AI出海全球

最近跟很多新加坡VC交流，提起几个从本地做市场的团队，都说不看这种。 最开始，我会觉得自己国家的VC都不看首先做自己市场的startup，实在大开眼界，世界独一无二。 毕竟之前有另一种说法，可以用新加坡来验证市场，600万人口的城市，英语母语国家，消费能力充足，做成了，直接跳过东南亚，去做北美。 但是，看的项目变多了后，我觉得新加坡作为验证市场的说法有点站不住脚。 市场扎根于这个国家太多复杂的机制，政治结构，法律框架，人口种族文化语言，甚至市场准入，消费习惯，互联网生态，线上线下渠道状况。 指着新加坡来市场验证，唯一能平移过去的市场可能只有半个马来西亚，还需要战战兢兢如履薄冰。 也想听听的你的看法？

大模型三年多了，最早一批做应用的founder，很多已经换了好几轮方向。当然也有很多钱烧光了。这次聊的founder@AHua MAO 产品变了好几次，但背后的产品逻辑一直很consistent。 1. 做对了但太早，先活下来 2023年7月，ChatGPT才出来 8 个月，他已经在洛杉矶用自己的AI 助理点菜了：丢进去一个地图地址，它查出这是川菜馆、人均多少；再告诉它五个人、100美金以内、要两个不辣的，把菜点好，服务员照着聊天记录上菜。 但一条消息0.2美金，他自己一个月就烧掉1000多美金。他知道token价格一定会降，但扛不到那一天。于是他把助理里帮人记账的那一小块拆出来，转做toB，成了今天的ccMonet。 2. 目标定得远，从前提条件倒着做 他一开始就想"给每个小企业配一个 AI CFO"。但 CFO要做预测、做决策、帮融资，前提是数据完整、准确。所以他先做最不性感的记账：票据和银行流水交叉对账。有流水没票，说明票丢了；有票没流水，说明钱还没收或还没付。 3. 让外行能用，判断交给系统 传统财务软件，从金蝶、用友到 QuickBooks、Xero，用户都是会计。他的用户是诊所前台、送货小哥，拍张发票就记完账了。 比如买台2000美金的电脑，系统看出你是餐厅而不是做电脑贸易的，就自动判定为固定资产，按60个月折旧。他早期甚至刻意不招财务人员，让PM去想前台会怎么用。 入口从表格变成拍照只是表象，底层是判断的责任从用户挪到了系统。 4. 识别不难，难的是不出错 有人说这不就是OCR吗？但识别只是前提，还得理解、校验，因为财务不能有幻觉。他陪一位餐厅老板去原来的会计事务所，随手拍了一张手写的工资单，系统当场提示：总额多报了40多块。而原来的事务所，只会照抄右下角那个数字。 5. 第一个客户，买的只是一个功能 封闭开发一个月后，产品还没成形，只有"拍票据、变成结构化数据"这一个功能。泰国一家跨国公司的 CFO拿去用了，把20人的财务团队改成"弱的只负责拍照、强的负责 review"，三个月理完十几家公司的账，过了安永审计，融资到账。是客户推着产品往前走的。 6. 最后10%是人 AI能做到 80%、90%，剩下的要靠人：一线团队核查数据，持牌会计师最后签字，每一次改动都留痕、可审计。功能谁都能抄，这一层抄不走。他把这叫作"温度"。 ———— 也很好奇，如果你是三年之前就开始AI创业，现在怎么样了？哪些变了哪些没变？

AI时代做增长的经典困境：做一个AI产品已经没有门槛了，但获得一个客户的成本很难随着规模扩大而下降。 AI 让产品供给变快了，但用户的注意力、信任和购买决策没有同步变快。 具体到2C和2B： - 2C：刚需场景容易做深，难做大；大众场景容易起量，难留住 - 2B：产品能创造价值，但每一单仍要重新销售、实施、推动采购。 我们的产品已经足够fancy，但产品的增长方法论好像依然停留在刀耕火种时期。 期待你的经验分享，这周四下午我们也组了个线下局，邀请具有增长实战经验的founder朋友参加，目前参与人有：SEO/GEO公司创始人（Harvard MBA），孟加拉最火startup创始成员（Harvard MBA），前多准数据CEO现Grantla创始人等。

在这里你可以： ✅ 第一时间了解全球生物医药动向 ✅ 链接靠谱的合作伙伴和资源 ✅ 找人才、找机会 ✅ 聊项目、聊创业、聊融资 🎤 我们还会定期举办行业分享会，邀请一线专家、创业者、投资人分享干货，线上线下都有机会面对面交流！ 无论你是研发、BD、投资、临床，还是创业者 都欢迎加入！

作者 | 东京谢社长 最近，日本五大商社之一的伊藤忠，正在加快布局IT咨询业务，准备斥资数千亿日元，投资两家日本IT咨询公司。 据彭博社报道，伊藤忠计划最多投入2152亿日元，取得电通综研最高38.22%的股份。10月15日，伊藤忠又宣布与新兴咨询公司SORAMICHI达成资本业务合作。两笔投资指向同一个目标：加强帮助企业实施数字化转型的能力。 我们先来看看，伊藤忠为什么要选择这两家企业。 电通综研是电通集团旗下的IT咨询与系统开发公司，电通是日本最大的广告公司，也是全球广告与营销服务行业的巨头之一。此次交易完成后，电通集团仍将保留约62%的股份，与伊藤忠合作经营，而不是完全退出。 据日媒报道，两家的能力恰好互补。电通综研熟悉制造业、金融业的业务流程，擅长咨询和应用开发。伊藤忠旗下CTC则在大型系统、云、网络、安全及运维领域拥有优势。双方结合，可以把业务方案一路落实到系统建设和运营。 伊藤忠高管在发布会上给出了更直接的解释：随着AI推动开发工作自动化，企业能否深入理解客户业务，将成为重要的竞争差异。电通综研能够补强的，正是伊藤忠集团此前相对薄弱的这部分能力。 SORAMICHI的作用则更贴近营销和销售现场。根据伊藤忠公告，它不仅提供咨询，还能建设数据与AI基础设施，导入客户关系管理和营销工具，并负责分析、开发和运营。这意味着，它可以帮助企业把提高销售额的设想，转化为实际运行的系统。 我认为，伊藤忠已拥有CTC的系统开发与云基础设施能力、与波士顿咨询集团合作的战略咨询能力，以及贝尔系统24的客服中心和业务流程外包（BPO）能力。此次投资电通综研和SORAMICHI，将补强行业知识与业务咨询，打通战略、开发和AI落地链条。 不止日本，AI咨询能力将成为AI产业决胜于企业级市场的关键，这个规律已经被AI大模型公司看到了。早在2026年5月，Anthropic和OpenAI两大AI大模型巨头，分别与华尔街投资机构联合成立了AI咨询公司，目的在推进AI在企业的大规模应用落地。 Anthropic的资本合作方是黑石集团、赫尔曼与弗里德曼以及高盛集团等机构，募集资金超过15亿美元，OpenAI的资本合作方是TPG、布鲁克菲尔德资产管理、Advent International、贝恩资本等19家投资者，募集资金超过40亿美元。 全球AI产业目前已经越来越清醒地认识到，AI大模型技术能力已经没那么稀缺了，现在每个月全球都会发布数十款新的大模型。懂得把AI嵌入企业的业务的咨询能力，越来越重要了，因为这样才能真正让AI帮企业带来利润。 过去，硅谷AI公司普遍认为，只要不断提高模型能力，就可以让大量企业减少白领员工，提高生产效率。可是当AI真正进入企业以后，它们才发现，模型能力强并不意味着企业就能顺利应用。 很多企业的数据分散在不同部门，内部还有复杂的审批制度、业务流程以及员工之间的利益关系。企业如果只是给员工购买AI账号，却不重新设计工作流程，那么AI可能只是让少数员工提高效率，很难让整个公司的经营业绩得到明显改善。 比如一家日本制造企业，希望使用AI减少30%的管理人员工作量，但具体要减少哪些工作？原来的系统怎样与AI连接？员工岗位如何重新调整？AI投入以后，究竟能为公司节省多少钱？这些问题，仅仅采购一个大模型是无法全部解决的，企业仍然需要专业咨询公司帮助实施。 最近，我看到《经济学人》上，特别介绍了美国Palantir公司的商业模式。这家公司一个非常重要的特点，就是派遣FDE，也就是前线部署工程师，进入客户企业，了解客户的业务流程、整理内部数据，再利用软件和AI帮助企业解决具体问题。 这种模式与传统IT工程师最大的不同，是工程师不能只懂技术，还必须懂客户的业务。比如客户希望缩短银行贷款审批时间，工程师不仅要会开发AI系统，还要理解银行审批规则，知道哪些工作可以自动化，哪些需要人工判断，以及如何验证AI确实提高了效率。 最后再重复一次已经被AI产业公认的规律：企业AI市场，AI咨询能力将成决胜关键。

作者 | 东京谢社长 10月14日，据日媒报道，美国AI巨头Anthropic正与NTT数据集团展开最终磋商，计划在大阪府南部临海地区建设其在日本的首个大型AI数据中心，争取2026财年内签约，2028年部分投入运营。 项目建设费用最高约1万亿日元，若计入大量GPU服务器，总投资可能达到数万亿日元。项目规划涉及最高500兆瓦的供电需求，未来将为Claude等AI模型提供计算基础设施。 若建设成功，该项目有望成为Anthropic在日本的首个专用设施。将成为日本最大的数据中心项目之一。 过去，互联网时代，美国互联网巨头在日本投资较少。现在，美国最强AI巨头，却积极在日本投资。除了日本，Anthropic于9月16日还和数据中心开发商Zerra DC签署澳大利亚首份数据中心租赁协议，总规划规模为2.16 GW。 除了Anthropic，OpenAI也在积极布局海外数据中心项目。 比如，OpenAI在阿联酋的Stargate UAE项目，规划1GW AI计算集群。在印度，与塔塔集团合作，初期100MW，远期目标1GW。在澳大利亚，与NEXTDC合作，涉及约70亿美元数据中心项目。在挪威，曾规划230MW项目，但后续客户安排发生变化。 这背后，透露了AI产业的新趋势，首先就是AI正在从轻资产软件业，转变为重资产基础设施业。 目前，AI产业的规律有点像19世纪的铁路，铁路产业最初的核心竞争是机车和运输技术，但是，当铁路网络大规模全球化扩张之后，真正需要巨额资金的环节变成了铁路线路、桥梁、车站、土地、能源和运营系统。 但是，铁路可以使用几十年甚至上百年，而GPU往往在几年内就面临明显的技术更新和经济折旧压力。因此，AI基础设施有可能形成一种特殊组合：像铁路一样投资巨大，却像电子产品一样更新迅速。 其次，AI行业高度依赖电力和能源，能源成本也将促使美国AI巨头在全球进行分散投资。 通过经济学的供需基本原理，如果美国AI巨头将数据中心全部建在美国，在美国集中爆发的电力和能源需求，将让美国AI巨头付出高昂的电价成本。因此，美国AI巨头未来将有很大的动力，在全球投资AI数据中心。 此次Anthropic的日本数据中心项目选址之所以没有选择东京而选择大阪，原因也是，大阪在电力方面，比东京更具优势。 目前，东京圈数据中心高度集中，新增电力需求庞大，电网扩容压力更大。Anthropic选择在大阪建数据中心是明智选择。 最后，各国对敏感数据留在国境内的需求，也促使美国AI巨头在各国投资数据中心。 AI巨头“虹吸”各国的数据，已经引起了各国的高度警惕。最近，各国提出了主权AI概念，目的就是要保卫自身的数据资产和机密信息。 美国AI巨头如果想进一步取得各国的信任，那么未来，将敏感数据留在各国国境内的数据中心进行处理，就不可避免。 那么，AI产业出现了基建全球化、重资产化的趋势，对日本产业界有哪些机会呢？ 在过去纯软件的互联网产业领域，日本可以说是“颗粒无收”，原因是日本产业在软件领域的竞争力不强。 可是，AI基建涉及到大量的硬件，包括GPU等算力芯片、服务器、存储设备、高速交换机、光模块、光纤、电源设备、变压器、UPS不间断电源、液冷系统、空调散热设备及机房配套设施。硬件领域就是日本产业的强项。 AI基建投资，在未来数年将极其巨大，高盛预计，2026年单年全球AI相关资本支出约1万亿美元，2025年至2030年大型科技企业累计资本开支将达到5.3万亿美元。麦肯锡则预测，到2030年全球数据中心累计需要6.7万亿美元投资，其中约70%由AI需求驱动。 未来，日本企业完全有机会，跟随AI巨头到全球各地建设数据中心，尤其距离较近的东亚地区、东南亚地区、印度地区和澳洲地区。日本企业可以为AI巨头建设基建提供零部件供应、工程施工、数据中心运维及管理、电力系统集成、网络建设等服务。 未来，AI产业很难像互联网那样一国独大，在日本的企业和工程师，只要提前布局，就能把握到AI产业的机遇。

跟史大侠Allen聊了一下午，他是物理学出身，跨过制造业、科技、出行、Roblox游戏和元宇宙，现在是AI出海的产品与战略顾问，常年跑美国、日本、台湾和新加坡。 几个点特别有感： 📌 新加坡不是市场，是基地 "不要把新加坡当做一个市场来做，要当成美国在亚洲一个很重要的基地。"美国公司进亚洲需要本地 partner，新加坡是综合型人才的据点。 📌 出海最大的坑：culture fit 你团队用飞书和腾讯会议，海外用 Slack 和 Teams——自己都不用，怎么做海外版 teamwork 产品？Manus 做对的一件事，是早早抓住了 Chrome plugin 这个渠道。 📌 去了趟纽约，发现百亿市场 他认识的一个亚洲团队原本想做保险 workflow，去纽约跟银行和保险公司聊完，找到一个极细的 niche：税务申报纠错保险，百亿美金以上。 📌 供需方法论 找切入点的核心：找到供给和需求不匹配的地方。大部分创业者只看供给侧，不理解需求侧。做餐饮票券的不该越做越细，应该切入库存管理、支付、物流这些大问题。 📌 不招人，10 倍增长 现在的挑战是 revenue growth 远大于团队能力的 growth。他的命题是：不招人，怎么实现 10 倍运营增长。 📌 YC 现在看你ChatGPT怎么用 申请 YC 要看你的ChatGPT使用记录、GitHub提交、Codex产出。"你有没有真的在用 AI 做事，装也装不来。" 📌 风口 ≠ 增长 元宇宙是风口，真实需求是随身camera和实时翻译，所以出来的是Ray-Ban眼镜，不是VR头盔。别追现在什么火，想想半年后世界需要什么。

也是个英伟达概念股。 这几天大哥带动着二哥三哥，毕竟人家要花400亿买英伟达芯片。

作者 | 东京谢社长 AI行业正在出现一个过去软件时代很少遇到的问题，那就是模型进步的速度，已经开始超过企业做IT选型和系统开发的速度。 过去一家企业选Oracle、SAP或者Salesforce，往往可以用很多年，但现在企业今年刚刚选好的AI模型，可能三个月以后就已经不是最优解了。 根据媒体10月7日报道，仅仅2026年9月一个月，中美主要AI企业中就有10家公司推出16款模型。中国企业尤其密集，9月10日DeepSeek推出V4.1-Flash，18日阿里发布Qwen3.8-Omni-Flash，20日阶跃星辰推出Step 5 Preview，22日小米发布MiMo-V2.6-Pro和Flash，27日MiniMax又推出M3.1-Flash-Preview。 媒体分析，对比中美两国在9月发布的大模型，目前美国头部模型在综合性能上仍然占优，但中国模型在成本方面已经形成很强的竞争力。 我认为，这个新闻真正值得IT行业注意的，并不是9月份到底谁超过了谁，而是大模型正在从一种需要企业慎重选择的长期技术平台，变成一种快速迭代、随时可能被替换的基础能力。 一家企业今年8月花两三个月比较OpenAI、Claude和Gemini，做完PoC、走完内部审批，等到真正上线的时候，市场上可能已经又多了十几个新模型。 模型更新越快，越可能催生新的IT商业模式。我认为，其中至少有三类机会值得重点关注。 首先，会出现一门新的生意，就是AI模型选型和持续评测服务。 过去企业采购ERP、CRM或者云服务，几年才重新做一次重大选型，但大模型可能几个月就改变一次竞争格局。企业不可能每个月派自己的IT部门，把几十个新模型重新测试一遍，所以第三方评测服务的价值会越来越高。 比如一家银行，可以整理1000个自己的真实业务任务，包括合同审查、客服回复、SQL生成、内部资料搜索、风险分析等等。服务商每个月拿这些任务，自动测试OpenAI、Claude、Gemini、Qwen、DeepSeek，再比较准确率、速度、调用成本、安全性、日语能力和本地部署能力，最后告诉企业，现在到底哪一个模型最适合它。 过去咨询公司卖的是一份“应该选择哪家产品”的报告，未来可能卖的是一种持续订阅服务，每个月重新告诉客户，现在最适合你的模型是哪一个。某种意义上，这会形成一种“AI版Gartner＋自动测试平台＋IT咨询”的新行业，而且我认为这类业务尤其适合日本，因为日本大企业本来就很重视选型、测试、品质和内部审批。 第二类机会，是多模型路由平台。 当模型越来越多以后，企业其实没有必要押注某一家。普通客服可以使用最便宜的模型，复杂推理可以使用性能最强的模型，编程任务调用代码能力更强的模型，而涉及机密数据的任务，则可以自动切换到本地部署模型。 也就是说，未来企业真正需要的，可能不再是“到底选OpenAI还是Claude”，而是建立一个统一的AI Gateway。企业自己的系统只连接一个接口，后台自动判断每一次任务应该调用哪一个模型。 比如同一个任务，GPT调用成本10日元，Claude是8日元，Qwen只需要1日元。如果系统判断Qwen已经足够完成任务，就自动使用Qwen；只有碰到复杂问题，再调用更贵的模型。对于每天有几百万甚至几千万次AI调用的大企业而言，只要平均成本降低20%到30%，节省下来的费用就可能非常可观。 因此未来甚至可能出现一批“AI算力中间商”。这些公司自己不训练模型，也不拥有最先进的基础模型，而是帮助企业在几十种模型之间不断寻找性价比最高的组合。这其实和云计算时代出现大量云管理、云优化公司很像，只不过未来优化的对象，从服务器和云资源变成了AI模型。 第三类机会，则是AI系统的持续运维，也就是ModelOps。 传统IT系统上线以后，所谓运维，主要是修Bug、升级数据库、升级操作系统和中间件。但是AI系统上线以后，又增加了一个需要长期维护的对象，那就是模型本身，而且这个对象变化得非常快。 假设一家企业原来使用Model A开发了100个Agent，三个月以后Model B出现，性能提高30%，价格却下降一半。企业当然会想换。 于是未来很可能出现一批专门负责“AI持续运维”的公司。它们不断监控市场上的新模型，一旦发现更适合客户的新模型，就自动进行回归测试、兼容性测试、Prompt调整、Agent修改和成本评估，最后再决定是否替换。很多AI项目因此可能从过去的一次性交付，变成长期订阅式的运维生意。 这个商业模式，其实和今天日本IT行业大量存在的“保守运维”非常相似。过去日本IT公司长期维护Java系统、数据库和服务器，未来可能维护的是一家企业内部几十个Agent、几个知识库、十几种模型以及这些系统之间复杂的连接关系。对于日本SIer而言，这可能是一块非常大的新市场。 更深层的变化是，模型本身可能会越来越不值钱，但是连接模型和企业业务的那一层会越来越值钱。 如果一年出现上百个新模型，而且不同模型之间的性能差距不断缩小，那么企业就越来越没有必要长期绑定某一家模型厂商，反而会更加重视自己的数据、业务流程、知识库、Agent、评测体系，以及连接这些东西与模型的软件层。 未来企业购买的不再是某一个AI模型，而是“持续获得最佳AI能力”的服务。