做AI客服的，客户最满意的居然不是售后而是售前转化

真正的壁垒是：行业know-how、客户资源、服务深度

"AI创业，小闭环保命，大闭环赚钱。做一半，等于没做。"

但一个残酷的事实是：大多数AI产品，用户用完即走，创业者忙前忙后，最后只赚到了"演示费"。

问题出在哪？

什么是小闭环？简单说：用户输入一个需求，系统输出一个完整结果，不需要再跳出去找别的工具。

听起来很基础？但很多AI产品连这点都没做到。

案例1：MulanAI——为什么抽卡20次，不如一次就对？

MulanAI创始人刘如山讲了一个细节：有用户先在某个大模型平台上抽了20次卡，都得不到想要的效果，转到MulanAI，一次就对了。

"不是运气好，是底层做了大量工程优化和提示词优化。"

这就是一个小闭环——减少用户的试错成本，让结果可预期。

另一个更狠的：别的画布产品，几百个节点让用户一个一个手点，MulanAI做了一件"没觉得值得宣传"的事——一键运行。点一下，几百个节点全部自动跑完。

"客户用了别家再转过来，说'好神奇，你们居然有一键运行'。我们觉得这就是该有的东西。"

洞察：小闭环不是炫技，是把用户本该做的事，替用户做了。

案例2：Shulex——AI客服不做"问答机器人"，做"转化引擎"

Shulex王磊的故事更颠覆认知。公司做AI智能客服，客户是安克、遨森、致欧这样的跨境大卖家。一开始承诺30%回复率、80%以上准确率，现在很多客户都远超这个数字。但最大的惊喜来自一个"意外发现"：去深圳拜访客户，问客服负责人"最满意什么"，对方回答："售前转化。""你们不是负责售后吗？""现在AI在做夜间的售前工作，做得挺好的！"原来，跨境电商客服的边界在扩展——从被动回答客诉，到主动承接售前咨询、促成转化。

洞察：小闭环的核心不是功能完整，是业务节点上的价值可衡量、可闭环。

案例3：AdsGency AI——从12美金到2美金，数据闭环就是护城河

AdsGency AI做的是海外广告投放全链路。创始人Bolbi Liu举了个例子：Pika（AI视频工具）同期测试多家服务商，AdsGency AI把CPI（单次安装成本）从12美金做到了2美金。

怎么做到的？

"数据的闭环和整个业务链路的闭环。"从关联广告账号、回溯数据、预算管理到模型优化，全链路打通。平均能帮客户在CPA（单次获客成本）上优化3倍左右。

洞察：小闭环的终点不是交付功能，是交付可量化的商业结果。

小闭环解决的是"产品好不好用"，大闭环解决的是"客户赚不赚钱"。

这恰恰是AI创业最难的部分——你的工具再牛，如果客户业务没增长，你的工具就没有价值。

宜选科技：B2B的闭环，难在打通"线上"和"线下"

宜选科技陈尔航做了16年外贸独立站服务，他指出了一个B2B行业的长期痛点：

线上做推广，线下做转化，中间是割裂的。

"以前外贸企业接待买家有时差、有语言壁垒，半夜来询盘自然损失很多机会。邮件开发信效率极低。"

现在用AI客服解决时差和语言问题，用AI营销型CRM管理商机，更重要的是——把线下订单数据反馈回线上推广，实现OCI（Offline Conversion Import）闭环。

"以前完全割裂的两部分业务链，现在有机会连接起来了。"

洞察：B2B的大闭环，不是技术问题，是线上线下数据打通的组织问题。

光盒动力：AI短剧的闭环，是"内容即商品"

光盒动力卓安的路径更完整：自营做剧→自发行→自研AI创作工具→赋能更多创作者。

"每部剧在海外不断吸取外国人的付费、月费、广告分层。出品反哺工具调优，工具调优产生更好作品，更好作品带来更好收入。"

甚至想得更大：未来做100部"漫威级别"的AI短剧IP打美国市场，"说不定我们有个IP就火了"。

洞察：大闭环的最高境界，是工具、内容、商业飞轮自转，每一环都在放大上一环的价值。

MulanAI刘如山问台下："AI产业是互联网模式还是制造业模式？"

举手认为是互联网模式的，大概10%。认为是制造业模式的，更多。

她的判断很明确：更偏向制造业。

这不是悲观，是清醒。

AdsGency AI服务蔚来、阿里、爱诗；MulanAI和某威公司、某SaaS隐形冠军合作；Shulex绑定安克等头部卖家——本质上都是在借船出海，把技术嫁接到已有的生产关系上。

Shulex王磊说了一句反直觉的话：

"AI技术半年内特别大发展，对业务可能不会有特别大帮助。最根本的是我们对客户价值的理解和实践。"

他举了深圳某大卖家的例子——客户从追求"效率价值"（降本）转向"经营价值"（增收）。谁能围绕客户经营价值打磨产品，谁就能快速发展。

光盒动力卓安也印证了这一点：AI短剧的光影效果、人物审美、本土文化禁忌（比如中东不能露肩膀或酒杯），最终靠的不是模型，是"人"——有影视执行经验的人去调reference、建标准、做审核。

"以前影视民工带单反带老外拍摄，经历过原生交流。现在AI助力，但人的审美、本土原生理解力，构建了AI的标准。"

基于这场讨论，我想提炼三个 actionable 的结论：

第一，先求小闭环，再求大闭环。别一上来就想重构行业。先在一个业务节点上做到"输入-输出-可衡量"，让用户离不开。MulanAI的一键运行、Shulex的售前转化、AdsGency的三倍优化——都是单点打透。

第二，绑定有生产关系的人。如果你是技术出身，别幻想靠产品自增长。找到有客户资源、有行业地位的合作伙伴，做他们的AI赋能者，而不是替代者。刘如山说得直接："下场加微信，各位都是大腿。"

第三，从效率工具转向经营工具。AI 1.0是"帮你省时间"，AI 2.0是"帮你多赚钱"。Shulex从售后客服延伸到售前转化，宜选从推广延伸到订单闭环，光盒从工具延伸到内容发行——价值链越往后端延伸，不可替代性越强。

那些靠演示拿融资、靠PR换用户的公司，会越来越难。而那些真正帮客户完成闭环——无论是小闭环还是大闭环——的公司，会在接下来的洗牌中活下来。

正如圆桌主持人桑卓豪所说：闭环有小闭环和大闭环。小闭环是业务节点上能不能交付完整的东西；大闭环是营收增长闭环能否通过服务更好达成。

Speakers｜嘉宾

AdsGency AI 创始人&CEO Bolbi Liu

宜选科技 高级副总裁 陈尔航

MulanAI 创始人&CEO 刘如山

Shulex 市场VP 王磊

光盒动力 创始人 卓安Jim

Host | 主持人

分众传媒 高级总监&AI牵头人 桑卓豪

桑卓豪：希望大家介绍一下自己的业务，一方面说服务对象是哪些，解决他们怎样的痛点，跟别的竞争对手有什么不同。我们先从Bobi开始。

Bolbi Liu：大家好，我是Bobi。我们是base在美国硅谷的一家广告操作系统创业公司，从2023年底成立到现在接近3年时间。就像桑总讲的，在座各位有些是从广告增长或相关背景出来的。传统广告营销增长的工作链路比较分裂，有设计师、投手、数据增长开发或工程师，他们之间数据接入速度、理解和决策，在没有AI赋能的情况下相对独立，导致决策角度不太能对齐。基于这个想法创立了AdsGency AI，把整个广告投放工作流从0到1完成，这是拉开我们跟其他产品比较大的difference。比如从客户定位、购买心路历程、定向内容生成、预算管理、投放等等。目前覆盖的广告渠道包括谷歌、Facebook、LinkedIn、Twitter以及OpenAI，基本上海外能触达的平台都会做，甚至包括CTV电视广告。服务的客户主要是偏中层的企业级客户或上市公司，尤其是出海企业，比如蔚来、阿里，还有门外的爱诗，也都是我们的客户。

陈尔航：大家好，我是陈尔航，来自宜选科技。公司2009年成立，时间比较长，一直专注给中国的外贸企业做独立站出海服务，致力于打造以独立站为核心的营销生态，帮助开拓海外市场。说到AI，我们很感同身受，整个业务流从比较早，2017、2018年就开始用AI介入，最早在推广环节，准确来说是广告投放环节。当时谷歌在中国推自动化投放，大部分还是人工在投，有个叫SEM的岗位大家应该很熟悉。当时我们算比较早介入用AI做投放的，大概在2018年。后来随着AI发展，整个业务流环节都在用AI介入，包括独立站建设、内容营销、推广、循环转化、订单获取等等。现在在AI技术驱动下，每个环节都有机会用AI落地，整个链条都用AI驱动。当然每个环节AI起的作用和技术成熟度、发展程度不太一样。AI现在在我们赛道里举足轻重，不仅对我们做服务的企业，对中国出口企业来讲也是每天感同身受的。目前是这样。

刘如山：大家好，我是 MulanAI 的创始人兼 CEO 刘如山。 

现在大家已经看到，越来越多的 AI 图片、AI 视频产品开始采用画布和工作流的产品形态。但在我们开始做这件事的时候，这还不是一条被行业普遍认可的路线。 

据我们从 2025 年初至今的持续公开检索，MulanAI 是全球最早将画布工作流、自然语言 Agent 与 AI 图片、AI 视频生产结合起来的产品。 大家可能听说过 ComfyUI。MulanAI 推出后，ComfyUI 创始程序员曾多次联系我们，询问我们为什么会这样设计产品、团队背景是什么、下一步准备怎么发展。我们也在后台看到，有多位使用 ComfyUI 官方邮箱的成员注册并体验了 MulanAI。 

这件事对我们来说很有意思。因为当时的 MulanAI 还是一个非常小、几乎没有行业知名度的中国创业团队，但我们开创的产品范式，已经开始被全球这个领域最专业的一批人关注和研究。 

后来，我们去参加了硅谷一个硬核的 AI 产品比赛。我们在当地没有资源，也不认识评委。据说有五百多个报名，十几个项目进入现场展示，MulanAI 获得了第二名。 

这个结果对我们来说非常重要。它证明了一件事：一个来自中国的小团队，不依靠品牌和资源，仅仅依靠产品创新，也能够在全球最前沿的技术舞台上得到认可。 

但 MulanAI 并不是从一个宏大的概念开始的，而是从一个非常具体、甚至有些痛苦的问题开始的。 

我们24 年就在做 AI 视频交付。那时候，做一条 AI 视频需要在不同模型之间来回切换：先生成脚本，再做分镜，再生成图片和视频，下载到本地，剪辑、配音、加字幕、合成。中间有大量重复、机械、繁琐的工作。一条片子做下来，可能需要几周，甚至一两个月。 

通过研发亲自下场做 AI 视频，我们找到了痛点，研发出了 MulanAI。过去需要半个月、几周完成的工作，现在用户只需要用一句自然语言描述需求，Agent 就可以帮助他搭建完整的工作流。用户可以在同一个画布上完成脚本、分镜、图片生成、视频生成、配音、音乐、字幕、剪辑和合成；还可以一键运行整个画布，把一套经过验证的流程反复复用，从一条内容扩展到一百条、一千条。

王磊：大家好，我是来自Shulex的王磊。公司做AI智能客服，客户主要是做跨境电商的大型卖家，差不多10个亿以上的。在中国，3C最大卖家安克是第一个客户，家居领域排名前两位的像傲生、智欧也是客户，机器人领域库马、圆顶也是客户。这么多跨境大型卖家选择我们，从21年底成立，是领域第一家承诺客户效果的AI客服公司，一开始承诺30%回复率、80%准确率，现在远远超过。可能是我们的一点点优势，只聚焦在跨境出海很细分的领域，只针对大型卖家。后面有问题可以后面聊。

卓安：大家好，我叫张卓安，是光盒动力的CEO。一家AI影视科技公司，专注影视内容创作以及短剧出海。公司以前自建团队做内容，全流程从编剧到导演、剪辑，在广告圈拿了很多创意TVC奖项。基于创作特性，一直在研发结合广告和短剧的产品，做了叫洋洋梦谷的AIGC创作平台。一方面自己用，也对外给同行用，方便内部分组管理和高效提效AI内容生成，提供AI模板给创作者。短剧出海方面，通过AI短剧解决很多海外商业化壁垒，传统真人实拍花很多时间、成本大、难管理。AI短剧打破壁垒，让中资出海短剧公司、内容团队出身的AI团队可以入局，用小成本撬动海外商业化增长闭环。短剧本身是内容商品，可以卖给外国人付费、月付费、广告分层。一边有自营做剧自发行的团队，一边有自研围绕AI短剧、AI广告的创作产品，作为AI影视公司的两大特点，大概介绍。

桑卓豪：今天讨论闭环重构，我理解闭环有小闭环和大闭环。小闭环是业务节点上能不能交付完整的东西，不要像刚才如山说的还要切出去。大闭环涉及C端产品完整用户旅程能否完成，B端要求更高，营收增长闭环能否通过服务更好达成。接下来先聊聊小闭环，特别想知道大家目前在产品上实现的小闭环是什么？客户input是什么，output是什么，怎么建构闭环？如果不介意的话。

Bolbi Liu：其实还是比较有野心的，比较早之前就实现了业务的小闭环。比如关联广告渠道账号，比如谷歌广告账号，回溯数据，基于数据做预算管理模型优化，比较早期就完成了。核心目标是主要针对海外市场，潜在替代传统广告代理商，这是核心业务愿景。广告代理行业很多国际化企业超100年历史，很多工作流完全可以自动化、优化效果。企业主要愿景和野心是形成大闭环，完成广告投放整个工作流。交付虽然不像客服可以通过回复做KPI，跟客户说一定能达到什么风险比较大。但平均来讲可以在客户CPA优化或last touch metrics上做到三倍左右优化。比如软件AI公司看重注册，注册前成本比如10美金一个，可以做到3到4美金，3到10美金之间的距离就是交付。举简单例子，Pika在AI视频领域之前跟Runway差不多level，虽然现在像C-Dance很多视频模型逐渐远远超过技术表现，当时把CPI从12美金做到2美金。同期三四家不同vendor参与，效果最好。做到最好的主要原因还是数据的闭环和整个业务链路的闭环。对自己交付能力和产出比较有信心。

陈尔航：不同业务链条里有很多环节。给外贸企业做独立站出海，大闭环是从业务流第一个环节到最后一个环节，最后环节反哺第一个环节。小闭环是中间各个环节互相促进。比如内容营销环节和线上推广环节相互促进。以前没有AI技术，效率低，完全靠人工做内容，再靠人工推广，推广效果再优化内容，经验固化在每个个体很难复制，效率低。经验积累慢，一个人推广有限、预算有限，经历数据样本有限。前AI时代有闭环但成效弱很多。有AI技术后，数据第一历史数据可以积累且实时调用，平台有大数据，任何行业过去十几年服务历史数据都可以为将来客户所用，效率高很多，这是环节之间的小闭环，AI技术驱动效率提升。另一个例子是线上推广和线下转化之间的闭环。以前B2B企业这两块割裂，线上是线上，线下是线下，订单转化几乎全在线下，很难跟线上推广自动化连接。有AI技术后做了两个环节闭环，线下数据、订单跟踪数据反馈到线上推广，叫OCI技术，2022年开始在B2B行业中国最开推这个技术。当时AI技术运用不深入，现在AI技术进来使数据反馈到推广完全自动化，今年还用到智能体技术效率更高。闭环形成帮企业提升效率。从整个大闭环看，每个环节小闭环使大闭环效率提升，非常好。

桑卓豪：客户有一部分B有一部分C，怎么理解闭环关系？

刘如山：在美国市场，我们更偏向 Pro-C 。比如，加州大学伯克利分校已经把 MulanAI 引入相关课程大纲。这类用户的学习能力和创作意愿都比较强，能够帮助我们验证产品的前沿能力和通用性。

但在中国市场，我们现阶段更偏向 B 端结果交付。因为我们发现，单纯教用户使用工具，学习周期很长，落地速度也比较慢。

所以，我们现在采用的是一种更务实的方式：客户暂时学不会的部分，由我们直接帮他完成，先把最终结果交付出来。

在交付过程中，我们会把客户反复提出的需求、最容易出错的环节，以及最依赖人工的步骤不断沉淀下来，再将它们产品化、自动化，变成新的工作流模板和产品能力。这样就形成了一个大闭环：

B 端真实需求带来交付场景，交付过程中发现问题，问题推动产品迭代；产品能力提升以后，又能降低下一次交付的成本，并最终让更多客户自己完成生产。

此外，很多更小的产品闭环。

比如，有客户告诉我们，他使用某家大模型公司的产品生成图片，同一个提示词反复尝试二十多次，也不一定能得到想要的效果；但在 MulanAI 里，结果会稳定很多。

这并不是因为我们发明了一个更强的底层模型，而是因为 MulanAI 在底层做了大量工程优化，这是一个小闭环：用户担忧生成不稳定，我们就把原本需要专家完成的操作封装进产品，降低用户的试错成本。

还有一个客户用了其他画布类产品之后，再来使用 MulanAI，最惊讶的是我们的“一键运行”功能。 很多画布工具需要用户逐个点击、逐步执行，本质上还是大量手工操作。而在 MulanAI 里，用户可以一键运行整个画布，让数十个甚至数百个节点按照既定逻辑自动完成。

我们原来甚至没有把这个能力当成一个特别重要的宣传点，因为在我们看来，既然是工作流，就应该能够自动运行。这些都是 MulanAI 现阶段正在建立的闭环。

王磊：做客服闭环相对简单，客户信息过来AI意图识别，识别完调取知识库回复，必要转人工。前面操作完AI对所有回复信息识别、总结、复盘，下一步改知识库、改流程。小闭环理论上确实这么做。但客观来说理论化，AI能力强可以不断学习，真正闭环靠服务。公司针对每个客户有交付工程师，指导客户闭环怎么操作、进知识库、流程设定。帮助客户公司内部培训AI训练师，出现问题再调。实践下来理论上AI可以学习，实际必须通过服务才能真正实现闭环。实践下来比较有效。

卓安：我这边大概讲一下，主要这两三年做短剧出海，AI 2.0签了年框后感受大，AI很快让内容爆炸性增长。背后核心还是靠故事、原生内容。基于平台有爆剧引擎，去搜索现在爆剧的数据、文案、钩子、脚本，站在巨人肩膀上模仿。每次输出AI内容沉淀在创作平台，不断调优使用，效果更好，变成日后复用模板。结果短剧链路流程越来越简单，原声音色配音、生成脸部资产是否真人脸、特效光效是否符合海外原生化打光、是否唯美，都被AI短剧生成记录下来，让AI短剧更符合本土化。24年开始被评为TikTok短剧承制服务商，短剧出海因为AI爆发使每次出品反哺工具调优，工具调优产生更好作品，更好作品带来更好收入。自营自制剧、自发行、自制创作产品三维一体链路形成比较快增长，每个内容商品在海外不断吸取外国人的付费或各种钱。通过能力复制到更多OPC创作者，自己出人，提供算力、整体发行服务、制作陪跑、剧本，让更多国内创作者参与海外AI短剧，享受发行红利。也是闭环、增长。后续AI短剧版权增值、长链路运营，IP化长线考虑，做10部或100部漫威级别短剧IP打美国市场，说不定我们有个IP就火了，也是增长未来闭环。既是做内容也是做技术，每个内容又是商品，核心卖点是内容，通过技术赋能做更好内容，大概是这样。

桑卓豪：追问一个问题，提到对人物打光怎么判断更符合老外审美？从什么数据？

卓安：看美剧光影效果、喜欢颜色癖好、本土原生，比如宗教信仰，东南亚、中东不能露肩膀或酒杯。光影、当地资产输出要在提示词前提下避免生成不符合原生态东西，抽卡次数变多、卡损变大、投放不出去，前期做避免，更符合原生外国人习惯。看美剧风格，越狱、权力游戏光影跟国内剧不一样。

桑卓豪：所以还是人判断对吧。

卓安：前期美术做参考，找reference多参输入系统不断调。属于美国本土原生、巴西本土原生、东南亚本土原生、中东本土原生视觉风格、剧本风格、生资产风格。一直做内容，内容层面有执行能力，以前影视民工带单反带老外拍摄。经历过原生交流、本土熟悉化，到AI短剧也研究传统影视。目前AI短剧人机结合协同发展，AI助力，人审美、理解、本土原生理解力构建AI标准或工具。大概是这样。

桑卓豪：卓安刚才把大闭环小闭环都提到了，提到IP未来增值。接下来几个问题从王磊总继续往下。整个链条把广告、内容、B2B询盘、销售、客服、未来复购，对企业尤其服务ToB大企业是完整链路。不知道现在闭环建构在哪个层级OK，有没有未来拓展计划，如果有拓展最大卡点在哪里？

王磊：还是比较聚焦客服，没有那么大野心整个链路做好。但发现客户有变化，完全围绕跨境电商客服部门需要承载的贡献、目标、价值成果做产品设计。举个例子，大家理解客服是客诉过来回答一下，跨境电商很多售后客服，亚马逊大头。上周去深圳某大卖家、机制链接，问客服负责人最满意什么，回答特别意外，最满意售前转化。很意外，不是客服做售后吗？说现在也做售前咨询转化。问怎么知道AI转化的，设了核销券，AI转化全部能看到。问人工转化和AI转化比例，说没有人工了，全是AI在做。回答主持人提问，聚焦跨境客服、大型卖家非常细分市场，多元化的是客服体系此时此刻或未来需要什么服务就调整。之前不需要售前，两三年做售后，现在需要售前，售前承接服务也做得不错。随着客户成长、需求延展往方向延展，但不跨领域，不会从客服变到营销，聚焦本行。

桑卓豪：未来有可能往更长链路闭环发展吗？

刘如山：MulanAI 最初的产品构想，是让用户不需要离开画布，就能够完成从创意、脚本、分镜，到图片、视频、配音、剪辑和合成的全流程。这是产品层面的闭环。但如果从一家AI公司的终局出发，我们还需要考虑下面一些问题：第一个问题是：AI 产业最终更像互联网行业，还是更像制造业？ 我在现场问过大家，认为 AI 更像互联网模式的，大约只有一成；大多数人认为，它未来可能更接近制造业模式。

这个问题没有绝对的对错，但我目前的判断是，AI，特别是产业 AI，更接近制造业。 互联网公司的典型逻辑，是先追求用户规模和市场占有率，再通过持续融资支撑增长，最终建立平台效应。但在产业 AI 里，仅有流量和技术领先还不够。 第二个问题是：AI 改变了生产力，但它是否已经改变了生产关系？ 至少在现阶段，我认为还没有。

AI 可以大幅提升生产效率，但企业原有的客户关系、销售渠道、行业资源和信任体系，并不会因为出现了一项新技术就立刻消失。很多传统企业手里拥有大量客户和行业资源，应用好AI 能力就可以起飞；而很多 AI 创业公司拥有技术，却缺少客户关系和真实的产业场景。

即使一家初创公司的技术暂时做到全球领先，如果没有进入产业链、没有建立客户关系，也很难单纯依靠技术优势完成规模化增长。 所以，MulanAI 未来更长的闭环，不只是“产品做得更强”，还要与掌握客户关系和行业资源的公司共同增长。

桑卓豪：陈总怎么理解闭环问题？大闭环问题。

陈尔航：B2B业务跟B2C有很大不同。B2C基本可以线上形成完整闭环，业务链条都可以线上完成，自然在线上完成闭环。B2B业务链条分线上和线下，线上主要营销推广，转化都在线下，长期很难完全打通或形成大闭环，也是现状。尝试从线上到线下连接起来，客户长期因为两部分之间难有效连接，对效率、推广效率、转化效率带来影响。以前不可克服的物理困难，比如外贸接待买家有时差、语言问题，以前商机转化有很大折损。半夜买家来谈生意自然损失很多机会，特别是IM前时代靠邮件开发信沟通效率非常低。现在IM用得多了有改善，但还有时差问题。有AI后提供AI客服技术解决一部分时差和语言问题，AI不存在这两个天然壁垒，商机对客户减少很大损失。特别是AI交互水平提高很快，基本做到初步用AI跟买家初步沟通筛选，对企业以前解决不了的痛点价值很大。商机转化过程中以前漫长谈判性过程，现在用AI打造营销型CRM给客户用，整个过程商机可管理，还可以反馈到推广环节。以前线上和线下完全割裂的两部分业务链，现在有机会连接起来，使B2B业务形成闭环。AI技术看到机会正在实践。打造大闭环从线上往线下推，业务前端环节向后端推，一步步往后推。从整个客户服务周期链路中找到能匹配进去的点。

Bolbi Liu：不做任何广告推广以外的工作流，不涉及客服、销售。之后延展方向可能尝试积累足够客户和对应用户数据后建立AI时代广告网络，AD network，比如谷歌network、Open AD network。现在更偏向优化工具，但广告工作流中拥有network能力的企业更有权利或盈利可能性。可能方向但不会跳脱付费增长效果广告工作领域。

桑卓豪：大家畅想未来3个月或半年，哪个AI技术爆发特别利好行业，行业会有怎样改变。

Bolbi Liu：觉得是AI测试评估，甚至包括记忆、智能体记忆，目前市面上没有完全解决。搭建智能体很简单，很多概念说AI公司或相似概念，难度更多在AI架构infra上，技术突破对我们类型企业有很大帮助。

陈尔航：目前看到下阶段要把智能体技术用好。智能体从去年后半段到今年一直比较火，跟进快，谈到业务环节所有环节都有智能体进入和运用，尝到甜头效率明显提升，客户感兴趣，潜力大。未来一段时间把智能体技术在业务流更好落地，真正自我训练过程，训练效率、发展速度提高，推动业务往前发展。主要集中在这上面。

桑卓豪：明白。如山，seedance 2.5出来， seedance 3出来会不会完全颠覆行业？

刘如山：至少对 MulanAI 来说不是颠覆，反而会放大我们的价值。

模型解决的是“一个镜头能不能生成得更好”，MulanAI 解决的是“怎样把一项完整的视频任务稳定地做完”。

这有点像今天的 AI 编程。底层大模型越来越强，但大家仍然需要 Cursor、Claude code 、Codex 。因为用户需要的不是调用一次模型，而是理解任务、管理上下文、拆解步骤、调用工具、发现错误，并最终把工作完成。 MulanAI 在 AI 视频领域承担的，就是类似的角色。这是为什么Claude code 第一人刘小排和字节的 AGENT 产品经理等人都认为 MulanAI 是视频界的 Cursor 总之，模型公司提供的是越来越强的发动机，而 MulanAI 要做的是整辆车，甚至是一套能够持续运转的智能工厂。完成交付的生产系统，而是那些没有形成工作流、没有客户场景、没有结果闭环的浅层应用。

我们其实非常期待国内大模型继续进步。像 DeepSeek 这样的公司推动模型能力提升和成本下降，会让整个应用层受益。因为 MulanAI 的智能水平并不是封闭的，它会随着底层模型的进化而进化。

王磊：观点可能不太一样。AI技术半年内特别大发展对业务可能不太会有特别大帮助。但过程中对客户价值深刻理解会有特别大帮助。深圳某大卖家对售前转化，看到市场变化是跨境客户从效率价值变成经营价值。如何围绕客户经营价值打磨产品服务，想明白做出成果会有很好快速发展。技术会加快，但根本是客户，现在技术其实够用，要在跟客户共创中进一步深挖客户需求，从成本端到经营端。

卓安：主要说一个点。影视短剧制作后衍生价值很多。现在做产品叫影影植网，影视植入网站，每部剧露出点位抽帧无缝无感植入品牌。最近星爷功夫足球植入王老吉，以前霸总剧植入劳斯莱斯，出场就有。能不能植入小米汽车、华为汽车。研发产品遇到植入抽帧融合后跟原来有点突兀，连起来不是原片，抽帧做肯定有点突兀。未来C-Dance 2.5或者3出来技术更好，每次植入更无缝生成跟原片光影一样。提供给更多品牌客户、创作者服务，每部剧很多点位植入各种东西，给创作者带来更多价值，收入增加，品牌曝光增加。相信未来更好技术，也在研发，让大家关注。