在 AI 賦能加之日益複雜的全球化趨勢下， “出海”作為似乎成為企業的必經之路。那麼，在出海過程中，資料跨境流動限制、目標市場的本地化需求等種種痛點應該如何解決？全球 AGI 的發展提速，對中國 AI 應用出海有哪些特別的幫助呢？

近日 InfoQ《極客有約》X AICon 直播欄目特別邀請了 白鯨開源 CEO 郭煒 擔任主持人，和 Kong Inc 中國區總裁戴冠蘭、GMI Cloud China VP 蔣劍彪 一起，在 AICon全球人工智慧開發與應用大會2025 上海站 即將召開之際，共同探討中國技術出海如何實現破局及增長。

部分精彩觀點如下：

戴冠蘭： 這個週末我去參觀了一些新能源車企，中國新能源汽車在歐洲和南美等市場的表現相當亮眼——雖然美國市場滲透依舊困難，但整體海外成績可圈可點。以南京領銳為例，這家公司專注於汽車核心零部件與整車製造。

在國內新能源“卷”得極為激烈的背景下，他們選擇將競爭重心放在海外，並取得了不俗的業績。公司透過多種靈活策降低關稅，例如先以零部件形式出口，再由當地公司組裝，充分體現了企業家的智慧。

此外，我最近還關注到一款名為 Manus 的軟體。它剛剛獲得 Benchmark 領投的融資，估值達到 5 億美元。該團隊從一開始就面向全球市場，早期 Demo 只提供英文版本，雖然曾因此被國內使用者吐槽，但如今的融資與估值足以證明其戰略的成功。

蔣劍彪： 我們主要聚焦海外雲服務，因此對“AI 應用出海”格外關注。如今，“AI Native”企業已成為顯著趨勢。根據我們的觀察，當前出海表現最突出的賽道集中在：影片與圖片生成／編輯；擬人式對話；AI Agent。像影片與影像生成／編輯類應用幾乎約佔所有出海 AI 應用數量的 50%。

以萬興科技為例，公司佈局了多款 AI 影片與影像編輯產品，憑藉產品矩陣切入海外市場，他們對各國文化與消費習慣瞭如指掌，再疊加新一輪 AI 技術，堪稱“如虎添翼”。

另一家比較典型企業是崑崙萬維，這是目前海外收入最高的中國 AI 公司之一。多年深耕海外市場後，近幾年其在語言、影片、音樂模型等領域投入巨大。過去一年，公司在 AI 商業化上實現了實質性突破——從技術積累轉向穩定的收入貢獻。

這兩家公司都具備深厚的海外運營經驗和對使用者需求的洞察，再借助 AI 技術實現快速變現，是 TMT 領域出海的最佳範例，他們的財報表現也印證了這一點。

郭煒： 真正能在海外取得成功的中國企業主要有兩類。第一類是做面向 C 端的應用的企業，尤其採用 “China to Global（C2G）” 模式的網際網路產品——例如短劇、短影片等。憑藉國內成熟的運營經驗和創新思維，這些產品在海外市場快速站穩腳跟。

第二類是 AI 領域的企業。華人在演算法和數學方面擁有深厚的人才網路，再加上中國團隊的勤奮投入，使得這一賽道表現格外突出。

蔣劍彪： 決定企業採取“先深耕本土、再佈局海外”還是“直接全球化”的關鍵，在於國內宏觀經濟形勢以及產品所處的發展階段與特性。“先本土後海外”模式更適合本地化需求強、路徑依賴明顯的行業。例如過去十年，電商和金融企業先在國內構築規模與壁壘，再憑藉成本和經驗優勢出海。

相比之下，新生代 AI 創業者往往一開始就定位為 Global Native，直接面向全球，以規避國內的激烈競爭。他們的標準化技術產品（如 SaaS、AI 模型等）易於複製，適合快速進入國際市場。

產品複雜度也影響出海節奏。高複雜度的工業軟體需先在本土完成深入驗證和迭代；而低複雜度、使用者需求普遍的協作工具，由於使用者體驗差異小，可以更快推廣到海外市場。

同時，C 端與 B 端策略也應當區分。面向 C 端、依賴付費訂閱的產品，建議直接佈局北美和歐洲，這些市場付費意識強，價格接受度高；而在國內，“免費”的競爭導致“變現困難”。而面向 B 端的產品則可先進入價格敏感度較高的東南亞，以成本優勢迅速建立市場基礎。

戴冠蘭： 決定是否先深耕本土，關鍵在於評估本土優勢（語言、團隊等）能否形成可遷移的積累效應。國內的成功模式能否複製到海外？若存在可利用的路徑依賴，並可透過“降維”在海外取得優勢，這一路徑才值得考慮。

除 C 端與 B 端外，還存在面向開發者的 “D 端” 市場。由於開發場景高度標準化，全球開發者普遍使用 VS Code、Linux、Python、Java 等統一技術棧，此類產品應自始即採取全球化策略，因為本土經驗幾乎可以直接平移到海外。

蔣劍彪：對 GMI Cloud 而言，並不存在必須優先選擇“全球”或“國內”市場的問題。作為 AI Native Cloud 提供商，我們始終跟隨客戶的市場佈局——客戶走到哪兒，我們就服務到哪兒。即便產品面向全球使用者，核心市場依舊集中在北美、歐洲以及東南亞、亞太等地區。與此同時，國內企業因競爭激烈，更傾向於出海獲取利潤。

我們的角色是為這類客戶提供一站式 AI Native Cloud 解決方案，基於英偉達高階晶片，從裸金屬到 GPU 雲，從訓練到推理，從北美到亞太，結點覆蓋全球，為全球 AI 企業提供穩定安全、高效經濟的 AI 雲服務解決方案。

郭煒： 可以理解為：客戶主要在國內，而你們幫助他們全球化？

蔣劍彪： 沒錯。我認為對中國新一代企業而言，真正“只做本土”的公司幾乎不存在，除非是極少數依賴原始資源的創業專案。對於 AI 企業而言，走向全球、實現產品標準化，才是獲取可持續利潤的唯一齣路。

戴冠蘭： 矽谷初創公司通常先在美國做大，營收達到 2,000–5,000 萬美元后，再將已驗證的打法複製到歐洲。我們也以客戶所在市場為導向，從創立伊始便同步佈局歐美市場，這與我們的產品形態密切相關——作為開源基礎設施軟體，必須先在社群建立生態，再推進商業化，因此需要同時深耕歐美。

國內客戶主要分兩類：一是計劃出海的本土企業；二是希望在中國落地的大型跨國公司。出海企業需採用國際通用技術棧，跨國公司進入中國則更關注合規與本地化。軟體成熟需要時間，不能等到“果子完全成熟”才行動。我們有責任持續打磨產品、培養國內生態。歐美市場的收入可提供資金支援，但仍應深耕中國，以免錯失長期機會。

郭煒： 真正落地時，初創企業面臨資源與注意力雙重限制，往往只能在目標市場之間“二選一”。創始團隊需分頭作戰，先評估手中資金能否支撐一個市場跑出規模，再衡量產品市場匹配度（PMF）及各地 SEO、媒體、公關和營銷生態的差異化本地化需求。

我傾向讓新一代 AI 與基礎設施類專案先佈局美國，因其利潤率更高、付費能力更強。中國市場則呈現“僧多粥少”局面：技術團隊實力普遍強，但付費客戶有限，競爭異常激烈。

如果企業尚未啟動全球營銷，先切入美國或許更具價效比。當然，若公司已在國內具備一定基礎，也可把中國視作“根據地”。就像當年紅軍佔領井岡山——資源雖有限，卻能借此打磨產品、積累經驗，再“農村包圍城市”，逐步向更大市場擴張。

蔣劍彪： 使用者留存是首要指標，直接反映產品是否真正解決了使用者痛點。AI 工具類產品通常“即用即走”，使用時長短，因此留存尤為關鍵。若次月留存率能達到 15% 左右，通常意味著產品已滿足持續運營的基本條件。

其次是互動的本地化程度。不同地區的使用者行為差異顯著，App 介面都各具特色。工具型 AI 在互動設計上更需貼合當地習慣——完成同一任務所需的點選次數、操作深度，都會影響使用者體驗，必須依據各區域資料持續最佳化。

第三是穩定性與即時性。面向全球市場的 AI 產品競爭激烈，僅“AI Coding”一項就有 130 多個競品。使用者對服務中斷或延遲的容忍度極低，因此需在全球部署推理節點，並能隨使用者增速及時擴容，確保訪問穩定。

戴冠蘭： 劍彪剛才提到的 AI Coding 賽道很有意思：市面上竟有一百多家競品。大家有沒有想過，為什麼使用者不直接使用 OpenAI 或 Claude 的 API？我大膽推測：Cursor 和 Windsurf 這些平臺本質上在“批發” API——以更低價格打包出售 OpenAI 的算力和會員服務，因此能在留存和營收資料上表現不錯，卻可能一直處於瘋狂燒錢狀態。

在當前 AI 創業環境中，許多團隊並不著眼於穩定的 Burn Rate（現金消耗率），而是先砸錢擴大使用者規模、放大泡沫，讓投資人看到其成為行業龍頭的潛力。如今的 AI 行業或許類似 90 年代的網際網路泡沫：三四年後泡沫破裂，九成以上公司會倒下，目標應是在泡沫散去後仍能生存。

至於 PMF，我認為無需過度糾結指標。當產品真正找到 PMF，團隊會有明顯體感——客戶追著付費、主動要求服務。指標更像投資人評估基金的歷史資料和財務指標：參考價值有，但很難給出直接的經營決策。例如，留存率下降後究竟該降價還是最佳化功能？資料本身並不提供答案，只能作為輔助判斷。

蔣劍彪： 我剛才列舉的那些指標，多半是投資人或產品經理關心的 KPI。回到第一性原理，真正重要的是——你的產品能否切實解決使用者痛點。如果這一點成立，團隊無需過度執著於 PMF 曲線，解決核心需求才是根本。

郭煒： 我們海外第一家大型使用者是 J.P. Morgan Chase。與他們深入交流後，我發現他們關心的並非極致效能——資料量不如國內大，也不需超高吞吐；他們真正看重的是聯結器豐富度、跨雲相容性以及對非結構化資料的支援。因此，PMF 的關鍵在於讓核心使用者推動功能演進，聆聽他們的需求，比盲目追逐效能或其他單一指標更具普適價值。

蔣劍彪： 還是要回到產品本身。首先，在本土市場，你是否已驗證其商業模式？使用者留存、付費轉化等核心指標是否穩定？若連國內 PMF 尚未明確，貿然出海往往得不償失。

第二步是評估海外需求。是否做過小規模使用者調研？是否透過競調，確認目標市場是否仍存在未被滿足的需求或差異化機會？

第三，人才本土化至關重要。核心團隊成員是否熟悉目標市場文化與商業規則？在歐美做生意，“財、法、稅”必須同步，最好隨時有律師把關。

第四，必須預留充足資金與合規預算。至少準備 12 個月的本地運營資金，覆蓋法務、合規及營銷試錯成本，以免現金流斷裂導致被迫撤退。當地資料隱私法規和行業准入政策也應提前由專業機構評估。

第五，適配供應鏈與基礎設施。AI 類 SaaS 產品出海時，應在目標市場部署伺服器節點，降低延遲並保證算力充足。

最後，務必重新審視競爭格局。如果當地已有三家以上企業佔據 70% 以上市場份額，而你的技術、成本或模式又缺乏顯著差異化，就應重新評估這一市場的進入優先順序，或轉向其他更具潛力的地區。

戴冠蘭： 我想先下結論：真正決定能否出海的，不是準備細節，而是決心。創始人若能長期駐紮海外，甚至舉家遷往目標國家，就已跨過最大門檻。外語能力並非關鍵，聰明的創業者總能找到解決路徑。

但合規是出海必踩的“硬坑”，歐美市場的法規遠比國內繁複，就算國內有國密、信創等要求，其複雜度仍無法與歐美合規相比。至於東南亞，它並非一個統一市場，而是由多國、各自碎片化的法規組成。

例如越南有獨立的資訊安全法，條款細緻而嚴苛。出海軟體或 ToD 產品若把東南亞設為第一站，往往顧此失彼，我更推薦先進入體量較大的歐美市場。

文化差異同樣重要。比如在中東，客戶並不在意價效比或效能，而更看重你與王室的關係和連線，忽視和王室王儲交往的禮節，合作就可能無疾而終。

蔣劍彪： 當真正發現需求，就應立即行動，不必過度推演，創業永遠“這也缺、那也缺”。唯一必須提前投入的是合規，合規是出海的生命線，一旦觸犯當地法律，賠償代價巨大。

郭煒：總結來說：先搭好全球化公司架構，再去驗證 PMF 等運營指標——剩下的都取決於團隊的決心。

戴冠蘭： 短期（兩三年）可能艱難，但隨著國運提升和人力成本持續上升，軟體規範化與付費意願終將增強。回顧印度的經驗：30 年前他們也缺乏付費意識，但透過強化軟體 IP 保護和與全球外包產業深度結合，市場逐漸成熟。中國工程師實力不遜色，許多全球軟體專案背後已有中國團隊參與。在 AI 浪潮下，這一優勢會進一步釋放。根據資源、客戶與價值分佈靈活選擇市場，從長遠看，中國軟體市場仍大有可為。

蔣劍彪： 在資源有限的前提下，AI 應用的首站應優先考慮歐美市場：一方面，全球範圍內對 AI 軟體的剛性缺口最為明顯；另一方面，從增長趨勢看，歐美更適合用作產品驗證，回報與利潤空間也更具吸引力。歐美市場的本地化競爭格局相對寬鬆，差異化更易凸顯；而國內競爭已極度內卷，難以拉開明顯距離。此外，北美在算力資源、技術團隊與生態遷移方面優勢明顯——推理場景正從 H200 向 B200 迭代，單位效能成本不斷下降。先在歐美跑通模型，再將經驗與資源“反哺”回國內，往往比直接在國內起步更穩妥、更高效。

郭煒： 在評估進入某個市場的戰略價值前，必須先明確公司此階段的核心訴求——是追求收入、融資，還是產品迭代。我們初期深耕國內並非為了直接商業化，而是為了聚焦中國開發者生態。當前全球最“卷”的開發者社群就在中國，利用開源模式讓國內開發者共同打磨產品，可極大提升技術成熟度，隨後再透過全球化實現商業收益。

市場選擇應服務於階段目標。就商業價值而言，中國軟體市場目前體量有限，單以“中國收入”在融資端說服力不足；然而，從技術和產品迭代角度看，中國擁有龐大且高水平的開發者群體，對開源專案具備巨大戰略價值。這也是為何眾多新興開源 AI 專案源自中國：本地開發者數量與水平足以躋身全球前列。先在國內“卷”出成熟產品，再按戰略節奏進入其他市場，才能最大化資源與市場的匹配度。

戴冠蘭： 國內 ToD 社群規模龐大，既能持續貢獻程式碼，又能快速反饋需求。這正是我們在上海設立研發中心的原因：直接從社群吸納優秀工程師，形成“社群 → 反饋 → 招募 → 產品迭代”的正向迴圈。

國內基礎設施實力強，得益於極高的流量壓力——單個電商平臺在大促期間的流量往往超越美國“黑五”全網。這樣的實戰環境為工程師提供了獨特優勢，也讓中國市場成為打磨產品和培養研發團隊的理想土壤。

戴冠蘭： 針對 ToD 類的標準化產品，早期通常無需投入大量本地化工作。我們的做法是開放社群通道，讓開發者自行貢獻本地化內容，大多數語言版本都因此自然完善。唯一例外是日本市場——由於當地開發者高度保守，不願閱讀英文文件，我們才專門提供完整的日文字地化。因此，除非面對類似日本這樣極具特殊性的市場，否則無需將本地化作為初期重點。

蔣劍彪： 本地化適配首先要解決“能不能用”的問題——支付方式、語言介面、資料儲存等合規體驗是進入市場的最低門檻。紮根之後，才是生態共建，透過與本地開發者、社群、供應鏈等夥伴構建資源網路，形成長期競爭壁壘。

在本地化與生態搭建的過程中，“協同”是核心：一方面要選對技術架構與算力節點，保障擴容能力與供應鏈穩定，並持續在軟體層面迭代最佳化；另一方面要藉助政府、渠道和行業夥伴，加速落地與反饋，降低試錯成本，更快贏得本地使用者信任。

真正的本地化不是簡單出海，而是升級為“生態共建者”——與本地夥伴共享技術與利益，例如透過開源協作推動行業標準制定，讓自身業務需求在生態中獲得持續反哺。

郭煒： 從技術生態角度看，進入新市場的最佳方式是“滾雪球”。以開源專案為例，先專注完成最常用的技術整合，例如 Apache SeaTunnel 適配 Databricks、Snowflake 等資料平臺的 Connector。當最初的“雪團”成型後，海外開源社群會自發貢獻更多聯結器，推動產品功能快速擴充套件。

商業化階段，中國科技企業應學會“抱大腿”。白鯨開源與 AWS 深度合作，填補其在 ETL／CDC 領域缺乏高效資料匯入工具的空白。在 AWS 生態中，我們的產品效能是國外同類的兩倍、價格僅一半，並與 Redshift 等服務無縫整合。AWS 的解決方案架構師和客戶因此主動推薦我們的方案，為我們持續帶來訂單。

郭煒： 創業公司在海外的資源與渠道難以與巨頭匹敵，唯有深度整合才能彌補這一差距。

蔣劍彪： 時間是最稀缺的資產，這正是選擇合作而非單打獨鬥的核心原因。

戴冠蘭： 在與大廠對接前，至少要配備一支精幹的本地團隊——哪怕只有一人——否則容易在談判中被動甚至走偏。擁有最小規模的本地力量後，再“抱大腿”才更穩妥。

戴冠蘭： 針對地域性資料留存要求，我們可以在回源時依據各地區政策智慧分流，並提供端到端加密與服務網格方案，滿足最嚴格的監管標準。支付合規同理，國內可以接入 Airwallex 這類跨境方案，海外可直接用 Stripe 等平臺——大膽採用成熟的 SaaS 服務，別把寶貴的早期精力耗在自建合規系統上。先快速接好 payment 與 API 管理，把時間都用來打磨核心價值。等業務規模做大，再考慮自研或替換。歐美 SaaS 生態之所以繁榮，正因為大家樂於依賴這些現成服務。

我們公司內部使用的一百多項 SaaS 服務涵蓋資料分析、計費、支付、期權管理、HR 等所有環節——譬如 Metronome 負責精準計費，讓我們清楚每一筆資源用量用於計費。

即便 ARR 已達到一兩億美元，我們仍在沿用這些 SaaS 工具。結論很簡單：創業初期別為省成本而猶豫，大膽採用成熟 SaaS ，才能更快聚焦產品價值並駛入增長快車道。

蔣劍彪： 從基礎設施層面看，快速響應本地化需求的關鍵在於資源佈局與彈性排程。採用區域化叢集部署，比如在東北亞、東南亞等目標市場建設本地資料中心，既滿足當地資料合規，也顯著降低網路時延。其次，按區域隔離異構資源池，實現定製化資源配置。服務層則透過模組化介面和本地化適配引擎，將核心 API 全球統一管理，再以外掛機制動態載入各地區合規邏輯，並提供符合本地開發環境的 SDK 工具。

以 GMI Cloud 舉例，憑藉高穩定性的技術架構、強大且高階的 GPU 供應鏈，結點覆蓋全球，確保 AI 企業在高度資料安全與計算效能的基礎上，能夠高效低本地完成 AI 落地，同時 GMI Cloud 還透過自研 “Cluster Engine”、“Inference Engine”兩大平臺，完成從算力原子化供給到業務級智算服務的全棧躍遷，為 AI 企業提供了一個堅實的智慧算力基座。

郭煒： 如果將每個市場都視為一種本地化，那麼軟體企業有一條相對簡便的捷徑：充分利用各大公有云及其出海平臺。我們的做法是將訂閱產品上架 AWS、Microsoft 等雲端 Marketplace，客戶下單後，系統自動將服務部署到其 VPC 內部網路。

這樣做有兩大優勢：合規成本低，資料託管由客戶自身環境完成，避免了多國合規與認證的繁瑣流程；網路適配簡單，服務直接執行在客戶網路內，無需額外打通鏈路，快速落地。

初創階段，在資金有限的時候，切忌一開始就自建覆蓋多雲的大型 SaaS 基礎設施，尤其是 Infra 類產品。先透過雲 Marketplace 驗證產品價值、累積海外使用者，並利用雲廠商現成的合規與運維體系，才能避免在合規與運維成本上“自陷泥淖”。待業務規模擴大後，再逐步搭建自主 Infra，以提升收入佔比與控制力。

蔣劍彪： 創業伊始，應選擇最輕量、合規成本最低的方案——充分藉助本地合規算力網路，把產品快速推向市場。當業務規模和資料量達到一定水平，再考慮自建 Infra，此時公司已有足夠財力承擔投入。同時在與本地使用者的持續互動中，逐步且快速地迭代產品。

戴冠蘭： 哪些部分應當開源、哪些應閉源，很難有一刀切的標準，但可遵循一條經驗：凡是專為世界 500 強或超大型客戶提供的合規、加密、治理等高階功能，可以選擇閉源；其餘面向大眾開發者或生態建設的基礎能力，則可開放程式碼。

在決定開源範圍前，首先要明確目的——是為了打造生態、提升知名度，還是作為市場營銷利器。開源確實是一把“推廣神器”：DeepSeek 便藉此從名不見經傳一躍成為行業熱議物件，連曾經輕視它的某些大廠也開始採納其引擎。

關鍵在於：開源力度要讓使用者感到“值”，願意投入並形成社群，而閉源部分則保留差異化壁壘。至於被競品複製的風險，我並不擔憂——模仿者難以超越領先者，只要我們保持快速迭代和強執行力，就能持續領先。

蔣劍彪： 開源已成為技術發展的必然趨勢，開源本質在於以公共技術資產換取全球生態話語權。企業通常遵循“基礎開源建生態，核心閉源保盈利，區域定製破壁壘”的基本原則。

該開源的部分選擇具有網路效應、需要全球協作的技術，透過開源降低市場進入成本，繫結開發者和合作夥伴；而涉及資料敏感性或技術壁壘的環節應保留閉源，以確保商業閉環。

為了兼顧風險與市場需求，企業需確保開源版本具備足夠功能，同時使商業版本在效能或服務上具有明顯差異。透過技術分層、專利保護、生態鎖定，將競品複製的影響從 “技術替代” 轉化為 “生態共建”，最終實現 “以開源為槓桿，撬動全球化市場” 的戰略目標。

當前主要的開源商業化模式包括，在成熟市場中，以免費開源版本吸引中小開發者和初創企業，隨後透過社群和使用者規模的增長反哺商業產品。

在核心市場（如東南亞、拉美）優先推廣開源版本，培養使用者習慣，待市場成熟後再推出商業化套餐。此外，企業還可與雲服務商合作，將開源專案深度整合至 Marketplace，藉助全球節點實現快速市場滲透。

郭煒：“一流企業制定標準，二流企業開發產品，三流企業提供服務。”開源的核心在於對標準的掌控。

蔣劍彪： 佔領標準意味著在開源端吸引更多使用者，持續迭代技術棧，從而讓所有開發者圍繞這一生態展開協作。隨著技術棧的普及，上游的晶片和硬體廠商也會調整研發策略，以適配這一模式。

過去國內在開源投入上相對滯後，主要是依靠開源紅利推動雲服務廠商的發展。如今，國內企業已主動開展開源工作，透過大量品牌推廣，將開源視為最有效的全球化利器，從而實現了從“吃紅利”到“創造紅利”的轉變。

郭煒： 開源在制定行業標準方面具有深遠影響。以海豚排程（DolphinScheduler）為例，該專案被認為是全球領先的資料排程解決方案，在東南亞和中國市場佔有率超過 90%。

雖然存在大量基於該專案進行深度定製和商業化的整合商，未直接向商業版本付費，但它們在推廣標準化技術方面發揮了重要作用，併成為推動生態共建的合作伙伴。

當前，在中國，90% 的大資料平臺都依賴 DolphinScheduler 進行排程，無論是運營商整合的開源版本，還是基於我們商業版本的部署。標準一旦確立，隨之而來的商業轉化便非常直接：不斷迭代開源產品即可。作為開源專案的原廠，白鯨開源每月釋出新版本，不斷增強功能。

運營商若不願意自行維護團隊與我們同步迭代，就會選擇與我們合作，逐步成為我們的生態夥伴。在中國，這種“迭代競賽”模式極為有效。但在海外市場，也需警惕“競合”關係：當專案規模足夠大時，雲廠商可能會自行釋出相容版本，展開直接競爭。

對於希望快速佔領中國市場的軟體而言，開源是最佳捷徑——將程式碼完全開源、持續迭代，以卓越的產品力碾壓競爭對手。同時，商業版本與開源版本相互促進，最終推動整個生態的不斷最佳化。

戴冠蘭： 開源商業模式可分三種：第一種是提供服務。儘管服務並非最“下等”的方式，但難以標準化、難以規模化，目前成功案例僅有紅帽等少數幾家；若服務做得不專業，企業可能淪為外包商而被拖垮——這是開源商業化的第一種“死法”。第二種是“Open Core”模式，即將核心功能開源，企業版提供增值功能。

但其風險在於開源版本可能蠶食企業版市場：開源做得足夠好能夠打敗所有競品，卻又可能壓垮自己的商業版。第三種是提供更高級別的服務，即“雲”模式或訂閱服務。

在此模式下，收費不再基於授權許可，而是按使用量、計費週期或席位數收費。目前，多數開源上市公司已將此作為主營模式。

蔣劍彪： 關鍵在於實現開源產品與商業化產品的差異化，應聚焦於垂直行業的定製化解決方案，因為沒有實際的應用場景，就難以實現商業化價值。另一種思路是軟硬一體化——透過最佳化軟體釋放硬體效能，並在基礎設施選型時優先與具備軟體能力的廠商合作。

與此同時，還可透過開發者社群活動吸引更多貢獻者來鞏固技術品牌的影響力。這些營銷與生態建設措施，都是支撐商業化落地的重要手段。

蔣劍彪：AI 大模型正在將企業出海的邏輯，從資源密集型轉向以智慧驅動為核心。過去，企業主要依靠廉價勞動力和成本優勢；而如今，必須以技術開放和生態協同為基礎，透過資料閉環和場景深耕，以模式創新實現轉型。

以科大訊飛為例，它就是透過 iFLYTEK AIMarX 智慧營銷平臺，將 AI 驅動的紅人篩選、廣告投放、資料分析等全鏈路整合，形成“AI 即服務”的生態輸出模式。未來，誰能最快將 AI 轉化為可規模化的本地化服務，誰就能在全球市場建立新的競爭壁壘。

戴冠蘭： 面對 AI，我們不應盲目追求“全員 AI”或宣稱公司轉型為 AI 企業，而要明確 AI 的邊界，選擇最適合團隊的應用場景。過度將 AI 與績效掛鉤容易偏離本質，管理者應評估團隊特點，明確 AI 在組織中的作用範圍，藉助合適的 AI 應用提升效率和積極性。

郭煒： 從技術架構的角度看，我認為 AI 將深刻影響整個軟體生態。系統的設計是以人作為最終消費者的決策支援邏輯為中心，然而，隨著 AI 時代來臨，最終的“消費者”更可能是 agent，對資料倉庫和複雜 ETL 鏈路的將被重新設計，甚至消失。

蔣劍彪： 我們要思考 AI 大模型在生產環境中的應用邊界在哪裡？例如，文件自動生成已取代了原有的寫作崗位。隨著底層邏輯的重構，原有的多崗位支撐環節不再必要嗎，從設計、研發到運營的繁瑣流程，將因使用者接收資訊方式的演進而被簡化。

關鍵環節消失後，我們需要重新審視——AI 時代，使用者更青睞“無感知”與智慧化體驗，這一趨勢要求我們在產品開發之初就融入更高效的互動方式。

歐美市場對 AGI（通用人工智慧）的追求，正是希望徹底改變人與工具的互動模式——不再是“啟動一個 APP”或“開啟工作客戶端”，而是讓 AI Agent 成為使用者的天然介面。

面對這種變革，我們在全球化出海時必須要提前佈局，只有思考如何將 AI 緊密嵌入產品中，順應使用者習慣的深刻變化，才能在未來競爭中佔得先機。

戴冠蘭： 我舉個身邊的例子：一位做基礎軟體的朋友發現，使用者論壇裡很多人反映同樣的錯誤。深入排查後，他才意識到是 ChatGPT 生成的程式碼有問題。於是，下一個版本中，他將這部分邏輯改為自研實現。

這說明，AI 正在改變我們的工作方式。在下一代閘道器研發中，我們也會優先考慮如何選擇合適的程式語言和架構，減少機器生成程式碼的錯誤率。

AI 時代將引發 API 使用的爆發式增長，呼叫主體不再侷限於人類終端使用者，而是各種 agent。基於此，我們的產品迭代方向是深入適配大語言模型和代理場景，提升對海量 API 請求的管理和排程能力。

團隊在落地 AI 時，應結合自身實際，因地制宜地制定方案，既要積極擁抱 AI 帶來的效率提升，也要保持理性，不盲目迷信技術。

郭煒：AI 永遠是輔助者，決策的指揮棒仍然在人的手中。

戴冠蘭： 現在沒錯，不過也許到年底就會改變，到那時你可能會按照 AI 的指令來做出決策。

郭煒： 我們在 Apache 的開源專案 SeaTunnel 中曾開發過一個專為 AI 適配 API 的版本。過去為開發者做的 API，主要考慮到人的理解和架構優美，但是因介面過多、大模型難以理解而出錯，於是我們編寫了幾個針對大模型的 SaaS 的 Connector API。未來，當模型作為生成器或智慧 Agent 執行時，就能按既定流程自動執行任務。

這種方式雖然高效，卻也帶來新的挑戰。在從事 ETL 與資料攝取的過程中，我注意到 SeaTunnel 社群裡已出現繞過資料倉庫，基於 Agent 與 MCP Server 互動的新資料獲取方法，並迅速得到不少使用者採用。這讓我很震驚，資料倉庫將來會不會消失？ETL/ 資料整合行業會不會消失？

打敗你的，永遠不是你現在眼中看到的所謂的“競爭對手”。講個故事，小時候，我熟悉兩個腳踏車品牌——永久和鳳凰。它們曾在“加速軸”技術上競爭，看誰能跑得更快。

然而，真正顛覆腳踏車市場的，卻是一家外賣公司推出的共享單車，徹底改變了整個行業格局。因此，我感到焦慮：隨著 AI 的到來，許多曾被視為核心的產品路線可能會失去意義。我們必須正視這一變革，重新審視產品策略。

蔣劍彪： 我們需要關注國家重點發展的板塊。首先，新能源汽車及車聯網、智慧網聯領域依託我國製造業優勢，已處於領先地位。其次，近年來低空經濟備受關注，例如上海車展上展示的大量汽車與無人機結合的產品。此外，智慧製造領域（如具身智慧等方向）成為投資熱點。

隨著人工智慧的疊加，出海應用趨於多樣化，其中 AIGC 應用佔到了五至六成。同時，AI 遊戲領域也在崛起，很多 AI 遊戲初創團隊已獲得大量融資。在應用創新層面，中國 AI 出海企業能夠快速孕育創意並迅速落地，而且許多初創團隊從一開始就面向全球，其全球化滲透速度將更為驚人。

戴冠蘭：硬體領域依託國家“國運”板塊優勢依然明顯。矽谷那些所謂的 AI 具身機器人創業公司，很多隻是將中國廠商生產的機器人貼牌後去融資，這恰恰說明我國在硬體製造上擁有巨大機遇。

AICon 2025 強勢來襲，5 月上海站、6 月北京站，雙城聯動，全覽 AI 技術前沿和行業落地。大會聚焦技術與應用深度融合，匯聚 AI Agent、多模態、場景應用、大模型架構創新、智慧資料基建、AI 產品設計和出海策略等話題。即刻掃碼購票，一同探索 AI 應用邊界！