别再吹高端 Agent 了，国内绝大多数企业，连豆包都还没入门

AI行业观察

有人把45万的账单砍到20万，有人上门给企业"看病"

"这就是2026年AI在中国落地的真实水位。圈外的人连豆包都没摸过，圈内的人已经在聊agent调agent了。"

一个做物流的老板，听说有个在斯坦福工作过的人来给自己装OpenClaw，开心得不行，晚上把茅台都拿出来了。

结果人家到现场一看，这老板连豆包都没用过。先给他装了个豆包。老板玩了一晚上，主要玩的是算命功能，算自己企业的走势。

这是吴明泽（Lawted）在一场圆桌上讲的真事。他在做FDE社群，就是派驻场的工程师进企业帮AI落地那种。这个段子他讲得很平淡，我听完心里咯噔一下：这就是2026年AI在中国落地的真实水位。圈外的人连豆包都没摸过，圈内的人已经在聊agent调agent了。这中间隔着的，全是生意。

四个嘉宾有做AI出海营销的姜元晨、做AIGC视觉的欧阳卓媛、做AI商业基础设施的赵茂俊、做FDE社群的吴明泽。

FDE是什么？上门问诊的医生

先说吴明泽（Lawted），这人是全场的脱口秀担当。

他开场就自嘲："我没有留学成功的经历，我有留学失败的经历。我录取了哈佛，但是签证被拒了。今年签证要是过了，我应该已经在波士顿了。"

签证没过，注意力回到国内，看到的机会是FDE。FDE是什么？他举了个例子：

"假设现在有个模型非常厉害，能解决任何疾病相关的问题。大家会觉得医生要失业了，医生会干什么？医生会上门问诊。因为这个世界上永远存在一些人，他们没办法清晰地表达自己哪里痛。企业也一样。程序员快要失业了，但总有企业说不清自己哪里该用AI。所以程序员'下海'了，进到你的企业里望闻问切，告诉你该用哪些东西，再把需求喂给那个神奇的大模型，给你一个解决方案，然后收你一笔钱。"

更狠的是收费方式：按结果付费。他现场问了一句"你原来不能走，现在能走了，我再收你钱"，全场举手的只有一个人。企业在过去十年里已经被数字化老兵、铁军割过很多遍了，卖给他们一套非常成熟完善的系统，没什么效果。所以FDE要换个打法。

传统老板到底要什么？他拆成三种。第一种是公司进步型，深圳杭州一堆厂二代，就想知道自己的企业怎么跟上这个时代，最好赚的钱是培训。第二种是降本增效型，制造业老板，毛利能比别人低一点就是优势，原来二十个人接的单，现在二十个人接三倍的量。第三种是他到了北京才见识到的，国央企，预算和政策都到位了，就是不知道怎么花。

顺便说一句，这人实在得可爱。主持人介绍他覆盖十六大行业，他当场纠正："我并没有服务过十六个行业，是我跟服务过十六个行业的人聊过。我这属于道听途说。"满场都是包装自己的人，突然来个拆自己台的，反而最可信。

45万的API账单，砍到20万

欧阳卓媛的TensorsLab做AIGC视觉，给泛娱乐APP提供"点一下就生成同款"的模板能力，类似美图秀秀那类产品的出海场景。

她分享的AHA moment是一笔账。2023年她创业，第一个客户找来的时候，当月API消耗已经到45万人民币。做过移动互联网的都知道，买量的逻辑是越到后面越贵，而API降本没有陡降的过程，九折变八折，ROI根本打不正。

"她的解法很土，但有效：开源模型自部署。这种模板场景每台服务器可以打满，利用率90%以上。最后的结果是，45万的账单加上她的服务费，每个月不到20万。客户最关心的问题只有一个：用户点一次，多少钱。所有技术决策都围着这个ROI转。"

到了电商场景，玩法变了。电商不是一个模板点到底，是创意加AI。她们现在做得最好的功能叫对比视频。服务的一家头部防晒服品牌，以前拍"晒伤了、穿上这衣服就不晒伤"的对比，非常难拍。还有家居清洁品牌，厨房灶台很脏、擦擦擦变干净，这种视频以前极耗时，甚至你真擦都擦不干净。现在用AI做，完成度最高，成本最低。

你可能想问，大模型输出不稳定怎么办？她给的答案是三层，没有一层是玄学：

第一层，行业知识库。从2023年开始我们保持在线运行的模板是250+个，全是踩过坑之后沉淀下来的结构化prompt。同一个巧克力商家，可可粉的投放话术是打早八人群的，挪到可可饼干，就变成铺货视频。agent拿到输入，先判断是什么品、什么人群，再决定prompt怎么写。

第二层，后置check。小语种、字幕，就算用Claude照样出错字，所以生成完还要double check。

第三层最实在：外观上看是个agent工作流，底层调的还是以前的有向无环图，A到B就只能到B，不能乱跑到C。通用agent的框架，加垂直行业的约束，再加一堆兜底方案，稳定性是这么堆出来的。说白了，所谓agent落地，一半是智能，一半是镣铐。

launch最大的坑：自说自话

姜元晨操盘过40多个AI产品的海外launch，包括不少YC创始人的项目。他总结的误区就四个字：自说自话。

典型症状是把所有功能都塞进发布视频里，不管用户听不听得懂，"我就想这么讲，我不管你怎么想"。也不考虑用户是在什么场景刷到这条片子的。在X和LinkedIn的信息流里，前3秒的hook定生死，定位打不出去，后面全是白搭。

热度有了，留存怎么办？他给的两块经验，一块是launch之前PMF要打磨透，先拉种子用户把真需求验证出来。另一块是转化链路，从社媒到官网到免费试用到后续的激励和referral机制，一环都不能断。特别是学习成本：用户被视频吸引进来，发现产品比原来的工具还难用，切换成本太高，人就走了。

主持人Ark补了个活例子。去年大火的一个AI产品，launch视频是黑客帝国风的demo，酷炫到不行，全网"哇so cool"。结果用户进去一看，画布形态，学习曲线陡峭得像攀岩，转化率惨淡。

"这个例子其实挺扎心的。launch是放大器，不是遮羞布。产品不行，声量越大，失望的人越多。"

"你又不是个艺术品，为什么要人看你的UI"

赵茂俊说的很直接。

"咱们这个大会有剧本，问题都写好的。我只能说咱们现场交流，不用按那个剧本来。第一，问题太多我记不住；第二，有些问题我合伙人不让我讲。"

他的公司光尘同行，正在重构时尚美妆品牌的新品上新链路。现在的私域运营是什么样？品牌上新，给你微信发二十张图加一大段话，你做一个动作：关掉。品牌零转化，你被骚扰一次。

他们的做法是做个小程序，AI根据用户画像把新品搭配好，每次上新主动推送，每个人打开都是千人千面，像刷抖音一样刷自己的穿搭图。看顺眼了说一句"第二套不错，给我生成个海边场景看看效果"，生成完一键下单，第二天下午四点快递到。

这里有个判断我很喜欢：模特图是广告，自己的穿搭图是内容素材。同一张脸，转化逻辑完全不同。

"更大的图谋在后面。赵茂俊判断，未来甭管线下门店、商家还是手机里的功能型APP，大概率都要被重构成AI可以调用的能力，页面本身不再重要。'你又不是个艺术品，为什么要看这个UI呢？'这话一出，台下不少做产品的人脸色应该挺复杂。"

他的定位也很清醒：做一条高速公路，前端接豆包、千问、Kimi和所有创业者做的AI应用，后端接所有传统门店、电商平台、长尾APP。跟做AI OS的团队不是竞争关系，"甚至说是他们的供应商"。

最难的是什么？不是工程，虽然无数套系统耦合已经够难。最难的是规则没制定。你让agent点一杯昨天点过的奶茶，两点前送到会场。agent要回答四个问题：哪些门店有这款奶茶？现在能不能做、能不能送？谁为此授权？出了问题谁负责？类似这样的规则有无数套，全都没有答案。

至于为什么从美国退出之后回国创业，他的理由同样实在。第一，要做IPO，做应用不现实，得往底层基础设施走。第二，团队对国内市场更熟。第三，也是最关键的：中国市场的成熟度平均落后美国三到五年，这个差距本身就是创业的空间。越成熟的市场，做小而美赚钱越快，但想长出很有价值的一层，越难。

结尾

圈外的人永远比圈内滞后一年左右。2023年圈内人都在用ChatGPT，大众普遍进场是2025年DeepSeek爆火之后；圈内人开始搭workflow的时候，圈外是2026年2月OpenClaw这波才被吸引过来。

"一年时差，就是吴明泽（Lawted）们的生意，是茅台配豆包的段子，也是赵茂俊要修的那条高速公路存在的理由。那位物流老板现在应该还在用豆包算命。而他不知道的是，已经有人在搭一个agent替他点奶茶、买衣服、下订单的世界了。吴明泽（Lawted）说，厂二代们最常问的问题是：五年后回看今天，我现在做的这件事是对的。这话其实适合所有人。"

更多对话细节

Speakers｜嘉宾

Momentum 创始人 姜元晨Yuanchen

TensorsLab CEO 欧阳卓媛

光尘同行 CEO 赵茂俊

Ha7ch 创始人 吴明泽（Lawted）

Host ｜主持人

iSpiral Inc 创始人&CEO 张子峰ARK

张子峰ARK：首先，我们先邀请四位嘉宾分别自我介绍一下，首先邀请袁成先开始。

袁成：大家好，我是袁成，我是Momentum的创始人。主要的业务是给这些AI出海的软件产品和硬件产品在X和LinkedIn上去做launch campaign，包括video的制作，然后包括Product Hunt打榜以及达人营销，这三个加起来做一个完整的营销事件campaign。然后我们也会做一些其他后续的增长服务，比方说SEO以及后续的达人这些。对，我们主要是做这个。

Mia：大家好，我是欧阳卓媛，Mia，也是一直在创业的一个人。之前做过移动互联网工具，然后包括游戏的出海，2023年开始创立了TensorsLab，主要是AIGC的视觉，跟视觉相关。我们是ToB to C这样一个商业模式，赋能的这些B基本上是泛娱乐为主，出海的各种APP，大家可以理解有点像美图秀秀这样子的产品出海，这是我们比较大的一个场景。另外现在也在做一些跟文旅行业相关的，包括现在也在切入电商行业，大概我是这样几个介绍。

赵茂俊：大家好，我是光尘同行的CEO。我们做的是AI商业服务的基础设施，简单说就是把中国庞大的这种分散并且非标准化的商品服务，甚至长尾的APP，统一封装成上层AI可以调用的一种能力和接口。

吴明泽：我有一个全球唯一的ID叫做Lawted，就是前面是law法律的那个law，后面是泰迪熊的TED，你在Google、百度、小红书、抖音等等任何平台，全球只有一个人叫这个名字，就是我。然后我什么O都不是，我在做一个FDE的社群，我们现在应该是全中国最大的FDE社群。我们也举办很多线下会，把这些对FDE感兴趣的人聚在一起，写了一些相关的报告，基本上全国一线城市的行业我们都有所涉及。

张子峰ARK：最后我再简单自我介绍一下，我叫Ark，我自己也是一个横跨中美的创业者，主要base在上海跟硅谷湾区两边。我现在主要在做两个板块的业务，第一个板块是ToB，做一些企业的自动化工作流转型；第二板块在做一些AIGC，比如说短剧、漫剧，还有商品广告。我之所以做这两个，是因为这是我非常坚信的未来。一会也可以跟大家继续探讨。接下来我们进入正题。

AI创业团队做海外launch最常见的误区

张子峰ARK：首先想问袁成的第一个问题是关于营销增长。我相信在座的很多创业者，不管你做software、hardware还是whatever，你都需要marketing。所以我们找来袁成，请教一些相关的go to market问题。袁成你操盘过40多个AI产品的launch，也包括YC的一些founder，各种各样硅谷的、国内出海的，非常多，也非常内卷。那么在你看来，AI创业团队做海外launch最常见的误区有哪些？过度关注产品功能还是低传播还是怎么样，有没有一些比较明确的误区，以及你想给大家带来的建议。

袁成：关于go to market，我操盘下来这些项目在海外去做launch，或者说纯粹硅谷的团队才去做launch，一个比较大的误区就是四个字，总结就是"自说自话"。尤其是现在大家看到的X或者LinkedIn上这些产品发布的范式比较趋同了，就是一个发布的片子，配上一些独特的文案，再加上其他的营销动作，比如达人和Product Hunt。其实主要的问题就在这支video的本身，以及上面那个post、那个文案怎么写。很多团队找到我做launch，一个是他们首先自己定位没有太准确想好，这个导致他们最后整理出来给我们的brief，以及后面我们去做脚本的过程中，跟他们去讨论，都会发现很明显的问题就是自说自话。他觉得自己产品的功能，想把所有的功能全都塞到这个片子里，或者说他就觉得我这个功能就应该这么去讲，不管你用户听不听得懂，我反正就想这么讲，我不管你怎么想的。再有一个就是他也不会考虑用户是怎么看到他这个片子的，其实就是一个换位思考的问题。大家看到这片子，基本上场景都是X上去刷，或者说LinkedIn去刷，他没有考虑这个点，就会错失几个点。一个是开头前3秒那个hook，你这hook够不够吸引人，够不够把产品定位在3秒时间内就打出去这个点。基本上如果他一直是顽固的自说自话思维，这个就会miss掉。这是一个比较大的坑。

张子峰ARK：也不知道从何时开始，可能是从Manus吧，基本上每个AI团队的go to market第一步的SOP就是先上沙发，创始人上沙发做一个demo，之后去塞一些内容，上一些feature。其实到后面不知不觉我们刷X或者说朋友圈，会出现各种各样的产品。刚才袁成也提到了一个点非常好，就是换位思考。我也是做产品经理出身，跟那么多客户用户聊过，我觉得我们AI创业整个关键就是同理心，你真的要去站在客户跟用户的角度上去思考，他的痛点是什么，他需要什么，他真正需要的是真需求。先明确清楚定位之后，再去go to market，跟上product。

视觉技术工程化落地：客户最买单的AHA moment

张子峰ARK：然后下面关于Mia，你们是聚焦在视觉技术工程化落地，并且也非常强调极简跟高性价比。那么在泛娱乐和新媒体各种各样视觉效果挑剔的场景中，你们是如何在技术跟商业之间达到一个平衡点，技术既可以满足需要，也可以变现？以及你们在推产品中，客户最买单的AHA moment通常是什么？我相信在座有很多AIGC的团队，邀请Mia简单分享一下。

Mia：我刚才讲了，我们其实是两种服务的方式。一种是泛娱乐，包括文旅，他们最终是ToB to C。这个C其实就是我看到一个模板，比如说我喜欢凯恩，我今天就想和凯恩合照；昨天晚上很多人喜欢梅西，就想和梅西合照。其实用户是不会去写prompt的，他就是看到这张图，我就想和他合照。包括大家看视频号的时候，有很多模板，只需要点一下做同款。所以这是一种方式，它不是用户需要human loop的过程。我们TensorsLab在做的事情就是帮客户把这样一个一个的模板场景化成一个API。在这一条领域里面，我们仍然用的是config的节点去做，因为我们的客户最关心的事情是ROI，就是我这张图用户点一次是多少钱。这里面有一个AHA moment，其实是2023年我创业的时候，第一个客户找到我的场景是因为他们当月的API消耗已经到了45万人民币。但是在那个节点上，大家如果有做移动互联网的知道，买量的逻辑是到后面越买越贵。当他买量已经到一定程度的时候，API的降本并没有一个比较陡降的过程，可能从9折变成了8折。所以在这种情况下，他没有办法把ROI打正了。当时来找到我们，我们就把他所有的模板通过开源模型自部署的方式，因为在这个场景里面，我们每一个服务器可以打满，几乎能打到90%多。所以在这种场景下，我们真实地帮他把这四十几万加上我们自己的服务费包括在里面，每个月不到20万。所以对他们来说，这个时候是一个降本的AHA moment。

然后在电商行业有一些不一样，电商行业不是说一个模板点过去，所有人卖方便面永远都这么卖，它不是，它是一个创意加AI的过程。所以这个时候我们就做了一个类似于跟agent相关的平台。因为我们自己是一个技术团队，不太了解电商，所以我反复去跟电商的很多客户沟通。最近我们找到了一些比较好的点，也就是刚才你说的AHA moment。我们在电商行业里面，现在最好的一个在agent里面实现的功能叫对比视频。什么叫对比视频呢？我们服务了比较头部的一家女生防晒的衣服，就是防晒服。以前的拍摄需要，你想要晒伤，晒伤以后穿上这个衣服不晒伤了，这种拍摄其实是比较难的。另外还有一种是我们现在也服务了一家叫家清，就是家居清理。以前他们的难度是厨房很脏、灶台很脏，然后要擦擦擦把它擦干净，这样的对比视频。以前这样一条拍摄也是非常非常耗时的，甚至你就擦不干净。这种场景里面，我们目前把它抽象出来，用AI去完成度最高且最有效。这是我刚刚回答的这两个问题。

张子峰ARK：非常好，基本上就是找到一个规模效应ROI最高的点，然后给客户一个比较明确的ROI方案。刚才Mia也提到一点，要对业务足够了解。

AI重构商家上新链路与A2A的终极愿景

张子峰ARK：提到电商，那接下来邀请茂俊，也是一定程度上会颠覆垂类电商的创始人来聊一聊。关于茂俊的问题，你们在帮商家把自媒体私域或者导购变成自动化的营销销售体系，在这个过程中，传统商家的接受度是怎么样的？因为你是重新打碎重组了这个游戏规则，这种AI重构对他们原有的利益分配会造成什么样的冲击？以及你们整个链路上，包括商家、支付、物流还有线下履约，你认为其中最难打通的是哪些？可以简单聊聊。估计在座很多也是有O2O的一些烦恼，邀请茂俊简单聊一聊。

赵茂俊：先这么说一下，因为咱们这个大会是有剧本的，问题都写好的。我跟紫峰说，我看了这个主题，说这是AI应用出海，我做的是国内，跟出海好像没太大关系。我只能说咱们现场交流就可以，不用按那个剧本来。因为剧本第一个问题太多我记不住，第二有些问题我合伙人不让我讲，所以咱们就现场交流。

关于我们做的事情，首先我们认为在国内创业，需求很容易找，相当于一把刀开没开刃，你切一下就知道了。最难的是场景，这个需求在什么场景下它是成立的，这个我们认为是最难去触及到的，特别是在国内这种非结构化的市场环境下，跟美国还是很不一样的。

聊一下我们这个业务，当前切入的场景是帮所有的时尚美妆品牌重构掉她们的新品上新链路。之前很多女性会买衣服，在货架式电商比较大的品牌，一般会加你的微信，这叫私域运营。私域运营的时候，上新一定会做这么一个动作：给你发很多张图片，发一大段话，什么品牌最近有上新打折，然后你做一个动作就给它关掉。这个对于品牌方来说是没有任何转化的，对你来说也是影响非常大的。

我们怎么做的呢？我合伙人不在这，我说可以大概讲一下。我们做一个小程序，非常简单，大家也可以都做。做得很简单，把品牌每次上新的商品正常上传到他们的后台，我们通过AI的方式给用户，根据用户的画像，包括后台一些数据、对商品的标注，然后给搭配好，一套一套的。每次上新的时候，这个小程序会根据用户的画像自动匹配，主动发送给用户。每个用户打开之后是千人千面的，打开之后就像刷抖音一样，刷他自己的穿搭图。如果是模特图，这个叫广告；如果是自己的穿搭图，这个就叫内容素材。让用户刷3套到5套，本来要看20张，这次可能只需要看3套就可以了。看到比较合适的一句话说，第二套不错，给我生成一个海边的场景，看什么效果？生成一个，不错，给我一键下单，第二天下午4点就收到这个快递。这是我们做的其中一种方式。

长期要做什么事情呢？很简单，因为中国跟美国不一样，中国有庞大的供给，甭管是商品、产品、APP还是服务，它是非标准化的。我们判断未来所有的模式是A2A，就是agent to agent。比方说我有一个agent，我要买衣服，我要买什么东西，我会调所有的agent去找哪些agent背后的商品是合适的。我在agent跟他一直讲，我要买这个衣服，然后他会下单。要实现这个模式，最重要的是让所有的门店、商家、APP都可以被AI所调用。这个就是我们现在或者长期要做的事情，因为这个会影响到大家所有人的日常生活，我认为也是非常庞大的，可以为之奋斗很久的一个事业。

关于其他的，紫峰之前有跟我聊，说可以聊一聊关于我在美国待过一段时间，待得比较久，在那边上学、工作、创业过、退出过。他说我为什么回国创业，可不可以讲这个，好像跟主题有点关系。我想可能这也是唯一一个有关主题的话题，简单跟大家分享一下。我大概2020年去美国留学，留学然后毕业、工作、创业，正常的一个路径。退出之后我选择回到国内创业。什么样的契机呢？首先最核心的是每个创业者心里都有个梦，每个梦的大小不一样。我的梦是要做IPO，要做IPO的话，我们认为第一个你做应用是不现实的，一定要往底层的基础设施走，要么机器人、具身智能，要么AI模型，你做应用一定要往中间或底层去走，这是一个。

第二，最核心的是你要选对背景跟市场契合度。我们团队整体背景还不错，但大多数对国内市场可能更了解一点，这是第二个原因。

第三个原因是场景，因为国内有最大的非结构化的机会。我之前跟投资人也聊过，交流过很多。他问我怎么判断这个非结构化的机会，或者你认为什么叫非结构化的机会？我思考了很久，现在包括现在也在思考。但我当前的答案可能是说，中国的市场没有美国的成熟。越成熟的市场，你做创业可能越容易，做小而美的生意赚钱也越快，因为它非常成熟。但是你要做一个很有价值的一层是非常难的，因为它比较成熟。中国市场的成熟度平均来看要落后美国大概3-5年的时间，即使是AI时代，AI倒还好，整体基础设施来看，相对来说有一定的差距需要弥补。这个也是我们存在的价值。

张子峰ARK：因为茂俊之前在海外有留学的经历，所以也带大家分享一下为什么选择在国内。之前也有些投资人问过茂俊的问题，说你出海我就投你。现在茂俊给了一些不一样的视角，different perspective，说得非常好。

为什么需要FDE驻扎入场？

张子峰ARK：那接下来也是等待已久的明泽。最近FDE也非常火，我相信在座很多人也在做一些AI转型，包括还有很多传统行业的人。想跟明泽聊的是，现在很多企业都在购买模型、知识库或者agent平台，最后依然很难落地。为什么拥有AI工具还不够，而且现在需要用FDE，要驻扎入场？FDE在企业的转型中具体解决了什么样的问题，扮演了什么样的角色？因为明泽也是FDE这个圈的大V，做过很多相关的case，邀请来简单聊一聊，这也是大家比较感兴趣的话题之一。

吴明泽（Lawted）：我想问一下大家知道FDE是什么的举一下手。还挺多的。

首先就是为什么做FDE。我没有留学成功的经历，我有留学失败的经历，就是我录取了哈佛，但是我的签证被拒了。今年如果我的签证成功的话，我应该就已经在波士顿了。所以就把注意力回到国内，看到国内比较有市场的其实就是FDE。FDE其实就是去帮AI做企业提效。

刚才主持人也问到，为什么还需要FDE？我给大家举个例子，假设我们现在有一个模型，非常厉害，可以解决你任何疾病相关的问题。大家可能会觉得医生可能要失业了，医生会干什么事情？医生就会上门问诊。因为这个世界上永远存在一些人，他们没有办法清晰地表达出他们哪里痛。现在AI就是这样的，程序员快要失业了，但是总有企业没有办法清晰地说出哪里需要用到AI。所以说程序员就下海了，他们来到你的企业里面来分析，给你望闻问切，最后告诉你你应该用这些东西。然后他再把这个需求输入到那个神奇的大模型里面，给了你一个解决方案，然后收了你一笔钱。

第二个比较sexy的点就是，他是按结果付费的。我们还是回到刚才医生的例子，你说医生我感觉有点痛，然后医生屁颠屁颠跑过来了，结果发现你什么问题都没有。那你这个时候你愿意付费吗？愿意付费的人举个手。只有一个人。这就是上一场我们panel说的，现在大家都要为结果付费。FDE其实也是这样的，真正帮你解决了这个问题，看到你好起来了，你原来不能跳，现在能跳了，你原来不能走，现在能走了，我再收你钱。这样的话你就更加容易地进入到更多的企业中。因为企业在过去的10年中已经被数字化老兵，还有这个什么铁军割过很多遍了，卖给他一个非常成熟的完善的系统，但是没有什么效果。这也是FDE为什么现在要提出以结果付费这种方式来切入的原因。

张子峰ARK：是的。因为我们之前也在做一些ToB的企业自动化工作流，当我们在跟一些客户聊的时候，发现最难的不是交付，最难的往往就是沟通问题。因为他们的沟通并不是像产品经理跟工程师一样沟通这么丝滑，我知道你需要什么、我可以交付什么，这么丝滑，更多的就是在达成一致上。所以说为什么我们需要一些工程师，就是Full Deploy Engineer去入组。他就跟早期的consulting一样，去入组，很细节地去聊。光有几次线上会议或浅浅地见几次是不够的，必须要足够深入，因为我们在做的相当是AI transformation。这也是我非常看好的未来。上一个时代是数字化转型，每个企业都会需要一个SaaS；下一个时代将是AI自动化转型，每个企业都需要一些数字员工，还有一些agent化平台。

如何把一次性的launch热度转化为留存？

张子峰ARK：那我们把话题继续拉回到营销增长方面。也有很多创业者估计已经投过一些广告，投过一些视频以后发现取得了不错的播放量。想请教袁成，在你手下也经历过很多高播放量的视频，其实有很多就是靠猎奇去增加播放量，但是紧接着后面的留存就是个问题。所以在你的营销策划链路中，是如何把一次性的产品launch的热度转化为活跃且持续活跃跟留存？你可以简单分享一下相关经验。

袁成：热度转化留存的话，我这边做下来经验主要有两块。一个是前期产品的打磨，PMF这个部分要足够强、足够跑通。大家看到你launch感兴趣，进来以后产品要足够能打中他的痛点，让他愿意来尝试使用这个产品。而不是说他看这个launch觉得这个视频或者广告很好玩，进来以后发现产品也就那样，那他的失望度会很大。这还是人的心理的角度，这是第一块。

第二块，产品本身的后续转化链路的机制要打好。就是从用户的社媒到你的官网，官网进来以后免费试用，再到后续的转化优惠机制，以及后面给他什么referral的政策，激励他一步一步把整个产品的使用路径给用起来，这样一个机制要打好。

比方说一个用户进来，一开始抱着很大的兴趣，产品用了一下觉得很好，但是后面没有一个给到他持续使用的点。刚刚说他少了一个真需求，真需求是一个点。再一个点就是怎么激励他持续地去使用。比方说有的客户可能觉得这个产品真的很难用，虽然说你切我的痛点。比方说这是一个outreach工具，帮你找线索的。你看到它的launch，觉得定位打得特别准，比方专门打的定位就是给医疗行业产品的team，给团队里面的人marketing去做。那么这些人需求会很专业，想找医疗行业垂类的客户。他被这个吸引来，进来之后发现产品很难用，甚至比……怎么说呢？他的learning curve太高，学习成本，以及他从原先那个工具切换到这个工具，成本太高了。这个也会阻止他持续的留存。

就一整个漏斗吧，从上面社媒的吸引他，到后面网站让他第一次使用，再到后续的持续使用。一个是他学习成本要不要那么高，再一个就是要一些激励机制。不论是他尝到产品使用的甜头，还是产品本身给他的一些机制，比方说7天使用，或者说你使用到多少积分有一些优惠，这样机制如果缺少的话，他会少一些持续用下去的动力，在他真正成为他的使用习惯、他的日常习惯之前。

总结的话就是这两块：一个是产品的PMF要仔细打磨好，在正式的launch之前，起码要拉一些种子用户，把整个吸引他的点给打出来，变成真需求。第二个就是他后面的整个转化的机制，不要门槛太高，以及给他一些激励。大致这样子。

张子峰ARK：对，我觉得说得非常好。刚刚听袁成介绍，让我想到了去年大火的一个AI产品，我就不说名字了，他刚launch一个video，跟黑客帝国相关的demo，非常之酷炫。可能大家都知道我在说谁，但我不会说出来他是谁。紧接着很多用户都跑出去了，哇，so cool！然后去用了以后觉得产品非常之抽象，并且那个产品是画布的形态。刚才袁成提到的词非常好，learning curve，学习曲线。虽然他声音有点小，但很多词说得非常准确，发现这个产品的学习曲线非常之陡峭，非常之困难，所以也非常不真需求，很多用户的转化率非常低。

再一个，转化的链路你需要明确，比如说从social media，从公域导到私域，到landing page，然后再怎么样到了私域，之后再一层层转化，这层链路是要清晰的。但是最重要的就是找到真需求。position, then product, then go to market，就是先position找到需求，然后product从1到10，从1到10完，再从10到100。总结非常好。

另外袁成之后也会办一些这样的workshop，营销增长的活动，之后欢迎大家多多交流。之前他也服务过一些YC的founder，包括国内出海的，在座很多朋友也想做一些国内出海的，到时候也都可以聊聊。

如何解决大模型输出的不确定性？

张子峰ARK：下一个问题想再请教Mia关于工作流这方面。有很多目前agent或自动化工作流的产品，最大的痛点在于幻觉后不稳定。目前你们打造的workflow工作流体系在落地中，你们是如何解决大模型输出的不确定性，从而让企业敢于将其作为后端服务稳定运行的？

Mia：这个我们先抛开通用一点的，现在说的什么所谓的guardrails，因为肯定前面都有很多人讲过了，各种约束条件。我把这个抛掉以后，落到电商这样的场景里面来讲，我分三个吧。

第一，我们有构建自己的知识库，知识库是双方一起去打造的。从2023年开始我们就一直在服务移动互联网，积累了很多模板，目前保持在线运行的模板是250+个，一直会滚动。在这个过程中，我们不但有很多人脸信息，也有很多prompts，之前走过很多坑，留下了非常多跑得特别好的场景的JSON结构化的prompt。我们还会跟客户要一些过往数据。我拿一个做巧克力的商家来说，比较头部的，他们有好几个SKU，包括了可可粉，也包括可可饼干。在以往数据里面，这两个品拿到的prompt，或者说场景生成的视频是不一样的。可可粉反而很多东西是针对早八人群在投放，话术会变成"我不允许还有人不知道有这么美好的可可粉，我不允许还有人没有吃过这么减脂且好吃又饱腹的可可粉"。但是同样一个商家，挪到饼干的时候，就会变成铺货视频，"今天一百块买十个够不够，我们买一百个什么什么的够不够"，变成这样的场景。所以整个知识库的构建其实是给agent看的，当一个输入进来以后，我们先匹配它是什么，大概什么品、什么样的用户，然后再构建prompt应该怎么写、怎么写得好。这是第一个，在电商垂类agent上面的第一步。

第二步，我们也有比较多的后置check，会double check。很多东西是属于我们有很多出海，其实是小语种，可能是中文，我们一眼过去就知道它有好多的错字。现在就算你用Claude，依然还是会有很多错字。如果这个时候我们不让它生成字，字幕是重新打的，这里面有没有可能性它还是依然会出错？当然会有。所以在这里面包括一些语种、说话等等，我们还有很多double check的过程。

然后其他的，像第三个刚刚说到的skill，我们的skill只是在外观上看是一个工作流程，但实际上它调的是哪个API，调的哪个function code，甚至调的还是以前我们的有向无环图。大家可以理解就是一个A到B，然后只能到B，不能到C。我们可能还做了很多兜底方案。在一个通用agent的框架，再加上各种行业里面垂直的约束条件下，能把它做到一个比较稳定的这样一个状态。谢谢。

张子峰ARK：对，非常好的分享。稳定性也是很多AIGC创业者和团队的困扰。

终极形态落地的最大障碍是什么？

张子峰ARK：接下来再回到茂俊，刚才茂俊也提得非常好，很多美国创业者还是国内创业者，其实都是心中有个梦。那我们就展开这个梦，继续聊一聊。你提到未来的愿景是把分散的APP服务标准化为AI模型跟agent调用的统一接口，只需要一句话就可以完全决策，比如说我要一个什么O2O。很多做AI OS或超级工作流的团队也有类似的愿景。那你认为这个终极的形态，落地的最大障碍有哪些？是底层的工程能力，还是调度，还是各大互联网巨头之间封闭的生态的商业博弈？可以简单分享一下。

赵茂俊：这个问题比较复杂，我简单化一下。我们的愿景其实就是想让大家未来一句话可以把生活中的事给办成。举个例子，现在大家打开淘宝，要看到搜索框、购物车、消息、无数个商品列表，这样其实是非常复杂的。对谁复杂呢？对AI复杂，因为AI它不屑于看这些东西。AI需要看什么呢？很简单，AI只需要调这个能力就可以了。它不需要进入到淘宝首页，点开一个商品，看到详情页，往下滑，加入购物车购买，AI agent是不需要这种东西的。

所以未来我们的愿景，包括做的事情是基于对未来的一个判断。我们判断，甭管是线下的门店、商户、产品，还是大家手机上的功能性APP，它们大概率要被重构掉。被怎么重构掉呢？重构成AI可以调用的一种能力。页面不太需要，因为我判断现在创业去做一个AI产品，你画了一个非常漂亮的UI，未来人需要看这个UI吗？我们认为不需要，你的agent能看就可以的，你又不是个艺术品，为什么要看这个UI呢？

基于这个判断，我们现在可以做什么？我们是不是可以把这些分散在各地的能力、商品、长尾功能型APP，把它的接口或者功能给统一标准化起来。这个谁来用呢？未来所有的豆包、ChatGPT——ChatGPT当然用不了——但是国内的豆包、千问、Kimi，甚至通义，包括在座创业者做的所有国内AI应用，都可以调我们。我们就是个通道，相当于一个高速公路，前端连接大模型跟各位创业者做的AI应用，后端连接所有传统门店、电商平台、长尾功能型APP。这个高速公路谁来建呢？我认为我们可以现在就开始建。

高速公路建好之后最重要什么？最重要是规则。我看紫峰之前写了一个问题，说认为现在最难的就是跟AI OS的一些团队也好，包括其他产品也好，最难的是竞争关系吗？我们认为不是，我们可能是互补关系，甚至说是他们的供应商。

目前来说最难的肯定是工程方面，因为这是无数套系统要怎么去耦合在一起，这是第一个。第二阶段最难的是规则没有被制定。举个例子，我现在要买一杯奶茶，你帮我点一杯昨天我点过的奶茶，两点之前给我送到这个会场。那你的agent需要思考：哪些门店有这个奶茶？这是第一个。第二个，他现在可以做吗？可以送吗？第三个谁需要为此授权？最后一个，出问题的谁来负责？类似这种系统有很多套非常复杂的规则没有被制定，所以这个也是当前会比较困难的一些事情，也是我们前往这个愿景上的一些障碍。当然我相信这个慢慢一定会解决掉的。

张子峰ARK：对，我觉得非常好。未来的购物肯定会被颠覆，上一个时代我们从线下购物转向线上淘宝，再下一个时代可能就是刚才茂俊提到的A2A。非常期待之后茂俊对我们O2O也好，还是电商购物也好的一些颠覆。

中国传统行业对AI的真实需求是什么？

张子峰ARK：那么下面就是明泽。目前你们已经覆盖了包括制造、医疗等十六大行业。当你真正派团队入驻，在客户的公司交付的时候，你觉得中国传统行业对AI的真实需求，热情是怎么样的？你觉得他们最迫切想要解决的AI问题包括哪些？可以举一些过往实际服务过的案例分享一下。

吴明泽（Lawted）：第一个，我并没有服务过十六个行业，是我跟服务过十六个行业的人聊过。因为我们在全国一线城市北京、上海、深圳、杭州都开过线下会，了解他们背后落地了哪些行业，统计下来一共有十六个。所以我这属于道听途说的内容。不过如果你想了解这些人，我也可以推给你，你想了解什么行业我就给你推什么人，我这也就是个资源对接。

然后再说到这些传统老板，他们现在最迫切想要的是什么东西？我觉得有两点。第一个，其实很多的FDE，包括你去社交媒体上面看，他们第一次接触老板就是装OpenClaw。他们从一个技术人第一次走进现场，就是因为老板说我想装一个OpenClaw，你能不能过来帮我弄一弄。他们就接触到这家企业，然后就会看到企业里面有很多人在做重复性的工作。包括我也是这样的，之前去物流公司的时候，老板非常开心，听说有一个在斯坦福工作的人过来给他装了个OpenClaw。我去了以后发现他连豆包都没有用过，于是我就先给他装了个豆包。晚上吃饭的时候特别开心，他把茅台都拿出来喝。他第一次见到这么厉害的聊天软件，当时玩的主要是算命的功能，算他的企业走势什么的。

所以我觉得第一个，他们迫切想要的是跟上这个时代。无论是在深圳的，还是在杭州这边有很多厂二代，他们都是想说我的企业如何能够在五年后回看今天，我在今天做的AI提效的事情是正确的。或者说中国也是希望这样，五年后回看今天，在AI上面付出这么多是值得的、正确的。所以这个里面最好赚的一个钱就是培训，你可以先给他们补齐这个东西该怎么用，怎么用WorkBuddy，以及用了WorkBuddy以后大家怎么效率飞升，业绩可以怎么增长。

第二个问题，就是他们如何能够在如此内卷的环境下继续赢过对方。我们了解到很多都是制造业，制造业的毛利如果你能比别人稍微低一点，就会很有优势。这个毛利就从这些看电脑的人这里可以压缩一下。原来二十个人可以接多少单，现在二十个人可以接三倍的单，每一单的成本就会低一些，在整个供应链报价的优势就会高一点，可以获得更多订单，然后推更多产线。我觉得这就是降本增效。

所以我刚刚其实说是两种，第一种是公司进步型，第二种是降本增效型。第一种主要是稍微大一点的企业，第二种是比较在乎生死存亡的企业。还有最后一种是我到了北京才认识到的，他们是做国央企的。他们需要的是能够跟上国家的脚步，他们已经获得了一些预算去做这个事情，但是不知道如何去做。他们知道做这个事情很重要，因为国家已经给了他们很高的经费以及一些政策。我觉得大概分为这三种。

张子峰ARK：当然最后应该不算是传统企业老板，那是国央企老板。我觉得说得非常好，大家都希望五年后回看今天自己的判断是对的。这也是我经常说的，作为创业者最重要的就是决断，你判断做什么不做什么，先做什么后做什么，这就是战略。

另外也确实现在是有这个红利，企业开始转型。我往往会发现，圈外的人往往会比AI圈的人滞后大概一年左右。比如说2023年的时候，我们每个人都在用ChatGPT这些大模型，在我的观察，大众开始普遍用有大模型的时候，往往是在2025年DeepSeek爆火以后。都觉得大模型是很强大，不管是算命也好，还是任何东西。当我们圈内人开始搭建workflow，或者说coding或各种各样编程的工作流，之后在圈外的人则是OpenClaw这波，2026年二月份之后才开始吸引到圈外的流量。