AI应用出海的机遇和挑战

Q:不同的团队背景该如何判断自己是否适合做出海的产品？

朱铁斌 @深思圈：无论创始人或者团队是否有海外背景，在当下，出海都是很多SaaS或者AI公司不得不选择的路。我自己在跟很多国内做AI产品的公司合作，包括一些独立开发者，帮助他们出海。我的经验就是能否真正做好海外市场，其中比较核心与关键的是团队是否拥有跟海外用户直接交流与互动的能力。

当前海外很多成功的AI应用层产品的一个特点就是更多是从用户需求端，而不是从技术出发。很多初次做出海，有的甚至是有海外背景，但可能是海外工程师背景的团队，在做产品时，跟用户交流与反馈非常少，这对于想要打造一个真正好的出海产品是非常不利。

如果没有建立起一个跟用户互动反馈的产品迭代机制，只是基于自己的想法或者技术来做产品，你很快就会遇到的问题就是，你在推特、LinkedIn上注册了账号，在上面每天都很努力更新推文，发一下产品功能相关的内容，但是浏览量都寥寥无几，关注和转化就更少了，在product hunt发布之后，会带来一波小增长，但仍然不知道下一步应该怎么做。这是我在跟很多出海企业深度交流之后，大家基本都会遇到的问题。要解决“下一步怎么做”的一个核心就是需要跟用户交流，去了解用户使用该产品真正是为了解决什么问题，找到他们的痛点以及最佳的解决方案。

郎豫@Maze.Guru：在杭州其实有很多APP或者应用处于潜在的出海巨头的领域，他们年收益达到几亿级别，但是大家可能都不知道是由国内公司推出的。

出海需要考虑以下两点：

第一，明确你是想打造一个品牌，还是想做一个产品。如果做一个产品，那么团队就需要去做一个非常垂直的的产品来推向市场。如果要打造一个品牌，那么就需要深耕一个能给用户带来更多体验的产品。

海外产品与国内产品有许多不同。海外的APP更倾向于垂直应用领域，即一个应用/APP只提供一种简单的服务，团队花非常长的时间耕耘。而国内产品更多还是喜欢去做大而全的产品，即让用户看起来是一个all in one的产品，这种模式在海外去推就会比较复杂。

第二，选择确定的地域或者市场做出海业务，而不是广撒网。很多时候大家会简单觉得出海只有中国和海外之分，但其实海外分为很多不同的市场。有日韩市场、北美+巴西市场、中东市场、东南亚市场等等。不同市场的运营策略完全不一样。所以一开始就要明确选择好市场，确定其是你未来要投入最大的市场。非常泛地投入是比较忌讳的，导致很多时候运营成本、经费投入像石沉大海一样，最终无法带来很好的结果。

Q：同一款产品面向国内和海外的推广方式有哪些差异？

轻流@严琦东：在2016年，大家对于整个国内的SaaS发展还是有比较高的预期的；但是在今年之后，大部分的SaaS公司和从业者都会相对更悲观一些。而今年很大的转机就是出海，去海外面向更广大的市场，这的确是中国SaaS公司可以考虑选择的一条路。

具体的差异体现在：第一，在合规、隐私这些问题上的差异非常大（尤其在欧美市场）。

国内客户往往会存在一个问题，即不愿意花钱。所以其对于产品各方面的效率、服务还有底层数据信息安全等问题的预期不会很高。另外，由于本身没有那么多优势，故此对于一些云业务的需求也没有那么强。但是对于北美等SaaS非常成熟的市场来说，他们对于产品要满足的条件与标准非常严格。

第二，市场差异性（海外每一个区域都得去单独关注）。

出海并不是中国跟海外的简单区分，而是每一个区域都需要单独关注。例如，东南亚与欧美就是两个完全不一样的市场。SaaS行业在出海的选择过程中还是得往消费能力更强的市场去拓展。

第三，本地化的服务和支撑体系十分重要。

尤其是一些头部客户，如果没有本地化的支撑体系，业务发展会很困难。目前轻流的策略是在各个区域寻找一些伙伴能够带着我们的产品出海。这些具有本地化、区域化行业性质的伙伴在当地的业务拓展中能发挥关键作用。

Q：Gonex对于出海趋势有哪些洞察？

Gonex@Nick：第一维度，数据安全问题。

数据安全问题在人力资源方面表现得更为复杂，其中包括很多敏感信息，例如：员工个人档案、短信手机数据等等。数据安全遇到跨境，无论服务的是中国企业还是国际企业，这个问题都非常受关注，在此维度上也需要花更多的时间。

第二维度，如何真正贴近用户。

不同的市场在成熟度不一样的情况下，用户的需求也完全不一样。目前绝大多数中国企业的出海是属于成熟度并不是很高的状态，尤其在人力资源方面，大家对海外的很多东西都还处于扫盲的阶段。

故此，Gonex推出了以下几个产品：第一个产品有点像海外HR政策的“十万个为什么？”作为一个引流产品，它的使用率特别高，我们利用AI技术，将其变成一个垂直小应用。另外的是产品在另一个维度上帮大家解决一些盲点和痛点。例如：怎样评估不同国家的候选人？一到跨国跨领域，客户的痛点就变得很多。所以我们也在一直不断地做产品的迭代与研发。

第三维度，用户黏性。

中国客户因为本身相跨国管理初在初期，所以更依赖服务商，黏性会非常好。大家开始出海之后，中国特色也要逐渐主动去适应国际潮流，接受国际规则，并且逐渐开始接受欧美企业的玩法。在这个过程中，国内企业产品的研发效率和适配性也会不断提高。

Q：我们原有出海产品的经验是不是能够直接复刻到AI出海产品？

朱铁斌 @深思圈：中国团队做出海产品，目前看起来比较不错的方向是生产力工具或者SaaS产品，并且在早期采用 PLG（Product Led Growth产品驱动增长）的这种增长方式。PLG的一个优势就是在早期并不需要你人实际到海外，可以通过线上的社交媒体、内容营销以及SEO等来获取流量，实现产品的早期增长。例如Twitter是当下AI类产品都会用到的比较火的一个推广渠道，很多AI类产品在一开始通过Twitter等线上社交媒体获得高流量、高质量的关注与转发，顺利实现了冷启动。

另外 Product Hunt也是很好的一个推广渠道。虽然有些人认为 Product Hunt 的流量可能只是短期的一波，并不值得太多投入。但Product Hunt 其实有一个独特的优势，一旦进入了 TOP5 或 TOP10，在这之后就会获得大量newsletter和KOL的关注与转发。newsletter 就相当于海外的公众号。Product Hunt 是很多 newsletter 的素材来源，包括很多推特上的知名KOL，他们的日常推文素材来源也是 Product Hunt上的产品。

此外，AI导航站也是这一波AI产品很好的推广渠道。虽然海外许多导航站是收费的，但如果你能在 Product Hunt 上获得好的排名，你可以直接发个邮件给导航站的管理员，基本上就可以免费上榜，并且有可能出现在首页，有的导航站甚至会主动收录你的产品，我知道一些导航站的自动化收录规则就是每天爬Product Hunt Top10的产品进行收录。

除此之外，当下AI类产品在定价策略上跟传统PLG的SaaS相比出现了一些新变化。传统PLG SaaS类产品通常都会制定一个例如“Freemium”的策略，不需要绑信用卡就可以直接使用，先吸引种子用户过来。但目前的AI类产品都习惯先绑卡，然后在一定时间内可以退款。为什么会有这个变化？一是，本身AI类产品的壁垒没有那么强，所以当一个产品还不错，就可能一下子有很多的后续模仿者，故此现在大多数都倾向于先收一笔钱。同时，现在AI产品大都基于大模型开发，任何使用量都需要给大模型按量付费，早期每个用户的使用都是开支。因此我观察到整体的定价策略在进行转向。

我个人这一年以来做AI应用和中间层产品的一个感受是：目前底层模型的能力还未达到大家期待的范式转变（paradigm shift）的阶段，仅仅能够支持实现 SaaS + AI 这一步。这也就意味着，目前的底层模型能力还不能支持做一个 AI -Native产品，而只能是 SaaS + AI 的能力。面对这一现状，很多初创企业会遇到海外巨头 SaaS 的降维打击。例如，一个创业公司去做一个 AI 写作插件，与 Notion和Craft 等工具直接集成 AI 写作功能相比，创业公司的劣势会非常明显，因为原有的工作流并未发生真正革命性的变化，此外，之前很火爆的许多Agent搭建平台，可能会直接面临OpenAI的挤压，底层大模型公司的边界目前还不是很清晰，这也是AI创业公司面临的风险，无法建立起自己真正的壁垒，自己的重要功能很有可能会被大模型的一次更新就直接包进去。

因此，我认为当下一个确定性的机会是找准真正用户需求的某一方面，同时对预期设定合理期望。目前，我与很多独立开发者合作出海，每个产品期望每月能够获得 5K 到 20K 美元的收入就已经很不错了。在这块，海外也已经有跑的很不错的产品榜样了，比如Chatbase、PDF.ai和SiteGPT等等。在这个过程中，更多的是等待合适的机会出现，而不是过分追求完美的 AI native 产品。

Gonex@Nick： 在海外有许多技术实力强大的软件企业和开发者。我们的策略重点是利用信息不对称的情况。以 HR SaaS 为例，尽管海外有许多优秀的软件企业，美国拥有无数优秀企业，但是在中国，即使是顶级企业的人力资源部门，他们可能只熟悉自家的应用，对于其他关键信息了解不多。这种信息不对称为我们提供了机会。

我相信，尽管美国企业在某系领域可能已经非常强大，但一旦进入中国、东南亚或欧洲等地，他们仍然会面临许多问题，需要解决很多无法应对的挑战。在这方面，我们有机会提供独特的解决方案。因此，我们的战略可能与其他公司有所不同。

郎豫@Maze.Guru：第一，PLG跟SLG并不是一个割裂的关系，而是一个阶段性的关系。很多时候，PLG和SLG在不同情况下适用度也不一样。例如，在资金不充裕的情况下，我们更愿意去选择PLG。

对于我们来说，我们会首先考虑这样一个问题：AI到现在还没有成熟到可以深入介入B端应用，AI的项目在Twitter或YouTube上更多还是娱乐运营、猎奇与个人精神享受方向。这个方向的产品就很适合选择 PLG模式，而且从启动就能达到非常出色的效果。网上的一些KQL、大V等都会愿意去转载你的产品，甚至能在 Product Hunt 上建立项目库，这对早期的项目成长非常有帮助，并且能够得到一些比较好的反馈。

第二，产品项目上线后，该如何进行下一步？AI作为当今时代潮流的一个大势。当Chat GPT发布新的内容时，其用户流量与社会关注度增长地非常快，在此时投入相关运营费用是必不可少的。在我看来YouTube是AI用户来源质量最好且付费意愿最高的群体。Twitter上虽然用户会比较多，但是整体上大家更倾向于试用产品而不是订阅为其付费。所以把一些运营经费投入到YouTube的一些KOL上，能达到相对比较好的成果。

国内的项目投放通常都比较简单，例如去小红书发信息或者做影视广告或者在微博上、抖音等等流量非常集中的平台。但在海外，流量非常分散，你需要投入相应的运营经费到不同的平台中。但是这种情况并不适合所有人，往往时机和资金的准备也是非常重要的。同时准备资金的过程中你要过自己心里一关，因为海外投放非常贵。如果确实这个时机是对的，那么去做投放一定是非常值得的。

第三，本地化业务是将产品做大的必要条件。我们选择Web3 不仅是因为与原先的领域比较契合，还因为产品的发展离不开本地化业务；做AI产品，就会有一些B端的客户，如果没有Web 3的背景很难深入到具体某个国家的B端业务。而基于Web 3则可以去找到同类人或者一些大型的B端客户。

Q：轻流目前在产品当中的AI部分有一定结合吗？

轻流@严琦东：首先，从实际情况出发，我们瞄准的是快速应用开发的市场。一个规律是，IT成本对企业来说通常很高，但业务侧满意度也常常很低。其中最主要原因在于传统软件开发效率太低，包括从开发模式到协作整个模式都是如此。

我们近几年一直试图降低这中间的劳动损耗，驱动业务人员自主去开发应用是最高效的，因为他们清楚地了解自己的的需求并且可以有更低的门槛。通过轻流的实践，在过去几年，低代码和无代码在企业内部能够降低IT的成本非常高，基本上可以做到原来的 2% ~ 1% 这样的一个级别，客户满意度也有提升。

在今年AI这么火的情况下，我们也被迫去思考：这个市场的终局到底是什么样的？我们做了基本假设：在未来软件开发这一工作或者说这样一项生产力的动作肯定会被AI逐步替代。

今年我们进行了一项尝试，通过使用 GPT 开源能力，实现了一种嫁接的方法。具体而言，用户在我们平台上输入一个需求描述，例如“我需要一个 CRM 系统，包括哪些功能？” 这样的描述约 50 个字。我们将这个需求传递给 GPT，然后它可以返回一个结构化的数据，调用我们产品的接口。基于这个逻辑，整个过程只需要不到 30 秒的时间，就可以构建一个基本的 CRM 雏形。

我们计划在 7 月份发布这个应用，并在 8 月份进行内测。当时，很多客户对这项功能表现出浓厚兴趣，许多人报名使用。然而，事实上，大约一个月以后，几乎没有人再提及或询问这个功能。原因很简单，因为我们虽然实现了这个功能，它也能够优化应用的前期工作，即轻流在一个小时内可以解决的问题，通过 AI 可以降低到 30 秒。但是要让一个 CRM 具备一线使用的能力，需要更多的开发投入，可能需要 20 多个小时甚至更多。节省前期一个小时的开发工作在用户侧提供的价值是相对有限的。尽管它看起来很酷，但要真正让规模化用户应用，还需要很长的路。我们仍然在观望中，这是我们在开发侧的一次尝试，接下来也一直在持续完善这方面的功能。

其次，我们认为AI在未来会结构性地改变整个企业内部业务管理与经营管理的工作逻辑。回溯过去，从上世纪60年代开始到今天，对企业级的软件来说，软件形态从交互到功能没有太大的区别，都是基于数据库上层应用的一些优化。但在未来这将会有极大的改变，因为人跟机器、人跟软件的交互一直在变化。

现在我们经常遇到自动化，即这些预先定义好的某些逻辑通过机器去执行。但我们认为在未来，整个自动化不仅会停留在执行，也会逐渐过渡到决策跟感知。例如，今天自动化只是帮我发个邮件，但是在未来它可以替我决策什么时候该发一个邮件并且成功发送这个邮件。这也将是未来SaaS从结构和形态上变化的趋势。

Q：当前流行的Agent会对轻流这样的无（低）代码厂商带来哪些冲击吗？

轻流@严琦东： 说实话，一定会有冲击。在可预见的未来趋势下，agent的模式肯定会在企业内去替代一些低附加值的重复生产工作的。当基础设施越来越健全，软件工程就越来越变成一种低附加值的重复劳动；底层技术设施越来越健全，就证明上层应用层面越来越不重要。举例而言，一个程序员写应用，可以调用大量的中间界，利用底层基础设施很快就可以写出来一个应用，但他自己写的那部分代码很多都是一些非常低级的代码，实际上这部分工作是完全可以被替代的。

软件工程分为两个工作。第一个工作即是“你理解我的问题”，举例而言，今天你要帮我解决一个问题，那么你需要理解我的问题，要实现我的问题，而你理解我的问题是最高附加值的部分所在；如果只是谈解决问题，其实工具有很多；但是理解问题的门槛是相对比较高的，这也就是隐式上下文的关键所在。故此，这个问题反而在ToB服务端的门槛是很高的，那这部分恰恰从理论上也说明这一系列操作能被AI解决，但是从中短期来看并没有那么快。

所以在我看来，agent的第一个切入点就是程序员，产品经理和业务人员可能还是需要的，但程序员的确是高危职业。

在未来这些事情肯定会被改变，现阶段我们能够称得上是资产的东西即是我们对于客户需求的理解，以及这些行业案例的技能等商业层的策略。从技术上讲，这在未来一段时间内都不会成为一个新的强硬的壁垒。

Q：当AI潮流来临，您认为这会不会也是无（低）代码的一个机会呢？

轻流@严琦东：其中的关联性非常高。门槛降低有助于推动技术的快速普及，这个理论在逻辑上是完全成立的。我们尝试AI的一个重要原因就是为了不断降低企业的应用门槛。轻流的愿景是打造一个人人可用、能用、会用的无代码平台，我们服务于业务人员而不是IT人员。致力于让2亿业务人员具备开发能力，而不仅仅是提高中国700万IT工作者的效率。而从技术层面来说，降低门槛是一个关键点。

另一个挑战是需求和供给的连接。在这方面，我们的能力有限，因为我们还是一家初创公司。因此，我们计划与类似钉钉、微信或者飞书这样的平台合作，以便触及更多的企业。这些平台在市场教育方面能够做更多的工作，而我们则致力于承接市场需求，推动这些工具的普及等。

Q：该如何看待AI与Web 3 的结合？

郎豫@Maze.Guru：首先是一种数据去中心化的体现。例如，stable diffusion开源之后开放给了公众，公众可以用自己的数据来训练对应的模型，呈现属于自己绘画的一种特殊风格，这就是一种去中心化的体现。

去中心化的AI工具如何才能产生收益？或者通过什么途径能让其价值体系、生态体系能运转起来？那就是要采用付费商业模式。如果不花钱，只是作为一种开源社区应用的话，最终会变成单纯爱好者的聚集地。在这种情况下，通过Web3 上链可以帮助其执行一些确权工作。大语言模型可以作为 NFT 进行交易，实现转让、使用权的变更或所有权的转移。通过这种模式，两者可以结合起来，产生相应的经济效益，实现去中心化数据和大语言模型，并通过上链形成循环价值体系，使整个生态圈能够运作。Wb3可以建立一种激励机制，而且这种机制是非常透明的，链条等方面都是很开放的。

这实际上也将产业链进行了延长，将一些业余的事情逐渐转变为了专业的事务。相较于以往，许多绘画市场、模型市场、B站等更多是由爱好者主导，他们制作的产品希望得到用户的建议，得到用户的喜爱，或者训练私有的或商业的模型。然而，在这种情况下存在较大的风险。

在Web3中，大语言模型实际上代表了数据的组织形式，这是一种高级形式。在链上只有使用它的人才能获得数据的使用权，这使得数据更容易得到确权。