SAP还要盗版？一个年入4亿美元公司的生存智慧

技术改变功能，合规改变信任，人改变一切。

图什么？就图能开出越南政府认的"红发票"。

在越南，发票不是你想开就能开。税务局对发票格式、编号、开具流程有一套极其本地的规定，正儿八经的SAP系统反而对不上。公司怎么办？买正版，再花钱请人做一套盗版补丁，把发票模块硬改成越南要的样子。合规成本就是这么魔幻。

Jonathan是Accredify的联合创始人，在东南亚做了八年企业软件。他说东盟十国看起来像一个市场，实际上是十个完全不同的游戏规则。泰国的发票叫"税务发票"，马来西亚的叫"e-Invoice"，印尼有自己的e-Faktur，每个国家的数据格式、上传接口、合规要求全不一样。

新加坡的MNC（跨国公司）确实愿意付费——一个合规分析师月薪能到1.2万美元，数字化程度高，对AI工具的接受度也高。但你再看看泰国、马来西亚、越南的本地制造业？很多还在用纸笔记录库存，用Excel算工资，用WhatsApp对账。

"新加坡是我们收入最高的市场，"Jonathan毫不避讳，"因为那里的客户付得起，也理解SaaS的价值。但如果你只盯着新加坡，市场太小了。要规模化，就必须往下沉——去那些数字化程度低、法规碎片化、人力成本极低的市场。"

说白了，东盟市场的第一课是：这里没有标准答案，只有本地解法。

坐下来聊，没有别的捷径

Francis Zhang 是 zCloak.AI 的创始人，见过太多"以为准备好了"的AI产品。有家公司自信满满地说自己的解决方案已经打磨好了，准备推向东盟市场。Francis只问了一句："你们去客户的工厂看过吗？"

对方愣了一下。没有。他们没去过。

Francis的做法是——派员工直接到企业主的工厂、餐厅里，坐下来聊。不是演示PPT，是看对方怎么用Excel管库存、怎么用WhatsApp对账、怎么手工填税务表格。

说来反直觉，新加坡这个全东南亚最发达的市场，也有自己的瓶颈。Francis接触的大量新加坡中小企业，对AI不是没有认知——老板们知道ChatGPT，知道LLM是什么，甚至有人在用。但一问到怎么跟自己公司的ERP、会计系统、库存管理系统对接，就卡住了。"他们知道怎么跟AI聊天，但不知道怎么让AI跟他们的数据聊天。"

新加坡的会计规则统一、数字化基础设施好，一个方案打磨出来可以批量复制。这是好消息。但坏消息是——出了新加坡，这套东西完全不管用。

"你不能在新加坡做好一个产品，然后指望它在雅加达也能跑。"Francis说，"印尼的税务规则跟新加坡完全不同，马来西亚的中小企业用的是另一套语言——不是英语不是马来语，是'生意话'。你必须派人去，坐在对面，听懂他的痛点。"

Andy Tan 是 Aurora Mobile 的解决方案与生态合作总监，选择了一条更重的路。公司在马来西亚设立区域服务中心，辐射整个亚太市场。在他看来，企业客户购买的不只是软件，更是一份能够真正解决问题的承诺。正如他所说：“我们不卖软件，我们卖的是——有人能帮你搞定。”

Andy的核心模式叫"Train the Trainer"——跟当地的系统集成商（SI）和独立顾问合作，先把他们教会，再让他们去服务本地客户。本地SI懂法规、有关系、能讲本地话；Andy的团队懂产品、懂AI——两边拼在一起，才能做成一单。

B2B AI出海的真相，跟消费互联网完全是两个世界。消费端可以"产品驱动增长"，做一个App投放到市场，数据反馈、快速迭代。B2B呢？每一个客户都是一场漫长的对话，每一次成交都是一段关系的开始。

Jonathan做过一个实验，结果连他自己都意外。

他把销售团队分成两组，一组用传统的邮件跟进潜在客户，另一组用WhatsApp。同样的客户群，同样的产品，同样的报价。三个月后，WhatsApp组的成单速度比邮件组快了60%。

"不是因为WhatsApp多神奇，"Jonathan说，"是因为在东南亚，人们看手机的时间比看电脑多得多。邮件可能三天不回，WhatsApp消息三分钟内已读。这就是现实。"

更妙的是WhatsApp群聊。Jonathan的团队会把客户、技术负责人、实施顾问拉到一个群里，有问题直接在群里@人。在马来西亚、印尼、泰国，这种方式让客户觉得"你们随时在"。但在澳大利亚——同一家公司、同一个产品——这套打法完全失效。

"澳洲客户觉得WhatsApp群聊是骚扰。他们更喜欢正式的邮件往来，每周一次电话会议，有议程、有纪要。你把他拉进一个群，他第一反应是，这家公司怎么这么不专业？"Jonathan笑了笑，"所以同一款产品，同一个团队，在亚太是WhatsApp文化，到了澳洲就得切回邮件文化。没有统一的最佳实践，只有因地制宜的笨办法。"

在亚太做B2B销售，还有一个反常识的原则：客户不想当第一个。

Jonathan说，产品功能再强，不如一个同行业的案例研究管用。"你跟他讲你的AI多聪明，他半信半疑。你跟他说，你隔壁那家工厂，同样的规模，三个月前上了这套系统，现在省了两个全职人力——他眼睛立马亮了。"

Francis对信任的理解更底层。"很多人把信任当成感性的事——请客吃饭、称兄道弟。不对。信任建立在可验证的基础上。他说他的系统能自动化报表？你让他现场跑一遍。他说他的数据安全合规？你让他拿出审计报告。盲信承诺是做生意最大的坑，自己验证才是真的信任。"

说到合规，就绕不开一个更硬的话题——安全。

新加坡政府对AI合规的资源投入，在整个亚洲都是领先的。IMDA（资讯通信媒体发展局）推出了AI Verify框架，帮企业测试AI系统的公平性、可解释性和安全性；MAS（金融管理局）有Veritas项目，专门解决金融领域AI的伦理和合规问题。

"这些资源是公开的，免费的，而且写得相当实在。"Francis说，"但很多出海企业根本不知道它们存在。你在新加坡做AI，不去看IMDA的文档，等于花钱买了一份别人免费给你的地图。"

这些框架不只是给新加坡本地公司用的。对于想以新加坡为跳板进入亚太的AI企业，AI Verify的测试结果就是一张"regionally credible"的入场券——客户问你"你的AI怎么保证公平性"，你能拿出凭证。

但这只是起点。Francis被问到"AI数据安全有没有统一标准"时，他的回答很干脆：没有。而且短期内也不会有。美国有自己的框架，欧洲有GDPR和即将落地的AI Act，亚太这边各国各自为政。"别等别人给你标准，先用第一性原理想问题。"

他的方法听起来简单，做起来要下苦功：追踪你的数据路径——传输中、存储中、计算中，数据在哪里？谁控制？谁能看到？一个AI系统从用户提问到给出答案，中间要经过多少环节？模型提供商、路由器、UI层、向量数据库、云平台……数据在这条链路上的每一个停留点，都是潜在的风险点。

这不是在刁难谁。Francis见过太多"以为数据在自己手里"的客户——用了某个SaaS产品，以为数据存在云端很安全，实际上那家服务商在三个国家有服务器，备份策略连自己的技术支持都说不清楚。

Andy从另一个角度给出了务实的解法。他的公司做的是PaaS平台，自然绕不开云安全那套老命题。"我们借鉴了云计算的'责任共担'模型，但AI时代比云时代更复杂。"

什么意思？云厂商的标准模式是——我们管基础设施安全，你管应用层安全，边界画清楚，出了事各找各的。但客户对AI系统的数据流往往比传统IT更陌生，你跟他画一条边界说"这边归你"，他可能连"这边"在哪里都找不着。

"我们不只告诉他'这是你的责任'，"Andy说，"我们还帮他做数据流检查，帮他理解哪些数据走公有API、哪些应该留在私有环境，帮他建一套适合自己的合规策略。"

比如金融客户，核心交易数据用私有模型处理，绝不能走公有云API；但营销文案生成、客服对话摘要这种非敏感场景，公有模型完全够用，成本还低一个数量级。关键不是"全公有"或"全私有"的站队，是知道哪块数据该往哪条路走。

现实是，不同市场的法规差异大到令人头疼。美国客户关心SOX、HIPAA和各州隐私法；欧洲上来就问GDPR和AI Act——你的系统属于"高风险"还是"有限风险"，直接决定监管力度；新加坡要符合PDPA，印尼要求特定行业数据必须存境内，马来西亚、泰国、菲律宾各有各的数据保护法……每一套法规都是一套完全不同的游戏规则，数据必须物理隔离、逻辑隔离，最好连团队都分开。

新加坡管理大学的朱教授（Zhu Feida）从制度经济学角度给出了一个框架。他说，AI系统在商业环境中能不能被信任，要看三把尺子——可审计、可定价、可解释。

他说，AI系统能不能在真实商业世界里跑通，三个条件缺一不可：技术可验证性、制度合规性、商业价值一致性。

技术可验证性，就是你能证明自己做到了声称的安全水平——不是拍胸脯，是可审计、可测试、可复现。制度合规性，就是你在不同司法管辖区里都知道规则是什么，而且真的遵守了。商业价值一致性，是最容易被技术人忽略的——你做的所有安全投入，必须跟客户的商业利益对齐。如果他所在的市场并不在意某项合规认证，你花大价钱去搞，可能只是自我感动。

这句话把前面的所有线头都收在了一起。

回看一下前面所有的故事，你会发现一个规律：几乎没有人真正卡在"技术"上。

Jonathan的制造业客户不是买不起AI——他们连正版SAP都买得起。问题是，你的AI能不能开出越南政府认的发票。Francis的中小企业老板不是不会用ChatGPT——他们比你还熟。问题是，你的AI怎么跟他那套用了二十年的Excel库存表接上。Andy的客户不是不信任云计算——是他们不知道那条通往GPT的API调用的路上，数据要经过几个国家的服务器。

事实是，AI出海这场仗，很多人从一开始就误判了战场。

你以为的竞争是：谁的模型更聪明、谁的RAG架构更优雅、谁的提示词工程更精湛。你以为只要调好模型、翻译界面、找个本地代理，就能复制国内的成功。

但真实的战场是——你在跟一个还在用纸笔记账的工厂老板谈数字化，跟一个用盗版SAP只为绕过本地税务法规的企业谈"上云"，跟一个更看重你的WhatsApp响应速度而不是你的技术白皮书的客户谈信任。

这三件事，每一件都跟"AI技术"关系不大。

这件事的核心在于——

你的模型再强，只能改变"这个产品能做什么"。但真正决定你能不能拿下那个马来西亚食品加工厂的，是老板信不信你——信你懂他的法规、信你出了问题能出现、信你不会让他的数据莫名其妙地流到他从没听说过的数据中心。

这意味着什么？意味着AI出海的竞争门槛，已经从"模型能力"悄悄迁移到了"制度设计能力"。

未来的赢家，不是参数最大的那个，而是最懂本地规矩、最能在碎片化法规里找到通路、最会把复杂系统做出可审计性的那一个。能让老板敢用、合规过关、信任落地的那一个。

这场游戏的名称早就变了。

四位嘉宾每人留下了一句话。都是做实事的人的本能反应——

说到底，AI出海这件事，拆到最后跟AI关系不大。

真正决定你生死的，是敢不敢走进那个工厂，坐下来跟老板聊三小时。是能不能在 WhatsApp 消息里，三分钟内回一句"我在"。是愿不愿意花时间去搞懂一套跟你技术完全无关的发票法规。

而更扎心的是——你花大量时间优化的模型能力，在那个用纸笔记账的工厂老板眼里，不如回他一条WhatsApp重要。

Chelsea：这场主题是关于本地化、信任与安全。我们的嘉宾阵容非常多元化，有些是我大学的教授，有些是我非常亲密的朋友，还有些是非常年轻的创业者。在开始之前，我想请大家做个自我介绍，并谈谈你们正在做的事情，让我们从朱教授开始。

Prof. Feida Zhu：我Feida Zhu。我目前是新加坡管理大学的教授兼副院长。在过去的25年里，我的工作大量涉及数据和人工智能。我主要在这个领域工作，但从2015年开始，我也非常关注区块链和Web3。希望能在这里探讨一些有趣的话题。

Andy：我是Andy。我最早是做系统工程师的，在早期的数据中心工作。后来从数据中心转做数字化转型、云计算，现在转到了人工智能领域。我见证了技术趋势的演变，从一个技术人员转变为项目经理，现在主要负责区域内的市场推广（Go-to-Market）。我有在亚太地区和中国管理业务的经验。很高兴能在这里与大家分享我的经验。此外，我曾在北京常驻四年，在新加坡八年，在马来西亚工作过两年。基于我的经验，我想我能就如何走向全球提供一个非常好的视角。

Francis：我是Francis。我有计算机科学背景，主要研究分布式系统和密码学。目前我是新加坡国立大学（NUS）的客座讲师，也是zCloak Network的创始人。我们主要做的是为新加坡的企业提供可靠的AI，形式包括AI大脑和数字员工。

Jonathan：大家好，我是Jonathan。我的职业生涯起点很有趣。我曾为一位外交官工作，主要从事自主无人机等技术系统方面的工作。我现在是Nex的联合创始人，最近又在美国创立了另一家名为Inflect的公司。关于Nex，我们主要是帮助公司在付款前防范欺诈，主要服务于石油公司、暖通空调（HVAC）公司以及工业制造企业。

Chelsea：简单介绍一下我自己：我是Chelsea，也是字节跳动的AI安全工程师。业余时间，我在做AI内容创作，关注技术趋势和创业者故事。我非常期待今天探讨关于信任、合规和本地化的话题。我们的第一个问题是：你们目前处于哪个市场？在进入这个市场的过程中，关于本地化你们学到的最深刻的教训是什么？ 我们不要空话，只听真实的故事。也许我们从Jonathan开始。

Jonathan：我觉得这取决于我们到底在谈论哪个市场。例如，如果我们将其本地化到东盟（ASEAN）语境中，你会发现有很多本地供应商类型的解决方案，需要针对当地法规和法律进行定制化合规。我举个例子，比如在越南市场，他们在会计方面有很多定制规则，例如红发票。此外，还有关于市场如何实际采用和本地化解决方案的问题。我过去曾与一家公司合作，他们的收入大约有4亿美元，规模相当大。他们花钱购买了SAP的核心模块，但周围的所有其他模块，他们要么是内部自行搭建的，要么是使用本地化版本的（本质上可以说是盗版的SAP），这纯粹是为了绕过当地的法规。总的来说，这是一个非常碎片化的市场。我认为与一些当地合作伙伴合作，真的有助于加速这些复杂的销售周期。

Chelsea：那么你在亚洲覆盖了哪些市场？

Jonathan：我们接触过越南、部分马来西亚、泰国和新加坡。最近我们将重点更多地放在了美国市场，因为那边相对更容易一些。

Chelsea：对于亚洲市场，你认为哪个市场最容易做，或者说到目前为止哪个市场为你带来了最高的收入？

Jonathan：最高收入的话，说来有趣，其实是新加坡。新加坡有很多大型跨国公司（MNC），老实说，与市场上的其他地方相比，他们愿意支付的费用要多得多。当你在东盟地区销售时，你经常面临的一个问题是，你是在与人力和劳动力成本竞争。当你在销售某种SaaS解决方案，或者以6倍的加价销售服务解决方案时，如果当地每人每月的劳动力成本只有一两千美元，那就很难卖得动。但如果你将其与新加坡等市场进行比较，一位有经验的合规分析师每月的成本可能超过1万2千美元。所以在系统采用的经济账上就更合理了，而且一般来说，他们中大多数的数字化程度更高，因此更容易接入我们的解决方案。相比之下，在一些市场，特别是像泰国、马来西亚、越南等地的制造业，很多仍在使用纸笔记录。因此，即使你想做一些AI或ERP的数字化，你也不得不从头开始，完成整个端到端的过程，这通常需要相当长的时间。

Chelsea：很有意思的观点。接下来，Francis。你接触过哪些市场，在这些市场你有什么经验？

Francis：具体来说，我们目前的目标是新加坡的中小企业（SME）市场。谈到本地化，我的一点经验是，你真的需要和新加坡的企业主坐下来谈，因为我们是一家B2B公司。我们与老板们坐下来，了解他们的痛点，和他们交谈，了解他们的工作流程——他们想做什么，以及他们希望如何在日常生产或工作流程中使用AI。我们派员工去他们的工厂、商店和餐厅，以了解他们的痛点。在这个过程中我们发现，新加坡有很多企业想使用AI，但你经常会发现瓶颈就卡在“最后一英里”。他们知道如何使用大语言模型（LLM），知道怎么聊天，但当涉及到与他们自己的数据系统交互或训练他们自己的工作流程时，可能现有系统中只有5%需要更改，而我们就帮他们做这件事。与此同时，我们也发现开展培训和教育非常重要。这就是为什么我们与当地机构合作，为公司老板和CTO提供培训，告诉他们什么是LLM，如何使用AI智能体（Agent）来自动化工作流程，以及在这个过程中需要注意哪些安全和隐私问题。教育以及与企业主进行深入交谈，对我们在新加坡的本地化帮助很大。

Chelsea：追问一下你的回答，这似乎是进入市场的一种通用方法。你认为这种与客户交谈的通用方法适用于每个市场吗？还是说企业主在新加坡市场需要特别注意什么？

Francis：在新加坡，对于像会计这样的一些行业，有一套全国通用的通用规则。一旦你为一两家公司跑通了工作流程，它基本上适用于所有同类公司，我们可以将为一两家公司积累的技术和工作复制到许多其他公司。但在新加坡以外的地方，比如印度尼西亚或马来西亚，如果我们想为那里的企业提供解决方案，我们也需要派员工过去或在当地有联系人。对于B2B业务，如果你想开拓一个特定的市场，你真的需要亲自动手与当地人合作。

Chelsea：Andy，你接触过什么市场，你在这些市场有什么经验？

Andy：我们从2024年开始拓展国际市场，目前我们在台湾、日本、泰国、印尼、马来西亚和新加坡都有足迹。我们实力最强的区域是马来西亚和新加坡。为什么呢？因为我们本质上是一个AI构建平台。正如Francis所分享的，我们需要实际深入了解客户需求。因此，我们需要大量的人力。你需要有业务分析师（BA），需要有交付团队来理解客户需求并为客户进行构建。由于人口原因，我们在新加坡很难招到足够的人才。因此，我们在马来西亚设立了服务中心，尽管我们的总部位于新加坡。作为在马来西亚的服务中心，我们的团队可以覆盖整个亚太地区。当我们进行本地化时，就像大家说的那样，以我们自己的新名字直接进入是非常困难的。所以我们的做法是与当地合作伙伴一起进入。在此之前，我们已经建立了一定的生态系统。我们知道谁是合适的合作伙伴，所以我们与当地合作伙伴（如系统集成商（SI）或顾问）合作，他们可以把我们带给客户，因为这里面有信任基础。客户信任顾问，客户信任SI，那么为什么不与他们合作，而是非要我自己单打独斗呢？ 我会赋能这些SI或顾问——这完全就像“培训讲师（Train the Trainer）”一样。讲师可以培训客户并帮助客户。我们的覆盖面目前相当广，尽管只做了两年。我们注重教育：我们与大学合作，培训学生、培训讲师。对于政府，我们进去分享想法、进行头脑风暴。对于企业也是如此。对于中小企业（SMB），我们与当地的SI合作，专门针对一些行业构建开箱即用的解决方案，例如客户服务、销售助手、售后服务，甚至是自动化内部流程（如财务或人力资源）。这些就是我们一直在与许多合作伙伴共同推进的事情。我看到了这股发展势头。如果你想快速获取市场份额，这就是捷径，因为通过与当地合作伙伴合作，我们分享想法，分享收入，这是一个三赢的局面：我们的合作伙伴赢了，客户赢了，我也赢了。这就是我们走本地化的方式。

Chelsea：你们在马来西亚的团队有多大，团队结构是怎样的？ 是50%的销售，还是怎样的比例？

Andy：我们的销售人员不多，绝大部分是技术人员。我们有业务分析师（BA）和交付团队。我们的业务拓展（BD）主要专注于合作伙伴关系建设、建立联系，引入工程师，培训讲师。目前马来西亚的团队大约有20多人，而在其他国家每个国家只有两到三个人。我们至少有了一定的势头和需求收集能力，这样我们就可以把人从马来西亚派往不同的国家。我们希望今年能将团队规模扩大到50人。

Chelsea：接下来我们聊聊“信任”。成立公司是一回事，但真正与B2B客户建立信任是另一回事。这种信任可以通过技术（比如验证）来建立，也可以通过人情交往（Human touch）来建立。我想请各位分享一下你们在真正建立信任方面的经验。我们从朱教授开始。对于跨国AI系统，你们是如何真正建立信任的？有哪些事情是创始人可能低估了的？

Prof. Feida Zhu：这是一个相当复杂的问题，因为你需要从不同的角度来看待它。在技术上，你需要考察技术的可验证性。在制度上，你要确保该机构具有适当的合规性。在商业上，你要考察商业价值是否完全一致。不仅如此，我们还需要了解从哪里获取数据，由哪个模型处理数据，如果出了问题谁来负责，如何向监管机构解释这些，以及最后如何进行审计。当我们处理系统的所有这些底层组件时，这些问题就会自然而然地浮现。我认为很多团队低估了建立信任的难度，把它纯粹当作一个技术问题。我们大多数人都有技术背景——安全、密码学——但我想强调非技术方面的重要性。例如，你如何设计一个系统，使其能够形成具有来源和数据血缘关系（lineage）的审计轨迹？ 这些事情将会变得极其现实。尤其是当公司进入像新加坡这样的市场时，我们在数据方面有非常完善的法规。从10多年前起，我们就有了个人数据保护法（PDPA）和跨境数据法规。近年来，新加坡资讯通信媒体发展局（IMDA）发布了AI Verify，新加坡金融管理局（MAS）发布了指导金融业负责任地使用AI的Veritas框架。所有这些都是指导AI和数据如何在本地运行的当地法规。我认为，很多公司在刚进入新加坡市场时，往往忽视了他们在合规性方面需要投入多少精力，结果后来就遇到了麻烦。所以我想说，在未来的跨境AI部署中，不仅要看AI系统有多聪明，更要看谁能构建一个可以被审计、可以被定价、可以被解释的可信AI系统。

Chelsea：追问一下，这是一个需要解决的非常复杂的问题。对于想要进入新加坡市场的创始人，您认为最实用的建议是什么？ 是找一个懂安全的首席信息安全官（CISO），还是找外部咨询公司，还是创始人必须自己亲自去了解合规问题、技术和审计等所有事情？

Prof. Feida Zhu：首先，我认为新加坡政府在为进入市场的公司提供资源方面做得非常好。如果创始人去IMDA、MAS或新加坡经济发展局（EDB）看看，他们都发布了很好的相关文件资源。另一件事是，经常参加像这样的会议，或者来大学，我们提供各种认证培训。刚才Francis提到他正在与NUS合作开展类似的工作，我们在SMU也提供一整套关于AI可验证性的课程。我也是新加坡区块链协会的董事会成员，我们也在政府的支持下为中小企业提供AI准备度（AI readiness）的认证。因此，创始人可以利用大量的资源。

Chelsea：下一个问题我想问Jonathan。除了技术视角，你如何真正在亚洲国家的客户中建立信任？ 你必须找本地销售，举办晚宴和私人社交活动吗？ 这些国家都有什么风格？

Jonathan：我认为这完全取决于你正在进行的销售类型。中小企业销售与企业级销售会有所不同。Andy刚才提到了关于系统集成商的非常好的观点。他们非常有价值，因为他们已经随时间建立起了那种关系。坦白讲，在亚太地区，人际关系非常重要。美国是一个以产品为主导的市场；而亚太地区是一个以人际关系为主导的市场。如果你在做企业级销售，举办这类私人活动是一个非常好的方式。在这里，通过一种非正式的环境来做事，比试图一开始就直接推销要容易得多。你可以到处看到这种现象。在一些地方，比如澳大利亚，如果你联系他们或创建一个WhatsApp群聊，他们会非常反感。但在亚太地区，如果你这样做，实际上有助于更快地推进销售。我在我的公司做过一个实验，我们尝试了几单纯粹通过电子邮件进行的销售，也尝试了几单只通过WhatsApp进行的销售。我们发现，WhatsApp的结单速度实际上快了大约60%。这仅仅是因为人们更频繁地查看手机。这些都是一些小细节。如果你主要从合规的角度来谈论建立信任，特别是对于企业级业务，客户案例研究非常重要。很多人不想成为第一个尝试新系统的人，但如果他们听说他们的竞争对手在用，他们会突然产生兴趣。所以，有很多思路可以考虑，这真的需要视情况而定，取决于你试图推销的行业、领域或具体的人。

Chelsea：很有意思。刚才大多数嘉宾都大致谈到了合规问题，但AI的合规要求是在不断变化的。合规目前还没有赶上技术的发展速度。我对Francis的问题是：你如何应对不断变化的合规要求？你会建议你的客户如何应对这些尚未完全确定的合规要求？

Francis：这是一个非常好的问题。当你关注合规性，并且你知道技术发展非常迅速时，正好我们有一些来自金融领域的客户，他们有着非常严格的合规要求。我给他们的建议是：使用第一性原理（First principles）。忽略其他一切，开始思考你系统的数据路径（Data path）。当你的数据在传输中、在存储中、在计算中时，它在哪里？ 在每个阶段你采取了哪些措施来确保数据安全，或者确保是你（而不是其他人）在控制数据？ 目前我们看到的AI系统变得越来越复杂。我们有模型提供商、路由器、用户界面、数据库、平台等。你的数据无处不在。因此，谈论合规性，你需要做的第一件事是识别产品中关键的数据路径，并思考在每一步中应对隐私和安全问题的对策。我们是从技术角度来做这件事的。对于我们自己的客户，就像你刚才提到的信任问题，不要盲目相信任何向你做出承诺的人，而是要真正尝试自己去验证它是否真实，因为我们相信信任只能建立在我们自己验证的基础上。在合规方面，将数据掌握在自己手中，确保你的数据在每个阶段受到保护。识别出真正的问题或担忧。

Chelsea：从数据的角度来看。

Francis：是的。

Chelsea：因为时间快到了。我们最后一个问题是关于安全的。谁应该对安全负责？我想把问题提给Andy。正如你提到的，你以前在云行业工作过。在云计算时代，我们有“责任共担”模型，云提供商负责基础设施，客户负责他们自己的数据。但目前AI似乎还没有这样一致同意的规则。你是如何处理安全问题的？你们是对客户的安全负全责，还是客户要对他们自己的事情负责？

Andy：这是一个非常好的问题。我们总是试图遵循现有的框架。比如我们在遵循云计算的框架，因为本质上我们是一个PaaS（平台即服务）。所以我们利用了相同的框架。尽管我们会告诉客户“这是你的责任”，但我会提供咨询服务。我会帮你检查，就像Francis提到的，我会查看你的数据流，你的数据在哪里，以及你是否合规。我们来自中国，所以我们也会审视自己。如果我想走向全球，我该如何隔离我的数据？我该如何在中国境内和国际市场管理我的数据？ 国际市场有欧洲市场、亚太市场、美国市场，你需要遵循不同的法规。为了合规，我们总是会坐下来深入了解，因为一旦你引入了AI——例如我们正在与一些在应用程序中使用了AI的汽车公司合作——你的数据其实无处不在。当你在美国时，你遵循美国的法规；当你是亚太客户时，你需要遵循亚太的法规。我们总是尽量建议客户如何设计他们的基础设施、应用程序，以及数据流向大语言模型的方式。我们也会关注数据的敏感度，对于那些非常关键的数据，我们会建议采用私有模型。尽管我们的平台是一个PaaS，但我们也支持私有模型。所以我们会介入并了解你的端到端流程，然后提供最佳的解决方案。

Chelsea：这是一个非常定制化的、以数据和隐私为重点的解决方案。好的，在今天结束之前，我想请各位嘉宾用一句话给那些想做好本地化的创业者和建设者一个建议。我们从Jonathan开始好吗？

Jonathan：我会给出的一个建议是，如果你感到迷茫，多花点时间与你的客户交谈，这能真正解决你的大部分问题。你可以得到很多建议，你有投资者，有董事会成员等等，但只要和你的客户聊聊就行了，因为最终给你付钱的是他们。

Francis：如果我给一个建议，那就是教育是关键。像在中国一样，我认为新加坡政府非常重视培训其公民掌握最新的AI技术。所以，一定要去那些培训机构学习最新的AI技术。

Andy：对于我来说，我刚才听到Jonathan说大家不想成为第一个吃螃蟹的人。所以我的建议是：从小处着手，快速推进（Start small, move faster）。这就是你从AI中获益的方式。如果你什么都不开始，你就不可能知道能力在哪里，你的目标在哪里，以及如何规划你的路径。如果你从未开始，你就永远不会知道。所以从小处着手，快速推进。

Prof. Feida Zhu：对于创始人和每一个实际使用AI的人来说，在规模化之前，你应该先建立信任。我认为这始终是技术、治理以及许多其他因素的结合。我同意Francis的观点，教育非常重要。这就是为什么我们最近开设了全球首个也是唯一一个专注于技术的工商管理博士（DBA）项目。如果您感兴趣，可以向我们咨询。