新加坡AI创业

本期对话@Charlie | OpenMax OpenMax联合创始人。杭州浙商家庭出身，从小跟着父亲参加广交会做外贸。北外本科，荷兰读行为金融学硕士，在美国迪士尼工作过两年，在荷兰第一次创业做工业设计ToB服务。在用AI给自己公司降成本的过程中发现——代码审计AI比人快20倍、效果差不多。于是转做OpenMax，面向中小企业的多Agent协作平台。半年做到400+付费企业客户。 最让我意外的不是产品本身，是他对用户画像的洞察——65%的付费用户是30到45岁的职业女性。原因不是行业不是认知，是一个词：ego。 1. 代码审计比人快20倍，效果差不多 Charlie做AI不是因为看到了风口，是因为自己烧不起钱了。 此前他和合伙人的公司最多有60个全职研发，每个月烧钱很多。开始用ChatGPT、Cursor、Claude这些工具，确实省了不少成本。 但真正的pivotal moment是有一天让AI做代码审计，和让一个员工做同样的事对比——效率差了20倍，效果差不多。 "那一刻我和合伙人说，我们不能再给企业提供卖人的服务了。你的下一个同事可能就是AI了。" 他说AI不是一个回答问题的工具和玩具，是真正给企业带来生产力的workforce。这个认知之后，他们把定位从"帮企业更好地用AI招人"改成了"帮企业用multi-agent workforce"。 2. 超级Agent是错误的架构 Charlie有一个很鲜明的非共识判断：一个超级Agent干所有事，是错误的架构。 很多人跟他抬杠说"我一个Agent就能打你十个"。他说技术上确实可以，但不应该这么做。 原因是管理学和数据治理。 "企业为什么叫企业？是不同的人基于不同的分工组织在一起的。做技术的、做财务的、做法务的，信息权限是不一样的。销售部的人是没有资格知道每个员工发多少工资的。法务的敏感合同不能让其他部门看到。" 一个Agent拥有所有权限，就像一个员工能看到公司所有数据——这在任何正常的公司治理里都是不允许的。 多Agent的好处是分工+权限隔离+互相验证。一个Agent产出的内容另一个Agent可以check，减少幻觉。不是单个Agent实现不了，是从governance角度不应该。 "那些所谓的零人公司、一个超级Agent把什么都干了——我觉得是错误的架构。" 3. 杜蕾斯中国总部用了几十个Agent Charlie提到他们最大的一个客户——杜蕾斯中国总部，用了几十个Agent，横跨供应链、财务、法务、HR、内容、营销所有部门。 有意思的是一个管理层面的现象：一把手其实不知道底下每个Agent的消耗和产出。 "一定程度上，不知道底下的Agent在干什么，也间接说明不知道AI的ROI是什么。" 所以Charlie 的团队做了一个组织级别的控制面板OpenMax WorkSpace——可以看到每个Agent每天消耗多少算力、有效产出是什么、谁在管这个Agent。如果某个Agent一天没有消耗任何算力，但对应的那个员工也在上班没请假——"那这就不合理了。" 这个逻辑和传统的人力管理一模一样。老板要结果，不钻细节。Agent产出最终版本，人像老板一样给反馈。反馈必须人给——如果反馈也是AI给的，"这就失控了"。 4. 65%的用户是职业女性 这是这期最让我意外的数据。 Openmax的付费用户里，65%是30到45岁的职业女性——女老板或女高管。她们的共同特征：没有技术背景，身上背着大量KPI和OKR，需要落地很多事情，很焦虑。 "知道AI有用，但自己没空也没有那个ego去自己捣鼓。" 而男性用户有一个核心变量：技术ego。 "有的男的ego比较大，他说你这东西我也能做，我自己捣鼓捣鼓开源的也能弄。但凡有这个想法的人，他就不会用。" Charlie说从统计学来看，有技术ego的女性比较少，所以大比例女性在用。而有技术ego的男性比较多——"自以为自己能捣鼓明白，但其实又捣鼓不明白，一定要撞南墙。" 这个洞察非常有意思——AI产品的adoption barrier不是价格不是认知不是行业，是ego。 5. 人是AI的眼睛和耳朵 Charlie的团队30个人，日常跑60多个Agent。他们有一个极端的原则： "人是为AI在探索真实世界去服务的。我就是我的AI的眼睛和耳朵。如果我跟谁的一个重要对话没有被记录，AI归不到这个信息，那这段对话在我们整个工作流里就没有价值。" 具体怎么做？他跟同事协作的时候，经常不是at同事本人，而是at同事的Agent。 "我跟他的Agent说，新客户来了，什么情况什么需求。Agent做整理——整理的过程就是喂数据。然后我说你把这个客户信息填入CRM，建一个表单，提醒我下周一follow up。" 从客户接触、名片、调研、需求挖掘、电话会议、跟进、方案、反馈——全流程都是AI做信息流管理。人做的是感知（见客户、参加会议、打电话）和决策（这个客户值不值得跟、这个反馈是真需求还是噪音）。 "有的客户的话，我会反过来跟AI分析——他说的是噪音还是真的有价值？他是因为不懂在胡扯，还是真的有这个痛点？" 6. 从卖数字员工到做Workspace OpenMax经历了一个产品演变。最早叫CocoAI，卖的是单个"数字员工"——一个Agent解决一个具体问题。 后来发现不够。 "单个垂类Agent解决具体问题，这个很多人在做了。但真正上升到企业级AI转型，单个几个Agent是不够的。" 他举了一个例子：公司里每个人各自用自己的AI工具——有人用ChatGPT，有人用Cursor，有人用Claude。各自为战，信息孤岛。没有一个系统把这些Agent串起来、让它们协作、让管理层看到全局。 所以OpenMax做了一个workspace——多个Agent可以实时对话、共享上下文、分工协作。人提需求、分配任务、给反馈。Agent执行、互相验证、产出结果。 "我们叫它AI native workspace。现在的Slack和飞书都是为人设计的。未来可能有100亿个Agent成为平台用户——越来越多新平台会出现。" 7. Cursor养出了自己最大的竞品 录完之后我跟Charlie聊到微软CEO Satya Nadella写的一篇文章——Reverse Information Paradox。 原来的信息悖论是：如果我要买你的知识，你必须先告诉我，但你告诉我后我就不用买了。AI时代完全反过来——企业使用AI的过程中，把自己的knowhow送给了AI公司。 Charlie给了一个极其具体的例子：Cursor。 "Cursor是Claude的最大客户。几百万程序员在用Cursor写代码、给反馈、训练工作流。Anthropic看到了——原来coding agent这个事有PMF——于是做了Claude Code，直接竞争Cursor。" "等于Cursor给Anthropic付着钱，养出了自己最大的竞品。" 他说这个问题会越来越严重。大模型公司在蒸馏各种各样的业务——Claude Design、Claude Finance——每一个领域的应用层公司都面临同样的风险。 解法是什么？他认为最终会有更多企业选择本地部署和开源模型。"中小企业无所谓，大企业和政府必须本地部署。闭源和开源谁胜谁负，现在没有结论。" 8. AI时代最后比的不是idea，是交付 最后聊到竞争。做AI Agent平台的公司越来越多。Charlie说差异化不在idea——AI时代idea的成本趋近于零。 "代码谁都能写。有人手搓代码，到帮企业真正落地、解决问题、完成交付——这中间有很大的gap。" gap在哪？他服务的大部分客户没有AI工程师，只有IT和软件工程师。他们不懂怎么用AI，也用不好。 "这是我们close the gap的核心价值。有人说大模型公司出来之后就不需要什么产品了——远不是这样。" 他的定价也很直接：对比一个真人员工的月成本。订阅制，成本计价。目前没有做按结果付费——"我们是通用型的，各行各业各个场景，很难对每个客户都承诺五倍十倍的收益。"

「翡翠山智库」7月大课重磅发布🔥🔥 📚 可识别的专业 《AI时代的财富IP商业方法论》 🎓 给新加坡高净值行业人士的必修课 ━━━━━━━━━━━━ 🇭🇰 香港财富IP产业化模式首次拆解 🔥 过亿播放操盘团队创始人亲授 📈 3000人团队的业务增长密码 ━━━━━━━━━━━━ 我们拆解成功IP，更拆解制造成功IP的流程 高净值行业唯一：新媒体IP智能体 × 工作流 ━━━━━━━━━━━━ 👩‍🏫 讲师｜王禹亭博士 Dr. Yvaine NEO COSMO创始人 高净值行业个人品牌与内容增长顾问 百位顶流财富IP的幕后操盘手 ● 暨南大学、柏林自由大学博士、博后 ● 香港高商EMBA新媒体营销教授 ● 曾任奢侈品公司首席营销官 ● 10年品牌IP、内容营销及高客单用户运营经验 ━━━━━━━━━━━━ 📅 时间：7月29日 10am-5pm 全天一日课 📍 地点：1 Pickering St, 048659 💰 原价 SGD 199 / 人 🎁 SmallWOD会员免费（防鸽费 SGD 99，到场参课后退还）

YC 今年把 AI Native Service 列为优先方向——不卖软件给律师和会计，直接用 AI 把活干完，卖成品。过去 15 年只投了十几家服务公司的 YC，最近一个 batch 一口气投了 9 家。红杉也跟进了同样的判断：Services are the new Software。 AI for Beautiful Business 是一个围绕"AI 出海"展开的系列对话。第一期，我们请了两位正在做 AI Native Service 的创始人，聊他们的一线实践： 郭一辰｜Capgo AI 创始人&CEO，UC Berkeley + Harvard MBA，从华尔街转型 AI 营销 从卖产品转向卖服务，用 AI 做营销（SEO+GEO），服务了大量 AI 出海公司。这次会拆 GEO 产业链——市面上 GEO 公司满天飞，哪些是真方法，哪些是换了名字的旧东西。 毛华｜ccMonet 创始人&CEO，前腾讯应用宝创始人，经历互联网/移动/AI 三个时代的连续创业者 选了一个最不该用 AI 的场景——对精确度要求极高的财务，在新加坡服务了 300+ 中小餐厅。会聊怎么把传统事务所不想要的客户做成主战场，以及人和 AI 现在到底怎么分工。 我们还会一起讨论： AI 时代服务的定价逻辑变了吗？ 多接一个客户还需要加人吗？ 五年后，这些公司更像麦肯锡，还是 SaaS，还是一个还没有名字的新物种？ 线上，小规模，欢迎对 AI 出海和 AI Native Service 感兴趣的创始人和增长负责人。 戳coffee chat或者luma报名：https://luma.com/79fupgyx

希望多交流

向大家强烈推荐@张晓庆 老师的新书，我有幸在出版前作为最早的读者看完, 这也许是最适合当下SmallWOD Builders 的一本书。 和晓庆的缘分很神奇：他博士时期在我前司做项目，我到了Meta作为HR把他挖去做Data Scientist成为同事，几年后我们先后辞职。我去加拿大读书时，晓庆在学习Coaching和佛学，又成为我的Life Coach，帮我形成了一些至今受益的习惯。 2024年我发过一个小红书帖子”放低恐惧、开启多段式人生”，讨论我们正在从学习—工作—退休的三段式人生，迈向学习贯穿始终但事业走走停停且形式多样的多段式人生，how do we navigate this multi-stage life without fear. 这本书在两年后给了我精彩且系统的答案。推荐给所有在AI时代既恐惧又悸动的创造者。希望我们都成为 AI 时代的主权个体。 7月22日下周三下午， 88 South Bridge Road 晓庆老师新书签售，欢迎大家！

Monday, July 6 Does AI Have Emotions? Functional Emotion Representations Inside LLMs 🕒 15:00 - 17:00 📍 Lorong AI @ One-North 🔗 RSVP Here Tuesday, July 7 Can AI Help Your Dev Workflows? 🕒 15:00 - 17:00 📍 Lorong AI @ 22 Cross Street 🔗 RSVP Here AI For Normies - Copilot 🕒 18:30 - 20:30 📍 TRAINOCATE (S) Pte Ltd 🔗 RSVP Here Wednesday, July 8 Agentic AI for Procurement Roadshow 🕒 17:30 - 20:30 📍 Resorts World Convention Centre 🔗 RSVP Here AI Governance for SMEs: Practical Solutions 🕒 18:30 - 20:30 📍 One Raffles Place Tower 1 🔗 RSVP Here Thursday, July 9 Hermes AI Agent Night 🕒 18:00 - 21:00 📍 Amazon Web Services Singapore Pte Ltd 🔗 RSVP Here Friday, July 10 Claude Certified Architect: What to Expect & How to Pass 🕒 16:30 - 18:30 🔗 RSVP Here Sunday, July 12 World's Largest Hermes Buildathon I Singapore 🕒 10:00 - 18:00 🔗 RSVP Here Check more information on https://www.blockevent.org

AGI Playground 2026 is the annual AI founder gathering of Founder Park, the founder community powered by GeekPark. It has been held in Beijing for the past three years, each year bringing together 1,000+ AI founders, builders, investors, and ecosystem partners. 2026 will be its first edition outside China. This year, AGI Playground will bring a curated group of high-potential Chinese AI founders building for global markets to Singapore, and connect them with global venture funds, builders, operators, and ecosystem partners from Singapore, Silicon Valley, and beyond. The founder teams will cover areas such as AI infrastructure, agentic AI, consumer AI, robotics, and AI hardware.

AI 能做 Demo ≠ 能赚钱，主题只有一个：AI 商业化，怎么破局？该活动面向：AI 创业者 / 出海负责人 / 投资人 📍 6月30日 · 新加坡 Catapult 🔗 议程&报名见 -> https://luma.com/2xt02mdz 有时间欢迎来参加

本期对话@⁠Ling⁠ 杨凌，ShipLinker创始人兼CEO。20年科技和供应链经验，最早在中国国际电子商务中心（阿里巴巴起源的地方）做电商和供应链SaaS，后来创业做IoT为世界500强做数字化转型。2019年来新加坡做Marine Online——一站式海运B2B电商平台，两年做到20亿美金营收，覆盖141个国家。后来战略性关停。现在做ShipLinker——海运AI Broker。 这期把海运行业从头到尾拆了一遍。很多人不了解海运，但全球90%的贸易是通过海运完成的，每年14万亿美金。2026年了，80%以上的海运交易还在靠打电话、发邮件、凭经验撮合。 1. 海运里的四个角色 海运交易链条里有四个核心角色。 第一个是货主和租家——手上有矿石、煤炭、粮食、石油，核心需求是把货按时、安全、以合理的成本运到目的地。 第二个是船东——拥有船舶和运力，要尽可能提高船的利用率，减少空载和空驶。 第三个是租船经纪人——在货主和船东之间游走。有的船东接了一票货自己运力不够，又不能以自己的身份去租竞争对手的船，就委托经纪人去操作。经纪人帮两边匹配需求、沟通条款、谈判价格、控制风险，一直到签订租约。 第四个是围绕整个生态的服务商——物料供应、船舶供油、港口代理、保险、金融、法律。 这四个角色相互依存，形成了一个相对封闭的圈子。杨凌说这个行业"跑熟不跑生"——一个跑干散货的经纪人可能一辈子就跑几条熟悉的航线和几个特定吨位的船。 2. 一个经纪人的一天 一个标准的租船经纪人每天早上起来，第一件事是查看各种邮件——船东和货主在全球不同时区，昨晚又来了哪些货盘信息、哪些询盘。 然后他要判断：手上有没有资源能匹配？如果没有，就去找自己圈子里的其他经纪人——你有没有这个货，或者你有没有这条船？ 匹配到了之后，要确认船的位置在哪、什么时候open、能不能接这票货。确认完了还要回去跟货主确认条件。双方都满意了，才进入谈价格、谈合同条款。 完成一票货，至少要一周到两周。前3到7天花在找合适的船上，后面是谈判和签租约。 佣金 3.75% - 5%，其中2.5% - 3.75% 租家付，有的时候船东方要付 1.25% 的 address commission 。一次航程几十万到几百万美金， 3.75% 是一笔不小的服务费。 3. 海运不能用满帮的逻辑来套 我之前和一个投过满帮（运满满）的朋友一起见杨凌，聊完最大的收获就是看清了这一点：海运和公路货运在结构上完全不同。 公路货运是高频、标准化、客单小——一对夫妻就能跑，老公开车老婆陪着，满帮做信息撮合就能跑起来。 海运完全不同。五个根本区别：跨国跨法律跨时区，单笔金额从几十万到上千万美金，交易极度非标（船型200多种、不同货种、不同港口规则），航行风险高（天气、战争、港口拥堵），关系和信用极度重要（KYC流程严格）。 所以海运的痛点不是"找不到对方"，而是"找到了之后算不过来"。信息太多、变量太复杂、人的带宽不够用。 4. Data不能fix deal，Agent能 海运领域已经有不少卖数据的公司——MarineTraffic、Kpler这些，融了几亿美金，把全球的船舶数据、航线数据、港口数据整理好打包卖。 杨凌的判断很直接：他们只解决了"看见市场"的问题。 "客户很关心数据，但他关心数据的背后是希望数据帮他做决策。他想知道的是：哪条船最适合我，成本最低、风险最小、船东靠谱，我应该联系谁。你不需要让他天天看几百条报告，再自己做判断。" 所以ShipLinker不叫自己数据平台，叫AI Broker。从信息到决策，中间那段路，Agent帮你走了。 5. AI Agent的五步流程 一个货主告诉ShipLinker：我有一票货，多少吨，从哪个港到哪个港，装卸时间是什么。 第一步，理解需求——把自然语言变成结构化数据。 第二步，扫描市场——每次匹配大概200多万个数据点，结合船舶位置、open date、历史航线、港口记录、船型、船速。 第三步，裁判系统——不是离得近就最好。综合考虑空载期、到港时间、港口兼容性、历史行为，计算匹配程度。 第四步，scoring推荐——算出最优分数，推荐给对手方，解释为什么这个最合适。 第五步，自动化文档——生成询盘报价、合同租约、on-sub文件、recap文件，并记录全过程的audit trail，减少后续争议。 "我们AI Agent不是个简单的搜索工具，更像一个24小时在线的智能租船助理。" 6. 20亿美金的公司为什么关停了 Marine Online做到了覆盖141个国家、6000+ B2B客户、两年20亿美金营收。为什么关停？ 杨凌说得很坦诚：模式太重了。 Marine Online是一站式平台，围绕船东提供所有服务——租船找货、船舶供应、供油、港口服务、船舶买卖、船员、保险。八条业务线，每个业务有独立的BU运营。运营链条长，服务标准化很难，每个国家每个港口规则都不一样。 更关键的是供应链融资——全球船东的生意极度依赖账期和credit line。垂直的八条业务线加上横向的融资平台，公司变成了一个运营资本极重、金融驱动、服务履约驱动的业务。 "这跟我们一开始的初衷背离了。我们始终想做轻资产、高效率的科技公司，但后来变成了一个非常非常重的运营公司。所以从战略上就关停了。" 这段经历给了ShipLinker最清晰的定位：科技驱动、AI驱动、数据驱动，不做电商，不做运营，不碰金融。 7. 在Marine Online想干掉中间人，失败了 杨凌说了一个很重要的教训。 "我们在Marine Online始终想把中间人干掉，想完成船东和货主的直连。但后来发现不行。" 海运行业最底层的交易，最早就是在伦敦一个小酒馆里谈成的。关系不能被替代。 所以ShipLinker不和经纪人为敌，选择和他们共舞。帮经纪人更快找船——传统经纪人3到5天找船，用了ShipLinker可能1分钟。传统经纪人只能服务3到4家客户，用了AI Agent可以服务更多。 "经纪人的反应比我们预期积极得多。他们自己也很痛苦——每天大量的邮件、电话、筛选、跟进。这些重复劳动完全可以交给AI。" 从上线到现在，用户基本没有退订。 8. 中东局势升级：稳定时提效率，不稳定时增强生存能力 中东局势升级之后，传统的线下经纪网络变得不稳定。很多客户主动找到ShipLinker——平台现在30%的用户是organic registration。 他们需要的不再是关系，而是市场实时信息和快速判断。"你有关系但没有实时信息和快速判断，还是不能帮我完成租约。" 杨凌说这件事给了他最大的启示：AI Agent的价值在稳定时是提高效率，在不稳定时是增强生存能力。 9. 骆驼拉骆驼 ShipLinker的获客靠"骆驼拉骆驼"——杨凌是新疆人，这是西北人的说法。 一个可靠的人会带来另一个可靠的人，一个真实的货盘会带来一个真实的船东，一个活跃的经纪人会带来更多的交易。 海运交易本身就是网络——货主不能跟货主玩，一定需要船东和经纪人。一个客户在ShipLinker上发布货盘或寻找船盘的时候，自然会把对手方带进来。 "这个网络不是社交网络那种人越多越好。我们交易网络要的是匹配越准越好，参与方留下来。" 网络是慢慢长出来的。但一旦形成，粘性极强。 10. 希腊：不能对抗传统关系，要嵌入传统工作流 ShipLinker的下一站是希腊——全球最大的船东聚集地。希腊船东出了名的传统和保守，普通的账期30到45天，希腊船东要90天。 杨凌的策略很清楚：不用纯互联网方法，不教育希腊船东什么是AI。 第一，通过已有的行业关系和经纪人网络切入。第二，展示wow factor——你给我一票货盘，我1分钟给你匹配出船盘，对所有船东来说都会惊叹。第三，从小场景切入——某一类特殊船型、某几条航线、某几个broker network。 "海运数字化不能对抗传统关系，这个我们在Marine Online上面已经吃了挺大的亏。我们要嵌入到传统工作流中。AI帮你在原有的关系网络上找到更多机会、谈更多单子、成本更低——你happy，大家都happy。"