---
title: "肯为AI付费的只有4.5%，这群新加坡华人创业者却说：好日子还没来"
id: "20261011A0A1ST00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-10-11T21:30:35+08:00"
canonical: "https://ffcap.cn/research/20261011a0a1st00"
source: "https://view.inews.qq.com/a/20261011A0A1ST00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["模型与基础设施","企业应用","全球化出海","Google"]
---

# 肯为AI付费的只有4.5%，这群新加坡华人创业者却说：好日子还没来

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**

## **付费率 4.5%，项目存活率不到 10%**

  

这是最好的 AI 创业时代，所有的 AI 应用都还没开始呢。

  

先给你一组数字。

美国有将近一半的人在用 AI，但真正掏钱订阅的，只有 4.5%。去年这个数字还是 2.1%。

大部分人每月付费大概 25 美金，其中 1% 的付费用户，贡献了差不多 20% 的消费额。

这组数字来自 a16z 的一份报告，是非凡产研创始人吴畏在新加坡一场活动上现场抛出来的。他刚念完，坐在旁边的 Kevin Gao 补了一句：

**“这 1% 的人里面，可能有 90% 是 Engineer。”**

这话听着像句玩笑，但你细品这组数字，其实挺反直觉的：AI 创业已经卷成这样了，产品一天冒出来一百个，结果 95% 以上的用户一分钱都没掏过。

到底是市场不行，还是好日子根本就没开始？

这场对谈发生的时间点也很有意思。那几天正好是 TOKEN2049，全世界做 AI 和 Web3 的人都聚在新加坡，满大街都是聊 Token 和算力的人。

这场《华语之夜》聚的是另一群人：真正在新加坡落地、挨家挨户磕客户的华人 AI 创业者。

他们聊的东西跟大会主论坛不太一样，没什么宏大叙事，全是算账。

活动由 Google Cloud、Master Concept（思想科技）和非凡产研（Unique Research）联合举办，名为《华语之夜：AI 与 Token 时代的华人出海局》。台上四个人：

Master Concept 初创生态负责人 Jimmy Zhao，这几年对接了上百家用 Google 服务的初创公司；

amber.ac 的 AI 产品负责人 Yuchen，刚在新加坡办完一场 319 个项目报名的全球创业比赛；

Arros AI 的 CEO Kevin Gao，在德科做了十五年高管之后出来创业，自称“老登创业”；

DEEPTENSOR 创始人 Tedd Li，今年七月刚从多伦多搬到新加坡，履历上有华为诺亚方舟实验室和 Cerebras。

整场圆桌听下来，我印象最深的是：他们说的全是大实话。

做产品不值钱了，To B 很纠结，小客户基本赔钱，300 多个项目一年后活下来的不到 10%。

但也正是这群人，异口同声地说，AI 应用才刚刚开始。

  

## **新加坡：一块试验田，一个中转港**

先说说为什么在新加坡。

Tedd 的路径挺有代表性。他研一那年 GPT 刚出来，研究的是自然语言推理，进华为诺亚方舟实验室的第一个项目是知识蒸馏，后来又去了 Cerebras 和 ServiceNow。今年七月，他从多伦多搬来新加坡。

新加坡对 AI 创业者来说，是跳板、中转站，还是起点？Tedd 的答案很诚实：首先是个人选择，之前做独立顾问的时候就有新加坡公司找他合作 AI 解决方案。

但客观上看，这里确实两头都沾：能接触到国内的企业家，也能接触到北美的资金。“新加坡是一个比较理想的港口，或者说 Middle Port，就是一个中转港口。”

Kevin 在新加坡待了三四年，说法更接地气。他有很多中国企业客户，这些客户选新加坡的理由很朴素：这里是以华人为主的社区，沟通没障碍，但法律和政治环境又跟西方接轨。

“很多华人出海企业，特别是中国企业，把新加坡当成出海的一个试验田。”

做得好，就顺着华人社群和文化纽带往东南亚走，再往欧美市场走。

Jimmy 从一个更技术的角度补了一刀。他这几年帮上百家初创公司申请 Google for Startups 的支持，发现很多公司落地新加坡之后，才开始认真想一些以前不用想的问题：云服务接在哪里，基础设施放在哪里，模型从哪里接，数据库在哪里。

以前是中国的公司、中国的产品、中国的客户，出了海，这些全得重新选。

所以新加坡对这些华人创业者来说，更像一个适应点。进来的时候带着中国的产品和技术，出去的时候要变成一个全球公司。中间这段变形期，在新加坡完成。

  

## **两年前被当骗子，今年客户主动上门**

Kevin 是台上最敢说的人。

他在招聘行业干了十五年，做了两年 AI 创业。开场就自嘲：“投资人喜欢投两类人，一类是‘老司机’，一类是‘小天才’。”在座三位小天才，加他一位老登。

老登的判断是：

**“我觉得 AI 应用刚刚开始，就相当于九十年代的互联网，整个基建都还没做完呢。”**

你可能想问，都这么卷了，怎么还叫刚开始？Kevin 给了两个体感。

第一个是，“AI 应用在垂直行业里，真正跑得特别好的公司还很少，很少很少。”

第二个更有意思：两年前他去见客户，很多人对 AI 产品的反应是“这什么玩意儿，是不是骗子”。但是今年，很多客户主动找过来，连两年前联系过的那些，也回头来问能不能试用。

而且一旦付费，只要真正在用，客户基本就不会离开，“因为毕竟是降本增效”。

这个转变其实就是那 4.5% 背后的故事。渗透率还低得可怜，但方向已经变了，从“创业者求着客户试”变成“客户自己来敲门”。

付费率从 2.1% 涨到 4.5%，一年翻了一倍多，按这个斜率，真正的爆发还在后面。

  

## **To B 的大实话：小客户赔钱，大客户养命**

下半场聊商业化，画风从理想主义切到了算账模式。

Kevin 先把底层逻辑摊开：“客户最终是为价值付费。”

个人用户为红果短剧掏钱，买的是服务和体验，不是在为 Token 掏钱。B 端也一样，客户不关心你用了什么模型，只关心我花钱能买到什么结果。

那到底做 To 大 B 还是中小客户？Kevin 的账算得很清楚：

**“一个大 B 可以养活一个一万人的企业。”**

Palantir 某种程度上就靠一个大客户，美国政府，做到了几百上千亿的市值。但大 B 竞争激烈，采购流程长，你的产品得比同行好十倍才有机会进门，对初创公司很不友好。

中小企业呢？门槛是低，但付费能力也低。“从中小企业起步，你基本上是赔钱的。”

他自己就踩过这个坑。Arros AI 原来做 SaaS，定价 399、499，辛苦做了一堆中小客户，“转化周期都是三到六个月，很累”。

客户有付费意愿，但预算有限。

后来转向大 B，“一个大 B 一年付几十万，那这个企业就养活了”。

但大 B 有大 B 的难处：没法规模化复制，销售还得一个个磕。

Kevin 说，“我们公司就我一个 Sales，我兼产品经理、兼 Sales，还兼融资。”把销售放到马来西亚行不行？试过，换了好几个人，花了很多时间，“实际上还不如自己干”。

那让 AI 干呢？“AI 只能帮你做 Lead Generation，就是给你一些 Leads，但后面你还要去跟进，还要解释这个产品为什么有价值。”

你看，这就是 AI 时代的真实创业现场：技术一天一个样，但销售、交付、信任这些老问题，一个都没消失。

Tedd 从另一个角度补了商业化的另一面：按结果付费。他现在深入一家 HCM 企业做工作流改造，体感是，如果企业能看到 50%、60% 的效率提升，是很愿意付费的，“因为最终他们省的钱比花的钱多”。

他还观察到一个更慢但更确定的趋势：AI 正在进入那些高合规、高敏感的领域，金融、发薪、会计，这些流程要求非常准确，出错后果很严重。

这些领域恰恰是 AI 最难啃的骨头，也是他想去啃的方向。道理也简单，越是出错成本高的地方，人力就越贵，AI 替代的价值就越大。

但按结果收费有个死结：你怎么证明那个结果？得有一个非常值得信任的合作伙伴，给你一个真实反馈，说我节约了 60%，那才是 60%。

他最近在盯一个更原生的解法，比如 Payroll 的 API，帮企业发薪、帮人报税，调用一次 API 就完成一项工作，天然可以衡量，天然可以按次收费。

这种生意能不能做大还不好说，但收费模式是天生顺的。

非凡产研服务过的 PLAUD 是个现成的参照系：做 AI 录音硬件，也在 AI Consumer App 榜单上，订阅收入和硬件收入差不多各占一半。

这个结构很值得琢磨：硬件把用户带进门，真正长期的生意在后面的订阅。硬件是入口，服务才是复购。

To B 和 To C，哪边机会大？Yuchen 的看法是两边都存在，但各有各的坑。

C 端离消费者近，能及时拿到反馈，掉头快；B 端能在短时间拿到大订单，但企业级定制做多了，对长期的产品生态有“一叶障目”的风险，你以为自己在做产品，其实在做项目。

没有对错，完全取决于你自己的资源和产品形态。

  

## **做产品不值钱了，值钱的是验证**

如果说 Kevin 负责泼 To B 的冷水，Yuchen 负责泼产品的。

他的观点一句话就能说完：

**“做出产品只是一个起点，更重要的是构建自己产品的护城河。”**

理由很充分。人人皆可 Vibe Coding，做出一个产品的成本被极大降低了。

“过去可能一个团队一两个月做出的产品，现在一个人一两周就可以完成。”产品便宜到这个程度，产品本身就不可能再是壁垒。

他手里有一组一手数据。amber.ac 刚在新加坡赞美广场办完一场为期三个月的全球创业比赛，319 个项目报名，基本全是 AI 初创，覆盖 OPC、Agent 等差不多五个细分赛道。

看下来的结论是：不乏非常华丽的产品，UI 做得很好，体验很丝滑，“但最终能进 Top 10 的，无一例外都是市场需求得到不同程度验证的项目。”

反过来说，产品力强的团队最容易掉进的坑，是自嗨。觉得这个功能很酷，就往产品里塞。塞的时候很爽，但这些东西在需求验证之前有没有用，没人知道，唯一能确定的是，后期调整的成本会越来越高。

这 300 多个项目，一年后还能活下来多少？Yuchen 的回答是：“以我们往年的经验来说，其实最终存活的不到 10%。”

Jimmy 在旁边补了两个字：“保守的。”

Yuchen 自己还觉得这个说法偏乐观。三个人一人一句，把 AI 创业的存活率聊成了全场最冷的数字。

为什么会死这么多？Kevin 插了一句解释：“关键是一直在转型，因为技术迭代太快了。”

你今年基于这个模型能力做的产品，明年模型一升级，你的壁垒可能就变成了大模型的自带功能。

创业公司只能跟着技术一路狂奔，跑不动的、转错方向的，就成了那 90%。

但仔细想想，这跟开头那 4.5% 是同一个故事的两面：需求是真的，机会是真的，但绝大多数产品活不到被验证的那天。

所以 Yuchen 给创业者的最后一句话是：先做市场需求验证，想清楚自己的最小核心循环在哪里，“不要做产品做得太自嗨，千万不要自嗨。”

  

## **快和慢：100 家公司，用不完 Google 白给的钱**

Jimmy 是观察者视角，他手里也有一组很有意思的数字。

Google for Startups 给初创公司的云额度，最高能申请到 25 万美金。通过 Master Concept 申请下来的差不多有 100 家，“最后真正能用完的可能只有 10 家，肯定不到 20 家”。

这个数字细想挺扎心的。

白给的钱都花不完，说明大部分公司连算力需求都还没跑出来，业务体量根本没起来。

一年 10 万美金的额度，如果你能正常用完，某种程度上说明企业做得相对还不错。

反过来说，云额度用不掉，就是一个公司还没找到真实需求的信号。

用不完能不能转卖给别人？不能，“这个是不合规的”。

在这个观察的基础上，Jimmy 给了一套“快慢论”。

市场验证要快。“有个想法一定要快速验证，因为你今天不验证，可能两个月后就有十家跟你类似的公司在做同样的事情。”

技术迭代要快。模型一直在升级，你的产品得跟上，甚至赶在前面。他反问了一个所有 AI 应用创业者都绕不开的问题：“为什么用户不直接用 Gemini，而要用你的产品？”

但组织可以慢。过去几十上百人才能做的产品，现在十几二十个人就能做，团队没必要急着扩张。

安全要尽早做。活动期间正好赶上 TOKEN2049，新加坡到处是安全话题，前几天刚有韩国一家银行、日本一家云厂商被攻破，损失很大。

前期为了赶版本，给员工开过高权限，这些小的隐患叠加起来，可能就是一个大漏洞。

“如果能在早期解决掉安全问题，肯定比后期出了问题再打补丁，成本低得多。”

总结成一句话：在控制风险的情况下，足够快。像 F1 一样。

  

## **最好的时代，是因为一切都还没开始**

Kevin 说的是：“这是最好的 AI 创业时代，所有的 AI 应用都还没开始呢。”

Tedd 说的是：“AI 在企业级别的应用，尤其是深入到生产流程里的应用，才刚刚开始。”

把这两位的话和开头那组数字放在一起，整场活动的逻辑就对上了：4.5% 的付费率说明钱还在后面，319 个项目不到 10% 的存活率说明路不好走，100 家公司用不完白给的云额度说明多数人连入场姿势都还没找对。

但也正因为这样，窗口还开着。等付费率到 40% 的时候再进场，那才是真的晚了。

  

## **更多对话细节**

**主持人**

非凡产研创始人 吴畏

**嘉宾**

Master Concept 初创生态负责人 Jimmy Zhao

amber.ac AI 产品负责人 Yuchen

Arros AI CEO 及联合创始人 Kevin Gao

DEEPTENSOR 创始人兼 CEO Tedd Li

![肯为AI付费的只有4.5%，这群新加坡华人创业者却说：好日子还没来 · 原文图片 1](https://inews.gtimg.com/om_bt/Ocz3dZHfOjDdfzswFP5l2iDogIkylldtEz_Cw2ouvMEJYAA/1000)

### **先介绍自己，再给一个判断**

**吴畏：**今天聊的是 AI 和华人创业，想请大家先做个自我介绍，再讲一个你们认为当下最大的趋势，或者 AI 发展中最重要的一个观点。要不 Jimmy 先开始吧。

**Jimmy Zhao：**大家好，我叫 Jimmy，来自 Master Concept。我负责初创企业生态，主要是给使用 Google 服务的初创企业提供一些支持。这几年对接了上百家初创公司，也了解了他们的一些发展历程。

我觉得，在全球化的过程中，有些事情要非常快地去做，有些事情可能需要慢慢来。需要快的，主要是技术迭代和市场验证。同时，刚刚也强调了几点，数据安全和合规要尽早去做。

慢的一点，是人才和组织的发展。组织的成长可能稍微慢一些，因为过去几十个人、上百个人的公司才能完成的产品，现在可能十几个人、二十几个人就能完成了。所以组织的发展可以尽可能慢一些。这是我这段时间观察下来的一点感受。

**吴畏：**就是说，技术要跟上迭代速度，但是组织的发展可以慢一点。来，Yuchen。

**Yuchen：**大家好，我是 amber.ac 的 Yuchen，主要 focus 在 AI 初创企业的孵化，以及 AI 产品的创新与落地。

给一个观点的话，我觉得在 AI 盛行的当下，人人皆可 Vibe Coding，做出一个产品的成本被极大降低了。但做出一个产品，离商业化落地其实还有非常大的一步。

所以我的观点是：做出产品只是一个起点，更重要的是构建自己产品的护城河。

**吴畏：**现在 AI 技术普惠了，做产品很容易，但是要把它做好，做出壁垒，还能商业化、规模化，这是挑战，对吧？Kevin，介绍一下自己。你可以讲观点，可以讲挑战，也可以讲非共识，先讲一个点。

**Kevin Gao：**大家好，我是 Kevin，Arros AI 的 Co-founder 和 CEO。我原来一直做招聘行业，在新加坡的 Adecco（德科）做过高管，做了十五年。

我属于“老登创业”。投资人喜欢投两类人，一类是“老司机”，一类是“小天才”，是吧？在座的可能是三位小天才加一位老登。

我创业两年的感受，就是 AI 应用刚刚开始。这是一个体感。为什么说体感呢？因为吴老师给了我一个问题，我可以先说问题吗？

**吴畏：**简短说一下你的结论和观点，我们稍后会展开。

**Kevin Gao：**好，那我先说结论。我觉得 AI 应用刚刚开始，就相当于九十年代的互联网，整个基建都还没做完呢。

**吴畏：**就是机会还很大，还很早期，对吧？

**Kevin Gao：**太早期了。AI 应用在垂直行业里，真正跑得特别好的公司还很少，很少很少。

**吴畏：**我们稍后再来。Tedd。

**Tedd Li：**大家好，我叫 Tedd。我今年七月份刚从加拿大多伦多搬过来。之前在加拿大的华为诺亚方舟实验室工作过，之后在最近比较火的 Cerebras 做过工程师，也在 ServiceNow 工作过一段时间。

今年比较特殊，因为我做了一段时间现在比较火的 OPC，在主业之外做了一些 Consulting，以及相关的 AI 优化工作。我觉得是时候来到新加坡，希望能做更多企业工作流的优化。目前我们在深入一家 HCM 企业，把他们的工作流变成用 AI 来解决。

目前也遇到了很多挑战。我的观点是，AI 的应用正在逐渐进入一些比较敏感、高合规要求的领域，比如金融、Payroll，或者会计那些要求非常准确、出错后果比较严重的流程。AI 怎么进入这些领域，也是我目前想做的一个方向。

### **第一问：为什么是新加坡，是跳板、中转站，还是起点？**

**吴畏：**我先问一个很快的问题：为什么你会从加拿大多伦多转到新加坡？新加坡对 AI 的发展来讲，是一个跳板、一个中转站，还是一个起点？

**Tedd Li：**我觉得更像是我个人的选择。因为我之前做 OPC 的时候，有很多 Consulting。之前就有一家新加坡的公司跟我合作，做一些 AI 解决方案。

我一路看着 AI 发展过来。我研一的时候，正好 GPT 刚出来，我当时研究的是 SNLI 这个 Stanford 的数据集，做自然语言推理相关的研究。我在华为诺亚方舟实验室的第一个研究项目叫 Knowledge Distillation（知识蒸馏）。

当时大家对主流方案其实也不太确定。GPT-2、GPT-3 出来以后，突然有了非常大的模型，华为很快也跟进了盘古大模型。大家确实都不太确定，随着模型规模增加，它的能力会发生什么变化。如果没记错，那时候应该还没出来。

**吴畏：**2021年、2022年？

**Tedd Li：**我当时工作的时候是2020年。

**吴畏：**2020年？

**Tedd Li：**2020年年底，对。当时北美有很多 Layoff，我就选择进了一家研究院。

**吴畏：**所以来新加坡是你的个人选择，跟这个地方没什么关系？

**Tedd Li：**当然，新加坡也是一个很好的跳板。在这里你可以接触到一些国内企业家、国内的 Business，同时也可以接触到北美的资金。所以对我来说，新加坡是一个比较理想的港口，或者说 Middle Port，就是一个中转港口。

**吴畏：**Kevin 在新加坡多久了？

**Kevin Gao：**我在新加坡三到四年。

**吴畏：**你觉得新加坡对 AI 华人创业者意味着什么？

**Kevin Gao：**因为我们有很多中国企业客户，我觉得很多中国企业选择新加坡，主要是因为它是一个以华人为主的社区，同时法律和政治环境又跟西方接轨，用的是西方那套体系。所以很多华人出海企业，特别是中国企业，把新加坡当成出海的一个试验田。

如果在新加坡能做得好，因为这里毕竟有华人的纽带、社群、文化，就更容易跟国际接轨，更容易进入陌生的环境，比如非洲。

**吴畏：**那会不会一直围绕着所谓的华人这个群体，没有办法。

**Kevin Gao：**我说这是个试验田，是个过渡，对吧？因为这里的法治和营商环境，跟中国的法治和营商环境是不一样的。同时它连接东南亚、泛亚洲市场，也连接欧洲、北美发达国家市场，因为这里的法律体系、政治体系跟那些市场比较类似。

**吴畏：**所以一个是 Middle Port，一个是试验田。Yuchen，你来新加坡多久了？

**Yuchen：**我其实更多时间待在香港，但是 amber.ac 在新加坡和香港是双总部，所以我们来新加坡还是比较频繁的，也会在这边办很多面向全球的活动。

**吴畏：**相比而言，这两个地方哪里更国际化一点，或者更适合做你现在的业务？

**Yuchen：**其实我觉得各有优劣，两者都比较国际化。只是香港可能更侧重金融科技属性，新加坡目前可能 AI 属性更重一点。

**吴畏：**我觉得这也是一片适合 AI 业务发展的土壤，对吧？Jimmy 怎么看？

**Jimmy Zhao：**前面几位可能更多从创业者的角度思考这个问题。我这几年接触了上百家来申请 Google 支持的初创公司。

正好 Google 有一个 Google for Startups 的 Funding，初创企业可以申请 Google Cloud Credits，最高大概能申请 25 万美金的额度。

我帮这些客户申请下来之后，作为一个观察者去看这些公司。我觉得更多公司是把这里当成一个试验田。我非常赞同 Kevin 刚才的观点，就是在全球化的起点先落在新加坡，这样可以更快地去对接其他国家，重视并适应当地的法律、客户。

当然，从我自己工作的角度出发，我觉得他们也可以重新考虑：云服务接在哪里？Infra（基础设施）放在哪里？

以前是中国的公司、中国的产品、中国的客户，到了新加坡以后，就可以考虑这些基建放在哪里，模型从哪里接，数据库在哪里。

这些问题也是需要提早思考的。新加坡是一个很好的适应点，也可以从技术角度去思考这些问题。

### **第二问：付费的机会到底在哪里，卡点是什么？**

**吴畏：**我们这个 Panel 的上半场，主要聊的是趋势判断，以及为什么在新加坡创业、在这里创业的体感。下半场主要想聊 AI 产品的商业化。

刚才也提到，帮企业做工作流优化，会遇到一些卡点。我正好前天看到 a16z 的一份报告，其中几个数据我挺关注的。

第一个是 AI 的付费率。大家猜猜多少？4.5%。美国有将近一半的人在用 AI，但这个付费比例是 4.5%，去年是 2.1%。

所以我非常同意 Kevin 讲的，机会老大了，因为还有 95% 以上的人没有为这些订阅付过钱。

而且大部分人的付费大概就是 25 美金，当然起点是 20 美金，虽然我一直是 200 美金（笑）。这里面有 1% 的付费用户，贡献了差不多 20% 的消费额。

**Kevin Gao：**这 1% 的人里面，可能有 90% 是 Engineer。

**吴畏：**Engineer，是吧？对，Coding Agent。我觉得这些都是值得聊的信号。刚才 Jason 提到了我们服务的一个 PLAUD，PLAUD 也在 AI Consumer App 的榜单里面。它虽然做硬件，但也有订阅收入，订阅收入跟硬件收入差不多各占一半。

我说这些铺垫，就是想接下来聊一个重要话题：你们自己在创业过程中，发现了什么样的机会？可能是你们现在做的，也可能你觉得我们做的还不如做情感陪伴之类的，反而更能够找到用户愿意付费的价值。

所以我想聊聊，你们看到哪些 AI 产品真正存在付费机会？以及结合自己的创业，要让客户或者用户进一步付钱，卡点是什么？我们还是从 Tedd 开始，往这边聊。

**Tedd Li：**因为我刚刚开始，现在还是客户 Pilot 阶段，我可能只能聊聊自己的体感。我觉得现在很多企业对用 AI 来替代人力还是非常重视的。如果能看到比如 50%、60% 的效率提升，他们是很愿意付费的。因为最终他们省的钱比花的钱多。

**吴畏：**所以这个过程里，付费方式会不会变化？比如说 Result-based Service。

**Tedd Li：**也分你提供什么样的服务。如果是咨询，可能按次付费；但如果做的是比较通用的 General Product，可能走 SaaS 更好一点。

目前就我的体感来说，做这种 Result-based Service 还是比较有难度的。因为首先你要证明那个 Result，得有一个非常值得信任的 Partner，给你一个真实的反馈，说我节约了 60%，那就是 60%。

**吴畏：**就是怎么衡量这个？

**Tedd Li：**对，这是我目前遇到的一个比较有挑战的问题。

**吴畏：**那可能有什么解法？

**Tedd Li：**我最近在关注一个方向，比如 Payroll 的 API。你帮一家企业做 Payroll，或者帮一个人报税，调用一次 API 就完成了这项工作。

这个是可以衡量的，你就可以按次收费。但这种 Business 最终能不能做起来，还需要看。

我觉得这是一种比较 Native、天然可以按结果付费的 API 方式。

### **第三问：To B 还是 To C，大客户还是中小客户？**

**吴畏：**明白。至少我们做 Enterprise AI 的时候，可以看任务完成的数量，对吧？按任务、按结果，各种方式都有可能尝试。

Kevin 应该很有经验。刚才说 Payroll，你也在做 Human Resource Service，对吧？

而且我看到你可能原来更多是 To 大 B，现在可能也做一些蓝领，对吧？你怎么思考？

**Kevin Gao：**开始做 C 端了。

**吴畏：**你服务的客户、用户在变化，你是怎么做这样的调整，或者叠加的？

**Kevin Gao：**其实马斯克有句话特别好，就是“第一性原理”。刚才吴老师说，客户愿不愿意为 Token 付费，其实客户最终是为价值付费。我花钱能买到什么结果？个人消费者能买到什么东西，买到什么服务？就像红果短剧，客户能买到这种服务，他就愿意付费，但他不是在买 Token。

**吴畏：**正好今天没有直播，你就随便讲。

**Kevin Gao：**间接地说是在买服务。B 端客户可能比较挑剔，大企业采购流程比较长，你的产品得比同行竞争产品好十倍，才有机会进入这种大 B。中小企业呢，进入门槛当然比较低，你也能提供相应价值，但是中小企业付费能力比较低，所以从中小企业起步，你基本上是赔钱的。

**吴畏：**所以到底是 To 大 B，还是其他。

**Kevin Gao：**看你的产品，看你的 Resource，就是这两点。因为所有人肯定都想做 To 大 B，一个大 B 可以养活一个一万人的企业，是吧？其实 Palantir 可能就靠一个大 B，美国政府，是吧？

**吴畏：**对。

**Kevin Gao：**但是它已经变成几百亿、上千亿市值的公司了。所以优秀的企业肯定想做大 B，但是大 B 竞争特别激烈，对初创企业不友好。初创企业往往会从中小企业、SMB 切入，相对容易。

但是从 SMB 切入，怎么把成本降下来，提供一个有价值的服务？这需要在座各位创业者做出一个真正有颠覆性的产品。不光是一个想法，要把产品做出来，真正对社会、对商业社会提供有价值的产品或者服务。这样创业才能……

**吴畏：**目前你们这个是怎么收费的？

**Kevin Gao：**我们现在在转型。原来是 SaaS 服务，可能 399、499，很辛苦地做了一堆中小企业客户，转化周期都是三到六个月，很累。客户有付费意愿，但预算有限。

后来我们做大 B 就好一些，一个大 B 一年付几十万，那这个企业就养活了。但是大 B 也有 Scale 的问题。我们公司就我一个 Sales，我兼产品经理、兼 Sales，还兼融资。在新加坡雇一个人的成本很高。

**吴畏：**可以放在马来西亚。

**Kevin Gao：**放在马来西亚是可以，我们试过，但是换了好几个，花了很多时间，实际上还不如自己干，是吧？现在就是这种窘境。

**吴畏：**或者让 AI 干，是吧？

**Kevin Gao：**AI 干不了。AI 只能帮你做 Lead Generation，就是给你一些 Leads，但后面你还要去跟进，还要解释这个产品为什么有价值。

两年前很多人对 AI 产品都很拒绝，觉得这什么玩意儿，是不是骗子？但是今年，很多客户主动找过来。两年前我们联系过的，现在又主动来找，愿意用、愿意试用，转化率还是可以的。付费以后，只要真正在用，客户基本上就不会离开，因为毕竟是降本增效。

**吴畏：**Yuchen，你看他们做 To B 做得挺纠结的，对吧？你觉得是 To B 的机会大，还是 To C 的机会大？结合你们现在的业务讲讲。

**Yuchen：**其实我觉得 To B、To C 的机会当然都存在。C 端的优势，就是离消费者更近，能及时得到反馈。B 端更多会进行企业级的定制化处理，短时间内可能拿到比较大的订单，但对长期产品生态来说，也可能有一叶障目的风险。当然，B 端和 C 端没有对与错，完全取决于你自身的资源和产品形态。

我们前几天刚在赞美广场（CHIJMES）结束一个为期三个月的全球创业比赛。这段时间我们看了 300 多个项目，一共有 319 个项目报名。

**吴畏：**结构是什么样子？

**Yuchen：**基本上都是 AI 初创，包括 OPC、Agent，差不多有五个细分赛道。在看的这些项目里，不乏非常华丽的产品，UI 做得很好，用户体验很丝滑。但最终能进 Top 10 的，无一例外都是市场需求得到不同程度验证的项目。

过去可能一个团队一两个月做出的产品，现在一个人一两周就可以完成。产品成本降低以后，尤其是产品力比较强的团队，很容易陷入一种自嗨，觉得这个功能很酷炫，就往产品里塞。但是在得到市场需求验证之前，这些东西是否有用？可能有用吧，但毫无疑问会增加后期产品调整的成本。

**吴畏：**那你觉得这 300 多个初创项目，一年后有多少会继续存活？

**Yuchen：**以我们往年的经验来说，其实最终存活的不到 10%。

**Jimmy Zhao：**保守的。

**Yuchen：**哈哈，说得都比较乐观。

**吴畏：**所以他们要很快转型嘛，对吧？

**Kevin Gao：**关键是一直在转型，因为技术迭代太快了。

### **第四问：什么必须快，什么可以慢？**

**吴畏：**Jimmy，你在 Master Concept 负责初创生态，接触了很多项目。我们今天聊了新加坡，聊了华人出海。那这里还有没有机会？从你的观察看，一个 AI Founder 应该注意什么？怎么把你刚才说的“快”和“慢”展开讲讲？

**Jimmy Zhao：**我也在想刚才的话题。我们真实地感受到，支持发给了差不多 200 家初创公司，通过我们申请 Google Cloud Credits 的，最后真正能用完的可能只有 10 家，肯定不到 20 家。

**吴畏：**那他可以卖给别人？

**Jimmy Zhao：**这个是不合规也是不被允许的。很多公司真的花不完这笔额度，因为一年 10 万美金，如果你能够正常把它用完，某种程度上说明企业做得相对还不错。我觉得这是其中一个观点。

再回到吴总刚才问我的问题：全球化过程中哪些应该快，哪些应该慢？我最开始讲的就是市场验证需要快。有个想法一定要快速验证，因为你今天不验证，可能两个月后就有十家跟你类似的公司在做同样的事情。所以这个一定要快。

技术迭代也要快，你得跟上模型的发展速度。为什么用户不直接用 Gemini，而要用你的产品？所以技术迭代一定要快，最好能赶在技术发展前面。

**吴畏：**所以你也总结了你的观点，就是速度要快。

**Jimmy Zhao：**对。

**吴畏：**跟 F1 一样。

**Jimmy Zhao：**对，跟 F1 一样。结合今天的主题，还有 TOKEN2049，大家非常重视安全问题。刚刚也讲到了，昨天还是前天，韩国一家银行、日本一家云厂商被黑客攻破，损失很大。

从创业者的角度出发，如果能在早期解决掉安全问题，肯定比后期出了问题再打补丁，成本低得多。

**吴畏：**就是在控制风险的情况下足够快。

**Jimmy Zhao：**对。比如前期为了快速发展、发布新版本，你给不同员工更高的权限，或者给企业内部一些过多的权限。这些小的安全隐患叠加以后，可能出现一个非常大的漏洞。

### **收尾：每人一句话**

**吴畏：**我感觉你已经总结了你要讲的内容。时间关系，剩下三位每人用一句话总结，可以是感受，也可以是观点。像 Jimmy 刚才讲的，就是在控制风险、确保安全的情况下，可以足够快。来，Yuchen。

**Yuchen：**我还是说快和慢。

**吴畏：**没关系，最后一句总结。

**Yuchen：**我觉得大家可以努力做产品，但一定要先进行市场需求验证。要先想清楚自己的最小核心循环在哪里。不要做产品做得太自嗨，千万不要自嗨。

**吴畏：**好，先搞定 PMF。来，Kevin，我帮你总结了。

**Kevin Gao：**总结一点，这是最好的 AI 创业时代，所有的 AI 应用都还没开始呢。

**吴畏：**这也给大家很好的信心。

**Jimmy Zhao：**AI时代快速迭代很重要。

**Tedd Li：**我觉得目前来说，AI 在企业级别的应用，尤其是深入到生产流程里的应用，才刚刚开始。

---

原始发布版本：https://view.inews.qq.com/a/20261011A0A1ST00

本站阅读页：https://ffcap.cn/research/20261011a0a1st00