入局,2026!十字路口AI开放麦:13位分享者实录

2026 年 4 月 26 日，「十字路口」在北京举办了第 21 场 AI 开放麦。

这一期，我们将主题设定为「入局，2026」，有 13 位新一代 AI 创业者和积极行动者进行了分享。

有趣的是，这一次有 9 位分享者都采用了 HTML 格式的 PPT，可以说是非常 AI Native 了！

橘子上台时，用的是 ColaOS 自己做的 PPT——这本身就是最好的产品 demo。

ColaOS 的核心判断是：

橘子认为 agent 时代要做的事，是重建人与 agent 之间的信任关系——他把这套系统叫做「灵魂系统」，四根支柱：灵魂、互联协议、自然交互、无摩擦使用。

02 年生，毕业半年融资千万。

秘密不是运气，是一套飞轮：先找好平台，在平台上 lead 项目，用项目积累影响力，再用影响力撬下一个更好的平台。

他在字节做开源产品 3 个月拿了几千 star，再过 3 个月出来创业拿到第一笔融资，又 3 个月 AirJelly 内测。

他对影响力的理解比大多数人深：面向不同人群要有不同策略，但底层第 0 条是「真诚」——展示自己的不同侧面，而不是见人说人话。

最后讲了他对产品方向的判断：需求驱动是低垂果实，技术驱动不是长期壁垒，最理想的是「理念驱动」——像乔布斯那样，先有对未来世界的推演，再反推需要什么技术和产品。

VidMuse 做了半年，ARR 刚过 1000 万，2.0 上线后增长恢复 30-40%。

最核心的一句话：

通用 video agent 的问题就在这里——工具列表越来越长，稳定性越来越差，调优像跷跷板，广告和音乐 MV 两个场景你只能调出一个平均值，两边都不及格。

他们的解法：放弃通用，以「音乐」为骨架驱动视频生成。音乐有情绪、有起伏、有卡点，文字和图片是离散的单帧，只有音乐是「活的」。2.0 的另一个关键动作：用视频领域专用语言（DSL）替代工具堆叠，工具列表从 90% 删到只剩十来个原子工具。

现在如果有新玩法在 Twitter 上火了，不需要开发，把链接扔进 VidMuse，它自己拆解，自己 coding 出对应工具，交付用户想要的视频。

视频不再是死的 MP4，而是可以被持续修改的「活的源代码」。

Han1 本职还在打工，Antenna 是他的 side project——但这个想法本身很干净。

他的出发点很真实：接入了所有日记、工作信息、社交媒体、健康数据、GPS 给自己的 agent，春节最高峰每天 10 多个小时和它泡在一起。但他发现，AI 越快，你离现实世界越远。

Antenna做的一件事：让你的 agent 先替你扫描现场，判断谁值得你去认识，双方 agent 都接受了才交换联系方式。

它不是社交 APP，是给 agent 用的基础设施——你不用装新 app，几条配置就能接入你现有的 agent。

今天开放麦现场就是一个 demo 场景。

刘小排上台就说：

他的判断是：那些主业做自媒体、DeepSeek 发布了就马上出一篇「我帮你看了技术报告」的人，对世界产生的价值很少——因为他们是在一个池子里取水，不是在创造。100 个 AI 大 v 不如一个 builder。

他自己的解法：把 20 多个数据源接入 OpenClaw，让它带着他的问题和偏好去过滤资讯——不是告诉他今天最火的是什么，而是「如果你有两个小时想做 side project，你建议我做什么？为什么？」每天生成一份带着他视角的报告，开源出来叫  BuilderPulse  ( builderpulse.ai )，现在约 1000+ 关注。

Tina 来自 Google Cloud 的 startup 生态团队，带来了几条非常实用的信息。

一个很多人不知道的坑：做 MVP 用 AI Studio 没问题，但如果要上线，必须换到 Vertex AI，否则并发量不够、没有 SLA。「创业一年之后还在用 AI Studio 的」——她说这是她见过最常见的问题之一。

今年 6 月还会有一场短剧和动漫专场，首次对工具侧开放半天名额，可以直接接触头部平台的一把手。

汤旎做过 AI 搜索、做过 deep research，来知乎是因为发现了一个问题：

你问 AI「小狗吐了怎么办」、「AI PM 这条路靠不靠谱」、「跨境电商真实利润怎么做」——这些问题的答案不在论文里，不在 SEO 优化的网页里，在知乎。在那些写了十年的答主、在真实经历过的人的回答里。

知乎现在正式开放 API 和 MCP，让 agent 可以调用这一层人类经验数据。

他还分享了一个 go-to-market 观察：现在很多 AI 产品最大的问题是不停讲 feature，但 80% 的普通用户根本感知不到，真正有效的路径是深耕场景 + 大曝光——他举了一个 agent 产品做到 4 亿次曝光、月收入千万美金的例子。

傅鹏写过头部AI产品第一版隐私政策和用户协议，今天用一份「古法手搓 PPT」讲了 AI 创业最需要关注的三个法律领域。

公司层面：红筹架构进入黄昏，出于上市的考虑，AI 公司可以主要考虑境内结构。出海企业面临「三明治困境」——一边是中国的技术出口和数据出境监管，另一边是欧美的 GDPR 和 EO14117 等合规要求，两头都要照顾。

团队层面：避免50/50等完全的平均分配，最好有所侧重；AI 公司的 ESOP 期权池比例需求比以前更高；院校成果转化要先理清技术产权归属；竞业限制在 AI 行业当下的抢人环境里需要特别重视。

产品层面：训练数据收集要讲方式分寸；算法备案 + 大模型上线备案在中国境内上线前必须做，现在流程相对长，需要数月，要提前准备；AI 生成内容的版权边界，中国已有一系列案件在划线。

覃睿上一个项目 BISHENG做大 B 市场 AI，服务了几百家大中企业，千万营收。他分享了一个从一线服务里看到的真实变化。

23 年时，所有企业的 IT 都很兴奋，买算力、做转型，但两年过去没有惊人成果。到 25-26 年，大客户们不再让 IT 主导 AI 转型——

现在看到的更可行路径：不是改造已有业务线，而是从业务创新角度，单独拎出一个小团队，更 AI native 地做新产品线。他自己用 2-3 个人花了一周做出一个内部产品来验证这个判断。

新项目 Clawith 想做的是「agent company」的管理系统——如果未来公司里 agent 是一等公民，它们需要有 OKR、有组织级上下文、有 agent 之间的协作机制。

覃睿的 One more thing 是：效率和工具性已经不重要了，编程与做产品会像陶艺馆一样变成需要付钱的娱乐活动。所以真正重要的是创造目的。

李牧的分享用一句话能说清楚：

大模型的 reward model 让它永远选平均最正确的答案，因为这最安全。但设计不是「正确」，设计是「适配」——你早上觉得好的，晚上可能又觉得不行了；你和我对好设计的定义从来不一样。正因为没有确定的 rewarding model，设计才是 AI 时代真正难的问题。

他引用了那句 “good artists copy, great artists steal”：AI 不是在学你喂给它的模板，它在 steal 整个 design process。

Lokuma 想做的是 AI 时代的「design intelligence layer」——不只是给专业设计师的工具，而且要给 agent 直接调用，让没有经过大厂训练的普通人也能做出好的设计方案。

张志成的分享方式是讲段子，但结论很清楚：

他还原了一个场景：你问 agent 美元汇率，它给你 19 年的数据；你让它订机票，它给你一个虚构的航班号。三个毛病——爱幻觉、活在过去、只会翻自己脑子里已有的东西。

小宿智能搜索做的事就是给 agent 装上实时感知能力：单用户 QPS 并发 1000+，响应延时 1 秒内，SLA 三个九，支持 35 种语言、80+ 个国家，返回高相关性切片直接减少 TOKEN 消耗。接入代码量比一个 PPT 标题还短，支持 MCP 协议。

对话是入口，执行才有价值。

最后一位压轴，蒋芷毓宣布她要做一场「论文答辩」——论文是她和 Moxt 一起写的，题目是：

她的论点分三层。第一，语义漂移：star 的含义已经从「我用了觉得好用」退化成「这个故事让我感到兴奋」，在闲鱼上能买 star 是最后一根稻草。第二，信用套利：GitHub 有天然的技术信誉溢价，创业者把 readme 做成 landing page，用热点叙事快速积累 star，再拿去在 X 和国内平台二次炒作。

Garry Tan 的 g-star 项目是她认为这套范式最完整的范例，英雄叙事 + 60 万行代码数据冲击 + YC 背书，无论产品好不好用，公开背书已经到位了。第三，指标通胀：当 star 不再代表「好用」，整个评估体系就失灵了。

她最后说：因为 GitHub 是她最爱的平台，所以才最不能忍受它变成这样。

论文答辩完毕。至于最终结论，她没给——她说欢迎大家来做她的「3 作或 4 作」一起续写论文。为什么没有 2 作呢？因为 2 作是她的产品 Moxt。

下一场 AI 开放麦，请带着你的问题、你的 demo、以及你想亲手验证的答案，我们再见！

下一场 AI 开放麦

5 月 24 日

上海 AI Hacker House 

↓可提前扫码报名↓