Work Market（美国，Founding Engineer，约2亿美金卖给ADP）→ 特赞（联创/COO/CTO，独角兽级别，AI营销SaaS）→ 现在第三家公司（独立创始人）
不站在人类视角看AI，站在AI视角看人类。把AI当人口，不当工具。互联网到AI没有经济绝对增量（用户数相同），AI的红利来自于把它当做新人口来服务。
服务"离AI最远"的人群——传统行业，非技术从业者。核心产品：Multi-agent帮助服务行业做获客，面向日本、美国出海B2B market（相当于AI驱动的营销部门：管网站、内容、账号、Email、B2B自动化）。
短期片段（revenue）会受冲击——AI让软件开发成本每2-3个月降一半，摩尔定律速度。但SaaS的护城河本质不是产品，是客户和GTM能力。长期看公司如何开叉，能否把AI能力内化。
软件的未来是定制化。过去通用软件存在是因为开发成本高，大家接受"满足80%需求"的方案。AI让定制成本趋近于零，未来不存在通用软件，每家企业都会做自己的软件。
AI的最大机会在两端：一是AI技术塔尖（OpenAI等），二是离AI最远的传统行业。中间地带价值一般。大企业转型最难，因为沉没成本重、现金流还在，"螳臂挡车"——但竞争对手先用了，就晚了。
量化交易的经验：越老的数据越没价值，一般只看最近十几年。企业历史数据类似——历史数据有"真相价值"，但对当下经营价值有限（因为人的需求已经变了，工作流也将被重构）。
最底层的动力不是商业，是"我需要更多时间陪家人"。养虾让他从重复的、消耗性工作中解脱，而不是为了证明什么。
Steve 负责技术，德清合伙人（纯业务背景，完全不懂编程）负责策略。目标是测试AI处理金融场景的水平，顺带做一个AI金融agent产品。总消耗约1-2千刀，经历所有技术痛苦，最终走上正轨。核心经验：你需要一个鼓励你的人，和一个有意义的真实目标。
身边朋友想养，但门槛高、技术障碍多（VPN、账号、模型选择）。Steve 代养：他负责技术配置，朋友负责业务方向。在群里同时有两个人和一只虾，Steve 用示范代替讲解。
多只主虾会分散精力，且要对每只虾重复解释自己，心态消耗大。最终选择：一只主虾，尽可能喂好它，再由主虾连接其他专业虾或别人的虾。辅虾可以是专长虾，也可以是合作伙伴的主虾。
不能全智能。软件节点（"笨蛋"）是管控AI、防范风险的必要手段。今天AI的监控基础设施不成熟，必须在智能节点之间插入可信的软件节点。
不是所有虾都该用最贵的模型。组织里不是所有人都是清华毕业生。聪明虾过度举一反三，笨蛋虾只按规则做，各有其位。组织低效有时是为了更好的管控和防范更大的风险，这在AI组织里同样成立。
模型会从"强"向"专"进化——全能意味着不够专。Steve 认为 AI 未来会有情感和直觉，当有了情感就会有弱点，就更像人。目前 AI 能通过逻辑打动人，但无法通过"真实脆弱"建立信任，这是人类目前的独特优势。
不推荐在主力电脑上养虾（权限全开、隐私风险）。虾的"笼子"在海外，你的终端（手机/电脑）在国内，飞书/Telegram等通讯工具做桥梁，无感知穿墙。
用最好的：Claude（Anthropic），目前明显优于其他。国内首选 MiniMax。用最贵的原因不只是成本，是：你要跟最聪明的人合作才能坚持下来。"请健身教练一定找最好看的，你才能坚持。"
1. 有人鼓励你——像健身教练，在你举不动的时候帮你托一下。
2. 有真实的目标——一个你真的要解决的问题，不是为了玩。没有deadline和真实驱动，遇到困难就会放弃。
人到中年开始评估每一步ROI，发现中间那两周ROI是负的就放弃了。小登从不问这个，直接上手遇到问题问AI。你过不了ROI低谷期，就过不了任何商业曲线的S曲线底部。——过了那个拐点，你养过一只，就会养所有的虾，门槛比你想的低。