这周AI 云平台 Modal 宣布将在 Sandboxes 产品中支持 NVIDIA 的 Vera CPU。这个消息看起来是个硬件新闻，但背后更是 Agent workload 和传统模型调用之间一个蛮关键的差别：模型负责思考，Agent 还要执行代码、调用工具、检索文件、安装依赖，并在隔离环境中验证结果。这些动作并不全发生在 GPU 上，很多实际工作由 CPU 完成，尤其在实际业务流程中z Modal 的测试也说明了这一点。在低负载、单任务环境里，Vera 相比其他 CPU 并非始终有明显优势；但当数百个不同任务同时运行时，它的吞吐量最高达到同类 x86 服务器的两倍，而且没有明显牺牲单个任务的 latency。Modal 给出的解释是，Agent workload 很不稳定：一个任务可能大部分时间都在等待模型，随后突然执行 npm install、编译代码或搜索大量文件。真正影响效率的，是 CPU 在高并发和资源争抢下能不能扛住。 NVIDIA 对 Vera 的定位也很直接：它不是用来替代 GPU 训练模型，而是处理 Agent 推理循环之外的 code execution、tool use、sandbox、数据处理和 orchestration。换句话说，当 AI 从“生成答案”变成“完成任务”，基础设施的计算单元也随之改变。 那随之可以推理的是，Agent 产品的 COGS 不能只看 token 和模型价格。 一个模型即使单次调用更便宜，如果工具执行慢、Sandbox 等待时间长，或者失败后不断重试，完成一个 outcome 的总成本仍然可能很高。对用户来说，这也直接影响体验：一个需要等待五分钟的 Agent，和一个几十秒内完成任务的 Agent，实际上是两个不同的产品。 对做 B2B AI 的创始人，需要先思考几件事：是否已经按完整任务追踪模型、CPU、工具调用和重试成本；客户支付的是一次模型调用，还是一个真正完成的工作；底层基础设施是否支持在不同模型、芯片和云平台之间切换。早期用单一供应商换取速度没问题，但如果业务开始规模化，基础设施选择最终会进入毛利率和交付能力。 所以真正值得重新计算的，不只是每百万 tokens 的价格，而是一个 AI Agent 从开始思考到真正把事情做完，究竟消耗了多少资源。
有个现象挺有意思：很多 AI 产品增长很快，但毛利是在往下走的。越是活跃的重度用户，成本越高，所以"最爱你的用户"和"最赚钱的用户"可能并不是同一批人。 目前大家的思路大题是两个方向：一是给用量设上限或阶梯价，二是让产品"越用越便宜"，比如缓存、小模型分流、沉淀自有数据。第一条需要勇气，第二条需要时间~ 团队往往是被迫在两者间做选择。 抛给大家： 你会对最爱用产品的客户提出用量限制吗？还是担心这会把他们推向对手呢
很长一段时间，企业软件都是用“Seats×单价”计算收入的。但如果一个 AI Agent 能完成原本需要多个人处理的任务，客户使用的软件账号可能减少，交付的工作量却增加了。对软件创业者而言，这个问题就变成：你的收费单位，还能反映产品创造的价值吗？ Intercom 的 AI 客服产品 Fin 提供了一个蛮有意思的案例。今年 9 月更新的官方说明是，Fin 按 outcome（结果）计费，每个结果 0.99 美元。但“结果”并不只指完整解决客户问题，也包括执行预先配置的流程后，将任务交接给人工或其他工作流。 这个细节是：按结果收费，首先要解决的，是双方如何认定结果。 一次交接可能已完成有价值的信息收集，也可能只是把问题推给人工。客户离开对话，可能代表满意，也可能代表放弃。Fin 的规则中就包含“推定解决”，并规定客户回到同一对话继续求助时，撤销此前的解决计费。计费规则本身，已经成为产品信任的一部分。 不过，这并不意味着所有 B2B 产品都应该改为按结果收费。Salesforce 的 Agentforce 提供按动作、按对话及按用户等购买方式，说明即使在同一产品体系内，不同场景也需要不同的计费单位。 那随之可以推理的是收费越接近业务结果，供应商就越需要承担交付和验证责任。客服工单是否解决，相对容易追踪；销售收入是否由某个 Agent 带来，则受到线索质量、销售跟进和成交周期等因素影响。结果难以归因时，强行承诺“按效果付费”，反而可能拉长采购谈判。 对做 B2B的创始人，需要先思考几件事：找出客户愿意付钱的最小工作单元；在PoC阶段确定成功、失败和返工的判定规则；把模型调用（微调）、重试及人工兜底全部计入单次交付成本。 所以真正值得重做 或重点思考的，不只是“古早”的定价策略，而是产品的交付边界。
马来西亚正在把AI普及变成一场由政府主导的产品分发实验。 马来西亚政府自9月1日起向18至30岁的年轻人开放“AI for Rakyat”项目。完成指定学习模块后，10万名参与者可获得三个月免费订阅，涵盖马来西亚本土产品ILMUChat、Google的Gemini Enterprise，以及来自中国的WonderClip和MuleRun。 这项计划的商业意义，不只在于免费用户的数量。 对于试图进入东南亚的AI公司而言，政府支持的培训和普及项目正在成为一种新的市场渠道。相比单纯依靠广告投放，这类项目可以同时提供政策背书、用户教育和本地曝光，并帮助海外产品降低进入新市场时的信任成本。 马来西亚选择同时引入本地、美国和中国产品，也反映出他们在AI技术路线上的现实主义态度：不预先绑定单一国家或供应商，而是让不同来源的产品在实际使用中竞争。 这个动作也为中国AI公司提供了一个积极信号。它们进入东南亚，并不一定需要先赢下大型企业客户。政府培训计划、高校、行业协会和开发者社区，都可能成为建立早期认知和用户基础的入口。 不过，10万名免费用户与可持续收入之间，仍然存在明显距离。 三个月免费订阅可以快速提升注册量，却不能自动证明用户愿意长期使用，更不能说明企业客户会为此付费。真正需要观察的，是参与者完成培训后的激活率、使用频率、留存率，以及免费期结束后的转化情况。 对中国公司而言，获得政府项目席位只是进入市场的开始，有一定时代助推的作用。但能否把一次性曝光转化为长期业务，取决于后续产品是否可以建立完整的本地化路径。 首先，产品需要的不只是马来语界面，还包括符合当地工作习惯的模板、培训内容和客户支持。其次，公司需要与高校、培训机构及行业协会建立合作，把个人用户进一步连接至SME和企业场景。最后，免费项目结束后，应提供清晰的企业版本，并通过本地案例证明产品能够改善销售、营销、客户服务或内部运营效率。 政府项目可以帮助一家海外AI公司打开市场，却不能替代产品与市场的真正匹配。 但马来西亚这次计划传递出的强信号是，中国AI应用仍有机会进入由政府推动的主流生态，与美国和本地产品直接竞争。需要警惕的炒作同样明确：用户触达并不等于用户留存，免费订阅也不等于企业采购。 对希望进入东南亚的AI公司而言，关键问题不是能否拿到一张政府合作的入场券，而是入场之后，能否把政策背书转化为本地客户、真实工作流和持续收入。 是否可以抓住这张牌，即使同一赛道的不同玩家应该也有不同的打法，我们拭目以待。
飞书&火山合并，两大商业团队合二为一，重点服务大客户。不赛马，不分兵作战，统一ToB出口。 有飞书/火山的客户吗？期待大家的讨论
SmallWOD联合Founderpark在8.3-8.4将会举办以“AI在东南亚的落地”为主题的大型活动，期待与大家见面 折扣码：SMALLWODVIP 可享6.6折优惠
最近沟通的一些中/大型企业也越来越多采用ABM模式，而不是早期按营销漏斗的模式做Marketing&Growth。 作为MKT最直观的感受是这样做ROI更高，基于Account做聚焦，比传统的MQL->SQL-> Deal 更可控（减少资源消耗，传统大展会拿Leads很多都是在浪费时间）也可以逐渐渗透到客户组织的各个决策节点，提升赢单率。 时代背景下 更核心的应该是AI直接拉低了Martech成本。比如现在的AI 可以在几秒钟内，针对不同行业、不同目标公司，自动生成极其个性化的邮件、案例展示和营销方案，极大地降低了 ABM 的门槛这些提效因素。 期待和大家一起讨论ToB获客案例和Insights 👐
分享一下这么多年办活动做b2b销售的一些小感受 1. 线上做品牌 线下做转化。预算低就做thought leadership以及和重点账号做engagement，预算高就搭配软文和媒体。线上别人看到过你品牌，线下拉活动或者活动现场销售 感兴趣概率更大。即使没听说过，新线索也会搜一下 2. 做活动人多不一定关键，人多散，自己聊不到客户，来的人也没收获，就以后不想来了。尽量确保来的每个人随便聊大概率都是同频有帮助的，他们未来会主动问你下次什么时候活动 3. 真想拉人多，就搞大的conference旁边的周边活动，大家有来都来了的心态会物尽其用多参加活动，创业者密度也会高一些。 4. 定向邀请或者靠关系bd一些high profile的基金和创始人，就可以来更多人。想吸引投资人就喊知名家办LP，想吸引创业者就喊投资人，喊来的人不一定要很senior，刚入职的analyst/principal更好邀请，他们也有拿线索的需求。 4. 没预算的话也可以找一些“卖水”“卖铲子”的公司赞助，比如算力、财税、律所、猎头等，把场地搞舒服一些，准备酒水饮料和能出片的摄影师
哈喽大家， 我在一个在南加的00后社区中，我们平时就喜欢把在认真做事的人聚在一起聊点有用的哈哈 咱们最近组织了一场活动--其实现在做产品这件事，已经跟以前很不一样了。不是有idea就能往下走，很多人卡在中间：不知道从哪一步开始，也不知道什么才算真的在验证。所以我们做了这场分享，讲讲优秀产品到底是怎么做出来的！ 不会讲成功故事，更想把过程讲清楚一点，比如： 第一个版本到底要做到什么程度 MVP到底在验证什么 技术 / 产品 / 市场怎么取舍 哪些路径看起来很努力但其实没用 这次来的都是在硅谷 & LA一线做产品、做AI、做投资的人，非常真实的哦～如果你也在想“要不要做点什么”，或者已经在做side project，这场应该会对你有点帮助！ 📍05/09 UCSB 报名：https://luma.com/n3wt23yx OR详情见图扫码报名🙋♀️ 欢迎大家积极参与啦～
