Ellen Cheng· 3个月前

Ellen Cheng· 3个月前

133 浏览

🇸🇬 新加坡AI创业·场内记录｜AI Field Notes Vol.2

📍 会议概览 活动时间: 2026年1月30日 活动地点: SQ Collective, 新加坡 主题: Think Global, Act Local - 全球视角,本地行动 🔥 引用金句 "中国创业者在出海时要充分利用与生俱来的优势:速度、PMF 的感觉。" - Jack Chen, Akool "卷代表有执行力,你能及时完成事情就能抓住趋势,就像冲浪抓浪一样。" - 圆桌讨论 "水涨船高:模型是水,应用是船。船要做垂类才不会被浪卷走。" - Yang Kan, BytePlus "商业本质不变:市场、用户痛点、解决的问题。这个逻辑是经营的底座。" - Tyler，Google Cloud "执行力不变,execution 不变。WaveSpeed 做到了一秒上线,这就是速度优势。" - David Li "AI 时代更多的是交流碰撞,每次和不同人交流都能发现新 idea。" - David Li "2026 关键词:AI Native - 用 AI 做 AI 产品,用 AI 做市场,用 AI 研究客户方案。" - Yang Kan, BytePlus "新加坡是全球化的'翻译层',降低不确定性,让你变得'可理解'。" - Michael Huang, SQ Collective "本土化的本质:建立信任而非包装。真正的 Acting Local,是理解当地风险边界,并融入社会信任网络。" - Michael Huang, SQ Collective "海外 B2B 是信任前置:如果没有信任背书,增长逻辑在不信任壁垒前是徒劳的。" - Michael Huang, SQ Collective "产品领袖必须是本地的'传感器'。研发可以留在国内,但 PM 不能,因为本地化不只是 UI。" - Michael Huang, SQ Collective "Manus 的成功不只是产品好,更重要的是他们投资于那些能与普通新加坡人产生共鸣的人,真正融入了社会信任网络。" - Michael Huang, SQ Collective "Dify 像咖啡的原材料 - 有很多种,但本质都是咖啡。我们希望成为灵活的工作流,连接一切。" - Lusha Chen, Dify "AI 时代:飞得高,但保持冷静。必须快速发声、快速响应,拥抱每天变化的模型和应用。" - Lusha Chen, Dify "多模态不是未来,是现在。我们已经看到客户在生产环境中使用图像和视频搜索。" - Ivan Tang, Zilliz 一、活动背景与愿景 AI Speedup Space 项目发起 （SmallWOD为其战略生态伙伴） 发起人: David Li (WaveSpeed AI 联合创始人) 发起原因: - 中国出海公司在海外举办活动面临诸多挑战:场地选择、社区对接、活动组织等需2周以上准备时间 - WaveSpeed 的独特定位: - 上游:与 OpenAI、Google、阿里、字节、Kimi 等模型公司合作 - 下游:平台拥有约70万用户,以开发者和应用 Builder 为主 - 定位:连接模型厂商与应用开发者的中间层 项目目标: - 汇集各类出海公司和社区活动 - 帮助企业快速在海外举办活动,迅速找到本地 Builder 和开发者 - 提供标准化活动模板,降低组织成本 运作模式: - AI Speedup 本身不举办活动,而是提供连接和支持 - 与本地社区(如 SQ Collective)合作,提供标准化场地和流程 - 使新公司和业务部门能快速按标准举办活动 --- 二、核心嘉宾分享 1. Akool - Jack Chen (GTM 副总裁) 公司背景: 服务全球品牌的企业级 AI 虚拟人与视频生成平台 2024年行业回顾 - 20+个火爆模型发布:Pika、Sora、Kling、Runway 等 - 行业从年初到年尾增速巨快 - 简单接入模型的应用公司即可获得可观市场收益 2025-2026年趋势预测 从简单应用转向垂直场景: - 视频模型接受度:69% - 音频图像模型接受度:74%(主要来自 Google) - Pika 3 成为最强生图模型:能一次直出,被电商客户用于实际生产 AI 进入严肃生产场景的证据: - 电商:30%+ 转化率提升 - 网剧:60%+ 剧本用 AI 直接生成 - 广告:50%+ 成本削减 - 案例:刚签约全球主流奢侈品集团,2026年提供定制 template 和 workflow 中国企业出海建议 核心优势: - 中国创业者最会找 PMF (Product-Market Fit) - 资源利用率最高(例:Kimi K2.5 用有限资源训练出优秀模型) - 执行速度最快(WaveSpeed 每次交流都有新功能、新场景、新计划) 关键建议: 1. 避免大而全的平台思维 - 中国生态习惯什么都做 - 海外更适合专注核心+生态合作 - 案例:Akool 在 RTC 与 Agora 合作,知识库与行业专家合作 - 结果:全球实时生成数字人领域排名前一/前二 2. 抱团出海策略 - 与中国企业抱团:共享客户、渠道,组建整合方案 - 与本地渠道合作:寻找当地优质伙伴 - 案例:在新加坡与渠道 For AI 合作,带来高价值线索和大客户 3. 务实的产品策略 - 不追求完美,快速迭代 - 用户反馈 > 内部假设 - 先把一个核心功能做到极致 4. 深耕垂直场景 - 电商、网剧、广告是已验证的高价值场景 - 需要理解客户真实工作流程 - 提供端到端解决方案,而非单点工具 5. 本地化运营 - 理解文化差异和监管要求 - 建立本地团队或深度合作伙伴 - 案例:新加坡有独立渠道和销售团队 --- 2. Dify - Lusha Chen (中国&亚太总经理) 公司背景: 面向全球团队的开源 LLM 应用开发平台 产品定位:"咖啡的原材料" 灵感来源: - 受新加坡亚坤咖啡启发(Copy A/B/C/D...但本质都是咖啡) - Dify 定位为"半预制菜":不是完整的一餐,而是提供灵活的中间层 - 目标:成为灵活的工作流,连接一切,足够包容 开源社区成果 - GitHub Stars:近13万(Top 50开源项目) - 最近 DeepSeek R1 模型几天内涨到10万+ stars,速度惊人 - 必须不断追赶,构建更包容的生态系统,以在 AI 时代长期生存 核心理念:"飞得低,活得久" → "飞得高,保持冷静" 李丰(理想汽车)的启发: - 传统:Line low, live long (飞得低,活得久) - AI 时代:Line high, but always be calm (飞得高,但保持冷静) - 必须快速发声、快速响应 - 拥抱每天变化的模型、应用、数据库 中国与新加坡市场的 Gap 观察到的差距:约3-5个月 - 中国:已有较多基于 LLM 搭建的落地实践 - 新加坡:更倾向于 Turnkey Solution (即开即用的解决方案) 竞争对手: - Microsoft Copilot - Salesforce Agentforce - Google 等大厂自带的 Agent 客户需求: - 最适合自己的 AI 解决方案 - 可能混合使用:千问、DeepSeek、Gemini、豆包等不同模型 - 每家模型的准确度、识别度都不同 - 大量影响因素:RAG 质量、数据质量 AI 时代的特点: - 需求大爆发 - 高度定制化 - 在不确定时代寻找标准和 SOP 是复杂难题 Dify 的核心能力 6. 广泛的模型支持 - 支持超过 1,000 种大语言模型 - 不仅包括中国流行的模型,也包括海外广泛使用的模型 - 因此成为许多 ISV 的中间层解决方案 7. 记忆管理与监控 - Audit Log(审计日志) - 监控系统:技术、Agent 表现、Token 消耗 - Dashboard 可视化所有数据 8. 连接、分享、协作实现 AI 民主化: - 不仅限于 IT 部门,也面向业务部门 - HR、法务、财务、销售团队都能使用 - 通过工作流,几次点击即可创建自己的 Agent - 让技术民主化惠及每个人 9. 高性能 - 所有内容可见 - 随时可调整优化 插件市场与生态 - 提供 Plugin Marketplace - 新模型、新企业系统可随时发布 Plugin 接入工作流 - 可将 Dify 作为 MCP 插件接入已有企业系统 - API 接口:让企业尽量少改动已有系统 企业案例: - 杭州某医院:400个系统 - 德勤中国:80个系统 - 挑战:如何通过一个 Workflow 整合如此多系统? - 这既是挑战,也是客户选择 Dify 的主要原因 客户案例:Ashley Furniture (美国老牌家具企业) AI 员工演示(基于 Dify 开源版): - 不同角色的 AI 员工协作 - 处理客户对话记录、线索管理 - 分析90天线索数据 - 设计资产管理系统 - 创建产品仪表板 现状: - 这种场景三个月前可能还很科幻 - 现在已在客户办公室实际运行 - 有了 Agent 和 Code 能力,必须快速追赶并学习最佳实践 新加坡本地化策略 三大重点(因为在新加坡是新入局者): 10. Ambassador Program (大使计划) - Dify 是社区导向的开源公司 - 建立大使网络,分享最佳实践 - AI 时代每个行业都在寻找最佳实践 11. Creator Incentive (创作者激励) - Marketplace:发布 Plugin 供他人使用 - 模板贡献:DSL 文件等,作为模板供他人参考 - 社区友好的激励机制 12. Engineering Training (工程师培训)观察到的现象: - 在马来西亚和新加坡,很多培训学院找上门 - 询问:"能用 n8n 做,怎么用 Dify 实现同样的事?" - 商业模式发现:很多人通过培训赚钱,而非 SaaS 本身 因此培训至关重要: - 认证工程师能够为他人构建应用 - 将工作流转化为可部署、可安装的 Agent - 每个社区都需要认证工程师 13. Business Partnership (商业合作) - 在中国已实践:建立合作伙伴网络 - 在新加坡复制: - 本地 ISV - 优先与 CSP(云服务提供商)合作 - 从 Cloud Native 到 AI Native 是自然曲线 - 然后再发展本地 SI(系统集成商) 总结 - "Let's do the future together" - 不仅作为供应商,也作为开放平台 - 由社区驱动,与合作伙伴共建 --- 3. Zilliz - Ivan Tang (解决方案架构师) 公司背景: 支撑大规模 AI 应用的向量数据库基础设施 自我介绍 - 新加坡人,解决方案架构师 - 加入 Zilliz 约1年4个月 - 接触过近100+客户和潜在客户 Zilliz 与 Milvus 简介 开源与商业版本: - Milvus:开源向量数据库 - Zilliz Cloud:商业版本,拥有专有索引引擎,性能更优 社区数据: - GitHub Stars 和部署量显示出明确的 PMF(产品市场契合度) - 虽然不如 Dify(前端层),但在基础设施层表现突出 定位: - 黄仁勋(Jensen Huang)将 AI 分为多层 - 第一层:能源/基础设施 - AI 模型层 - Zilliz/Milvus:处于基础设施层,赋能 SaaS 构建应用 行业认可: - Forrester Wave 报告:向量数据库领域的 Leader - 使命:帮助企业和创业公司理解非结构化数据 客户案例概览 基础设施客户(ToB): - IBM、Cisco、NVIDIA 等科技基础设施公司密切合作 消费应用客户(ToC): - Reddit:选择 Milvus 支持 ANN(近似最近邻)工作负载 - Roblox:头像市场推荐系统由 Milvus 驱动 - Shopee(新加坡):多个用例 - Tokopedia(印尼):电商推荐 向量数据库的应用场景 不仅仅是 RAG: - 很多人认为向量数据库只用于 RAG(检索增强生成) - 实际应用场景更广泛: - 推荐系统 - 视频相似性搜索 - 图像搜索 - 其他数据库在这些场景会遇到瓶颈 过去一年的两大观察 观察1:技术门槛与 Build vs Buy客户面临的挑战: - 缺乏技术专业知识 - 向量数据库存在使用门槛 建议: - 了解客户的技术能力 - 是否有 AI 工程师? - 是否理解向量数据库? - 可以使用 Dify 等工具降低门槛 趋势: - 不是每个人都能自己构建 - 很多企业更倾向于"购买"而非"构建" 观察2:不仅仅是文本,更是多模态超越文本的应用: - 图像 - 视频 - 多模态已进入生产环境 案例 - HipVan(新加坡家具电商): - 构建类似淘宝的"拍照搜索"功能 - 用户拍摄家具照片,系统推荐相似产品 - 使用 Zilliz 实现此功能 - 多模态应用不再是未来,而是现在 深度客户案例 14. Clio (美国 - 法律工作平台)背景: - 服务6,000+律所 - 估值20-30亿美元 - 案例管理平台(医疗报告、警察报告等文档) 使用场景: - "Chat with Case"功能 = RAG - 企业级安全性 - 多租户特性:律所A无法访问律所B的数据 - 语义搜索:可提任何问题,提取相关信息和文档 规模: - 30亿向量 - 很多其他解决方案在此规模无法跟上 - 这是选择 Zilliz 的关键原因 15. SmartNews (日本 - 新闻聚合平台)挑战: - 如何让读者持续回到平台? - 需要推荐相关新闻和产品 解决方案: - 定制化嵌入模型 - 捕捉用户行为序列: - 阅读了哪些文章? - 点击了什么? - 点击了哪些产品/广告? - 基于历史推荐下一个相关产品/广告 成果: - 显著提升广告点击率 - 增加收入 - 大规模应用 16. BeatOven (印度 - AI 音乐生成应用)技术亮点: - 使用 CLAP 模型(Constructive Learning Audio-to-Trade Model) - 将文本提示转换为嵌入 - 检索相关音乐组件 工作流程: 1. 用户输入:"生成一首低保真咖啡馆音乐" 2. 文本转换为嵌入 3. 检索相关的旋律、低音、打击乐等组件 4. 另一个专门模型将组件组合生成完整音乐 迁移成果: - 从竞品迁移 - 6倍成本节省 - 稳定性:99.95% SLA,过去一年零宕机 5. Jet Tech (安全领域)创新用例 - APK 恶意软件检测: - 将 Android APK 安装文件转换为嵌入 - 检测下载的 APK 是否为恶意软件 - 通过相似性检查与已知病毒/恶意软件库比对 成本优化策略 持续优化客户成本: - 成本永远是企业的压力 - 多种最先进的降本方法 - 不仅仅是"存储、索引、检索"这么简单 - 数据库有很多能力,客户往往未意识到 Zilliz Cloud 技术优势 多云支持: - AWS - Google Cloud - Azure - Alibaba Cloud 专有索引引擎: - 比开源 Milvus 性能更优 - 企业级安全 - 多租户隔离 - 高可用性 SLA 关键洞察 1. 理解客户技术水平至关重要 2. 多模态是现在时,不是将来时 3. 规模化能力是差异化竞争力 4. 成本与稳定性是企业级客户的核心诉求 5. 向量数据库的应用场景远超 RAG --- 4. Kimi - Sarah Wang (GTM) 公司背景: 月之暗面(Moonshot AI)旗下 AI 助手产品 Sarah 自我介绍 - 负责 Kimi 的 Global Partnership - Base 在新加坡 - 活动前刚发布新模型 K2.5,一周没怎么睡觉 - 前两天才被 David 通知参加活动,准备有些仓促 中国模型出海的看法 竞争环境: - 海外有 OpenAI 和 Claude - 中国模型出海是个有意思的话题 核心观点: - 只要模型和产品做好,在哪个国家都会有很好的用户基础 - Think Globally, Act Locally 的关键是产品力 - 相对来说比较简单 Kimi K2.5 模型发布 定位: Kimi 目前为止最强的模型 核心能力 - 多模态突破: - 图像和视频:新增能力,之前版本没有 - Benchmark 表现:虽然不是最重要,但业界会关注 - 在榜单上表现都非常好 传统优势 - Agent 和 Coding: - Agent 能力: - 比 Sonnet 4.5 和 ChatGPT o1 都强 - 支持 Tool Calling - 支持 Multi-Agents - Coding 能力: 一直是 Kimi 的强项 重磅功能:Agent Swarm 技术亮点: - 可调用 up to 100 个 Sub-Agents - 在 kimi.com 网页版即可激活使用 应用场景: - 做网页 - 做小型 APP - Web Coding - 多个 Sub-Agents 协作完成系列任务 Coding with Vision 创新功能: 6. Image to Code - 上传一张图片 - 根据图片风格生成类似的网站 - 风格一致性高 7. Video to Code - 上传一个视频(左侧) - 根据视频生成网站(右侧) - 还原度非常高 - 要求模型对视频有深度理解: - 设计风格 - 颜色 - 内容细节 真实案例: - 某广告公司使用 Kimi 制作介绍页面和小视频 - 包含 3D 元素 - 风格一致性好 - 展现模型的巨大进步 多种工作模式 API 提供不同模式: 1. Fast Mode: 比较快速的模式 2. Thinking Mode: - Deep Research / Deep Thinking - Chain of Thoughts 方式 3. Agent Mode: 单 Agent 模式 4. Agent Swarm Mode: 多 Agent 协作模式 定价策略 价格优势: - 与海外模型相比:非常 affordable - 与自家上一代模型相比: - Input 价格下调约 50% - Output 价格下调约 50% Global Partnership 开放 Sarah 的联系方式: - 提供 WhatsApp 联系方式 - 因新模型发布太忙,无法待完整活动 - 欢迎随时联系交流 对创业者的寄语: - 即使现在不用大模型 API,未来某个节点可能会用到 - Kimi 会不断进步 - 推出更多新功能 - 欢迎随时交流 GTM 洞察 产品力是出海的关键: - 在 OpenAI 和 Claude 的竞争环境下 - 只要产品做得好,就能建立用户基础 - 本地化重要,但产品力是前提 性价比优势: - 相比海外模型价格更优 - 持续降价策略 - 吸引开发者和企业客户 多模态 + Agent 是差异化竞争力: - 图像、视频理解能力 - 强大的 Agent Swarm 功能 - Coding with Vision 的创新应用 --- 5. SQ Collective - Michael Huang (创始人) 组织定位: AI 社区空间与创业者聚集地 社区愿景与价值观 成立时间: 一年前启动 核心使命: - 将社区聚集在一起,共同学习、共同构建 - 在 AI 时代,信息虽然触手可得,但人际连接依然极其重要 - 创造空间让大家分享全球化与本地化的真实经验 希望 SQ Collective 成为: - 大家聚在一起的地方 - 能敞开谈那些在市场里踩过的坑、流过的血 - 分享实战中学会的商业逻辑 三大价值观: 1. 真实 (Authenticity) - 只有脱水的、真实的交流,才有真正的"体感"和洞察 2. 共生 (Symbiosis) - 无论应用还是 Infra,我们是彼此在全球市场最坚实的支撑 3. 长期 (Long-term) - 技术会迭代,但我们在全球社区沉淀的信誉资产不会过时 --- 新加坡的"澄清"价值 新加坡:全球化的"翻译层" 核心作用:降低不确定性,让你变得"可理解" 4. 全球通用的商业标准 - 企业信任的建设: - 数据合规 - 安全审计 - 治理架构 - 这些资产是进入欧美市场的通行证 5. 读懂本地的社交直觉 - 在讲英文的环境里,听懂背后的弦外之音 - 看透东南亚与西方市场特有的决策链条 --- 新加坡作为"国际化试验场" (Globalization Sandbox) 战略定位: - 这里是受控的"试验场" - 通过合规与安全审计,换取进入西方市场的"通行证" 地方小,容易连接: - 警告:不要只把这里当成挂牌的跳板 - 关键:尊重本地买家、磨合本地规则,才能获得长期收益 - 策略:在这里练好剧本,再带去印尼、越南、印度这些产生真实流量的大市场 --- 本土化的本质:建立信任而非包装 真正的 Acting Local: - 理解当地风险边界 - 融入社会信任网络 --- 案例复盘:Manus 的社区本土化策略 Michael 的观察: 很多人谈论 Manus 的成功,主要聚焦于: - 从中国出来 - 建立良好的法律结构 - 打造优质产品 但我们谈得不够的是: 他们如何做本地化,尤其是社区激活 Manus 的本土化实践: 6. 大规模广告投放 - 在新加坡地铁(MRT)投放大量广告 - Michael 最初持怀疑态度:"这有什么意义?" 7. 真正奏效的:大使计划 (Ambassador Program) 多族裔覆盖: - 不分种族:华人、马来人、印度人 - 不分教育水平 - 不分职业背景 - 跨越整个社会光谱 深度本地化的体现: - 你可能在活动中遇到 VC 圈的朋友,他是 Manus 大使 - 你可能遇到理工学院的马来同学,也是 Manus 大使 - 关键洞察:他们不只选择容易接触的人,而是真正投资于那些能与普通新加坡人产生共鸣的人 成果: - 融入本地:不再是"访客",而是融入了社会信任网络 - 跨行背书:VC、创始人、高管构成的信任节点 --- B2B 现实:先看信任,再看产品 国内市场:先跑后补 - 习惯先跑起来,靠极速服务赚取信任 - 获客成本低 - 但运营极其"内卷" 海外市场:信任前置 - 海外企业先看: - 安全审计 - 数据驻留 - 合规性 - 关键警告:如果没有信任背书,增长逻辑在不信任壁垒前是徒劳的 --- 中国与西方社区文化的差异 Michael 的观察: 中国: - 社区作为渠道被视为"廉价"的 - 密度高,信任建立相对容易 - 加入社区后很快会被拉入微信群 西方市场: - 人口密度低得多 - 信任水平不如中国那样容易建立 - 文化差异:加入社区后,不会立即被拉入群聊或建立深度联系 - 需要更长时间和更深入的投入来建立信任 --- 产品领袖(甚至创始人)必须是本地的"传感器" PM 必须常驻目标市场 为什么? - 研发可以留在国内 - 但产品领袖不能远程工作 本地化不只是 UI,更是: 1. 产品 PMF - 本地化的工作流逻辑 - 国外对产品迭代速度也有要求 2. 销售拒绝 - 听懂客户拒绝你的真正理由 - 理解弦外之音 3. 信任沉淀 - 现场感知决策博弈 - 理解文化张力 --- 2026 分水岭 SQ Collective 的定位: - 不仅仅是活动场地 - 而是深度共学社群的枢纽 - 帮助中国 AI 公司真正理解并融入全球市场 --- 三、圆桌讨论:AI 全球化的断裂与规模化 参与嘉宾 - Tyler - Google Cloud - Andy Lee - Country Managing Director, AI, Alibaba Cloud - Yang Kan - Head of Solutions, BytePlus (ByteDance) - Yuze - Senior Product Manager, NVIDIA 核心讨论议题 1. "卷"的本质与价值 积极视角(多位嘉宾共识): - 执行力的体现:卷意味着高执行力,能及时抓住趋势 - 冲浪理论:不是每个浪都能抓到,但要持续 paddle - 中国优势:客户今天提需求,明天就能交付 - WaveSpeed 实践:没有产品经理和测试,创始人直接提需求给研发,代码提交即自动发布 新加坡视角(NVIDIA嘉宾): - 新加坡创业者相对缺乏"想得很大"的心态 - 有创业意识,但规模化野心不足 - 需要更多资源和生态支持 2. 模型迭代与应用层的关系 "水涨船高"理论(BytePlus 嘉宾): - 模型是水,应用是船 - 应用做垂类才能避免被浪卷走 - 成功应用厂商的做法: - 维护完整的垂类测试集 - 每次模型迭代立即测试 - 快速发现新场景并跟进 - 关键词:Faster and Faster,比快更快 3. 不变的商业本质 Google Cloud 嘉宾强调: - FOMO (Fear of Missing Out) 情绪普遍存在 - 但商业本质不变: - 市场定位 - 用户痛点 - 解决什么问题 - 对大模型厂商要有判断,借风跑得更高 4. 执行力的极致实践 WaveSpeed 的组织架构: - 无产品经理角色 - 无测试角色 - 创始人直接提需求→研发直接做→直接上线 - 代码库直接连接 GitHub,提交 master 即自动发布 - 一个 idea 可以一秒上线,无需汇报和 review - 让 Claude 帮忙看代码即可 5. 对比传统互联网: - 某大型企业上线一个功能需要2天 - WaveSpeed 可以做到即时上线 - 适合小创业公司,大公司仍需探索 --- 四、2026年平台方支持策略 Google Cloud (Tyler) Inception Program: - 可访问 inception.google.com 注册 - 每个国家每年有专项额度 - 持续接触 Google 前沿技术 - 不仅提供 credits,更重要的是生态资源 APAC Alliance 计划(正在搭建): - 投资支持:VC、Fund 等 - GTM 伙伴:WaveSpeed 等渠道合作 - 市场营销:Google Play、Google Ads 等 - 运营合规:Compliance、Risk 管理等 - 产品迭代:技术支持与创新 - 目标:以新加坡为 Hub,拓展东南亚和欧美市场 NVIDIA (Yuze) Inception Program: - 资源投资(非现金) - 生态解决方案投资: - 寻找互补性解决方案 - 例:视频模型能拼接30秒视频,但缺少背景音乐功能 - 投资能提供完整解决方案的初创公司 - 看重整体生态而非单点工具 Alibaba Cloud (Andy Lee) - 渠道与市场支持 - 技术资源与解决方案 - 中国与亚太市场协同 BytePlus (Yang Kan) 2026 年重点: - 组建 AI Native 团队: - 用 AI 做 AI 产品 - 用 AI 做市场研究 - 用 AI 为客户设计方案 FDE (Forward Deployment Engineering) 团队: - Forward Thinking:前瞻性思考未来形态 - 欢迎创业者一起共创 - 从被动响应客户需求→主动设计未来场景 - 提供 credits 支持(虽然"不发钱"😄) https://my.feishu.cn/wiki/JKlWwYDG8iazYhkDU1Jcybfkngf