我深入看了一圈以后，会把 Feedly 定义成：
它表面上是 RSS reader，实际上正在变成“Open Web Intelligence Platform”。
而且 Feedly 最值得研究的，并不是某一个 AI 功能，而是它过去十几年完成的 产品升级路径。
1. Feedly 到底是什么？↗
Feedly 现在实际上有三套产品。
| 产品 | 用户 | 用户真正购买的东西 |
|---|---|---|
| News Reader | 个人、研究者 | 帮我把想看的信息集中起来 |
| Market Intelligence | Strategy / PM / Innovation / CI 团队 | 别让我错过竞争对手和行业变化 |
| Threat Intelligence | Cybersecurity / CTI 团队 | 别让我错过安全威胁 |
News Reader 仍然保留 Feedly 最早的 RSS 产品形态，可以订阅新闻网站、博客、行业媒体、newsletter、Google News 等，然后组织成 Feed，收藏到 Boards，搜索历史内容。(Feedly)
但是如果你现在打开 Feedly 官网，会发现主页主推的甚至已经不是 RSS，而是 Threat Intelligence。Feedly 称其 Threat Intelligence 产品目前服务 380 个 CTI 团队，包括一半 Fortune 10；产品围绕威胁监控、Ask AI、Threat Graph 和 security integrations 展开。(Feedly)
这其实非常能说明公司转型。
2. Feedly 的进化路线特别值得创业者研究↗
Feedly 2008 年就已经出现。
它第一次真正爆发是在 Google Reader 2013 年宣布关闭以后。Google Reader 宣布关闭后的 48 小时内，Feedly 获得约 50 万新用户；两周左右新增约 300 万用户。Feedly 随后推出自己的 Feedly Cloud，承担原来 Google Reader 后端所做的 feed synchronization。(维基百科)
所以第一阶段它解决的是：
这是典型的 information aggregation。
但这个市场的问题非常明显：
个人用户愿意付的钱很少。
即使用户一天看几十篇文章，“RSS Reader”本身也很难成为一个 $100/月产品。
Feedly 后来的聪明之处，就是没有停留在：
“怎样做一个更好看的 Google Reader？”
而开始问：
哪些人因为漏掉一条信息，会真的损失钱？
答案马上变了。
比如：
竞争情报团队漏掉竞争对手的新产品。
Innovation 团队漏掉一个新技术趋势。
Cybersecurity 团队漏掉一个正在被利用的 CVE。
这个时候：
RSS → Intelligence
用户 willingness to pay 突然上了两个数量级。
3. Feedly Market Intelligence 才是我认为最值得你研究的产品↗
假设你是一个汽车公司的 Strategy Team。
你想监控：
Tesla / BYD / Rivian 最近有什么战略变化？
传统 Feedly：
Market Intelligence 完全换了一套逻辑：
Feedly 官方目前称 Market Intelligence 的 AI Feeds 由 10,000+ AI Models 驱动，并监控数千个高质量来源。(Feedly)
这就是它真正的核心产品。
4. 最重要的东西叫 AI Feed↗
这名字容易让人误解。
它不是：
RSS + ChatGPT。
一个 AI Feed 更接近：
Persistent Query / Continuous Agent。
例如你创建：
Amazon strategic moves
它可以组合：
之后 Feedly 就持续运行这个查询。
不是：
搜一次 Amazon AI。
而是：
从今天开始，只要互联网出现符合这个 Intelligence Requirement 的东西，就自动进这个 Feed。
这已经非常接近我们上一轮说的 Watchlist Agent。
Feedly 的官方例子也是类似的：Company AI Model 不只是查名字，它会理解公司 alias 并做消歧；Strategic Move 模型则识别 Product Launch、Funding Event、Partnership、Leadership Change、M&A 等概念，即使文章没有出现这些确切关键词。(Feedly)
5. 这就是 Feedly AI 真正厉害的地方↗
很多人现在做 AI RSS，会这么设计：
Feedly 长期以来做的是另一条路线：
ENTITIES
Apple / NVIDIAOpenAI / AmazonAliases + disambiguationCONCEPTS
Partnership · FundingProduct Launch · M&AInnovation · Regulation例如 Feedly 对 Market Intelligence 维护了很多明确的 concept：
公司：
Google / Block / Amazon
行业：
Advertising / Biopharma / Defense / Energy / Finance
Market Data：
Market Share / Revenue / Consumer Behavior
Strategic Moves：
Product Launch / Partnership / Funding / Innovation
等等。(Feedly)
因此用户不是自己想：
我该搜
"raised"还是"funding"还是"Series A"？
而直接选择：
Funding Events
这其实就是一个 ontology / knowledge graph 产品。
这是 Feedly 很容易被低估的 moat。
6. 然后它又在 AI Model 上面加 Natural Language Filter↗
这一层非常聪明。
因为 ontology 再丰富，也没办法枚举所有用户需求。
所以现在 Feedly 的结构逐渐变成：
例如：
Feedly 在 2025 年开始把 Natural Language Filter 加到 AI Feeds 上，让用户可以在预训练的概念模型之上进一步描述自己真正需要的信息。(Feedly)
我觉得这是一个非常正确的产品架构。
不是完全：
Prompt everything.
也不是完全：
Filter everything.
而是：
Structured filter + fuzzy natural-language intent
7. 收集完信息之后，才轮到 LLM↗
这是 Feedly 和很多“AI 新闻总结产品”最重要的区别之一。
它不是：
而是：
因此 Feedly 的 Ask AI 是运行在用户指定的 AI Feed、Team Board 或搜索结果上的。
例如你选择最近 25 篇有关 Nvidia 的重要文章，然后问：
What strategic changes has Nvidia made this quarter?
或者：
Compare China's EV market with the US.
或者直接：
Extract all funding events into a table.
Feedly 当前的 Ask AI 可以一次处理最多 50 篇选定文章，并支持跨语言 synthesis、主题提取、数据提取和结构化表格输出。回答还会保留 inline citations。(Feedly)
这比“ChatGPT 帮我总结网页”高级的地方就在：
corpus 是 Feedly 帮你持续维护的。
8. Feedly 已经开始从“读文章”进一步变成“生成 deliverable”↗
这个变化我尤其关注。
以前 research workflow 是：
Feedly 现在正在把后半段全部吃进去：
Market Intelligence 现在包括：
AI Actions / Ask AI → 自动 synthesis
Spreadsheet extraction → 抽结构化数据
Automated Newsletter → 发给管理层
API → 接入企业内部系统
Emerging Trends Dashboard → 自动发现趋势
这些已经明确出现在当前产品中。(Feedly)
于是它卖的就不再是：
阅读效率。
而是：
Analyst productivity。
这是完全不同的预算池。
9. Emerging Trends Dashboard 又更进了一层↗
这个功能也挺有意思。
普通 monitoring 是：
我知道我要找什么。
比如：
Monitor OpenAI.
但是战略团队还有一个需求：
我根本不知道我应该找什么。
这叫 weak signal detection。
Feedly 会持续监控文章流，把类似概念归并成 trend，然后记录：
文章数量；
独立 source 数量；
季度 / 年度 growth；
关联公司；
关联 technology；
关联行业。
这样就能发现：
Feedly 官方说明，它会持续监控文章流，过滤不相关候选、把表达不同但实际相同的趋势进行聚类，然后持续记录文章量和 source 数量以计算趋势增长。(Feedly 文档)
这个产品已经离 RSS Reader 很远了。
它更接近：
Bloomberg-ish intelligence + AI。
10. 一个 Feedly 用户实际会怎么用？↗
比如我们假设我是一个 VC，专门看 AI Developer Tools。
我可以建立几个 AI Feed：
再建立公司 Watchlist：
每天 Feedly 自动收。
我甚至不用天天打开 Feedly。
每周五系统自动生成：
AI Developer Tools Weekly Intelligence
里面只有：
然后自动发给整个 Investment Team。
这已经是一个工作流，而不是 Reader。
11. Feedly 为什么敢卖 $1,600/月？↗
这个 pricing 是最让我觉得 Feedly 值得研究的部分。
Market Intelligence 当前官网价格：
| Standard | Advanced | |
|---|---|---|
| Price | $1,600/月 | $2,400/月 |
| AI Feeds | 100 | 200 |
| Seats | 最多 10 | 最多 25 |
| Ask AI | — | ✓ |
| Emerging Trends | — | ✓ |
| API | — | ✓ |
| SSO | — | ✓ |
| Multilingual AI | — | ✓ |
而且是 annual billing，也就是大约：
$19,200 ARR
和
$28,800 ARR
起步。(Feedly)
所以你会发现一个非常有意思的经济模型：
底层可能是同一批文章。
Value capture 完全不同。
12. 为什么企业愿意付？↗
因为 Feedly 不是在和 Netflix 竞争预算。
它在跟：
analyst salary
consulting company
manual research
Bloomberg / AlphaSense / CB Insights / Meltwater
这些预算竞争。
Feedly 有一个客户案例特别能说明这一点：S-Communication Services 原本通过专家和咨询方法做 innovation research，后来用 Feedly 构建数百个 AI Feeds，形成持续的 idea pipeline；Feedly 的案例称，这种方式能够以约咨询公司 5% 的成本支持更多产品团队。(Feedly)
另一个 Cambrex 的案例更有意思。
Cambrex 不是只把 Feedly 给人用，而是正在把：
Feedly 当成 Competitive Intelligence Agent 的实时数据源。
他们把 Feedly 的 external intelligence 与 FDA、NIH 和内部 proprietary data 一起进入自己的 agent。(Feedly)
这其实直接验证了我们上一轮讨论的一个方向：
RSS / public-web intelligence eventually becomes an Agent data layer.
13. Feedly 真正的 moat，我认为有五层↗
如果只看 UI，很容易觉得：
“我用 Claude + Firecrawl + RSSHub 两个月就能做一个。”
Reader 确实可以。
但 Feedly 企业版真正难复制的是：
第一层：Source Graph
哪些 source 好？
哪个领域应该监控哪些 publication？
哪些源重复？
哪些源可信？
Feedly 已经积累了十多年。
第二层：Entity Resolution
比如：
知道它们是一个 entity。
同时：
又不能算进去。
第三层：Domain Ontology
Funding Event、Product Launch、Strategic Partnership、Leadership Change、Cyberattack、CVE、Malware……
这些是经过定义的 business concepts。
第四层：Historical Corpus
如果你今天才开始 crawl：
“过去三年 Quantum Computing 热度是不是在上升？”
很难回答。
Feedly 已经长期拥有数据。
第五层：Enterprise Workflow
Team Feed → Board → AI → Newsletter → Slack → API → SSO → security。
这才是企业真正付钱的地方。
14. Feedly 现在甚至进一步往 Agent 走了↗
Threat Intelligence 产品已经出现非常明确的：
Cyberattack Agent
Vulnerability Intel Agent
TTP Intel Agent
以及 MCP Server。
官方文档现在甚至已经包含如何把 Feedly MCP Server 接到 Claude 等 AI assistant 的说明。(Feedly 文档)
所以 Feedly 的演化基本可以写成：
我觉得最后这两步尤其值得关注。
15. 但 Feedly 也有明显弱点↗
这反而是创业机会所在。
它最大的弱点是：
企业版明显是 analyst-first，而不是 consumer/AI-native-first。
你还是会看到很多：
Feed、Board、Query、AI Model、Filter、Source、Dashboard……
对于专业 intelligence analyst 很合理。
但对于一个 Founder 来说，我真正想说的可能只有：
“帮我盯着 Cursor、Claude Code 和 Codex。如果任何一个产品在 agent、pricing、MCP 或 enterprise 方面有实质变化，告诉我。”
然后我希望产品自己搞定 source discovery、query、classification、dedup、importance ranking。
Feedly 现在更像：
而不是：
这两者中间仍然存在相当大的产品空间。
16. 所以 Feedly 最值得学的，不是 RSS↗
如果让我浓缩成一句话：
Feedly 最厉害的是把“information consumption”变成了“information operation”。
传统：
Feedly 现在：
这里面的 RSS 只剩下最底下的 ingestion mechanism。
如果我们站在“我要做一个新 Feedly”的角度↗
我反而不会直接 clone Feedly。
我会保留它最值钱的思想：
Persistent intelligence requirements
但是把交互彻底 AI-native 化：
I care about Cursor, Claude Code,
Codex and Windsurf.
Tell me when:
- meaningful features launch
- pricing changes
- enterprise adoption happens
- major customers switch
- competitive positioning changes."
然后 Agent 自动做：
我认为这会比“另一个 Feedly”更有机会。
尤其是把 Feedly 的 AI Feed + Emerging Trend + Ask AI 三个东西融合成一个更简单的概念：
Watch anything. Know when it meaningfully changes.
这可能就是下一代 Feedly 应该长的样子。