Opening Keynote · 合集版 ／ 三版整合 · 重新分组

AI 时代,
如何重新理解
产品出海与全球增长

旧地图正在失效 —— 我们一起画一张新的
一台发动机 · 四块新大陆 · 一套打法 · 一次组织重构 · 一个问题
主题 SaaS / AI 应用出海与全球增长 形式 开场主旨 · 11 模块体系
The Map · 全场总纲

11 个模块,
一张新地图

这场分享把三版内容整合为一条主线:先看清「旧地图为什么失效」,再逐块走过「新大陆」——地理、护城河、增长、产品、单位经济、留存、市场、组织,最后落到「你凭什么被记住」。每一块都配真实案例、具体数字与一手研究来源。
① 范式转移② 新地图总览③ 地理与全球化④ 护城河⑤ 增长与分发⑥ 产品选型与方向⑦ 单位经济与定价⑧ 留存与 PMF⑨ 市场与趋势⑩ 组织与团队⑪ 未来与收束
整合自三版演讲 · 去重合并 · 80+ 条判断 · 附完整参考资料
Module 01 · Paradigm Shift

范式转移:
旧地图为什么失效

AI 让"构建"的成本结构性坍塌——它既是原材料又是能源,推理成本每年降约 10 倍、3 年降 1000 倍。当造东西不再难、贵、慢,所有建立在"会构建"之上的旧优势,都要重新估值。但降本不会自动兑现红利,还有"跑步机效应"在等着你。
工程贬值构建归零AI = 石油推理通缩 LLMflation跑步机效应智能太便宜永远低估 TAM
本模块 7 页 · 编号 01–07
The Hook ／ 一个反常识判断
01反常识开场Engineering Devalued
我们最引以为傲的工程能力,正在变成最不值钱的东西。
中国团队过去最大的护城河,是工程速度和执行密度——别人做一年,我们三个月就上线。而这,恰恰是 AI 平权得最彻底的能力。
The Thesis ／ 主论点
02主论点Cost of Building → 0
当「构建」成本趋近于零,所有来自「会构建」的优势,都失效了。
过去十年的方法论,都建立在同一个前提上:做一个好产品很难、很贵、很慢。AI 把这个前提直接抽掉了——今天一个三五人小团队,能做出过去二十人团队的东西。
因为「难」过去,会做的人有溢价如今 · 溢价归零
因为「贵」过去,有钱的人有优势如今 · 优势抹平
因为「慢」过去,先发的人有壁垒如今 · 壁垒瓦解
The Engine ／ 为什么成本会持续归零
03发动机AI is the New Oil
AI 是这个时代的石油 ——既是原材料,又是能源。
模型每进步一次,同时干两件事:让产品更好(更好的原料)+ 让造产品更快更便宜(更好的能源)。两个飞轮一起转——这就是成本持续坍塌的发动机。
原材料 · Raw Material

智能直接变成产品的成分

Talkie 的陪伴、Lovable 生成的代码、图像与视频应用的产出——本身就是模型的输出。就像塑料是石油做的。

能源 · Energy

造和卖的全过程也烧 AI

用 AI 写代码、出文案与视觉、做客服、跑增长分析。工厂本身烧的,也是 AI。

黄仁勋在 GTC 上把 token 称作这个时代的新商品,说英伟达是大规模生产 token 的「AI 工厂」,一个 AI token ≈ 一桶石油 / 一度电。
LLMflation ／ 时代级顺风
04成本曲线10× Cheaper Every Year
推理成本,每年降 10 倍。
a16z:等效性能的推理成本每年降约 10 倍、3 年累计 1000 倍。GPT-3 级能力从 $60/百万 token 降到 $0.06——降速快于摩尔定律等一切历史先例。
·
驱动力:GPU 性价比 + 量化(4-bit,≥4x) + 模型小型化(10 亿参数已超 3 年前 1750 亿) + 开源压利润。
·
含义:按"每年 10 倍降本"做 18–24 个月成本测算,敢于押注当下偏贵的能力。
这是底层顺风:今天因为太贵而做不起的功能,18 个月后可能白菜价。别为今天的 token 单价过早自我设限。
The Treadmill ／ 别高兴太早
05成本悖论The Treadmill Effect
单价在降,但每个任务的总成本在涨。
SaaStr:同一编码任务,激进推理模型生成 603 token vs 简单模型 60 token——纯冗余就让成本 ×10。agentic 工作流自 2023 末,每任务 token 消耗增加 10–100 倍,常跑赢降价。
·
某 $1 亿 ARR 公司因竞争压力,12 个月内计划新增 600 万美元/年推理成本。
·
Cursor 自研 MoE 模型 Composer 自救,毛利预期 74%→85%(2027);破解之道=模型分级/缓存/任务封顶。
别幻想"LLMflation 会自动救我"。产品越自主,越要把成本控制写进架构,否则降价红利全被吃掉。
Cheap Intelligence ／ 长尾市场被点亮
06智能经济学Intelligence Too Cheap to Meter
智能太便宜了——便宜到把长尾市场点亮。
智能成本 3 年每年降 10 倍、约 2 年降 99.7%;而全球 AI 基建 Capex 到 2030 直奔数万亿美元。过去不敢碰的"低客单 + 新兴市场"产品,第一次有了正向单位经济。
·
当一次推理便宜到接近免费,印度、印尼、巴西、非洲等"低客单价"市场,突然变得在经济上可做。
·
这恰好匹配中国团队的"成本敏感"基因——把贵的东西做便宜、做规模,是我们的强项。
以前因为算不过账而放弃的"长尾新兴市场 + 低客单"产品,正第一次拥有全球规模化的可能。
Modelbusters ／ 平台迁移的规律
07市场规模Everyone Underestimates the TAM
平台迁移时,所有人都低估市场——这次可能史上最狠。
a16z:iPhone 的市场被低估 3 倍、Roblox 从"儿童玩具"长成全龄 UGC 经济。AI 同时攻击 6 万亿美元的白领服务 + 注意力经济;Cursor 两年从 200 万做到 3 亿 ARR。
·
AI 不只吃软件预算,它把"资本变成劳动力"——直接攻击远大于软件的白领服务市场。
·
做规划时,把所有 TAM 数字乘以 5 到 10 倍,否则你会用旧地图的尺子量新大陆。
出海别用今天的市场报告框住想象力。历史规律:平台级迁移,真实 TAM 永远比当下估算大得多。
Module 02 · The New Map

新地图与主隐喻:
门槛搬进了屋里

先点破整场的主隐喻:AI 没有拆掉出海的门槛,只是把它从「屋外」搬进了「屋里」。屋外的门(能不能做出来)被踏平,屋里的暗门——留存、信任、差异化、认知——才是真正的较量。难点整体从供给侧搬到了需求侧;后面每个模块,都是这间屋子里的一道门、这张新地图上的一块大陆。
门槛在屋里难点搬家:供给→需求四维迁移
本模块 3 页 · 编号 08–10
The Threshold Moved ／ 门槛搬家了
08主隐喻The Bar Moved Indoors
AI 没有拆掉门槛——它把门槛从「屋外」,搬进了「屋里」。
屋外的门(能不能做出来)被踏平了,谁都能进门;但门槛没消失,它搬进屋里,变成一道道暗门:留存、信任、差异化、认知。过去能进门就是本事;现在进门之后,才开始较量。
屋外的门槛 · 明

看得见,可量化

"能不能做出来"是个明确的工程问题——跨过去,你就知道你跨过去了。如今它被 AI 踏平,几乎归零。

屋里的门槛 · 暗

看不见,没有通关提示

用户为什么第二天不回来、为什么不信你、为什么记不住你——没有一道有明确提示。你常常输了,都不知道输在哪。

门口的守卫撤了——听上去是好消息,但它也不再帮你挡住任何人。人人都能进门,屋里反而更挤、更难。
Supply → Demand ／ 难点搬家
09难点搬家From Supply Side to Demand Side
AI 把成本砍在供给侧,却没碰需求侧。
AI 几乎免费地解决了"做产品、做本地化、做内容、做客服";但它一点没碰"用户为什么选你、信你、留下来"。难点,整体从供给侧搬到了需求侧。
①做出来 → 被看见产能稀缺,变成注意力稀缺。供给涨几十倍,注意力恒定。
②翻译语言 → 翻译信任AI 抹平字面,翻不出信任、文化默契与审美本地感。
③获客 → 留存拉新是脉冲(新鲜感),留存才是生意。获客易、流失惊人。
④功能 → 护城河功能保质期以周计、可一夜复刻;凭什么是你才是问题。
⑤渠道套利 → 认知占领从"把广告投到面前",到"成为 AI 和用户脑里的那个答案"。
⑥执行力 → 判断力执行免费后,稀缺的是判断力与品味:做什么、为谁、做成什么样。
AI 把"体力活"全包了,真正值钱的,变成了"脑子活"和"眼光活"。前半场结束了,真正的比赛现在才开始——而且大家是同一秒站上起跑线的。
The New Map ／ 一张新地图
10一张新地图The New Map
旧大陆正在下沉,新大陆等待开拓。
我把这张新地图拆成四个维度——地理、护城河、增长、单位经济。接下来每一块,都给你真实案例和具体数字。
①
地理 Geography
出海
↓
全球原生
born-global
②
护城河 Moat
工程能力
↓
品味 · 分发 · 信任
③
增长 Growth
买量
↓
产品即增长
被 AI 推荐
④
单位经济 Unit Econ
80% 毛利
↓
推理即成本
Module 03 · Geography & Global

地理与全球化:
从「出海」到「全球原生」

"出海"这个词假设了"先国内、后海外"的顺序,而这个顺序已经没了。但全球不是一个市场,而是三个正在分裂的生态;增量在人均高地而非人口大国;支付合规已被基础设施抹平;真正的隐形成本不是翻译,是信任与 PMF 的"重做一遍"。中国团队的新王牌,是供应链速度。
全球原生三极分裂人均热点全球楔子支付 Day1定价本地化本地支付信任成本中国:使用强收入弱PMF 翻译供应链 2.0
本模块 12 页 · 编号 11–22
Continent ① ／ 地理 · 「出海」这个词可能已经过时
11第 ① 块大陆 · 地理Geography
「出海」这个词,已经过时了。
出海正在长成全球原生 born-global
AI 产品服务一个美国用户和一个中国用户,边际成本一样,很多产品甚至先在海外跑通 PMF。
Manus 中国团队
创始人肖弘 2022 年判断:海外 SaaS 用户付费意愿是国内的 5 倍 → 干脆只做海外,年底被 Meta 以 20–30 亿美元收购。
9 个月 · $100M ARR月环比增速 > 20%
Talkie / MiniMax 重做出海
把国内的 Glow 重做成面向英语用户的 Talkie,靠新名字、新界面摆脱本地包袱。
> 70% 收入来自海外2025 年
Lovable 欧洲原生
同一套逻辑的欧洲版:客户遍布它开放的每一个国家,从第一天就服务全球。
2.3M 活跃用户全球分布
「出海」假设了「先国内、后海外」的顺序——而这个顺序,已经没了。新的心智是:第一天就为全世界而生。
Geopolitics ／ 全球不是一个市场
12多极现实Three Splitting Ecosystems
全球不是一个市场,而是三个正在分裂的生态。
a16z Top 100 显示三极并立:西方极(US/印度/巴西/英/印尼)、中国极(本土 + DeepSeek 桥接)、俄罗斯极(Yandex/GigaChat 快速填补制裁真空)。政策,比产品更早决定成败。
·
西方极内部重合度高、竞争白热;印度 / 巴西 / 印尼是西方极里最高的增量池。
·
俄罗斯两年长出 Yandex Alice 71M MAU;DeepSeek 是少数能跨极的桥。
出海第一问不是「产品好不好」,而是「我为哪个极的哪群人解决什么」。地图,先于产品。
Per-Capita Hotspots ／ 别盯十亿人口
13增量市场Per-Capita > Population
别再盯「十亿人口」,真正的增量在人均高地。
a16z 人均渗透指数:新加坡 #1、UAE / 香港 / 韩国 #2–4,而美国只排 #20——"大国幻觉"被打碎。移动开发者仅 12% 在湾区,伊斯坦布尔工作室批量出爆款。
先拿下 3–5 个人均高地(新加坡 + UAE + 香港 + 印度),建口碑与数据飞轮,再横向扩展——而不是一上来就硬刚美国大盘。
The Global Wedge ／ 全球原生怎么落地
14落地方法One Replicable Wedge
「全球原生」不是同时做所有国家,而是先找一个可复制的全球楔子。
同一功能在美国/欧洲/日韩/中东的付费理由不同;合规、支付、语言、内容文化会改变转化漏斗。先选「任务相同、语言可迁移、支付意愿高」的市场组合。
第一版不做 30 种语言。先找「同一个任务,在 3 个高 ARPU 市场」的共性——用一个楔子撬动多国,而非铺开摊薄。
The Rails ／ 全球收款,已经不是门槛
15基础设施Global Payments, Day One
Day 1,你就能收全世界的钱。
Stripe Managed Payments、Paddle 这类 MoR(商户名义代收)工具,把商户主体、税务、争议处理,变成了开箱即用的能力——不必先注册一家海外公司。
·
Paddle 作为 MoR,官方支持 200+ 国家与地区,自动代收并申报销售税 / VAT;Stripe Tax 一年内从 57 国扩到 102 国。
·
但「合规」不是全自动:隐私政策、退款规则、禁售地区、App Store / Google Play 政策,仍要自己设计。
支付与税务,已经不再是护城河;但可信的 checkout 和清晰的合规边界,会直接决定你的转化率。
Localized Pricing ／ 最高 ROI 的杠杆
16增长杠杆Monetization > Acquisition
最高 ROI 的增长,不是获客,是定价本地化。
货币化提升 1% ≈ 营收 +15–16%,而获客提升 1% 仅 +3–4%。本地化定价的公司增长快 2 倍;Netflix 按 PPP:美国 $15.49、巴基斯坦 $2.82、瑞士 $21.48。
出海别只顾砸获客。先按购买力分区定价、接本地支付——这是被严重低估的最高 ROI 增长动作(Monica AI 切 MoR 后拒付 -80%、黑五营收 ×3)。
Local Payments ／ 转化的隐形开关
17本地化Pay the Way Locals Pay
接上本地支付,结账转化 +51%。
Paddle:本地支付方式让结账转化从 4.3% 升到 6.5%;40% 的消费者从不在非母语网站购买。德国 77% 偏好 PayPal、巴西 PIX 月超 30 亿笔、中国 Alipay/WeChat 主导。
本地化是「语言 + 货币 + 支付 + 合规」四件套。出海至少把「购买 / 定价 / 客服」三条关键路径深度本地化,而不只是翻译落地页。
Trust Is the Cost ／ 出海的隐形成本
18隐形成本Migrating Trust, Not Just Words
中国团队出海最大的隐形成本,不是翻译,是信任迁移。
陌生品牌会放大海外用户对安全与支付的疑虑。MoR 降低了收款门槛,但替代不了信任建设;本地化要包含价格、法律、隐私、支持与真实案例。
海外官网第一屏就回答四件事——你是谁、给谁用、凭什么可信、失败如何处理。信任,是出海真正的、要花钱花时间去建的成本项。
Beyond Translation ／ 本地化的深浅
19翻译信任与文化Language Is the Shallowest Layer
语言,是本地化最浅的一层——而那正是 AI 唯一解决的。
AI 一键 30 种语言,把"字面"抹平了。但它翻不出三样东西:信任、文化默契、审美的本地感。翻译腔很重、一眼是"外来货",用户是能感觉到的。
信任 最深
海外用户凭什么把信用卡交给一个没听过、还可能来自另一个国家的小团队?这是字面翻译给不了的。
文化默契 看不见
什么梗好笑、什么颜色吉利、什么定价心理、什么客服语气舒服——对当地人理所当然,对外来者完全看不见。
审美本地感 一眼识别
产品"翻译腔"重、一眼是"外来货",用户是能感觉到的。本地审美无法用翻译补齐。
语言是最浅那层,而 AI 解决的恰恰只是最浅那层。真正的本地化,是把信任和文化也"翻译"过去——这才是 AI 平权之后,出海团队真正的难关。
The China Gap ／ 中国团队的清醒一问
20现实判断Strong Usage, Weak Revenue
中国 AI 很能打——但能打的是用户量,不是收入。
a16z 使用榜上,Quark、Doubao、Kimi 排名很高,但流量大多来自国内。真正的全球付费榜,是另一张表。
使用强 ≠ 收入强 a16z 榜
全球 Top 100 私营 AI 应用的 ARR 榜里,只有 4 个中国开发者,合计约 $447M ARR。
Top100 仅 4 席合计 ~$447M ARR
正例在出现 换打法
Manus 官宣 $100M ARR、run-rate $125M+;Kling AI 2025 收入约 $150M,全球视频商业化加速。
Manus $100MKling ~$150M
出海不是把中文产品翻译一下,而是重选战场——付费市场、信任体系、渠道、本地化与合规,几乎要把整个产品重做一遍。
The China Gap II ／ 真正的短板
21出海方法Translate Value, Not Words
中国团队的短板不是技术,是把价值"翻译成 PMF"。
中国团队技术力常 ≥ 海外对手,却难转化为 PMF、过度依赖销售/大客户。海外买家要"围绕有限核心功能的标准化交付",而非功能堆砌与定制。
·
海外 SaaS 采购更去中心化、更依赖终端用户体验——用 PLG(自助 onboarding/试用/模块化定价)替代销售驱动。
·
"出海 2.0"=深度本地化 + 本地合资 + 新兴市场优先;问题不是"能否走出去",而是"能否留下来(stay global)"。
从"功能全"转向"一句话说清解决哪个精确场景"。把技术优势翻译成 PMF,才是真正的出海能力。
China Advantage 2.0 ／ AI + 物理时代
22中国新王牌Supply Chain Speed
AI + 物理时代,中国的供应链速度是核武器级竞争力。
YC RFS:深圳"从设计到零件 1 天",而美国团队要 数周。当 AI 进入硬件、机器人、工业,胜负取决于数据 + 迭代速度——而非纯算力,这个差距会被指数级放大。
别只想软件出海。AI + 硬件 / 机器人 / 工业的全球机会里,中国"从设计到零件 1 天"的供应链速度,是最大的、别人学不来的护城河。
Module 04 · The Moat

护城河:
从工程,到不可商品化

工程是最先被填平的护城河。当模型趋同、套壳几周可复制,真正的壁垒只能来自 AI 不能商品化的东西:动量(迭代与分发的速度)、连接器与记忆、把数据变成闭环学习、行业执念与垂直整合、以及啃下"最后一英里"的能力。
工程被填平动量即护城河连接器即护城河数据=闭环学习垂直整合最后一英里
本模块 7 页 · 编号 23–29
Continent ② ／ 护城河 · 对中国团队最扎心的一块
23第 ② 块大陆 · 护城河Moat
工程能力,是最先被填平的护城河。
工程能力让位给品味 · 分发 · 信任
既然工程被 AI 平权,护城河只能从别处来——那些 AI 不能商品化的东西。
·
业界普遍预测:2026 年约 80% 的「AI 套壳」公司会消失——没有数据、没有分发,任何人几周就能复制。
·
Naval(2025.11):「UI is pre-AI」——围绕菜单和表单的界面,是 AI 之前时代的产物。
·
共识:今天几乎没有什么是真正可防御的——与其硬造护城河,不如把精力倒进分发、速度和用户喜爱里。
工程被平权后,差异化只能来自 AI 不能商品化的东西:品味与设计、叙事与品牌、社区、对全球文化的真实理解,以及(对硬件)供应链。
Momentum Is the Moat ／ 护城河 2.0
24护城河 2.0Speed of Iteration & Distribution
消费 AI 唯一的护城河,叫「动量」。
a16z(Bryan Kim):底层模型每月迭代,慢工出细活失效。"early distribution is everything"——谁推得快、迭代最快、分发最好,谁赢。速度不是多发版,而是更快完成假设验证。
·
六大动量打法:重塑黑客松、社交实验、工具联盟、内部影响者、视频作分发、公开构建;Genspark 公开 45 天 $36M ARR、Lovable 2 个月 $10M ARR。
·
护城河不是静态资产,而是"比别人更快抵达下一版答案"的学习速度;增长岗应由懂产品的 builder 担任。
出海即"在每个市场,比快速跟随者更快地建立心智"。速度与迭代节奏本身,就是壁垒。
Connectors as Moat ／ 生态锁
25生态锁Connectors & Memory
当模型趋同,连接器和记忆成为新的分发护城河。
a16z:ChatGPT 已有 220+ 连接器(购物/旅行/健康),Claude 有 160+ 专业连接器(金融/科学/Dev),两者重合仅 11%。ChatGPT 冲消费交易,Claude 死磕专业工作流 + MCP 开放社区。
全球增长不再靠下载量,而是靠"用户接了多少外部系统"。别只做单点工具,做默认 AI 入口的连接层——接得越多,越难被换掉。
Data, Redefined ／ 数据护城河要重新定义
26数据壁垒Closed-Loop Learning
「有数据」不是护城河,把数据变成闭环学习才是。
Sequoia:公开数据会被基础模型吸收;私有数据必须与任务结果绑定才有价值。反馈闭环越短,产品进化越快——这才是跨地域能复制的壁垒。
每做一个功能就问一句:"这次使用,会不会产生让下一次更好的信号?"——把数据接进闭环,而不是只把它存起来。
Vertical Integration ／ 护城河在哪
27护城河Industry Acumen × Integration
护城河不是模型,是行业执念 × 垂直整合。
a16z/Ambience:最有价值的公司,来自"在某行业执着深耕多年的创始人"。模型只是方案的一部分,还要产品、设计、交付——最被低估的是"变更管理"。
·
a16z:"大厂的能力,和它们产出的模型一样参差(jagged)"——给独立垂直应用留下结构性空间。
·
最成功的用户级 AI 应用"已经是垂直整合的";数据护城河脆弱,工作流 + 用户网络更持久。
出海做深一个行业,胜过做宽一个功能。对目标市场流程与变更管理的理解,往往比算法更决定成败。
Demos to Deals ／ 最后一英里
28落地难点The Last Mile Is the Moat
Demo 很容易,Deal 很难。
a16z:难的是"最后一英里"——客户数据混乱、行为不可预测、长尾路径。要在基础模型上做大量 scaffolding + evals,才能达到企业级可靠性。这,才是跨国可防御的护城河。
·
护城河四路径:成为记录系统 / 工作流锁定 / 深度垂直集成 / 客户关系("战略 AI 思想伙伴")。
·
即便 Microsoft Copilot、OpenAI Codex 推出,专注做最好产品的 AI 原生创业公司仍被广泛采用。
To B AI 出海的胜负手在"最后一英里":对目标市场政策、文化、遗留系统做深度集成与 evals。
Taste > Execution ／ 最后的稀缺
29最深的护城河Judgment & Taste
执行变得几乎免费,稀缺的是判断力与品味。
当执行免费,瓶颈不再是"能不能做",而是"做什么、为谁做、做成什么样"。过去稀缺的是人手,现在稀缺的是判断力和品味——这恰恰是 AI 最帮不上忙的部分。
·
AI 最帮不上的三件事,恰恰最值钱:对用户的真实洞察、对市场的判断、对"好"的审美标准——这些还是人的。
·
这也是屋里所有暗门(留存、信任、差异化、认知)最终指向的同一个底层能力。
AI 把"体力活"全包了,于是真正值钱的,变成了"脑子活"和"眼光活"。判断力与品味,是所有护城河最深的那一层。
Module 05 · Growth & Distribution

增长与分发:
从买量,到被看见

内容可以无限生成,但注意力恒定稀缺——"被看见"才是胜负手。稀缺资源从流量变成注意力与信任:GEO 取代 SEO、AI 助手的默认答案成为新入口、创始人与团队 IP 成为最强引擎、产品的产出物本身即营销、社区既是分发也是研发。
注意力瓶颈别买量·被推荐GEO > SEO入口战争AI 流量量小质高创始人 IP前 30 秒创作者飞轮社区即研发
本模块 9 页 · 编号 30–38
The Bottleneck ／ 真正的瓶颈
30真正的瓶颈Attention is the Ceiling
内容可以无限生成,但注意力 恒定稀缺。
AI 之前 AI 之后 内容供给 过剩 · 无人看见 注意力上限 注意力上限 · 恒定不变 做出来 ≈ 被看见 被看见,才是胜负手
一支团队怎么从过剩里跑出来、捕获到注意力?
品味 · 审美 核心
一切都能被生成时,审美是唯一无法批量复制的筛选器,让人一眼认出「这是你」。
观点 · 叙事
有立场、有故事才会被主动传播;创始人 build in public,本人就是注意力入口。
信任 · 人格
内容农场能无限造,信任造不出来;人只信任人和品牌——沉淀成长期社区。
被 AI 推荐
把关人正从人变成 AI;与其抢眼球,不如让 AI 主动把你端到用户面前(GEO)。
Continent ③ ／ 增长 · 稀缺资源从「流量」变成「注意力与信任」
31第 ③ 块大陆 · 增长Growth
别再买量了——让 AI 替你推荐。
买量正在交棒给产品即增长 / 被 AI 推荐
当构建变便宜,稀缺资源从「流量」变成「注意力与信任」。GEO 正在变成新的 SEO。
Lovable 零付费投放
纯靠社区、口碑和自来水需求,15 人团队做到教科书级增长。
15 人 · $100M ARR付费投放 = 0
Vercel 分发迁移
新注册用户中,相当一部分直接来自 ChatGPT 的推荐——分发入口在迁移。
10% 新注册来自 ChatGPT 推荐
GEO 取代 SEO 趋势
AI 引用源与 Google 排名前列的重叠,从 70% 跌到 20% 以下;Gartner 预测 2026 传统搜索量降 25%。
70% → < 20%引用源重叠度
过去你买流量,现在你要让 AI 替你推荐。GEO 正在变成新的 SEO;产品的产出物本身就是营销;创始人即增长引擎。
GEO > SEO ／ 搜索的规则被改写
32分发渠道From Ranking to Being Cited
从「排名靠前」,到「被模型引用」。
a16z:可见性的定义变了——不是结果页排名,而是"直接出现在答案里"。指标从点击率变成引用率。灵魂拷问:"模型会记住你吗?"
查询变深 意图浓
传统搜索平均 4 个词;ChatGPT 搜索平均 23 个词、会话 6 分钟——更接近决策。
4 → 23 词会话 6 分钟
Vercel 实证
ChatGPT 已为 Vercel 贡献 10% 新注册,并向数万个域名分流。
10% 新注册来自 ChatGPT
AEO 见效快 小众媒体
某公司数小时内 AI 可见度 0%→11%;胜出格式=对比表/FAQ/分步指南。
0% → 11%数小时
把"被 AI 引用"当成和 SEO 同等重要的渠道。先动者占位;内容要做成"值得被模型引用"的结构化形态。
The Entry War ／ 默认答案就是入口
33分发入口The Default Answer
下一代分发入口,是 AI 助手的默认答案。
不是应用商店,不是搜索框——而是用户问 AI 时,它默认推荐谁、可信地调用谁。产品要变成"给 AI 读的销售资料":清晰定位、结构化文档、可调用接口。
把官网、文档、API、案例库,都当成"给 AI 读的销售资料"来做。增长团队从此要同时服务两类客户:人类用户,和 AI 中介。
Small but Mighty ／ AI 流量的真相
34流量质量1% of Volume, 10× the Conversion
AI 流量只占 ~1%,转化率却碾压一切。
Similarweb:ChatGPT 转介转化率 7.1%,仅次于付费搜索;Digiday:LLM 注册转化 1.66% vs 自然搜索 0.15%——高出一个数量级。别用旧的"流量占比"低估它。
·
但 AI 摘要"零点击":看到摘要点击率仅 8% vs 未看到 15%——品牌曝光本身要当目标。
·
提前布局高增速平台:同比 Gemini +388%、ChatGPT +52%,别只盯 ChatGPT。
把 AI 渠道单列评估 ROI:用"质"而不是"量"衡量,为它专门优化落地页与产品引导。
Founder-Led Growth ／ 最强增长引擎
35增长引擎People > Budget
最强的增长引擎,是人,不是预算。
"人们信任人,不信任 logo。"员工分享公司内容的可能性是其他内容的 14 倍、员工帖表现好 5–10 倍。Lovable 不到 1 年 $2 亿 ARR、约 100 人,创始人内容被称为"成功主因"。
·
Gamma <50 人做到 $1 亿 ARR、靠团队分享"省下数百万营销费";Cursor 联创在 X/LinkedIn 有显著影响力分布。
·
First Round:创始人必须亲自主导增长——改一句文案,Popsa 安装转化 ×4、Smart Tales +65%。
从"单一创始人个人品牌",升级为"全员公开分享文化"。这是 AI 无法替代的真实信任,也同时喂养 AI 引用。
Product = Marketing ／ 最好的营销是产品本身
36增长内核The First 30 Seconds
决定口碑的,是产品的前 30 秒。
Gamma(~50 人 / $100M ARR / 70M 用户):PMF 突破来自重做 onboarding,把"前 30 秒能否惊艳"当核心战场;增长靠口碑机器 + 1000+ 微影响者矩阵,而非大 V。
·
消费 AI 早期"产品即营销":垫底产品仅 2% 付费流量 vs 非 AI 消费 App 70%。
·
"前 30 秒惊艳 + 产出物可分享",天然跨语言、跨文化——比本地化文案更重要。
出海把"无需教学、前 30 秒即惊艳"做成硬指标。最好的全球营销,是产品本身能自己传播。
Creator Flywheel ／ 作品即广告
37内生增长The Output Is the Ad
创作者工具最好的增长,是「作品即广告」。
当用户的产出本身可公开传播,产品就有了内生增长回路。作品展示带来新用户的理解成本最低;模板与水印,把每一次产出都变成一个分发渠道。
让产出物天然带传播力:作品出现在 TikTok、YouTube、X、Instagram、LinkedIn、Product Hunt 上,每一次创作都是一次免费获客。创作者愿为"更快发布、更高质量、更高转化"付费。
Community ／ 既是分发,也是研发
38社区Distribution & R&D
社区不只是运营阵地,它既是分发,也是研发。
用户案例是最有说服力的销售内容;社区反馈能发现模型边界和新场景;开源、模板、插件把用户变成渠道。第一天就该设计可展示产出物、模板市场、公开案例库。
第一天就把"可展示的产出物、模板市场、公开案例库"设计进产品——让社区同时承担获客、教育用户、和发现新需求三件事。
Module 06 · What to Build

产品选型与方向:
到底构建什么

命题已从"怎么构建"变成"构建什么"。同一个"AI 出海"其实是六种剧本;价值沉淀在应用层,赢家卖的是"工作成果"而非工具;垂直 Agent 的 TAM 可能 10 倍于 SaaS;互联网的下一万亿用户是 Agent;而做产品的第一性问题,是找到那个又窄又痛、又能端到端交付的楔子。
六种剧本卖工作成果AI-native 服务价值在应用层厚应用模型会压缩工具消费 AI 新分层Agent 即用户垂直 Agent 10×GoldilocksAgent 经济公司大脑动态界面窄 wedge
本模块 14 页 · 编号 39–52
The Playbooks ／ 同一个词,六种剧本
39落地视角Six Playbooks, Not One Race
同样叫 AI 出海,其实是六种完全不同的剧本。
每一种剧本的增长指标、风险和团队能力都不一样——选错剧本,跑得再快也白搭。
01AI App BuilderBase44 · Lovable把「开发能力」做成大众产品,卖从想法到可运行应用的速度。
02内容生产工具Gamma · Mew.Design让用户持续做演示、海报、社媒图、营销物料,而非一次性生成。
03创作者增长工具Submagic · Kling服务全球创作者,产品结果天然适合二次传播。
04Agent 任务交付Manus · YouMind卖的不是聊天,是研究、整理、执行、增长实验等可交付任务。
05垂直效率工具ScreenSage · CleanClip从高频痛点切入,靠独立开发、预售、口碑跑出全球付费。
06App 发行与增长ZeusAI · StressWatch把数据、素材、付费墙、投放、本地化做成一整套发行能力。
拆任何一个案例,都只问四件事:卖给谁、解决什么高频任务、靠什么渠道起量、凭什么留住用户。
Services = New Software ／ 卖什么
40商业模式Sell Work, Not Tools
别再卖工具——卖工作成果。
Sequoia:"卖工具,你就在和模型赛跑;卖工作成果,模型每次进步都让你更快、更便宜、更难被超越。"工作预算约是工具预算的 6 倍。
Copilot 卖工具
卖给专业人士、吃"工具预算";模型变强时,你和模型在赛跑。
1× 预算池Harvey / Rogo
Autopilot 卖成果
直接交付工作成果给企业、吃"工作预算";从"已外包任务"切入阻力最小。
≈6× 预算池Crosby 起草 NDA
TAM 服务市场
保险经纪 $140–200B、招聘 $200B+、咨询 $300–400B——全球同质、易做增长。
$ 万亿级服务 ≫ 软件
关键不是"垂直 vs 水平",而是"卖工具 vs 卖工作成果"。卖成果者控制 6 倍预算,且模型越强越受益。
AI-Native Service ／ 下一代独角兽形态
41TAM 迁移From Copilot to Service
下一个时代,是不卖工具、只卖成果的 AI-native 服务公司。
YC(Gustaf Alströmer):服务总支出远大于软件支出,且大部分已被外包。用 AI 直接"把活干了",比卖 Copilot 更容易被采用——AI-native 版的"印度 IT 服务 / 菲律宾客服",就是下一代独角兽。
别只做"给会计师用的 AI 插件",做"把整块会计/客服/合规工作外包掉的 AI 服务公司"。从一个已被外包的环节切入,阻力最小、预算最大。
Where Value Accrues ／ 价值在哪层
42价值捕获Value Is in the App Layer
GPU 在商品化,价值沉淀在应用层。
Sequoia:GPU 基建投资与终端收入的缺口已扩到 ~$600B;算力被"压到边际成本、缺乏定价权"。基础设施过剩,恰恰是你低成本试错的窗口。
·
云迁移期,新创公司在应用层夺得在位者 50% 的价值,远高于基础设施层。
·
AI 毛利低、护城河浅的根源在模型本身可获得;防御力要建在"更好的产品 + 专有数据"。
别去堆算力。把资本和注意力放在应用层的终端价值与变现,用过剩的廉价算力做全球分发实验。
Thick Apps ／ 构建什么
43产品架构From "How" to "What" to Build
问题已从「怎么构建」,变成「构建什么」。
a16z:工具从"执行"转向"思考";做 厚应用(多模型编排 + 自主性滑块 + 上下文工程),而不是薄薄的"套壳"。"非凡的垂直专业化,现在成为可能。"
·
2025 年仅编码工具就生成 超过 10 亿美元新收入;消费侧痛点是"命令行式 UI 挡住了普通人"。
·
AI-native 界面应是"对话 + 直接操作"的混合:prompt 打开一块可见、可调、可信的画布。
套壳产品几周就被复制。把多模型编排、可调自主性、领域工作流"做厚",才有留存与定价权。
Platform Risk ／ 会被吃掉的工具
44选赛道What the Platforms Will Eat
越接近「单次生成」的工具,越容易被模型平台吃掉。
Sequoia:一次性 prompt 工具会被 ChatGPT/Gemini/Claude 或系统级功能内置;持续工作流(资产、历史、协作、渠道、品牌)更难被吞。选赛道看「使用频次 + 数据闭环 + 交付责任」。
选赛道前问自己:它是"一次性 prompt 就能完成的事",还是"有资产沉淀、有数据闭环、有交付责任的持续工作流"?越靠后,越安全。
Consumer AI, Reframed ／ 不是聊天机器人赛道
45消费分层Identity · Create · Companion · Productivity
消费 AI 不是「聊天机器人」赛道,而是四件事的重组。
Menlo:聊天是入口、不是商业模式。消费 AI 真正在重组的是 身份、创作、陪伴、效率四类需求。面向 C 端别卖"AI 能力",卖身份表达、关系满足、可分享的作品。
面向 C 端别卖"AI 能力"。创作工具让产出可展示/传播/复用;陪伴产品靠人格、情感安全、长期关系变现——卖的是身份、关系和作品。
The Next Billion ／ 用户可能不是人
46新用户Software for Agents
互联网的下一万亿用户,是 AI Agent。
YC(Aaron Epstein):Agent 已在浏览、研究、购买、管理 CRM,但跑在为人设计的软件上又慢又脆。它们不点按钮,需要机器可读的一切——API、MCP、CLI 优先,文档极致。
·
为 Agent 重写每一类软件:API/MCP/CLI 优先、文档极致;无需人类在环的 signup / 支付 / 操作路径。
·
中国出海机会:全球 Agent 都缺性价比高、稳定的后端服务——这正是我们的强项。
别只为"用户会点哪里"设计,要为"谁会调用我、在什么上下文调用"设计。Agent 是新的、不会点按钮的一万亿用户。
Vertical Agents ／ TAM 跳跃
47规模跳跃10× the SaaS TAM
垂直 Agent,不是帮人更快,是直接取代整个职能。
YC(Lightcone):垂直 AI Agent 直接取代整个团队或职能,TAM 可能 10 倍于传统 SaaS;仅这一个品类,就可能出现 3000 亿美元的公司。重 BPO、手工操作的垂直(保险、会计、合规、医疗 admin)最先被吃掉。
别做"给客服用的 AI 插件",做"把整个客服团队外包掉的 AI 公司"。从重 BPO、可标准化的职能切入,TAM 比卖软件大一个数量级。
Goldilocks Agents ／ Agent 的甜蜜点
48Agent 设计Not Too Simple, Not Too Autonomous
Agent 要避开两个坑:太简单不值钱,太自主不可信。
Sequoia:太简单(用户几分钟自己做完)没人买;太自主(出错成本高)企业不敢放权。甜蜜点 = 可验证、可回滚、可分阶段授权的任务。
先画清楚"可验证的交付物 + 失败恢复路径",再谈自主性。让 Agent 在"用户不想自己做、但企业又敢放权"的中间地带交付价值。
The Agent Economy ／ 下一个十倍
49新基础层10× Bigger Than Cloud
下一个比云大 10 倍的机会:Agent 经济。
Sequoia:AI 同时攻击软件市场和服务市场两个利润池。Agent 经济需要三根支柱:持久身份、通信协议(MCP/A2A)、安全与信任。心态要从"确定性"转向"随机性"。
做出海 agent 产品,尽早把"可验证身份 + 协议互操作(MCP/A2A) + 可审计信任"当一等公民——这也是跨境合规的前提。
The Missing Layer ／ 真正的瓶颈
50缺失原语The Company Brain
瓶颈不再是模型,是散落各处的领域知识。
YC(Tom Blomfield):"模型已经够好了,瓶颈是领域知识。"它散落在邮件、Slack、票据里。需要一个"公司大脑"——把碎片知识结构化、保持新鲜,变成 Agent 可执行的 skills。
"怎么退款""定价例外怎么批""incident 怎么响应"——这些活知识,不是搜索、不是文档聊天,而是一张"活的地图"。谁先把它做出来,谁就握住了 AI 自动化的钥匙。
Dynamic Interfaces ／ 界面从 UI 变 intent
51界面革命Software That Rewrites Itself
界面将彻底个性化——用户成为自己的工程师。
YC(Ankit Gupta):同样的底层 primitives,我的邮件像任务列表、大学生的像日历;AI coding agent 让用户成为自己的 forward-deployed engineer。产品要把"可被大幅修改"当成交付假设。
·
AI-native 界面应是"对话 + 直接操作"的混合:prompt 打开一块可见、可调、可信的画布。
·
出海本地化不再是"翻译 + 少量配置",而是让当地用户 / Agent 自己把界面重写。
把"用户会点哪里"扩展成"谁会调用我、在什么上下文调用";把"界面可被大幅改写"当成产品交付的默认假设。
The Narrow Wedge ／ 最好的切入点
52切入策略One Role, One Funnel, One Loss
最好的 wedge 非常窄:一个岗位、一条漏斗、一个损失点。
YC 案例(Boom AI / AthenaHQ / Alter AI / Artificial Societies)分别卡住电商增长、GEO、agent 权限、用户模拟。窄 wedge 易讲清 ROI、易拿专有数据;窄起点不等于小市场,而是进入大市场的楔子。
不做"万能 AI 平台"。先占住一个岗位最痛、最频繁、最愿付费的 10 分钟——窄起点最容易讲清 ROI、拿到专有数据,再从这个楔子撑进大市场。
Module 07 · Unit Economics

单位经济与定价:
价值密度之战

SaaS 拼利润率,AI 拼价值密度。推理是真实的边际成本,毛利坐标系要重写(52% 才是新的优秀);按座位收费正在失效,定价正迁移到用量、结果、FTE 等价;而模型路由,本身就是一项产品与毛利策略。
SaaS 拼利润率,AI 拼价值密度毛利坐标系重写座位→结果模型路由按结果收费
本模块 5 页 · 编号 53–57
Continent ④ ／ 单位经济 · 最多人忽略却最关键
53第 ④ 块大陆 · 单位经济Unit Economics
SaaS 拼利润率,AI 拼价值密度。
80% 毛利重写为推理即成本
旧 SaaS 毛利动辄 80%,可以疯狂免费、无限试用;AI 不行——推理是真实的边际成本。
ICONIQ 调研 2026 初
AI 原生产品毛利约 52%(2024 仅 41%);仅推理一项就吃掉约 23% 的收入,比传统 SaaS 低约 30 个百分点。
毛利 ~52%SaaS ~80% · 推理吃掉 23%
GitHub Copilot 反面教材
早期对重度用户,每人每月最多倒亏 80 美元,却只收 10 美元。
收 $10 / 亏 $80单个重度用户 · 每月
Replit 用量高峰
在用量高峰时,毛利一度转负——推理是真实的边际成本。
毛利一度转负免费狂送的旧打法失灵
免费狂送的旧打法失灵——定价必须转向按用量、按效果,增长策略必须尊重单位经济。
Reset Your Benchmark ／ 毛利坐标系
54财务坐标52% Is the New 80%
别拿 SaaS 的 80% 来套 AI。
ICONIQ:AI 原生毛利 2024 41%→2026 预测 52%;应用层仅约 45%。推理是结构性 COGS(占收入约 23%)。52% 在 2026 年已经算"优秀"。
·
毛利逐年改善(整体 41%→45%→52%)是真实趋势,但达 SaaS 级 75% 是多年工程,而非一两季度。
·
所处价值链位置直接决定毛利天花板:应用层若 100% 依赖第三方 API,天花板被供应商锁死。
向团队与投资人沟通时换坐标系:52% 是 2026 年的"优秀"。选赛道即选毛利天花板。
Pricing Shift ／ 座位制正在失效
55定价模式Seats → Usage → Outcomes
按座位收费,正在失效。
座位数不是 AI 价值的好代理:某公司前 5% 用户吃掉 75% 成本却只贡献 5% 收入、且全部不盈利。54% 的 AI 产品已超越座位制,转向用量、结果、FTE 等价。
·
结果导向定价一年内从 2% 暴涨到 18%(ICONIQ);Chargeflow 仅回收资金时抽 25%、客户胜率 60%+。
·
"FTE 等价"定价:把价格设为全负载人力成本的 20–35%(Devin $500/月起、11x ≈ 人力 1/5)。更好的结构是「底座订阅 + 用量护栏 + 结果阶梯」。
定价锚点从"功能/座位"转向"替代了什么人 / 交付了什么结果";同时建成本护栏,防"明星客户即亏损客户"。
Model Routing ／ 定价之外的毛利工具
56毛利策略Routing Is Product Strategy
模型选择,不是工程优化,是产品与毛利策略。
ICONIQ:AI-native 公司普遍用多个模型——高价值任务用强模型,低风险任务用低成本模型;缓存、摘要、批处理、fallback 都是毛利工具。用户感知的是结果稳定性,不是模型品牌。
为每个功能建一张"价值密度表":每次调用成本、用户愿付价值、失败代价。高价值用强模型、低风险用廉价模型——把毛利做进架构,而不是只靠涨价。
Outcome Pricing ／ 价值捕获
57价值捕获Charge for the Result
当 AI 把"人处理"变成"AI 解决",定价就该按成果。
a16z + YC:当一个支持工单从"人处理"变成"AI 解决",定价应从"座席"变成"按成果"或"分润节省"。ROI-sharing(节省 10% 收 1%)在服务替代场景天然合理。
不要卖"AI 座席",卖"比原来外包团队便宜 60%、且满意度翻倍"。只要归因清晰,按成果或分润节省,在服务替代场景天然成立。
Module 08 · Retention & PMF

留存与 PMF:
把"用完即走"变"离不开"

AI 应用更能赚钱,却更留不住人——最会转化的品类,恰恰掉订阅最快。第一次付费靠新鲜感,第二个月留存才是真产品。AI "游客"让 M0/M1 指标失真,要把基线移到 M3;PMF 不再是终点,而是要持续重新验证的状态;而评测,本身就是产品。
留存悖论新鲜感陷阱M3 留存激活因果付费墙·首日PMF 五周即失PMF 阶梯评测即产品增长形态分裂
本模块 9 页 · 编号 58–66
The Retention Trap ／ 更赚钱,却更留不住
58真护城河Revenue Up, Retention Down
AI 应用更能赚钱,却更留不住人。
新鲜感能买来第一次付费,却买不来第二次。能穿越新鲜感的,只有真实的留存、复购和品牌信任。
RevenueCat 2026
AI 应用每位付费用户收入高 41%,但流失也快 30%;月订阅做到 12 个月,留存明显更低。
留存 6.1%非 AI 应用 9.5%
供给冲击 7×
新订阅应用的月度发布量,自 2022 年以来涨了约 7 倍——分发,已经比功能更稀缺。
供给 ×72022 年至今
收入分化 残酷
头部 10% 应用 MRR 同比涨 306% 以上,而整个市场的中位数,只有 5.3%。
306% vs 5.3%头部 vs 中位数
获客越来越容易,留住越来越难。MoR 解决了收款,但留存、复购、自有渠道和品牌信任,才是真正的护城河。
The Novelty Trap ／ 第二个月才是真产品
59留存视角Month 2 Is the Real Product
AI 能更快卖出第一单,但第二个月的留存才是真产品。
第一次付费往往由新鲜感驱动;长期留存来自高频任务、个人资产、结果复用。付费墙设计要防止把重度用户变成亏损用户。
为产品定义两个时刻:第一次让人惊艳的"aha",和第十次还要打开的"理由"。把"用完即走"变成"离不开",靠的是高频任务、个人资产沉淀、结果复用。
Rebase to M3 ／ AI 游客让指标失真
60指标校准Metrics Lie Before M3
AI「游客」会让 M0/M1 指标彻底失真。
a16z:AI 产品留存曲线通常在 M3 才开始 flatten;领先 AI 公司的 M12/M3 指标已预示 >100% NDR,甚至出现"微笑曲线"(产品越好,老 cohort 用得更多)。
新兴市场免费层多、AI 游客比例更高,M0/M1 几乎没意义。把全球增长团队的 KPI 改成「M3 retained customer 的 CAC」,而不是总注册。
Activation ／ 找到那个"因果"动作
61留存内核Causal, Not Correlated
找到对留存「有因果」的那个动作。
Lenny:别再"用了就算激活"。找激活三步=列 aha 时刻→回归找相关性→实验验证因果。下满 2 单的电商用户,留存是只下 1 单的 2 倍。AI 产品要把激活升级为"重复使用证据"。
·
把 KPI 从"流量/注册"改挂"激活注册数";头部 PLG 获客=自然搜索 40% + 病毒 16% = 56%。
·
AI 增长最该优化的不是按钮颜色,而是"第一次成功交付"——首屏即任务完成路径(目标→输入→结果→下一步)。
把激活做成可测、可实验、对留存有因果的单一北极星动作。这是把"用完即走"变"离不开"的起点。
Paywall & Day 1 ／ 首日即生死
62转化结构80% of Trials Start on Day 1
80% 的试用,发生在第 1 天。
硬付费墙下载转付费 12.1% vs freemium 仅 2.2%(约 5.5 倍);较长试用(17–32 天)转化最高 45.7%。首日激活(aha),就是生死线。
·
Opt-out(要信用卡)试用→付费 48.8–51%,是 opt-in(~18%)的近 3 倍;价值即时强的 AI 工具适合硬墙。
·
Freemium 免费→付费仅 2.6%——它本质是分发渠道,而非变现引擎。
敢用"硬墙 + 较长试用"组合:硬墙保转化、长试用保决策;资源重压 onboarding 首日体验。
PMF Is Fragile ／ PMF 不再是终点
63PMF 观5 Years → 5 Weeks
过去 5 年才失去 PMF,现在 5 周就可能。
20VC:AI 公司两年内可能反复失去并重获 PMF 2–3 次。PMF 不再是一劳永逸的终点,而是一个需要持续重新验证的状态。
·
AI 公司可迅速冲到 $20–50M ARR,但其中可能含"泡沫成分",收入可预测性大幅下降。
·
底层模型每月迭代,会瞬间让一类产品"被白送"——你的差异化随时可能被抹平。
出海扩张不能一次 all-in,要把全球扩张当作"持续重新验证 PMF"的循环,永远保留快速调头的能力。
The PMF Ladder ／ 出海=回到 Level 1
64PMF 框架Four Levels · Customer-Back
进入新市场,往往是回到 Level 1。
First Round 框架:PMF 是四级阶梯 萌芽→发展→强→极致(0 到极致通常 4–6 年)。出海到新市场,常是"回到 Level 1/2",要重新找 3–5 个本地标杆,而非复制母市场打法。模型进步还会改变用户预期——把定位、价格、onboarding 当持续实验。
用 Magic Number、留存、销售转化做出海统一标尺;新市场先重新找 3–5 个本地标杆客户、建可复制渠道。卡住时回到 Four P's:Persona / Problem / Promise / Product。
Evals Are the Product ／ 持续校准
65质量内核Quality Is a Distribution
AI 产品的质量,不是发布前测一次,是上线后持续校准。
a16z:模型升级可能让旧流程突然变好或变坏;评测集(eval set)是产品判断的"记忆"。AI 软件的质量,是一个概率分布,而不是一次性的对错。
为每个核心任务建一套 eval set:输入、期望结果、可接受误差、失败处理。它是你在模型不断变化中,守住产品质量的唯一"记忆"。
Two Growth Shapes ／ 热度 vs 质量
66增长质量Supernova vs Shooting Star
AI 公司不是同一种曲线:有超新星,也有流星。
Bessemer:爆发速度可由模型新鲜感和社媒传播驱动(Supernova);但可持续速度来自留存、渠道复利、单位经济(Shooting Star)。要分清"增长热度"和"增长质量"。
别为下载峰值庆祝太久。尽早建 cohort、CAC payback、gross margin、expansion 指标——区分"一时热度"和"真实质量",留存与净扩张才算数。
Module 09 · Market & Trends

市场与趋势:
蛋糕本身在变大

AI 不再是企业工具,它成了大众消费品——2025 年移动应用消费支出首次超过游戏。企业买 AI 的方式从"试点热情"转向"可度量交付";新一代软件常先以个人工具进入公司;增长门槛被重置("10 倍是新的 3 倍");而最可靠的 PMF 信号,是客户主动"拉"你。
消费品化企业买法变了Prosumer 先行10× 是新 3×多产品扩展Pull 市场
本模块 6 页 · 编号 67–72
The Trend ／ 在变成什么
67趋势Consumerization of AI
AI 不再是企业工具,它成了大众消费品。
2025 年是肉眼可见的拐点:移动应用的消费支出首次超过游戏,主要由生成式 AI 应用驱动。
$50 亿+
AI 应用内购收入翻三倍;下载量翻倍到 38 亿次,AI 助手包揽下载榜前十
+408%
ChatGPT 2025 移动端消费支出 ~$24.8 亿,达 $30 亿里程碑比 TikTok / Disney+ 更快
7.7 亿
ChatGPT 是 2025 下载量最高的 App,每周活跃用户 9 亿
480 亿
人们一年在生成式 AI 应用里花的小时数,是 2024 年的 3.6 倍
How Enterprises Buy ／ 从试点到可度量
68企业采购From Pilot to Production
企业不是不买 AI,而是从试点热情转向可度量交付。
a16z(100 CIO):采购从 demo 转向生产环境;POC 门槛升高——要真正进入系统、数据、流程;产品必须提供评测、审计、权限、错误恢复。
B2B AI 出海,先把"能用"变成"敢用":进入客户的系统、数据、流程,提供评测、审计、权限、回滚——可度量的 ROI,才是采购的通行证。
Prosumer First ／ 个人工具进公司
69进入路径Bottom-Up Into the Enterprise
下一代企业软件,常先以个人工具的形式进公司。
Menlo:个人用户带来低 CAC 的真实需求验证;团队扩散需要协作、权限、结算、管理后台;PLG 与销售不再二选一,而是一条连续漏斗。
先服务一个具体岗位的"个人英雄",拿到低 CAC 的真实需求;再把使用证据包装成团队 ROI,沿协作/权限/结算的连续漏斗,向上长成企业合同。
10× Is the New 3× ／ 增长门槛被重置
70增长标尺The Bar Got Reset
「10 倍,是新的 3 倍。」
a16z:12 个月 $1M ARR 曾是 A 轮标志,现已"低于中位数";顶级公司年增 10 倍以上(Cursor 是史上增长最快的软件公司之一)。同时 29% 财富 500 强已为 AI 创业公司付费。
·
Stripe 数据:AI 客户达 $5M ARR 远快于历史 SaaS 同行;但增长含"泡沫成分",可预测性大降。
·
成功不再被技术能力限制——瓶颈转向"懂不懂客户"(同理心 + 执行力)。
用新标尺看增长,但主动甄别"泡沫式收入"——留存与净扩张才是真;别把高速线性外推。
Multi-Product ／ 钱包份额
71扩张策略One Integration, Endless Cross-Sell
共享架构上的多产品扩展,是钱包份额最强的捕获方式。
a16z:CrowdStrike 靠共享云架构有机做了 29 个模块,单个客户跑 6+ 模块贡献 5 亿新 ARR;Anduril 35+ 产品跨多个预算。AI 时代,共享"公司脑/Agent runtime",让一次集成卖出无数能力。
先用一个窄 wedge 集成进客户,再在共享架构上有机扩展模块——"一次集成,终身交叉销售",是抢占全球客户钱包份额最强的方式。
Pull, Not Push ／ 最可靠的 PMF 信号
72PMF 信号Is the Market Pulling?
最可靠的 PMF 信号,是客户主动要更多。
a16z(David George 贴在显示器上的便利贴):"市场是不是在主动要你的产品?" 高 gross / net retention 是唯一可靠信号——CrowdStrike 97% gross / 112% net retention,就是 pull 的证据。Pull 比 push 可靠 10 倍。
别只问"市场大不大",问"前 10 个付费客户有没有疯狂要求你加功能、多买"。客户主动拉,比你拼命推,可靠 10 倍。
Module 10 · Org & Team

组织与团队:
另起一支 AI-native 新队

别改造旧团队,另起一支 AI-native 小队。更深一层:公司这种"人肉 workflow"正在被一个更聪明的 agent 取代——工种边界融化、层级压平。赢家团队小到不可思议,人均 ARR 高出一个数量级;把 AI 写进制度,把公司变成可被 AI 查询的闭环;增长,是创业唯一的本质。
别改造旧团队workflow → agent小团队·人均 ARR一人独角兽AI 是组织筛子公司 AI OS创始人模式增长是本质第二梯队优势
本模块 9 页 · 编号 73–81
The Action ／ 你该怎么做
73行动Start a New AI-native Squad
别改造旧团队 ——另起一支全新的 AI-native 小队。
老组织的流程、激励、身份,全为旧打法优化——硬掰非常难。这就是经典的「创新者的窘境」。
正面 · Shopify 的筛子

「反射性使用 AI,是基本预期」

CEO Tobi Lütke 2025.4 内部信:申请加人、加资源前,必须先证明这件事 AI 做不了;反复追问「如果 agent 本就是团队一员,这块业务会长成什么样?」——本质是一个筛子,重塑「谁愿意来、谁能活下来」。

代价 · 全员改造很难

惯性的反噬

Duolingo 学它引发强烈反弹;Fiverr 直白喊话后裁了约 30%;Box 走更温和的中间路线。老组织的流程、激励、身份,全为旧打法优化——硬掰非常难。

跑出纪录的,全是从第一天就 AI-native 的小队:Lovable 15 人、Manus 一个小团队 —— 没有一个,是从大公司里改造出来的部门。
The Org Collapse ／ 公司体制正在瓦解
74组织重构From Workflow to Agent
旧公司是一条 workflow,新组织是一个更聪明的 agent。
产品、设计、工程、运营层层接力,是因为每个人的技能点不同;AI 把每个人的技能点几乎都点满,一个人就能端到端产出——分工存在的前提,正在消失。
·
旧结构为什么存在:技能点分散,只能拆成工种、靠流程和交接拼出结果——这正是 agent 里的 workflow。
·
真正的跃迁,不是把 workflow 编排得更复杂(加更多工种),而是让单个 agent 更聪明——组织也一样:不是加工种,是让每个人更全能。
趋势:工种边界模糊、层级被压平、交接消失——公司从「一条流水线」,变成「几个端到端的全能体」。
The Leverage ／ 团队,小到不可思议
75团队与人效Tiny Teams, Global Revenue
这一代全球赢家,团队小到不可思议。
AI 把开发、内容、客服、数据分析,前置到更少人手里。衡量团队的标准,正从「有多少人」,变成「人均创造多少 ARR」。
Base44$80M8 人 · 6 个月 exit
Submagic$8M14 人 · ARR
Gamma$100M+~50 人 · 7000万用户
Lovable$2.77M146 人 · 人均 ARR
Pieter Levels$3M+1 个人 · 产品组合
别再想着「把团队做大」。AI 时代真正的杠杆,是用更少的人、放大每一个人——人均 ARR、实验速度、渠道复利,才是新的硬指标。
The New Yardstick ／ 人均 ARR
76人效标尺ARR per Employee
人均 ARR,AI-native 高出一个数量级。
SaaStr:旧"好"=人均 $20 万、新标准 $30–70 万;Cursor $1B/~300 人 = 330 万/人,而 Salesforce 等传统 SaaS 仅 41–48 万。Altman 押注"一人十亿美元公司"何时出现——门槛是 $1 亿 ARR。
·
Midjourney 300–500 万/人、ElevenLabs 160 万/人、Gamma 200 万/人——AI-native 比顶级传统 SaaS 高约 10 倍。
·
一人独角兽门槛=至少 $1 亿 ARR;目前"无人接近",是逼近中的拐点而非既成事实。
把"人均 ARR"设为衡量"是否真 AI-native"的北极星——它衡量的不只是工程,更是销售/管理的结构性开销。
Default to AI ／ 把人效制度化
77组织机制AI Before Headcount
增员前,先证明「这件事 AI 干不了」。
Shopify:"反射式使用 AI 是基线期待";申请加人/加资源前,必须先证明为什么不能用 AI 完成。AI 能力写进绩效与招聘标准。"停滞,就是慢动作的失败。"
·
Shopify:Copilot 全员采用率 80%;"每月多花 $1000 换 10% 提效都嫌便宜";增长最快的是 support 与 revenue 团队。
·
AI-native = 默认值反转(先用 AI) + 成本观反转(工具开支是投资非成本) + 写进绩效。
把"人效杠杆"制度化:增员前先证伪 AI 方案,把 AI 能力写进绩效与招聘——这是文化跃迁的开关。
The AI OS ／ 闭环公司
78组织基建From Open Loop to Closed Loop
最好的 AI-native 公司,把整个公司变得可被查询。
YC(Diana Hu):会议、票据、客户互动全部可被智能层学习,把公司从 open loop 变成 closed loop。那个把所有上下文连成单一智能层的产品,还不存在。早期信号:sprint 时间砍半、ship 量翻倍。
今天还要残酷地集成 Slack + Linear + GitHub + Notion + 录音;那个把全部上下文连成单一智能层、让公司闭环的产品还没诞生——全球分布式团队,对"单一真相源"的需求只会更强。
Founder Mode ／ YC 的经典忠告
79创始人Do Things That Don't Scale
先做那些无法规模化的事。
Paul Graham:早期手动招募用户(Stripe 当场帮装、Airbnb 挨家敲门)、刻意做小市场点火、用极致服务补不完美产品。Founder Mode:创始人跨层级深度介入,别被"放权"架空。
·
Brian Chesky 弃用"hire good people and give them room"的标准建议后,扭转了 Airbnb;Jobs 每年带"100 most important people"。
·
"do things that don't scale" 的 AI 版:先人工交付 agent 的承诺,再把可重复部分产品化。
出海早期别迷信"可规模化增长黑客":创始人亲手服务首批海外种子用户、亲自本地化,保持对关键市场的直接介入。
Startup = Growth ／ 唯一的北极星
80增长本质One Number to Rule Them All
增长,是创业唯一的本质。
Paul Graham:"唯一本质的东西是增长,其余都随之而来。"YC 期间好的周增长 5–7%、10% 极优、1% 说明没找对方向。最好的机会,来自"由变化新近变得可行"的点子——这正是 AI。
·
"绝大多数时候,坐着空想战略只是拖延的一种形式";选一个能达到的周增长目标,每周死磕它。
·
Garry Tan:最近三批 YC 平均 10% 周增长;成功不再被技术能力限制。
出海的北极星是一个可量化的周/月增长目标,让产品、营销、组织决策全部服从于它——避免陷入"战略空转"。
Builder from Anywhere ／ 第二梯队的优势
81区位红利Second-Mover Advantage
在 AI 里,「第二梯队」反而有优势。
YC(Emergent,来自印度):为全球用户造 AI 产品,8 个月 700 万 App、最近 45 天翻倍;专注生产级而非原型,团队极精简。别怕"OpenAI 已经做了"——他们做主流,你做千千万万 niche + 生产级。
别因为"OpenAI 已经做了"就退缩。他们做主流大众,你做被他们忽略的 niche、做生产级而非原型——从任何地方,都能为全球用户造产品。这正是中国/新兴市场团队的机会。
Module 11 · The Future & The Question

未来与收束:
你凭什么被记住

最后看一块正在浮现的新大陆——用户可能不再是人。再把"门槛降低=重新洗牌"的机会讲透。然后把全部判断收成一个可操作的四维选型框架。最终,所有这些都收敛到同一个问题上:如果人人都能造,你凭什么被记住?
用户不再是人多数与少数四维选型框架一个问题
本模块 3 页 + 结尾 · 编号 82–84
Emerging ／ 正在浮现的新大陆
82正在浮现The User May Not Be Human
下一块大陆:「用户」,可能不再是人。
如果前面的大陆都关于「人」怎么用产品,下一块是用户本身在变。今天不展开,但这是接下来真正值得探讨的方向。
01
Agent 也会成为你的用户和付费方——为机器设计的产品,正在出现。
02
产品越来越 API 优先、MCP 优先——界面不再是唯一入口。
03
B2B 与 B2C 的边界在模糊——同一个产品,同时服务个人与组织。
04
硬件与多模态重新回到牌桌——智能需要新的载体。
这些问题今天不展开,但它们,是接下来真正值得我们一起探讨的方向。
The Few ／ 多数与少数 · 重新洗牌的机会
83真正的机会Lower Barrier, New Reshuffle
人人都能造,但真正认真创作的,始终是少数。
创作门槛每降一次,都会迎来一次爆发;但大多数人,永远停在创作之外——这正是少数人重新洗牌的机会。
博客 2000s
人人都能开博客、写文章——但真正被记住的,是韩寒、徐静蕾那样的少数人。
写的人很多留下名字的很少
微博 2010s
人人都能发一条微博——但成为大 V、像留几手那样被记住的,还是少数。
发声的人很多成为大 V 的很少
短视频 2020s
人人都能掏出手机就拍——但能跑成头部博主的,依然是极少数。
拍的人很多跑出来的很少
每一次门槛降低,都是一次重新洗牌。AI 这一次门槛最低——机会,属于真正认真创作的少数人。也许,就是你。
The Synthesis ／ 把一切收成一个框架
84最终选型Four-Dimension Filter
出海选型只看一句:这个任务,是否同时高频、高价值、可验证、可传播?
高频带留存,高价值带付费,可验证带企业信任与 agent 落地,可传播带低 CAC。四项里缺两项以上,就别做;至少要同时满足其中三项。
·
旧地图上的 X 都失效了。新地图写着:多极、Agent 用户、服务 TAM、M3 留存、混合定价、5 人挑战者、公司大脑、连接器生态、pull 市场、便宜智能。
·
中国出海优势,从"执行快"升级为 对成本敏感 + 执行密度 + 对全球文化的真实理解 + 供应链速度。
用四象限筛选(频次、价值、可验证性、分发性),缺两项以上就不要做。不要因为"能做"而做——要做就做同时占住三项以上的。
One Question ／ 不给答案,留一个问题
?留一个问题Why Will You Be Remembered
如果人人都能造,你凭什么被记住?
发动机:AI 像石油① 全球原生 · 三极基建:Day 1 收款② 护城河:动量 · 连接器③ 被 AI 推荐产品:卖工作成果④ 价值密度真护城河:留存趋势:消费品化组织:workflow→agent团队:小而高人均机会:重新洗牌选型:高频·高价值·可验证·可传播
谢谢大家。
Appendix · References (1/3)

参考资料 · a16z / Sequoia / YC / Paul Graham

本合集整合自三版演讲,共调研 70+ 篇一手来源(YC、a16z、Sequoia、知名创始人与投资人播客、权威行业报告)。点开每条「认知」查看从该来源获得的判断。
R01Top 100 Gen AI Consumer Apps (6th Edition)认知 ▾
a16z · 2026-03 · 原文 ↗认知: AI 从"目的地"变"功能";渗透前四新加坡/UAE/香港/韩国(美国第20);连接器=新护城河。
R02State of Consumer AI 2025认知 ▾
a16z · 2025-12 · 原文 ↗认知: 病毒下载≠留存,盯 Day30 与 DAU/MAU;机会在做大厂不愿做的 opinionated/垂直产品。
R03How Are Consumers Using Generative AI?认知 ▾
a16z · 2023-09 · 原文 ↗认知: 早期"产品即营销"(2% 付费流量 vs 非 AI 70%);$21/月是全球定价锚点。
R04The Future of Prosumer: AI-Native Workflows认知 ▾
a16z · 2024-01 · 原文 ↗认知: 差异化锚点是"工作流被重新发明的程度",围绕生成→编辑→精修→remix 闭环。
R0516 Changes to How Enterprises Build & Buy GenAI认知 ▾
a16z · 2024-03 · 原文 ↗认知: 面向企业"控制力/安全"是第一卖点;纯应用层易被自建替代,需叠领域数据+实施+合规。
R06The New Business of AI认知 ▾
a16z · 2020-02 · 原文 ↗认知: 别用 SaaS 毛利套 AI;护城河建在"更好的产品+专有数据"而非模型本身。
R07Cloud Lessons for the AI Era认知 ▾
a16z · 2023-08 · 原文 ↗认知: 迁移期新创公司在应用层夺得在位者 50% 价值;分发速度是窗口期资产。
R08Where Enterprises Are Actually Adopting AI认知 ▾
a16z · 2026-04 · 原文 ↗认知: 29% 财富500已付费;优先"可验证+有人工 off-ramp"场景(编码>客服>搜索)。
R09Need for Speed in AI Sales认知 ▾
a16z · 2025-11 · 原文 ↗认知: 70% 买家最看重部署速度、57% 要 3 个月见 ROI;常只给第一款机会。
R10LLMflation: LLM Inference Cost认知 ▾
a16z · 2024-11 · 原文 ↗认知: 推理成本每年降 10×、3 年 1000×;按此做 18-24 个月成本测算,敢押当下偏贵能力。
R11GEO over SEO认知 ▾
a16z · 2025-05 · 原文 ↗认知: 从"排名"到"被模型引用",指标变引用率;"模型会记住你吗?"
R12In Consumer AI, Momentum Is the Moat认知 ▾
a16z(Bryan Kim) · 2025-06 · 原文 ↗认知: 唯一护城河是动量;"early distribution is everything";产品即营销、builder 当增长负责人。
R13From Demos to Deals: Enterprise AI认知 ▾
a16z · 2025-06 · 原文 ↗认知: Demo 易 Deal 难,胜负在最后一英里(scaffolding+evals);"10× 是新的 3×"。
R14Notes on AI Apps in 2026认知 ▾
a16z · 2026 · 原文 ↗认知: 命题从"怎么构建"变"构建什么";做厚应用;大厂能力"参差"是机会窗口。
R15AI Will Supercharge Modelbusters / Is This AI's Hardware Moment? / Big Ideas 2026认知 ▾
a16z · 2025–2026 · a16z.com ↗认知: 平台迁移永远低估 TAM(×5–10);AI 把资本变劳动力、攻 $6T 服务;物理 AI 胜在数据+迭代速度(中国供应链优势)。
R16Generative AI's Act Two / AI's $600B Question认知 ▾
Sequoia · 2023–2024 · Act Two ↗认知: 从技术驱动到 customer-back;DAU/MAU 仅 14%,留存是生死线;GPU 商品化,价值在应用层($600B 缺口)。
R17Services: The New Software / The Agent Economy / Goldilocks Agents认知 ▾
Sequoia · 2025–2026 · Services ↗认知: 卖工作成果(吃 6× 工作预算)、模型越强越受益;AI 比云大 10×(身份/协议/信任三支柱);Agent 甜蜜点=可验证可回滚。
R18YC Requests for Startups / Lightcone (Vertical AI · Global from India)认知 ▾
Y Combinator · 2026 · RFS ↗认知: 卖服务/成果而非工具;垂直 Agent 取代职能(10× SaaS、3000 亿公司);为 Agent 重写软件;第二梯队有优势(Emergent 8 个月 700 万 App)。
R19Garry Tan: Why the Next Unicorns Are Built by AI认知 ▾
Garry Tan(YC) · 2025-05 · 原文 ↗认知: <10 人一年 $8–10M ARR、三批均 10% 周增长;瓶颈从"能不能做"转向"懂不懂客户"。
R20Do Things that Don't Scale / Startup = Growth / Founder Mode认知 ▾
Paul Graham · essays · ds.html ↗认知: 早期手动获客、刻意做小市场点火;增长是唯一本质(周增 5–7%);创始人须越级直连一线。
Appendix · References (2/3)

参考资料 · 报告 · 定价 · 留存 · 出海基建

ICONIQ / RevenueCat / Bessemer / Menlo / Sensor Tower 等权威报告,及定价、留存、支付合规来源。
R21ICONIQ State of AI(执行时代 5 大要点)认知 ▾
SaaStr/ICONIQ · 2026-01 · 原文 ↗认知: AI 原生毛利 52%(应用层 45%)、推理占 23%;结果导向定价一年从 2% 涨到 18%。
R22独家数据:AI 创业公司毛利的真实样子(ICONIQ)认知 ▾
Upstarts Media · 2026-01 · 原文 ↗认知: AI 毛利 41%→45%→52%、应用层 33%→45%;价值链位置决定毛利天花板。
R23OpenAI 70% compute margin 背后的真实数学(跑步机效应)认知 ▾
SaaStr · 2026 · 原文 ↗认知: 单价降但 agentic 每任务 token 增 10–100×;产品越自主越要把成本控制写进架构。
R24The State of AI Pricing 2025(Kyle Poyar)认知 ▾
Schematic · 2025 · 原文 ↗认知: 前 5% 用户吃 75% 成本却只贡献 5% 收入;建成本护栏,结果定价只在胜率显著高时成立。
R25What's Changing with AI Monetization认知 ▾
Growth Unhinged(Kyle Poyar) · 2025-01 · 原文 ↗认知: 54% AI 产品超越座位制;"FTE 等价"定价=人力成本 20–35%。
R26State of Subscription Apps 2025/2026认知 ▾
RevenueCat · 原文 ↗认知: AI 应用收入高 41% 但流失快 30%、12 月留存 6.1% vs 9.5%;低价年付留存 36% vs 高价月付 6.7%;35% 混合变现。
R27RevenueCat 悖论拆解(AI 应用专项)认知 ▾
RocketShip HQ · 2026-03 · 原文 ↗认知: AI/工具试用转化 55–71% 却月流失 16%、生命周期 5.8 月;算 90 天累计 LTV。
R28SaaS 免费试用 / Freemium 转化基准认知 ▾
First Page Sage · 2022–2025 · 原文 ↗认知: Opt-out 试用→付费 49–51% vs opt-in 18% vs freemium 2.6%;硬墙 12.1% vs freemium 2.2%。
R29The State of AI 2025认知 ▾
Bessemer · 2025 · bvp.com ↗认知: AI 公司有 Supernova(爆发)与 Shooting Star(可持续);分清增长热度与增长质量。
R30State of Consumer AI / GenAI in the Enterprise认知 ▾
Menlo Ventures · 2025 · menlovc.com ↗认知: 消费 AI 是身份/创作/陪伴/效率的重组;企业软件常先以个人工具进入(Prosumer 先行)。
R31State of AI Apps Report 2025认知 ▾
Sensor Tower · 2025 · sensortower.com ↗认知: 消费品化拐点——移动应用支出首超游戏,生成式 AI 驱动;创作者工具靠"作品即广告"。
R32Merchant of Record(MoR)& 税务覆盖国家清单认知 ▾
Paddle · 2024–2026 · 原文 ↗认知: MoR 把"每国注册+代缴 VAT"(>2 年、$2M/市场)压成一次集成;支持 200+ 国;支付不再是护城河。
R33Stripe Managed Payments / Stripe Sessions 2025认知 ▾
Stripe · 2025 · 原文 ↗认知: Stripe 下场做 MoR(80+ 国税务);AI 反哺反欺诈、稳定币成跨境通道;支付门槛以"年"为单位被抹平。
R34Localized SaaS Pricing / SaaS Localization认知 ▾
Phoenix Strategy / Paddle · 原文 ↗认知: 货币化+1%≈营收+16%;本地支付让结账转化+51%;40% 用户不在非母语网站购买。
R35Born-Global Firms / 中国 SaaS 出海与出海 2.0认知 ▾
TIM Review / MADJOR / TMTPost · Born-Global ↗认知: AI 产品应从第一天为全球而生;中国团队短板是 PMF/价值主张翻译;出海 2.0=本地化+新兴市场。
Appendix · References (3/3)

参考资料 · 播客 · 增长 · 组织 · 渠道

Lenny's / No Priors / 20VC / First Round 等播客与增长方法论,及 GEO/留存/组织来源。完整研究过程见 Downloads 与 Desktop 的研究文档。
R36Inside the Rise of Gamma(50 人 $100M ARR)认知 ▾
Lenny's Podcast · 2025 · 原文 ↗认知: "前 30 秒惊艳 + 产出可分享"是跨语言增长引擎;小团队 + 微影响者矩阵。
R37A Framework for Finding PMF(Todd Jackson)认知 ▾
Lenny's Podcast · 2024-04 · 原文 ↗认知: PMF 四级阶梯;出海到新市场常是"回到 Level 1/2",重新找 3–5 个本地标杆。
R38如何确定激活指标 / 产品驱动型营销(PLG)认知 ▾
Lenny's Newsletter / Kyle Poyar · 原文 ↗认知: 激活指标须对留存"因果"非"相关";头部 PLG 获客 = SEO 40% + 病毒 16%。
R39The New AI Growth Playbook(Elena Verna)/ Lovable / Anthropic Growth认知 ▾
Lenny's Podcast / Newsletter · lennysnewsletter.com ↗认知: PMF 需持续重找;激活与大赌注 > 微小转化优化;创始人/团队 IP 是增长引擎。
R40No Priors: The Best of 2025认知 ▾
No Priors(Sarah Guo & Elad Gil) · 2025-10 · 原文 ↗认知: 选品找被低估的垂直/坟墓市场(Harvey/Glean);留存锚定"对用户生活的真实改善"。
R4120VC: Hard Truths on AI Investing认知 ▾
20VC / SaaStr · 2025-04 · 原文 ↗认知: "5 周即失 PMF";扩张当作"持续重验 PMF"的循环,保留快速调头能力。
R42The Founder-Led Growth Playbook认知 ▾
First Round Review · 2025-04 · 原文 ↗认知: 创始人亲自找那 10% 的杠杆;改一句文案 Popsa 安装转化 ×4。
R43Shopify: AI as a Basic Expectation(Tobi Lütke memo)+ Cultural Adoption认知 ▾
First Round / Digital Commerce 360 · 2025 · 原文 ↗认知: "反射式用 AI 是基线期待";增员前先证伪 AI 方案;默认值反转 + 成本观反转 + 写进绩效。
R44$500K ARR Per Employee / The One-Person Billion-Dollar Company认知 ▾
SaaStr / Every · 2026 · 原文 ↗认知: 人均 ARR 是衡量"是否真 AI-native"的尺子(Cursor 330 万/人 vs SaaS 45 万);一人独角兽门槛 $1 亿 ARR。
R45The Great Rebuild: AI-Native Tech Organization认知 ▾
Deloitte Tech Trends 2026 · 2025-12 · 原文 ↗认知: 公司被重写为"人类编排 + agent 舰队",层级压平、岗位上移融合。
R46Gen AI Stats 2026 / AI Referral Traffic / AEO Playbook认知 ▾
Similarweb / Digiday / Profound · 2025–2026 · Similarweb ↗认知: AI 流量占 ~1% 但转化碾压(ChatGPT 7.1%);"被引用"是新搜索排名;瞄准高被引小众媒体。
R47Founder/Team-Led Content as Growth Engine 2026认知 ▾
The Tech Founders · 2026-01 · 原文 ↗认知: 员工帖表现是品牌帖 5–10×;从个人品牌升级为全员公开分享文化。
R48Beyond the Chat: Agentic Interfaces Inside Your Product认知 ▾
The Interactive Studio · 原文 ↗认知: AI-native 界面=把 agent 嵌入产品、消除上下文切换,用"对话+直接操作"混合界面。
R49PLG Playbook / Product-Market Fit Method认知 ▾
OpenView / First Round · firstround.com ↗认知: PLG 是漏斗数学(靠 SEO+病毒做大进口);KPI 改挂"激活注册数"而非原始流量。
← → 翻页 · N 详解 · F 全屏 · URL #/route 可定位