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
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。