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。

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。

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：

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。

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：

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。

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：

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。”

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。

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。

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

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。

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。

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。

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。

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。

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。