入局，2026！十字路口AI開放麥：13位分享者實錄

2026年4月26日，「十字路口」喺北京搞咗第21場AI開放麥。

呢一期，我哋將主題定為「入局，2026」，有13位新一代AI創業者同積極行動者進行咗分享。

有趣嘅係，今次有9位分享者都用咗HTML格式嘅PPT，可以話係好AI Native喇！

橘子上台嘅時候，用緊ColaOS自己整嘅PPT——呢個本身就係最好嘅產品demo。

ColaOS嘅核心判斷係：

橘子認為agent時代要做嘅嘢，係重建人同agent之間嘅信任關係——佢將呢套系統叫做「靈魂系統」，四條支柱：靈魂、互聯協議、自然交互、無摩擦使用。

02年出世，畢業半年就融資幾千萬。

秘密唔係運氣，而係一套飛輪：先揾好平台，喺平台上lead項目，用項目累積影響力，再靠影響力撬動下一個更好嘅平台。

佢喺字節做開源產品3個月就拎咗幾千個star，再過3個月出嚟創業拎到第一筆融資，又過3個月AirJelly內測。

佢對影響力嘅理解比大多數人深：面向唔同人羣要有唔同策略，但底層第0條係「真誠」——展示自己唔同嘅方面，而唔係見人講人話。

最後講咗佢對產品方向嘅判斷：需求驅動係低垂果實，技術驅動唔係長期壁壘，最理想係「理念驅動」——好似喬布斯咁，先有對未來世界嘅推演，再反推需要啲乜技術同產品。

VidMuse做咗半年，ARR啱啱過咗1000萬，2.0上線後增長恢復咗30-40%。

最核心嘅一句話：

通用video agent嘅問題就係呢度——工具列表越來越長，穩定性越來越差，調優好似蹺蹺板，廣告同音樂MV兩個場景你只能調出一個平均值，兩邊都唔合格。

佢哋嘅解法：放棄通用，用「音樂」做骨架驅動視頻生成。音樂有情緒、有起伏、有卡點，文字同圖片係離散嘅單幀，只有音樂係「活嘅」。2.0嘅另一個關鍵動作：用視頻領域專用語言（DSL）取代工具堆疊，工具列表從90%刪到得返十幾個原子工具。

而家如果有新玩法喺Twitter上火咗，唔需要開發，將連結掉入VidMuse，佢自己拆解，自己coding出對應工具，交付用戶想要嘅視頻。

視頻唔再係死嘅MP4，而係可以持續修改嘅「活嘅源代碼」。

Han1本職仲係打工，Antenna係佢嘅side project——但呢個想法本身好乾淨。

佢嘅出發點好真實：接入咗所有日記、工作信息、社交媒體、健康數據、GPS俾自己嘅agent，春節最高峯每日10幾個鐘同佢泡埋一齊。但佢發現，AI越快，你離現實世界越遠。

Antenna做嘅一件事：讓你嘅agent先幫你掃描現場，判斷邊個值得你去認識，雙方agent都接受咗先交換聯絡方式。

佢唔係社交APP，係俾agent用嘅基礎設施——你唔使裝新app，幾條配置就可以接入你現有嘅agent。

今日開放麥現場就係一個demo場景。

劉小排上台就話：

佢嘅判斷係：啲主業做自媒體、DeepSeek發佈咗就即刻出一篇「我幫你睇咗技術報告」嘅人，對世界產生嘅價值好少——因為佢哋係同一個池度取水，唔係創造。100個AI大V不如一個builder。

佢自己嘅解法：將20幾個數據源接入OpenClaw，等佢帶住佢嘅問題同偏好去過濾資訊——唔係話俾佢知今日最火係乜，而係「如果你有兩個鐘想做side project，你建議我做咩？點解？」每日生成一份帶住佢視角嘅報告，開源出嚟叫BuilderPulse (builderpulse.ai)，而家大約有1000+關注。

Tina嚟自Google Cloud嘅startup生態團隊，帶嚟咗幾條好實用嘅資訊。

一個好多人唔知嘅坑：做MVP用AI Studio冇問題，但如果要上線，一定要換到Vertex AI，否則併發量唔夠、冇SLA。「創業一年之後仲用緊AI Studio嘅」——佢話呢個係佢見過最常見嘅問題之一。

今年6月仲會有一場短劇同動漫專場，首次對工具側開放半日名額，可以直接接觸頭部平台嘅一把手。

湯旎做過AI搜索、做過deep research，嚟知乎係因為發現咗一個問題：

你問AI「小狗嘔吐點算」、「AI PM呢條路靠唔靠譜」、「跨境電商真實利潤點做」——呢啲問題嘅答案唔係喺論文入面，唔係喺SEO優化嘅網頁入面，係喺知乎。喺嗰啲寫咗十年嘅答主、喺真實經歷過嘅人嘅回答入面。

知乎而家正式開放API同MCP，等agent可以調用呢一層人類經驗數據。

佢仲分享咗一個go-to-market觀察：而家好多AI產品最大嘅問題係不停講feature，但80%嘅普通用戶根本感知唔到，真正有效嘅路徑係深耕場景加大曝光——佢舉咗一個agent產品做到4億次曝光、月收入千萬美金嘅例子。

傅鵬寫過頭部AI產品第一版隱私政策同用戶協議，今日用一份「古法手搓PPT」講咗AI創業最需要關注嘅三個法律領域。

公司層面：紅籌架構進入黃昏，出於上市嘅考慮，AI公司可以主要考慮境內結構。出海企業面臨「三文治困境」——一邊係中國嘅技術出口同數據出境監管，另一邊係歐美嘅GDPR同EO14117等合規要求，兩頭都要照顧。

團隊層面：避免50/50等完全嘅平均分配，最好有所側重；AI公司嘅ESOP期權池比例需求比以前更高；院校成果轉化要先理清技術產權歸屬；競業限制喺AI行業而家嘅搶人環境入面需要特別重視。

產品層面：訓練數據收集要講方式分寸；算法備案加大模型上線備案喺中國境內上線前一定要做，而家流程相對長，需要幾個月，要提前準備；AI生成內容嘅版權邊界，中國已經有一系列案件喺劃線。

覃睿上一個項目BISHENG做大B市場AI，服務咗幾百家大中企業，千萬營收。佢分享咗一個從一線服務入面見到嘅真實變化。

23年時，所有企業嘅IT都好興奮，買算力、做轉型，但兩年過去冇驚人成果。去到25-26年，大客戶們唔再俾IT主導AI轉型——

而家見到嘅更可行路徑：唔係改造現有業務線，而係從業務創新角度，單獨抽一個小團隊，更加AI native咁做新產品線。佢自己用2-3個人用咗一個禮拜做出一個內部產品嚟驗證呢個判斷。

新項目Clawith想做嘅係「agent company」嘅管理系統——如果未來公司入面agent係一等公民，佢哋需要有OKR、有組織級上下文、有agent之間嘅協作機制。

覃睿嘅One more thing係：效率同工具性已經唔重要喇，編程同做產品會似陶藝館咁變成需要俾錢嘅娛樂活動。所以真正重要嘅係創造目的。

李牧嘅分享用一句話就可以講清楚：

大模型嘅reward model令佢永遠揀平均最正確嘅答案，因為呢個最安全。但設計唔係「正確」，設計係「適配」——你朝早覺得好嘅，夜晚可能又覺得唔得喇；你同我對好設計嘅定義從來唔一樣。正正因為冇確定嘅rewarding model，設計先係AI時代真正難嘅問題。

佢引用咗嗰句 "good artists copy, great artists steal"：AI唔係喺學你餵俾佢嘅模板，佢係喺steal成個design process。

Lokuma想做嘅係 AI時代嘅「design intelligence layer」——唔只係俾專業設計師嘅工具，而且要俾agent直接調用，等冇經過大廠訓練嘅普通人都可以做出好嘅設計方案。

張志成嘅分享方式係講段子，但結論好清楚：

佢還原咗一個場景：你問 agent 美元匯率，佢俾你19年嘅數據；你叫佢訂機票，佢俾你一個虛構嘅航班號。三個毛病——愛幻覺、活在過去、只會翻自己腦入面已經有嘅嘢。

小宿智能搜索做嘅嘢就係俾agent裝上實時感知能力：單用戶QPS並發1000+，響應延時1秒內，SLA三個九，支援35種語言、80幾個國家，返回高相關性切片直接減少TOKEN消耗。接入代碼量比一個PPT標題仲短，支援MCP協議。

對話係入口，執行先有價值。

最後一位壓軸，蔣芷毓宣佈佢要做一場「論文答辯」——論文係佢同Moxt一齊寫嘅，題目係：

佢嘅論點分三層。第一，語義漂移：star嘅含義已經從「我用咗覺得好用」退化到「呢個故事令我感到興奮」，喺閒魚上可以買star係最後一根稻草。第二，信用套利：GitHub有天然嘅技術信譽溢價，創業者將readme做成landing page，用熱點敍事快速累積star，再拎去喺X同國內平台二次炒作。

Garry Tan嘅g-star項目係佢認為呢套範式最完整嘅範例，英雄敍事加60萬行程式碼數據衝擊加YC背書，無論產品好唔好用，公開背書已經到位咗。第三，指標通脹：當star唔再代表「好用」，成個評估體系就失靈喇。

佢最後話：因為GitHub係佢最愛嘅平台，所以先至最唔能夠忍受佢變成咁。

論文答辯完畢。至於最終結論，佢冇俾——佢話歡迎大家嚟做佢嘅「3作或4作」一齊續寫論文。點解冇2作呢？因為2作係佢嘅產品Moxt。

下一場AI開放麥，請帶住你嘅問題、你嘅demo、同你想親手驗證嘅答案，我哋再見！

下一場AI開放麥

5月24日

上海AI Hacker House 

↓可以提前掃碼報名↓

2026 年 4 月 26 日，「十字路口」在北京舉辦了第 21 場 AI 開放麥。

這一期，我們將主題設定為「入局，2026」，有 13 位新一代 AI 創業者和積極行動者進行了分享。

有趣的是，這一次有 9 位分享者都採用了 HTML 格式的 PPT，可以說是非常 AI Native 了！

橘子上台時，用的是 ColaOS 自己做的 PPT——這本身就是最好的產品 demo。

ColaOS 的核心判斷是：

橘子認為 agent 時代要做的事，是重建人與 agent 之間的信任關係——他把這套系統叫做「靈魂系統」，四根支柱：靈魂、互聯協議、自然交互、無摩擦使用。

02 年生，畢業半年融資千萬。

秘密不是運氣，是一套飛輪：先找好平台，在平台上 lead 項目，用項目積累影響力，再用影響力撬下一個更好的平台。

他在字節做開源產品 3 個月拿了幾千 star，再過 3 個月出來創業拿到第一筆融資，又 3 個月 AirJelly 內測。

他對影響力的理解比大多數人深：面向不同人羣要有不同策略，但底層第 0 條是「真誠」——展示自己的不同側面，而不是見人說人話。

最後講了他對產品方向的判斷：需求驅動是低垂果實，技術驅動不是長期壁壘，最理想的是「理念驅動」——像喬布斯那樣，先有對未來世界的推演，再反推需要什麼技術和產品。

VidMuse 做了半年，ARR 剛過 1000 萬，2.0 上線後增長恢復 30-40%。

最核心的一句話：

通用 video agent 的問題就在這裏——工具列表越來越長，穩定性越來越差，調優像蹺蹺板，廣告和音樂 MV 兩個場景你只能調出一個平均值，兩邊都不及格。

他們的解法：放棄通用，以「音樂」為骨架驅動視頻生成。音樂有情緒、有起伏、有卡點，文字和圖片是離散的單幀，只有音樂是「活的」。2.0 的另一個關鍵動作：用視頻領域專用語言（DSL）替代工具堆疊，工具列表從 90% 刪到只剩十來個原子工具。

現在如果有新玩法在 Twitter 上火了，不需要開發，把連結扔進 VidMuse，它自己拆解，自己 coding 出對應工具，交付用戶想要的視頻。

視頻不再是死的 MP4，而是可以被持續修改的「活的源代碼」。

Han1 本職還在打工，Antenna 是他的 side project——但這個想法本身很乾淨。

他的出發點很真實：接入了所有日記、工作信息、社交媒體、健康數據、GPS 給自己的 agent，春節最高峯每天 10 多個小時和它泡在一起。但他發現，AI 越快，你離現實世界越遠。

Antenna做的一件事：讓你的 agent 先替你掃描現場，判斷誰值得你去認識，雙方 agent 都接受了才交換聯繫方式。

它不是社交 APP，是給 agent 用的基礎設施——你不用裝新 app，幾條配置就能接入你現有的 agent。

今天開放麥現場就是一個 demo 場景。

劉小排上台就說：

他的判斷是：那些主業做自媒體、DeepSeek 發佈了就馬上出一篇「我幫你看了技術報告」的人，對世界產生的價值很少——因為他們是在一個池子裏取水，不是在創造。100 個 AI 大 v 不如一個 builder。

他自己的解法：把 20 多個數據源接入 OpenClaw，讓它帶着他的問題和偏好去過濾資訊——不是告訴他今天最火的是什麼，而是「如果你有兩個小時想做 side project，你建議我做什麼？為什麼？」每天生成一份帶着他視角的報告，開源出來叫  BuilderPulse  ( builderpulse.ai )，現在約 1000+ 關注。

Tina 來自 Google Cloud 的 startup 生態團隊，帶來了幾條非常實用的信息。

一個很多人不知道的坑：做 MVP 用 AI Studio 沒問題，但如果要上線，必須換到 Vertex AI，否則併發量不夠、沒有 SLA。「創業一年之後還在用 AI Studio 的」——她說這是她見過最常見的問題之一。

今年 6 月還會有一場短劇和動漫專場，首次對工具側開放半天名額，可以直接接觸頭部平台的一把手。

湯旎做過 AI 搜索、做過 deep research，來知乎是因為發現了一個問題：

你問 AI「小狗吐了怎麼辦」、「AI PM 這條路靠不靠譜」、「跨境電商真實利潤怎麼做」——這些問題的答案不在論文裏，不在 SEO 優化的網頁裏，在知乎。在那些寫了十年的答主、在真實經歷過的人的回答裏。

知乎現在正式開放 API 和 MCP，讓 agent 可以調用這一層人類經驗數據。

他還分享了一個 go-to-market 觀察：現在很多 AI 產品最大的問題是不停講 feature，但 80% 的普通用戶根本感知不到，真正有效的路徑是深耕場景 + 大曝光——他舉了一個 agent 產品做到 4 億次曝光、月收入千萬美金的例子。

傅鵬寫過頭部AI產品第一版隱私政策和用戶協議，今天用一份「古法手搓 PPT」講了 AI 創業最需要關注的三個法律領域。

公司層面：紅籌架構進入黃昏，出於上市的考慮，AI 公司可以主要考慮境內結構。出海企業面臨「三明治困境」——一邊是中國的技術出口和數據出境監管，另一邊是歐美的 GDPR 和 EO14117 等合規要求，兩頭都要照顧。

團隊層面：避免50/50等完全的平均分配，最好有所側重；AI 公司的 ESOP 期權池比例需求比以前更高；院校成果轉化要先理清技術產權歸屬；競業限制在 AI 行業當下的搶人環境裏需要特別重視。

產品層面：訓練數據收集要講方式分寸；算法備案 + 大模型上線備案在中國境內上線前必須做，現在流程相對長，需要數月，要提前準備；AI 生成內容的版權邊界，中國已有一系列案件在劃線。

覃睿上一個項目 BISHENG做大 B 市場 AI，服務了幾百家大中企業，千萬營收。他分享了一個從一線服務裏看到的真實變化。

23 年時，所有企業的 IT 都很興奮，買算力、做轉型，但兩年過去沒有驚人成果。到 25-26 年，大客戶們不再讓 IT 主導 AI 轉型——

現在看到的更可行路徑：不是改造已有業務線，而是從業務創新角度，單獨拎出一個小團隊，更 AI native 地做新產品線。他自己用 2-3 個人花了一週做出一個內部產品來驗證這個判斷。

新項目 Clawith 想做的是「agent company」的管理系統——如果未來公司裏 agent 是一等公民，它們需要有 OKR、有組織級上下文、有 agent 之間的協作機制。

覃睿的 One more thing 是：效率和工具性已經不重要了，編程與做產品會像陶藝館一樣變成需要付錢的娛樂活動。所以真正重要的是創造目的。

李牧的分享用一句話能說清楚：

大模型的 reward model 讓它永遠選平均最正確的答案，因為這最安全。但設計不是「正確」，設計是「適配」——你早上覺得好的，晚上可能又覺得不行了；你和我對好設計的定義從來不一樣。正因為沒有確定的 rewarding model，設計才是 AI 時代真正難的問題。

他引用了那句 "good artists copy, great artists steal"：AI 不是在學你餵給它的模板，它在 steal 整個 design process。

Lokuma 想做的是 AI 時代的「design intelligence layer」——不只是給專業設計師的工具，而且要給 agent 直接調用，讓沒有經過大廠訓練的普通人也能做出好的設計方案。

張志成的分享方式是講段子，但結論很清楚：

他還原了一個場景：你問 agent 美元匯率，它給你 19 年的數據；你讓它訂機票，它給你一個虛構的航班號。三個毛病——愛幻覺、活在過去、只會翻自己腦子裏已有的東西。

小宿智能搜索做的事就是給 agent 裝上實時感知能力：單用戶 QPS 併發 1000+，響應延時 1 秒內，SLA 三個九，支持 35 種語言、80+ 個國家，返回高相關性切片直接減少 TOKEN 消耗。接入代碼量比一個 PPT 標題還短，支持 MCP 協議。

對話是入口，執行才有價值。

最後一位壓軸，蔣芷毓宣佈她要做一場「論文答辯」——論文是她和 Moxt 一起寫的，題目是：

她的論點分三層。第一，語義漂移：star 的含義已經從「我用了覺得好用」退化成「這個故事讓我感到興奮」，在閒魚上能買 star 是最後一根稻草。第二，信用套利：GitHub 有天然的技術信譽溢價，創業者把 readme 做成 landing page，用熱點敍事快速積累 star，再拿去在 X 和國內平台二次炒作。

Garry Tan 的 g-star 項目是她認為這套範式最完整的範例，英雄敍事 + 60 萬行代碼數據衝擊 + YC 背書，無論產品好不好用，公開背書已經到位了。第三，指標通脹：當 star 不再代表「好用」，整個評估體系就失靈了。

她最後說：因為 GitHub 是她最愛的平台，所以才最不能忍受它變成這樣。

論文答辯完畢。至於最終結論，她沒給——她說歡迎大家來做她的「3 作或 4 作」一起續寫論文。為什麼沒有 2 作呢？因為 2 作是她的產品 Moxt。

下一場 AI 開放麥，請帶着你的問題、你的 demo、以及你想親手驗證的答案，我們再見！

下一場 AI 開放麥

5 月 24 日

上海 AI Hacker House 

↓可提前掃碼報名↓