AI 没有杀死 RSS。
它把 RSS 拆成了十种产品。
这不是 10 张摘要卡片。首页只负责建立地图；每个产品都有独立 dossier，拆解它的核心对象、工作流、AI 层、商业模式、moat 与边界。每一段都可以直接分享。
10 products · 60+ anchored sections
“AI RSS”其实是四条不同赛道
Reader、Intelligence、Briefing 与 Infrastructure 的用户、核心对象和预算池完全不同。把它们统称为 AI Reader，会错过真正的产品结构。
优化消费、深读与个人知识流
把 signal 变成持续分析对象
直接交付定时 output
制造或统一开放 feed
市场定位图：谁在消费层，谁已经进入决策层
横轴从阅读/聚合走向结构化 intelligence；纵轴从个人消费走向高价值团队与企业决策。位置是基于本次产品研究的编辑判断，用于发现竞争密度与方向，不是假装精确的市场测量。
10 个产品，10 套对象模型
地图负责比较，详情页负责解释。进入独立 dossier 可以看到工作流、AI 层、商业模式、moat、边界与逐段来源。
Folo
把开放网络重新包装成 AI-native information hub
Feedly
从 RSS Reader 进化成 Open Web Intelligence Platform
Inoreader
把 RSS Reader 做成高密度 monitoring 与 automation workbench
Daigest
不造 inbox，直接把指定 sources 写成 briefing
Particle
把 article list 重构成多来源、可追问的 Story graph
Readwise Reader
让 AI 嵌入深读、标注与长期记忆循环
Readless
把 newsletter pile 压缩成跨来源去重的一封 digest
RSS.app
从 webpage-to-RSS generator 长成 feed infrastructure + AI output layer
Bulletin
把 AI summary 做进每台 Apple 设备的原生 RSS 体验
Tapestry
把开放社交网络织成私密、可控的 chronological timeline
横向能力矩阵：成熟的能力在哪里，真正稀缺的能力在哪里
1–10 分是同一研究框架下的相对判断。重点不是总分，而是看哪些能力已经成为红海标配：source ingestion、单篇 AI 与基础 delivery；以及哪些能力仍然稀缺：自动 source discovery、长期 event memory 与 meaningful delta。
| Product | Source breadth | Persistent monitor | Entity / event model | Cross-source synthesis | History / delta | Delivery / workflow | AI-native setup |
|---|---|---|---|---|---|---|---|
| FoloOpen-source reader | 10 | 8 | 5 | 6 | 3 | 6 | 7 |
| FeedlyEnterprise intelligence | 9 | 10 | 10 | 9 | 9 | 10 | 3 |
| InoreaderMonitoring workbench | 9 | 9 | 6 | 8 | 6 | 9 | 4 |
| DaigestSource briefing | 8 | 8 | 4 | 8 | 5 | 8 | 8 |
| ParticleStory intelligence | 7 | 7 | 8 | 9 | 7 | 4 | 9 |
| Readwise ReaderDeep reading | 9 | 3 | 3 | 4 | 3 | 8 | 6 |
| ReadlessNewsletter synthesis | 6 | 7 | 4 | 9 | 4 | 7 | 9 |
| RSS.appFeed infrastructure | 10 | 8 | 4 | 7 | 5 | 10 | 7 |
| BulletinNative AI reader | 5 | 2 | 1 | 2 | 1 | 3 | 9 |
| TapestryUniversal timeline | 9 | 3 | 2 | 3 | 2 | 3 | 8 |
不是 clone 产品，而是拆走它们最值钱的模块
每家公司已经用多年和大量成本证明了一块能力。新的产品不需要在它们的主战场重打一遍，而应该组合这些已经被验证的思想。
哪里不要打，哪里还有结构性空白
目标不是从成熟玩家碗里抢一小块，而是找它们因为历史架构、商业模式或目标用户而不会优先做的那一层。
不要正面进入
这些方向能力成熟、替代品密集，新增 feature 很难改变价值捕获。
可以直接借鉴
这些是经过市场验证、可以成为新产品底层模块的设计。
值得继续做
这些空白横跨多个现有产品，却还没有被一个简单、AI-native 的产品完整占据。
首选方向：Vertical Objective-driven Change Intelligence
不要卖“阅读更快”，也不要卖一个更复杂的 dashboard。让某个高价值行业的用户直接说目标，系统自动找到 sources、建立 entity/event memory、检测 meaningful delta，最后交付 decision-ready brief 与 API。它借用了 Feedly 的 intelligence requirement，却避开 Feedly analyst-first 的交互；借用了 Daigest 的 output-first，却补上 source discovery 和历史变化层。
推荐的产品数据流：moat 在中间，不在 RSS 两端
抓取和生成都会逐渐商品化。真正可积累的是 watch graph、entity resolution、event memory、delta baseline 与用户对“什么值得打断我”的反馈。