---
title: "为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？"
id: "20260617A0938000"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-06-17T20:02:31+08:00"
canonical: "https://ffcap.cn/research/20260617a0938000"
source: "https://view.inews.qq.com/a/20260617A0938000"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI Agent","工作流","办公协作","商业化","智能硬件","记忆与上下文","收入与 ARR","融资与投资"]
---

# 为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？

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。

  

**AI行业观察**

## **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。

  

## **硬件即入口：Plaud的200美元信任生意**

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。

![为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？ · 原文图片 1](https://inews.gtimg.com/om_bt/O06vDoDiIPZ-a9kNHf30sGTfeDQ4h5pLdxhuA5clrJ8HwAA/1000)

  

## **熟悉的地基上盖新楼：Patsnap的双轨制**

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。

![为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？ · 原文图片 2](https://inews.gtimg.com/om_bt/OVhpQV0Q_hIS7AopzrRXc-6POvvQMLpGtHRRNtnmeVz6oAA/1000)

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。

**不是推倒重来，是在熟悉的地基上盖新楼层。 这种"叠加"的思路，可能比"颠覆"更适合大多数已有的SaaS公司。**

  

## **Agent操作系统：特赞GEA，为企业搭建的智能体系统**

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。

![为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？ · 原文图片 3](https://inews.gtimg.com/om_bt/OdNDcJ3Xo4Cu5A7e83brfDg4Y6oKOPoL1zzqju6VCXXPMAA/1000)

  

## **从Infra到金融深水区：技术只是入场券**

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？

![为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？ · 原文图片 4](https://inews.gtimg.com/om_bt/O7ShADzM2WNpdZjrM874EiUjLJSQ4ps24Ea73nWzhECtYAA/1000)

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。

  

## **企业级AI落地的“反直觉”**

### **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。

  

## **全球化的真功夫**

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。

  

## **破局与升华**

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——

**别追风口。**现在所有人都在聊Agent，但真正赚到钱的很多是看起来"不够酷"的Workflow。去找你能比客户更懂他痛点的垂直场景，技术只是门槛，场景理解才是护城河。说句实在的，去那个行业泡三个月，比读100篇论文有用。

**对产品经理来说，Workflow不是低级的Agent，是更务实的落地方式。**不要追求100%自动化，追求99%的确定性和可控性。Human in the loop不是你没做好自动化，是你做对了产品决策。

**对想做全球化的团队，先别急着翻译产品界面，去研究当地历史和文化。**找一个有Entrepreneur精神的人去lead新市场——这个人不需要最懂技术，但需要最懂怎么在那个环境里让人信任你。

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？

  

## **更多对话细节**

**Panelist：**Jolie Li / 李卓（Emerging AI COO）；Jennifer Chen（Muse AI CEO）；Megumi Yoshinaga（Plaud Head of APAC Marketing）；Dian Guan / 关典（Patsnap Co-Founder）；Lusha Chen（Dify GM of APAC）

**Host：**Delta Wu（UniqueResearch Founder&CEO ）

  

![为什么硅谷在吹嘘 Agent，而最赚钱的企业却在死磕工作流？ · 原文图片 5](https://inews.gtimg.com/om_bt/Omtej2Ug7zrHvT69fZ0ETmk1fXJJfLhs3X_hoFVGSPf_IAA/1000)

**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。

---

原始发布版本：https://view.inews.qq.com/a/20260617A0938000

本站阅读页：https://ffcap.cn/research/20260617a0938000