Joined May 2025
1,540 Photos and videos
Pinned Tweet
最值得关注 Agent 发展动态的御三家:OpenAI Codex、Claude Code、Manus 把三个团队的核心人员全部整理出来了,现在做一个汇总 OpenAI Codex(13人) 领导层 @romainhuet @thsottiaux API @charlierguo 插件生态 @coreyching 工作流实战 @Dimillian @dkundel @nickbaumann_ @derrickcchoi @pvncher 社区教育 @gabrielchua @reach_vb @kagigz 安全 @fouadmatin Anthropic Claude(30 人) 创始人 @DarioAmodei @DanielaAmodei @jackclarkSF Claude Code 核心 @bcherny @_catwu @trq212 @felixrieseberg @amorriscode @dickson_tsai 产品 @angjiang @jess__yan @feldman 研究 @AmandaAskell @ch402 DevRel @alexalbert__ @lydiahallie 增长 @TheAmolAvasare @helloitsaustin Manus / Butterfly Effect(10人) 官方 @ManusAI @ai_manus @ManusAI_IM 创始人 @Red_Xiao_ CEO @peakji 首席科学家 @hidecloud CPO 增长 @HenrypenmanXD CMO @parker_lyman 幕僚长 三份名单,一键关注,跟上 Agent 最前线 详细版 ↓ x.com/GoSailGlobal/status/20… x.com/GoSailGlobal/status/20… x.com/GoSailGlobal/status/20…

昨晚看了极客公园「今夜科技谈」的直播,张鹏对谈黄碧薇教授 @huang_biwei,聊的是因果大模型 本来只想随便听听,结果完整看完了,有几个点想分享 黄教授的经历挺特别,因果发现(Causal Discovery)是个小众但很深的领域,1989 年由 CMU 的 Clark Glymour 和 Peter Spirtes 开创,这两位是她的博士导师;后来推动第二代方法的 Kun Zhang、Bernhard Schölkopf,也是她的导师 今年她从学校出来创办了 Aether AI(aetherlabs.ai),想把这套因果方法和大模型结合起来,去做机器人的"大脑" 这期直播最值得记住的,是她那张"四代范式"2×2(模型大小 × 学相关还是学因果): ① 90 年代:相关性 × 小模型 ② 2010 年代:因果 × 小模型 ③ 现在:相关性 × 大模型 = LLM ④ 下一站:因果 × 大模型 她的解释也很直觉:语言和代码的信息比较浅、数据离散,堆相关性就能做得很好;但物理世界变量太多,VLA 的 demo 再漂亮,桌面高两厘米可能任务就做不了。 机器人需要的不只是预测下一帧,而是理解"为什么" 整场对谈把学术的东西讲得很白,不在这个领域的人也能跟上 回放🔗在这里: weixin.qq.com/sph/AuNNpbY1ew
5
30
124
24,786
李飞飞代表 ImageNet 时代 Karpathy (李飞飞学生)代表从视觉 AI 到 LLM 时代的人才迁移,而如今又回归到企业的Reasearch岗 在《我看见的世界》原文脉络里,Karpathy 那一段的重点是,他放弃普林斯顿教职,加入当时还不知名的 OpenAI 核心工程团队,这被李飞飞写成 AI 顶级人才从学术界流向私人研究实验室的标志性时刻。
也许编程这一领域已经终结 对于大多数人来说,Skills早已足够 而Loop只有少数人才需要掌握 人总是高估熟能生巧的经验 又不愿意去做一些设立目标的事情,就像OKR/KPI也只有少数设定者
1
6
14
4,975
Latent.Space 这期讲了一个正在发酵的概念,叫 Loopcraft,堆叠循环的艺术 最近三个人几乎说了同一句话: Peter Steinberger:别再 prompt coding agent 了,去设计那个「替你 prompt agent 的循环」 Boris Cherny(Claude Code 作者):我不再 prompt Claude 了,我写循环,循环替我干活 Karpathy 说得最透: 把你自己从瓶颈里移出去 你不能守在那儿 prompt 下一步 要把事情安排成完全自主,最大化 token 吞吐,别待在 loop 里 我不想当那个守在 loop 里盯结果的研究员,那是我在拖系统后腿 剩下的问题只有一个:怎么重构抽象,让我安排一次,然后按下开始 Latent.Space 的总结很狠: 下个世纪的整个游戏,就是尽可能高效地 stack loops,把循环一层层叠起来 · 出问题时,要懂得往下钻一层 loop,为了可靠 · 模型变强时,要懂得往上提一层 loop,为了杠杆 · 搞不懂这个的,输给搞懂的人时别酸 🔗 latent.space/p/ainews-loopcr…
2
2
10
1,236
浮之静的loop engineering值得一读 一个 prompt 给 Agent 一条指令;一个 loop 给 Agent 一套工作机制 最小的 Loop Engineering,可以压缩成五个问题: 1️⃣ 目标是什么? 2️⃣ 上下文从哪里来? 3️⃣ 允许执行哪些动作? 4️⃣ 反馈如何产生? 5️⃣ 什么时候必须停止? 这五个问题回答不清楚,循环越自动,风险越大。因为它不是一次性输出,而是一个会反复放大自身判断的机器 好的循环会把工程判断制度化;坏的循环只会把混乱自动化。 Loop Engineering 并不比 Prompt Engineering 更轻松 它只是把杠杆点换了位置。 以前的关键是“如何把需求说清楚”,现在的关键是“如何设计目标、上下文、动作、反馈、停止条件和责任边界” 你不再只是提示 Agent,而是在设计一个会不断提示 Agent 的系统。 系统一旦开始循环,就会放大你的判断,也会放大你的偷懒。
Jun 12
深度思考:架构腐朽 & Loop Engineering mp.weixin.qq.com/s/wINKSDQCr… 架构治理最终追求的东西或许是:不是建立一个永远正确的系统,而是建立一个能够持续发现自己正在变错的系统。
1
1
5
731
manus里的meta标识已被删除 Manus 几乎把「中概 AI 海外退出」的剧本完整走了一遍,然后被撕了: 病毒级 demo 起家 → 团队迁新加坡 → Meta 20 亿收购 → 北京叫停 → 现在原样拆回 它撞上的,是这两年最硬的一条现实: 你可以把公司注册到海外、把团队搬出去 但只要技术够战略,监管照样能把交易按回去 而且不止 Manus,据彭博,趋势在扩大: AI 研究员、高管出境,要审批 Moonshot、StepFun、字节接受美资,要政府点头 美国那头,参议员也在质疑美资该不该流向中国关联公司 · 两边同时收紧,AI 被当成了双向管制的战略资产 · 「被海外巨头收购退出」在变窄,香港上市 国内 JV 正成为新主流出口 techcrunch.com/2026/06/13/me…
1
3
3,919
MicroConf 2025 年对 1,200 个独立开发者做了调查: "你的主要付费用户来源是什么?" 排名: ① SEO / 有机搜索:42% ② 社交媒体(X/Reddit/LinkedIn):28% ③ 付费广告(Google/Meta):18% ④ Product Hunt / 目录站:7% ⑤ 口碑推荐:5% 42% 来自 SEO 但大多数中国出海开发者 把 80% 的精力花在社交媒体上 为什么? 因为社交媒体的反馈是即时的 SEO 的反馈要等 3-6 个月 但 3-6 个月后 SEO 会成为你最稳定的获客渠道 👇
三天不到,开发好了agent skills hub (祝女神们节日快乐👀) agentskillshub.top/ 为什么开发这个产品? 1️⃣ 如何在众多的skills中找到合适的skills,为了解决大家找优质skills的难题,做了各种分类、最近更新、周榜等功能 2️⃣ 找到对的人:优质skills大神 3️⃣ 推荐skills组合,让大家有想法去发挥出更大的想象力 网站:agentskillshub.top/ - Trending热门趋势 - Skills Masters 技能大师 - Organization Builders 组织构建者 - Recently Updated 最近更新 - Top Rated最高评分 - Browse by Category 分类精选 - Scenario Workflows 场景推荐组合 开源项目网址:github.com/zhuyansen/agent-s… 流程: 1、数据收集 2、数据清理 3、质量评估 - 参考了论文、github平台指标、token估计以及可组合性等综合指标,进行最后的加权打分 4、数据展示 纯vibe coding的前后端产品,欢迎大家轻锤,有问题可以提issue,我来让claude code干👀 也欢迎大家提交一些不错的skills、skills master以及skills组合使用的场景 最后能给个star就更好了 可以免费订阅周报,获取资讯✉️
2
1
1,095
具体操作:我怎么用推文养 SEO ① 每天发 3-5 条推文(中英文都发) ② 每周统计哪条互动最高 ③ 互动 top 3 的推文 → 扩写成英文博客 ④ 博客发到自己域名(不要发 Medium) ⑤ 博客标题做关键词研究(用 Ahrefs/Ubersuggest 免费版) 为什么不发 Medium? 因为 Medium 的域名权重是 Medium 的 不是你的 3 个月后 Medium 文章可能排名掉了 但你自己域名的文章会越来越好 Rand Fishkin 的建议: "Build on land you own" 在你自己的土地上建房子
1
196
出海独立开发者获客 90 天计划: 📅 第 1-30 天:全力社交 → 每天 3-5 条推文 → 目的:验证哪些话题有人关注 📅 第 31-60 天:社交 SEO 并行 → 爆款推文扩写成博客 → 每周 2 篇 SEO 文章 📅 第 61-90 天:SEO 开始见效 → 老文章获得排名 → 自然流量超过社交流量 关键数据: • SEO 转化率 2.4%(社交的 3 倍) • SEO 的 CAC $8(付费广告的 1/6) • SEO 的流量 6 个月后自动增长 别只刷社交 把推文变成博客 让 Google 24 小时帮你获客
210
18号去趟香港,参加圆桌讨论(Agents,Developers and Enterprise Adoption) 16号去广州 看看有没有推友约coffee chat的
2
2
292
Dario Amodei 拒绝了美国政府修复 Fable 5 越狱漏洞的要求 这个决定直接导致了出口管制 AI 公司现在面临一个根本性矛盾: 模型安全应该由谁来定义? 政府认为越狱是国家安全威胁 CEO 认为这是技术问题不是政治问题 当 Anthropic 这种以安全著称的公司 都选择对政府说 No 的时候 说明 AI 治理的博弈已经进入深水区 最有趣的是这个逻辑闭环: 越安全的公司 → 越被政府盯上 → 越被要求做政治化的安全修复 → 越拒绝 2025 年 AI 监管的核心矛盾 不是 AI 够不够安全 而是「安全」这个词的定义权之争
JUST IN: 🇺🇸 Anthropic CEO Dario Amodei reportedly declined US government request to fix jailbreak in its Claude Mythos Fable 5 AI model. This led to the Trump administration "reluctantly" restricting foreign access.
1
2
908
SpaceX IPO 的隐藏叙事不是火箭 是轨道数据中心 地球上的 AI 算力正在撞上物理天花板: 电力不够、散热不够、土地不够 把数据中心搬到太空解决了所有三个问题: 太阳能无限供电 真空天然散热 轨道空间无限扩展 这不是科幻 这是 Musk 的商业闭环: Starlink 提供网络 → Starship 降低发射成本 → 轨道机房承接 AI 算力 当地面数据中心需要核电站供电的时候 太空算力的经济性就开始成立了 2030 年之前 我们可能会看到第一个商业轨道计算节点 AI 基建的终局不在地面 在轨道上
I sat down with @jvisserlabs to discuss the SpaceX IPO, orbital data centers, and the critical minerals powering the AI buildout. We also discuss the AI model wars, why Jordi thinks Sam Altman won't be running OpenAI within a year, and how the New York Knicks playoff run connects to the future of crypto and blockchain in a world of AI and deep fakes. YouTube: youtu.be/gAqXcGn3BlY?si=6lSf… Spotify: open.spotify.com/episode/3Dj… Apple: podcasts.apple.com/us/podcas… TIMESTAMPS: 0:00 - Intro 1:00 - SpaceX IPO, Elon & orbital data centers 12:15 - Critical minerals & the AI supply chain 18:55 - American industrial sovereignty & critical chemicals 22:36 - AI model cost crisis & who wins the model war 37:10 - Knicks NBA Finals & the case for crypto in an AI world 47:48 - Jeff Bezos launches Prometheus 50:34 - AI use case of the week
2
407
Jason Zhu retweeted
A good business model should not turn your heaviest users into a source of loss. This is exactly why I have always believed that a “coding plan” (usage‑based pricing) is a terrible business. Think of a gym that only makes money because people buy memberships and then never show up. That’s a broken logic. A sound business model should ensure that your most core, highest‑volume users generate the largest profit – not the other way around. #BusinessModel #StartupTruth #UsageBasedPricing #BadEconomics
GLM-5.2 is Fully Open, Frontier Intelligence Belongs to Everyone Today, the sudden restriction of certain frontier models is deeply regrettable. At a time when access to frontier models is abruptly cut off for non-technical reasons, we are even more convinced of one thing: science should be global. The path to AGI (Artificial General Intelligence) must never be enclosed by high walls. We have always believed that AGI should be the cornerstone for all of humanity to collaboratively explore the boundaries of intelligence and solve complex challenges, rather than a privilege monopolized by a few rules and subject to revocation at any moment. In the face of external blockades and restrictions, our attitude is one of radical openness. Frontier intelligence must remain open-source, accessible, and buildable, serving every dedicated developer. GLM-5.2 is Zhipu's most capable open-source model to date. It not only supports a truly usable 1M context window but also maintains a continuous lead in the independent completion of long-horizon tasks, providing solid foundational support for building complex agent applications. It also continues to be our main engine for creating the strongest domestic coding model. Tonight at 5:21—at this special moment—GLM-5.2 will officially be available to all GLM Coding Plan users (including Lite / Pro / Max). The API will also go live next week. A step closer to frontier intelligence for everyone. The future of AI is open, and it is for the people. ModelKey: GLM-5.2
33
17
282
86,758
从OpenClaw尝试了一遍国产大模型之后,就没再用过国模了 虽然看着省钱,但是折腾更费时 国内一堆自媒体大V不光在国内吹,还来X吹GLM 我想说的是软件的基础是可用性,都上市公司了,能不能把可用性弄上去😅
刚刚!GLM5.2发布了!但是我劝你不要着急买套餐。 我从GLM4.5就买了Coding plan Lite、到GLM4.7退订了套餐,又到GLM5升级了Coding Plan Pro、最后到GLM5.1再次选择退订。 可能没人比我更清楚智谱到底干了啥。。。 当时GLM4.5一发布,为了支持国产,我买了Lite套餐。 到了GLM4.7一发布,服务器被挤爆,根本用不了,甚至GLM4.5正常使用都成问题,然后退订了。 又到了GLM5发布,我选择再次相信,怀疑是自己充钱充少了,又买了Pro套餐,果然,上午和半夜能够正常使用GLM5了,但是下午和晚上服务器又爆了,只能用用GLM4.7。 又到了GLM5.1,这个时候已经不想挣扎了,懒得和智谱对线(客服群都被骂穿了,所有运营装死),刚好GLM改套餐限额和Codex升级,直接退订了。 国产模型是越来越好了,GLM5.2、Kimi2.7、Minimax3、DeepSeek4,但是说实话,我只在GLM这里遭受到了最大的恶意,真的是不把用户当人看。
31
39
18,957
最近因为 agentskillshub.top 结识了不少大厂的朋友 有讯飞、高德、Cherry Studio的朋友 和他们交流完,有了更明确的skills markerplace的方向😀
三天不到,开发好了agent skills hub (祝女神们节日快乐👀) agentskillshub.top/ 为什么开发这个产品? 1️⃣ 如何在众多的skills中找到合适的skills,为了解决大家找优质skills的难题,做了各种分类、最近更新、周榜等功能 2️⃣ 找到对的人:优质skills大神 3️⃣ 推荐skills组合,让大家有想法去发挥出更大的想象力 网站:agentskillshub.top/ - Trending热门趋势 - Skills Masters 技能大师 - Organization Builders 组织构建者 - Recently Updated 最近更新 - Top Rated最高评分 - Browse by Category 分类精选 - Scenario Workflows 场景推荐组合 开源项目网址:github.com/zhuyansen/agent-s… 流程: 1、数据收集 2、数据清理 3、质量评估 - 参考了论文、github平台指标、token估计以及可组合性等综合指标,进行最后的加权打分 4、数据展示 纯vibe coding的前后端产品,欢迎大家轻锤,有问题可以提issue,我来让claude code干👀 也欢迎大家提交一些不错的skills、skills master以及skills组合使用的场景 最后能给个star就更好了 可以免费订阅周报,获取资讯✉️
2
5
31
5,117
支付是很多人出海最容易忽略的事情 你用的支付渠道会影响到你的产品转化 支付设置以及相关合规问题,则会影响你的产品能否后续营收 这些没人手把手教你,都得自己去趟
《🌍 出海收钱的真相:为什么有些团队赚到了利润,却提不出来?》 🚀你的产品做好了,官网上线了,定价也想清楚了,万事俱备,于是用户决定付费。 💳一个北美用户点了 Subscribe,输入信用卡号,点了 Pay。 🤔然后你发现事情没那么简单,等等,数目为什么不对?。 比方说用户在德克萨斯州,德州对 SaaS 征收销售税,税率 6.25%。你需要在这笔交易上加税,但前提是你在德州有 economic nexus——年销售额超过 500,000或者交易次数超过一定数量。你刚开始卖,离这个门槛还远。那是不是不用管?也不一定,因为加州的门槛也是500,000或者交易次数超过一定数量。你刚开始卖,离这个门槛还远。 那是不是不用管?也不一定,因为加州的门槛也是500,000,但纽约州是 500,000,而很多其他州是500,000,而很多其他州是100,000。你的用户散布在十几个州,每个州的规则不一样,大约 25 个州对 SaaS 收税,其余的不收或者有条件地收。 🌎这只是美国。 再看澳大利亚和新西兰。澳洲的 GST 税率 10%,注册门槛是年销售额超过 AUD 75,000。新西兰 GST 15%,门槛 NZD 60,000。 这样的例子不一而足,就不过多举例了。 在文章的开头,我必须要承认,做好这些支付和合规的操作确实是繁琐的。注 册实体、选支付方案、搞清楚各国税率、处理资金回流——每一步都不性感,每一步都让你觉得"我明明是来做产品的,怎么变成了在跟会计和律师打交道"。 但你不妨想想另一种场景:⚠️产品卖出去了,用户也在涨,突然收到一封邮件说你在某个州欠了三年的销售税,连本带利加罚款要补缴一大笔钱。 ⚠️或者你想融资的时候,投资人的律师做尽调,发现你的实体架构有问题、资金链路说不清楚,交易直接黄了。 ⚠️再或者你的 MRR 做到了 $50K,结果发现海外账户里的钱回不来,国内团队的工资发不出去。 这些事情每一件都真实发生过。而且它们往往是在你最忙、增长最快、最腾不出手的时候炸出来,让你措手不及。 💡合规的本质是给未来的自己买保险。 你今天花一周时间把架构搭对了,未来三年都不需要再操心。 你今天偷懒跳过了,未来某一天要花十倍的时间和成本去补。这种账,越早算清楚越好。 这时候你大概已经开始头疼了😵‍💫。 你只是一个写代码的创始人啊,不是一个国际税务会计师。 你想做的事情很简单——把产品卖给全球用户然后收到钱。但其实在你和钱之间,隔着一堵由税法、合规、实体架构和支付通道构成的墙。 🎯今天这期就来聊怎么拆这堵墙。 🛣️你面前的第一个岔路口:自己当卖家,还是让别人当卖家 选支付方案之前,先搞清楚一个底层概念:Merchant of Record(MoR),也就是交易的法律卖家是谁。 💳如果你用 Stripe 作为支付处理商,你自己就是 MoR。用户的信用卡账单上显示的是你的公司名,税务责任也是你的。 Stripe 帮你处理付款流程,但算税、报税、在各个国家注册税号、处理发票合规——这些全是你自己的事。 🛡️如果你用 Paddle,Paddle 就是 MoR。 法律意义上,用户是从 Paddle 那里买的你的产品。Paddle 替你算税、收税、报税、处理退款和 chargeback。 你不需要在世界各地注册税号,因为税务义务在 Paddle 身上。Paddle 收完钱之后,扣掉费用,把你那份打给你。 💰这两条路的成本结构差别很大。 Stripe 的基础费率看起来很便宜——美国境内信用卡 2.9% 0.30每笔交易。 但这只是起步价。如果你用StripeBilling来管订阅(自动续费、套餐变更、催缴),要加0.725/月的订阅,实际费率可能接近 8-9%。而且你仍然是 MoR,税务合规的法律责任还是你的。 Paddle 的费率是 5% $0.50 每笔交易,看起来比 Stripe 的基础费率高不少。但这是一个全包价——支付处理、全球 200 多个国家和地区的税务合规、发票生成、chargeback 处理、订阅管理,全在里面了。 你不需要额外花钱买税务计算软件(比如 TaxJar 或 Quaderno),不需要请会计师帮你在各个国家报税,不需要花工程资源去搭建计费系统。对于早期团队来说,算上这些隐性成本,Paddle 的总成本可能反而更低。 ⚙️FastSpring 跟 Paddle 类似,也是 MoR 模式,但定价不透明——你需要找他们的销售拿报价,通常在 3.9%-5.9% 之间,取决于你的交易量。 所以它更适合有复杂软件授权需求的企业级产品。 🍋还有一个选择是 LemonSqueezy。这家公司在 2024 年被 Stripe 收购了,它的 MoR 能力正在整合进 Stripe 的体系,变成了一个叫 Stripe Managed Payments 的新产品。 这个产品的费率是在 Stripe 标准处理费之上再加 3.5%——也就是说美国境内信用卡的全包费率大约是 6.4% $0.30。 比 Paddle 贵一点,但好处是你可以按交易级别选择哪些订单走 MoR、哪些走传统 Stripe,灵活度更高。 🤔那到底怎么选? 如果你是早期团队,工程资源有限,不想花时间研究各国税法,也没有专门的财务人员——用 Paddle 或者 LemonSqueezy,让别人替你承担合规责任。5% 的费率看起来高,但省下来的时间和精力,对创始人来说远比那 2% 的差价值钱。 📈如果你的 ARR 已经上了一定规模(比如超过 $500K),开始有了专职财务或者已经注册了各国的税号,Stripe 的灵活性和更低的基础费率就变得有吸引力了。 但这时候你需要在 Stripe 之上搭建或者接入一套完整的计费和税务系统,工程和运维成本不低。 所以,一个常见的路径是:早期用 Paddle 把合规问题全部打包掉,等业务规模到了一定程度再迁移到 Stripe 自建计费。业界很多团队就是这么走过来的。 🏢你的公司应该注册在哪 要用 Stripe(或者做任何正式的全球收款),你需要一个注册在 Stripe 支持国家的公司实体。❌对了,大陆公司直接用不了 Stripe——Stripe 不支持中国大陆。 中国出海 SaaS 创始人常用的三个注册地是美国(Delaware)、新加坡和香港。 三个国家各有优缺点,这里我们来理性的分析一下。 在美国,Delaware C-Corp 是最主流的选择,尤其是如果你未来打算融美元基金的话。 美国投资人几乎只认 Delaware C-Corp,所有的标准化融资文件(SAFE、优先股协议)都是基于 Delaware 法律写的。 注册本身很快,通过 Stripe Atlas 一站式搞定,费用 400−400−1,200,包含州注册费、第一年的注册代理人、EIN(联邦税号)和基础法律文档。 但维护成本不能忽视。 每年要交 Delaware 的 franchise tax(最低 $175)、联邦企业所得税(净利润的 21%)、作为外资持有的公司还要提交 IRS 的 Form 5472。 最大的坑是银行开户——很多传统美国银行要求本人到场,需要 SSN 或 ITIN。变通的做法是用 Mercury 这类面向国际创始人的 fintech 银行,线上开户,但 KYC 审核越来越严。 🇸🇬新加坡是另一个热门选择。企业所得税率 17%,但新公司头三年有免税额度,实际税率可以低到 2-4%。 注册费便宜(政府收费 S315),100315),1001,500-S$5,000。银行开户需要 4-8 周,DBS、OCBC、UOB 三大行对中国背景的资金来源审核比较严格,但比美国传统银行友好一些。 🇭🇰香港的优势是税率低——前 200 万港币利润只交 8.25%,超出部分 16.5%。没有 VAT,没有资本利得税,没有股息预扣税。 而且离大陆近,文化和商业习惯熟悉。 但 2020 年之后,香港银行对大陆资金来源的 KYC 审查明显变严了。主义不是开不了户,是准备材料的门槛高了——你需要清楚地证明资金来源的合法性、业务性质和跨境活动的合规性。 如果你的资金链路清晰、材料齐全,依然可以顺利开户,但要做好被反复要求补材料的心理准备。 如果你暂时不需要融资、产品面向全球市场、团队在亚洲——新加坡或香港都是实用的选择。 如果你的目标是融美元、进北美市场——Delaware C-Corp 几乎是唯一的答案。 还有一种高级的打法:有些团队两边都注册,用 Delaware C-Corp 作为融资主体和对外收款实体,同时保留一个国内或香港/新加坡的公司负责运营和研发。 💸钱怎么流回来 这是很多创始人在出海架构搭建初期忽略、后来非常头疼的问题:海外实体收到的钱,怎么合法地流回国内? 如果你的研发团队在国内,你需要把海外收入的一部分转回来发工资、付房租、覆盖运营成本。 这笔跨境资金流动在中国的外汇管制体系下有严格的合规要求。 💰最常见的方式是股息分配。 海外公司(比如你的 Delaware C-Corp)作为股东,向你的国内运营主体分红。但这条路有几个前置条件:你需要完成年度审计确认有可分配利润、通过董事会和股东决议、完成企业所得税清算和预提税缴纳、向外管局(SAFE)或指定银行提交材料。整个流程比较慢,而且对早期还在亏损的公司来说,没有利润就没法分红。 🛠️另一种常用方式是跨公司服务费。 国内公司向海外公司提供研发服务或技术支持,海外公司支付服务费。这必须基于真实的、符合公允价值的交易,有合同、有发票、有交付物。 如果税务机关认为你的服务定价不合理(比如一个三人团队收了 $30 万/年的技术服务费),可能会被认定为转移定价,面临罚款和补税。 📜2026 年 7 月 1 日起实施的新版境外投资监管条例值得注意。新规把监管范围扩展到了个人投资者,监管机构(发改委、商务部、外管局)可以穿透你的离岸架构来审查资金流向。 VIE 结构和各种离岸控股安排都在重点关注范围内。对于正在搭建出海架构的团队来说,从第一天起就把资金链路想清楚、做合规,比事后补救要容易得多。 说实话,资金回流这一块最好找一个懂跨境税务的会计师或律师来做。网上的攻略帖可以帮你建立基本认知,但落到具体操作层面,每家公司的情况不同,错一步的代价很高。 🧩一个出海 SaaS 团队的合规架构长什么样 现在把前面说的串起来,一个典型的早期出海 SaaS 团队的架构大概是这样: 创始团队四个人在深圳,产品面向北美和欧洲的中小企业。他们通过 Stripe Atlas 注册了一个 Delaware C-Corp,用 Mercury 开了美国银行账户。 支付方案选了 Paddle 做 MoR——创始人算了一笔账,如果自己处理全球税务合规,光是在美国注册各州的 sales tax permit、在 EU 注册 VAT OSS、搞清楚每个国家的发票格式要求,至少要花一个人月的时间,还不算后续每个季度的申报。 Paddle 每笔交易收 5% $0.50,相当于每月多花几百美元,但把整个税务和合规的负担从团队身上拿掉了。 国内保留了一个深圳公司作为运营主体。Delaware C-Corp 跟深圳公司之间签了一份技术服务协议,深圳公司为 Delaware 公司提供产品研发和技术支持服务,Delaware 公司每季度支付服务费。服务费的定价参考了行业基准,合同和交付记录都做了归档,以备税务审查。 📈等到 MRR 做到 30K以上之后,他们开始考虑是否要从Paddle迁移到Stripe自建计费。主要原因是530K以上之后,他们开始考虑是否要从Paddle迁移到Stripe自建计费。 主要原因是530K 意味着每月付给 Paddle $1,500 ,一年下来将近两万美元。这笔钱够请一个兼职会计来处理税务合规了。 但他们评估之后决定先不迁移,因为迁移的工程成本(重新搭建订阅管理、对接 Stripe Tax、处理历史客户的迁移)预计需要两到三周的工程时间,当前阶段这些时间用在产品迭代上 ROI 更高。 这个判断因团队而异。如果你的工程团队有余力,或者你的 MRR 已经到了 $50K 以上,迁移到 Stripe 自建体系可能更划算。如果你还在产品和获客的关键期,把合规外包给 Paddle 或类似的 MoR,让自己专注在最重要的事情上,往往是更务实的选择。 📉一个容易被忽略的数字: 全球 SaaS 行业的平均交易失败率大约是 7.9%,在高风险行业可以到 14.7%。 失败的支付占到整体客户流失的 20%-40%——这些用户并不是想走,是他们的信用卡过期了、余额不足了、或者银行把跨境交易标记为可疑了。 这种非自愿流失(involuntary churn)造成的收入损失,大约是 SaaS 公司年收入的 1%-5%。而且这些失败支付的中位恢复率只有 47.6%——意味着超过一半的失败交易如果没有干预,就永久丢失了。 不管你选了什么支付方案,做好🔄 dunning(催缴)机制都很重要。 最基础的做法是:信用卡扣款失败后,自动在 24 小时、3 天、7 天后重试;同时给用户发邮件提醒他更新支付信息。Paddle 和 Stripe Billing 都内置了这个功能。 如果你自建计费系统,这是必须自己实现的一环,不能省。 总结一下,看完今天的文章后,你需要立马做的就是: 画一张你的支付与合规架构图。 可以从三个问题开始:你的公司实体注册在哪里,你的支付用什么方案(Stripe / Paddle / 其他),你的海外收入通过什么路径回到国内运营主体。 如果这三个问题你现在还回答不出来,说明出海的基础设施还没搭好。在投入精力做产品推广之前,先把这一层地基打牢。 如果你关于出海如何合规收款有什么经验或者疑问,也可以发在评论区呀 以下是我们团队在调研过程中发现的更多经验和干货:
1
1,084
信息时代,入口值钱 搜索时代,排序值钱 AI 时代,判断值钱 Agent 时代,执行值钱 而下一个阶段,最值钱的是: 把一个人的判断,变成一群人可以复用的系统
3
4
1,005
没想到3个月后 FDE又火了🔥 国内时延越来越大了😅
2
2
2,246