💬 一句话结论： Endogene.bio 在 Nature 发了研究——用一管经血就能筛查子宫内膜异位症，准确率 81%，这是这条"诊断要拖 7-10 年"的老大难赛道第一次有了无创、可在家采样的路径。
💬 关键点： - 子宫内膜异位影响约 10% 育龄女性，但平均要 7-10 年、多次腹腔镜手术才确诊——这是 FemTech 公认最大的诊断黑洞 - 这次走的是"经血生物标志物"路线：在家采样、寄检，不开刀 - 81% 是研究级数据、登上 Nature，离临床落地还有距离，但方向被验证了
💬 对我们的启发： 母婴/女性健康的下一波创新点，正在从"记录和陪伴"往"早筛和诊断"挪。我们做助手类产品时，可以留意"把专业检测的解读、随访、提醒"这一段接进来——检测本身不是我们做，但围绕检测结果的陪伴和教育是天然入口。
💬 一句话结论： 雀巢和合成生物公司 Helaina 签了多年合作，研究怎么把母乳里的"生物活性蛋白"（如乳铁蛋白）用精准发酵造出来，塞进婴儿配方——巨头在抢"最接近母乳"这条叙事。
💬 关键点： - Helaina 用酵母精准发酵生产人乳活性蛋白，绕开了从牛奶提取的限制 - 雀巢押的不是口味或价格，是"功能等效母乳"的科学背书 - 这是配方奶行业从"成分模仿"升级到"功能模仿"的信号
💬 对我们的启发： 喂养这条线上，"科学感/专业背书"正在成为大牌的护城河。我们的内容和助手如果能把这类前沿研究翻译成妈妈听得懂的"为什么重要"，就能在巨头讲科学的时候，做那个帮用户读懂科学的人。
💬 一句话结论： Uber 给员工每个 AI 编程工具（Cursor、Claude Code）设了 $1500/月的封顶。Simon Willison 算了笔账：按两个工具算，一个工程师一年 AI 预算 ~$3.6 万，约等于其薪酬的 11%——这是行业第一次给"AI 到底值多少钱"标出了一个真实数字。
💬 关键点： - 起因：Uber 今年的 AI 预算 4 个月就烧光了，因为 token 消耗型 agent 比预算制定时（2025）预期猛得多 - 封顶是"每个工具独立 $1500"，不是总额——说明公司认可多工具并用，只是要刹住无上限竞赛 - 个人订阅仍被两家厂商重补贴（$100 拿到 $1000 的量），但这种价格大公司已经拿不到了
💬 对我们的启发： 当大厂开始把 AI 成本当一条正经预算线来管，"AI 不要钱"的红利期在企业侧结束了。这对我们做产品的提醒是：算清楚每个 AI 功能的单位调用成本，越早把它纳入定价和功能设计，越不会在规模化时被成本反噬。
⚡ 建议你这周做： 花 20 分钟，挑产品里最重 AI 调用的那个功能，估一下它的单次成本和月度量级——心里有个数，下次有人提"加个 AI 功能"时你能第一反应问"这条月度成本多少"。
💬 一句话结论： Google 发了 Gemma 4 12B，主打"任何 16GB 内存的笔记本都能跑"的本地多模态模型（HN 637 分热议）——它把"端侧、不联网、能看图能读文"的能力门槛又降了一截。
💬 关键点： - encoder-free 多模态架构：文字和图像统一处理，不需要单独的视觉编码器 - 卖点是"普通笔记本就能本地跑"——数据不出设备 - 这是端侧 AI 往隐私敏感场景（健康、儿童、家庭）渗透的又一块拼图
💬 对我们的启发： 母婴和健康数据天然敏感，"不上云、在设备上处理"是很强的信任卖点。端侧模型每降一次门槛，"隐私优先的本地 AI 功能"就离能落地近一步——值得我们在产品规划里留个位置。
这两天最值得品的不是某个新功能，而是 Uber 那条封顶新闻背后的转折。过去两年"AI 工具随便用"的隐性假设，建立在"个人订阅被厂商重补贴"上——Simon Willison 自己每月烧 $1000 的量，实际只付 $100。但这种价格大公司拿不到，于是 Uber 这种规模一上量，预算 4 个月就崩了。
封顶不是"不让用"，而是"开始认真核算 ROI"。当一个工程师的 AI 开销能占到薪酬 11%，AI 就从"免费提效工具"变成了一条要管理的成本线。对所有要把 AI 装进产品的人，这是个时间节点信号：免费试验期在企业侧关门了，下一阶段拼的是谁能把单位成本算清、把价值做实。
💡 关键启发： AI 功能不再是"加上就赚"，而是每一次调用都有账。越早把成本纳入产品设计，越不会在规模化那天被反噬。
→ https://simonwillison.net/2026/Jun/3/uber-caps-usage/