---
title: "非凡挚友｜MuleRun束骏亮：Agentic AI 不缺 Demo，只缺市场"
id: "20251107A066LI00"
publicationAccount: "非凡产研"
originalPublishedAt: "2025-11-07T19:35:39+08:00"
canonical: "https://ffcap.cn/research/20251107a066li00"
source: "https://view.inews.qq.com/a/20251107A066LI00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI Agent","办公协作","AI 编程","模型与基础设施","收入与 ARR","全球化出海"]
---

# 非凡挚友｜MuleRun束骏亮：Agentic AI 不缺 Demo，只缺市场

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

如果说过去十年，互联网教会我们的一件事，是平台会改变个体的命运；那 2025 年开始铺开的这波 Agentic AI 浪潮，很可能会把这个命题再往前推一大步——不是简单地给你一个账号、一个摊位，而是让你一个人，真正拥有一整条从能力到生意的闭环。

MuleRun 想做的，正是这件听上去有点野心过大的事。

它不是再做一个新的 AI 应用，而是试图在 Agent 时代重建一个市场：一端连接全球的 Agent 开发者，一端连接愿意为智能能力付费的普通用户，让技术不再只是模型参数和 Demo，而是可以被创建、被分发、被交易、被放大的产品与收入。

而这背后，是一个典型技术创业者的选择：从网络安全到 Agent 市场，束骏亮把自己从做产品的人，切换到了给别人搭舞台的人。

**一、从大模型到 Agent：技术革命真正改变的是个体的单位**

束骏亮的判断很直接：**2025 年的年度关键词，就是 Agentic AI。**

大模型的突破，让我们第一次有了一个可以对话的基础设施。在他看来，这场革命对个体的改变，至少有两层。

第一层，是**知识门槛被砸碎**。

过去你要补一门课，要么报班，要么啃厚书，要么在搜索引擎里一点点抠信息。今天，一个基础科学素养和逻辑能力不错的人，只要愿意提问，和大模型对话就足以把自己拉起来，去摸不同领域的门道。

从我要去学校学变成我可以随时问，知识的获取从线性变成了并行。

第二层，是**劳动边界被重写**。

当 Agent 能够稳定地写代码、跑测试、写文档、出方案、做图、剪视频，很多过去需要一个小团队分工协作才能做完的事情，开始变成一个人的指挥 +验收问题。

你不一定要什么都精通，但你可以让一群 Agent 在后场排队，把你的时间从重复劳动中解放出来，集中到判断、选项和方向的决策上。

从这个意义上说，开创智能｜个体时代并不是一句漂亮的大会标语，而是一个非常现实的问题：

**当工具变得越来越聪明，真正需要被重新设计的是个体这一个单位——一个人可以多大？一个人可以撑起多复杂的事情？一个人凭什么在全球竞争里有姓名？**

MuleRun 的故事，就发生在这个问题的正中央。

**二、MuleRun 想做的，不是再造一个应用，而是搭起一个双边市场**

MuleRun 成立得很晚——2025 年上半年才启动，却跑得很快：9 月 15 日正式公开发布，不到 10 天注册用户破 20 万，一个月过 50 万，平台上已经有了数千名开发者、两百多款 Agent 上线。

但比这些数字更值得琢磨的，是它的定位：

**全球最大的 AI Agent 市场。**

这句话背后有两个假设：

Agent 会变得越来越强，能解决越来越多真实问题；

真正需要被重新建设的，不是再写一个更聪明的 Agent，而是搭一个把 Agent 和用户连在一起的基础设施。

在过去两年，已经有不少团队试过做 Agent 目录、Bot 市场，但为什么始终没有出现一个真正好用的产品？

束骏亮给出的答案很务实：**因为大多数人只看到了流量，没有扎下去解决开发者和用户两端的脏活累活。**

对一个独立开发者或者小团队来说，做 Agent 真正的痛点，往往不是能不能调好一个模型，而是：

各家模型 API 怎么统一接？

Agent 怎么部署，怎么让全球用户访问稳定？

海外怎么收款？怎么结算？

面向不同国家的法规、数据合规怎么处理？

一堆脚本怎么变成一个有人愿意付费、愿意留存的产品？

MuleRun 的选择，是把这些东西当成自己的分内之事。

平台去做模型接入、部署运维、跨境支付、基础架构和产品化工具，让开发者可以更多地把时间花在搞清楚用户要什么上，而不是被 API 文档、服务器和合规问题拖死在半路。

与此同时，平台自己再去做流量分发和用户教育，把好用的 Agent 推到普通人的面前，帮他们完成从听说 AI 很厉害到我真的每天在用几个 Agent 办事的过渡。

这其实是一个很朴素、但又很难坚持的定位：

**不抢开发者的饭，而是帮他们把饭做熟、端上全球的桌子。**

**三、一个 Nano Banana 的故事：当嗅觉 + 行动力 + 基建被串起来**

什么叫为个体加杠杆？MuleRun 上一个具体案例，很好地说明了这件事。

上个月，Google 的 Nano Banana 生图模型一夜之间刷屏。社交媒体上最火的那个玩法，是你上传一张物体照片，它就能给你生成一张手办 + 电脑设计稿的组合图——既有现成实物，又像在看一张设定稿。

这类玩法流行速度极快，话题热度却往往只有几天。

在模型刚公开的当天，MuleRun 上有一个开发者就已经上线了一个基于 Nano Banana 的 Agent。

功能非常简单：用一个固定 prompt，把你上传的图片丢给模型，然后生成那张手办 + 设计稿的图。没有复杂的多轮交互，没有冗长的界面，就是一个极致聚焦的小玩具。

但这一次，他手里多了几个关键变量：

他对前沿模型足够敏感，知道 Nano Banana 不只是图片质量好，更是一种新的表达方式；

他有足够的行动力，愿意在第一时间把这个 idea 做成一个可以被人点击使用的 Agent；

他不再需要自己搞一整套网站、收款、分发和全球访问优化，MuleRun 已经把这些事情做好了。

于是，在短短几天内，这个 Agent 在平台上迎来了极大的调用量，这位开发者也凭这个小产品赚到了挺大一笔钱。

回过头看，这个闭环里的工作量其实很不重：

没有长周期开发，没有庞大团队，没有复杂销售，甚至连 UI 都极其克制。

真正被放到最大的是三样东西：**嗅觉、理解和行动力**。

剩下的，就是平台给的杠杆。

这正是 Agentic AI 时代一个很重要的信号：

**个体不再需要什么都自己建一遍基础设施，而是要学会站在合适的基础设施上，把自己的洞察 + 执行放到最大。**

**四、中国开发者的长板与短板：技术不再是最大难题，产品才是**

束骏亮对中国团队在全球 AI 市场的判断，其实有一点乐观中的清醒。

乐观来自一个显而易见的事实：

多年的人口红利和教育投入，给中国培养出了规模庞大的工程师群体。这一点，在几乎所有技术密集型竞争里都体现过，在 AI 领域当然也不例外。

在 MuleRun 上，已经有很多非常优秀的 Agent 创作者来自中国，他们做的产品完全有能力在全球用户面前站得住脚。

但他也非常坦率地指出：

**目前对于个人开发者和小团队来说，技术本身已经不是最大的挑战，真正的短板，是产品 sense。**

他和团队在平台后台能看到大量技术上没问题，想法也有意思，但在商业上寸步难行的 Agent：

逻辑很炫技，但用户第一次用就迷路；

功能点很多，但没有一个记得住的主打场景；

做了付费，却几乎没有认真想过为什么别人要付这一笔钱；

有调用，有尝鲜用户，却留不住人，更转不动第二笔收入。

这些问题本质上都不在模型调得够不够好，而是**对用户体验、付费转化、留存路径的系统性思考严重缺位**。

再往大一点看，中国团队过去十几年在全球化竞争中的参与度确实不算高——不是没有出海项目，而是从整体比例看，仍然偏内循环。

这也意味着：我们的工程师长板，很多时候只在国内市场这块棋盘上被使用，真正走向全球时，还要重新理解法律法规、付费习惯、文化差异和用户心智。

在束骏亮看来，**要把中国工程师的长板在全球市场里真正变成优势，先要承认并补齐这些短板**：

合规要学，产品要学，运营要学，商业化思维也要学。

否则，技术水平再高，你也只是一个会写代码的人，而不是一个能跑通全局的人。

**五、给个体和小团队的三点提示：前沿、全球、水桶短板**

回到个体时代的命题上，如果把视角收窄到未来 1–3 年，束骏亮给出的建议很简单，却并不轻松：

第一，**对前沿保持真正的敏感。**

不是每天刷新闻、转几条 Demo 链接，而是把自己放到我能不能在第一时间把它变成一个可用的产品的位置上。

前沿不只是信息，而是机会窗口——像 Nano Banana 这种级别的模型，每一次出现都是一次价差窗口：你发现得早、行动得快，就真的有机会在几天里赚到一笔过去要几个月才能赚到的钱。

第二，**从 Day 1 就放眼全球，去做 70 亿人的生意。**

Agentic AI 的天然优势，就是一套代码，全球可用。如果一开始就把视野锁死在单一市场，你会在很多设计上错失空间：语言、支付、场景、定价、品牌。

真正的变化在于心态：你不是在做一个小工具，而是在为世界上一个具体的需求做解法，然后刚好用 Agent 这种形式来承载。

第三，**用 AI 补齐自己的水桶短板。**

对大多数技术出身的人来说，短板往往在商业、产品和运营；

对很多内容出身的人来说，短板则在技术、结构化思维和长期规划。

但现在的好消息是：**你不需要再把短板当成命运，而可以把它当成可以被修的 bug。**

用大模型反复磨产品逻辑、运营策略和商业模型，用 Agent 辅助你做调研、写方案、跑实验，把原本需要两三年的试错压缩到几个月甚至几周。

真正值得警惕的不是我现在不会这个，而是我习惯了把不会当借口。

**平台搭起来了，轮到个体做选择**

从网络安全创业者到 Agent 市场的 CTO，从被并购退出到再一次 all-in，束骏亮身上的连续创业者气质，很大一部分是对浪潮的敏感，也是一种技术人式的倔强——在他看来，当一种技术展现出和过去不一样的潜力时，**投身进去并持续深耕，本身就是必然选择**。

MuleRun 这样的平台，会不会真的成为全球最大的 AI Agent 市场，现在下结论还为时尚早。但至少有一点已经很清楚：

它在试图把个体和技术之间的缝隙补上，把那些琐碎但关键的基础设施先做出来；

它在用一个个具体的开发者故事，证明一个人 + 一个平台 + 一点前沿嗅觉，确实可以在这个时代拿到不错的结果。

真正的关键，落在每一个个体身上：

你是把 Agent 当成一个更聪明的工具，还是把自己当成一个可以驾驭一群 Agent 的经营者？

你是继续习惯于等大厂给我一个岗位，还是开始认真思考我能用 AI + 平台，搭出属于自己的一条价值链？

平台已经有人在搭了，技术也确实成熟到可以为你加杠杆。

剩下的问题，就只剩一个：**这个时代已经给了个体这么多，你，准备好把个体这两个字做到多大？** 

* * *

  

**访谈精选Q&A**

**Q1**：先简单介绍一下你自己和 MuleRun 吧？它想成为什么样的一家公司？

**束骏亮**：我是束骏亮，算是连续创业者。19 年在交大读完博士，先跟同学一起做了一家网络安全公司，当了 6 年 CEO，今年公司被并购。之后我选择 all-in 加入 MuleRun，现在是 CTO。

MuleRun 成立于 2025 年上半年，是一群连续创业者重新组队做的公司。我们这次想做的，不是一个单一 App，而是**全球最大的 AI Agent 市场**，做一个连接者——一头连 Agent 开发者，一头连普通用户，通过商业化的方式推动更多好用的 Agent 被创造出来、被用起来。

**Q2**：MuleRun 的产品具体在解决什么问题？和以前的“Bot 商店”有什么不一样？

**束骏亮**：我们看到的机会很简单：**未来绝大部分 AI 应用都会是 Agent 形态**，那就一定需要一个真正好用的“双边平台”。

对开发者，尤其是独立开发者和小团队来说，难点其实不在“写不出 Agent”，而在一堆脏活累活：

不同模型 API 怎么统一接？Agent 怎么部署成全球可访问的稳定服务？怎么收款、怎么结算？怎么做产品化？

MuleRun 的价值，就是帮大家兜底这些基础设施，降低开发和商业化门槛，让更多人有动力持续做 Agent。

对用户，我们则希望把更多更好用的 Agent 摆到他们面前，让“用 Agent 解决问题”变成一种日常习惯，而不是一次性尝鲜。

**Q3**：这次投身 AI，你个人的初心和驱动力是什么？

**束骏亮**：可能说得直接一点，我觉得**这次 AI 技术的潜力太大了**。

大模型展现出了很多传统技术不具备的能力，有机会做出完全不一样的新产品。对于技术出身的人来说，这种级别的技术浪潮，你不进去反而更难受。

所以我的初心很简单：希望不仅是“参与”，而是能**在浪潮里真正做出点成绩来**。

**Q4**：在你看来，2025 年生成式 AI 最大的突破在哪里？MuleRun 怎么跟这些前沿进展结合？

**束骏亮**：如果用一个词概括 2025 年，我会选 **Agentic AI**。它代表 AI 已经从“回答问题”走向“处理复杂任务”。

最近一波比较明显的进展在多模态、特别是生图和生视频模型上。我们平台上已经出现了不少基于最新多模态模型的 Agent，生图、生视频类 Agent 的调用量和关注度都很高。

MuleRun 本身就是围绕 Agent 形态设计的 Marketplace，前沿模型出来得越快、越强，对我们平台上的创作者和用户来说反而是利好。

**Q5**：技术迭代这么快，你们怎么平衡“技术创新”和“商业落地”？

**束骏亮**：对一个平台型产品来说，这两件事其实是绑在一起的。

**商业落地**是让双边平台转起来的基本条件；

**技术创新**则直接决定了开发者能做出什么样的 Agent、这些 Agent 在平台上的稳定性、用户使用时是否顺滑丝滑。

我们团队技术背景比较重，所以在技术这块会投得更深一点，比如有专门做模型后训练的小团队，在探索 Agentic RL 等方向，未来这类技术上的突破也会反过来变成产品侧的功能和增长点。

总体判断是：AI 技术还有很大上升空间，我们会持续把资源砸在前沿探索上，但前提是它能真正服务于开发者和用户体验。

**Q6**：MuleRun 从一开始就做全球化，你们遇到的最大机遇和挑战分别是什么？

**束骏亮**：从上线第一天起，MuleRun 就是一个面向全球市场的产品。

机遇在于：AI 需求高度全球化，美国、日本、印度、新加坡等国家的用户和开发者都非常活跃，我们的平台天然是可以“跨国撮合”的。

挑战则非常多：

不同国家的法律法规、本地化需求不同，各地用户对 Agent 类型的偏好也不一样。作为平台，还要同时照顾平台、开发者、用户三方，这就让我们的业务和合规难度都比单一应用要高。

现在我们一方面重点服务 AI 需求比较活跃的市场，另一方面也在搭建本地化团队，和全球创作者一起，用平台的基建、工具和流量去支持在不同垂直领域解决痛点的 Agent。

**Q7**：跨国做 AI 平台，数据和合规是绕不过去的，你们怎么处理？

**束骏亮**：第一步一定是把自己的产品梳理清楚：业务形态、数据流转路径、服务架构，这些都要非常明确。

AI 产品比传统业务复杂在于：**底层都有大模型 API**，而目前主流的模型 API 就几家，你平台上的数据迟早要流向这些所在的国家。欧洲、美国对数据合规各有一套要求，不能糊里糊涂。

MuleRun 更复杂的是：平台上有三方在活动——平台方、开发者、用户。

因此我们在法务和数据合规上投入了不少精力，团队里有好几个数据安全专家，我自己以前也是做安全出身的，这点算是我们的一个优势。

**Q8**：你怎么看中国 AI 团队在全球市场里的位置和短板？

**束骏亮**：从优势上看，我觉得中国团队在全球 AI 市场是非常有竞争力的。核心原因就是**工程师红利**：多年教育投入和家长的重视，为这个行业培养了大量优秀的工程师，这一点是很多国家难以比肩的。

在 MuleRun 上，很多非常优秀的 Agent 创作者来自中国，他们做出的产品放到全球用户面前也是很有竞争力的。

但短板也很明显：过去十几年我们参与全球化竞争的比例不高，所以这批工程师的能力，并没有完全在全球市场上“变现”。

要补的课包括：不同国家的法律法规、文化差异、付费产品如何构建，以及全球市场用户的心智和商业习惯。**先把这些短板补齐，长板才能在全球舞台上真正伸展开来。**

**Q9**：你如何理解“开创智能｜个体时代”这个主题？AI 在改变个体什么？

**束骏亮**：我觉得这个主题概括得非常准确，它指向的是这次 AI 革命最深远的变化：**个体能力的上限被整体抬高了。**

一方面，大模型极大降低了知识获取门槛。和模型对话学东西，比你以前上网搜、上课听要高效得多。对有意愿自我提升的人来说，很容易变成一个“多面手”，你只要有基础科学素养和逻辑，就有机会在多个领域快速长成“准专家”。

另一方面，Agentic AI 快速发展，让个体在“通过电脑完成的劳动”上获得了巨大杠杆。写代码、做测试、写文档、做 PPT、做图、做视频，这些过去要一个小团队折腾很久的事情，未来有可能都交给 Agent 去做，个体只需要判断、下指令、验收结果。

所以我相信，我们一定会迎来一个“个体时代”：很多过去需要一个团队、花很久时间才能做成的事，将来一个人加一组 Agent 就可以完成。

---

原始发布版本：https://view.inews.qq.com/a/20251107A066LI00

本站阅读页：https://ffcap.cn/research/20251107a066li00