硅谷在吹AI Agent 而最赚钱的企业却在死磕工作流
一台200美元的录音笔，几个月内在亚太区干出了1亿美元以上的收入。50%的买家是全球各地的CEO和Founder——全世界最忙、最不缺钱、也最不缺效率工具的那群人。 这是我在新加坡Agent峰会上听到的一组数据。说这话的人叫Megumi，她身后坐着其他四位女性创业者。一个全是女生的panel，在AI行业本来就少见。更少见的是她们聊的东西——不是谁融资更多、谁模型更大，而是怎么在真实的商业世界里活下来，而且活得不错。 Megumi用十六个字介绍自己："根于北洋，学于东洋，仕于西洋，居于南洋。" 跟她同台的有PatSnap的关典、Dify的Lusha、特赞的Jennifer，以及Emerging AI的Jolie。 五家公司，五条完全不同的路，但都有钱赚。她们用各自的数据说明了一件事：AI商业化没有标准答案。 真正赚到钱的，做的都是同一件事：找到真实的场景，用合适的产品形态，解决具体的问题。 硬件即入口：Plaud的200美元信任生意 Megumi说了一句话让我印象很深：人类的大多数intelligence来自conversation，不是document。Plaud做的不只是一个AI录音笔，而是帮AI重新找到进入人类生活的入口。 这个入口要解决的核心问题不是技术，是信任。 Plaud的产品是“always ready but not always on"——设备可以全天戴着，但不是全天都在记笔记。用户来决定什么时候开始记录，什么时候highlight，什么时候把note分享给谁等。 这种hardware的物理形态，以非常简单的形式自然的嵌入到生活中，获得了全球用户的口碑和信赖。 更有意思的是用户画像。50%的全球用户是CEO或Founder，世界上最忙的一群人。一台200美元的设备，帮他们节省几百到上千小时。 说白了，用户买的不是AI技术，是省下来的时间。亚太区几个月1亿美元以上收入、新加坡办公室从0到近100人、全球还有100多个opening在招人——这些数字背后，是一个简单的事实：当AI找到了对的入口，商业回报会自己跟上来。 熟悉的地基上盖新楼：Patsnap的双轨制 关典代表Patsnap上场。这家公司18年前开始做的是知识产权情报平台的B端SaaS生意，在行业内累积了多年的数据能力，AI来了之后，Patsnap选择在把既有的知识产权数据能力作为底层，叠加AI能力，建构自己的模型层、调度层能力。在业务上，AI转型已经带来亮眼的业务增长：AI赋能和AI原生产品的增速非常快，甚至带动传统的Saas业务增长。 关典分享了一个很务实的判断：不是所有环节都需要大模型，传统小模型解决很多节点问题已经够了。现在的收费模式是传统年费SaaS + AI Credit双轨并行，客户按需购买AI能力。 她们还在试一种新模式，叫FDE——全职数字员工。先把"数字员工"免费派到客户那里，跟着干一段时间，摸清真实痛点，再按效果收费。Outcome-based，不是卖一套软件让客户自己琢磨。 这种模式本质上是在降低客户的决策门槛。你不用先掏钱买软件，我先派人进去帮你干活，干出效果了再谈钱。 不是推倒重来，是在熟悉的地基上盖新楼层。 这种"叠加"的思路，可能比"颠覆"更适合大多数已有的SaaS公司。 Agent操作系统：特赞GEA，为企业搭建的智能体系统 Jennifer代表Muse AI（特赞科技的海外主体）上场。她们的产品叫GEA（Generative Enterprise Agent），一套企业级的Agent操作系统——客户可以从450+个预置Agent Skills中按需调用，也可以在系统里自建，还能把外部Agent整合进来，形成跑在企业自己业务流程里的智能体网络。 特赞的核心优势来自多年的DAM（数字资产管理）积累，对客户结构化与非结构化数据的理解很深。在此基础上，他们同时自研了发散推理大模型（Creative Reasoning Model），与多年DAM积累形成的Context System共同构成GEA的技术底座——Creative Reasoning Model驱动整个系统的编排层，动态协调30+基础模型。 但Jennifer也坦诚讲了挑战。东盟不是一个市场，是很多个市场——多语系、多文化、法规差异巨大。她举了大健康产业的例子，每个国家的法规完全不一样，一个Agent在泰国能跑通，到印尼可能就要重做合规逻辑。 做"平台"比做"单点工具"难得多，但护城河也更深。这是Jennifer没有明说、但全场都听懂了的一句话。 从Infra到金融深水区：技术只是入场券 Jolie代表Emerging AI登场。公司总部在新加坡，Day 1就是全球化定位。他们从AI Infra起步——GPU management、Model serving——现在深入垂直行业。 Jolie分享了一个有趣的转折。DeepSeek出来才两三天，中东就有客户主动找来："能不能给我们做些什么？"市场被快速教育了，但教育完之后，真正的难题才开始——怎么把AI落到具体的业务场景里？ 她们最终选择了金融行业。逻辑很直接：数据密集、人力密集、高重复、依赖专家经验，AI能带来的价值最大。 但金融也是容错率最低的行业之一。Jolie说她们的解决方案是三重保障：技术精度有自信、合规数据保密到位、Human in the loop深入决策流程。 她还提到了一个容易被忽略的细节——全球化不只是技术和语言的事，更是文化的事。想在一个行业里扎下去，对当地文化的尊重才是真正的壁垒。 企业级AI落地的“反直觉” 企业买的不是技术，是"可控" Lusha有一句话让我记到现在："RBAC和Compliance是企业的生命线。可控和Visible，是Agent能在企业存活多久的考验值。" 翻译一下：企业根本不在乎你用的是GPT-4o还是Claude 3.5，他们在乎的是——员工用这个会不会泄露数据？能不能审计？出了问题谁负责？ Token成本是另一个被低估的炸弹。Lusha说了一句话很多人没听懂："每开启一次Agent，它就是一次重新自己开始跑内容。"什么意思？你不知道这次它会跑几步、调用几个工具、消耗多少Token。对C端用户来说无所谓，对Enterprise来说，一个月多花几万美金谁来承担？ C端和Enterprise，是完全不同的两个世界。 做C端的人可以不懂RBAC（基于角色的权限控制），做企业级AI不懂这个连门都进不去。这不是技术门槛，是生存门槛。 全球化的真功夫 企业级AI落地的规律搞清楚了，但当你把这些规律拿到不同国家去试，会发现另一个维度的问题。五位嘉宾里，Patsnap和Emerging AI都在做全球化，聊了一圈，大家的教训比经验更值钱。 全球化的第一步不是翻译，是变成"本地人" Jolie讲了一个让我后背发凉的案例。她们在中东和南美做过一轮Christmas sale，PPT上用了雪花元素。结果被当地团队紧急叫停——对方夏天过圣诞，你放雪花是什么意思？文化冒犯。 Jennifer的故事更扎心。她们团队在东盟推大健康营销，被客户直接challenge："你们有多了解新加坡的法规？"一句话问得团队哑口无言。 说白了，全球化的第一步不是翻译产品，是先成为那个文化里的"本地人"。 PHEST框架：比PEST多一个H Megumi分享了一个她做了20年跨国生意沉淀下来的框架——PHEST。就是PEST（政治、经济、社会、技术）加了一个H，History，历史。 她举了两个例子。菲律宾几乎100%依赖进口，这意味着什么？地缘政治稍微有点风吹草动，消费决策就会剧烈波动。你做菲律宾市场，不理解这一点就是盲人摸象。 还有一个更妙的例子：泰国是整个东南亚唯一没被殖民过的国家。为什么？Megumi说，了解这段历史，你就理解泰国人的商业逻辑和消费心理——他们骨子里的独立性和对外来事物的态度，都写在那段历史里。 了解一个国家的历史，你就会理解它的现在。 关典的信任论：日本市场更加看重稳定性，需要你长期在当地运营，足够了解企业运作的细节，才能敲开门。 关典踩过的坑很有代表性。出海初期以为找个会销售的人就行，结果发现完全不够——你需要的是一个有Entrepreneur精神的人，能在当地从零到一建信任、搭网络、解决问题。 更深层的一点是，不同市场构建信任的方式完全不同。美国市场认的是创新——你有新技术，别人愿意试。欧盟市场认的是合规——GDPR过了吗？数据存在哪？日本市场认的是关系——第一次见面不聊生意，聊半年再说。 能够构建Trust，是你能够在这个市场成功的关键点。 Lusha的"双轨制"和新加坡的窗口 Lusha的全球化打法很有意思，她称之为"地面部队+天空部队"。地面部队是社区——一个个开发者、一个个用户，口口相传。天空部队是云厂商——AWS、Azure、GCP的Marketplace，上来就是全球覆盖。 破局与升华 聊了这么多，有一个感受越来越强烈。 AI商业化的本质不是模型竞赛，不是谁的技术更先进，而是三件事——吃透场景、建立信任、产品形态跟着需求变。 回头再看这五家公司，我发现她们都在做同一件事：把AI能力翻译成客户能理解的产品形态。 Plaud做的是一个硬件入口——客户不懂什么叫LLM，但懂"按一下录音，AI帮我整理会议纪要"。Patsnap做的是数据叠加——客户不需要懂RAG，只需要知道"输入一个idea，系统告诉你全球有没有类似专利"。 所以到底什么是AI商业化的正确姿势？三个感受，跟朋友聊完真心话的那种—— 别追风口。现在所有人都在聊Agent，但真正赚到钱的很多是看起来"不够酷"的Workflow。去找你能比客户更懂他痛点的垂直场景，技术只是门槛，场景理解才是护城河。说句实在的，去那个行业泡三个月，比读100篇论文有用。 对产品经理来说，Workflow不是低级的Agent，是更务实的落地方式。不要追求100%自动化，追求99%的确定性和可控性。Human in the loop不是你没做好自动化，是你做对了产品决策。 对想做全球化的团队，先别急着翻译产品界面，去研究当地历史和文化。找一个有Entrepreneur精神的人去lead新市场——这个人不需要最懂技术，但需要最懂怎么在那个环境里让人信任你。 圆桌的最后，关典说了一句特别接地气的话："我们准备PPT ready了，高跟鞋还没ready。"五个女生站在台上，背后是五种完全不同的AI商业化路径。 我在想，最好的Agent不是最聪明的Agent，而是最懂得什么时候该让人类插手的Agent。 全球化也不是把产品翻译成多国语言，而是把你的思维方式翻译成多种文化。 Megumi说：了解一个国家的历史，你就会理解它的现在。做AI商业化，也是一样的道理——了解一个场景的深度，你才真正理解它的需求。 你觉得呢？
