为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？

AI商业化没有标准答案，但有人已经赚到了钱

五位女性创业者在新加坡 Agent 峰会上的真实商业化复盘

一台200美元的录音笔，几个月内在亚太区干出了1亿美元以上的收入。50%的买家是全球各地的CEO和Founder——全世界最忙、最不缺钱、也最不缺效率工具的那群人。

这是我在新加坡Agent峰会上听到的一组数据。说这话的人叫Megumi，她身后坐着其他四位女性创业者。一个全是女生的panel，在AI行业本来就少见。更少见的是她们聊的东西——不是谁融资更多、谁模型更大，而是怎么在真实的商业世界里活下来，而且活得不错。

Megumi用十六个字介绍自己："根于北洋，学于东洋，仕于西洋，居于南洋。"

跟她同台的有PatSnap的关典、Dify的Lusha、特赞的Jennifer，以及Emerging AI的Jolie。

五家公司，五条完全不同的路，但都有钱赚。她们用各自的数据说明了一件事：AI商业化没有标准答案。 真正赚到钱的，做的都是同一件事：找到真实的场景，用合适的产品形态，解决具体的问题。

Megumi说了一句话让我印象很深：人类的大多数intelligence来自conversation，不是document。Plaud做的不只是一个AI录音笔，而是帮AI重新找到进入人类生活的入口。

这个入口要解决的核心问题不是技术，是信任。

Plaud的产品是“always ready but not always on"——设备可以全天戴着，但不是全天都在记笔记。用户来决定什么时候开始记录，什么时候highlight，什么时候把note分享给谁等。 这种hardware的物理形态，以非常简单的形式自然的嵌入到生活中，获得了全球用户的口碑和信赖。

更有意思的是用户画像。50%的全球用户是CEO或Founder，世界上最忙的一群人。一台200美元的设备，帮他们节省几百到上千小时。

说白了，用户买的不是AI技术，是省下来的时间。亚太区几个月1亿美元以上收入、新加坡办公室从0到近100人、全球还有100多个opening在招人——这些数字背后，是一个简单的事实：当AI找到了对的入口，商业回报会自己跟上来。

关典代表Patsnap上场。这家公司18年前开始做的是知识产权情报平台的B端SaaS生意，在行业内累积了多年的数据能力，AI来了之后，Patsnap选择在把既有的知识产权数据能力作为底层，叠加AI能力，建构自己的模型层、调度层能力。在业务上，AI转型已经带来亮眼的业务增长：AI赋能和AI原生产品的增速非常快，甚至带动传统的Saas业务增长。

关典分享了一个很务实的判断：不是所有环节都需要大模型，传统小模型解决很多节点问题已经够了。现在的收费模式是传统年费SaaS + AI Credit双轨并行，客户按需购买AI能力。

她们还在试一种新模式，叫FDE——全职数字员工。先把"数字员工"免费派到客户那里，跟着干一段时间，摸清真实痛点，再按效果收费。Outcome-based，不是卖一套软件让客户自己琢磨。

这种模式本质上是在降低客户的决策门槛。你不用先掏钱买软件，我先派人进去帮你干活，干出效果了再谈钱。

Jennifer代表Muse AI（特赞科技的海外主体）上场。她们的产品叫GEA（Generative Enterprise Agent），一套企业级的Agent操作系统——客户可以从450+个预置Agent Skills中按需调用，也可以在系统里自建，还能把外部Agent整合进来，形成跑在企业自己业务流程里的智能体网络。 

特赞的核心优势来自多年的DAM（数字资产管理）积累，对客户结构化与非结构化数据的理解很深。在此基础上，他们同时自研了发散推理大模型（Creative Reasoning Model），与多年DAM积累形成的Context System共同构成GEA的技术底座——Creative Reasoning Model驱动整个系统的编排层，动态协调30+基础模型。 

但Jennifer也坦诚讲了挑战。东盟不是一个市场，是很多个市场——多语系、多文化、法规差异巨大。她举了大健康产业的例子，每个国家的法规完全不一样，一个Agent在泰国能跑通，到印尼可能就要重做合规逻辑。 

做"平台"比做"单点工具"难得多，但护城河也更深。这是Jennifer没有明说、但全场都听懂了的一句话。

Jolie代表Emerging AI登场。公司总部在新加坡，Day 1就是全球化定位。他们从AI Infra起步——GPU management、Model serving——现在深入垂直行业。

Jolie分享了一个有趣的转折。DeepSeek出来才两三天，中东就有客户主动找来："能不能给我们做些什么？"市场被快速教育了，但教育完之后，真正的难题才开始——怎么把AI落到具体的业务场景里？

她们最终选择了金融行业。逻辑很直接：数据密集、人力密集、高重复、依赖专家经验，AI能带来的价值最大。

但金融也是容错率最低的行业之一。Jolie说她们的解决方案是三重保障：技术精度有自信、合规数据保密到位、Human in the loop深入决策流程。

她还提到了一个容易被忽略的细节——全球化不只是技术和语言的事，更是文化的事。想在一个行业里扎下去，对当地文化的尊重才是真正的壁垒。

企业买的不是技术，是"可控"

Lusha有一句话让我记到现在："RBAC和Compliance是企业的生命线。可控和Visible，是Agent能在企业存活多久的考验值。"

翻译一下：企业根本不在乎你用的是GPT-4o还是Claude 3.5，他们在乎的是——员工用这个会不会泄露数据？能不能审计？出了问题谁负责？

Token成本是另一个被低估的炸弹。Lusha说了一句话很多人没听懂："每开启一次Agent，它就是一次重新自己开始跑内容。"什么意思？你不知道这次它会跑几步、调用几个工具、消耗多少Token。对C端用户来说无所谓，对Enterprise来说，一个月多花几万美金谁来承担？

C端和Enterprise，是完全不同的两个世界。

做C端的人可以不懂RBAC（基于角色的权限控制），做企业级AI不懂这个连门都进不去。这不是技术门槛，是生存门槛。

企业级AI落地的规律搞清楚了，但当你把这些规律拿到不同国家去试，会发现另一个维度的问题。五位嘉宾里，Patsnap和Emerging AI都在做全球化，聊了一圈，大家的教训比经验更值钱。

全球化的第一步不是翻译，是变成"本地人"

Jolie讲了一个让我后背发凉的案例。她们在中东和南美做过一轮Christmas sale，PPT上用了雪花元素。结果被当地团队紧急叫停——对方夏天过圣诞，你放雪花是什么意思？文化冒犯。

Jennifer的故事更扎心。她们团队在东盟推大健康营销，被客户直接challenge："你们有多了解新加坡的法规？"一句话问得团队哑口无言。

说白了，全球化的第一步不是翻译产品，是先成为那个文化里的"本地人"。

PHEST框架：比PEST多一个H

Megumi分享了一个她做了20年跨国生意沉淀下来的框架——PHEST。就是PEST（政治、经济、社会、技术）加了一个H，History，历史。

她举了两个例子。菲律宾几乎100%依赖进口，这意味着什么？地缘政治稍微有点风吹草动，消费决策就会剧烈波动。你做菲律宾市场，不理解这一点就是盲人摸象。

还有一个更妙的例子：泰国是整个东南亚唯一没被殖民过的国家。为什么？Megumi说，了解这段历史，你就理解泰国人的商业逻辑和消费心理——他们骨子里的独立性和对外来事物的态度，都写在那段历史里。

了解一个国家的历史，你就会理解它的现在。

关典的信任论：日本市场更加看重稳定性，需要你长期在当地运营，足够了解企业运作的细节，才能敲开门。

关典踩过的坑很有代表性。出海初期以为找个会销售的人就行，结果发现完全不够——你需要的是一个有Entrepreneur精神的人，能在当地从零到一建信任、搭网络、解决问题。

更深层的一点是，不同市场构建信任的方式完全不同。美国市场认的是创新——你有新技术，别人愿意试。欧盟市场认的是合规——GDPR过了吗？数据存在哪？日本市场认的是关系——第一次见面不聊生意，聊半年再说。

能够构建Trust，是你能够在这个市场成功的关键点。

Lusha的"双轨制"和新加坡的窗口

Lusha的全球化打法很有意思，她称之为"地面部队+天空部队"。地面部队是社区——一个个开发者、一个个用户，口口相传。天空部队是云厂商——AWS、Azure、GCP的Marketplace，上来就是全球覆盖。

聊了这么多，有一个感受越来越强烈。

AI商业化的本质不是模型竞赛，不是谁的技术更先进，而是三件事——吃透场景、建立信任、产品形态跟着需求变。

回头再看这五家公司，我发现她们都在做同一件事：把AI能力翻译成客户能理解的产品形态。

Plaud做的是一个硬件入口——客户不懂什么叫LLM，但懂"按一下录音，AI帮我整理会议纪要"。Patsnap做的是数据叠加——客户不需要懂RAG，只需要知道"输入一个idea，系统告诉你全球有没有类似专利"。

所以到底什么是AI商业化的正确姿势？三个感受，跟朋友聊完真心话的那种——

圆桌的最后，关典说了一句特别接地气的话："我们准备PPT ready了，高跟鞋还没ready。"五个女生站在台上，背后是五种完全不同的AI商业化路径。

我在想，最好的Agent不是最聪明的Agent，而是最懂得什么时候该让人类插手的Agent。 全球化也不是把产品翻译成多国语言，而是把你的思维方式翻译成多种文化。

Megumi说：了解一个国家的历史，你就会理解它的现在。做AI商业化，也是一样的道理——了解一个场景的深度，你才真正理解它的需求。

你觉得呢？

Delta Wu： 首先请每位非常快地自我介绍一下自己所在的公司以及自己的职责。

Jolie： 大家好，我是 Jolie，我来自 Emerging AI。刚开始的时候，我们更多是 Focus 在 AI Infra 整个体系的搭建，现在已经进入到第三年的时间了。我们也更多地走到垂直行业，比如我们现在更加看重的金融以及智能制造等，深入到他们的工作流程中去完成落地的场景。

Delta Wu： 哇，完全 Fit 了我刚才说的“Agent 进到工作流”。

Jennifer： 大家好，我是 Muse AI 的 CEO Jennifer。Muse AI 是上海特赞在海外的主体。特赞跟 Muse AI 致力于帮跨国企业打造多模态模型的工作流。因为我们一直都是做内容开始的，所以现在专注的依然是用户端产品创新，以及营销内容运营的部分。

Delta Wu： 所以它其实是一个特赞海外的 Branding，但是业务可能跟国内是比较相类似的？

Jennifer： 对，因为我们一直都做 MNC（跨国企业），所以现在只是从国内的 MNC 做到 Regional（区域性）的 MNC。

Delta Wu： 好的，看来新加坡是出海非常重要的第一站了。如果大家去参加 SuperAI，会发现那个 Badge 手环上赞助的 WiFi 密码就是 Muse AI。

Jennifer： 对，WiFi 是我们。

Megumi： 大家早上好，我的名字叫 Megumi，是日籍华裔。首先一句话简单介绍一下我自己：我是根于北洋，学于东洋，仕于西洋，居于南洋。但重点是最终选择了新加坡，We can talk about that later。

我现在在的公司是 Plaud。过去几天如果参加 SuperAI 的话，可能已经知道我们今年冠名了整个 Main Stage，是最大的 Sponsor 之一。很多人在朋友圈都说，Plaud 居然 Compete 了那么多大模型公司，拿到了冠名权。我们非常自豪地可以说是 AI 硬件当中最赚钱的一家公司之一，So far。昨天早上《海峡时报》（The Straits Times）跟《联合早报》公布的数据来看，亚太地区预计将在 2026 年贡献约 1 亿美元的收入。去年的此时此刻我们还没有新加坡办公室，没有一个员工，然后今年已经快 100 位员工了。

Delta Wu： 哦，所以还有 Open job 是吗？

Megumi： 对，还有大概 100 多个 Opening role，欢迎大家来报名。

关典： 大家好，我是 Patsnap 的联合创始人，我叫关典。Patsnap 总部就在新加坡，从 Day 1 就在这里，是几个新加坡国立大学校友毕业的时候成立的公司。我们一直以新加坡为总部做全球的业务，是一个比较典型的 B2B、做 Enterprise 服务的公司。客户是全球大概四五十个国家不同行业的企业客户，服务对象主要是企业的研发部门和知识产权部门。比较典型的像华为、大疆，或者美国的 3M、Dyson，只要是投入很多研发的企业都会用到。产品是一个叫 Innovation Intelligence（创新洞察）的系统，帮助企业更高效地做研发。

Delta Wu： 对，而且在新加坡，这些知识产权 IP 的东西都可以通过你们的数据库去解锁到。

关典： 是的，这是一个很好的 Position。

Delta Wu：那我们来聊聊商业化的问题。Patsnap 有大量的 Data，总部又在新加坡。在整个 AI 爆发的这几年，你们的商业化收费方式、产品的价值有什么样的变化吗？

关典： 我觉得是一个探索的过程。Patsnap 现在全球已经有 18000 多家企业客户，很多也是世界 500 强。从组织来说，我们是在转型成为一个 AI-native 的组织，但是从我们的商业模式来说，并不是一个 180 度的大转变。传统的按年收费 SaaS 模式仍然存在，对于客户来说，那是一个持续的、确定性的、来自于研发或者知识产权 Budget 的东西。

并且，我们在去给客户交付结果的时候，并不是所有的事情都需要用大模型的。其实很多东西用传统的、以前我们做了很多年的 AI 小模型解决很多节点上的问题就已经够了，不需要烧那么多 Token，所以那个年费的方式会持续存在。

On top of it，我们现在全面引入了 Credit 化。无论是我们传统的产品上面加入了一些 AI Feature，用户想要去调用，他可以在上面再付一个额外的 Credit；然后也有一波纯 AI-native 的产品，就是完全在整个研发工作流上面的很多细节 Task 可以从头到尾由 Agent 完全完成，也可以 Charge by credit。我们还在探索、即将要尝试的就是现在很流行的 FDE（全职数字员工）模式，Outcome-based 直接进到企业那边去。因为企业客户他们的研发流程可能已经几十年慢慢形成了，他不可能完全来适应我们的一套，所以我们要走进去。

Delta Wu： 进去之后，先了解客户的痛点在哪里，找到最好的环节，因为并不是所有的环节都需要 AI。那现在怎么区分哪些 Income 的增加是由 AI 带来的，或者说 Token 的消耗其实是原有的？这个过程中你会看到什么样的变化？

关典： 从商业角度来说我们是有分开的。所以看到传统的增长是一个相对平稳的。然后我把那些纯 AI Agent 的收入是单独 Bracket 出来的；还有一部分是在传统产品上加入的 AI 部分，也是可以通过看 Token 的消耗来体现的。

Delta Wu： 也就是说，不一定是任何业务都得完全用一个大模型去重新构建商业模式。在原有的数据和基础上叠加一些 AI feature，其实也是挺好的尝试，带来了原有业务 20% 以上的增长。而且企业客户现在也变成了“告诉并证明我的 ROI”，所以还得派人进去。

下面到 Megumi 这边。Plaud 这个产品比较有特点的是，它既有硬件的销售，也有软件的订阅。从这样一个智能硬件产品出发，给大家稍微讲一下，你们在商业化这块是怎么去考虑这些 AI 功能，包括订阅跟硬件之间的关系？

Megumi： 非常好的问题。聊这个之前，我们需要先了解产品：我们为什么能够这么赚钱？很多人对 Plaud 的认知是“World's first and number one AI note taker”。但其实我们并不是做 AI 录音笔，我们是帮 AI 重新 Find 它进入人类生活的一个入口，That's also the reason why we are having a hardware.

这句话怎么理解呢？现在市面上有的 AI 产品，大家主要的 Focus 是 Working on documents（处理现成文档）。但是我们有没有考虑到，其实人类的 Intelligence 绝大部分是来自于 Conversation（对话），是那些并没有被 Capture 在文档当中的 Information。所以 Plaud 其实在做的是像你的 Personal chief of staff 或者 AI assistant 一样，帮你时刻把每一天容易被遗忘的 Information intelligence 记录下来，然后再帮你输入成一个非常好的工作流，用 AI 进行 Optimize。我们其实在重新 Redefine AI 和 Human 的 Interaction，这就是为什么需要硬件。

这样的产品形态就 Lead 到我们的商业模式，我们有硬件部分的收入，一万台 Device 可能大概要卖 200 刀左右。但是这家公司最厉害的点是，我们的付费用户比例非常高。分享一个数据：50% 的 Plaud 全球用户是 CEO 或者 Founder。他们是世界上最忙的人，在他们看来，200 块钱，或者他的每一分钟每一小时 worth more than that。Plaud 平均能帮 CEO 省下几百甚至上千个小时。我上千个小时乘以我的时间成本，Totally worth it。这就回到刚刚嘉宾讲的，现在已经是一个非常追求 ROI、你要证明你的产品有价值的时代。对于有价值的东西，大家就是愿意付费的。

Delta Wu： Save money or save time. 那你鼓励用户全天佩戴吗？

Megumi： 这可能是一个大家容易误解的点。我自己会全天佩戴，它 Always ready for you，但不是 Always on。大家可能会觉得你带着 Plaud 是不是就一直在实时录音，其实不是的，需要的时候才开启。

Delta Wu： 明白，它其实可以管理我们 Lifetime 的上下文。就像我们今天听了一天的会，它可以把整个这一天的所有上下文全部都存入记忆，当我们需要时可以调出来。

下面请问 Jennifer。特赞在国内从最开始的 AI 到后面的 Generative AI 都是头部企业，那我们现在在海外做这样的业务，产品在价值方面可能和国内是一样的，但在海外做商业化，有没有什么跟国内不一样的地方？比如模型有不同吗？

Jennifer： 模型是不需要不一样的。因为在特赞我们一直都是 Multi-agent，我们也相信未来的每一间企业都会一直处在一个 Multi-agent 的工作流里面。特赞最新的产品叫 GEA (General Enterprise Agents)，它是一个 Operating system，现在有超过 450 个 Agents 在这个 Marketplace 里面，可以非常灵活地互相工作。

这套产品它一个很重要的基础是下面的上下文系统。特赞在做 Digital Asset Management（数字资产管理）很多年，所以对于客户内部的 Structured 跟 Unstructured data 的理解是非常深的。这就是为了让 Agents 可以透过这样的系统，去完成所有在每一个 Department 里面需要执行的任务。

我们出海，系统本身的建立就是为了要去支援这种灵活度。我熟悉的是在泰国、新加坡这整个东盟的体系。这里多语系、多文化，每一间公司在这么多不同的市场都有很庞大团队的工作模式。所以我们在帮客户建立这样的工作流时，调用到的 Agents 也许不一样，资源的方式也不太一样。

在收费方式上，Subscription（订阅制）还是一个会让客户觉得 Secure 的东西。所以模块的 Subscription 搭配 Token usage，是现在我们会全面开始建立的方式。

Delta Wu： 基于 Asset Management、DAM 这个系统去管理客户过去的数字资产、广告素材、营销素材，在这个基础上去做 Agent，对很多企业来讲是非常方便的。

Jennifer： 对。在业务上我们还做了一个很大的转变：我们接受了客户可能不只有我们的 DAM，他会有他自己的系统，而特赞的这个 Operating system 就可以建立在各式各样的上下文系统上。这一块我们也 Build 了一套我们自己的模型，我们叫它 Creative Reasoning。它其实就是一个 Orchestration layer（编排层），我们在用这个 Orchestration layer 去建立 Agent-to-Agent 的工作流，在调用上下文的时候就会更灵活。

Delta Wu： 明白，未来是 Multi-agent 帮助企业完成复杂的任务。Jolie，能不能介绍一下，你们聚焦几个不同的行业帮客户去做事情，现在的商业模式和收费方式是以 FDE 为主吗？

Jolie： 谢谢吴老师。其他的几位嘉宾企业都比较成熟，经历了一段时间的发展，我们可能是全场比较年轻的初创公司，但我们从第一天起就决定要做一家全球化的公司。

从 0 到 1 的公司做 B 端企业，最早期一定需要和客户一起共创，拿到客户的案例。我们在 AI 最早期是在做 Infra，其实我们是一个 Infra 的 Operation system，从 GPU management，Python，到 Model serving，以及 Agent 搭建、部署、推理管理，它是一个一体的 Infra 体系。所有的 AI 能力，最终一定是要落地到行业或场景中去的。当时我们在中东，DeepSeek 刚出来两三天后，就有白袍子大哥们问我那个 DeepSeek 能不能给他们做些什么样的事情。这个市场被教育的趋势非常重要。

经过不断的探索，我们会看到最容易落地的行业可能是金融行业。因为金融行业是一个数据密集型、也有大量人力投入的行业。AI 其实更多的是去取代一些高重复、出错率较高、大量依赖专家经验的岗位。

Delta Wu： 但金融行业容错率是非常低的，如果一个数字出问题就是一个非常大的风险。你们怎么解决 AI 的幻觉和不确定性？

Jolie： 我们确实连接到金融行业从投研、交易的各个环节之中。在每一个环节，从我们的数据到因子和策略的 AI 生成，再到最后的交易决策：一个是我们在技术上对自己的精度或准确性有非常大的自信；另外我们会让合规性、数据保密性做更多的处理。同时，也会让“Human in the loop”这样的一个环节能够深入到整个决策流程之中。我们让客户最早期能真正深入到决策环节之中，逐渐去建立对产品的信任。

Delta Wu： 接下来我们聊聊全球化。请各位嘉宾谈一谈：我们怎么去做全球化？怎么选择市场？进入 Local 我们需要考虑哪些因素？如果原来是一个 Chinese version，怎么变成一个全球化的 Version（包括产品体验、技术架构、合规文化等）？有坑也希望可以分享一下。

Jolie： 我先开始。因为我本身做全球化市场是有长期软件出海经验的。我们公司总部现在就在新加坡。

做全球化的第一步，不仅仅是产品做 Localization 或者翻译成英文日文。第二个我觉得是对他们本土文化的充分尊重。举个案例：我以前工作的另外一家非常大的出海企业，在每年的 Holiday Season 或者 Black Friday 的 Sales 中，如果我们在中东地区或者是南美地区做了一个 Christmas sale，应用了大量像雪花或冬季元素，当地的用户就会觉得“你没有尊重到我的文化”，因为我们完全是两个季节。这是非常小的点，所以素材都要个性化。另外，软件硬件的数据合规是否已经放在本地跑起来也至关重要。现在来说，我们收入占比最高的国家就是日本和美国。

Jennifer： 我在做特赞之前一直都在做广告创意。从广告创意这个层面看东盟是非常具有挑战性的，因为面对的不只是语言，还有各个国家的习惯。加入特赞之后，我很喜欢把中国做内容矩阵、AI Avatar 这一套带到东盟来。

但昨天在跟一个客户聊新的营销策略的时候就被 Challenge 到了：我们有多了解新加坡在大健康产业这些法规上的严谨规则？我觉得这就是我们在做多国 Go-to-market 的时候要非常注意到的。法规分很多层面，应用在不同的产业（大健康、金融、FMCG）里就非常的不一样。这是我们最近在沟通时会特别注意到的。

Megumi： 我可以分享一个我自身每次 Go Global 进入一个新国家地区的 Framework：在常用的 PEST（Political 政治, Economical 经济, Social 社会, Technology 技术）基础上，我加一个词，叫 H（History 历史）。我们用 PHEST 来分析风险、机遇和 Priority。

举个经济和政治的例子：菲律宾是 Plaud 在亚太当中一个很重要的市场。但是受国际冲突局势影响，菲律宾作为一个几乎百分百依赖进口的国家，经济受到的 Impact 非常大，直接影响了大家的消费力，这会拉长大家购买新产品时的 Decision making 周期。

再说到历史（History）：全球化不是第一次发生，历史上几百年前的殖民时代大家其实都经历过。如果你仔细去研究东南亚国家的历史，比如泰国是唯一一个没有被任何国家殖民过的国家，那是因为什么？这些 Insight 其实就会 Lead 到一个非常好的对 Local 的 Understanding。

关典： 您问这个问题我想从两个角度，一个是坑，一个是经验。

先说坑：往往进入新国家的时候，以前我们会 Assume 你找一个会做销售的（因为我们是 Enterprise）就行了。其实发现不是这样，你要找一个 Entrepreneur（有创业精神）的人。新市场的开拓真的不是说把一个相对成熟的产品翻译、本地化去卖给客户就行了，而是要从头来过一样的二次创业。比如在日本这样的市场，最 Top 的日本人才是不可能到一个 Foreign 的创业公司来工作的。你怎么吸引好的人才？真的靠 Entrepreneur 精神去讲、去 Sell 大饼，让他们 Believe。要么找到这样的人去 Lead，要么就是你自己上。

再说经验：与其说是能力，不如说是在任何一个新市场怎么去构建跟客户之间的 Trust（信任）的全方位能力。在不同的市场 Build trust 的关键点不太一样。比如在美国市场，美国人很喜欢创新的东西，所以你给他一些非常新的 Technology、Visualization，他们会很 Excited 愿意给你试一下。但在欧盟，他们就非常注意 Compliance 和 Regulation，GDPR 是欧盟最早出来的，所以我们也是最早一个在中美以外把本地化 Server 建在欧盟。而日本呢，整个 Enterprise Sale 有一个非常长的 Value chain，可能是几十年的关系形成的信任。能够因地制宜地构建 Trust，是能够在这个市场成功的关键点。

Delta Wu： 非常感谢这五位嘉宾！虽然我们都叫 AI，但其实做的是不一样的事情，都有各自的最佳实践，无论是从 Infra 出发，还是软件硬件结合，还是 Generative AI 叠加，亦或是深入到企业工作流。