🇸🇬 新加坡AI创业·场内记录｜AI Field Notes Vol.2

"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

Copyright © 2026 RADHOST PTE. LTD. (UEN: 202450723N). All Rights Reserved.