Sam Altman和"他的科技CEO朋友们"正在对何时会出现第一家个人十亿美元公司的年份进行赌注。
在没有AI的情况下,单个人达到初创公司十亿美元估值的想法是不可想象的。但是,以AI为先导的单人企业已经在整个科技行业中如雨后春笋般涌现,而Polar公司CEO Birk Jernstrom正准备帮助他们实现这一目标。Polar是一个"赋能个人独角兽的变现平台"。
Polar希望通过专注于开发者需求从其他支付基础设施平台中脱颖而出。通过Polar作为"记录商户"负责处理账单和税务,企业可以从第一天起就在全球范围内销售在线产品和SaaS订阅服务。
Polar可以通过几行代码实现,这种方法得到了风投公司Accel的认可,该公司领投了Polar的1000万美元种子轮融资。合伙人Andrei Brasoveanu表示:"有新一代AI原生的早期企业希望在没有干扰的情况下成长。"
Jernstrom拥有成功退出经历也起到了帮助作用。他的上一家初创公司Tictail于2018年被Shopify以1700万美元全现金方式收购。他和联合创始人创建这家公司的目标是让在线销售商品变得像创建博客一样简单。
"2011年,我们创立Tictail,使命是赋能任何人开设在线商店。我们在2012年推出,迅速起飞。几年内,我们平台上就有了10万多商户,主要服务长尾市场,"Jernstrom说。
认识到小商户需要更多流量,Tictail开发了一个市场,这最终使其成为Shopify的收购目标。Tictail的竞争对手已经发展得更大,并吸引了更大的商户。但在IPO后,这家加拿大公司看到了关注消费者端的需要,并相信Tictail的团队能够提供帮助。
Jernstrom与他的联合创始人和几名员工一起加入了Shopify新成立的Shop团队。"这最终成为了现在所知的Shop应用和Shop Pay生态系统,我很荣幸能够参与从零到一的构建和扩展过程。"
但在2021年,当他即将第一次成为父亲时,Jernstrom经历了一段自我反思期。这最终导致他辞去远程工作职位,寻找下一步行动,结果就是创立了Polar。
分手完全是友好的,以至于Shopify CEO Tobias Lütke和总裁Harley Finkelstein现在都作为天使投资人支持Polar。他们在Shopify建立的"商户至上"文化也影响了Jernstrom。
"我每天回复50到60张支持工单。我了解我们合作的每一个客户,这有点疯狂,但我就是喜欢了解他们下一步的发展计划,以及Polar如何能让这变得更容易,"他说。
了解客户群体和开源特性帮助Polar在目标用户中获得了吸引力。自2024年9月推出以来,这家初创公司已经发展到18000名客户,其中大部分是软件变现的开发者。
这也反映在其股东名单中,包括热门开发者工具背后的企业家:Framer和Raycast(Polar与两者都有集成);Dub、Nuxt、Resend、Supabase、Vercel和WorkOS;以及与Polar有着共同瑞典根源并专注于简化构建过程的Lovable。
现在,他们支持Jernstrom的雄心:让围绕软件构建业务变得像Supabase和Vercel等平台让构建和扩展软件本身一样简单。
这与AI为独立开发者和专业开发者创造的势头相关。但这也连接了他从小与企业家母亲一起成长、从十几岁开始成为开发者,以及Tictail扶持小企业的历程。
"我希望Polar实现的目标与Shopify类似:我们如何赋能更多开发者创业,让他们能够真正构建和追随自己的激情,独立发布软件并围绕此构建业务。"
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。