作者｜拉风的极客
编辑｜ 郑玄
当 AI 的讨论焦点从「它能做什么」的惊叹，转向「我该怎么活」的拷问，一个由技术驱动的叙事时代正悄然落幕，一个由商业现实主导的新周期已然开启。
过去一年，我们见证了模型的飞速迭代，也目睹了创业公司在大厂发布会后的集体焦虑。移动互联网时代的增长圣经——网络效应、规模效应、数据飞轮，似乎都被削弱，甚至失效。在一个迭代速度快上三倍的新战场，旧的「兵书」已无法指挥作战。创业者和转型中的企业，都面临着最根本的商业问题： 我的客户是谁？我如何收费？我的壁垒在哪？我能活多久？
为此，极客公园创始人张鹏与三位身处风暴中心的关键角色进行了一场深度对谈。他们分别是：手握资本、视角冷静务实的金沙江创投主管合伙人朱啸虎；身处一线、正带领一家有历史的公司进行「转基因」变革的猎豹移动董事长兼 CEO 傅盛；以及作为技术平台、洞察万千企业沉浮的亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松。
投资人、创业者和技术平台的视角，如同一面三棱镜，折射出了 Agentic AI 时代下，从业者最真实的焦虑、挣扎与机遇。 在这场对话中，你能看到：
• 新的商业范式： 交付结果，而不是工具。Agentic AI 时代，商业模式的核心是按结果收费，这可能是中国软件企业的一个新突破点。
• 新的生存哲学： 壁垒是动态的。传统的网络和规模效应正在减弱，数据壁垒也没那么高。新的壁垒，要么是找到巨头看不上的地方「猥琐发育」，要么就需要依靠极致的速度和执行力。
• 新的组织变革： 创业和企业转型都要会「借势」。真正的转型始于思想和组织变革，要学会充分利用平台和工具放大效率，不要什么东西都自己做，不要重复造轮子。
• 新的增长引擎： 出海是必选项。国内市场是最好的练兵场，但要挣钱，还是得去全球市场。甚至可以考虑第一天就直接出海。
以下是对话全文，由 GeekPark 编辑整理。
01
一个新突破点：用 Agentic AI
交付结果，按结果收费
张鹏： 第一个问题先问问啸虎总。因为投资人是一个重要的能量，除了我们看到的技术变化，资本的助推和资本市场的好恶也很重要。 您自己也很认同 Agentic AI 这个大趋势，但是在大趋势的方向上，具体的路径怎样才最有机会？什么样的赛道和路径是今天的创业公司或成长型企业应该选择的，去运用这个技术创造更大价值的？
朱啸虎： 今年 Agentic AI 确实普及得非常迅速。但就像前面亚马逊的演讲也提到，最重要的就是直接用 Agentic AI 交付结果。因为过去四五年，中国的软件 SaaS 经历了一个迅速崛起又迅速沉寂下去的过程。不仅是创业者，投资人也都发现，软件在中国要收费真的很难。和美国的差别就在于，收费非常难。
那今天我们用 Agentic AI 交付结果，实际上就不是用软件来收费了，而是按照结果来收费。这可能是能够给中国的软件企业带来一个新突破的非常重要的一点。所以我们比较喜欢看到一些聚焦在垂直细分行业里，和客户完全按照结果来收费的商业模式，这可能是给中国创业者和投资人探索新可能性的一条路。另外，我觉得 C 端上也看到很多利用 AI 直接交付用户体验、交付结果，收入也起得非常迅速。
张鹏：您最近有什么比较看好的赛道吗？或者说，今天您可能也看了很多创业公司，一般什么类型的您会相对看好一点，什么类型的会敬而远之？
朱啸虎： 实际上，今天不管是中国还是美国，我们只看一个数字——速度，收入增长速度。基本上对于早期公司，尤其是从天使轮到 A 轮，收入能增长 5 到 10 倍，才是一个比较让投资人愿意接受的基准线。
张鹏： 所以还是要有一个非常扎实、很落地的价值闭环。
朱啸虎： 对，一般来说我们讲要创造 10 倍价值，你要给你的客户创造 10 倍以上的价值，他采用的速度才会非常快，才能保证 5 到 10 倍的年增长速度。当年软件在美国企业兴起的时候为什么这么快？是每年 3 倍、2 倍地增长，很快就做到 1 亿美金 ARR 了。那今天 AI 时代比当年的软件企业还要更快，至少是 5 到 10 倍，尤其在早期的时候。
02
远离大厂，还是站在巨人的肩膀上？
张鹏：大厂一开发布会，创业团队都很痛苦，因为他们技术一升级，大家做的很多努力好像就受影响了。您怎么看这个事？这是不是个常态？该怎么回避这个问题？
朱啸虎： 这和移动互联网时代实际上是一样的。早期移动互联网的时候，我们看到很多类似的东西。比如说当年最早安卓、iOS 刚刚出来的时候，我们看到很多功能型的 App，像手电筒、万年历、做邮件的、做浏览器的，都有很多创业公司，一开始很火，但后来都已经消失了。就是说，工具类的企业在任何一个周期的早期都有机会，因为 iOS 或者底层模型来不及做。但等到他们一旦腾出手来，看哪个工具用户多，他们自己一做，创业公司就一下子团灭了。今天 AI 时代的迭代速度是移动互联网的 3 倍速以上，所以速度更快。OpenAI 这样的大厂开个发布会，那个大厂再开个发布会，很多工具类企业都会很难受。所以我们说，要聚焦在细分垂直行业，直接交付结果，远离大厂。移动互联网时代，我们说「离开大厂一条马路」，现在 AI 时代一条马路是不够的，离开大厂要三条马路。
张鹏： 早年间大家都是要逐鹿中原，但今天的意思是，你最好不要跟大厂去逐鹿中原，应该找个「香格里拉」去发展。
储瑞松： 可能的确有些大厂开发布会的时候，很多创业公司会很焦虑。但是我觉得 AWS 不一样，亚马逊云科技开发布会的时候，创业者都会非常兴奋。为什么呢？我们开发布会，会推出新的、能够很好地帮助创业者更快加速创新的各种各样的服务。
不管是 Bedrock 也好，还是 AgentCore 也好，我们 AWS 一直的定位是「we do the undifferentiated heavy lifting for customers」，我们把那些必须要做，但实际上不能带来差异化价值的事情，都替我们的创业者伙伴、软件企业或者各个企业都做了，这样他们就可以聚焦于自己的价值创造。所以亚马逊开发布会的时候，这些创业公司或者企业都会非常兴奋。
张鹏： 听懂了，有个大厂不一样，亚马逊云科技还是对创业者友善的大厂。
03
Agentic AI 爆发前夜早过了，
现在是凌晨 5 点
张鹏： 追问一下，因为您也见了很多的创业公司和发展中的公司， Agentic AI 对于整个软件商业的发展范式带来了很多变化和影响，您会怎么总结？
储瑞松： 今年 6 月份的时候，亚马逊云科技在上海开了一个峰会，当时我讲我们处在 Agentic AI 爆发的前夜。现在有人跟我开玩笑说，前夜早就过了，已经是凌晨 5 点了。为什么呢？首先，现在 Agentic AI 爆发的各项要素都已经具备。第一，大模型现在已经具备了类似于人的思考能力，它可以自主地判断完成一个任务，下一步做什么是最合适的。
第二，我们有了像 MCP 这样的协议，使得大模型驱动的 Agentic AI 的 Agents 可以方便地去访问已有的各种数据，去调用已有应用的 API，可以做很多事情。
第三，Agentic AI 应用开发的各种工具链，不管是像亚马逊发布的 Strands Agents SDK，还是说 Bedrock 以及 AgentCore 这样的工具链，相应的环境都已经越来越完善，做 Agentic AI 应用的开发会非常方便。所以现在是 Agentic AI 爆发的凌晨几点钟。
Agentic AI 对软件行业有什么影响？我认为有几个方面。
首先，会改变我们软件企业向客户交付价值的方式。之前的软件企业是这样的，做了一个工具给到客户去用，他要用好这个工具之后，才能把他想做的事情做了。
而现在，在 Agentic AI 时代，不管你用哪种范式，是 Agent Embedded，还是 Agent as a Service，或者 Agent as a Facade，越来越多的软件企业给客户交付的不光是工具，而是要向价值转移。
打个比方，如果你是做呼叫中心（call center）服务的软件，之前是有工具给呼叫中心的人去用。现在很多时候是，你的呼叫中心能够懂客户的业务，能够把很多企业的客户支持需求自动化处理掉，只有那些比较复杂的 case 才会转给人工的客服去处理。或者说，你有一个法律方面的 Agent Service，Agent 产生的结果是已经可以给律师去审阅（review）的法律文档，而不只是帮助律师去起草、去查之前的案例。所以，交付结果非常重要。
第二，Agentic AI 会改变整个软件开发的生产过程，因为 AI Agent 的能力已经变成了软件开发的一个重要生产要素。之前我们软件企业没什么重资产，有的是什么呢？一个是人，不同角色的人，从产品经理到架构师、开发工程师、测试工程师、运维工程师，还有市场销售、客服人员等等。第二是知识。不管你是做横向的 CRM、ERP，懂这个领域的知识，或者说做某一个垂直行业，比如流程行业或者医疗行业，有这个行业的知识。这是之前的生产要素。但是到了 Agentic AI 时代，AI Agents 变成了你的新生产要素。AI Agents 有知识，更重要的是，它可以直接参与到你软件开发生产的全过程当中，作为一个平等的伙伴（equal partner）。
在 AWS，我们所定义的人和 AI 协同创新的 AI-DLC 范式（AI-Driven Development Life Cycle）的过程中，AI 实际上是驱动者。它会去驱动你的需求拆解、架构设计、编码实现、测试、部署、运维和后面的服务问题解决。人是什么角色呢？第一，人是明确的业务需求提出方，第二，在整个过程中人需要去审阅、做决策和判断。所以整个过程跟之前大家熟悉的敏捷软件开发生命周期（Agile Software Development Life Cycle）相比是不一样的。AI 是一个平等的伙伴，是整个 AI-DLC 流程的驱动者和执行者，人是需求提出方和决策判断者。
张鹏： 这确实是一个重要的改变，这可能也是历史上第一次，一个技术，不管是我们自己用它，还是我们把它交付给客户，它都不再只是个工具。它对我们内部要是一个平等的伙伴，对客户那边要能够真正交付结果的生产力，而不只是生产工具。
储瑞松： AI-DLC 的过程，如果你用得好，你所获得的整个生产 效率的提升不是 15%、30%，而是 3 倍、4 倍、5 倍。
张鹏： 不是线性的提升，是指数级的提升。
04
先改造人，再改造产品
张鹏： 再问问傅盛，因为今天你跟场内的各位可能最有共振感。大家都是既有业务，又在 AI 时代里积极探索。我知道在你的探索过程中，首先推动的是组织变革，这点让我印象很深刻。 为什么一上来的切入点不是自己训模型，而是先从自己组织内部的变革开始？
傅盛： 训模型这事，七八年前干过，那时候是语音模型。后来我就知道，这个投入很大，收效很难，竞争太激烈了。我那天回顾了一下，猎豹移动创业 15 年了，我们上市都 10 年了，也是一家有历史的公司了。其实有历史在这个时代不是好事情，历史就是包袱，其实最大的包袱就是人。
我记得当年雷总在做小米的时候跟我聊过，他说当年做卓越，让金山进行互联网化转型，发现改变上千个做传统软件的人去做互联网实在太难了。他举了个例子，有一个周六，他发现他们的电商网站打不开了，他给员工打电话说，网站打不开了，你看一下。员工说，雷总知道了，周一一上班我就去搞。他说，「你知道我有多无助吗？」做传统软件的看来，「我周一上班就搞」已经很好了，但互联网是 7×24 小时服务。所以我想说，人的包袱其实最大的就是体验思维。我一直认为， 一个工具一旦强大到一定程度，改变的就是思维。如果你思维不改变，想用好工具是很难的。
所以我们公司做 AI 变革分三层：第一层叫思想变革，第二层叫组织变革，第三层才是最后的产品变革，它不是反过来的。首先是思想变革，我们做了几件事。第一件事就是，我自己得搞。在座应该很多人也是工程背景，你们想过没有，在一个公司里面最反对 AI 的人是谁？一般老板都很想用，最反对的就是工程师、程序员。你跟他说 AI 能写代码，他一定告诉你，老板，这东西写代码不靠谱，不专业。那怎么办呢？就我自己得上。我就装了各种代码工具，自己用了以后给全员做宣讲，告诉大家，你看我 20 年没碰过程序，现在可以写个东西出来。
思想的改变光靠宣讲也不够，得靠行为。我们搞全员编程，不是大赛，是要求所有人都得写程序。这里面就涌现出很多例子，像我们 CFO 助理写的程序秒杀很多程序员。我们的财务、法务自己写系统，客服自己写呼叫中心中间的一部分，甚至我们行政还写了一个车辆管理系统。这个时候就让大家意识到，今天 Agentic AI 能够让代码能力变成全员的能力。这是我们做的，从全员思想启蒙和教育，然后再到行为，只有肌肉记忆才能让他们开始改变。
第二层是组织变革，其实也很难。比如说我们当时说，能不能让 AI 写代码去替换以前很多业务代码？首先就是业务负责人说，不行，会崩，老板。然后你再找工程师聊，他会说，不行，我们这有很多 know-how。所以我们做了一件事，有点像当年中国改革开放，选一个特区。中国当时选了深圳，我们当时正好一个老员工要回西安，我说，在西安给我搞一个 AI 特种兵训练营。在这个地方，我们全部都招年轻人，不问出处，不问毕业学校，也不问工作经验，只问你对 AI 是否热爱，用过哪些 AI 产品，这个作为唯一考核项。
这个组织里面不设岗位，所有人都叫特种兵，安排什么活你就干什么，打破了以前什么前端、后端、安卓、服务端这些划分。我们有一个以前写网页的程序员进来以后，第二天我们说这个东西要出个 Windows 版，你现在开始写。所以他在内部分享时说，效率提高了 10 倍以上，比储总讲得还激烈。他说他以前没写过 Windows 程序，如果重新开始学，至少要一个月时间。但这件事是昨天布置下来，第二天下午 4 点就上线了。
我们用二三十人的一个特区，把北京以前很多研发任务全部让这些人接了。结果不仅没有出乱子，而且效率大幅度提升。以前做个 App，在国内你至少要 10 人团队，各种设计乱七八糟一堆。我们后来就尝试用一两个人，也不要设计，产品经理自己写代码，一两个人、两三个人就写个快速 demo 上线。做成了以后，让大家来参观这个特区，就像当年来深圳参观一样。很多我们的子公司、我们的部门都去看，以后回来再学。
现在我们进入了第三步，就是要把整个公司的研发体系变成 AI Native 的组织，这个还在摸索，后面可以再汇报。
思想和组织变革做完以后，我认为这时候才会出现所谓的从产品到交付，从功能提供到结果交付的转变。看上去就是八个字，实际上是一个从思想到组织的深刻变革。
关于工具，我跟朱总一直有不一样的观点。他说「工具都死了」，我跟他说也有没死的工具，比如我们有个叫金山毒霸的产品，已经 20 多年了，还在不断焕发青春，从去年开始还在增长。我们做了一件什么事呢？就是把一个传统的安全工具 AI 化。今天你下载最新版的金山毒霸，遇到任何问题不需要再在按钮里找了，你只要跟它说，比如「我的网络连接不通了」，它就自动去一点一点帮你解决掉。或者说「我的 C 盘空间不够了」，或者「我这个打印机打印不出来了」，它会自动根据你的话去生成一段脚本，现场帮你解决，就像一个电脑专家在你旁边一样。上线以后，这个解决率已经超过 80% - 90%。在原来的产品上，通过新的组织和新的思维去构建一个新的产品形态，老树也可以开新花。我觉得工具也是有生命力的。
储瑞松： 我觉得傅盛总讲得非常好。 Agentic AI 不只是一个技术部门或者技术人员该关心的事情，实际上是企业的最高领导者就应该开始去拥抱的思想变革，这个决心来自于 top-down 领导者的决心。 另外，整体也要驱动组织的变革，所以这绝对不只是一个单纯的技术问题。
张鹏： 傅盛几个核心观点是，思想上要全员动员，组织上可以「腾笼换鸟」。你搞个特区，做个实验田，最终再复制，让整个组织去「转基因」。刚才说到的工具问题，其实我觉得您跟啸虎总本质上有一个观点是一致的，就是都要「让开大路，占领两厢」，不要去直接争夺中原。因为有些地方就是有价值的，你如果把它形成有效的价值循环，不断地进步，你就会赢得迭代的空间。因为它可能山高路远，大厂也不一定看得上。
05
找到一个别人没看到的点，
缓慢发育，保持低调
张鹏： 我们经常会说，在今天追一个时代、抓住一些机会，归根结底还是要看你长期的壁垒和优势会怎么样。 在 Agentic AI 的时代里边，我们该如何看待壁垒的问题？怎么去形成真正的壁垒？很多人说数据，很多人说我跑得快等等，您会怎么看？
朱啸虎： 这是个很好的问题，我们一直在思考。做早期投资包括创业，我觉得首先要像《孙子兵法》讲的，「未虑胜，先虑败」，否则你就是给大厂打个样，说实话这是有点可悲的。怎么做呢？我们看移动互联网就知道了。移动互联网时代，中美最终跑出来的就那么几家公司，滴滴、美团，就像美国的 Uber、DoorDash 和 Airbnb。这些公司都有一个共同点，就是一半线上，一半线下，我们当年叫 O2O。线下那些业务是大厂根本不愿意干、不愿意碰的。
我们当年投滴滴早期的时候，我特别清楚，他们早上在北京冬天凌晨 4 点钟去司机吃早饭的地方发展司机，说，你装我 App，我给你带来业务。腾讯的人跟去了一天，第二天就不愿意去了，太辛苦了。所以这种苦活、累活才是创业公司的根据地，也是生存的根本。
这一波 AI，说实话没有看到这样的机会，没有看到这种苦活、累活的机会，所以我们感觉这一波确实很难，不知道地点在哪里。互联网创业最好的是网络效应，像微信、抖音、小红书这种，我们也没看到。像滴滴、饿了么、美团的这种规模效应，我们也没看到。这真的是挺可悲的。
大家一直说数据壁垒。一开始我也相信数据飞轮能够起来，但现在发现，数据飞轮可能有点壁垒，但就是那么一点点。这也是我们通过过去一两年才发现的。因为大部分数据的信息是重复的，核心数据可能就那么一点点，这个壁垒说实话是不够的。
所以现在都开始打价格战。以前大家都说中国人特别喜欢一拥而上，有百团大战、百车大战，美国这次创业也开始打价格战了，像 Abridge 这样做医生和病人之间问诊的细分赛道，美国有 100 家企业，而且几乎没有任何差异，也开始打价格战。Abridge 当年也号称他做医生和病人问诊的转录特别准确，因为他们以前积累了 500 万份病历卡。现在发现，可能 500 万份里面真的有价值的就几十万份。几百万份可能难度会比较高，几十万份对很多创业公司来说也就没有那么难了，但大部分信息都重复的。数据飞轮壁垒没有那么高。
所以现在我们发现，真的要找到一个「农村包围城市」的点，找到一个别人没看到的点，在那里闷声发财，猥琐发育，这可能是最大的一个壁垒。千万不要高调。所以我们现在做得好的、涨得快的一些 AI 创业企业我们都不说了，都不提了。
张鹏： 总会有个「但是」。你上来就连续给大家浇了好几个冰桶，我一直在期待那个「但是」，然后发现您说，其实也有好的，但是就不说了，低调为先。我想到的是，现在的创业范式跟以前有所变化，以前是「Go big or go home」，现在是先找到一个「home」，然后再去「grow big」。所以某种程度上是要找到你的「香格里拉」，然后去逐渐发育。听起来朱总最后的「但是」是在这儿。
06
利用杠杆，不要重复造轮子
张鹏： 刚才朱总说到了很多大的商业竞争环境，确实也是事实。 但是背后还是有很多变化的，比如说开发的范式等等。我们以前描述壁垒，更多的是一个物理上的高墙或者护城河，但也可能是我们前进的速度不一样。这种开发范式的变化是不是也能带来一些新的机会？
储瑞松： 朱总讲的我其实蛮多都认同的。但在这种各种各样的因素都感觉不是什么很强的壁垒的情况之下，如果你要创业，或者一个已有的企业要转型，到底是什么东西能够区分出有的创业能成功，有的转型会非常成功，而有的不那么成功呢？
其中有一条在我看来，就是你的执行力，在这个 Agentic 时代的加速创新的执行力。 而这个加速创新的执行力，可能不是说靠「996」就够了的，虽然现在听说在 AI 创新时代，很多创业公司也都开始「996」了。加速创新的执行力，有一条就是一定要去利用杠杆（leverage），不要自己重复造轮子，不要说自己再去弄一个大模型出来，而是要撬动像 AWS 所能够提供的平台、一整套的工具链，然后拥抱 AI 时代新的开发范式，就是我前面提到的 AI-DLC 范式。你最宝贵的资源其实就是人，让人的时间能够通过 AI 工具被数倍地放大。
我前面已经提到 AI-DLC 的范式，充分利用 Agentic AI 的能力，不管是平台的能力也好，还是像 Kiro 这样的、在 AI 时代人和 AI 协同开发的 IDE 工具的能力也好，让你整个的开发过程由 AI 作为驱动者。你只需要基于你的 insights，把你想做的事情描述清楚——当然了，如果你描述不清楚，AI 也会跟你澄清——然后让 AI 来做各种各样的繁重工作，从需求拆解、到架构设计、到后面的任务列表、编码、测试、部署、运维。
你这边做的事情是要去做判断。比如，它的需求拆解是不是跟我的商业意图一致？有没有什么需要补充、需要增强的地方？它的架构设计是不是满足我想要实现业务功能的需求？举个例子，架构师选数据库，原来 AI 可能自动选择某一种，如果现在在国内信创的环境里，你是不是要考虑，我需要把数据库换成一个国内相应的数据库？它的任务安排是不是合理？有没有什么任务要先做、什么要后做？人保留着做评估、做判断、做决策的能力。
在 AI-DLC 范式里，如果你整个按照这种方式做开发，开发效率会提升数倍，所以你宝贵的人力资源投入就能够带来非常好的效果。而这个时候，人并不是没事可做了。人对于具体业务领域的理解，对于需求是不是能满足业务需要的判断，对于架构中各种平衡和取舍的判断，仍然是非常有价值的，是无法被 AI 所替代的。所以我觉得是，充分地去 leverage 像 AWS 能够提供的平台能力，拥抱 AI-DLC，这是在 AI 时代你要做成功的创业或者业务转型，必须要有的一个因素。不一定是充分因素，但一定是必要因素。
张鹏： 听下来反而是说，「壁垒」这个词在 AI 时代可能也要我们形成一个思维转换。以前我们说壁垒更像是打陆战，真有个河、真有个高墙，它建好了就在那了，别人就不好弄了。但今天更像打空战，你是一个持续的能量管理，如何更灵动地在这个空间里边有效机动，这是打空战的要义。所以它不是物理的某个东西，它更应该是运用一切去管理好你这个组织，创新发展的能量。
储瑞松： 我觉得你讲得非常好。前两天我在澳门，因为 NBA 时隔六年重回中国，亚马逊云科技是 NBA 全球的独家云和 AI 的合作伙伴。你看 NBA 比赛，有的球队非常强，它能够赢，你说它有什么壁垒吗？实际上我觉得是它自己在不断实践过程中积累出来的一种动态能力（Dynamic capability）。
张鹏： 这是很重要的一点，从陆战到空战，从物理壁垒到能量管理。
07
增长本身就是最大的壁垒
张鹏： 我们经常说壁垒，知道这个时代里很重要的三个东西：数据、算法、算力。我们盘了盘，算法这个事，您刚才也说创业公司自己搞模型有点不太靠谱。算力这个事，那肯定是巨头的优势。看起来就剩下数据有优势了，然后朱总刚才还说了一句，数据优势也要谨慎评估，但我想听听傅盛的观点。
今天一个组织要去赢得它的竞争力，尤其是在 AI 时代，数据可能还是很重要的一环，尤其是数据的闭环。你怎么理解数据闭环在今天的意义和怎么去把它真正建好？
傅盛： 对，我又要表达一下跟朱总不同的观点。首先，我不觉得是大公司干不了苦活、累活，是大公司不认为这件事可以长那么大。你看今天外卖是苦活、累活吧，阿里投入巨大，我看了一眼财报，明年好像要把集团利润都快打光了。这算苦活、累活，而且还是烧钱的活。如果我们抽象点谈，我觉得本质上，所谓的壁垒就是认知的壁垒。
第二，在认知有差距的情况下，就是你的业务能不能跑得足够快，能不能在对方反应过来之前形成一个增长壁垒。今天我去硅谷，在这一点上我觉得好像就没那么纠结。做大模型的很开心，做应用的也很开心，做应用的不会去想模型用别人的，有一天被人家做了怎么办。我就瞄着增长打，如果我增长快了就能长起来，所有新事物的出现都是「看不上、看不起」。
朱啸虎： AI coding 除外。
傅盛： AI coding 因为它发展好几年了，它不是今天才开始，像 Cursor 也在起来嘛。就是最开始是看不懂，后来看不起。最早互联网一个网页有什么壁垒？我估计那些电商网站上线的时候，当时的传统商务巨头就哈哈一笑。QQ 上线的时候，移动、电信都觉得这东西，我随时就干掉你。但事实上，等它一旦形成增长壁垒以后，你发现你就追不上了。
我觉得今天 AI 有特别典型的这个特质。朱总也刚刚说了，以前 3 倍增长就可以，现在要 5 到 10 倍。但反过来是，AI 带来的效能增长就能到 5 到 10 倍。所以这个时候一旦增长起来，你就会发现，其实即便巨头要追也很难。因为当算力、算法都不是壁垒，数据也没有那么大壁垒的时候，就回归商业最本质的东西，就是你占领了用户心智。你占领了用户心智，除非你犯大错误，否则对手很难追。
我举个例子，像一家知名的 Agent 公司的创业项目。我发现在中国跟创业者聊和在美国跟创业者聊，简直是冰火两重天。中国创业者都觉得它在吹牛，是泡沫，因为那东西看上去技术没啥，写个 Agent，把几个东西一整合，然后给你跑一个，跑的效果还不好。但在美国创业者包括美国投资人来看，这个项目非常好，因为它的增长非常快，年化收入已经接近 1 亿美金了，已经有了它自己的固定客户群。
我当时第一次用的时候也很崩溃，我说这东西不就 DeepResearch 吗？但是后来我想，可能正是因为今天 AI 在一个刚刚开始的时代，所以有大片的开阔地。这时候就像你抢了一块用户以后，只要你的服务质量不下降，和对手差不多，你就能保住你的用户。后来我在想，可能就是一部分不用完成那么复杂任务的人，又没有接触过所谓 DeepSearch 的人，用了这个 Agent 工具就会觉得效果很好。
所以，我觉得今天创业者跟投资人观点不一样很正常。因为你擅长什么，你才能去做。投资人不看好这个，他再投那个，反正都拿钱。我们做工具的，他说工具没希望了，那我死也得把工具做出壁垒来。比如工具也有跟硬件的结合，我觉得智能硬件就是一波壁垒，但是里面最重要的还是， 你要变成新时代的组织，你的迭代周期要比对手快，你的增长逻辑要比对手快。
你看我们以前做海外工具，我们第一波做 Clean Master，在全球有几亿用户。今天我去谷歌看，整个增长逻辑也变了。今天 AI 可以不再通过传统广告模式了，而是可以通过主流媒体报道来增长。我见过一个还在哈佛大学读书的孩子在创业，给我讲年轻一代是怎么创业的，我受教一小时，比如怎么能够去获得更多关注，让一个产品迅速地冷启动，然后形成用户规模。所以我觉得机会还是很大的。朱总的很多东西不对外讲，其实也有很多增长很快的，哈哈。
储瑞松： 其实我们之间还是蛮多共识的。比如说我们都认为，在这个 AI 时代，执行力、执行的速度快非常重要，这个我们是有共识的。
傅盛： 我分享个干货。我那次听过一家 Agent 公司的闭门分享。他讲的时候我就觉得我冷汗直冒，因为我觉得好像真的是，一个新的时代的创业者在讲一件事情的时候，你原来那套逻辑必须改，你不改的话你就会追不上这个时代。你只是看那个产品，觉得好像没什么变，其实他的整个思维都发生变化，你看我们最早做互联网的时候，我们认为衡量指标叫做 MAU（月活跃用户量）。等到移动互联网，我们那波为什么没做好？其实那个时候衡量指标已经变成了用户时长，时长越多越重要。
他在今年年初说，其实下一波就是看你的 Token 消耗。那个时候他就认为，Token 消耗多是好事。我们看着 Token 消耗那么多、花那么多钱，他认为 Token 消耗多是好事，证明用户拿你这东西在解决问题 。
你看到现在这几个月，风向已经很明显了，Gemini 在公布它的 Token 消耗量，OpenAI 在公布它几个大客户的 Token 消耗量。那这个时代就是谁能把大模型的 Token 消耗用得足够多，就可能有点像当年的视频网站一样，看上去带宽很贵，但事实上这是你的核心竞争力。
储瑞松： 对，我补充一点，我觉得 Token 消耗当然是一个重要的指标，但是我们三个还有一个共识， 最重要的是你能给你的用户、给你的客户带来什么样的好的、他希望的结果。结果非常重要。 Token 消耗是手段，最后是带来相应的结果。
张鹏： 对，其实我觉得这个东西一点都不冲突。刚才朱总说找一个看不见的地方去长大，怎么长大呢？那个地看起来不大，但是它可能挖得很深，底下有石油。所以本质上它要从原来的月活逐渐到 LTV（用户生命周期总价值）。哪怕 100 万用户，让他天天在用，每天用很多，那你的 LTV 可能也能挺高的。所以这确实是一种完整的范式变化，而且两位的思想碰撞帮我们补全了不同的视角。
08
AI 出海，懂得借势很重要
张鹏： 回到朱总这边，最近您也聊得比较多——中国创业者今天一个趋势是，我们还是要在全球市场创造价值的，因为全球市场也确实比中国市场有更好的回报率，尤其在 AI 这一波看起来是这样。 但真的往这走的时候，我们也要想一想，到底我们有什么优势，有什么劣势？应该怎么发挥优势？
朱啸虎： 今天的中国创业者比上一代 PC 互联网创业者，我觉得出海更有勇气，而且更 ready。而且今天出海确实是必须的，国内聪明的、厉害的创业者太多了，竞争真的很激烈。我们有个公司做得很好，产品做得非常好，所有竞争对手都根本比不上，但报了一个毁灭性的高价格。甲方都知道那些竞争对手的产品可能都不能用，但是就是拿这个价格来压我们公司。你可以贵个两三倍，但不能贵个五倍十倍。
国内还是很难收到好的价格，我们甚至就直接出海。在菲律宾，价格都是上海公司价格的 3 倍以上。我们现在一般都是说，在国内打磨产品、打磨团队，然后到海外去赚取毛利。国内客户对产品的要求都非常高，可以成为一个非常好的打磨产品的渠道，然后再到海外去赚取毛利。如果你在国内能够形成绝对的龙头，到海外几乎是没有对手的。
张鹏： 听起来就是「盐碱地里练功夫，鱼米之乡挣大钱」，有点这个感觉。核心是反而可以在国内当成一个练兵场和能力试炼场。这是一个视角。 瑞松你们天然在支持中国往海外发展的创业者，他们可能都是你们的伙伴，你怎么看？
储瑞松： 对。之前有种说法，说中国的软件行业大而不强，从业者非常多，但是真正的世界级的软件巨头几乎没有。但是我们现在看到，新一代的中国软件企业，他们从一开始，不管是先在国内练内功再出海，还是从一开始就瞄准全球市场，我们非常高兴地看到很多新一代的软件企业都是面向海外的。
而且我觉得在 AI 时代，因为整个软件开发的生产要素、生产过程以及价值交付方式都有一个范式变化，所以在某种意义上可以说，中国的软件企业现在和世界其他软件企业都站在同一个起跑线上。就好比之前的油车时代，海外的车厂有发动机等各种专业壁垒，中国的油车怎么赶都赶不上。但是到了电动车时代，中国的车企可以弯道超车。
所以我觉得 现在 AI 时代，对于中国的软件企业实际上是一个弯道超车的机会。 我个人很期待未来十年之内能够看到从中国诞生的世界级的 ISV 软件巨头。那当然了，亚马逊云科技作为一个全球公司，我们非常乐于服务于中国企业出海。有外部数据说 75% 的出海企业都会首选亚马逊云科技，因为我们有遍布全球的能力。
我们也非常乐于支持中国的软件企业出海，在支持中国企业出海方面可以提供很多切实的支持。包括前面提到的，中国的软件企业可以加入亚马逊的合作伙伴网络，可以把你的产品上架 Amazon AWS 的 Marketplace。因为我们全球有最大规模的企业客户，上架 Marketplace 之后，你就可以有一个渠道去访问潜在的客户群。另外，软件出海的合规也非常重要，不管是欧洲的 GDPR，还是美国的 EO 14117 等等，我们有多年支持中国企业出海在合规方面的实践经验，可以帮助您的企业避免在合规方面出一些不必要的问题。
另外，亚马逊还有全球的集团生态，包括亚马逊电商、亚马逊广告等等，我们可以在生态方面去赋能。所以，作为亚马逊公司，我们有一个领导力准则，其中最重要的一条叫「Customer Obsession」，极致的客户至上。所以我们不光有全球领先的云和 AI 服务，我们也有这种精神，很愿意助力中国 ISV 企业在出海这件事情上能够有突破。
张鹏：那我再问问傅盛，我知道你们在海外也有很多的努力。能不能分享一下在海外市场发展上面有什么样的经验？
傅盛： 这一下我是特别赞同朱总的观点。而且我更激进一点，我说如果大家是第一天开始创业， 就不要什么中国练兵然后出海，就直接干出海，直接去鱼米之乡。 干嘛要在盐碱地里弄呢？你在盐碱地里弄，有的时候会骑虎难下。你要在沙漠里弄吧，反正你知道弄不出来，你就去搞鱼米之乡了。你盐碱地一弄，出了庄稼你收不收？以后你要不要再播下一季的种子？这个时间，人家都奔鱼米之乡去了。
我觉得出海是一个战略，它不是一个补充。如果你今天真的做一个面对海外的企业，那就从第一天开始，就像亚马逊一样。因为我们当年第一次出海的时候，就被我们的对手天天在国内轰，没办法。所以我们当时在海外第一版做的时候是没有中国版的，而且公司都改名，不让他知道，省得他追着我轰。那个时候我们就发现了一个秘密，在 2012 年的时候，我们就发现，中国的 App 做得并不比美国差。
但我要说，今天中国的软件和 App 已经不是跟美国站在同一起跑线上，而是比美国的整个开发效率、运营水平要高。比如今天去硅谷，你看 AI 很热，硅谷的初创公司怎么融资？因为很火。他的年收入乘以 20 到 30 倍，就是他的估值，就可以去融钱。你 100 万美金就可以拿 2000 万到 3000 万美金去融资，这是现在硅谷的标准范式。但是这个限于 To B。如果是 To C，硅谷只给 10 到 15 倍。因为硅谷的基金觉得你们干不过中国那些创业者，即便是硅谷的华人也干不过我们这边的创业者。今天的中国，无论是软件水平，当然还包括其他很多产品，在全世界的应用研发能力绝对是一流的，甚至是超出很大一块的。所以，第一，大家要有这个信心。
第二，今天这个时代，虽然有各种变化，但是比我们那时候出海还是要方便很多。比如今天有亚马逊云，你在全球各地的合规就会简单很多。那时候我记得我们当时做的时候，欧洲推了个 GDPR，我们光搞律师费就花了几百万美金，整个公司得重新来一遍，很麻烦。现在由于有了云的整套服务，你也方便很多。
第三，基础设施。我们看上去算力、算法不占优势，但如果把它看成基础设施，那就是创业者最好的优势，因为可以用全球最好的算力、算法，去提供最好的服务。那这个时候你做出来的产品体验，再加上我们这种在这片土地里招的兵，已经是很强的了。我在硅谷看很多公司为了保持竞争力，他的研发一定要在中国设岗，只靠在硅谷是搞不定的。所以这个时候，我们如果要出海，就应该全力以赴，把它做成一个唯一的选择。
储瑞松： 我蛮认同傅盛讲的。不过有一点，我觉得中国的软件公司在开发技术能力以及用户体验方面都是全球一流的，但可能在对于 ToC 业务的复杂业务流程的理解方面还是有一些差距，但是我觉得这个成长也非常快。另外，规模化的软件工程能力方面，当然在 AI 时代会有不一样的做法，还是有一些差距，但是这些差距也在很快地被弥补。所以我觉得整个过程当中，中国的软件企业应该借力、借势，不要什么东西都自己做，不要什么东西都要自己从头开始。很多人做一个什么中台，但中台实际上并不那么好，而是要去借势。
09
软件企业的三个关键词
张鹏：如果我们让大家 take away 一个词，在这个时代里，作为一个软件企业，在脑子里应该要去回想的一个词，它会是什么？
储瑞松： 我本来脑海中想了三个词。一个是「拥抱」，思想认知的变革；第二是「借势」，不要什么东西都自己做，不要重复造轮子，要站在巨人的肩膀上，leverage 你能够利用的平台能力、工具链以及生态；第三个是「重塑」。最后我可能选「重塑」这个词，因为我觉得在 AI 时代，AI 实际上正在重塑着生产要素、生产关系、生产过程，更重要的是重塑着我们的价值交付。
傅盛： 我想到的词是「原生」，Native。原生的一个 AI 组织。你这个组织的人首先是不是都信仰 AI、相信 AI？其实今天 AI 在逻辑能力上，我认为它已经超过人了。因为 SAT 它能考 1600 分，我考不了嘛。我觉得逻辑上肯定是超过了。
我们以前有句话叫「万事不决问 AI」，后来我们改成了「万事问 AI」。我们今天要求所有的工作都让 AI 先做，然后人去做一些补充。我觉得今天我们能起到这样的角色已经很不错了。你的组织里面的人是不是都是这样的工作模式？你提供的产品是不是也是 AI 化的，给用户提供结果交付，而不是功能交付？
朱啸虎： 我的关键词就是「猥琐发育」。当你看不到有网络效应或者规模效应的壁垒的时候，一定要在那些不仅是巨头看不上，甚至在二三线的互联网公司都看不上的那些穷乡僻壤里面找到一个根据地，像一根针一样深深地扎下去。等到你的根系已经扎得很深很深的时候，你再冒出来。
张鹏： 今天是要先找到一个「home」，然后再去「grow big」。这一点可能也是一个非常务实的建议。我觉得总体听下来，在心态上大家就是一个理性、坚定、乐观和积极的状态。但是理性还是要有的，49% 的悲观配 51% 的乐观，这可能是个好配比，然后总体是个积极的态度，中间可以两个点来回换，投资人可能有时候会是 51% 对 49%。
登录
