@yan5xu: 分享一个我最近整理的AI公司研究库：Oh My AI Company。 bb-browser 被收购之后，作为 co-founder，我有一项很重要、也很耗时间的工作，就是持续跟进市场方向：新的产品形态在往哪里发展，哪些技术正在成熟，企业…

分享一个我最近整理的AI公司研究库：Oh My AI Company。 bb-browser 被收购之后，作为 co-founder，我有一项很重要、也很耗时间的工作，就是持续跟进市场方向：新的产品形态在往哪里发展，哪些技术正在成熟，企业真正愿意为什么付费，谁在融资、谁在增长，以及哪些公司是竞品、哪些只是相邻方向。 过去这些信息主要来自 X、微信公众号、公司博客和日常 feed。每看到一家有意思的公司，我都要自己做大量 deep research。这个方式能看得深，但受限于个人时间，很难持续覆盖足够大的市场范围。 所以我开始思考，能不能让 agent 接手其中一部分工作。 慢慢地，这套过程形成了一个 research loop：输入一家新公司、一条融资消息、一个投资人或产品线索，agent 会继续沿着产品、创始人、融资与投资机构、技术和 docs、流量与 GTM、社区反馈、竞品关系等方向展开。最终输出的不是一篇孤立的报告，而是一张可以继续生长的小型市场地图。 随着调研量增加，我们又遇到了新的问题：这些公司、人物、来源和判断如果只是散落在聊天记录或 Markdown 里，下一轮仍然很难复用。 Memex 也是在这个过程中开发出来的。我们需要的不只是一个笔记工具，而是一套可以让人和 agent 共同维护长期研究记忆的基础设施：用结构化对象保存公司、人物和来源，用 Markdown 保留可读的研究正文，再通过图谱关系把它们连接起来。 这个库里还有一类外面比较少见的数据：Similarweb 流量分析。 我并不是用它简单比较哪个公司流量更大，而是用第三方流量信号辅助判断： 一个产品是否已经形成真实访问规模，还是只有融资和 PR 声量； 增长来自 SEO、投放、社区、LinkedIn、Product Hunt，还是媒体传播； 用户在搜索品牌名、具体需求，还是竞争产品； 看起来相似的公司，究竟是直接竞品、相邻产品，还是受众重合带来的噪声。 例如，我们最初想判断 Viktor 的增长是否主要来自融资 PR。流量结构显示，它更像是 PR、搜索、社交、付费投放共同推动的启动，而且大量官网访问继续进入产品 App，并不只是内容曝光。 再比如 Browserbase、Hyperbrowser 和 Browserless，表面上都属于 browser execution，但结合流量来源、搜索词、GitHub、Docs 和社区信号后，可以进一步区分出开发者 agent infra、早期开发者 GTM，以及更成熟的 scraping/browser automation infrastructure。它们不能简单放进同一个竞品桶里。 Similarweb 当然只是第三方估算，更适合观察量级、结构和趋势，不能代替官方数据或一手用户验证。所以库里也会把流量数据与官网、文档、GitHub、融资报道和社区讨论交叉验证。 积累到现在，AI Company Atlas 已经整理了： 75 家 AI 公司和产品 75 位投资人或投资机构 111 位创始人、投资人、记者和关键从业者 227 个持续跟踪入口 重点覆盖 AI 产品、AI infra、企业 Agent、Browser/Agent Infra 和垂直 AI。 它不是公司排行榜，也不是几篇一次性的行业报告，更像一张持续更新的 market map。 我还会继续更新。如果有人也在做 AI 产品、Agent 或相关研究，可以直接拿去使用。发现信息错误，或者有值得继续跟进的公司，也欢迎告诉我或直接提 Issue / PR。