除了AI圈內的從業者朋友們，身邊也一直有老朋友想了解AI，或者轉行AI。
AI核心圈在哪？AI資訊差乾貨在哪？
已經有經驗、有作品的AI先行者們去哪找？最新、最有價值的AI實踐哪裡學？
每冒出一個問題，都是一次Prompt Engineering實踐；網際網路上、AI產品裡，也充滿了免費又優質的答案。
如果能找對地方，還能遇到很多同在探索的小夥伴：各種各樣的反饋、支援、鼓勵，也會帶來很強的共創感、參與感……
趁現在，把資訊體系搭建起來，並且有所行動落地，大概會是非常好的AI時代的開始。
【AI異類的資訊源】這個系列，主要面向對AI感興趣的新朋友，還有非AI從業者的老朋友。
我把了解AI，初步劃分成了5個步驟層次——資訊、認知、實操案例、系統知識、人才網路。
今天先從
「資訊」、「認知」
開始，介紹6個我常看的媒介渠道——
透過這6個渠道，比多數中文科技媒體的AI新聞報道，再快一步、先睹為快！
By Frank with Midjourney
1. TechURLs
海外主流科技媒體大全
連結：techurls.com
涵蓋了Hacker News、Reddit/tech、Wired、The Verge、Medium、TechCrunch、New York Times等等耳熟能詳的海外頭部科技媒體，AI熱點新聞一網打盡。
國內AI資訊、科技媒體的報道，相當大的比例來自其中內容的翻譯。
X、Reddit、即刻上很多大V分享交流時，這上面的AI報道，也是非常高頻、高質量的引用源頭。
TechURLs上的資訊，非常新鮮、熱乎、全面、量大管飽……
那麼問題來了，怎樣從每天大量繁雜的AI/Tech新聞裡，提煉出更感興趣、更有價值的內容呢？
對未來影響更深遠的某家公司、某個事件，藏在這其中的哪個角落？
稍進階的用法——用搜索框。在TechURLs上直接搜AI、Robot、Agent、OpenAI等等關鍵詞，可以進一步聚焦，定位到關鍵詞和話題。
再進一步，把上面所有媒體、所有新聞的高頻詞爬蟲爬下來，彙總成AI熱力圖、詞雲，也很直觀。
網站連結直接餵給Claude、豆包，可以做一些表格彙總、初步總結分析。
用Dify/Coze建立一個“熱點抓取”的工作流，按資訊要素、按話題風格分類，封裝成Agent也是不錯的選擇。
我也考慮藉助
Cursor
等，進一步寫成一個「AI資訊」的小產品，一直沒完成……假期歡迎朋友們監督！
不過還有個問題，就是最高頻的資訊、關鍵詞往往是“大路貨”，AI的內容敏感性、行業敏感性依然極差，非共識但有趣的資訊處於工作流盲區，很難實現自動化。
多數一看標題就知道，屬於無聊的大公司訊息、名人日常性發聲，缺少獨家視角和獨特觀點。
我感興趣的邊緣處、縫隙裡的獨特故事，Geek/Alien/小天才們的初露端倪，以及北美主流AI敘事之外的日本技術、歐洲市場、老年需求等等，靠TechURLs就基本絕緣了。
2. Toolify.ai
集導航站、排行榜於一身
連結：toolify.ai
Toolify.ai是我尤其高頻用的網站，卡片式的產品展示，非常直觀！
這款產品本身，類似於AI導航站、資料平臺、排行榜、Agency的集合，作為AI產品的資料看板，是我目前體驗下來最舒服的。
和創始人也簡單交流過，確實是有經驗的老站長能做出來的東西，而且不止是類似“新榜”、“飛瓜”或者Product Hunt，在海外隱隱有了新的更高效的商業化的可能……
我常看的是上面各種排行榜，比如【AI收入榜】，各家Stripe等收了多少錢，都有基於流量評估後的排名。
最新推出的AI產品，當天釋出的也會有，很方便一目十行掃一遍，看看收藏量、基本資料表現等等。
對新東西能快速有個感受，比PH強在分類更清晰。
如果想自己從0建立一個AI行業的資料監控、產品看板、榜單圖譜，還是需要大量的時間。Toolify.ai做得越來越好了，直接看、直接用也能方便一點。
我也時常推薦給創業的、投資的朋友，反饋都不錯。
不過也有侷限：資料維度、顆粒度還是不夠細，除了八卦一下別人產品的流量、收入，如果想要有更進一步的分析，可能還需要藉助其他的資料平臺。
如果已經建立了個人系統和關於AI的資訊目標，用Toolify.ai可能會更高效。
3. SimilarWeb
Web端資料分析必備
連結：similarweb.com
和上一個Toolify.ai有點像，不過更垂直於資料領域，是市面上很多分析師、KOL、各種AI產品榜單的資料來源。
更有目的性的資料檢測、產品及競爭分析，用SimilarWeb還是必要的。
對於特定產品，如果想掰開了看看流量變化、趨勢，拆拆流量來源，再找找競品對比分析一下，SimilarWeb的呈現邏輯都算清晰。
一個好處是能看到海外產品的使用者國家分佈等，對於釐清使用者畫像、把握流量來源渠道，分析使用者意圖……都有幫助，AI GTM、MKT必備！
各種圖表比較清晰直觀，但對於較新的產品，資訊統計不一定及時。
像a16z的產品產品盤點，把移動端和web端分成了兩個list。SimilarWeb上的資料，和a16z的榜單，交叉驗證看出入也並不大，和體感也基本一致。
但話說回來，SimilarWeb也存在資料很不準的時候，也存在人工干預排名、汙染的可能——
某大廠的AI榜單排名，據說就是刷的，從SimilarWeb源頭開始，然後在國內中文榜單排在前列……
4. A16Z
矽谷的共識和非共識
連結：a16z.com
前三個渠道只是資訊、資料，而接下來的三個，會更有認知、洞察、人的故事、公司的案例……
矽谷的頭部VC裡，a16z一直以媒體著稱。但更本質的，是把投資和媒介深入打通，重構了人、資本、企業、技術之間的資訊流通方式。
像一個巨大的多輸入、多輸出的連通器，也真正意義上引導了一大批優秀的創業者。
a16z的文章我也時有翻譯，結合我關注的主線和a16z的判斷、總結，像是階段性的整合資訊、重塑認知的過程。
論內容的產出速度、質量、形式的多樣性，少有投資機構可與a16z比——
看多了之後，對幾位常見的作者、Speaker會非常熟悉，甚至能夠看到他們作為投資人的認知變化、觀點進化。
長期跟蹤，比起看一些公眾號熱點，在脈絡上更清晰，甚至也可以產生自己的不同想法、基於資訊的不同判斷等等。
投資機構畢竟有“選種子、摘果子”的性質，東西出來了再做判斷，和在荒蕪中去創造，完全是兩個事情。
一般情況下“種子”還看不見的時候，很難靠VC有什麼獨特的想象力。但a16z是個異類，尤其前幾年，時而有大膽的暴論。
AI與Web3的結合也是a16z的長期關注點。
以更長時間維度來看，我是簡單的，理解真正的Blockchain、Web3、Crypto，看a16z的論述是捷徑，因為能看到同一個作者三年前、兩年前、一年前直到今天，他的投資、判斷、邏輯、成果，哪些得到了驗證，又有了什麼新的預測。
作為AI相關的業內人，瞭解Crypto，對理解算力、能源、金融，乃至新的DAO的組織形態，會帶來根本性的啟發。
5. Sequoia
紅杉美國的Power
連結：sequoiacap.com
紅杉美國，基本上每篇文章也都在AI中文圈流傳，某種程度上塑造了很多創業者、投資人對AI發展程序的理解。
紅杉的合夥人有些也非常有意思。比如David Cahn，寫過很多影響力巨大的文章，也會在不同渠道分享自己的投資心得。
藉助紅杉或者a16z的線索，按時間線去追溯，按人頭去盤點，按提及的公司去觀察，再或者把播客裡、報道里出現的創始人、投資人、作者挨個查一遍，總會有不一樣的收穫……
紅杉相對來說喜歡宏觀敘事，對趨勢的判斷也和a16z一樣，存在比較強的北美中心視角，有些結論對於國內或者其他市場未必適用，是一個味道非常正的美國創業的視窗。
論投資，多數時候算無遺漏，但也有看走眼、投不進的時候……
6. YC
北美創業的代名詞
連結：ycombinator.com
19年在矽谷參與陸奇博士的活動，當時的奇績創壇還被叫做YC中國，依然沿用YC的郵箱，那之後也有了第一屆的奇績校友。
YC校友在北美更像是一個深度連結的標籤，四海之內皆兄弟，相互之間有天然的信任——也來自於相似的話語體系、創業認知的養成。
YC每年的入選清單，幾乎掃描了市場上的各類賽道、各大方向，也涵蓋了幾乎各大名校的新人新專案，非常有全景式的mapping感，也有節點式的對Timing的把握。
作為創業者的學校，YC的資料非常成體系，有手把手從頭到尾指導教學的感覺，像co-founder、mentor一樣指出路徑——
關鍵是很多路徑還真的部分可複製，讓我不得不感慨其體系的成熟、資本市場的穩定。
YC 現在應該是 LLM Agent 類創業最活躍的投資者了——新一期的YC Demo Day不久前剛剛落下帷幕，近200家AI Startup同臺競技，約佔整體專案的75%。
可以說，AI佔據了YC絕大多數的注意力，看奇績的錄取比例，對AI的關注程度也是類似。
在 PitchBook 的技術分析師 James Ulan 看來，YC新一批創業公司呈現四個趨勢：
1. AI 機器人專案越來越多。
2. AI 自主瀏覽網站、操作軟體正成為新趨勢。
3. 一些專業領域也出現了 AI 的身影，比如建築、醫療和警察。
4. AI 開發工具越來越火熱。
接下來也會為大家詳細介紹一下這近200家AI公司，以及背後的規律和趨勢。
今天先從「資訊」、「認知」開始，介紹6個我常看的媒介渠道。
從知道，到做到，是一步很巨大的跨越。
但同時我也發現，很多所謂的“知道”，不過是噪音下的狂歡——所以才想先把高質量的資訊源直接呈現出來。
想把【AI異類的資訊源】做成一個不斷更新的系列，因為總有新技術、新產品，帶來資訊的新互動——
比如作為RSS的老使用者，最近我也在深度使用Follow這款產品，需要邀請碼的朋友，也歡迎加好友私信我。
【Follow+NotebookLM】，能很輕鬆把關注的資訊轉成播客、筆記，完成度很高。
個人的資訊、知識管理，藉助AI的整合，天然又是極好的輸出素材。人人都是自媒體的時代，因為生產力的提升才真正成為可能。
建立AI知識體系和思維繫統、應用AI資訊工作流，也將是我的長期日常。
今天的資訊源都偏新聞、偏綜合，包括了AI資訊和AI前沿認知以及公司、創業的最新情況。
接下來，也會按照播客、部落格、影片等等來劃分；根據X、YouTube、Reddit、即刻等等平臺先分類，再具體到公司和個人；Anthropic、OpenAI、HuggingFace、 GitHub等等上面的一些發現，Discord上超級有趣的互動玩法；以及指名道姓的關注list，最值得關注的科學家、KOL、AI明星清單列表……
斯坦福/MIT的課程、論文、專案實踐機會、商業化的共創、海外的比賽活動……隨便拎出一個線頭，都能有異常豐富的延展。
所以，我想借助AI工作流，用更體系化、更有邏輯、更直觀可視的方式，一點點為大家呈現。
開篇提到的瞭解AI的5個層次：資訊、認知、實操案例、系統知識、人才網路——後面的實操部分，也即將開啟……
敬請期待！！！
參考閱讀：
新鮮真話，關注一下👆
朋友圈會發一些具體的案例和商業化日常～
AI交流，歡迎加我本人微信：FrankGPTs