投资融资

据科技媒体TechCrunch报道，AI代码测试初创公司Blacksmith在不到一年的时间内，估值从约4000万美元飙升至近3.5亿美元，涨幅接近10倍。该公司于2024年10月完成A轮融资，又在2025年9月宣布获得3200万美元B轮融资，由a16z领投。其核心业务是利用AI代理自动生成测试用例、定位代码缺陷并协助修复，目前企业客户已覆盖多个行业，包括多家财富500强公司。这一增速在当下融资环境普遍谨慎的背景下尤为醒目。

商业机会在哪里

第一，AI代码生成工具的普及正在创造庞大的“后端测试”需求。随着Copilot等工具让代码产出速度翻倍，人工测试的瓶颈愈发明显，企业迫切需要能跟上生成速度的自动化测试方案。第二，垂直领域的深度测试存在差异化空间。Blacksmith目前的优势集中在通用代码测试，而金融、医疗、自动驾驶等高合规要求行业的专属测试方案仍有空白。第三，开发者工具链的“AI化改造”将成为常态。不仅测试环节，代码审查、安全扫描、文档生成等相邻环节都有可能涌现出类似的高估值标的，值得持续关注。

落地操作建议

• 对于企业中正在评估AI测试工具的团队：建议选取一条核心业务链路，用Blacksmith或同类产品跑通“从代码提交到测试报告生成”的完整流程，与传统人工测试做3-4周的并行对比，以实际数据评估提升效果，而非仅看演示效果。
• 对于计划接入此类工具的研发负责人：建议优先将AI测试与现有CI/CD流水线集成，设定明确的准入门槛，例如关键用例覆盖率需达到90%以上才能合并代码，避免AI生成的无效测试成为团队负担。
• 对于关注该赛道的投资者或产品负责人：建议重点跟踪其在大型单体代码库上的表现与客户续费率，这是评估此类产品真实技术壁垒和粘性的核心指标。

需要提醒的是，该赛道壁垒并非单纯的技术领先，而是对开发者工作流的深度理解与数据积累。Blacksmith的快速估值增长势必吸引更多资本涌入，未来竞争将加剧。此外，AI生成测试代码本身也可能引入新的错误，企业应保持对AI产出内容的审慎态度，建议在关键模块保留必要的独立人工复核机制，不宜过度自动化。

Base44是一家来自以色列的AI初创公司，团队仅有9人，在没有任何外部融资的情况下，半年内实现了盈利。2024年底至2025年5月间，用户数量迅速增长至25万，单月净利润达约18.9万美元（约137万元人民币）。

Base44专注于企业级的“Vibe Coding”低代码平台，产品集成了多因素认证、通信、地图和数据分析等功能，满足企业数字化需求。为了控制成本，公司选择通过AWS使用Claude模型而非OpenAI，降低了使用大型模型带来的高昂费用。

Base44的成功证明，小团队也能借助AI技术实现快速增长和盈利，打破传统需要大量融资和扩张的创业模式。2025年，Wix以8000万美元现金收购了Base44，其中包含2500万美元的团队留存奖金，体现了市场对AI驱动低代码产品的认可。

赚钱场景主要集中在为企业客户提供高效的软件开发工具，降低开发门槛和时间成本。实际操作步骤包括：
1. 利用现有开源或API集成快速搭建低代码平台。
2. 结合AI模型实现代码自动生成和智能辅助。
3. 通过企业销售渠道推广，获得长期订阅或服务合同。
4. 严格控制模型调用成本，优化资源配置。

整体来看，Base44案例为创业者提供了启示：利用AI技术实现轻资产运营，快速实现产品市场匹配，打造可持续盈利的商业模式。

个人开发者打造拍照算热量AI App，年收入超5000万美元获行业巨头收购

Cal AI是一款由高中生创立的AI健康管理应用，主打“拍照算热量”的极简用户体验，迅速在健康领域获得关注。2025年，该应用年经常性收入（ARR）突破5000万美元，累计下载量达到1500万次。

Cal AI通过AI图像识别技术，实现用户拍摄食物照片后自动估算热量，极大降低了用户的使用门槛和时间成本。同时，Cal AI与MyFitnessPal的营养数据库整合，覆盖2000万种食物和多家连锁餐厅，提升了热量估算的准确性和用户粘性。

2025年，MyFitnessPal完成对Cal AI的收购，保持其独立运营，创始人及部分团队加入MyFitnessPal，进一步推动产品融合和升级。

赚钱场景主要包括：
1. 通过应用内订阅、增值服务及数据授权实现盈利。
2. 与健康管理、健身平台合作，扩大用户基础和商业价值。
3. 企业健康项目中引入AI辅助的饮食管理方案，拓展B2B市场。

具体落地步骤建议：
1. 开发易用的AI图像识别模块，确保准确且用户体验流畅。
2. 搭建丰富的营养数据库，保证数据的权威性和覆盖面。
3. 设计多样化变现渠道，如会员订阅、定制化服务及数据分析报告。
4. 寻找合作伙伴，拓展市场渠道和用户群体。

Cal AI的成功显示，针对细分市场和痛点，利用AI技术提升用户体验，结合合理商业模式，个人开发者也能创造高额收入并获得行业认可。

AI驱动交易新贵：25岁前OpenAI员工靠基础设施投资年赚45亿欧元

25岁的Leopold Aschenbrenner，前OpenAI员工，通过聚焦AI基础设施相关股票，在一年内将225百万美元投资增值至约46亿欧元，成为年度最成功的AI投资人之一。

他的投资策略并非直接押注知名AI模型开发商如Nvidia、Google或微软，而是选择了为AI数据中心提供能源、存储和网络带宽的上下游基础设施企业。例如，他投资的Bloom Energy（数据中心能源供应商）年涨幅超1400%，Sandisk（存储设备）涨幅超3100%。

这种策略基于其对AI行业本质的理解：无论AI模型多么先进，背后都依赖能源供应、存储容量和高速网络，基础设施是AI发展的根基。

赚钱场景主要体现在：
1. 把握AI行业底层基础设施成长红利，规避单一企业风险。
2. 长期持有具备增长潜力的能源与硬件供应商股票，实现资本增值。

可操作步骤包括：
1. 研究AI产业链，识别关键基础设施供应商。
2. 分析企业财务健康状况、市场份额及技术优势。
3. 关注行业趋势与政策支持，选择适合的入场时机。
4. 多元化投资，降低单一标的风险。

该案例为投资者提供了不同于传统AI直接投资的视角，强调了产业链基础层面的价值发现，适合有长期视野和产业理解的投资人参考。

OpenAI近期上线了面向美国市场的ChatGPT自助广告管理平台，允许广告主通过该平台自主注册、设置预算、上传创意并监测广告效果。这一举措标志着OpenAI广告业务从早期试点逐步迈向规模化。

新平台支持多种竞价模式，包括按点击付费（CPC）和按展示付费（CPM），为广告主提供灵活选择。广告主可通过平台直投，也可通过代理机构和技术合作伙伴进行代投。与此同时，OpenAI通过引入转化API和像素追踪技术，强化了广告效果的实时监测和归因，确保投放数据的准确性和隐私安全。

具体赚钱场景主要包括品牌推广、产品引流和用户转化等。企业营销团队可利用ChatGPT的流量和用户基础，开展精准广告投放，达到提升知名度和销售的目的。特别是中小企业，通过自助平台降低广告投放门槛，实现快速上线和效果优化。

落地操作步骤为：1）企业注册广告账户，完成身份验证；2）制定广告预算与竞价策略；3）设计符合平台规范的广告素材；4）启动广告投放，实时监控数据表现；5）根据效果调整预算和创意。随着广告生态完善，OpenAI计划进一步扩大广告合作伙伴网络，提升平台变现能力，推动AI与广告的深度融合。

AI翻译平台如何帮企业节省数亿美元？——Wordly的实际赚钱之道

Wordly是一家专注于AI实时翻译的公司，自2019年以来帮助客户节省了超过2亿美元的翻译成本。它的核心产品是一个AI翻译平台，能自动将多语言会议内容即时翻译到参与者的设备上，替代传统的现场口译、设备租赁及相关人员配置。

传统的多语种会议通常需要聘请昂贵的现场译员、购置专业设备，以及安排大量的后勤支持，成本高且效率有限。Wordly通过AI技术，将这些繁琐环节数字化，实现翻译自动化，客户平均能节省50%以上的费用。尤其在公共部门，累计节省金额超过3000万美元，且在过去两年内用户数增长了五倍。

具体赚钱场景包括国际会议、多语言企业培训、线上研讨会和跨国商务谈判等。企业只需在Wordly平台上传会议资料或接入线上会议，AI系统即可实时翻译并分发给参会人员。操作步骤简单：1）注册账号并绑定会议工具；2）设置语言需求和翻译模式；3）会议过程中系统自动输出翻译；4）会后根据需求生成多语言文字记录。

落地操作中，企业需评估自身多语言需求规模，选择合适套餐；培训内部人员熟悉平台操作；结合现有会议安排逐步替换人工翻译。随着多语言沟通需求普及，Wordly的成本优势和效率提升使其成为AI翻译领域的典型盈利案例。

Anthropic高速增长背后的AI算力租赁战略——如何借数据中心扩容赢利？

Anthropic是一家专注AI模型研发的公司，2026年第一季度实现了近80倍的收入和使用量增长，远超预期。这种爆发式增长对计算资源提出了极大挑战，单靠自建数据中心难以快速满足需求。为此，Anthropic选择租用Elon Musk旗下的Colossus 1超算中心，获得超过22万块NVIDIA GPU的算力支持。

租赁超级计算机的优势在于，Anthropic无需花费数年时间建设自己的高性能数据中心，能迅速提升AI模型训练和推理能力，降低服务延迟，提高用户体验。通过扩大算力，Anthropic还能支持更多并发API调用，满足企业客户对高频次AI服务的需求。

赚钱场景主要集中在向企业客户提供定制化AI解决方案，如智能代码生成、自动化文档处理和金融行业的智能风控等。Anthropic通过按使用量计费，结合高性能算力资源，确保客户能获得稳定且高效的AI服务，从而实现收入快速增长。

具体操作步骤包括：1）评估当前AI服务的算力瓶颈；2）与超算中心或云服务供应商谈判租赁方案；3）规划算力扩容后的API架构和服务等级；4）优化成本结构，确保租赁投入带来服务质量提升和营收增长。Anthropic的案例表明，在AI业务高速发展期，灵活获取算力资源是实现盈利和市场扩张的关键。

Corgi是一家由YC支持的AI原生保险公司，专注为初创企业提供保险服务。它在短短四个月内估值从6.3亿美元飞升至13亿美元，完成了160亿美元B轮融资。Corgi的核心优势在于其自营保险政策的承保和报价流程，不同于传统保险经纪人，采用AI技术大幅缩短报价时间，从传统的几天压缩到几分钟。

Corgi的赚钱场景主要是为初创企业及未来的卡车运输等细分行业提供便捷、快速的保险产品。通过AI对风险进行精准建模和定价，既降低了企业的等待成本，也提升了保险公司的风险管理效率，形成良性循环。

具体操作步骤包括：第一，搭建AI驱动的风险评估和定价模型，结合历史数据与实时信息；第二，开发在线快速报价系统，实现自动化承保流程；第三，针对目标客户群进行精准营销和渠道拓展；第四，逐步扩展业务范围，从初创企业保险拓展到卡车运输等其他领域；第五，持续收集反馈，优化模型和客户体验。

Corgi的成功表明，AI技术在高度依赖数据和风险评估的保险行业具有巨大应用空间，能够打破传统承保速度慢、流程复杂的瓶颈，实现快速增长和市场扩张。

AI驱动独立创业：单人打造十亿美元公司的现实路径

近年来，Anthropic公司的CEO达里奥·阿莫代预测，借助AI工具，一个人也能在年底前创立价值十亿美元的公司。这主要得益于AI在营销自动化、数据分析和软件开发等方面的高效辅助能力。之前AI主要是生成代码，而现在AI模型更多地作为辅助工程师和企业家的助手，使得少人甚至单人团队都能开展大规模业务。

具体来说，Anthropic推出了多款基于Claude模型的产品，如Claude Code帮助编程，Claude Cowork实现任务自动化。这些工具让个人创业者能够构建可扩展的商业项目，减少对庞大团队的依赖。

赚钱场景包括个人开发者通过自动化营销推广产品，利用AI分析市场数据精准定位客户，降低运营成本和人力投入。此外，AI辅助的软件开发加快了产品迭代速度，提高竞争力。

落地操作步骤：第一，学习并掌握Anthropic等AI平台提供的工具接口及功能；第二，确定目标市场与产品方向，利用AI进行市场调研和客户画像；第三，利用AI辅助开发最小可行产品（MVP），快速测试市场反馈；第四，通过AI自动化营销渠道推广，持续优化运营策略；最后，借助AI持续优化产品和服务，扩大用户规模。

这种AI赋能下的创业模式，虽然仍需创业者具备一定的产品理解和商业敏感度，但大大降低了技术和运营门槛，为个人创业者提供了现实可行的路径。

企业定制软件新时代：Pit如何用AI减少开发成本提升效率

Pit是一家总部位于斯德哥尔摩的AI原生软件平台，专注为企业打造定制化、端到端的运营软件，号称“AI产品团队即服务”。与传统低代码平台或辅助型AI工具不同，Pit直接交付可用于实际业务运营的生产级软件。

企业数字化转型过程中，定制化需求庞大但成本高昂，很多企业仍依赖电子表格和标准化SaaS应用，难以满足灵活多变的流程。Pit通过AI学习企业内部流程，自动生成符合业务需求的软件系统，显著降低定制成本和时间。

赚钱场景包括替代传统人工开发，快速响应企业业务变化，减少人工错误和重复劳动。客户如Voi、Tre等欧洲大型企业已实现85%的营销活动时间缩短，年均节省超万小时工时。

可落地操作步骤：首先，Pit团队与客户沟通，收集并整理业务流程；其次，通过Pit Studio让AI学习这些流程，自动生成软件模块；第三，部署在Pit Cloud保障安全和可管控的运行环境；第四，客户在短时间内上线系统并投入使用；最后，持续监控和优化，实现流程自动化和效率提升。

Pit的案例显示，AI不仅能辅助开发，更能成为企业数字化运营的核心生产力工具，为企业降本增效提供了具体可行的解决方案。

相关阅读

• Fere AI：人人都能拥有的智能交易助手，开启数字资产投资新模式

Avoca是一家由印度裔工程师Apurva Shrivastava联合创办的AI创业公司，估值达到10亿美元。其核心产品是利用AI虚拟助理，全天候处理企业的来电、预订、日程安排和后续跟进，模拟真人通话，集成到企业的软件系统中。

这个创意源于Shrivastava在美国密歇根为小企业管理电话时发现，错过电话会导致客户流失，甚至带来数万美元的损失。经过在MIT深造和多次技术积累，他于2022年创立Avoca，最初在餐饮行业试点，随后扩展到暖通空调、管道、屋顶和电气服务等多个行业。

赚钱场景上，许多服务型企业因无法接听客户电话而错失商机。Avoca的AI助手通过自动接听并预约，显著减少了漏接电话，帮助企业提升转化率和收入。同时，它还能自动完成重复性任务，降低人工成本。

实际操作步骤包括：第一，企业需要整合Avoca的AI助手到现有电话和客户管理系统；第二，训练AI理解行业术语和客户需求；第三，持续监控和优化AI交互质量；第四，扩大覆盖行业和客户规模。通过这些步骤，企业能实现电话业务自动化，提升客户体验和营业额。

Avoca的成功展示了垂直行业AI解决方案的潜力，强调实用性和直接的商业价值，而非追求复杂的通用AI模型，这为想用AI赚钱的创业者提供了清晰的落地路径。

Meta商业AI周对话量突破千万，企业沟通智能化新机遇

Meta旗下平台（包括WhatsApp、Messenger、Instagram）上的商业AI对话量已突破每周1000万次，远超年初的100万次，显示出AI在企业客户沟通中的巨大应用潜力。

Meta通过整合AI技术，推动传统的广告和内容分发向自动化客户服务、活动管理和电商转化等方向转型。AI可自动回复客户咨询、指导营销活动、生成创意内容、优化广告投放，并帮助企业解决账户问题，极大提升了运营效率和用户体验。

赚钱场景主要体现在帮助企业实现24小时无间断客户服务，降低人工客服成本，同时提升客户满意度和转化率。此外，借助AI驱动的个性化推荐和精准营销，企业能更有效地触达潜在客户，增加销售收入。

具体操作步骤包括：第一，企业需接入Meta的AI消息接口，将客服和营销流程自动化；第二，培训和调整AI模型以匹配企业的业务和客户需求；第三，结合广告策略，将AI生成的创意和推荐融入营销活动；第四，持续监控对话数据，优化AI响应质量和转化效果。

这表明，未来商业沟通将越来越依赖AI技术，企业应抓住这一趋势，尽早布局智能客服和营销自动化，以提升竞争力和市场回报。

Cognizant斥资6亿美元收购Astreya，布局AI数据中心服务

2026年4月，IT服务巨头Cognizant宣布以约6亿美元现金收购位于硅谷的Astreya，这是一家专注于大型数据中心管理的服务公司，尤其支持GPU运算和AI基础设施运营。

这笔收购反映出Cognizant从传统IT外包向AI数据中心运营转型的战略。随着云计算巨头和AI服务商计划在2026年至2027年期间投入7000亿美元建设AI基础设施，掌握数据中心的物理运维和管理能力变得极为关键。

赚钱场景主要在于，为大型AI计算平台和云服务提供稳定、高效的硬件运营支持，确保AI模型训练和推理的底层运转无忧。Cognizant通过收购Astreya，获得了服务全球六大超大规模云服务商的经验和工具，并扩展了其全球运营网络。

具体落地步骤包括：第一，整合Astreya的运营团队和技术工具，提升整体服务能力；第二，强化与超大规模云客户的合作，拓展更多数据中心管理合同；第三，提升自动化水平，降低人工运维成本，提高响应效率；第四，开发专门针对AI硬件的管理和监控系统，满足AI数据中心对性能和可靠性的高要求。

综上，Cognizant的这一举措不仅是应对AI基础设施建设热潮的战略布局，也为其自身带来了长期稳定的高端服务收入，适合有意切入AI背后硬件运营和服务领域的企业参考。