AI出海真相：你以为缺的是护城河，其实缺的是流量

在 AI 出海这件事上，很多团队真正输掉的，不是技术不够强，而是还没被看见，就已经把子弹打光了

在非凡大赏·杭州 AI WEEK 上，一场关于“AI 生产力工具全球化”的圆桌对话戳破了一个让国内技术男们非常难受的真相——在AI出海的语境里，你引以为傲的“技术壁垒”可能根本不值钱。四位把产品卖到全球大部分国家的AI创始人凑在一起，给出了一套极其反直觉的生存法则。

如果让你来做一款面向全球的 AI 工具，第一步干什么？大部分团队会说：看论文、调模型、写代码、做功能。

“这是个很大的错误。” ChartGen AI 的联合创始人 Steven 直接开喷了。

但在 Web Coding 工具满天飞的今天，写出一个“能用的产品”早就不叫门槛了。Steven 抛出了一个更残酷的结论：现在的逻辑已经从大伙儿熟悉的“Product Market Fit（产品契合市场）”变成了“Market Product Fit（市场驱动产品）”。

你得先向自己证明这个池子里有鱼，然后再去造那张昂贵的网。

“很多硅谷的创始人每天花 60% 的时间在 LinkedIn 和 X 上推销自己。” Steven 透露，在这个所谓的“AI Wrapper（AI套壳）”满地跑的时代，你怎么让你的工具被真实的活人看见，远比你的架构牛不牛逼更重要。

Dynal.ai 的创始人徐作彪也是同样生猛直接的做派。他们团队做的是帮人在北美 LinkedIn 上“卷”个人形象和发帖的 AI 工具。“别人问你付费率、留存率多少，其实全扯淡，因为你根本没有流量。” 徐作彪说话很实在，“每天如果有10万访问量，总能留下一些人为你做调整，那就是 PMF 了。”

当你还在纠结怎么把 Bug 修得更完美时，别人已经在靠几张截图抢客源了。这就叫降维打击。

如果流量有了，下一个问题是：大模型的竞争这么卷，今天你用 Prompt 拼凑出来的功能，明天 OpenAI 或者 Claude 一大版本更新就给你直接干没了。护城河在哪？

全场在这个话题上出现了一波极为密集的观点碰撞。

AirJelly 的联合创始人 Ziwen 的观点比较“头铁”：护城河就在产品本身的硬核实力。市面上有各种各样的开源或者免费 Agent（比如OpenCode 抢占了Claude的生态），但他觉得好的开源反而能把盘子和大众认知做大，本质上还是个工具体验的硬碰硬。

但 Steven 给出了一个完全不同、且极其务实的思路：不要在 AI 功能本身找壁垒，去后端找非对称的数据优势。

“随着 AI 越来越火，功能本身的护城河会越来越低，几乎被碾平。” Steven 一针见血。大家调的都是差不多的模型，凭什么你比别人强？ChartGen 走的路子是去接那些高质量的 Data API（比如纳斯达克的独家数据）。当用户用他们的开源 Skill 画出非常漂亮的看板时，真正需要付费锁死的，其实是底层那个常人拿不到的高密度数据源。

Seede AI 的创始人 & CEO Longyi 则指出了一个很有意思的新方向——贩卖“非标品”。

他们做的是用大模型帮普通人搞定平面设计。“如果你输入极其简单的、极简的或者赛博朋克的提示词，大模型吐出来的东西往往会趋于‘平均化’。” 但人类的审美是追求永恒新鲜感和极端变异的。所以他们的壁垒在提供“新的审美 Context（语境）”。

台上的四家产品，形态天差地别，但他们身上有个共同点极度惹眼：Day 1 （成立第一天）就是冲着全球市场去的。

为什么国内这么大市场不先打透？是不是因为国内“太卷”了想去海外避难？

事实上，全球化并不是逃避本土竞争，而是在利用全球的差异化红利来给产品疯狂上“杠杆”。

Steven 讲了个很迷人的细节：他们的产品上线第10天，就涌入了全球 110 个国家的用户。因为用户基数足够大、分布足够广，他们立刻发现遥远的中东北非地区的需求竟然惊人地相似，马上就能快速做地区级的定向版本迭代。

因为“生产力”这个核心欲望，在全人类面前是高度同频的。“所有人用 AI 产品都差不多，这就跟大家用 Office 一样。” Longyi 这么总结道。虽然存在文化语境的细微差别，但底层骨架是通往全人类的。

但这绝不意味着你可以坐在望京的写字楼里凭空去猜美国或者日本打工人的痛点。“如果有条件，一定要深入当地。” Ziwen 强烈建议这批出海创业者，“真去日本看看知识工作者到底在干什么，参加当地的 AI 活动。你不跟当地人聊，拿到的永远是失真的二手需求。”

这几乎是现在所有 AI 创业者心头萦绕不下的一场噩梦：我费尽心机做了一套自动化的工作流，如果明年的大模型直接能一口气干完，我是不是直接就失业了？

“如果你是真的基于大模型去构建产品服务场景的话，当模型强了10倍……” 徐作彪顿了一下稳稳地说，“你做梦都会笑醒。”

因为在未来，限制你的再也不是那点贫瘠的算力或者模型拉胯的理解力，而是你的场景能不能接住那些曾经看起来“过分又天马行空”的巨大需求。只要扎实做好产品，满足好场景，模型越强，你的生意就越好做。

AI 不是来抢走你的生意的，它只是一面无情的镜子。它能照出你极致的审美，照出你敏锐的商业嗅觉，当然，也毫不留情地照出那些闭门造车的徒劳。

非凡大赏·杭州 AI WEEK 趋势圆桌 Panel《从开源扎根到全球生长：AI 生产力工具的全球化新机遇》

嘉宾：Seede AI 创始人&CEO-LongyiDynal.ai 创始人-徐作彪ChartGen AI 联合创始人-StevenAirJelly 联合创始人-Ziwen

主持人：EPIC Connector 产品负责人-Shawn

Shawn： 那我们现在就由龙易老师开始，按照这样的顺序来简单介绍一下各位公司的产品。

Longyi： 我的名字叫Longyi，我们现在在做的产品叫 Seede AI，它其实是一个利用大模型帮助普通用户做平面设计的工具。 我们的产品在国内已经有差不多几百万用户，最近在3月初也 launch 了我们的海外产品，叫 Vis。

徐作彪：我们公司就是 Dynal.ai，这产品是我们出海的一个新品。 主要是在做领英（LinkedIn）获客，帮助那些想在北美获客、或者想在那边建立影响力的专业人士，在30天到90天之内，在 LinkedIn 里面建立一个非常真实的、专业的、可持续的个人形象。 用户需要做的就是设定个目标，然后审核帖子内容，就可以发布了，大概是这样的一个情况。

Steven： 各位嘉宾好，我叫 Steven，目前是 ChartGen AI 的联合创始人。 我们的产品主要是面向出海用户，做数据分析领域的 Data Agent。 目前产品有两个形态：一个是给正常用户使用的 SaaS 工具；同时我们也推出了面向 OpenClaw 生态的 Skill，能够让 Agent 直接调用我们的技能来做数据的可视化分析，包括一些 Dashboard。 我们的团队 Day 1 就是 global 的，基本上在北美、中东还有南美都有很好的用户增长。 今天也非常荣幸能在这给大家分享一些我们在海外增长的经验跟教训。

Ziwen： 大家好，我是Ziwen，我们做的产品是 AirJelly。 AirJelly 是一款主动式感知上下文的助手，主要功能有三块：第一块是我们可以感知用户的屏幕，记录用户每天都做了什么；第二是我们有 Proactive Agent，因为能感知屏幕，所以我们可以获知用户的意图，在恰到好处的时候提供主动的帮助；第三个是我们也是一个通用的 Agent，可以帮用户执行绝大多数在电脑上需要完成的任务，比如写文档、做PPT等。 我们是一家服务于全球、Day 1 Global 的公司。 AirJelly 最近已经陆续开始内测了，我们会陆续发放邀请。

Shawn：大家都是非常优秀的面向全球化的产品，虽然产品形态不太一样、服务于不同的场景，但共同的特点都是面向全球化的定位。 但其实在这个过程中是有差异的：有一些产品是先在国内做了本土化的验证，然后再做面向海外版的打法；也有本身是基于 LinkedIn 这种海外用户比较熟悉的生态；或者是基于开源的 OpenClaw 生态衍生出来的产品。 我想问的一个问题是，在进行全球化发展的过程中，大家对产品的定位认知是怎么样的？是优先考虑先进行本土验证再推向全球化，还是直接一开始就定位为全球化去开发和推广？

Longyi：其实我们 Seede AI 跟在座其他的可能有一些不一样。 我们可以说是在国内先跑，去年开始在国内跑，今年才真正让同样的产品去做海外。 但我个人认为，我们的产品和目标用户其实本身就是全球化的。 为什么先在国内跑？是因为我们这个产品初期还是有一些工程需要去打磨。 比较幸运的是，很快在国内就有用户的自发传播帮我们累积了用户，因为我们在国内其实没有做任何的宣发。 所以看起来我们是先在国内做 PMF，然后再出海，但这只是一个偶然。 我自己坚定认为一个普适的 AI 产品是可以跨文化的，只不过我们需要在不同的文化语境中去做一些特异性的定制，但整个产品结构本身应该是全球化的。 所有人用 AI 产品都差不多，就跟大家用 Office 一样。

徐作彪：其实我们的这个产品是我们第二个出海产品，上一个产品是针对国内等场景的。 这个新品第一天就是在做偏美国的场景，因为当时我在湾区待了差不多50多天，发现每天加很多人的联系方式，他们的 LinkedIn 都非常的“卷”。 可能他们发了几百条 Post，文字非常长，还有各种配图照片；而我一看自己只有四五条，每条就两三句话，差距很大。 每次一想到要发 LinkedIn 就很头疼，因为会想：我这想法有价值吗？别人会不会笑我？有流量吗？文案可以吗？图文强相关吗？ 所以我想能不能击中我自己的需求去做一个产品，跟很多朋友聊了之后发现他们也需要，我就做了。 我们可以上传很多材料转成高品质的 Post，也可以花一段时间建立你的 Brand DNA，让它发的内容连贯一致，不让人显得分裂。 同时你可以花十分钟就把未来四周的 Post 全做完。 我们其实 Day 1 就是偏向为美国群体服务的一个产品。

Shawn： 那后续会考虑类似于国内生态的这种产品设计吗？

徐作彪： 不会，我们只做海外的。

Shawn： 因为 LinkedIn 本身有非常多的用户需求和实际应用，生态非常好，专注去做也是比较好的一种策略。

徐作彪： 可能我们会先做完 LinkedIn，然后再做 Twitter 或者 Facebook。

Steven： 像我们公司的话，一开始 Day 1 是 Global 有一个很重要的原因，是因为我们希望把产品迭代速度拉起来。 比如当时产品上线第10天，就有全球大概110个国家的用户了。 我们发现像中东北非地区的用户需求很类似，积累了大量用户后就可以做更快速的地区级 Localization。 你可以快速基于用户的 Query 去做 Feature Update，比如日韩需求有共同点，就可以做定向的升级。 短时间内了解到全世界各地区对于数据分析的公共诉求，带给产品的杠杆是比较高的。 当然现在国内 AI 也很火，所以我们也在尝试在 OpenClaw 和国内的平台上发布开源版的 Skill，让国内用户免费使用基础能力；但我们觉得在付费能力层面，海外的 C 端用户还是比国内强。 所以一方面国外做整体用户增长，同时国内发布开源工具，这是目前的策略。

Ziwen： 我们公司选择 Day 1 就 Global，是因为我们认为生产力工具对全球的工作者都是一样的，大家的需求其实相近。 做 Marketing 时我们了解到不同地区有不同的使用习惯和文化，通过 Day 1 Global 的形式可以触达真实需求，反向驱动产品迭代。 比如像 OpenClaw 这样开源的事情也是 Global 的，好的 AI 产品是可以面向全球用户的，我们希望 AirJelly 最后也是会被全世界用户认可的。

Shawn： 在 AI 领域中美算是两个头部的玩家，产品形态不太一致。 中国偏向于开源生态，而美国像 Claude 通过闭源能有很好的商业收益。 特别想聊一聊，对于基于开源的场景，你们觉得核心的竞争力或者“护城河”在什么领域？因为开源生态基于免费的性质，做商业化变现可能没那么容易。

Ziwen： 首先我觉得如果有类似于 AirJelly 的开源产品肯定是一件好事，大家可以一起把蛋糕做大，培养更好的用户心智。 其次，我们闭源的竞争力在于产品本身的实力。 比如市面上的开源 Coding Agent 产品非常多，像是 OpenCode 可能会抢占一些 Claude 的用户，但由于 Claude 能力足够强，还是会有很多用户愿意为它付费，开源只是提供了另一种选择。 最终会让使用这类产品的人数越来越多。 更多竞争者进入其实是好事，他们用了开源后可能会发现 AirJelly 能力更好，就会为我们付费。

Steven： 开源本身是一个很好的营销事件，能让更多人知道我们，把蛋糕做大。 但同时我们闭源这款做的更多是数据的连接。 比如你通过我们的开源 Skill 做出很好的 Dashboard 看板，但调用的那些高质量数据源（比如纳斯达克数据）是需要 API 付费的。 在我们看来，随着 AI 越来越火，功能本身的护城河会越来越低，但你的 Source 数据质量是你的核心。 我们后端接的高质量 Data API 才是壁垒，是你必须付费使用的。 所以两条路我们都在走：开源是一个获客的好方式，而闭源是在数据层面搭了很厚的壁垒。

Shawn： 今天在探讨 AI 生产力工具的全球化，大家是如何看待“AI+”和“AI Native”的区别的？你们如何定义未来产品的形态？

徐作彪： 比较直观一点说，就是“你如果没有大模型，你这个东西就废了”。 过去很多产品可能收费高、用户大，只是在某些小地方加个 AI 翻译、AI 改写，这也有价值。 拿 Adobe 来说，可能过段时间会有一家完全基于大模型去做设计的公司，有可能吃下它的份额；但像美国有些老旧的邮件系统虽然难用，每年收入依然可观，所以各有各的门道。 我们这个新品肯定是偏向基于大模型去做的，没有过去那种图形界面的各种问题。 当然大模型也有问题，比如对超长上下文处理偶尔不可控，你需要去做权衡，选一个合适的场景。 随着时间推移，基于大模型重做新东西的空间和未来是比较可观的。

Longyi： 我在2024年开始做 Seede AI，之前在另外一家公司做通过无代码思路（可视化拖拽）的建站产品。 现在大家能听到的像 Lobe 等基于 AI 的 Web Coding 建站工具，你可以明显感觉到它们和无代码工具在技术和上手门槛上是有代差的。 现有工程加 AI（传统软件），其骨架是传统的算法，最大短板是泛化能力不足。 但现在的 AI Native 产品泛化能力非常强，因为模型有了跨行业的知识，它可以根据上下文猜出用户的意图。 传统软件和 AI Native 软件有非常大的区别，未来体验上的代差会越来越大。

Shawn： 接下来希望大家分享一下，在进行全球化发展过程中，可能会遇到的最大问题或者认知的差异点是什么？能给之后想做全球化产品的创业者一些思考。

Steven： 这个我体会特别深。 我们去年开始做出海，一开始花几个月做产品，觉得技术更重要、Go to Market（GTM）没那么重要，那是很大的错误。 比如国外的 Product Hunt 平台，每天发布的产品大概有400到500个。 现在 Web Coding 工具这么火，技术已经不是那么大的壁垒了，更重要的是你怎么让别人知道。 很多硅谷的创始人每天花60%的时间在 LinkedIn 和 X 上推销自己。 现在有个词叫 AI Wrapper，怎么让你的工具被看见，可能比技术更重要。 所以想出海的创业者，你甚至可以先不写代码，放个假页面上去验证有没有人注册。 逻辑已经从 Product Market Fit 变成了 Market Product Fit——你得先证明 Market 存在，再去做产品，不要自己闷三个月做完再找人做 SEO。

Ziwen： 做 Global 市场最重要的是要真懂当地的用户，Marketing 在 AI 时代非常重要。 可以 Build in Public，在社交平台上迅速打磨个原型看用户愿不愿意用。 另外如果有条件可以深入当地，比如你要打日本市场，就真去日本看看知识工作者在干什么，参加当地的 AI 活动和黑客松。 跟当地人交流，才能拿到真实的需求。

徐作彪： 我跟两位的观点差不多，Go to Market 确实很关键。 有时候事情没做成可以有100种理由，但其实核心就是没人知道。 别人问你付费率、留存率多少，其实全扯淡，因为你没有流量。 每天如果有10万访问量，总能留下一些人为你做调整，那就是 PMF 了。 有些人觉得做个产品不用宣传别人就能知道，这不太现实。 找到合适的渠道让别人知道并转化，这很关键。 你的真需求需要打磨并放大，有些产品天然开始就是低付费率，或者早期用户画像并不清晰。

Longyi： 主体思路很像，我补充一点。 找有没有人有需求时，你可以去找现在流量够大但不是 AI Native 的产品，它们有可能会被进一步改造。 需求量必须足够大，如果你盯全球市场，发现只有10万人有需求，加上转化率就会很低。 另外，关于和当地人沟通，我们目前不断通过微信、社群交流，以及在后台分析用户用的 Prompt。 这能帮我们累积数据用于模型后训练，同时帮助团队理解用户场景，在团队和数据之间形成飞轮。

Shawn： 最后一个问题。今年虽然才第一季度，但我感觉每天都有新产品在颠覆旧的范式，让人应接不暇。 当未来大模型能力被放大10倍，你们的产品还存在吗？或者会有怎样的变化？

Longyi： 我觉得模型可能就是一个全新的 OS，它可以在上面跑所有数据。 比如像 OpenClaw 能以很简单的模式帮用户串联更多工具，未来会成为一个万能的数据转换 OS。 在数据之外，我们现在做的跟“审美”有关的事情不太容易被颠覆。 如果用户输入极其简单的提示（比如极简的或赛博朋克的），模型输出的内容往往会趋于“平均化”。 但人类需要看到新鲜的东西（新的审美 Context），我们其实就在做这部分。

徐作彪： 如果你是真的基于大模型去构建产品服务场景的话，当模型变强10倍，你做梦都会笑醒。 因为你对这个场景有很高的期望，模型变强后，你两年前那些天马行空的想法或过分的要求都可以实现。 你只需要扎实地做好产品，满足好场景就行了，所以这还是挺开心的一个事情。

Shawn： 时间差不多了，非常感谢四位嘉宾的分享，希望大家的 AI 产品在全球化过程中越走越远，也希望听众都有所收获！ 谢谢大家。