出、重复的RAG检索结果和无关上下文）会导致推理成本增加、延迟上升，甚至影响推理性能。为此，我构建了一个确定性管道，在提示词到达模型前修剪冗余状态。该实现完全避免调用LLM、嵌入和外部依赖，仅依赖标准库组件确保每个修剪决策完全确定且可重现。状态跟踪分三个独立阶段执行：过期上下文消除、重复上下文消除和依赖恢复。第三阶段确保不会意外删除后续消息依赖的内容。在构建过程中，我遇到了两个改变设计的错误：初始基准语料库使用固定数量的重复和过时工具调用，导致缩减百分比随对话增长而缩小；依赖恢复逻辑因合成数据从未创建需要删除必需消息的情况而完全未测试。修正后，我在三种工作负载（纯聊天、RAG助手和工具密集型代理）上进行了基准测试，每个测试五种对话规模，共15种配置。所有运行中，标记为必需的事实均被保留，系统在单次修剪后达到稳定固定点。令牌缩减效果因工作负载而异：纯聊天约2-4%，RAG助手约27-32%，工具密集型代理约33-34%。即使在2000轮、131000个令牌的情况下，预处理时间仍低于50毫秒。 #LLM #提示词工程 #AI系统 #性能优化 #RAG #工具调用 #上下文管理
在长期运行的LLM系统中，对话状态会随时间快速增长，每次交互都重新发送大量历史记录（包括过时的工具输出、重复的RAG检索结果和无关上下文）会导致推理成本增加、延迟上升，甚至影响推理性能。为此，我构建了一个确定性管道，在提示词到达模型前修剪冗余状态。该实现完全避免调用LLM、嵌入和外部依赖，仅依赖标准库组件确保每个修剪决策完全确定且可重现。状态跟踪分三个独立阶段执行：过期上下文消除、重复上下文消除和依赖恢复。第三阶段确保不会意外删除后续消息依赖的内容。在构建过程中，我遇到了两个改变设计的错误：初始基准语料库使用固定数量的重复和过时工具调用，导致缩减百分比随对话增长而缩小；依赖恢复逻辑因合成数据从未创建需要删除必需消息的情况而完全未测试。修正后，我在三种工作负载（纯聊天、RAG助手和工具密集型代理）上进行了基准测试，每个测试五种对话规模，共15种配置。所有运行中，标记为必需的事实均被保留，系统在单次修剪后达到稳定固定点。令牌缩减效果因工作负载而异：纯聊天约2-4%，RAG助手约27-32%，工具密集型代理约33-34%。即使在2000轮、131000个令牌的情况下，预处理时间仍低于50毫秒。 #LLM #提示词工程 #AI系统 #性能优化 #RAG #工具调用 #上下文管理
章鱼智力进化挑战传统社会脑理论
传统观点认为，大型社会群体带来的社交压力是驱动大脑进化的关键，即“社会脑假说”。然而，章鱼等头足类动物却是个明显的例外：它们独居、好斗、甚至同类相食，却拥有巨大的脑和惊人的智力——能使用工具、解决问题并展现玩乐行为。最新发表于《iScience》的研究提出了“非社会文化脑假说”，认为大脑进化也可以源于非社会性学习。团队分析了79种头足类动物的脑大小、生态与行为数据，发现栖息地复杂度（如海底和浅水区）与脑大小显著相关，而社交性则毫无关联。研究作者、伦敦政治经济学院的Michael Muthukrishna指出，头足类动物揭示了通往更大脑的另一种进化路径。 #章鱼 #头足类 #大脑进化 #社会脑假说 #非社会性学习 #动物智力 #科研 #生物学 #进化论
传统观点认为，大型社会群体带来的社交压力是驱动大脑进化的关键，即“社会脑假说”。然而，章鱼等头足类动物却是个明显的例外：它们独居、好斗、甚至同类相食，却拥有巨大的脑和惊人的智力——能使用工具、解决问题并展现玩乐行为。最新发表于《iScience》的研究提出了“非社会文化脑假说”，认为大脑进化也可以源于非社会性学习。团队分析了79种头足类动物的脑大小、生态与行为数据，发现栖息地复杂度（如海底和浅水区）与脑大小显著相关，而社交性则毫无关联。研究作者、伦敦政治经济学院的Michael Muthukrishna指出，头足类动物揭示了通往更大脑的另一种进化路径。 #章鱼 #头足类 #大脑进化 #社会脑假说 #非社会性学习 #动物智力 #科研 #生物学 #进化论