铃阅
❌

阅读视图

卖企业级Agent四个月,前昆仑万维 VP 果断放弃“中小企业梦”

原创 Unique Research 2026-11-15 20:00 上海

用的人、掏钱的人、拍板的人不是同一个:企业级 Agent 商业化踩坑实录。

Agent 创业深度访谈

四个月,她把「铺中小企业」改成了「啃大客户」

“想用的人、出预算的人和负责推进的人,不是同一个人。”

创业公司下场卖企业级 Agent,最怕听到的坏消息是什么?

是聊了几个月才发现,“想用的人、出预算的人和负责推进的人,不是同一个人”;是各个部门都想往项目里塞一点需求,范围越谈越大,最后谁也拍不了板;又或者是,你精心设计了一套面向中小企业的标准化入口,真正进场才发现,现阶段肯爽快掏钱的根本不是他们。

这些真实的路障,前昆仑万维天工 AI 商业化 VP、Eureka.AI 创始人兼 CEO 杨婷(Sophie Yang)在过去四个月里全撞见了。

今年 7 月,杨婷带着 Eureka.AI 首次受访时,设想的路径还是通过 AI FDE 做成面向中小企业(SMB)的产品入口;四个月过去,当腾讯元器公布停服安排、扣子企业版等产品密集调整、大厂纷纷把能力整合回主干产品时,杨婷也对自己的商业路径动了刀:

她调转枪头,决定先把 KA 大客户的硬骨头啃下来。

这一步调整之后,账面上的反馈非常直接:Eureka.AI 核心产品 S.Harness 正式上线,现有客户 100% 为付费客户——从 POC(概念验证)阶段就开始付费,连前期的业务梳理咨询也有客户主动买单。

一家大型集团 CFO 团队的文档项目,三个月跑通转化,签约与续费直接按两年起步的长期服务推进。

截至目前,团队已累计服务了 20 多家包含上市公司、跨国企业与知名国际高校在内的客户及合作伙伴。

四个月时间,从“想铺中小企业”到“做深大客户长约”,在这次书面回访中,我们跳过了此前的理念框架,让杨婷复盘了这四个月的实际落地、流产的订单,以及被修正的核心判断。

方向调整:先把 KA 大客户做深,再抽离可复用模块

对比 7 月与现在的 Eureka.AI,变化最大的是服务对象的优先级。

“调整比较大的是先服务谁。早期我们希望通过一个相对标准的产品入口接触更多中小企业。现在我们会先把 KA 大客户的具体问题做深,再从里面找出能给更多企业使用的 SBB。”杨婷在回访中写道。

之所以做出这一调整,直接原因来自企业现场的真实状态。

很多企业想用 AI,但刚找过来时需求差别很大:有的只是因为看到 AI 变化快而感到焦虑,觉得“自己应该做点什么”,却不知道从哪件事做起;等到选好了方向,又会卡在一连串具体问题上——公司的资料怎么用?原来的系统怎么接?做出来的结果谁来检查?

相比之下,目前真正愿意付费的,主要是有明确业务问题的大客户。“他们需要有人把事情做完,也需要产品能长期用下去。”

以 Eureka.AI 近期服务的一家大型集团为例,切入点是集团 CFO 和财务团队的跨语言文档工作。

这家集团此前用过通用 AI,但在日常财务工作里还是遇到了不少具体卡点:专业内容和数字要求严谨,信息保密有硬性要求;文档翻译完,术语有没有前后不一致?金额和币种有没有变化?两个版本哪里改了,能不能方便地检查?

这些问题不解决,业务人员就不敢直接用 AI 生成的结果。

在这个项目里,Eureka.AI 的 AI FDE(深入业务现场的工程师)先和财务业务团队一起看具体的文档任务,梳理翻译和对比要求,明确哪些地方需要人工复核;技术接入和专有化部署要求,则拉通 IT 等部门一起往下推进;到了采购环节,再把服务范围和相应流程落实下来。

从接触到最终付费,大约用了三个月,目前按两年起步的长期服务安排持续合作。

在服务了一家 H 股上市公司后,圈内的口碑也带动了新客户——其他遇到类似问题的 H 股上市公司通过圈内交流找过来,直接采购相近的产品和服务。

但这也会带来一个行业通病:深入业务现场做沟通、做适配,如果每个大客户都重新做一遍,怎么避免公司变成纯靠堆人头的传统软件外包?

杨婷给出的解法,是用核心平台 S.Harness 和 SBB(可复用业务模块)把项目经验留下来。

“一开始,投资人给过我们一个挺宝贵的建议,就是把项目里能复用的能力一点点留下来,做成产品。我们一直在照着这个方向做。”杨婷表示。

在项目交付中,团队发现有些工作会反复遇到。比如处理专业文档时,检查术语或核对数字的方法,完全有机会用到其他同类业务里,换一家企业再按它自己的要求做适配。

S.Harness 的作用,就是把这些在业务现场验证过的经验和能力留存为 SBB,供后面的项目调用。

目前,Eureka.AI 内部的 FDE 已经每天高频使用这些 SBB,“哪里不顺手,哪里还要改,大家很快就能发现。”

跑通这一步后,面对中小企业的商业逻辑也变得更清晰:

“中小企业会更直接:一个 SBB 能帮我把眼前的工作做好,用起来也方便,就值得买。”

那些没签下来的单子,教会了 Eureka.AI 什么?

在这次回访中,杨婷特意区分了一个数据口径:前面提到的“20多家”包含了合作伙伴,不能直接等同于付费客户数;但在 Eureka.AI 现有的客户盘子里,所有客户都是付费客户,从 POC(概念验证)阶段就开始付费。

由于目前以 KA 大客户为主,涉及内部系统接入、部署要求和不同工作量的后续服务,费用根据具体产品和服务范围一事一议,暂未对外公布标准版本价格与客单价。

能在 POC 阶段就收上钱,并且把咨询服务也变成付费项,很大程度上源于团队在“没做成的单子”里踩出的经验。

在那些聊了很久、最终却没有签下来的机会里,最常见的是组织决策链的错位:业务部门觉得有必要做,但 IT 部门可能有别的排期安排,而预算又握在另一位负责人手里。

如果客户内部没有人把这件事牵起来,项目就很容易一直停留在讨论阶段。

另一种情况则是需求边界失控:“大家都想加一点需求。这个部门想处理文档,另一个部门想查知识,越谈范围越大,到最后反而不好决定先做什么。”

吃过这两类亏之后,Eureka.AI 调整了前期的推进节奏:现在接触客户,会更早问清楚“谁来负责推进、预算怎么安排、先解决哪件事”。如果客户自己还没有理顺,需要的话就先做付费咨询,把问题边界和落地步骤理清楚。

“做企业 AI,咨询这部分很难省掉……对客户和我们来说,这一步都值得花时间。”

而在产品方向上,这四个月被持续验证的是“从业务成果(Artifact)出发”。

这几个月,团队越来越习惯拿一件具体工作和客户讨论:比如一份专业文档处理完以后,业务人员能不能直接拿去用?需要检查的地方有没有交代清楚?

“拿文档来说,写得通顺还不够,专业内容要对,后面负责复核的人也要用得顺手。评测就得跟着这些要求来做。”

基于这种现场体感,杨婷把大厂近期的动作(如扣子企业版调整、腾讯元器停服、能力整合进主干产品)以及 MCP、Skills 等接口的标准化,都看作对中间层创业公司的利好。

一方面,大厂做好通用能力、接口走向标准化,能让团队少花精力处理底层连接问题,把时间腾出来研究客户的业务;另一方面,通用工具依然替代不了企业应用的“最后一公里”——“比如同样是翻译文档,财务部门对金额的要求,和研发部门对技术术语的要求,就很不一样。还要考虑谁来用、怎么接进现有工作。”

至于行业里热议的 Skills Marketplace(技能市场),Eureka.AI 目前也没有去追求 Skill 的上架数量。

“现在 Skill 很多,好不好用还得筛选。有些单独试用时不错,放进企业的流程里,又需要调整。”杨婷认为,企业里有很多常说的 know-how(比如一份资料什么地方容易出错、哪些结果需要人再看一遍),把这些经验放进去,AI 才有机会帮客户省时间、少返工。

因此,判断 Skills Marketplace 这门生意成不成立,她只看有多少企业和用户在真实使用、解决了什么问题,以及是否有人愿意持续为此付费。

出海东南亚:在业务跑通前,“别乱花钱”

在全球化布局上,杨婷曾代表团队参加 OpenAI × EPIC 在新加坡的生态活动,团队与英伟达、OpenAI、ISC.AI、Google 等也保持着专家参与、活动交流或具体业务对接等不同形式的联系。

在交流中,Eureka.AI 也会把自己在客户现场看到的问题——比如企业为什么愿意用、试过以后卡在哪里——带给技术伙伴做参考。

不过,新加坡主要起到连接区域伙伴的作用,在具体的海外市场拓展上,Eureka.AI 目前重点在看马来西亚和越南。

“初步接触下来,这两个市场对我们的 SBB 有兴趣。我们觉得,从一项明确的业务能力切进去,再去找有同类需求的客户,可能会推进得更快。”杨婷表示,接下来的步骤依然是先把当地需求弄清楚,找到合适的伙伴,技术团队再跟上支持,根据“当地客户需要什么、愿意为什么付费”的判断来决定资源投入。

谈及中国 Agent 产品出海实际趟下来的最大教训,问题原本指向合规、支付、渠道或海外客户是否接受国内的产品叙事,但杨婷给出的回答聚焦在成本控制上:

“我可能要说一句老生常谈的话:别乱花钱。”

在她看来,去一个新市场很容易兴奋起来,觉得要招人、要租办公室、要把团队搭起来。“但这些钱花出去之前,我会先问,客户的事情推进到哪一步了?现在这笔投入,能帮我们解决什么问题?”

相比为了把场面做大而提前背上固定成本,她更倾向于先和靠谱的伙伴做出一个具体项目,再根据业务需要加人、加投入。

“合规和支付这些问题都要认真处理,实践中也需要一步步走通。对创始人来说,尤其要管住自己的冲动,把钱花在眼下确实需要的地方。”

从大厂商业化 VP 到创业:先把眼前的一件事做好

从昆仑万维天工 AI 商业化 VP 到自己创业,杨婷感受最深的变化是“要自己拿主意、自己负责的事情多了”。

做职业经理人时,有现成的平台和相对清楚的分工;创业以后,产品怎么做、客户愿不愿意买、手里的钱够做哪些事,都得自己想清楚,几件事同时过来时还得决定先顾哪一头。

这也让她的关注点变得非常具体:“现在一个具体的进展,就能让我挺开心。比如客户愿意把问题讲透,产品开始进入日常使用,或者客户愿意继续合作。这些事情会让你觉得,前面花的时间有了回应。”

对于未来 12 个月,Eureka.AI 除了继续服务好目标客户、把 FDE 在项目里积累的 SBB 沉淀到 S.Harness 中复用之外,也在探索“AI 原生用户访谈和产品共创”方向——从具体需求做起,帮企业弄清楚用户在使用产品时到底遇到了什么、收到反馈后又该怎么改。

而在杨婷心里,检验未来这一年做得及不及格的标准很简单:“如果一年以后,客户还在日常工作中用我们的产品,愿意继续合作,遇到新问题也愿意来找我们,我会觉得这一年做得不错。能让用户用习惯了、离不开,当然更好。”

在回访最后,给同样想做 Agent 中间层的同行留一句忠告时,杨婷写道:

“这个时代不缺仰望星空的人,更需要脚踏实地。能把客户眼前的一件事做好,就值得认真去做。”

访谈精选 Q&A

受访人

Eureka.AI 创始人兼 CEO 杨婷(Sophie Yang)

第一问:哪些判断被验证,哪些被调整了

Q1:7月时,你们还在探索AI FDE的产品化。现在S.Harness正式上线了吗?有多少客户实际用过?客户从接触产品到拿到第一个可交付成果,情况怎么样?

杨婷:S.Harness已经正式上线。到现在,Eureka.AI服务了20多家客户及合作伙伴,其中有上市公司和跨国企业,也有知名国际高校。

这几个月,我们越来越习惯拿一件具体工作和客户讨论。比如一份专业文档,处理完以后,业务人员能不能直接拿去用?需要检查的地方有没有交代清楚?我们讲的Artifact,就是这样可以拿来工作的成果。

从接触到做出第一个成果,每家客户的情况差别挺大。有的需求很明确,上来就知道要做什么。有的还要先讨论从哪里开始,再找内部的人一起推进。转化率的具体数字,这次先不披露。

我们比较看重的是后面的使用情况。客户愿意拿真实工作来用,也愿意告诉我们哪里不好用,产品就能继续往前改。

Q2:回头看7月提出的Artifact-first、S.Harness中间层和双边咬合,这几个月哪些判断得到了验证?哪些做了调整?

杨婷:“从业务成果出发”这个判断,我们更坚定了。

客户会用自己的材料来试,也会按自己的工作标准来检查。拿文档来说,写得通顺还不够,专业内容要对,后面负责复核的人也要用得顺手。评测就得跟着这些要求来做。

调整比较大的是先服务谁。早期我们希望通过一个相对标准的产品入口接触更多中小企业。现在我们会先把KA大客户的具体问题做深,再从里面找出能给更多企业使用的SBB。

“双边咬合”听起来有点抽象,放在项目里就好理解了。客户最清楚自己的业务,行业专家和实施伙伴有各自的方法。我们和他们一起,把这些方法做进产品里。先把一个项目配合好,后面才谈得上扩大合作。

这几个月没有让我们放弃原来的方向,倒是让我们更清楚应该先做什么。

第二问:大厂整合之后,中间层还剩多少机会

Q3:现在大厂都在整合Agent能力,一些独立Agent平台也在调整甚至停服。对Eureka.AI来说,这是利好还是警示?中间层还有多大机会?

杨婷:对我们来说,我更倾向于看利好。模型和工具越来越好,企业开始用AI会更容易,我们能做的事情也会更多。

我们选的位置很明确,就是企业应用的最后一公里。

大厂会把通用能力做好,但到了每家企业,还是要有人弄清楚它的业务。比如同样是翻译文档,财务部门对金额的要求,和研发部门对技术术语的要求,就很不一样。还要考虑谁来用、怎么接进现有工作。

这些事情需要和客户一起做,也是我们投入精力的地方。

S.Harness会把项目里适合复用的部分留下来,让我们做下一个同类应用时,有现成的能力可以用。

我觉得这个位置有机会。能不能把机会抓住,还是看我们做出来的东西,客户愿不愿意一直用。

第三问:付费、收费与获客,账怎么算

Q4:Eureka.AI现在的付费情况怎么样?企业客户从POC阶段就开始付费了吗?目前是大客户为主,还是中小企业更多?

杨婷:我们目前的客户都是付费客户,从POC,也就是概念验证阶段,就开始付费。

前面说的20多家包含合作伙伴,不能直接当成付费客户数。收入和更细的客户占比,这次先不展开。

做企业AI,咨询这部分很难省掉。有些客户需要先想清楚做什么,哪些事情值得先投钱。有些方向定了,还需要我们帮忙梳理落地的步骤。我们的一部分客户,也会主动为这类服务付费。

现在还是大客户为主。我们在项目中把问题弄清楚,也会看哪些需求是相通的,哪些方法能做成SBB。这样服务客户的过程,也在帮助我们改进产品。

Q5:Eureka.AI现在怎么收费?大客户定制化交付和未来面向中小企业的标准化产品,商业模式有什么不同?

杨婷:目前客户以KA大客户为主,收费要看具体做什么。

有的需要接内部系统,有的对部署有专门要求,后续服务的工作量也不一样。我们会把产品和服务的范围谈清楚,再确定费用。这次先不公布版本价格、平均客单价和付费周期。

中小企业会为好用的SBB买单,我对这一点比较有信心。

比如一项文档处理能力,能解决它经常遇到的问题,也不需要花很大力气才能用起来,客户就有购买的理由。

所以我们会先在大客户项目里把能力做扎实,再把能复用的部分做成模块。以后企业可以根据自己要解决的问题,选择合适的SBB。

这是我们一直在推进的产品方向。

Q6:你们的客户主要从哪里来?从接触到最终付费,生态伙伴和口碑在获客中发挥了多大作用?

杨婷:主要还是来自可靠的生态伙伴,来源也比较多。行业里的合作、技术圈的交流都会带来机会,熟人之间的口碑也很重要。

比如我们服务了一家H股上市公司后,也有其他H股客户通过圈内交流找过来。他们遇到了类似的问题,就来采购相近的产品和服务。这样的客户通常对我们做过什么有一些了解,聊起来会更具体。

不过,客户刚来时的需求差别很大。

有的只是焦虑,觉得AI变化这么快,自己应该做点什么。也有的已经想得很清楚,知道哪一步最费人,想要什么产品,连怎么放进自己的工作流程都考虑过了。

我觉得企业客户可以成为很好的产品经理。他们懂自己的业务,也能定义自己需要什么。我们负责把这些想法做出来,再和客户一起看哪些地方可以重复使用。

所以生态的投入,很难都算成一个获客成本。有些合作直接带来客户,有些是在行业里慢慢建立信任,后面才出现机会。

转化率和成本数字这次先不披露,我们也会分开看不同渠道的实际效果。

第四问:一个真实客户,和那些没签成的单子

Q7:能不能讲一个真实客户案例?从最初接触、解决问题到最终付费,Eureka.AI究竟帮客户完成了什么?

杨婷:可以讲一家大型集团。

我们从CFO和财务团队的文档工作做起。他们有很多跨语言资料,专业内容和数字都要很严谨,对信息保密也有要求。

客户之前用过通用AI,但在日常工作里,还有不少具体问题要解决。

比如文档翻译完,术语有没有前后不一致?金额和币种有没有变化?两个版本哪里改了,能不能方便地检查?这些都会影响他们怎么使用结果。

我们先和业务团队一起看具体的文档任务,梳理翻译和对比的要求,也讨论哪些地方需要人工复核。技术上怎么接入,再和IT等部门一起往下推进。

FDE在中间要做很多沟通,把业务的要求讲清楚,也让客户了解技术上怎么实现。

从接触到付费,大约三个月。目前合作还在持续,签约与续费按两年起步的长期服务安排推进。具体金额就不公开了。

这类项目给我们的感受很直接:把客户每天要用的文件处理好,把那些容易出问题的细节照顾到,客户就有理由继续合作。

Q8:有没有谈了很久却最终没签下来的客户?企业AI项目最容易卡在哪个环节?这些失败让你们调整了什么?

杨婷:有,确实有聊了很久,最后没有签下来的机会。

有时卡在一个很实际的问题上:想用的人、出预算的人和负责推进的人,不是同一个人。

业务部门觉得有必要做,IT那边可能有别的安排,预算又在另一位负责人手里。如果没有人把这件事牵起来,就容易一直停在讨论阶段。

还有一种情况是,大家都想加一点需求。这个部门想处理文档,另一个部门想查知识,越谈范围越大,到最后反而不好决定先做什么。

所以我们现在会更早问清楚,谁来负责推进,预算怎么安排,先解决哪件事。

需要的话,就先做付费咨询,把问题理顺。对客户和我们来说,这一步都值得花时间。

第五问:Skill 怎么沉淀成能复用的 SBB

Q9:你们一直强调把项目中的Skills沉淀成可复用的SBB。现在积累得怎么样?如何判断一个Skill真正有产品价值?

杨婷:我们没有太追求Skill的数量。

现在更习惯从SBB来看产品:这块功能能解决什么问题,下次遇到类似的工作,还能不能接着用。

比如专业文档里的术语处理、数字检查,都有机会做成可复用的模块。至于哪些方法好用,还是得放到工作里试。

现在我们内部的FDE已经每天高频使用这些SBB,哪里不顺手,哪里还要改,大家很快就能发现。

一开始,投资人给过我们一个挺宝贵的建议,就是把项目里能复用的能力一点点留下来,做成产品。我们一直在照着这个方向做。

数量排名和第三方分成,这次先不报数字。

我更想把已有的模块打磨好,让团队愿意反复用,后面的项目也用得上。

第六问:马来西亚、越南,和出海最大的坑

Q10:你负责Eureka.AI的全球化生态。现在海外市场推进到哪一步了?为什么最近重点关注马来西亚和越南?

杨婷:新加坡对我们连接区域伙伴很有帮助。不过具体去哪个市场,我们会跟着业务需求走。

最近重点在看马来西亚和越南。

初步接触下来,这两个市场对我们的SBB有兴趣。我们觉得,从一项明确的业务能力切进去,再去找有同类需求的客户,可能会推进得更快。

接下来还是先把当地需求弄清楚,找到合适的伙伴,技术团队再跟上支持。

我希望先做成具体的事。当地客户需要什么,愿意为什么付费,有了这些判断,再决定要投多少资源。

Q11:公开资料提到你们与OpenAI、英伟达、Google等国际AI企业有生态联系。这些合作具体是什么形式?对Eureka.AI有什么实际帮助?

杨婷:我曾代表团队参加OpenAI × EPIC在新加坡的生态活动。

我们和英伟达、OpenAI、ISC.AI、Google等也有不同形式的联系。有的是专家参与,有的是活动交流,也有在推进具体业务对接。每一种关系的形式和进展不完全一样。

对我们来说,这些交流很有帮助。能接触到新的技术,也能了解其他市场的企业在做什么。碰到合适的伙伴,就可以拿具体需求一起讨论,看看能不能合作。

我们也会把自己在客户现场看到的问题带进去。企业为什么愿意用,试过以后卡在哪里,这些经验对技术伙伴也有参考价值。

我希望双方在实际做事中把合作加深。

Q12:中国Agent产品出海,你实际走下来最大的坑是什么?有没有什么经验是想特别提醒创业者的?

杨婷:我可能要说一句老生常谈的话:别乱花钱。

去一个新市场,很容易兴奋起来,觉得要招人,要租办公室,要把团队搭起来。

但这些钱花出去之前,我会先问,客户的事情推进到哪一步了?现在这笔投入,能帮我们解决什么问题?

我不希望公司为了把场面做大,就提前背上很多固定成本。

先和靠谱的伙伴做出一个项目,再根据业务需要加人、加投入,我会更踏实一些。

合规和支付这些问题都要认真处理,实践中也需要一步步走通。

对创始人来说,尤其要管住自己的冲动,把钱花在眼下确实需要的地方。

第七问:Skills Marketplace 是不是一门生意

Q13:现在MCP、Skills等接口逐渐标准化,Skill也越来越多。你还看好Skills Marketplace这门生意吗?企业为什么愿意为Skill付费?

杨婷:标准化对我们是好事。工具更容易接起来,我们就可以少花些精力处理连接的问题,多花时间研究客户的业务。

企业里有很多具体经验,也就是常说的know-how。

比如一份资料什么地方容易出错,哪些结果需要人再看一遍。把这些经验用进去,AI才有机会帮客户省时间、少返工。这部分工作还是要有人做。

现在Skill很多,好不好用还得筛选。有些单独试用时不错,放进企业的流程里,又需要调整。我们会在SBB的实际使用中继续做这些工作。

所以看Skills Marketplace,我会先看有多少企业和用户在用,用它解决了什么问题。

有人愿意持续使用,也愿意为此付费,这门生意就有继续做下去的基础。

第八问:未来 12 个月的及格线

Q14:未来12个月,Eureka.AI最重要的目标是什么?做到什么程度,你会觉得这一年是及格的?

杨婷:还是把目标客户服务好,多做成几个项目,把产品改得更好用。

我们希望S.Harness让客户日常用起来更方便,FDE在项目里积累的SBB也能帮到后面的客户。

客户提过的问题,后面能在产品里得到解决;做过的方法,下个项目也能用得上。这样一点点积累下来,团队做事会更有底气。

AI原生用户访谈和产品共创,也是我们在探索的方向。

企业想知道用户使用产品时到底遇到了什么,收到反馈后又该怎么改。我们会从具体需求做起,看看AI在哪一段能帮上忙。

如果一年以后,客户还在日常工作中用我们的产品,愿意继续合作,遇到新问题也愿意来找我们,我会觉得这一年做得不错。

能让用户用习惯了、离不开,当然更好。

Q15:从昆仑万维天工AI商业化VP到自己创业,最大的落差是什么?如果给想做Agent中间层的创业者一句忠告,你会说什么?

杨婷:最大的感受是,要自己拿主意、自己负责的事情多了。

做职业经理人,有一个现成的平台,也有相对清楚的分工。

创业以后,产品要怎么做,客户愿不愿意买,手里的钱够做哪些事,都得自己想清楚。有时几件事一起过来,你还得决定先顾哪一头。

所以现在一个具体的进展,就能让我挺开心。

比如客户愿意把问题讲透,产品开始进入日常使用,或者客户愿意继续合作。这些事情会让你觉得,前面花的时间有了回应。

给同行一句忠告的话,还是那句:

这个时代不缺仰望星空的人,更需要脚踏实地。

能把客户眼前的一件事做好,就值得认真去做。

跳转微信打开

  •  

累计试穿超100万次:如何打通品牌库存与AI推荐的最后一公里

原创 Unique Research 2026-11-14 20:00 上海

我们想提高服务能力,不能以拿走商家多年积累的关系为代价

AI 商业服务 · 深度访谈

我们想提高服务能力,不能以拿走商家多年积累的关系为代价

客户在自己的视角里永远是对的,她想的是「我要什么」,我看的是「这件东西在真实条件下会变成什么样」。

做服饰定制时,常有客户拿着一块面料找甄子祺,说:“我就要这个,在手里很好看。”

甄子祺看到的却是另一幅画面:上台一打顶光,这块料子就会变灰,褶皱全被吃掉,观众离二十米只看到一团残影。

客户说要大体量才显气场,可一旦身高不够,就会被那个量感横向压住,“不是压场,是被压”。

后来她成为光尘同行的联合创始人兼 CPO,做 AI 商业服务产品“搭介”时,又在自家团队里撞上了同一类问题。

最初做试穿效果图,团队从场景到姿势反复打磨,想把图片做得更有氛围感,靠好看的画面推动下单。

甄子祺把这些美化全取消了,只留下尽量简洁、能一眼看清衣服本来样子的画面。

她的理由是:“因为用户要判断的始终是——‘我穿好不好看’,不是‘这张图好不好看’。”

截至目前,搭介已经有 10 万以上累计用户,生成了 100 万次以上本人试穿结果。

谈到这组数字时,甄子祺专门补了一句口径说明:“这里说的是产品累计使用量。”

在小程序之外,光尘同行给自己的定位是连接不同 AI 与现实商家的商业服务基础设施。

按照她的设想,哪怕以后用户根本没有打开搭介,只是在别的 AI 里说一句“帮我安排好”,背后仍然需要一套系统去搞清楚哪些商家能接、有什么商品、条件是什么。

但在今天,要让一句话变成一次真实的商业交付,拦在中间的全是细碎的账本。

专家值钱的那一层,写不进一句提示词里

做定制的那段经历让甄子祺意识到,客户在自己的视角里永远是对的,客户想的是“我要什么”,而专业人士看的是“这件东西在真实条件下会变成什么样”。

这层东西很难写进一本说明书。一旦说出来,往往只剩“注意灯光”“注意量感”这类表面话术;真正起作用的,是“在什么身高、什么廓形、什么距离下,这个效果会反过来咬你”,背后是一长串“如果……除非”。

用她自己的话说:

“专业能力不是给出答案,是界定条件、判断什么时候结论不成立。”

把经验搬进 AI 产品时,大模型的直接推理路径很快撞上了盲区。

搭介最早期做成套推荐时,把“同色系延伸”作为帮小个子拉长视觉身高的一条主要策略。但模型当时只读了颜色这一层,没看到上下身材质的反差。

甄子祺在抽查时发现了问题:“亮缎配亚麻,一个反光一个哑光,视觉被断成两截,腰线位置多出一道横向分界,拉长身高的效果反而被截断,风格也不统一。”

团队随后把这类个案提炼成材质层面的约束规则写回系统,明确哪些材质组合成立、哪些在同一个造型里天然冲突、同一种材质在不同风格下能不能用。

此后系统做同色系搭配时,还要同时判断材质的光泽度、挺度与风格属性,材质冲突的组合直接排除。

另一记提醒来自早期用户的一条反馈:“档案填了一堆,回答的时候好像没用上。”

这句话让团队改了产品逻辑。甄子祺意识到,用户不在乎 AI 用了多先进的模型,她在乎的是自己提供的信息能不能持续影响之后的每一次判断。

团队把用户的问题拆成效果、尺码、场景、搭配、单品选择、购买决策六类:问“我穿上是什么样”,就尽快展示本人效果;问尺码,就去核对规格和个人信息;问值不值得买,就回答购买理由和顾虑,不再不管用户问什么都先输出一大段时尚知识。

她还对系统的推荐理由定了一条硬标准:必须能核对,看得出来依据来自哪项商品信息、哪项个人条件。

只写“提升气质”“更显高级”,换个人也一样能用,对判断没有帮助;没有相应信息,就别硬补一句理由。

“这款有货”,不等于你想买的黑色 M 码还有货

围绕为什么不能靠一段提示词解决问题,甄子祺给了一个很直接的回答:

“如果一段提示词就够,我们不用做这么多商品、顾客和订单功能。”

提示词可以告诉模型怎么说话,却没法凭空知道一家店刚卖掉了哪个尺码,或者一件米白商品在导入时被识别成了浅灰。

一旦基础信息偏了,后面再怎么算色彩适配都是错的;顾客档案里如果缺少尺码,也不能靠模型自己补一个,必须先核对或追问。

这也是光尘同行先做搭介小程序和商户后台的原因:“因为很多细节,只有把顾客和商家两头都做出来,才会碰到。”

单拿商品录入来说,一件上衣有两个颜色、两个尺码,对应的就是四个可售规格。商家口头说一句“这款有货”,不等于顾客想买的黑色 M 码还有货。

搭介后台的批量导入模板按颜色和尺码组合逐行处理,同一商品对应商品编码,不同规格有各自的 SKU、价格和库存,商品图片和颜色图片也要与编码、颜色名一一对应。

上传前做预校验,导入后还要检查草稿和上架状态。

真正跟进商户时,卡住流程的往往不是模型水平。

品牌端曾直接反馈商品太多、整理和上传资料太麻烦。团队在跟进商户录入时,甚至遇到过只上架 10 件商品的情况。

可选商品本来就太少,系统根本没法给不同尺码、不同场合的人准备方案,团队只能继续沟通、优化批量导入和分批上架,并加上人工协助。

为了把这些细碎的卡点理顺,他们整理了一份 28 页的品牌操作手册,里面列了 32 个常见问题。

甄子祺列举了其中的日常状况:“图片文件名和商品编码对不上,导入了却还是草稿,顾客扫了码但没完成绑定,推荐存好了却还没投放。每一个都能让后面的体验停下来。”

把老师傅的半句话拆成字段,但把改方案的权力留给人

线下门店里最有用的经验,经常是一句不完整的话,比如“这个版小”“这料子比较挺”“这个客人不爱被催”。

直接把这些半句话丢给 AI,系统未必知道怎么用。甄子祺的做法是继续往下问:小在哪里,和哪个尺码表比,影响哪种身形,顾客不喜欢的到底是什么。

能够说清楚的,就转成商品信息、顾客偏好或服务条件;需要现场再看的,就留给人工确认。

在品牌上新环节,这套逻辑已经被做成了批量工具。店员录入一批新品后,可以从已绑定的顾客里按风格、色彩季型、体型等条件筛选,按顾客分组批量生成多套方案。

但系统生成的第一轮结果,不能直接当成专业结论发出去。

后台保留了人工检查环节:运营人员可以逐个顾客查看方案名称、商品和推荐理由,删掉不合适的商品,补上别的选择,先存草稿,确认后再投放。

顾客档案里的标签也带有空值和置信度,如果顾客今天明确想换一种风格,系统不能因为过去的档案一直把她拉回原来的选择。

在标准化和保留门店特色之间,甄子祺的切法是统一“这项服务怎么被理解”,保留“这家店为什么值得被选择”。

比如两家店都能改衣服,一家只改裤长,一家能处理复杂版型,系统要把能做什么、不能做什么、多久完成、怎样确认价格统一表达清楚,至于商品、价格、活动和履约方式,仍由品牌自己决定。

数据的边界也划得很清楚。品牌的原始客户资料不进入跨品牌共享,用户授权的个人消费档案与品牌的客户名单分开看。

“我们想提高服务能力,不能以拿走商家多年积累的关系为代价。”

目前,国内品牌春山屿安已经与搭介验证过商品录入、顾客入口、优惠券、个性化推荐和订单流程,也有欧美海外品牌接入。品牌合作前三个月会安排标准共创。

在商户后台的数据看板里,不同门店或活动可以分别建码,扫码、绑定、发出推荐、查看、下单和最终成交被拆开统计。

甄子祺说:“混在一起报一个很大的数,对商家没什么帮助。”

一句“帮我办好”,不代表允许系统直接扣款

当行业都在谈论让 AI 替人办事时,甄子祺先把授权拆开了。

在搭介的逻辑里,用户扫码和品牌建立关联,不能自动等于同意分享所有档案,更不能等于允许系统付款。

用户端可以先表达需求、看商品,要启用本人试穿时,再按提示使用照片。“这几件事各有用途,产品不能为了省一步操作,把授权混成一次。”

涉及花钱和对外承诺的动作被单独拎了出来。用户必须先看到哪家商户、哪个商品或服务、金额、时间和关键条件,再作确认。

一旦遇到换商品、换商家或加价,系统不能沿用前面那句模糊的“都帮我办好”。

进到履约环节,现实与对话框里的文字差距更大。

搭介现在的订单后台把流程拆成了几步:新订单先进入“待联系”,店员实际联系顾客,核对商品规格、库存、金额和到店或配送方式,再记录沟通、确认成交,后面还有填写物流公司与运单号的发货环节,以及最终完成。

甄子祺对这些状态区分得很严:

“点了‘联系顾客’,不等于系统已经替你打过电话;后台显示‘已成交’,也要另外核对实际付款。”

售后也是同理,“标记退货不等于钱已经退到账”。

如果把场景扩到跨商户协同——比如用户说周六给父母过生日,要订餐厅、准备礼物并按时送到——她最担心的是 AI 在对话里说“都安排好了”,现实里却有一家商户根本没确认。

按照她定的产品标准,餐厅确认了、礼物缺货了,系统要把哪些已确认、哪些还在等分别展示出来,让用户选择换礼物、等待或者取消其中一部分,替代品、增加的费用和新的送达时间都必须经过用户确认。

及格线:同一批商品,换个 AI 入口也不出乱子

光尘同行目前自己就在用通义千问。在甄子祺看来,模型升级之后,理解语言、提取信息、生成内容都会变得更容易,但模型不会自己知道一家门店刚卖掉了哪个规格,也不会知道某条推荐发给了谁、顾客看没看、门店后来怎么处理。

独立平台的价值,取决于别人调用这套能力时,能不能真的少做重复工作:AI 团队不用一家家重写商品和门店规则,品牌也不用每换一个入口就重新录一遍商品、重新教一次规则。

对于未来 12 个月,甄子祺给自己定的目标很具体:交出一件可以公开演示、也能查记录的结果——“同一批商户商品,不只在搭介小程序里能用,在另一个AI入口里也能完成从选择到商户承接的过程。”

为了验收这件事,她打算专门挑容易出错的情况去测:商品已经下架,另一个入口还会不会继续推荐;用户没有确认新的金额,系统会不会往下执行;同一个请求因为网络问题重试,会不会重复生成任务、重复提交订单;门店还没有接单,对话里会不会已经告诉用户“安排好了”。

当年做定制时,她盯着的是舞台顶光打下来,客户手里那块好看的面料会不会变成一团残影;现在做商业服务基础设施,她盯着的是门店还没接单时,AI 会不会在对话框里提前说出那句“安排好了”。

更多对话细节:

访谈对象

光尘同行 联合创始人兼 CPO 甄子祺

第一关:用户说清需求之后,AI 该省掉哪些重复动作

Q1:如果用户只说出“我想完成什么”,商品和服务就能围绕需求组织起来,今天习以为常的搜索、比价、跨 App 操作会发生什么变化?真正需要重新设计的是什么?

甄子祺:有些选择本来就是乐趣,不需要 AI 替人拿走。顾客真正嫌麻烦的,是已经有了明确需求,还要反复找图、问尺码、确认库存,再找门店联系。

我看重的是,用户少做了哪些重复工作。她说完需求之后,系统应该替她把相关的东西找齐、组织好,让她有依据作决定。她愿意自己慢慢挑,当然也应该保留这个空间。

Q2:既然希望建设“AI 商业服务基础设施”,为什么先做自己的小程序?

甄子祺:如果以后用户在别的 AI 里说「帮我安排好」,后面仍然需要有人知道哪些商家能接、有什么商品、条件是什么。我们希望把这部分做好,用户可以不必再专门打开搭介。

为什么先做自己的小程序?因为很多细节,只有把顾客和商家两头都做出来,才会碰到。商家上传的商品,究竟是一个款,还是某个颜色、某个尺码的一个可售规格?用户扫码进入之后,关联的是哪家品牌?

推荐保存成功了,是不是已经发给顾客?顾客提交订单,是不是已经付款?这些都不能只凭一句话判断。

这个方向与再做一个流量入口不太一样。我们希望商家的商品和服务整理一次,之后可以在不同入口使用。

第二关:为什么从时尚开始,专家值钱的那一层在哪

Q3:为什么从时尚消费开始?怎样判断一个产品做得够不够专业?

甄子祺:时尚很难只靠一句「推荐得挺好」就过关。用户会把东西穿到自己身上,也会真的花钱购买。图片里觉得不错,拿到实物却不合适,前面的判断就要重新看。

我们现在对新品做的处理,已经细到颜色、线条、量感、版型、场景,再和顾客授权的风格、身材档案放在一起看。

拿「量感」来说,衣服给人的轻重、大小和存在感都会影响整体效果。同样叫外套,轮廓、长度、肩部和装饰不同,不能因为属于同一品类就给相同建议。

如果让我判断一个产品做得够不够专业,我还会继续往下问:它有没有把场合说清楚?有没有看到领口、袖型、长度这些具体条件?给出的理由,能不能在商品和用户的信息里找到依据?用户只想换一双鞋解决问题时,是不是非得重新给她推荐一整套?这些地方会暴露系统究竟懂不懂这个问题。

Q4:过去参与服饰定制时,哪一次经历让您发现真正值钱的经验很难写进说明书?

甄子祺:当我的客户在找我做定制时拿着面料说「我就要这个,在手里很好看」,这话没错,但她是拿在手里看,我看到的是上台一打顶光就会变灰、褶皱全被吃掉,观众离二十米只看到一团残影;客户说要大体量才显气场,可身高不够就会被那个量感横向压住,不是压场,是被压。

客户在自己的视角里永远是对的,她想的是「我要什么」,我看的是「这件东西在真实条件下会变成什么样」;中间差的那一层,就是专家值钱的地方。

这层东西写不进说明书,因为一旦说出来就只剩「注意灯光」「注意量感」这种表面的话术;但真正有用的是「在什么身高、什么廓形、什么距离下,这个效果会反过来咬你」,那是一长串「如果……除非」。

专业能力不是给出答案,是界定条件、判断什么时候结论不成立。

第三关:一条专家经验怎么进入产品,专家吵起来了听谁的

Q5:一条专家经验怎样真正进入了你们的产品?

甄子祺:最早期做成套推荐时,我们把「同色系延伸」作为帮小个子拉长视觉身高的一条主要策略。但模型当时只读了颜色这一层,没看到上下身材质的反差:亮缎配亚麻,一个反光一个哑光,视觉被断成两截,腰线位置多出一道横向分界,拉长身高的效果反而被截断,风格也不统一。

抽查发现这类问题后,我们把它提炼成材质层面的约束规则并写回系统:明确哪些材质组合成立、哪些材质在同一个造型里天然冲突,以及同一种材质在不同风格下能不能用。

大模型最初的推理方式偏直接:它倾向于在信息之间建立最直观的关联,并据此作出判断。这种路径效率很高,但也容易产生想当然的推断,触达一些不易察觉的盲区。

Q6:如果连专家之间都无法达成一致,系统怎样避免把某一个人的审美包装成适用于所有人的标准?

甄子祺:我不会把「专家没有达成一致」理解成必须训练 AI 选出一个唯一答案。有些是事实问题,有些是偏好问题,应该分开。

现在后台的顾客详情里有风格、色彩、身材和场景等信息,也需要看空值和置信度。对我来说,一个标签只提供了参考,不能盖过顾客刚刚说的话。她今天想换一种风格,系统就不能因为过去的档案一直把她拉回原来的选择。

品牌生成推荐后,也保留了人工检查。模型的第一轮结果还有人可以改,不能一生成就当成专业结论发出去。至于用户明确表示喜欢的东西,可以提醒她要留意的地方,但不能拿专业身份压她。

第四关:从盯一个结果,到把一类问题做成别人能用的东西

Q7:当部分判断可以被产品复用,您自己的角色发生了什么变化?

甄子祺:我自己的变化,是从盯着一个结果,转向把一类问题做成别人也能使用的东西。

搭介已经有 10 万以上累计用户,生成了 100 万次以上本人试穿结果。这里说的是产品累计使用量。数量上来之后,我更在意同一种错误会不会反复出现,哪些地方需要人审核,怎样让用户看懂。这比自己做出一张满意的图,要处理的事情多得多。

Q8:把商家的接口全部接通,AI 就能把事情办成了吗?

甄子祺:接通只是开始。拿商品来说,一件上衣有两个颜色、两个尺码,就有四个可售规格。商家说「这款有货」,不等于顾客想买的黑色 M 码还有货。数据进了后台,并不代表顾客已经看得见、买得到。

我们跟进商户录入时,也遇到过只上架 10 件商品的情况,还要继续沟通多录一些。这不是模型回答水平的问题,是可选商品本来就太少。

接口成功返回以后,系统仍然要决定这次调用什么。适合顾客的商品、此刻可售的规格、能提供服务的门店,要对在一起。尤其换到更多 AI 入口以后,我会要求库存、价格等信息带着可核验的状态使用,不能把一条过时记录当成确定承诺。

第五关:氛围感、流量、技术演示,哪个才算数

Q9:有没有一次演示效果很好,您仍然决定改掉?

甄子祺:最初做效果图时,团队希望做得更有氛围感:从场景到姿势都反复打磨,让图片本身能打动人,从而推动下单。但我判断这条路走偏了:氛围越足,用户看到的越是一个好看画面,而不是这件衣服穿在她身上的真实还原度。

所以我们取消了所有美化,让图尽量简洁,但能一眼看清衣服本来的样子。因为用户要判断的始终是——「我穿好不好看」,不是「这张图好不好看」。

Q10:一家没有流量、却有真本事的小店,AI 凭什么把订单交给它?

甄子祺:我会先让小店把本事变成别人能看见、能核对的东西。不能因为它不擅长拍视频,就认定它的商品和服务不好;也不能因为它很会写介绍,就把它排在所有人前面。

具体有没有效果,后台已经有一些可追踪的记录。不同门店或活动可以分别建码,比较扫码和绑定;一条推荐也可以继续看发送、查看和下单的情况。

我会把这些数分开看,扫码不等于绑定,发出不等于看过,下单也不等于最终成交。混在一起报一个很大的数,对商家没什么帮助。

如果平台以后承担更多商家选择,我会要求推荐理由能说明商品和服务为什么适合当次需求。商业推广也应该让用户看得明白,不能用出价高低替代适配判断。

Q11:目前最有说服力的用户或商户反馈是什么?

甄子祺:现在已经有欧美海外品牌接入搭介,我们也在国内真实门店验证过商品、推荐和订单承接的流程。对我来说,品牌愿意把真正要销售的商品接进来,比任何技术演示都有说服力。

早期有一位用户的反馈让我印象很深,她说:「档案填了一堆,回答的时候好像没用上。」这句话其实点出了一个很大的问题。

用户不在乎 AI 用了多先进的模型,她在乎的是,我已经告诉过你我是谁、我喜欢什么,为什么下一次还要重新解释?这让我们意识到,真正理解一个人,不是能准确描述她,而是她提供的信息能不能持续影响之后的每一次判断。

当然,品牌接入和流程验证只是第一步。商家会不会持续使用、用户会不会真正购买和复购,还需要更长时间的验证。

第六关:模型越来越强,还需要一家独立的基础设施公司吗

Q12:如果未来每家大公司都有很强的模型,为什么还会需要一家独立的商业服务基础设施公司?

甄子祺:我们自己就在用通义千问。模型进步以后,理解语言、提取信息、生成内容会更容易,我们没有必要把这些进步当成威胁。

但模型不知道一家门店刚刚卖掉了哪个规格,也不会自己知道某条推荐究竟发给了谁、顾客有没有看、门店后来怎样处理。

所以我觉得,独立平台有没有价值,看的是别人使用这些能力时,是否真的少做了重复工作。AI 团队不用一家家重写商品和门店规则,品牌也不用每换一个入口就重新整理顾客和商品。

Q13:未来 12 个月,您最希望交出哪一项具体结果?

甄子祺:我希望未来 12 个月能交出一件可以公开演示、也能查记录的结果:同一批商户商品,不只在搭介小程序里能用,在另一个 AI 入口里也能完成从选择到商户承接的过程。

为了验收这件事,我会专门挑容易出错的情况测。商品已经下架,另一个入口还会不会继续推荐?用户没有确认新的金额,系统会不会往下执行?同一个请求因为网络问题重试,会不会重复生成任务、重复提交订单?门店没有接单,对话里会不会已经告诉用户「安排好了」?

这些情况都过得去,比一段顺畅的演示更有说服力。

Q14:如果十年后,一个人的专业经验和一家小店的独特服务都能被更广泛地调用,您希望看到什么变化?

甄子祺:我希望专业能力以后能去到更多人身边。一个很好的设计师、老师傅或门店老板,即使不擅长经营流量,也有机会被真正需要他的人找到。用户不用先认识这个行业里的所有品牌,才敢作一次选择。

我不期待所有人的选择变得一样。恰恰相反,如果系统能更好地理解差异,小品牌、特殊需求和有特点的服务,都可能获得更多机会。普通人能更容易获得专业帮助,商家也能把本事用在更多顾客身上,这个变化才值得我们一直做。

跳转微信打开

  •  

把小巨蛋卖到千万台之后,他把团队砍到了一个人

原创 Unique Research 2026-11-13 17:00 上海

今天记忆硬件最大的泡沫就是他把它当成了一个记录设备。

AI 记忆硬件 · 创始人访谈

把小巨蛋卖到千万台之后,他把团队砍到了一个人

“今天记忆硬件最大的泡沫就是他把它当成了一个记录设备。”

买过 AI 录音卡、智能戒指或 AI 录音笔的人,最后大概率都会撞上同一个结局:

每天努着劲儿录下一堆会议和对话,看着 App 里塞满自动生成的转写纪要,成就感拉满;但过了几天,你从来没有点开回看过哪怕一次。

“不是我不愿意看,是第一个我找不到了,第二个,我甚至我都忘记掉我曾经讨论过这个事情了。”

“今天记忆硬件最大的泡沫就是他把它当成了一个记录设备。”

给出这个判断的,是 MemoPin 创始人叶志伟(Milo)。在创立 MemoPin 之前,他最知名的战绩是在唱吧从 0 到 1 做出了“小巨蛋麦克风”,单品累计销量突破千万台。

按常理,一个操盘过千万台级爆款的硬件老兵再下场做 AI 硬件,脚本通常是拉起一支几十人的豪华团队、拿下一笔可观的机构融资、做一个“24 小时全天候无感监听(Always-on)”的潮酷硬件,再套上硅谷流行的“高客单价硬件 + 按月订阅”商业模式。

但叶志伟这次摊开的账本,几乎把上述每一条行业惯例都反了过来:

当年做小巨蛋,他手握充裕预算、统管“大几十号人”打全渠道正规军战役;如今做 AI 记忆吊坠 MemoPin,团队里实实在在全职的人只有他自己 1 个,另外 7、8 位前端、服务端和算法同事全靠下班和周末时间兼职。

公司至今没拿外部融资,靠自有资金垫付打样开销;产品设计上坚决拒绝 Always-on 全天候监听,收费上砍掉强制包月订阅、改按额度(Credit)按需付费;产品计划明年 1、2 月上市,希望在上市后的第一年向 10 万台销量的目标发起冲击。

当整个 AI 硬件赛道都在抢夺“现实世界的 Token 入口”时,这位自嘲为“老登创业者”的千万台爆款操盘手,到底是怎么算清 AI 记忆硬件这笔账的?

从“大几十号人”到“全职就我一个”:十几年没写代码的创始人亲自改 Bug

从累计销量千万台的唱吧小巨蛋麦克风,到如今的记忆吊坠 MemoPin,底层有两条线是连着的:一是都以信息密度最高的“声音”为入口;二是都在帮用户突破自身局限。

当年做小巨蛋,是让普通人拿着麦克风唱歌时“会觉得自己是舞台的核心”;今天做 MemoPin,则是因为叶志伟自己在做个体创业者(OPC)时,天天被海量待办逼到招架不住——脑中冒出的想法“跟云彩一样,很快就会飘走了”,到了晚上关灯准备睡觉,又常会一拍大腿,懊恼白天答应别人的事忘了做。

为了治好这个痛点,他拉起了 MemoPin 团队,但组织形态已与当年截然不同:

“曾经做唱吧小巨蛋麦克风的时候,团队至少有个大几十号人吧,也算是一个比较大的团队。但今天团队要说实实在在全职的人,其实就是我一个人。”

除他之外,其余 7、8 位同事全部利用下班和周末时间兼职参与。

支撑这种极简配置的,是从第一天起就跑在 AI 上的工作流。

MemoPin 的产品定义、PRD 乃至产品原型都由 AI 生成,但叶志伟拆穿了外界对“一句话生成产品”的幻想:

“我其实不是给 AI 一句话,然后就生成了一个产品定义。”

每当对一个话题有想法,他会先花 30 分钟到 1 小时把思路全部口述录下来,再交给 AI 整理成 PRD、画原型;用户调研也先由 AI 批量初筛推文;甚至他这个“已经十几年没有写过代码的菜鸟”,也在 AI 帮助下亲自下场改了大量 Bug。

团队至今没有出现“试着交给 AI、最后又把人请回来”的返工,因为从一开始就划清了边界——AI 替代不了创始人的产品 taste(品味与判断):

“哪个功能是需要的,哪个功能是不应该加的,我们应该多一个功能还是少一个功能,用户的体验是什么样,那这个呢还是需要有人来专门参与的。”

拒绝 Always-on、不做“录音笔”:为什么坚持让用户动手“按一下”?

传统记录硬件之所以陷入“只记不看”的死循环,是因为只做被动存储。

在叶志伟看来,今天的 AI 已经越来越会执行任务,但很多时候仍然需要用户明确告诉它要做什么;而真正了解用户的 Personal Agent(个人智能体),应该知道用户正在做什么、准备做什么,以及哪些事情需要主动处理。

因此,MemoPin 从立项起就不做单纯的录音笔,而是定位为 Memory OS(记忆操作系统)——通过沉淀长期记忆与个人上下文,成为未来 Personal Agent 的重要基础,吊坠只是当前选择的第一款硬件载体。

之所以选吊坠,叶志伟算的是一笔“摩擦力”账:AI 眼镜与戒指受限于电池续航;磁吸录音卡片“有的时候吸不住手机会掉,这个其实是一个蛮可怕的事情”;纯手机 App 则抵抗不了通讯中断,“如果有电话过来,哪怕是微信电话,它都会把记录给打断。”

相比之下,胸前吊坠带有大按键和震动反馈,不用低头看,抬手摸到按一下就能盲操记录。

这也引出了另一个关键取舍:既然追求“无感记录”,为什么还要动手“按一下”,而不做成 24 小时持续监听(Always-on)?

叶志伟解释,“无感记录”对应的英文是 non-friction(无摩擦),即零负担记录,绝不等于全天候监听。

坚持做 On-demand(按需触发),源于他对工作与生活边界的坚持:

“我希望把工作和生活分开。对于我完全 relax 的情况、完全轻松的情况,我是不愿意做记录的。我不希望我的生活每时每刻都是被 AI 记录的。”

如果设备一直开着监听,用户反而会时刻担心什么话该说、什么话不该说,彻底违背了帮用户“把掌控感给找回来”的初心。

也正是因为坚持 On-demand(按需触发),才能从源头更好地保护用户隐私——用户可以自主决定什么时候开始和结束,以及在和对方沟通过之后,才开始自己的记忆记录。

把早餐店的路人闲聊挡在外面:Memory OS 怎么长出“上帝视角”?

不靠用户自己翻录音,怎么解决“只记不看”?

叶志伟的解法是:记录只给 AI 看,给用户看的是主动推送的“洞察(Insight)”。

传统录音软件只有“时间”单一维度,而 MemoPin 将每次语音结构化、抽象成节点并向量化,按人、事(项目)、时间、场景四个维度织成知识网络,为每个人和每个项目建立独立的上下文。

这套架构首先解决了“AI 把路人闲聊当成用户的事”的抗噪难题。

除了硬件配备录音指示灯、由用户事先沟通并自主决定何时启停记录外,系统底层依靠声纹识别算法与人物维度隔离杂音。

叶志伟打了个比方:就像带秘书去早餐店吃早饭,周围食客都在闲聊,但秘书不会记路人的八卦,只会提醒你“王总,你今天下午要跟张总开一个电话会议,我已经把你需要的资料都准备好了放在你的办公桌上了”。

只要不是用户标注和关心的人事,就不会进入洞察推送。

同时,针对欧美市场 GDPR(《全球数据保护条例》)等数据保护法规的合规要求,MemoPin 也建立了完整的数据加密、访问控制、用户授权及数据删除机制,用户可随时查看、修改、删除或移动记忆,确保个人信息与记忆数据得到妥善保护。

当记忆沉淀下来后,系统会通过每日、每周、每月及跨周期的 Pattern Insight(模式洞察),充当用户的“外来视角”:

戳破“假目标”:叶志伟在好几次内部会议里反复提“国内想要有 1000 个用户”,系统发现他提了多次却从未拆解执行路径,直接提醒他:

“今天更像是只是你的一个目标,但是你的具体的路径还没有实现。”

捞回断掉的融资线索:一位内测创业者跟朋友聊天,朋友说认识一位既有钱又有资源的阿里极早期员工,答应一周后见面帮他问。结果忙起来两人都忘了。

一个月后,MemoPin 的 Monthly Insight(月度洞察)突然弹出提醒:当初朋友答应介绍的那位投资人尚无后续进展。

“这个时候他突然顿悟惊醒,还有这个事情,所以说他开始联系他的朋友。”

校准 ADHD 标签,以及“砍掉包月订阅、按额度付费”的低价账本

外界常把 MemoPin 与“ADHD(注意缺陷多动障碍)人群”绑定,但叶志伟主动对这一定位做了严格校准:

“其实我们没有去说我们是面对 ADHD 人群的,这个地方可能我要纠正一下。我们一直说的是我们针对的是 ADHD 焦虑人群和信息焦虑人群。”

完全由医学定义的确诊 ADHD 并非当前第一批服务对象,产品真正瞄准的是“有着 ADHD 倾向或者 ADHD 嫌疑的这些个体创业者或者小团队负责人”及职场人——因为覆盖的是广泛的职场信息焦虑群体,市场天花板并不窄。

在商业账本上,MemoPin 目前仍处于小范围内测,暂未披露具体硬件成本与毛利率,但已明确推翻了行业流行的“高售价 + 按月强制订阅”套路,改走低硬件门槛 + 按 Credit(额度)按需付费:

“如果你用得比较少的话,那你 2—3 个月花一定的费用也是 OK、也没问题的。但如果你确实用得比较多的话,那因为我们也有服务器成本,我们也有模型成本,那请帮我们也承担一下费用,让我们稍微有一点点利润可以支撑团队的工资。”

渠道与融资同样克制。

当年小巨蛋是全渠道正规军打法,适合从 1 到 10;如今小团队从 0 到 1,先靠新媒体找种子用户。

至于为何至今未融资、靠自有资金做样品,叶志伟自嘲道:

“因为我是老登创业者嘛,可能今天的融资环境也比较偏爱那种天才少年。对于老登创业者,我认为我们就踏踏实实先做点成绩出来吧。”

大厂做 80 分,小团队怎么活?抚仙湖三天的复盘

面对手机 OS、超级 App 以及各类录音卡、戒指、AI 眼镜的夹击,叶志伟算清了两处生存缝隙:一是独立物理入口不可替代,随手盲操比掏手机解锁快得多,且不会被来电打断;二是80 分与 95 分的温差——大厂要适配普世人群,“都能达到 80 分,但是你不会觉得用得很爽;但是我们的目标是让我们的一部分用户他的使用体验达到 95 分以上。”

在叶志伟的蓝图里,MemoPin 的长期记忆能力是未来 Personal Agent 的重要基础——将来沉淀下来的个人上下文,也完全可以与其他软件和 Agent 结合。

对于明年 1、2 月份产品上市后的 12 个月,叶志伟认为最核心的北极星指标则是用户每天积累的 Memory 数量,以此转起“记录越多→记忆越全→洞察越准→更愿记录”的飞轮。

前段时间,叶志伟去昆明南部的抚仙湖待了三天,把过往创业经历从头到尾复盘了一遍:

“我发现我成功的时候都是我一些只为用户思考的时候,当我有很多自己的 ego,我想去实现自我的目标的时候,我发现我就失败了。”

访谈精选 Q&A

受访者

MemoPin 创始人 叶志伟(Milo)

起点:为什么是“声音”,为什么盯着“ADHD 焦虑人群”

Q1:小巨蛋麦克风是“让人唱出来”,MemoPin 是“帮人记下来”——两者有什么连续性?

叶志伟:我做产品本质上都有一个梦想:能帮助别人变得更好。

之前做小巨蛋,是让用户觉得自己是舞台的核心、唱得跟明星一样;今天做 MemoPin 也是一样。

我自己作为个体创业者和 OPC 创业者,典型表现就是记不住事情、老忘掉很多待办,每天面对海量信息有点招架不住,希望做出这个产品帮到有同样痛苦的人。

另外,两者都借助声音作为入口——全世界的信息里,声音特别是语言的信息密度是最高的,这也是我决定从这块切入的原因。

Q2:为什么切入 ADHD 和拖延症人群?您自己就是目标人群吗?会不会限制市场天花板?

叶志伟:我自己就是痛点人群。我一直觉得自己就是 ADHD,只是确实没去医院确诊过。

我每天有无数想法,但就跟云彩一样很快飘走了。不光骑车、开车时需要记录,我最痛苦的是每天晚上关了灯想睡觉,这时候经常会一拍大腿:“啊,我又有一个事情忘了做了!”

我很讨厌忘记事情、错失对别人的承诺,但创业时事情太多真的招架不住。

所以我的第一批目标人群,其实是有着 ADHD 倾向或嫌疑的个体创业者、小团队负责人和职场人,完全医学定位的 ADHD 反而不是当前第一批人群。

从职场信息过载人群切入,天花板一点也不小。

一支“全职只有一个人”的 AI Native 团队

Q3:目前团队实际多少人?哪些环节交给了 AI,有试过交给 AI 又把人请回来的吗?

叶志伟:差别巨大。做唱吧小巨蛋时团队至少大几十号人;今天实实在在全职的人,其实就是我一个人。

另外有 7、8 个前端、服务端、算法的同事,都是利用下班和周末时间兼职参与。

我们从 Day 1 就是 AI Native 团队,连产品定义都是 AI 生成的。

但这里不是给 AI 一句话就生成产品定义——我的习惯是对一个话题先花 30 分钟到 1 小时录音,把想法全说出来,再让 AI 整理成 PRD、画原型;用户调研也先用 AI 大量筛选推文再重点看;甚至我这个十几年没写过代码的菜鸟,在 AI 帮助下也能去改很多 bug。

目前还没有哪个环节试过交给 AI 又把人请回来的,因为我们一开始就很清晰:产品的区别本质上是创始人的 taste(品味),即哪个功能该加、哪个不该加,这还是需要人专门参与。

形态:为什么是吊坠,为什么不做 Always-on

Q4:做记忆的硬件今年很多:眼镜、戒指、录音卡片、纯 App。为什么选吊坠?

叶志伟:这些都是入口,本质上我们是在做 Memory OS(记忆系统),未来也会支持多个入口。

今天选吊坠,是因为它对我这类人群最方便:手直接能摸着、马上能操作,不需要眼睛看。

产品上有一个非常大的按键,摸到摁一下还会有震动。

相比之下,眼镜、戒指受限于电池续航;录音卡片有的时候吸不住手机会掉,这其实蛮可怕的;纯 App 则抵抗不了电话,录音时只要有电话甚至微信电话进来就会被打断,所以一定需要独立硬件。

Q5:介绍里同时出现“无感记录”和“按一下记录”,为什么不做 Always-on(一直听)?

叶志伟:这不矛盾。“无感记录”英文叫 non-friction(无摩擦),意思是让用户没有任何负担地去记录,摸到摁一下就行。

至于为什么不做连按都不用按的 Always-on,这是产品哲学问题:我希望把工作和生活分开,在我完全 relax(放松)的时候,我不希望生活每时每刻都被 AI 记录。

今天信息爆炸已经让人失去了生活掌控感,如果产品是 Always-on,用户反而会担心什么话该说、什么话不该说,这就违反我们帮用户找回掌控感的初心了。

也正是因为我们坚持 On-demand,才能更好地保护用户隐私——用户可以自主决定什么时候开始和结束,以及和对方沟通过之后,才开始自己的记忆记录。

记忆怎么变成洞察,记错了怎么办

Q6:MemoPin 把记录按“人、事、时间、场景”沉淀并产出洞察,洞察具体怎么生成?

叶志伟:你可以把我们的记忆体系看成知识图谱或知识网络。

每次记忆会被结构化、抽象成若干节点并向量化,通过“人”和“项目”联系在一起,而不是像传统文档系统那样只有“时间”一个维度。

举个我自己的例子:我们在国内想要有 1000 个用户,系统发现我已经在好多个会议里提到了这个观点,但并没有对目标进行拆解,MemoPin 就提醒我:“今天更像是只是你的一个目标,但是你的具体的路径还没有实现。”

我一看确实是这样,一直在放愿景,还没认真想怎么做,这对我就帮助很大。

Q7:AI 记错了怎么办?比如把路人闲聊当成用户的事。用户能查看、修改、删除记忆吗?

叶志伟:出现这些问题,要么是没有声纹识别,要么是声纹识别没做好。

我们在记忆处理里专门有“人”的维度,为每个人、每个项目创建了独立上下文,点开某个人头像就能看到最近跟他聊了什么、关系有什么变化。

路人闲聊不会被主动推送给用户——就像你带一个秘书去早餐店吃早餐,周围很多人说话,但秘书听到了不会去记,他只关心跟你相关的事,提醒你“王总,下午要跟张总开电话会,资料已经放您办公桌上了”。

对于记忆,用户完全可以查看、修改、删除,或者把某条记忆移到其他人或项目下面。

Q8:吊坠会录到周围不知情的人,合规和伦理怎么处理?

叶志伟:提示音、指示灯这些是最基本的操作,我们使用时会有指示灯代表在录音,对方能看到;而且因为坚持 On-demand,用户可以自主决定什么时候开始和结束,并在和对方沟通过之后才开始自己的记忆记录。

另外,对于欧美市场有 GDPR 等数据保护法规的合规要求,我们的数据加密、访问控制、用户授权及数据删除等机制,都会确保用户的个人信息和记忆数据得到妥善保护。

在产品哲学上,我们也只推送跟用户相关的人和事,周边用户不在乎、也没有标注过的琐碎记忆,不会推送给用户。

ADHD 的边界,与一个真实用户的改变

Q9:MemoPin 不是医疗设备,对 ADHD 人群承诺的边界在哪?怕不怕被质疑“消费 ADHD 概念”?

叶志伟:我自己就是疑似 ADHD 患者,很痛苦,初衷是帮自己也帮别人,没有任何消费概念的原因。

而且我要纠正一下,我们没有说面对确诊 ADHD 人群,我们一直说针对的是“ADHD 焦虑人群”和“信息焦虑人群”。

这两者本质上是两类人,后者是因为职场信息过载、记不住事,怀疑自己有 ADHD 而到处搜解决方案,我们真心想帮的是这一批人。

Q10:能再讲一个真实用户因为 MemoPin 发生具体改变的细节吗?

叶志伟:有一个真实用户也是创业者,正在融资。

有次他跟朋友聊天,朋友说认识一个很有钱的投资人,是阿里非常早期的员工,不光能给钱还能给很多资源,答应一星期后见面当面帮他问。

结果大家都很忙,后来两个人全把这事忘了。

一个月后,他在我们的 Monthly Insight(月度洞察)里突然看到提醒:当初朋友说帮你介绍那位既能投钱又能带资源的投资人,目前没有后续进展。

他突然顿悟惊醒,马上开始联系朋友。

账本:定价、只记不看、渠道与竞争

Q11:硬件怎么定价,有没有订阅?目前卖了多少台?

叶志伟:我们现在还在内测阶段,测试用户非常非常少,这要坦诚交代。

市场上很多 AI 产品蛮贵的,我希望定一个非常便宜、大家承担得起的价格,我只要有一点点钱赚、甚至前期不赚钱都可以。

其次,很多人抱怨按月订阅,我们改成了按 Credit(额度)收费:用得少的话,两三个月花一点费用就 OK;用得多的话,因为我们也有服务器和模型成本,就请帮我们分担一下,让我们稍微有一点利润支撑团队工资。

Q12:你们用什么设计对抗记录类产品“只记不看”的死亡陷阱?

叶志伟:我们没把自己定位成记录类甚至单纯的记忆类产品,而是 Personal Assistant(个人助理)或 Personal Agent。

今天的 AI 已经越来越会执行任务,但很多时候仍然需要用户明确告诉它要做什么;真正了解用户的 Personal Agent,应该知道用户正在做什么、准备做什么,以及哪些事情需要主动处理。

MemoPin 希望通过长期记忆与个人上下文,成为 Personal Agent 的基础。

因此我们做记录是给 AI 看的,不是给用户看的,用户只要看系统推给他的洞察就好了。

我们会通过每天、每周、每月的时间维度,以及 Pattern Insight(模式洞察),充当用户的“外来视角”——比如一件事你处理了好多天还在处理,或者提了很多次却还没做,系统就会主动提醒你是不是该调整做法了。

Q13:渠道上怎么打?目前有没有融资,资金怎么支撑?

叶志伟:小巨蛋当年人多预算足,是全渠道正规军打法,那适合从 1 到 10。

MemoPin 现在团队极小,早期先在新媒体里找细分种子用户,把“记住与你相关的事并主动提醒”这一点做到极致。

融资方面,我们今天还没有融资。

因为我是老登创业者嘛,今天的融资环境比较偏爱天才少年,老登创业者就踏踏实实先做点成绩出来,当然对项目感兴趣的我也愿意聊。

Q14:面对各种记忆硬件对手,以及手机 OS 和大厂超级 App 的系统级个人记忆,MemoPin 守得住的是什么?

叶志伟:共识是“The key is 上下文”,没有上下文 AI 就不懂你。

而今天记忆硬件最大的泡沫,就是把它当成了记录设备,记了很多最终没看。

我们的 Slogan 是 “Remember what matters,know what to do next”(记住重要的事,知道下一步做什么)。

面对手机 OS 和大厂超级 App,他们一定会在某些层面做得比我好,但用户依然需要独立硬件,因为掏手机记录本身就很困难;同时大厂要适配普世人群,做到大多数人觉得 OK 的 80 分,而我们的策略是先服务好一小部分痛点人群,把体验做到 95 分以上。

Q15:最后给想做“小团队 AI 硬件”的创业者一句忠告?

叶志伟:我前段时间去昆明南部的抚仙湖待了 3 天,复盘我曾经的创业经历。

我发现我成功的时候,都是我只为用户思考的时候;当我有很多自己的 ego(自我)、想去实现自我目标的时候,我就失败了。

所以很多时候不是我们想做什么产品,而是用户需要什么、我们能不能真正帮到别人。

跳转微信打开

  •  

硬件白送、月租20元,这支不到100人的团队今年预计净利6000万

原创 Unique Research 2026-11-12 17:23 上海

做硬件相关业务的企业不可能搞烧钱模式

AI 硬件 · 深度访谈

硬件白送、月租20元,这支不到100人的团队今年预计净利6000万

“这个模式起步就要盈利才值得做,因为我们投入设备都是长周期回收成本的,做硬件相关业务的企业不可能搞烧钱模式。”

做消费级AI硬件,最容易把自己算死的两笔账是什么?

一是把硬件当成一锤子买卖,几百上千元的售价把大众挡在门外,卖出去的设备又因为持续调用云端大模型,用户聊得越嗨,公司算力亏得越狠;二是想走线下重渠道建品牌,却发现前面立着小天才这样的巨头,高昂的渠道成本一旦背上就再也退不回来。

小水智能CEO孙雪峰换了一种算法:把一台儿童腕表的硬件成本压到百元以下,通过运营商渠道免费送给用户,条件是签约24个月、每月付20元。

这笔看似不起眼的“20元月租”生意,跑出了一组硬核的账面数据:目前小水智能累积在网付费订阅用户达150万,每月扣除一定比例的流失后仍新增约5万订阅用户,单用户毛利率维持在50%左右;第一批两年合约到期的用户,续费率约50%。

靠着这套模式,这支总人数不到100人、产研不到30人、累计融资过6000万元的团队,今年已经实现现金流为正,预计净利润在6000万元以上。

2021年加入小水智能前,孙雪峰从硬件工程师干起,经历过校内网、人人网,联合创办过im2.0(后被WPP全资收购),也做过e袋洗合伙人。

这段横跨硬件、互联网商业化和线下服务运营的履历,让他对“烧钱换规模”保持着本能的警惕。

当行业热衷于讨论“世界模型”“无屏防沉迷”和“AI替代程序员”时,他关心的是20块钱的包月套餐怎么不被大模型成本击穿。

百元成本、20元月租:起步不赚钱的硬件不值得做

24个月合约期满,单个订阅用户贡献的总收入大约是480元。这480元要覆盖不到100元的腕表硬件成本、运营商渠道分成,以及整整两年的AI模型调用费,最后还要留下约50%的毛利。

“这个模式起步就要盈利才值得做,因为我们投入设备都是长周期回收成本的,做硬件相关业务的企业不可能搞烧钱模式。”孙雪峰说。

硬件成本压到百元以内只是第一步,真正的风险在算力端:月租20元是封顶的,一旦孩子高频拉着AI聊天,或者调用生图、生视频等重度功能,云端Token费用很容易把利润吃光。

小水智能的解法是用“混合模型 + 自研小模型”截流。

在国内,他们同时接入了通义、DeepSeek和豆包,海外则与Google合作采用Gemini,根据各家模型的能力特色与性价比做调配。但在实际交互中,90%的儿童使用场景都在小水智能自研的小模型上完成。

在孙雪峰看来,头部的儿童腕表企业都看到了“让模型更懂孩子”这个方向,只是多数企业选择直接把某家大厂的模型植入腕表,而小水智能把研发重心放在了小模型上。

“孩子需要的不是把成人的AI聊天工具放进手表,而是能听懂孩子的问题、用孩子理解的方式回答,并且守住内容和使用边界。”

因为90%的日常问答由自研小模型承接,不仅交互体验比单纯调用通用大模型更贴合儿童,模型本身的调用成本占订阅收入的比例也被压到了极低水平。

正因如此,面对高频聊天的“重度用户”,小水智能现阶段非但不限流,反而鼓励他们多用,以此沉淀数据、把模型喂得更精准。

但对于成本高昂的多模态生成和“世界模型”,孙雪峰画了一条明确的红线:绝不塞进20元的包月套餐里。

此前小水智能4.0版本曾提出“世界模型”概念,让孩子在腕表上走进AIGC生成的恐龙世界。谈及这项功能的落地进度,孙雪峰坦言:“这个还只是在我们的内部实验室阶段,当前的设备性很低,只能走云端来实现。”

在他看来,如何把世界模型的特色与儿童日常需求融合起来,而不是简单在表盘上播一段动态视频互动,用户体验还需要继续挖掘。

至于生图、生视频等服务,目前同样没有正式上线——这类模型当前成本太高,不适合让儿童高频使用并算进20元月租里,真正推向市场必须等到性价比能被家长接受时,再作为单独的付费套餐上架。

不跟小天才拼高价渠道,也不迷信“无屏防沉迷”

在儿童腕表市场,小天才几乎是一座绕不过去的大山。靠AI能力,能从传统品牌手里抢下家长信任和线下渠道吗?

孙雪峰没有讲“用AI颠覆传统巨头”的故事。他很清楚两家抢的根本不是同一批用户。

“小天才在品牌投入、渠道和家长信任上积累很深,这些都是真实现状。儿童产品里,可靠、安全、售后能找到人,是很基本的要求,但他们渠道成本过高,高价格的策略是无法回头的。”

孙雪峰分析,选择小水智能的用户,更多是不舍得花那么贵的钱买表、但依然需要给孩子配一块儿童腕表的家庭,同时家长又希望孩子能用上带AI服务的产品。

当第一批两年合约期满,那50%选择续费的用户里,有不少孩子已经长大不再戴表,家长便直接把这套每月20元的通信与AI服务套餐平移到了学习机或手机上继续用。

这种“算性价比账”的逻辑,同样决定了小水智能在国内外的技术选型。

面对“国内用国产模型、海外用Google Gemini,维护两套体系成本高不高、会不会受地缘政治影响”的疑问,孙雪峰认为,地缘政治对消费电子领域不会有什么影响,只会越来越融合。

“很难想象会有脱离中国硬件的AI硬件企业能在海外市场蓬勃发展。面对中国市场没必要使用美国模型,中国老百姓需要的是性价比,也就是价格是人民币的单位,但性能可以略低于美国模型。”

而在儿童产品最容易翻车的内容安全、隐私合规与防沉迷三件事上,小水智能的处理方式同样带着很强的工程实用主义:

首先是内容审核。

“儿童内容的要求不只是把成人内容里的敏感词删掉。孩子对答案的判断能力、情绪理解和依赖程度都不同,我们要关心答案是否正确、是否适龄、会不会让孩子误解,让模型用孩子能听懂的话交流。”

通过与多家内容安全服务机构做技术对接,并靠内部AI运营持续排查新问题,小水智能至今没有出现过内容安全相关的投诉。

其次是出海合规。

印尼、巴西、墨西哥等市场对儿童数据、语音和位置隐私的监管要求差异极大。孙雪峰直截了当地表示“这方面还没有太多的尝试”。

接下来的出海,小水智能不打算在合规成本极高的市场硬碰硬:高合规成本的市场要么直接不启动,要么根据客户需求采用满足当地法规的基础大模型,或者直接找已经具备当地合规能力的合作伙伴落地。

最后是困扰所有家长的屏幕时间与防沉迷。

“对儿童产品,使用时长越长不一定代表产品越成功;能把一个问题解释清楚、帮助孩子完成一个任务,然后回到现实生活,同样有价值。”

目前,小水智能正在研发更多依靠语音交互的无屏儿童腕表。但即便自己在做无屏产品,孙雪峰也直接挑明了无屏的局限:

“无屏本身不等于没有沉迷风险,持续语音陪伴也需要边界,我们会在夜晚的休息时间禁用AI聊天的相关功能。”

从儿童表跨界政企“数字员工”:跑通原型只需一周,能收费是另一回事

今年以来,小水智能除了卖儿童腕表,还干了两件看起来跨度极大的事:一是向其它AI硬件厂商开放Agent中台,用自己的渠道帮合作硬件起量;二是在今年4月基于开源生态OpenClaw(俗称“小龙虾”)推出了“蜂巢系统”,面向央企、国企提供私有化部署的数字员工。

不到30人的产研团队,为什么既做20块钱月租的儿童表,又去啃央国企的私有化项目?

“从我们自己的业务理解看,腕表与企业数字员工表面上服务不同人群,但都涉及把模型接到具体任务里,让它按规则调用工具、完成工作。中台能力都是可复用的。”

孙雪峰解释,小水智能的业务方向是“AI硬件 + Agent中台”,围绕儿童陪伴、老人康养和成人办公三个场景展开,团队本身就同时配置了硬件、AI应用、运营商渠道和平台私有化部署交付的能力。对外开放中台时,也只挑选渠道和场景互补的伙伴,避免与自营腕表抢资源。

此前有报道提到,小水智能基于OpenClaw仅用一周时间就上线了蜂巢系统。但谈到这块业务的实际状态,孙雪峰区分了“跑通Demo”和“商业交付”的距离:

“一个原型很快跑起来,和成为可收费、可维护的产品,中间还有大量的工作。”

他说,企业私有化场景会撞上数据边界、权限管理、异常处理、日志审计和持续运维等一系列硬骨头,全得靠实际交付去啃。目前,蜂巢系统已经积累了一批真实付费用户,并在根据客户新需求向“企业大脑”形态演进。

这套在政企市场跑出来的OpenClaw Agent能力,接下来又会反哺回消费级硬件。

孙雪峰透露,未来12个月公司最重要的目标,是把蜂巢系统的Agent能力与硬件深度融合,做出具备“强记忆服务、越用越懂用户”的龙虾系列硬件。除了明年即将推出的龙虾儿童腕表,他还点名了三个看好的细分品类:龙虾耳机、龙虾录音卡、龙虾眼镜。

“关键是还要实现每个月2、30元的价格就能拥有。”孙雪峰补了一句。

“人虾合一”的边界:会用AI,不等于能跳过专业判断

业务全面转向OpenClaw生态的同时,小水智能内部也在拿自己的团队做试验。此前公司曾对外提到“几乎不再招满足原有岗位的人”,比如招新媒体背景的研究生当产品经理,让工程师退到代码验收环节。

孙雪峰把这种组织模式称为“人虾合一”——人负责目标、判断和创造,和AI团队一起把工作做成。但这套AI原生组织跑下来,他对“用AI替代专业能力”划出了一条清楚的界限:

“我不认为会用AI就可以跳过专业判断。产品经理还是要理解用户,工程师还是要对系统质量负责。AI写出代码,和代码能安全稳定地运行,是两回事;能生成内容,和内容值得交付,也是两回事。”

在他看来,衡量组织转型不能只统计员工用了多少个AI工具,而是要看最终的结果质量、返工情况、交付周期以及责任边界是否清楚。

“AI原生组织的发展是一个循序渐进的过程不能激进也不能不干,只要引入的人才是自我驱动学习型的,带着对AI的极大热爱,踩再多的坑也都是组织进化的有利催化剂。”

目前,小水智能正在洽谈新一轮融资,同时也考虑与已上市公司形成并购,以便加强资本投入、加快全球化市场拓展(至于外界曾报道过的“卫星物联网+5G服务低空产业”布局,孙雪峰此次明确表示不予讨论)。

面对海外明星AI硬件项目接连熄火、国内大厂AI腕表追赶以及儿童内容监管趋严的外部环境,被问及“现在最睡不着觉的一件事是什么”时,孙雪峰的回答是:“为啥要睡不着呢,一直都是在变得越来好。”

他算得很务实:明星项目熄火在任何领域都正常,眼下连原有硬件的AI Agent化都还差得很远,AI硬件离泡沫还远着呢;大厂下场,刚好帮着把用户认知拉齐、把市场规模做大;监管越明确,大家越有规则可循;而随着AI越来越好用,订阅续约率的提升只是自然的结果。

“最大的误解就是先观望不干和赶紧干这两种,我们只是做到能跟上全球AI节奏,保持别掉队出局。”在访谈最后,孙雪峰给想做AI硬件的创业者留了一句反直觉的建议:

“多琢磨用户痛点,少定义用户需求,先从小事儿干起来!”

访谈精选 Q&A

受访

小水智能 CEO 孙雪峰

第一关:为什么是儿童腕表,这笔账怎么算

Q1:您之前横跨硬件、互联网和服务运营,为什么最后选择了儿童腕表?当时看到了什么机会?

孙雪峰:我是2021年加入小水智能担任CEO。

在这之前,我从硬件工程师开始工作,经历过校内网、人人网,联合创办过im2.0,被WPP全资收购,也做过e袋洗合伙人。我的经历横跨硬件、互联网商业化和服务运营。

对于儿童腕表,我更关注它能不能成为孩子日常可用的AI入口。孩子需要的不是把成人的AI聊天工具放进手表,而是能听懂孩子的问题、用孩子理解的方式回答,并且守住内容和使用边界。

我们努力的方向一直是:要让模型更懂孩子。

这个方向头部的儿童腕表企业都看到了,只是各自投入不同。我们更专注在小模型的研发上,只有这样才能不断形成用户体验的差异化。其他企业更多是选择某个大厂的模型植入到腕表里。

Q2:小水智能现在有多少人?融资、营收和盈利情况怎么样?

孙雪峰:团队现在不到100人,产研团队不到30人。累计融资6000万元,正在洽谈新一轮融资,同时也在考虑与已上市公司形成并购,以便加强资本投入,尽快扩大全球化市场的拓展。

我们的业务方向是AI硬件加Agent中台,围绕儿童陪伴、老人康养和成人办公展开。团队需要同时具备硬件、AI应用、运营商渠道和平台私有化部署交付能力。

今年已经实现现金流为正,净利润预计在6000万元以上。

Q3:你们累计有150万付费订阅用户。每月新增、用户流失和到期续费情况怎么样?24个月合约到期后,用户还会继续付费吗?

孙雪峰:我们现在累计在网付费订阅用户数在150万。每月会有一定比例的流失,不过每月新增5万左右订阅用户,总体还是在持续增长中。

合约到期后的续费率在50%左右。用户也会选择把我们的通信套餐用到学习机或者手机上。

我们正在研发龙虾儿童腕表,将会形成儿童用户的强记忆服务,实现越用越懂孩子,带来后续的持续服务价值,以及生图、生视频的多模态AI服务。

Q4:硬件免费送,用户每月付20元,签约24个月。这笔账到底赚不赚钱?硬件成本和订阅毛利能做到多少?

孙雪峰:硬件成本在百元以下,我们现在订阅用户带来的毛利差不多在50%左右。

这个模式起步就要盈利才值得做。因为我们投入设备都是长周期回收成本的,做硬件相关业务的企业不可能搞烧钱模式。

第二关:模型成本、内容安全与防沉迷

Q5:AI功能越来越重,模型调用成本也会越来越高。你们怎么控制成本?有没有重度用户把单月模型成本用到超过月费?

孙雪峰:我们使用的是自研的混合模型,90%的儿童使用场景都是在自研的小模型上完成交互,模型本身的成本占比很低。

我们还没有正式上线生图、生视频这些服务。这些模型当前成本高,不适合儿童高频使用,也不适合计算在包月中。

重度用户我们现阶段是鼓励的,可以帮我们完善产品的数据,让我们的模型更加精准。

Q6:儿童AI产品最难的是内容安全。AI生成的知识可能出错,也可能出现不适合儿童的内容。你们怎么解决?儿童和成人的内容审核有什么不同?

孙雪峰:儿童内容的要求不只是把成人内容里的敏感词删掉。

孩子对答案的判断能力、情绪理解和依赖程度都不同。我们要关心答案是否正确、是否适龄、会不会让孩子误解,让模型用孩子能听懂的话交流。

目前没有出现过相关投诉。

在内容安全方面,我们与多家内容安全服务机构进行技术对接,并持续加强对AI运营中发现的新问题的防范。

Q7:儿童腕表一直面临屏幕时间和防沉迷的争议。你们为什么还在研发无屏儿童腕表?语音陪伴会不会带来新的沉迷问题?

孙雪峰:我希望孩子获得的是有帮助的AI能力,而不是更长的看屏幕时间。

对儿童产品,使用时长越长不一定代表产品越成功。能把一个问题解释清楚,帮助孩子完成一个任务,然后回到现实生活,同样有价值。

我们正在研发无屏儿童腕表,更多依靠语音交互。

但无屏本身不等于没有沉迷风险,持续语音陪伴也需要边界。我们会在夜晚的休息时间禁用AI聊天的相关功能。

Q8:你们在研发的4.0世界模型,希望让孩子通过腕表走进AIGC恐龙世界。手表算力和屏幕都受限,这个功能怎么实现?未来会单独收费吗?

孙雪峰:这个还只是在我们的内部实验室阶段。当前设备性能较低,只能走云端来实现。

这部分的用户体验还需要挖掘:如何实现世界模型特色与儿童日常需求的融合,而不是简单地在表上呈现动态视频互动。

真正的应用也要等到性价比能被家长接受时,才会上架单独的付费套餐。

第三关:混合模型的取舍,以及怎么绕开小天才

Q9:你们为什么坚持混合模型策略,而不是直接接入通义、DeepSeek或者Gemini这样的成熟大模型?自研小模型的价值究竟是什么?

孙雪峰:国内我们不止使用通义,DeepSeek和豆包我们也都有在用。

我们对模型侧的认知还是坚持混合模型模式,毕竟各个厂家的模型能力特色与性价比都要考虑。

更重要的是如何用自研的小模型来降低成本,还比只使用大模型体验好。

地缘政治对于消费电子领域不会有什么影响,只会越来越融合。很难想象会有脱离中国硬件的AI硬件企业,能在海外市场蓬勃发展。

面对中国市场没必要使用美国模型。中国老百姓需要的是性价比,也就是价格是人民币的单位,但性能可以略低于美国模型。

Q10:儿童腕表市场有小天才这样的强势品牌。它在品牌、渠道和家长信任上都有很深的积累。你们靠什么与它竞争?AI真的能撬动这些传统壁垒吗?

孙雪峰:小天才在品牌投入、渠道和家长信任上积累很深,这些都是真实现状。

儿童产品里,可靠、安全、售后能找到人,是很基本的要求。

但他们渠道成本过高,高价格的策略是无法回头的。

选择我们服务的用户,更多是不舍得花那么贵的费用,但还需要给孩子配儿童表的用户。而且他们更希望孩子使用的是带有先进AI服务的好产品。

第四关:Agent 中台、蜂巢系统与 AI 原生组织

Q11:小水智能正在从儿童腕表公司转向AI能力服务商,开放Agent中台,帮助其他AI硬件企业起量。你不担心培养出自己的竞争对手吗?

孙雪峰:我们的业务思路里,AI原生硬件和Agent中台是连在一起的。

硬件提供具体场景,中台让一部分能力有机会在不同产品间复用。

市场足够大,各自有各自擅长的推广渠道。一起把行业带入到AI智能化阶段更有价值。

今天体验到的AI功能还很初级,未来硬件企业都会琢磨如何靠AI获得增值价值。

平台业务我们都是选择互补型伙伴。

Q12:你们还推出了基于OpenClaw的蜂巢系统,面向企业做私有化数字员工。从儿童腕表到企业数字员工,跨度是不是太大了?现在有真实客户和收入了吗?

孙雪峰:从我们自己的业务理解看,腕表与企业数字员工表面上服务不同人群,但都涉及把模型接到具体任务里,让它按规则调用工具、完成工作。中台能力都是可复用的。

我们推出蜂巢系统,是希望AI能进入真实工作流程,而不仅仅停在聊天。

企业私有化场景还会遇到数据边界、权限、异常处理、日志和持续运维,这些都需要实际交付来证明。

一个原型很快跑起来,和成为可收费、可维护的产品,中间还有大量的工作。

现在已经开始形成一批付费用户在使用,并快速迭代形成新的需求,促使我们向企业大脑的业务形态发展。

蜂巢系统和腕表业务是协同价值关系,明年我们儿童龙虾腕表也会推出。

Q13:你之前提到,小水智能几乎不再招聘满足原有岗位要求的人,甚至让新媒体背景的研究生做产品经理,让工程师转向代码验收。这套AI原生组织跑得怎么样?踩过什么坑?

孙雪峰:我一直关注“人虾合一”,也就是人负责目标、判断和创造,和AI团队一起把工作做成。

这会改变我们看人的方式。除了原有专业背景,还要看学习速度、业务理解和驾驭AI的能力。

但我不认为会用AI就可以跳过专业判断。

产品经理还是要理解用户,工程师还是要对系统质量负责。AI写出代码,和代码能安全稳定地运行,是两回事;能生成内容,和内容值得交付,也是两回事。

组织转型不能只统计用了多少工具,更应该看结果质量、返工、交付周期和责任是否清楚。

AI原生组织的发展是一个循序渐进的过程,不能激进,也不能不干。

只要引入的人才是自我驱动、学习型的,带着对AI的极大热爱,踩再多的坑也都是组织进化的有利催化剂。

第五关:AI 硬件有没有泡沫,未来十二个月做什么

Q14:今年AI硬件很热,但海外也有不少明星项目熄火了。你觉得AI硬件存在泡沫吗?未来12个月,你们最想做出什么产品?

孙雪峰:明星项目熄火很正常,任何领域都存在。AI硬件离泡沫还远着呢,先实现原有硬件AI Agent化都还差得远呢。

随着AI的性能更好,会开始出现原生AI体验感跳跃发展的爆款品类。

所有的企业都在快速迭代进化过程中。最大的误解就是先观望不干和赶紧干这两种。我们只是做到能跟上全球AI节奏,保持别掉队出局。

未来最重要的目标,是做出真正让用户感到超值的AI硬件。也就是把我们的蜂巢系统与硬件深度融合,让适用于各类细分场景的Agent融入硬件的交互体验中去。

我很看好龙虾儿童腕表、龙虾耳机、龙虾录音卡、龙虾眼镜这些。

关键是还要实现每个月20、30元的价格就能拥有。

Q15:现在最让你睡不着觉的是什么?最后,给想做AI硬件的创业者一句忠告。

孙雪峰:为啥要睡不着呢?一直都是在变得越来越好。

大厂也干,会把用户认知拉齐,把市场规模做大;监管越明确,大家都有规则可遵循;订阅的续约率随着AI越来越好用,是个自然的结果。

AI时代,大家都踏踏实实地睡好觉,一起拥抱变化就好。

给创业者的忠告就是:

多琢磨用户痛点,少定义用户需求,先从小事儿干起来!

跳转微信打开

  •  

AI出海应用榜单来了:可灵狂飙45%、Dola 月活破亿、Tripo逼平Meshy

原创 Unique Research 2026-11-11 18:04 上海

可灵4.0上线那个月,视频赛道里除了 Vidu 和 HeyGen,其余全在跌

非凡产研·出海AI榜单

可灵 4.0 抽走全网流量、Tripo 逼平 Meshy:10 月出海 AI 变天了

可灵重回第一,3D 从一家领跑变成三家同台

之前看出海榜单久了,容易形成一个错觉:Web 榜上的座次,就是这个行业的版图。

这个月我们把 App 端的下载量和月活加了进来,第一感觉是不好意思——之前只看 Web,看到的可能只是一半。

几个数字先放在这:

1.App 榜内 90 款产品月活合计约 3.1 亿,Dola 一家 1.13 亿,占 36%——而这个体量在 Web 榜上完全看不出来;

2.可灵 Web 月活 812 万(+45.4%),重回出海月活榜第一。10 月 15 日 Kling 4.0 全量上线,模型发布日就是流量日;

3.Tripo 月活从 286 万翻到 622 万,访问量距离 Meshy 只差 54 万——3D 从一家领跑变成三家同台。

数据说明:Web 端数据(访问量、月活)来自非凡产研 2026 年 10 月出海 AI 产品数据。口径要先说清楚:Web 和 App 来自不同数据源,其中 App 端数据为非凡产研与郎瀚威团队(AIWatch)联合发布,覆盖 Google Play 与 Apple App Store,榜单未统计国内安卓应用商店,两端不能相加,只看量级和趋势。

同一个产品,在网页和手机上是两回事

先看量级。Dola(字节)App 月活 1.13 亿,下载 1460 万次,月活还在涨 2.2%。

第二名 Seekee,月活 5466 万。AI 伴侣加角色扮演类 App 加起来,月活约占榜内五分之一。

把两端月活都对得上的产品放在一起:

产品 App 月活 Web 月活 倍数

Dola AI11274 万

Web 月活 435 万 约 26 倍

Talkie972 万

Web 月活 113 万 约 9 倍

Emochi1392 万

Web 月活 207 万 约 6.7 倍

PolyBuzz1645 万

Web 月活 278 万 约 5.9 倍

Tripo15 万

Web 月活 622 万 Web 是 App 的 41 倍

CrushOn.AI21 万

Web 月活 309 万 Web 是 App 的 15 倍

manus380 万

Web 月活 598 万 App 约为 Web 的 0.6 倍

很明显,陪伴、聊天这类要天天掏出手机聊两句的,主场在 App;3D、写作、跑智能体这类要坐下来干活的,主场在网页。

所以只看 Web 榜,会把一批产品严重低估。最典型的是 Talkie:Web 访问量 547 万、月活 113 万,看着不起眼,App 上却有 972 万月活。

反过来说,Tripo 的 App 月活只有 15 万——3D 就是个网页生意,别指望它在手机上起量。

再看 Seekee。很多人可能是第一次听说这个名字。

它的路子和我们平时盯的那批产品完全不同:不靠哪个模型最强,而是把 AI 搜索、云盘、生图、文档转换、解题、翻译一股脑塞进一个 App,主攻拉美。

据此前行业媒体报道,它在墨西哥、巴西等国的 Google Play 下载榜长期靠前,靠的是大规模投放。

功能合集、新兴市场、买量——这条路和 Meshy、Tripo 那种靠专业能力吃饭的路子几乎是两个世界,但数据说它同样跑出了五千万月活的盘子。

下得了手买量的人很多,留得住人的不多,投放换来的用户能不能变成留存,是另一个问题。

下载榜前排还有几张新面孔。Nexus(视频生成)下载 997 万、环比 +298%,月活 802 万;Lynix(图片生成)下载 381 万、+72.5%;Miuci +177%。这三款加起来占榜内下载量的 22.6%。

它们公开信息很少,背后是谁、靠什么起量,我还在核实,不乱猜,先把名字记在这里,下个月继续跟。

陪伴赛道内部也在分化。Emochi 的 Web 访问量 +10.3%、App 下载 +42.6%,两头都在涨;PolyBuzz Web 访问量 -4.6%、App 下载 -27.7%;Talkie App 下载 -32.2%。需求还在,只是流向了不同的产品。

背景音是 10 月 12 日 Character.AI 申请破产保护——巅峰期 2000 万月活的赛道鼻祖,破产前每月还亏 800 到 900 万美元。

这个赛道从来不缺用户,缺的是算得过来的账。

可灵 4.0:谁发新模型,谁就拿走那一波人

10 月视频赛道最亮眼的是可灵。Web 访问量 1612 万(+35.7%),月活 812 万(+45.4%),重新坐回月活榜第一,把 Meshy(699 万,-5.9%)挤到第二。

App 端下载也有 434 万(+40.6%)。

时间线对得很齐:4.0 的轻量版 Flash 9 月 28 日先小范围放出,10 月 15 日完整版全量上线——单条视频最长 30 秒原生直出、最多 10 张关键帧、21:9 画幅,10 月 28 日 API 全面开放。

再看同一个月的其他视频产品:Hailuo -3.3%、Pollo -9.6%、Wan -12.4%、Pika -25.4%,PixVerse 也只涨了 3.2%,只有 Vidu(+10.5%)和 HeyGen(+11.7%)像样一点。

所以这不是视频赛道整体回暖,是头部模型的一次发布把流量吸走了——谁发新模型,谁就拿走这一波试用的人。 发布即获客,仍然成立;这波人能留多久,下个月的数据会给答案。

再看看字节其他产品。Dreamina +48.6%(1090 万)、Gauth +52.5%(717 万)、Dola Web 访问量 1722 万(+19.9%),三线同涨,榜内字节系产品合计约 4000 万访问,环比约 +24%。

没有单一事件的全面上涨,有时候反而更接近真相——生态导流本来就是字节的本事。

3D:从一家领跑,变成三家同台

3D 是这几个月的主角,这个月换个看法,看排位差:

产品 访问量(万) 环比 月活(万) 9 月月活(万)

Meshy1464 万

环比 -2.1% 月活 699 万 9 月 743 万

Tripo1410 万

环比 +56.1% 月活 622 万 9 月 286 万

Rodin1075 万

环比 +11.3% 月活 604 万 9 月 569 万

四款 3D 产品合计访问量 4104 万,比 9 月涨了 14.3%,品类整体还在往上走。但内部位置变了:Meshy 双降,Tripo 月活一个月翻了 1.2 倍、跳到出海月活榜第四,和 Meshy 的访问量只差 54 万,Rodin 在后面咬得也很紧。

上个月 Tripo 的故事是 30 亿融资和 P2.0,这个月是钱变成了人。

流量不是凭空来的,Tripo 这个月动作很密:9 月 15 日到 10 月 20 日办了第一届全球黑客松 Tripothon,78 个国家和地区的 2000 多支队伍报名,旧金山、圣保罗、首尔、巴塞罗那、上海都有线下 Demo Day;

10 月 18 日发布实时生成渲染 EdenLive;10 月 29 日发布 Agentic Canvas 测试版。

从这几步能看出来,它想做的已经不只是「一键出模型」,而是往开发者和 Agent 工作流里钻。

反例也有。Hitem3D 上月暴涨 54 倍,这个月访问量从 225 万回落到 155 万(-31.1%),月活也降了 24.6%。新品加限时免费带来的流量,这个月没留住。

教育:第二波来了,但这类流量的性质要分清

上月教育全线飘红,我当时提醒:开学季红利不能直接外推,能不能留住要看后面。10 月的答案是:没退潮,还在放大。

Solvely 连续第二个月翻倍:访问量 453 万(+134.2%,9 月是 193 万),月活 286 万(+120.5%)。Gauth 717 万(+52.5%,9 月 470 万),月活 441 万(+40%)。StudyX +48.5%,Asksia +17.4%。

为什么还在涨?开学季习惯的延续,加上期中考试的需求,这是比较合理的猜测——注意,是猜测,我没有证据。

但「连续两月加速」这个事实,比单月暴涨有分量得多。

再看一个指标:人均月访问次数(访问量÷月活,粗算)。PolyBuzz 约 19 次,Emochi 约 17 次,CrushOn.AI 约 7 次;Solvely 和 Gauth 都只有约 1.6 次。

陪伴类是天天来,搜题类是用的时候才来。两种流量都是真的,但性质不一样——涨的节奏不一样,掉的方式不一样,能收的费也不一样。

低频不等于低价值,只是别用同一把尺子量它们。

一个异常值:Markable,先记一笔,别急着下结论

这个月数据里最大的异动是 Markable:访问量 1008 万(+638%),月活 486 万(+500%),一下冲到访问榜第 19。

它是美国的一家创作者电商平台,做的是深度链接、私信自动化、AI 商品拼图、AI 视频编辑这类帮创作者带货的工具。

合理背景确实有:官方称今年上线免费层后创作者数量翻了一倍,累计带动的创作者销售额超过 17 亿美元,9 月中旬做了品牌升级,再赶上购物季临近。

但十倍级的涨幅,加上人均访问只有两次出头,我也不敢说这是纯自然增长。电商运营工具的使用频次,理应比这个数字高。

先记一笔,下个月接着看——如果真是买量堆的,数据自己会露出马脚。

还有几个信号

Kimi 留下的悬念有了下半集。访问量 1448 万基本持平(-2.3%),月活 464 万(+12.2%)——K3 带来的新用户没有退潮。但人均访问次数从约 3.6 降到约 3.1:人变多了,来得没那么勤了。沉淀是真沉淀,粘性还得养。

同赛道里,Qwen 以 3300 万访问稳坐国产大模型出海第一,Z.ai 降了 14.5%。智能体整体也还在回调:manus -1.7%、Genspark -7.9%、Skywork -11.6%。

BytePlus 和 RunningHub 回落。两家上月新进榜时都是 434 万访问,这个月分别降到 304 万(-30%)和 311 万(-28.5%)。这类企业平台的流量是脉冲式的,进榜那一下更多反映单月事件,不能外推。

WorkBuddy 一句话:Web +43.9%,App 下载 +77.5%、月活 +58.4%,腾讯这个入口网页和手机两头一起起量。

opencode 要标注口径:访问量 1535 万(+15.3%)排第 9,月活 +24%,10 月 19 日登上 GitHub Trending,11 月 1 日星标 22 万多,走的是开源加自带模型 Key 的路线。

但它是海外开源项目,列入出海榜是统计口径问题,不是我们通常说的中国出海产品——写在这只为提醒,不计入出海叙事。

结尾

10 月,Dola 一家占了 App 月活的三分之一,陪伴和聊天的主场其实在手机上;可灵靠 4.0 重回月活榜第一,把视频赛道的流量抽走了一大块;

Tripo 把融资变成了和 Meshy 并排的月活;Solvely 连着翻了两个月;BytePlus 和 RunningHub 的回落说明,B 端平台的进榜更多是单月脉冲。

本期榜单内容如下:

跳转微信打开

  •  

Claude月活增速是ChatGPT十倍,国内办公智能体的增量只归两家

原创 Unique Research 2026-11-10 17:00 上海

国内办公智能体访问量整体增长 41.74%

非凡产研 · 全球 AI Web 月榜

Claude 多出 2.41 亿次访问,办公智能体的增量只归两家

榜单表面是流量,底下是入口重新分配。

先看数据。

+23.78%:Claude 月访问量涨到 12.53 亿次。按环比折算,一个月多出约 2.41 亿次访问,接近 ChatGPT 同期增量的两倍。

+48.20%:小浣熊和 WorkBuddy两款办公智能体合计访问量达到 5191 万次。办公智能体的增量却基本是这两家的。

+265.24%:个人智能体 Tomo 的访问量涨了两倍多,增速很吓人,规模还很小。

数据说明:本文以非凡产研 2026 年 10 月 AI Web 监测数据为主,并用同期 AI App 数据作旁证。Web 的访问量、月活与 App 的下载量、月活、应用商店内购收入是不同口径,全文不相加、不拼接总量。除特别注明外,分类合计均指相应 Top 100 榜单内产品,不代表品类全市场规模。

本期我们先看榜单:

ChatGPT 还是第一,Claude 拿走了更多新增访问

全球 Web 访问量前三没有变化:ChatGPT、Gemini、Claude。

ChatGPT 10 月访问量 60.48 亿次,环比增长 2.15%;Gemini 为 26.37 亿次,微降 0.15%。到了这个体量,排名短期内很难松动,新增量反而更值得看。

Claude 本月访问量增长 23.78%,月活也增长 16.40% 至 1.38 亿。它的单月访问增量约 2.41 亿次,ChatGPT 约为 1.27 亿次。

第一名还在涨,但第三名拿走了更多新增流量。

App 端也是同一个方向。

Claude 下载量增长 34.2% 至 2266 万次,App 月活增长 15.4% 至 1.24 亿,应用商店内购收入增长 20.0% 至 1.05 亿美元。这次增长不是单个网页入口的孤立波动。

办公智能体涨得很快,但要细看

小浣熊 10 月 Web 访问量 2746 万次,环比增长 59.62%;月活 1269 万,增长 36.21%。WorkBuddy-CN 访问量 2445 万次,增长 37.17%;月活 738 万,增长 43.24%。

两款合计月活 2007 万,环比增长 38.71%。在国内 Top 100 的 7 款办公智能体中,它们占了约 92% 的访问量。

再看净增量,分化就更清楚了。

7 款产品合计比上月多约 1660 万次访问,小浣熊和 WorkBuddy-CN 两款却多了约 1688 万次。算下来,其余 5 款合计反而少了约 28 万次。

ZCode 访问量下降 15.01%,Marvis 下降 26.42%。

所以,国内办公智能体访问量整体增长 41.74% 是真的,但绝不是集体起飞。

为什么偏偏是这两款?模型能力当然重要,但它们还有一个共同优势:已经进入了现成的工作关系。

小浣熊支持手机发指令、电脑持续执行;WorkBuddy 进入企业微信,并连接腾讯文档、腾讯会议、腾讯网盘等工具。

办公任务有材料、有步骤、有交付物,企业也已经有账号和权限体系。智能体接进去,不用先教育用户创造一种全新的工作方式。

WorkBuddy 还遇到了腾讯内部入口收拢。

QClaw 宣布将在 12 月 24 日正式停运,即日起停止新用户注册和订阅续费,并开放数据迁移到 WorkBuddy 的工具与积分补贴。它目前尚未正式停服,但用户已经被引导迁往 WorkBuddy。

App 数据也值得留一笔:WorkBuddy 下载约 252 万次,增长 77.5%;App 月活约 193 万,增长 58.4%。

这里的 WorkBuddy 是 App 榜中的出海样本,与 WorkBuddy-CN 的国内 Web 数据分开看。两边都在涨,手机这个任务指令入口也在长。

当然,榜单里的“先跑通”,说的是用户规模和组织入口。任务成功率、长期留存和利润,是另一本账。

个人智能体,光看 Web 容易看小

办公智能体主要是在本地干活。个人智能体是要随时在线,还要接消息、通信、支付和生活服务,手机天然离它更近。

上月Muse 4575 万次月访问和 1275 万月活。同期 App 榜单记录到约 950 万次下载,环比增长 67.8%;App 月活约 1237 万,增长 172.0%。

两个独立口径都到了千万级月活,个人智能体的入口确实起来了。

但入口起来,不等于持续事务已经成立。

用户授权它读过多少材料、交给它多少真实任务、有多少任务最终不用人接管,现有的流量数据都看不到。

Instinct 也是首次进入 Web 榜,访问量 1140 万次、月活 343 万。它的大量交互发生在短信、电话和 WhatsApp 中,网页更接近官网与申请入口,装不下完整的使用过程。

国内产品还在早期。灵光 Web 访问量约 13 万次、月活约 5 万;Today AI-CN 月活约 6 万,环比增长 260.68%,基数仍然很小。

除了智能体,还有四个数据值得留下

Qoder:产品扩张之外,还有一层用户迁移

Qoder 10 月 Web 访问量 515 万次,环比增长 81.86%;月活 270 万,增长 170.77%。

Cursor 月活也增长 22.14% 至 899 万,DeepSeek 开放平台月活增长 29.95% 至 825 万,开发者侧依然活跃。

Qoder 的增长与 QoderWork 确实有关。

9 月,QoderWork 开始引导研发、测试、设计等场景迁往 Qoder 桌面版,文档生成、数据分析等办公场景则迁往千问办公。

10 月 15 日,Qoder IDE 的旧 Quest 窗口退役,任务型用户也被建议迁往新 Qoder,原有账号、Credits 和订阅权益可以沿用。

新版 Qoder 本身也从编程工具扩成了智能体工作台,能处理文档、表格、网页等任务。

因此,本月数据里既有产品扩张,也有旧入口迁移的背景。只是这两部分各自贡献多少,Web 榜单分不出来。

百度 Comate 访问量下降 39.5%,也说明编程与开发工具并没有一起普涨。

可灵与 Tripo:一个在收钱,一个进入了 Kimi 的工作流

可灵 Web 访问量 1612 万次,环比增长 35.65%;月活 812 万,增长 45.42%。

App 端,下载约 434 万次,增长 40.6%;月活约 810 万,增长 9.6%;应用商店内购收入约 468 万美元,增长 21.4%。

10 月,可灵全量上线 Kling 4.0,增加更长视频、多模态参考与编辑能力。产品升级、Web 拉新和移动端内购同时向上,它已经不只是靠一个生成入口吸引尝鲜用户。

两端的速度并不一样:Web 月活增长 45.42%,App 月活增长 9.6%。

现有数据还解释不了差异来自获客、留存还是使用场景,但至少能看到,增长并不是各端一起复制。

Tripo 访问量 1410 万次、月活 622 万,分别增长 56.07% 和 117.64%。这个月它还进入 Kimi Work 的插件生态。

10 月中旬,Kimi 官方资料已经提到 Kimi Work 集成 Tripo 3D;10 月 24 日发布的 K3.1 Pro,又把 3D 创作作为重点能力之一。

Tripo 不再只是等用户打开自己的网站,也开始进入通用模型的工作流,由 Kimi 这样的入口把任务带过来。

陪伴与角色:使用很深,生意却未必轻松

全球 Web 访问量 Top 100 中,9 款陪伴与角色类产品合计约 5.94 亿次访问,环比只增长 1.39%。但 Character.AI 与 JanitorAI 的人均月访问分别约 22 次和 23.7 次,接近 ChatGPT 的两倍。

增长不快,使用很深。

再看 App 付费,画面又变了。

收入 Top 100 中,AI 伴侣、角色生成和小说生成三类共 31 款产品,合计应用商店内购收入约 7269 万美元。去掉 ChatGPT、Claude 和 Grok 三个超级头部,这 31 款占其余产品内购收入的 43.5%。

Tipsy 的 App 月活只有 328 万,内购收入却达到约 1801 万美元,全球第四。

普通工具解决一次问题,角色和连续故事却会积累共同经历。用户换产品,中断的不只是一个功能,也是一段关系。

但 Character.AI 给这个赛道添了另一层反差。

10 月,其主体公司申请破产重组;迪士尼拟以 2000 万美元取得部分知识产权与部分债权的非独占永久许可,交易仍对外开放更优报价,平台在出售过程中维持运营。

它还没有完成“被迪士尼收购”,但高黏性也没能替它解决经营、诉讼与内容安全问题。

所以,这个赛道既不能只讲付费密度,也不能只看访问频次。用户舍不得离开一段关系,和公司能不能把这段关系经营下去,是两回事。

GPTZero:AI 写得越多,核验需求越多

GPTZero 访问量 2325 万次、月活 998 万,分别增长 32.49% 和 26.39%;ZeroGPT 两项指标也分别增长 19.72% 和 15.74%。

AI 写作普及以后,市场不只需要生成,也需要识别与核验,检测工具因此成了另一条增长链。不过,误判和对抗性改写依然存在,检测结果还承担不了唯一裁决的角色。

榜单表面是流量,底下是入口的重新分配

10 月的榜单里,大厂正在收拢自己的产品入口:QClaw 向 WorkBuddy 迁移,QoderWork 按场景迁往 Qoder 和千问办公,旧 Quest 窗口也被并入新 Qoder。

通用模型则在变成新的分发入口。

Tripo 进入 Kimi Work 以后,用户可以从一个 3D 工具的网站来,也可以在使用 Kimi 完成更大任务时调用它。前者是产品自己获客,后者是进入别人的工作流。

这样再看本月的增长,就不只是“谁的功能更强”。办公智能体争的是组织入口,个人智能体争的是长期在线的位置,垂直工具还要决定一件事:自己做一个完整入口,还是成为通用助手里不可或缺的那项能力。

AI 应用当然还在竞争模型和功能,但用户从哪里来、任务从哪里进入,已经开始变得同样重要。

跳转微信打开

  •  

一个AI算命产品,居然最怕用户把话当真?

原创 Unique Research 2026-11-10 17:00 上海

AI 玄学出海 · 深度访谈

AI 玄学正热,他却把“预测”砍了

“从第一天起就把边界想清楚——你说的每一句话,都可能被一个正在难过的人当真。”

一家用八字、易经做底层框架的 AI 产品,主动把“预测”砍了。

原因来自一次验证。Dawnvane 团队拿一批公开人物的真实经历,检验逐年预测具体事件的效果,结果和随机猜测没有显著差别。

这事儿有点反常识。AI 算命、AI 塔罗、AI 占星都在争抢注意力,“你明年会怎样”又是天然的信息钩子。预测就像这个赛道的爆米花,闻着香,上手快,用户很容易顺手点一下。

Dawnvane CEO Sawyer 却决定不走这条路。

“短期看,「预测」更容易吸引点击;但长期留存和付费,我们看到的是「视角」更好——用户愿意为一个能反复陪自己想事情的地方付费,而不是为一次性的结论付费。”

我和 Sawyer 聊完,印象最深的就是这个被推翻的判断。创业者复盘时,成功经验经常被讲得天花乱坠,真正值钱的往往是另一件事:哪个原本以为能成立的东西,被亲手证伪了。

对 Dawnvane 来说,被证伪的是“预测”。

预测能换来点击,也可能把信任一次性烧掉

Sawyer 做过一款 AI 陪伴产品 Meowster。那段经历让他确认,人需要的往往不只是一个答案,还需要一个愿意陪自己把问题想清楚的对象。

后来做 Dawnvane,他把八字、易经看作一套古老的自我观察框架。它把人放进时间、季节和关系里,讨论一个人眼下处于什么阶段,又该如何与自己相处。

这套理解,和大众熟悉的“输入生日,输出命运”不是一条路。

团队曾经认真试过预测路线,结果没跑通。于是产品重心变成两件事:理解自己,做选择时多一个视角。

这个转向看起来少了一些刺激,实际上把产品的责任边界也改了。告诉一个人“你接下来会离职”,和帮他看清“你为什么在这份工作里持续内耗”,是两种完全不同的生意。

前者必须不断证明自己算得准。后者更需要让用户感到,这里说的话有分寸,能帮我多想一步。

预测一旦失手,用户损失的是信任;视角只要真诚,用户仍然可能带走一点东西。

这也是我认同 Sawyer 的地方。AI 生成一段笃定的话几乎不需要成本,可屏幕对面的人可能会当真。把这种能力包装成确定性,流量来得快,反噬也不会慢。

把“命盘”改成“出生印记”

Dawnvane 目前主要面向海外用户。

八字和易经跨语言之后,很容易被包装成东方神秘主义。符号越陌生,越容易被拿来制造距离感,再顺手卖一个高价解释。

Sawyer 选了另一种做法:传统概念留在后台,用户看到的尽量是日常语言。

“命盘”叫 Birth Imprint,也就是出生印记;“大运”“流年”被翻译为人生阶段和年度节奏;“问卦”则成了“问心”。

术语像一道门槛。门槛太高,第一次来的人还没弄明白产品能做什么,就先被挡在外面了。Dawnvane 的做法相当于把门槛拆掉,保留屋里的结构。

用户真正关心的问题也很日常:“我该不该换工作”“这段关系里我该怎么调整自己”。

Sawyer 说,海外用户最大的误解,是以为这类产品要“告诉你命运”。他们要的是一个看问题的新角度,和一个不评判他们的倾听者。

这让 Dawnvane 更接近一种自我认知服务。传统文化提供了时间感和表达方式,AI 负责把这些框架转成自然、温和的对话。

技术分工也划得清楚:算的部分交给程序,说的部分交给模型,规则交给古籍。

节气、时辰、真太阳时等换算由确定性程序完成,大模型不参与计算。模型只基于程序给出的结构化结果做解读和对话。

具体实现上,团队把计算与解读分开,也对信息不完整、规则存在分歧的情况保留结论边界,尽量避免把话说满。

说白了,别让概率模型装成万事通。它的上下文窗口再大,也不该顺手把用户的人生一口吞下去。

一份报告像地铁票,一座小镇像咖啡馆

Dawnvane 没有停留在“输入生日,生成报告”,还做了一座 3D 小镇 Heartwood Town,中文叫见心镇。

用户从摆渡人那里渡河进镇,可以去问心阁停留和提问,翻看记录一生节奏的见心卷、按年份展开的岁卷,或者打开提供具体建议的锦囊卷。镇上还有可以长期对话的 AI 智者,背景音乐、溪水、天气和昼夜会变化。

Sawyer 的解释很简单:

“报告读完就结束了,而自我反思是一个需要反复回来的过程,它需要一个‘地方’。”

一份报告更像一张地铁票,出站就完成了使命。一座小镇则像熟悉的咖啡馆,今天坐半小时,下周遇到事儿,可能还想回来坐坐。

所以 Dawnvane 更愿意对标 Headspace、Calm,而不只是 Co-Star、The Pattern。用户花钱买一个让自己安静下来、和自己相处的空间,Dawnvane 只是换了东方的语言和美学。

产品上线时间还短,样本有限。团队目前看到的信号是,进入小镇的用户,平均停留时长和二次回访明显高于只看单页报告的用户。

这组观察还不能证明商业模式已经成立,但至少指出了团队接下来要验证的方向:用户会不会反复回来。

对陪伴型产品来说,一次惊艳不如第十次还愿意打开。

两个核心成员,数百名用户,先把账摊开

Dawnvane 现在仍是早期项目。

核心团队只有 Sawyer 和一位合伙人,研发运营主要在杭州,公司主体是美国特拉华州的 LLC。工程上大量借助 AI 编程工具,目前以自有资金推进,正在筹备百万美元以内的天使轮。

用户量在数百人量级,大部分来自朋友圈层、社交媒体和内容分发的自然流量,产品仍处于 PMF 验证过程中。收入已有真实付费,规模还小,主要靠自有资金支撑研发。

这些数字撑不起一个“爆火”故事,反而让接下来的选择更清楚。

现有付费用户主要在 25—40 岁,多数是女性,对东方美学、冥想和心理学有兴趣,常处在换工作、感情变化、搬家等人生转折点。

当前单次购买的价格分别是:见心卷 19.9 美元,岁卷 14.9 美元,锦囊卷 9.9 美元;AI 对话和问心阁的次数包都在 10 美元左右。

模型调用则是一项持续成本,长对话会带来额外的上下文开销,团队也在通过技术手段优化这部分投入。

早期研发成本里,内容和视觉占比过半。小镇建筑、人物和音乐均为原创,团队大量使用 AI 生成 3D 和图像工具,再做人工精修。外包费用降下来了,时间投入仍然不小。

接下来,Dawnvane 准备改成“订阅+点数”。会员订阅解锁小镇的长期陪伴,点数用来兑换卷轴和深度对话。

这套收费方式和产品方向是一致的。单次报告赚一次钱,长期陪伴要靠持续价值续费。用户下周还愿不愿意回来,会直接写进收入里。

真正的门槛,是克制

命理产品天然有一套焦虑驱动回访的办法,比如告诉用户“本周运势不佳”,再给一个付费化解入口。

Dawnvane 明确不做这类推送,也不鼓励用户围绕一件事反复追问,直到满意为止。

从现有数据看,用户回访主要有两类节点。新年、生日、换季、节气属于时间节点;换工作、感情变化、面临重要选择属于生活事件。后者带来的对话往往更深,用户也更愿意付费。

Sawyer 希望围绕节气做小镇里的季节活动,让用户有一个温和的回访理由,而不是被吓回来。

面对“AI 没有师承、不懂变通”的质疑,他也没有争辩。好的传统老师能面对面体察用户,也有 AI 替代不了的分寸感。

“我们不和老师竞争,我们和‘深夜一个人想不通’竞争。”

产品因此设了几道边界:语言上不下断语;涉及医疗、法律、投资等重大决定时,明确建议用户寻找专业人士;用户情绪明显低落时,先陪伴,再温和引导其寻求身边的人或专业帮助。

出生日期、时间、地点和用户倾诉按敏感信息处理,传输与存储加密,用户可以申请删除数据。团队表示,不会用用户数据训练自己的模型,调用第三方大模型时走不用于训练的 API 通道。

这些要求听着像产品道德,落实到经营上也很现实。

Dawnvane 目前是网页产品,还没上应用商店,支付和金融渠道已经先给团队上了一课。只要门面出现 fortune-telling、astrology 等词,支付和银行风控就可能把产品归入高风险类目,团队自己也遇到过开户不顺利。

他们的处理方式是重新梳理名字、文案和商品描述,让对外表达与产品实际功能一致,同时在条款中如实说明,传统文化只作为反思框架,内容仅供娱乐和个人成长参考。

在 AI 玄学里,克制会直接变成支付沟通、用户留存和品牌信任。它不是贴在墙上的一句价值观。

别把文化当卖点,把它当语言

谈到“东方文化+AI 出海”,Sawyer 给了一句忠告:

“别把文化当成卖点,把它当成语言。用户不是为‘东方’买单,是为‘被理解’买单;东方文化只是让这份理解更美、更有分量的方式。”

这句话戳中了不少文化出海产品的问题。灯笼、卷轴、香炉和古风音乐都很容易复制,用户用完一次之后为什么回来,才难回答。

Sawyer 的判断是,需求真实存在,“AI+玄学”这个说法本身可能是泡沫。人们处在不确定性很高的环境里,需要一个不评判自己、能随时倾诉、帮自己理清思路的地方。靠焦虑和猎奇换来的流量,来得快,走得也快。

他给这个赛道列了三项长期能力:信任、审美、陪伴的深度。

信任看说话是否克制,是否真的为用户好;审美决定用户愿不愿意待下来;陪伴看用户再次回来时,产品是否还记得他。

Dawnvane 最早的内部代号叫 MingMirror,取自“明镜”。明镜照心,重点始终落在“照自己”,未来不在镜子里。

后来改成 Dawnvane,由 dawn(破晓)和 vane(风向标)组成。品牌更想突出的,是“光之引”这个概念:破晓之光照见内心,风向标提供方向的参照,引导用户一步步认识自己、理解自己,在觉察中获得觉醒和提升。

这种引导不替用户决定终点。它更像一束光,让人先看清自己此刻站在哪里,再决定接下来往哪里走。

访谈最后,Sawyer 还留了一句话:

“从第一天起就把边界想清楚——你说的每一句话,都可能被一个正在难过的人当真。”

这句话,比“AI 能不能算准”更值得整个赛道认真回答。

更多对话细节 · 访谈精选 Q&A

受访

Dawnvane CEO Sawyer

先从一款陪伴产品说起

Q1:做 Dawnvane 之前,您做过 AI 陪伴产品 Meowster。为什么后来选择八字、易经这些东方传统文化,并决定面向海外市场?

Sawyer:做 Dawnvane 之前,我做过一款 AI 陪伴产品 Meowster。那段经历让我确信一件事:人需要的往往不是一个「答案」,而是一个愿意陪你把问题想清楚的对象。

八字、易经对我来说更像是从小耳濡目染的家庭文化,而不是信仰。真正让我重新认真看它,是成年后发现这套东西本质上是一套很古老的「自我观察框架」。

它把一个人放在时间、季节和关系里去看,问的是「你现在处在什么阶段、该怎么跟自己相处」。这和今天很多人在心理咨询、日记、冥想里找的东西,其实是同一件事。

所以我想做的不是一个算命工具,而是一个「东方文化灵感的 AI 自我认知提升的空间」。

选择先面向海外,一是了解这里年轻人对东方美学和 mindfulness 的兴趣;二是海外没有一个把东方哲学做得既有审美、又不神神叨叨的产品,这个空位是真实存在的。

Q2:Dawnvane 最早叫 MingMirror,为什么后来改名?Dawnvane 这个名字想表达什么?

Sawyer:最早的内部代号叫 MingMirror,取自中文「明镜」,明镜照心。它本来就不是用来照未来的,而是用来照自己的。这个意思我们一直保留着,小镇里也有「见心」这样的说法。

改名 Dawnvane,是因为面向海外用户时,MingMirror 太直白和直给,重名概率也比较高,也容易被误读成「镜子 App」。

Dawnvane 由 dawn(破晓)和 vane(风向标)组成:黎明时分立在屋顶上的那只风向标,它不替你决定往哪走,只是告诉你此刻从哪里来。

这正是我们想给用户的东西:视角(光之引),而不是指令。

一座可以“待一会儿”的小镇

Q3:大多数命理产品都是「输入生日、输出报告」,为什么 Dawnvane 要做成一座有建筑、人物、音乐和天气变化的 3D 小镇?这种设计真的能提高用户留存吗?

Sawyer:因为我们从一开始就不想做「输入生日、输出报告」。报告读完就结束了,而自我反思是一个需要反复回来的过程,它需要一个「地方」。

所以我们做了一座 3D 小镇 Heartwood Town(见心镇)。

你从摆渡人那里渡河进镇,在镇上有可以停留和提问的问心阁,有记录你一生节奏的见心卷、按年份看的岁卷、给你具体建议的锦囊卷,还有可以长期对话的 AI 智者。

背景音乐、溪水、天气、昼夜都会变,用户在里面是「待一会儿」,而不是「查一下」。

数据上,产品上线时间还短,样本有限,但一个明显的信号是:进入小镇的用户,平均停留时长和二次回访都明显高于只看单页报告的用户。

Q4:八字、易经对于西方用户比较陌生。你们怎么把这些东方传统概念转译成海外用户能够理解的语言?他们最大的误解是什么?

Sawyer:我们明确选择把它翻译成自我认知、人生阶段和节奏的语言,而不是包装成东方神秘主义。

具体做法上,我们对外几乎不用术语。比如「命盘」我们叫 Birth Imprint(出生印记),「大运、流年」叫人生阶段和年度节奏,「问卦」叫问心。

传统概念在后台作为思考框架完整保留,但呈现给用户的是:你现在大概处在什么样的阶段、容易在哪里卡住、可以试着怎么做。

海外用户最大的误解,是以为这类产品要「告诉你命运」。

实际上,我们的用户最常问的是「我该不该换工作」「这段关系里我该怎么调整自己」。

他们要的是一个看问题的新角度,和一个不评判他们的倾听者。

砍掉预测之后

Q5:Dawnvane 明确强调「人生不是剧本,选择权始终在你自己手里」。为什么刻意弱化预测?从增长和付费来看,预测和自我认知哪条路线更跑得通?

Sawyer:首先是产品哲学,其次它也恰好和平台的要求一致,两者并不冲突。

我们一路做下来有一个很诚实的发现:我们曾经用一批公开人物的真实经历去检验「逐年预测具体事件」,结果和随机猜测没有显著差别。

这让我们很坚定地放弃了「预测」这条路,把产品重心放在「理解自己」和「做选择时多一个视角」上。

至于哪条更跑得通,短期看,「预测」更容易吸引点击;但长期留存和付费,我们看到的是「视角」更好。

用户愿意为一个能反复陪自己想事情的地方付费,而不是为一次性的结论付费。

Q6:八字排盘需要精确计算,而人生解读又适合用大模型生成。你们怎么划分程序和 AI 的工作?有没有出现过算错或者模型解读跑偏的问题?

Sawyer:我们的原则是:算的部分交给程序,说的部分交给模型,规则交给古籍。

出生时间换算成传统历法的部分,包括节气、时辰、真太阳时等,完全由确定性的程序完成,不让大模型参与计算。大模型只负责在程序给出的结构化结果之上,用自然、温和的语言做解读和对话。

事故当然有过。

早期遇到过节气交界处换算错位、出生时间不确定的用户被硬算等问题。我们后来加了大量回归测试,对出生时间不确定的用户,也改成先给出可确定的部分,不硬下结论。

模型方面,曾有解读写得过于笃定,或者把内部术语漏到正文里。我们加了正文自检和措辞替换层,把这类表述拦下来。

规则方面,我们定了一条硬规矩:任何解读规则都必须能找到古籍原文出处。网上流传的说法只当线索,不直接入库;流派有分歧的地方,我们倾向采用更保守、更少下断语的那一派。

Q7:海外已经有 Co-Star、The Pattern、Sanctuary 等占星产品。Dawnvane 和它们的本质区别是什么?您真正对标的是谁?

Sawyer:Co-Star、The Pattern 证明了一件事:年轻人愿意为「理解自己」付费。

我们和它们的区别有三点。

第一,文化底座不同。我们来自东方的时间观,四季、节气、阶段,它讲的不是性格标签,而是「你现在处在一段什么样的节奏里」。

第二,形态不同。它们是信息流和推送,我们是一个可以走进去、待下来的 3D 小镇,有声音、有天气、有可以长期对话的角色。

第三,态度不同。我们刻意不给结论,只给视角。

如果说真正对标,我更愿意对标 Headspace、Calm 这类产品。

大家买的是一个让自己安静下来、和自己相处的空间,只是我们用的是东方的语言和美学。

数百名用户,一本明账

Q8:Dawnvane 目前处于什么增长阶段?最早一批愿意为东方文化 AI 产品付费的海外用户是什么样的人?

Sawyer:目前还在非常早期,PMF 验证过程中的阶段,用户量在数百人量级,大部分来自朋友圈层、社交媒体和内容分发的自然流量。

主要获客渠道是 X、小红书等社交平台的内容,以及我们为小镇拍的短片。英文 SEO 刚刚做完,还在起量。

付费用户的画像比较清晰:25–40 岁,多数是女性,对东方美学、冥想、心理学有兴趣,正处在换工作、感情变化、搬家这类人生转折点上。

他们不是在找「算命」,是在找一个能帮自己理清思路的地方。

Q9:Dawnvane 现在怎么收费?未来为什么准备从单次购买转向「订阅 + 点数」的模式?

Sawyer:目前是单次购买为主:见心卷 19.9 美元、岁卷 14.9 美元、锦囊卷 9.9 美元,另有 AI 对话和问心阁的次数包,都在 10 美元左右。

接下来会改成「订阅 + 点数」。

会员订阅解锁小镇的长期陪伴,点数用来兑换各类卷轴和深度对话,更符合「反复回来」的使用方式。

付费率和月收入目前还在早期,量级较小,不方便公开具体数字。

Q10:命理产品天然有周期性回访的逻辑。Dawnvane 的用户通常因为什么回来?你们会利用运势提醒来刺激复购吗?

Sawyer:我们刻意不去设计「焦虑驱动」的回访,比如不推送「你本周运势不佳」这种提醒。

从现有数据看,回访最自然的节点有两类。

一是时间节点,比如新年、生日、换季、节气;二是生活事件,换工作、感情变化、面临一个重要选择的时候。

后者带来的对话往往更深,也更愿意付费。

我们后面会围绕节气做小镇里的季节活动,让用户有一个温和的、和自然节奏同步的理由回来,而不是被吓回来。

Q11:AI 对话和卷轴生成的成本有多高?Dawnvane 在原创美术、音乐和 3D 世界上投入不小,这部分成本怎么控制?

Sawyer:模型成本我们控制得比较好:一份完整卷轴的生成成本在几十美分到几美元之间,日常对话单轮成本在美分级别。

成本大头其实在长对话上下文,我们正在通过记忆压缩和缓存继续降。

美术和视觉是我们最舍得投入的部分。

小镇的建筑、人物、音乐都是原创,大量借助 AI 生成 3D 和图像工具,再由团队精修。

所以投入比传统美术外包低很多,但时间投入很大。整体来看,内容和视觉在早期研发成本里占比过半。

支付、数据与边界

Q12:Fortune-telling、astrology 这类产品在海外支付和金融渠道容易受到审查。Dawnvane 上线时遇到过什么阻碍?怎么解决的?

Sawyer:我们目前是网页产品,还没上应用商店,所以最大的考验来自支付和金融渠道。

现实情况是:只要你的门面上出现 fortune-telling、astrology 这些词,支付和银行的风控就会把你归到高风险类目,冻结资金或拒绝开户都有可能。我们自己也遇到过开户不顺利。

解决办法不是「换个说法躲过去」,而是让产品真正名副其实。

我们本来就不做预测,所以把对外的名字、文案、商品描述全部按「AI + 3D 小镇 + 东方文化灵感的自我反思」重新梳理了一遍。

同时在条款里如实说明,我们借鉴了传统文化作为反思框架,仅供娱乐和个人成长参考。

产品说的和做的一致,渠道那边的沟通就顺了很多。

Q13:用户会在产品里提供出生信息,也会倾诉大量个人困惑。这些敏感数据如何保护?会被用来训练 AI 模型吗?

Sawyer:出生信息和用户倾诉的内容,我们都按敏感信息对待。

传输和存储全程加密,服务器在境外云平台,数据库只对服务内部开放必要访问;隐私政策按真实的数据流逐项写清楚,用户可以申请删除自己的数据。

我们没有、也不会用用户数据训练自己的模型。

我们调用第三方大模型时,走的是不用于训练的 API 通道。

GDPR 方面,我们目前还没有专门面向欧盟做推广,但数据最小化、可删除、用途透明这几条原则已经按它的标准在做。

Q14:用户可能因为 AI 解读而做出分手、辞职甚至投资等重大决定。你们如何控制 AI 的责任边界,避免用户产生过度依赖?

Sawyer:这是我们最在意的问题之一。

产品层面有几道边界。

第一,语言上不下断语。不说「你会分手」「这份工作不适合你」,而是帮用户看清自己在意什么、在害怕什么。

第二,涉及医疗、法律、投资等重大决定时,智者会明确建议用户去找专业人士,不替用户做决定。

第三,不制造依赖。我们不推送焦虑性内容,问心阁的追问也设了节奏,不鼓励一件事反复问到满意为止。

遇到用户情绪明显低落的对话,智者会先陪伴,再温和地引导用户寻求身边的人或专业帮助。

需求是真的,说法可能是泡沫

Q15:今年 AI 算命、AI 塔罗、AI 占星产品越来越多。您认为这是长期需求还是一波情绪泡沫?对于想做「东方文化 + AI 出海」的创业者,您有什么建议?

Sawyer:需求是真实的,但「AI + 玄学」这个说法本身可能是泡沫。

真实的需求是:在一个不确定性很高的时代,人们需要一个不评判自己、能随时倾诉、帮自己理清思路的地方。

东方文化恰好提供了一套很美、很有时间感的语言来做这件事。

泡沫的部分是把它做成「预测」和「刺激」。靠焦虑和猎奇带来的流量来得快、走得也快。

这个赛道最后拼的,我认为是三样东西:

信任,你说的话是否克制、是否真的为你好。

审美,用户是否愿意在这里待下来。

陪伴的深度,用户回来时,你是否还记得他。

对于想做「东方文化 + AI 出海」的创业者,我想说:

别把文化当成卖点,把它当成语言。用户不是为「东方」买单,是为「被理解」买单;东方文化只是让这份理解更美、更有分量的方式。

还有,从第一天起就把边界想清楚。

你说的每一句话,都可能被一个正在难过的人当真。

跳转微信打开

  •  

1300+人报名,60位嘉宾确认:11月北京·AI 创造者大会见

原创 Unique Research 2026-11-09 22:00 上海

期待在现场见到你

2026 非凡大赏 · 北京 · AI 创造者大会

1300 人已经报名,60 位嘉宾已经确认

两天时间,一起把 AI 创造、交付、经营与全球化聊得更具体。

先说两个最新数字。

目前,2026 非凡大赏 · 北京 · AI 创造者大会报名人数已超过 1300 人;在活动行,这场大会位列北京 11 月 AI 类活动第一。

感谢每一位已经报名、转发和推荐朋友来现场的人。

相比数字,我们更关心接下来的问题:当你来到现场,会见到谁,能听到哪些真正来自一线的经验,又可能找到怎样的合作?

现在,两天议程与嘉宾阵容已经逐渐完整。今天,做一次集中公布。

11 月 19 日至 20 日,北京维景国际大酒店。

60 位已确认嘉宾,两天时间,一起把 AI 创造、交付、经营与全球化聊得更具体。

2026 非凡大赏 · 北京 · AI 创造者大会

本届大会主题为:

智能常驻,个体进化。 Always-On, Evolving Individuals

AI 正在从偶尔打开的工具,变成常驻工作流的智能体;个体也开始借助 AI 完成过去需要一支团队才能完成的创造、交付与经营。

但工具真正进入业务之后,问题往往才刚开始:Agent 怎么定岗与验收?经验怎么沉淀成可调用的技能?产品怎么收费?内容怎么确权与分成?一个人做出的产品,又如何进入全球市场?

这两天,我们邀请正在解决这些问题的人,坐到同一张桌子上。

Day 1|AI 创造者经济峰会

从拥有一支 Agent 团队,到跑通一门生意

11 月 19 日,讨论将沿着一条完整的经营链路展开。

上午,从常驻员工、记忆护城河与专家经验产品化切入:哪些工作可以真正交给 Agent?越用越懂你的记忆能否成为壁垒?个人与企业的隐性经验,如何变成可调用、可复用的 AI 技能?

下午,进入交付、收入与组织选择:从 Vibe Coding 到 AI Native 组织,交付标准与责任边界怎么建立?短剧进入规模化生产后,创作者靠什么做出溢价?AI 音乐、3D 与影像进入授权时代,收益如何分配?一人公司应该刻意保持小而美,还是以千万 ARR 为目标?

从工具到员工,从经验到资产,从交付到收入——这一天要讨论的,不是 Agent 能演示什么,而是它如何进入一门可持续的生意。

这一天还有两个高光时刻:

12:00—12:10,现场发布并颁发 2026 CHINA AI 100 中国 AI 百强榜。

16:50—17:00,现场发布并颁发 2026 AI OPC 100 超级个体百强榜。

目前奖项已截止报名,请留意主办方入选通知情况。

晚间 18:00—21:00,则是 UniqueNight 非凡之夜闭门晚宴。白天没来得及追问的问题、希望继续探讨的合作,可以延续到晚餐与自由交流中。

Day 2|AI 创造者全球化峰会

从一个人的产品,到一门全球生意

11 月 20 日,视线转向全球产品、渠道与创作者生产力。

上午三场 Panel,分别讨论三条正在发生的全球化路径:

智能硬件:从产品定义、供应链到海外渠道,AI 硬件如何做成全球产品?

AI 文娱:短剧、音乐与互动内容如何完成品类选择、平台分发与持续增长?

Agent 出海:中国模型、数据与开发工具,如何支撑全球 Agent 与 AI 产品?选型、成本、合规与数据出境应该怎么处理?

下午是 Unique DemoDay Founder & Creator OpenMic。

15 个分享席位,面向 Founder 与 Creator,以真实产品、作品或创作流程演示为核心,不以融资陈述为前提。让产品自己被看见,也让真正需要它的人找到你。

60 位已确认嘉宾,阵容持续更新

以下为截至本文发布时已确认的分享与主持嘉宾,按大会及议程顺序汇总,排名不分先后。更多嘉宾仍在持续确认与更新中。

大会 Opening Keynote

吴畏|非凡产研 CEO

Day 1|AI 创造者经济峰会

汪洋|魔联科技联合创始人

逄大嵬|元空智能创始人兼 CEO

汤明磊|攀峰智能 K2Lab 联合创始人兼 CMO

朱子健|如意 RUYEE 创始人兼 CEO

于北川|Lessie AI 创始人

焦正道 Adrian|kuse.ai 联合创始人兼 CPO

赵充|像素绽放 PixelBloom(AiPPT.com)CEO

韩卿 Luke|跬智信息 Kyligence 联合创始人兼 CEO

刘遥行|ONE2X 联合创始人兼 COO

唐斌斌|灵核数智首席产品官

马正|凯同 AI 创始人兼 CEO

甄子祺|光尘同行联合创始人兼 CPO

柴亚团|容智信息创始人兼 CEO

杨劲松|未来式智能创始人兼 CEO

李佳芮|句子互动创始人兼 CEO

姬朋飞|爱獭科技(Chat2DB)创始人

许钟子珩|共绩科技联合创始人兼 CTO

周志鹏|水母智能(触手 AI)联合创始人

梁巍|MovieFlow 创始人

桑兮兮|朝希未来合伙人

李澄澄 Edward|帧观科技 VideoPlus 创始人兼 CEO

陈坤(闲人一坤)|星贤文化创始人

贺丹|贺喜资本 CEO

任飞翔|Show3D 创始人

张艺潆|自由量级联合创始人、CPO 兼 COO

韩东君(Catcher)|AI 军师创始人

手工川|Lovstudio.ai 创始人

徐翀|葱花投研创始人兼 CEO

白双|跃向科技(Leapility)创始人

Day 2|AI 创造者全球化峰会

周羿旭|赛博创力创始人兼 CEO

孙雪峰|小水智能 CEO

王猛|黄鹂智声 VP

李哲|心影次元 ELSER.AI 联合创始人、互动影游负责人

肖伟 Shawn|掌阅科技海外商务负责人

李志超|长信传媒集团总裁助理、AI 创新业务负责人

Sawyer(聂勇刚)|Dawnvane CEO

柴雯|艺界创想 CEO

黄沙(Claire Huang)|Stardust AI SVP of Global Business

史文禄(Eric)|AllyNext 创始人

杨婷|Eureka AI CEO

翁柔莹 Eileen|Ateve CEO

Unique DemoDay|Founder & Creator OpenMic

陈明|诺米宝 NomiLaw 创始人

顾学斌|WeMeet 荟神创始人

丛博|Flatkey AI,AI 基础设施商业化总监

吴荻|灵珠 AI CMO

韩云芸|EverMind COO

张栖铭|Ouraca 联合创始人

叶海峰|深护智康董事长

徐连云|春耘智农创始人兼 CEO

叶志伟|MemoPin 创始人

主持嘉宾

杨攀|Bilink.ai 创始人

沈涛|Moss AI 创始人

黄璟睿|非凡资本 VP

Frank(AI 异类弗兰克)|QLab 孵化器创始人、AI 科技 KOL

康正中|非凡产研深圳负责人

赵亮|非凡资本合伙人

王朝超|非凡资本合伙人

他们带来的讨论,将覆盖常驻 Agent、一人公司、企业 Agent 落地、AI 创作工具、智能硬件、短剧与 AI 文娱出海、数据分析、全球渠道与商业化等多个方向。

这份名单还会继续变长。

不只是听会,也是一次供需连接

大会现场将设置 AI 创造者展示与对接区域。

参会者可以在报名阶段提交自己能够提供的资源、正在寻找的合作,以及希望展示的产品或作品,围绕创作工具、智能体平台、内容制作、平台发行、本地化、增长、版权和投资进行连接。

如果你正在做产品、做内容、做一人公司,这里能遇到同路的创造者。

如果你提供模型、工具、平台、发行、增长或产业服务,这里能遇到真实的需求与合作对象。

如果你正在寻找 AI 商业化与全球化的下一条线索,这两天的讨论和现场连接,也值得你亲自来看看。

报名进行中

时间:2026 年 11 月 19 日—20 日,09:00—17:00

地点:北京维景国际大酒店

主办方:非凡产研

费用:大会免费开放报名,报名即通过,无需审核

场次:Day 1、Day 2 可按需多选,两天通票包含两日大会

晚宴:UniqueNight 不包含在大会免费报名权益内,礼赏票需单独购买并经主办方审核,请勿重复购买

议程及嘉宾阵容将持续更新,最终安排以主办方最新通知和现场为准。

1300+ 人已经报名,60 位嘉宾已经确认。

接下来,期待在现场见到你。

11 月 19 日至 20 日,北京见。

跳转微信打开

  •  

他在拉美做个“AI版hao123”,不到两年拿下了上亿下载量

原创 Unique Research 2026-11-08 20:00 上海

技术的浪潮再高,真正决定生意成败的,往往是那些还没被大厂顾上的普通人。

吴晓波频道《AI未来谈》· 深度访谈

Chrome占了八成五,他还是做了个浏览器

“技术的浪潮再高,真正决定生意成败的,往往是那些还没被大厂顾上的普通人。”

Google I/O大会现场,谷歌DeepMind的团队拉了一批亚洲创业者闭门交流。

席间,谷歌的人对两家公司格外好奇,追着问了许多问题。

一家是来自印度的游戏语音平台,有点像中国早年的YY语音;另一家就是许乐洋联合创办的Seekee,是一款主要在拉美市场跑出来的AI浏览器。

聊到一半,许乐洋反问了谷歌的人一个问题:“除了英语,你们在大模型语料和能力上最强的语言是什么?”

对方迟疑了很久,最后给答案出人意料:韩语。

理由很简单,因为三星是谷歌的核心合作伙伴,在上下文和语料上给了大量支持。

这个细节让许乐洋彻底想通了。

哪怕是谷歌这样触角遍布全球的巨头,面对英语之外的小语种市场,依然存在巨大的语料饥渴。

而Seekee在拉美沉淀下来的西班牙语、葡萄牙语文字与语音交互数据,恰恰是大厂尚未俯身拾起的拼图。

这正是中国出海创业者最擅长捕捉的缝隙。

吴晓波频道《AI未来谈》的直播间里,非凡产研创始人吴畏与许乐洋聊了两个小时二十分钟。

许乐洋的履历很有代表性:前11年,他在硅谷系美元基金和华兴资本做投资与投行,在牌桌边上“看牌”;2021年,他亲自下场创业,先和团队在东南亚做出了2亿多下载、千万级日活的视频产品Loklok;2025年农历新年后,又在拉美推出AI产品Seekee,不到两年时间,再次跑出了一亿多、近两亿的下载量和数百万日活。

如今,他转身加入由陈大年创立的语生科学(Genora Science),担任投融资负责人,做起了AI项目的深度孵化。

回看他下场这几年的打法,几乎每一步都踩在硅谷主流叙事的反面:不去卷欧美日韩,专挑东南亚和拉美;不做酷炫的原生Agent,而是套上古老的“浏览器”外壳;不逼用户学写提示词,而是把功能打包成“福袋”喂到嘴边。

在一个所有人都生怕不够前沿的AI时代,他的商业逻辑却格外朴素:技术的浪潮再高,真正决定生意成败的,往往是那些还没被大厂顾上的普通人。

一先做减法:去没有房贷压力的地方赚订阅费

2021年决定下场创业时,许乐洋和合伙人做的第一件事不是找风口,而是做减法。

当时国内移动互联网红利见顶,出海成了顺理成章的选择。

但全球市场这么大,第一站去哪?

他们最先划掉的,恰恰是出海创业者最向往的美国和日韩。

理由很直接:这些市场的移动互联网路径和商业模式已经高度成熟,新入局者硬撬的成本太高。

非洲他们也认真调研过,最后同样放弃了。

“我们毕竟是做企业,不是做公益。”

许乐洋说得很坦白,非洲市场当时的消费能力,甚至不足以让团队从流量中获得最基础的商业回报。

一圈筛下来,目光落在了东南亚和拉美。

这两块市场有几个迷人的共性:人口基数都超过6亿,且仍在增长;都有一个绝对的头部国家压阵——东南亚有近3亿人口的印尼,拉美有两亿多人口的巴西;更关键的是,当地用户没有国内那么“卷”,竞争没那么惨烈,用户对新产品的互动意愿极高。

但真正让团队拍板的,是当地人的消费心态。

在国内,消费市场正在进入精打细算的“过日子赛道”;而在东南亚和拉美,情况完全不同。

“他们没有各种房贷、车贷的压力,心态比较好,很欢乐,也很愿意花钱。”

吴畏在对话中点破了一个常识误区:一个人赚多少钱,和他愿意花多少钱,并没有绝对的必然联系。

在拉美和东南亚,月薪两千、发工资第一天就全部花光,接着靠消费金融借贷度日的人比比皆是。

“先行消费”本身就是当地极具特色的支柱产业。

在这两个地区之间,团队又做了一次精准的梯度切换:

第一款产品Loklok是杀时间的视频娱乐产品,放在了离中国更近、文化更容易理解的东南亚;而到了第二款产品Seekee,目标是做AI订阅制变现,团队果断跨洋去了拉美。

因为拉美的人均GDP高于东南亚,且受北美市场辐射,用户对付费订阅的接受度天然更高。

更妙的是拉美的语言红利。

东南亚几乎是一国一语言,本地化极其碎裂;而拉美高度集中在西班牙语和葡萄牙语。

“击中西语,你就击中了除巴西以外的所有拉美国家;做好巴西葡语,剩下的两亿人口也就搞定了。”

站在Loklok积累的推广和获客经验之上,Seekee在拉美的起跑速度比当年在东南亚快得多。

“已经有Chrome了,为什么还要你?”

如果说去拉美是市场选择上的避实就虚,那么把Seekee做成一款“浏览器”,则是产品形态上的一次彻底反共识。

“已经有Chrome了,为什么还需要一个新的浏览器?”这是过去两年许乐洋被问得最多的问题。

在所有地区,Chrome的综合市占率几乎都超过70%,如果算上安卓与iOS预装的Chrome和Safari,两大巨头吃掉了八成五的份额。

在外界看来,去碰浏览器这样的底层入口,无异于以卵击石。

但在许乐洋眼里,这恰恰是一道送分题。

首先,八成五的市占率证明“浏览器”是一个渗透率极高、完全不需要教育用户的成熟载体。

创业公司根本不需要去颠覆Chrome,“只要在它的市占率里拿到一个点、几个点,就已经能证明很多问题了。”

更重要的是,怎么把AI能力毫无违和感地塞进普通人的生活?

在Seekee立项之初,团队最先否决的就是那些形态过于超前的纯AI原生产品。

“像我们这样对新产品敏感的人,不需要宣传也会自己下载试用。但普通用户不会有‘我今天非要去试个新产品’的偏好。”许乐洋说,任何独立的App对普通人来说都是重新学习的成本,哪怕新手引导做得再好,“理解”这件事本身就是门槛。

而浏览器从PC时代活到移动时代,从来没有被真正淘汰过。

用户打开它,潜意识里就知道“我可以在这里找到网上的任何东西”;页面上的“收藏”、“标签页”按钮,不需要多费口舌解释。

把AI能力藏在这样一个人人熟悉的外壳里,用户的信任成本是最低的。

至于什么时候扣动扳机,他们足足等了两年。

早在2023年,团队就试过把AI功能塞进母产品Loklok里,但很快发现,当时的模型智能度不够,普通用户也完全没准备好。

直到2024年底,美国几家大模型巨头开始把底模当作大众商品推向C端,他们才判断:面向普通人的应用窗口期到了。

“早了,可能就成先烈了。”吴畏感慨道。

在Seekee的设计里,有一条铁律:绝不让普通用户费劲巴拉地去写Prompt。

拉美用户爱看球赛、找音乐、刷资讯,他们只需像平时一样自然输入偏好,后台就已经用AI跑过了一遍。

Seekee先后上线了小几十个细分功能点,不需要用户琢磨怎么结构化表达,点一下就能出结果。

这让吴畏想起了中国PC互联网时代的经典产品——hao123。

在主流AI圈都在争论Search Engine(搜索引擎)会不会变成Answer Engine(答案引擎)、默认用户面对一个空白对话框就能搞定一切时,Seekee看穿了一个更真实的底色:绝大多数普通用户根本不知道自己要搜什么,他们其实是在等着被“投喂”。

墨西哥城的一家五口,与12美金的“福袋”

如果不去拉美现场,坐在国内写字楼里的产品经理,大概率永远想不出当地人会怎么用AI。

为了摸清用户习惯,许乐洋带着团队飞到墨西哥城,把当地用户约过来做面对面访谈。

来访谈的很多是家庭用户,父母拖着两三个孩子一起进门。

把手机递过去的那一刻,面对面沟通的价值就显现出来了——你能清晰地看到他的手指在哪个按钮前迟疑、在哪里操作顺畅,又在哪个界面突然愣住。

这些下意识的微表情和动作,是任何线上问卷都抓不到的。

在几十个功能里,跑得最好的有三类:偏女性用户常用的一键改图;偏轻办公人群用的文档格式转换、录音转写与会议纪要;再有就是家庭用户最爱的拍照解题。

拍照解题在国内早已是移动互联网时代的标配,但在拉美却撞出了一个意想不到的本土需求。

访谈中,一位家长对这个功能赞不绝口,紧接着提出了一个请求:“海外的实体教材非常贵,哥哥用完的课本上写满了笔记。如果你们拍完照之后,能顺手把上面的笔迹抹掉,我不就可以打印出来当成新课本给妹妹用了吗?”

一个拍照解题,加上一个AI修图抹除,拼成了拉美多孩家庭最刚需的省钱工具。

随后,团队立刻围着这个场景做了针对性迭代。

这种贴着地面走的“笨功夫”,贯穿了他们本地化运营的始终。

许乐洋坦言,东南亚离得近,说走就走;拉美隔着半个地球,很难高频出差。

但为了听见用户的声音(VOC),团队成员养成了直接加用户WhatsApp和Telegram的习惯。

这些联系人不是什么KOL,就是哪怕只填过一份问卷的普通热心用户。

每逢各国不同的节假日,运营团队都会照着梳理好的“活动日历”,用当地语言做细致的UI适配和节日问候。

“这对企业来说没有太多成本,但会让用户隐隐觉得,你这个产品是把我当回事的。”

而在怎么赚钱这件事上,Seekee拿出了一套极其“中国互联网”的打法。

在欧美和拉美的应用商店里,工具类App通常是高度垂直的:一个修图软件每月收六七美金,一个扫描或转写软件又收六七美金。

欧美用户习惯了这种按单点功能付费的SaaS逻辑,以至于吴畏体验某些海外Personal Agent时,系统弹出的第一个建议竟然是:“要不要我帮你取消一些没在用的订阅?”

Seekee反其道而行之,把改图、轻办公、拍照解题等几十项功能全部捆在一起,打包成月度会员,定价10到12美金。

这就好比一个“AI大礼包”或“福袋”。

用户最初可能只是为了7块9毛9的修图功能掏了钱,但在浏览器里逛着逛着,偶然用上了会议纪要或者给孩子辅导作业,他立马会产生一种“我赚到了”的强获得感。

“当他击中第一个功能时已经付费了;一旦他用上第二到第五个功能里的任何一个,留存和粘性就会指数级放大。” 许乐洋说。

当Agent替你干完活,人类依然需要“逛街”

既然AI能力越来越强,一个绕不开的终局问题是:未来Personal Agent处不在,我们还需要Seekee这样的App吗?

吴畏先分享了自己作为重度用户的真实切片: 前阵子他高频使用ChatGPT Agent,发现自己打开浏览器的次数变少了,因为都是Agent在后台替他开Chrome干活;后来切到国内的豆包,配合飞书CLI,他连飞书都很少手动打开了,直接让Agent去操控云文档和多维表格;再往后用上云端Bot,他反倒重新拿起了手机,随时随地给背后的云电脑派活。

效率确实呈倍数级放大,但副作用也随之而来。

“因为AI扩大了我能做事情的边界,结果导致我做了越来越多的事。” 吴畏苦笑着说,以前做不完的事现在都能做了,代价是自己的娱乐时间被严重挤压,只有等模型额度受限、需要重置的空档,才能喘口气娱乐一下,“有时候我也没想清楚,多做的那些事到底意义和价值在哪?”

“我也是这个状态,”许乐洋深表赞同,“睡觉或者离开电脑前,感觉不交给AI做点工作都有点可惜。”

但这恰恰是精英创业者的错觉。

当视角拉回全球数十亿普通人,逻辑就全变了。

许乐洋敏锐地指出,Agent确实会消灭一批很薄的工具类App,接管人类的“浅层决策”。

比如千问刚上线下单功能时,引导大家买的都是咖啡和茶饮——因为你每天喝哪家品牌的拿铁是固定的,不需要挑,一句话指令就能搞定。

但如果是去一家从未去过的新餐厅呢?

AI能替你看菜单、替你感受环境吗?不能。

“为什么‘逛街’这件事永远存在?因为这是人类的一种乐趣。”

许乐洋说,只有当你对一件事完全不感兴趣,或者熟悉到纯粹想用效率换结果时,你才会彻底交权给AI。

只要你还带着探索未知的好奇,你就依然需要亲自去浏览、去滑动、去体验。

更何况,“极致追求效率”从来不是全人类的共识。

在越南和印尼街头考察时,许乐洋常看到当地人从中午、下午一直到晚上,优哉游哉地坐在马路牙子上喝咖啡、刷手机。

“他们屁股后面没有狼在追着跑,没有每天必须干完123456789的任务。”被移动互联网训练得极度工整、习惯把时间切成碎块的中国用户,很难想象那种慢节奏带来的松弛与快乐。

除了习惯,横在Agent面前的另一道高墙是信任与安全感。

吴畏算是胆子大的尝鲜者,为了买服务器和API,已经把信用卡绑给了Agent;而许乐洋至今只敢向AI开放谷歌邮箱和日历这类半公开信息,信用卡这一步始终没迈出去。

他还听说有朋友专门办了一张限额信用卡给AI用,以防失控。

现在的模型已经足够聪明,能干完绝大部分活,但信任是很难短期建立的。

由此,许乐洋非常看好本地模型与本地化私有部署的未来——就像很多家庭会买NAS(网络附属存储)一样,如果有一个机制能确保“我的家庭信息、内心想法和生活细节绝不出这部手机、不离开家里的智能终端,不出这个局域网”,普通人就会彻底放下戒备。

未来的AI很可能会走向分层:最私密的记忆留在本地,常规的智能本地模型基本可以胜任,而最精尖的研发才交给最顶尖的云端模型。

硅谷的牌桌,与“真孵化”的攒局者

今年4月,许乐洋去美国见了一圈东西海岸的投资人,带回了不少一线体感:

如果一个华人团队从第一天起就想拿美国主流基金的钱,首先公司最好注册在美国特拉华州(Delaware),而不是传统的开曼架构,美国资本更认前者;其次,创始人不能像个两头跑的“游客”,必须真正在当地扎下来,哪怕英语靠AI辅助完全够用,但在硅谷极度高频的线下社交场里,“别人分享完,你高低也得输出几个观点”,用跨文化的双重视角赢得圈子的认可。

但他同时提醒,美国本土VC目前对To C赛道“又怕又不信”。

近年来美国几乎没跑出什么大型To C新贵,连红极一时的Character.ai最终也黯然结束。

面对外来创业者,美国投资人最直接的拷问往往是:“本土团队都没做成,凭什么你一个外来者做To C能成功?要是Meta顺手抄一个,你怎么办?”

不过,华人在AI应用层的细腻身手,依然让硅谷侧目。

a16z的一位拉美裔合伙人在见到许乐洋时,上来第一句话就是:“我特别喜欢你们中国人做的App,想得很周全,营收模式也很有意思。”

从看牌的投资人,到在泥潭里打过滚的亿级产品联合创始人,如今在语生科学,许乐洋把这两段经验拧成了一股绳。

吴畏向他抛出了一个创投圈永恒的母题:好的创业者,究竟是被筛选出来的“天选之子”,还是可以被培养出来的?

创业到底是“人找事”,还是“事找人”?

许乐洋的回答很务实。

如果站在纯粹早期VC追求百倍超额回报的视角,那一定是在赌万里挑一的“天选之子”;但在AI时代,创业的定义正在变宽。

AI让一个人就能干完过去两三个环节的活,只要能找到市场缺失的缝隙,做成一门稳健的AI好生意,同样是极其优秀的创业。

过去的孵化器,大多只是租个工位;而语生科学想做的是“真孵化”——由真正下场“打过仗”的导师深度介入,帮那些有长板、但缺关键队友的年轻人把局攒起来。

比如一个极懂AI技术的大厂年轻研究员,如果配上一位历经商业周期的成熟操盘手“青蓝相接”,一个实验室里的点子,就可能真正长成一家活得很好的公司。

整场对话下来,许乐洋身上有种难得的清醒。

当技术狂热者们在硅谷争论AGI何时降临、Agent如何接管世界时,他始终惦记着墨西哥城那个想把哥哥课本笔迹擦掉省给妹妹用的家庭,惦记着拉美和东南亚那些不懂什么是Prompt、却渴望生活变得更便利的普通人。

这或许就是他反复提及的“AI平权”最真实的落脚点——真正伟大的商业机会,从来不只在算力之巅,更在每一个普通人触手可及的日常里。

访谈精选 Q&A

Q1:你有十一年一级市场经验,2021年为什么决定下场做海外产品?

许乐洋2011年前后入行,先在硅谷系美元基金,后来去了华兴资本。

当时是全球化如火如荼的年代,PC互联网到顶,移动互联网刚起步。

做投行时,他和早中期创始人走得很近,从想法到产品落地再到团队扩张,经历了不止一次,自己也把自己当成“外部的联合创业者”。

2021年他离开华兴前,已经把To C这条赛道看了很久,觉得机会在更远的地方。

他和联合创始人一拍即合:联合创始人在国内移动互联网做得不错,有时间和余力;他自己在新加坡南洋理工读过研究生,了解东南亚。

两人认为,国内积累多年的产品经验和“工程师红利”在海外还能用,海外天花板更高,用户也需要重新学习。

Q2:投资人看牌和自己上桌,落差大吗?

他说落差没有想象的大,因为此前已经深度参与过很多创业公司的日常。

真正的区别在于,无论走得多近,投资人终究是编外人员,只有真正“一起踩在泥潭里”,感觉才不一样。

促使他做决定的是一种冲动,他的原话是“创业就是要冲动的”。

至于更喜欢哪一边,他的回答是两者训练的东西不同:创业是在解决一个大问题的每个细小环节,投资培养的是看全局的视角。

现在做孵化,两边经验都用得上。

Q3:出海选市场,你们是怎么做取舍的?

他们先做的是减法,先排除美国、日本、韩国,因为这些地区的移动互联网发展路径和商业模式已经相当成熟。

留下东南亚和拉美,是因为两者有几个共性:

人口都超过6亿,还在增长。

竞争没有国内那么激烈,用户见过的产品不多,愿意和你互动。

消费心态好。用户没有国内那样的房贷车贷压力,当地消费金融也发达,可以先消费后还款,所以愿意花钱。

他的总结是:很欢乐、很开放、很愿意交流,也愿意花钱。

Q4:为什么Seekee选拉美,而不是东南亚或者非洲?

Seekee的目标是做AI订阅,所以要看消费能力。

拉美人均GDP比东南亚高,消费习惯更受北美影响,更适合订阅。

非洲他们也研究过,早在做前一个产品时就看过,结论是消费能力还不足以让流量产生哪怕基础的回报。

他的说法是:“我们毕竟做企业,不是做公益。”

语言也是加分项。

拉美主要说西班牙语和葡萄牙语:做好西语,覆盖除巴西以外的整个拉美;巴西是葡语场景,做好它,再拿下剩下的两亿人口。

相比之下,Loklok在东南亚要面对多种语言,需要做的多元化更多。

Q5:两个产品现在做到了什么规模?

Loklok是中长视频产品,2021年开始做,约四年时间累计下载两亿多,日活1000多万,目前比较稳定。

Seekee在2025年农历新年之后上线,不到两年,下载一亿多、接近两亿,日活几百万。

他说Seekee起量比Loklok快,因为推广和获客的经验可以复用,这也侧面印证了拉美市场的潜力。

Q6:本地化运营具体要做哪些事?

他说上架应用商店只是第一步。他讲了几件具体的事:

每个国家的重大节假日、节庆活动都不一样,活动要用当地语言做。团队会做活动日历,写下每个活动的注意事项,不同活动的注意事项还不一样。

产品要适配UI,运营和社区沟通也要考虑当地习惯。他举例:订阅产品在中国节日给你发一条应景的内容,对企业几乎没有成本,但用户会觉得产品把自己当回事。

同事会通过当地合作伙伴、兼职同学,以及问卷、访谈,把愿意互动的用户直接加到WhatsApp或Telegram上。这些用户不一定是KOL,就是普通用户,对产品的理解度和认可度更高,很多不确定的问题可以直接从他们那里得到答案。

他承认这样的维护有成本,但换来的是对本地市场逐步更深的认知。

Q7:你们怎么做的用户访谈?有没有一个具体的例子?

团队去了墨西哥城,约用户到场面对面聊。

他认为面对面最大的好处是,当用户使用产品时,你能看到他在哪里迟疑、哪里顺畅、哪里突然不知道怎么操作,这些在线上很难感知到。

他讲了拍照解题这个例子。

来访谈的很多是家庭用户,爸爸妈妈带着两三个孩子一起来,对当时还是雏形的拍照解题功能反馈很好。

家长看重的是批改和解题思路。

用户还提了一个当地特有的需求:海外实体书很贵,哥哥用过的书上有很多笔记。

如果拍完能把笔迹去掉,就能得到干净的新页面,再打印给妹妹用。

这个需求把教育和修图结合在了一起,团队后来围绕这类场景迭代了功能。

Q8:Seekee为什么是2025年才做,而不是2023年?

他们2023年就在看AI,也在Loklok里试过,本来最自然的想法就是把AI放进已有的母产品。

但当时发现不行:一是大模型智能还不够,二是用户对AI功能的接受度完全没有准备好。

转折点在2024年底。

美国几家头部模型公司把原来只是研究成果的底模真正做成了面向大众的产品,开始告诉用户“来用吧,能解决很多日常问题”。

团队判断,从触达普通用户的角度看,时间点差不多了,于是2024年底才开始真正研发,之后成立公司去了拉美。

国家选择的研究早已做完,所以这一步跨出去并不难。

在他看来,24年前对面向普通用户的应用来说是过早了。

Q9:为什么选择从浏览器切入?这不是反共识吗?

他的出发点是:怎么把AI更好地带给普通用户。

普通用户不会主动尝鲜,每一个独立App对他们都是学习成本。

浏览器在PC和移动互联网时代一直没被淘汰,用户用了很多年,“收藏”这类按钮根本不用教。

“浏览”本身也在潜移默化地告诉用户:你可以在这里找到互联网上的很多东西。

他也承认,最容易被团队否决的方案,就是产品形态太先进的方案,因为普通用户不理解。

通过OS去触达AI很难,通过某个垂直App又有很高的信任成本,浏览器正好在中间。

24年研发期间团队内部也有很多探讨,后来发现不用教用户太多,这一点得到了验证。

Q10:已经有Chrome了,为什么还要做新浏览器?

这个问题他们一直被问。

团队做过研究:在目标地区安卓用户居多,Chrome加Safari的占比约八成到八成五,其余是Opera等。

他们的解读是,这至少说明浏览器的渗透率符合预期。

他们也不用颠覆Chrome,只要在它的市占率里拿到一个点、几个点,就足以证明很多问题,而且也有很多产品服务长尾用户。

他提到今年5月在Google I/O现场的观察:谷歌今年的主题是用Gemini打通自家产品,比如Gmail、日历、Workspace,产品是十亿量级的,要让它们变好本身就很有挑战。

留给创业公司的,是把对用户有用的产品传递出去。

Q11:Seekee里具体有哪些功能?哪些用得最好?

团队推过几十个“功能点”,核心理念是用户不必费劲写一段Prompt。

他说,把提示词写得像论文一样结构化,对普通人几乎是不可能完成的任务,这个就是产品要替用户做掉的价值。用得相对好的有几类:

改图片:属于便捷式、短任务,改完就结束,不需要长期记忆,最多记住用户的风格偏好。用户偏女性。

轻办公:文档格式转换、录音转写、会议纪要。产品以移动端为主,所以引导用户一键解决或简单编辑,不让用户在手机上做PPT。

拍照解题:面向家庭、家长用户,也是AI时代重新焕发活力的老需求。

日常场景预处理:拉美用户爱看球赛,还有找音乐、新闻资讯,这些场景的内容在呈现前已经用AI跑过一遍,用户看起来会觉得产品特别懂他。

Q12:为什么不把热门功能拆出去做独立App?

他们没有这么想。

理由是流量本来就在这里,既然定位是一站式,就要看用户每一个细分功能都能不能想到你,想到了,就赢了。

主持人把它类比成当年的hao123,许乐洋表示认同:hao123起来时,用户是“不知道该去哪里找”,需要有人帮他把东西都准备好。

他认为AI也需要这样的东西,他自己早年也会用AI门户,把新产品、评测入口一次性看全。

他还指出,Google和百度上之所以有信息流,也是因为很多用户自己不清楚想找什么,需要被提示。

Q13:Seekee怎么收费?为什么是打包订阅?会不会考虑拆包或者做广告?

产品主要采用月订阅,把所有功能打包,价格不到10美元。

他的对比是:拉美应用市场里,每一类功能单独找一个App,订阅一般接近10美元;叠在一起保持同等价格,用户获得感会更强。

他的判断是,用户击中第一个功能时已经付费,之后每击中二到五里的任何一个,粘性都会成倍放大。

举例说,用户本来为7.99美元的A功能付费,后来发现得到了两倍的效果,就更不愿意离开。

他也想过拆包:一个家庭用户未必愿意为改图付6块钱,但拆成4.5元,加上会议纪要再卖4.5元,总价可能比打包的6.5元更高。

不过团队不会拆得无限细,更可能按办公、居家等大类设两三个板块。

广告方面,产品里有搜索,搜索天然会嵌入广告,所以有一部分广告收入。

但前提是体验不能劣于现有的搜索,团队很在意整体产品体验。

主持人提到Perplexity的广告收入已经有约10亿美元的年化,认为AI时代用户要的是结果,订阅或直接交付结果会更重要。

Q14:你们说小语种语料是一个优势,有什么具体的证据?

他讲了今年5月在Google I/O上的一个小故事。

当时DeepMind把一批亚洲创业团队聚在一起,了解谷歌模型的使用情况,对Seekee和一家印度公司问得特别细。

许乐洋反问对方:除了英语,你们语料和能力最强的是哪种语言?

对方迟疑了很久,说是韩语,因为三星是合作伙伴,提供了很多上下文和语料。

谷歌关注他们的原因是:Seekee有大量拉美真实用户的语料,包括文字搜索和语音输入;那家印度公司类似国内的YY,有大量游戏玩家的语音聊天,涉及很多印度方言。

他的判断是:即便是谷歌,在小语种的语料上仍然有缺口。

他的结论是:不是ChatGPT或Gemini做不了,而是它们还没有专门为拉美这批人去服务,团队投入精力和时间,换来了先发优势。

Q15:Personal Agent时代,用户还需要App吗?

他的观察是,AI出来之后,大家在笔记本和PC上的时间变多了。

原来在手机上处理复杂办公不方便,现在AI降低了生成门槛,大家要管好几个Agent,反而每天都在往Mac上装软件。

所有产品都在平分用户的时间:PC产品也在抢移动端的时间,紧盯AI久了,刷短剧的时间就少了。

他认为未来会分层。

个人助理能做“浅层决策”,比如那些特别薄、容易下载的工具,或者已经非常熟悉的品类,不需要再逛。

他举了千问的下单功能:最先引导的是咖啡、茶饮,因为这类品类挑选成本低,你能直接说“帮我点一杯某品牌的拿铁”。

但选一家新餐厅、看菜单,AI今天还包办不了,人还是要自己体验。

“逛街”这件事本身是人类的乐趣。

他还补充,中国人被移动互联网训练得很工整,更追求效率,但海外用户未必要把效率追到极致,他在越南、印尼看到过有人下午坐在马路牙子上喝杯咖啡。

Q16:你敢把权限交给Agent吗?

他说自己不敢完全授权。

他愿意让Agent处理公开或半公开的内容,比如谷歌邮箱和日历,但信用卡这一步,在大部分AI产品上还没跨出去。

他听说有人专门办一张限额的卡给AI用,觉得这是考虑得很完善的方式。

他的思考是:如果今天全是云端模型,你会不会愿意把只属于你的细节、家人的信息、内心想法交给它?大概率是犯怵的。

所以他认为端侧模型有机会:如果有机制告诉你“这个东西不会出这个手机、不会出这个局域网”,用户可能就愿意授权,模型反而因为更懂你而更强。

他用NAS做类比:很多家庭买NAS,就是因为东西就在自己这儿。

通用智能仍然要跟上最先进的云端模型,但属于个人的部分可以留在本地。

Q17:中国团队想拿美国资本,要做哪些准备?

他提了几点:

公司架构:美国投资人更认特拉华(Delaware)注册,对开曼和BVI架构没那么喜欢,觉得特拉华才说明你真想在美国做生意。

人要在当地:他们会在意团队里有没有人持绿卡、在当地待了很久,或者已经和当地合作伙伴合作。主持人补充,不能让人觉得你是游客。

语言:他认为AI时代书面沟通已经没有障碍,真正的问题是融入。美国氛围开放、鼓励分享,你参加活动如果完全不输出,久而久之很容易被忽略,因为圈子很小,大家会记住愿意分享的人。你的中国视角反而是加分项。

他还描述了硅谷的状态:很多人还在大厂就有一堆想做的事,“无AI不欢”。

主持人补充,很多创始人一晚上赶好几个场去社交,没有想象中那么松弛。

Q18:做To C的出海团队去美国融资,会遇到什么质疑?

他今年4月去美国聊过一轮,感受是美国投资人对To C“又怕又不想说不相信”。他听到几个点:

美国近年没有出现什么大的To C公司,Character.ai后来也被大厂整合,算行业的先行者。

他们会反问:本土团队都没成功,你一个外来者做To C,凭什么能成?

他们也担心大厂,Meta坐拥数十亿用户,随便一抄,你的功能可能就没有了。

Seekee在拉美做,这种担心弱一些,但投资人对这个市场不熟,会不理解为什么To C在拉美能做大。

团队的回答是:他们做得快,迭代勤奋,而且美国大厂暂时不愿意或者还没有重兵投入这个市场。

他还分享了东西部差异:硅谷氛围开放、资本流通顺畅;东部是老钱,也愿意参与AI浪潮,有时在西部融完再去东部聊,对方因为“西边项目更多、钱也多”愿意跟进。

a16z一位拉美裔合伙人当面夸中国人做的App想得周全、商业模式有意思,虽然对Seekee本身有些迟疑。

在其他地区,他提到东南亚有以新加坡为中心的投资生态,一二级市场的通路比较完整,叠加香港的金融中心作用。

Q19:语生科学是做什么的?和VC、传统孵化器有什么区别?

语生科学是一家专注于AI创业的孵化机构,由盛大和WiFi万能钥匙的联合创始人陈大年创立。

我们希望帮助有能力、有想法的创业者,把一个创意做成一家独立、可持续发展的公司。

与VC(风险投资)相比,我们更强调从零到一的孵化。

VC通常以投资为起点,我们的参与可以更早:一起判断方向、验证需求、寻找合伙人,再连接市场、行业资源和资金。

年总和我都做过创业者,知道早期团队在每个环节可能缺什么,也知道有些问题,单靠钱解决不了。

与传统孵化器相比,我们的重点是陪团队把业务做起来。

工位、活动和通用服务是基础,更关键的是:核心团队能不能组起来,产品能不能做出来,市场需求能不能得到验证。

这里很重要的一环是导师机制。

人才网络、行业活动和黑客松可以让人相遇,但从临时组队到共同创业,还需要方向共识、能力互补和持续磨合。

导师必须是“打过仗、打赢过”的人,有亲手做产品、经营企业的经验,也愿意投入时间和资源,深度参与项目。

有时候,在关键节点帮团队看清一个问题,就能少走很多弯路。

我们提供这些支持,同时尊重创业团队的经营自主权。

钱当然重要,但把团队、产品和市场的基础打扎实,融资才更有说服力。

语生想做的,就是把这些环节衔接起来,帮助创业者走过最难的早期阶段。

Q20:创业是“人找事”还是“事找人”?创业者是选出来的,还是培养出来的?

对于“人找事”还是“事找人”,他说历史数据里,人自己决定做的事情,然后一路自己找队友,案例更常见。

但他也认为很难绝对区分,因为“事找人”也离不开人。

他创业后最强烈的收获是执行力:很多人看到了同样的机会,但是只有去做了,才会发觉身边也有人在做。

他还观察到,有的人很灵活、机会获取能力强,但“人在那,事一直在变”,反而会让人担心。

对于选出来还是培养出来,他认为取决于站在什么角度。

纯VC视角一定偏选择,要找万里挑一的人,获取超额收益。

但创业的定义也在变化:业务稳健但错过资本窗口的公司,不一定就不成功。

如果这样的创业者配上一个懂资本市场的人,公司说不定就上去了。

AI又让很多人能从只做环节1扩展到做2、3、4,这也算创业。

孵化器里挑选和培养都是机制,但他们更愿意花时间陪创业者成长,用“青蓝相接”“传帮带”的方式,把导师资源注入进去。

至于补人的方式,无论是输出人、还是帮找人,只要能把团队推到一个合格甚至优秀的公司,他就认为任务完成了。

跳转微信打开

  •  

全球AI App收入榜单来了,Claude用8%的用户收到21%的钱

原创 Unique Research 2026-11-06 23:00 上海

Agent 的收入还很小,Muse 的用户增长不能忽略

非凡产研 × AIWatch · 全球 AI App 榜单

Claude 只有 ChatGPT 8% 的用户,却收到了 21.8% 的钱

“真正值得写的变化,往往发生在第一名之外。”

看 AI App 榜单,下载榜最容易让人兴奋,也最容易让人误判。

一个新功能、一轮投放,都可能把下载量迅速推高。

但用户用完以后会不会留下,又愿意在哪里付钱,是另外一回事。

非凡产研与郎瀚威团队(AIWatch)刚发布的 10 月全球 AI App 百强榜里(包含收入、下载、活跃用户),ChatGPT 的应用商店内购收入达到 4.80 亿美元,占收入 Top100 合计的 60.6%。

这个数字当然惊人,但如果文章只写 ChatGPT 很强,其实没有什么可分析的,大家都知道它强。

我更注意的是另一批产品。

Tipsy 只有 328 万月活,内购收入却达到 1801 万美元,排在全球第四。

Muse 一个月拿到约 950 万次下载,月活涨到 1237 万。

Nexus 的下载接近 1000 万次,榜单监测到的应用商店内购收入却只有 2500 美元。

这些产品放在同一张榜上,很容易让人产生一个错觉:它们在做同一种生意,只是规模不同。

实际上完全不是。有人靠订阅赚钱,有人先占入口,有人经营一段长期的角色关系,还有人把 AI 塞进具体工作里。

把它们混在一起比较,很多结论都会跑偏。

数据说明:本文数据来自非凡产研 × 郎瀚威团队(AIWatch)联合发布的《2026 年 10 月全球 AI App 数据榜单》,统计周期为 2026 年 10 月,覆盖 Google Play 与 Apple App Store。榜单未统计国内安卓应用商店,国产产品数据与实际情况可能存在较大差距,部分国产应用可能缺失。内购收入仅为应用商店监测口径,不包含网页端订阅、广告、硬件、企业服务、API 等收入。

郎瀚威团队(AIWatch)专注全球 AI 产品数据研究,持续监控 1 万+ AI 工具公司,从 14+ 维度拆解 AI 产品的增长与竞争格局。团队规模 30+ 人,已为 40 家 AI 产品公司、投资机构和出海团队提供数据分析服务。

ChatGPT 很强,Claude 的增长更有嚼头

10 月,全球收入 Top100 的应用商店内购收入合计约 7.93 亿美元。ChatGPT、Claude、Grok 三款产品拿走了 78.9%,前十名拿走 87.5%。

头部集中不意外,新增收入的分配更能说明问题。

按本月上榜产品的环比数据回推,这 100 款产品比 9 月多赚了约 9486 万美元。

其中 ChatGPT 多了约 6088 万美元,Claude 多了约 1745 万美元,两家合计贡献 82.6%。

剩下 98 款产品加在一起,只分到不到两成的增量。

ChatGPT 的基本盘还在扩大。月活 15.47 亿,环比增长 4.6%;下载 8661 万次,增长 6.1%;内购收入增长 14.5%。

到了这个体量,还能保持三项指标同时上涨,确实很难追。

但 Claude 这个月的表现更有嚼头。

它的下载量增长 34.2% 至 2266 万次,月活增长 15.4% 至 1.24 亿,内购收入增长 20.0% 至 1.05 亿美元。

收入增速高于月活增速,这一点尤其值得记下来。

Claude 的月活只有 ChatGPT 的 8.0%,收入却达到 ChatGPT 的 21.8%。

按当月内购收入除以月活粗算,Claude 是 0.84 美元,ChatGPT 是 0.31 美元,相差约 2.7 倍。

这个算法很粗,不能当成真实的人均付费,更不能据此解释原因。

它至少说明,Claude 虽然用户少得多,却在应用商店里收到了相对更多的钱。

下个月如果收入继续比月活跑得快,这个信号就更扎实了。

Gemini 的 699 万美元,不能证明 Google 不会赚钱

Gemini 10 月有 6.67 亿月活,全球第二,内购收入却只有约 699 万美元,排第八。

它的月活是 Claude 的 5.4 倍,榜单内购收入只有 Claude 的 6.7%。

看到这组数据,最直接的文章写法是“Gemini 空有流量,变现远远落后”。

很顺,但账不能这么算。

这里统计的只是 Google Play 和 Apple App Store 内购。网页订阅、捆绑会员、广告、企业服务都不在里面。

Google 又有一整套产品生态,用户未必要在 Gemini App 里单独付钱。

所以,这 699 万美元能证明的是 Gemini 在应用商店里的直接内购规模,证明不了 Google 靠 AI 一共赚了多少钱。

对 Meta AI、DeepSeek 以及其他有外部收费渠道的产品,也是同一个道理。

Gemini 的内购收入本月其实增长了 66.9%,只是基数低。

Meta AI 更夸张,内购收入增长 520.3%,绝对值是 32.9 万美元。

百分比很热闹,放到收入榜上仍然很小。

读这类数据,最好别急着替产品判输赢。

先看它选择了什么收费方式,再看这张榜到底看见了哪一部分。

最会收钱的产品,不一定有最多用户

Tipsy 是这份榜单里很值得研究的一款产品。

328 万月活,1801 万美元内购收入,全球第四。

它排在自己身后的,有 Suno、Perplexity、Gemini,也有大量下载量比它高得多的应用。

Tipsy 不是孤例。zeta 内购收入 885 万美元,PolyBuzz 为 493 万美元,Whispy 为 427.5 万美元。

把 AI 伴侣、角色生成、小说生成三类放在一起,收入 Top100 里共有 31 款,合计约 7269 万美元。

占总榜收入只有 9.2%,听起来还不算大。

但去掉 ChatGPT、Claude 和 Grok,剩下 97 款产品合计收入约 1.67 亿美元,这 31 款占了 43.5%。

换句话说,巨头把通用助手的大部分钱拿走以后,角色、陪伴和故事已经吃下了剩余市场的一大块。

它们在公共讨论里的声量,跟真实付费规模并不匹配。

为什么有人愿意持续付钱?榜单不会回答,但产品形态能提供一些线索。

普通工具解决一次问题,用户下次可以换一家;角色互动和连续故事会积累共同经历,换产品就意味着中断这段体验。

前者比能力,后者还经营关系。

不过,这个赛道也不是闭眼收钱。Tipsy 本月收入只增长 1.3%,zeta 下滑 9.5%,PolyBuzz 下滑 6.8%。

SeaHaze 收入增长 805.7% 至 207.8 万美元,Whispy 增长 58.1%,波动同样很大。

用户愿意付钱是一回事,能不能一直留住他们,是另一回事。

内容、角色体验和更新速度,缺一个都可能反映到下个月的数据里。

视频产品冲下载很猛,Suno 和可灵已经在认真收钱

Nexus 10 月下载量达到 997 万次,增长 298.2%;月活达到 801.9 万,增长 345.4%。

Framly 也拿到 319 万次下载和 273.5 万月活。

这组数据很漂亮。榜单里的内购数字却很淡:Nexus 为 0.25 万美元,Framly 没有记录到应用商店内购收入。

这不等于它们没有收入。钱可能走网页端,可能来自广告,也可能产品暂时就是免费扩张。

榜单看不到,就不应该替它补一个结论。

同样做创作,Suno 和可灵 AI 已经在应用商店内购上跑出了更清楚的规模。

Suno 下载量增长 32.0%,月活增长 9.3%,内购收入增长 15.5% 至 1279 万美元,排全球第五。

可灵 AI 下载量增长 40.6%,月活增长 9.6%,内购收入增长 21.4% 至 468 万美元。

两款产品的下载、月活和收入都在涨。

反面样本也有。AI Video 本月内购收入下滑 54.7%。

仅凭一个产品不能说整个赛道都在退潮,但视频生成能力越来越普及以后,只提供一个简单生成入口,确实会越来越难收费。

用户第一次生成视频,可能只是因为新鲜。

到了第二次、第十次,他就会开始计较结果稳不稳定、修改麻不麻烦、能不能真的拿去用。

下载量很难把这些差别讲清楚。

Agent 的收入还很小,Muse 的用户增长不能忽略

个人智能体最近很热,但 10 月榜单里的内购收入还谈不上爆发。

五款产品合计内购收入约 713 万美元,只占百强总收入的 0.9%。

拿这组数字去吹“Agent 收入时代来了”,显然太早。

但 Muse 的用户增长不能忽略。

它 10 月下载约 950 万次,增长 67.8%;月活达到 1237 万,增长 172.0%;内购收入为 68.9 万美元,增长 252.2%。

目前收入不大,用户入口已经起来了。

WorkBuddy 的数据也值得留一下:下载 252 万次,增长 77.5%;月活 193 万,增长 58.4%;内购收入 35.15 万美元,增长 138.1%。

体量不大,三项指标倒是都涨得很实在。

Manus 和 Pocket 展示了更成熟一点的付费样本,也都有各自的烦恼。

Manus 内购收入约 274 万美元,只增长 0.9%;Pocket 用 7.5 万月活做出 242 万美元内购收入,但环比下滑 31.4%。

Agent 还有一个天然的问题:很多工作根本不在手机 App 里完成。

电脑、浏览器和外部工作流里的使用与付费,这张榜很难完整覆盖。

所以现阶段更值得看的是,谁开始被持续使用,而不是谁的内购排名暂时靠前。

出海产品已经分叉,国产数据则要先打个折

10 月收入 Top100 里有 34 款出海产品,合计内购收入约 6484 万美元。

它们的打法已经很不一样。

Dola AI 有 1.13 亿月活,Seekee 有 5466 万月活,都在做很大的用户盘。

本次监测到的应用商店内购收入分别只有 1.23 万美元和 20.96 万美元。

这两个数字不包含它们可能存在的其他收入,也不能拿来证明商业化失败。

Tipsy 和 PLAUD 走的是另一条路。

前者用 328 万月活做出 1801 万美元内购收入,后者用 65.6 万月活做出 666 万美元。

用户不算多,付钱的人群却很明确。

出海收入里还有一块很集中:12 款 AI 伴侣产品合计约 3778 万美元,占全部出海产品内购收入的 58.3%。

可灵、PLAUD、Manus 等产品则证明,出海并不只有陪伴这一条路。

国内产品要另说。修正 Muse 的分类后,收入 Top100 中剩余国内产品为 5 款,合计内购收入约 1228 万美元。

豆包约 616 万美元,增长 48.5%;即梦约 267 万美元,Kimi 约 233 万美元。

这些数字可以参考环比,不适合判断完整体量。

榜单没有统计国内安卓应用商店,国产产品的数据可能与实际表现差很多,部分应用也可能缺失。

硬拿这 1228 万美元去讨论国产 AI 的真实收入份额,就不严谨了。

这份榜单最有用的地方,不是给所有 AI App 排出一个整齐的名次,而是把不同产品的选择暴露出来。

有人先要用户,有人先收钱;有人适合看内购,有人必须结合其他渠道;还有人这个月冲得很猛,下个月才知道能留下多少。

下个月我会先看三个地方:Claude 的收入还能不能继续跑赢月活,Muse 的千万月活能留住多少,Nexus 接近千万次下载之后会不会出现更清楚的收费路径。

至于 ChatGPT,它大概率还是第一。

真正值得写的变化,往往发生在第一名之外。

本期完整榜单如下:

跳转微信打开

  •  
❌