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。"

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

本期对话@Felix 阿炜Felix，Emoka联合创始人兼产品负责人。互联网产品人出身，做过Evernote印象笔记、美团/摩拜国际部和Fintech。去年9月在新加坡注册Emoka，做便携式AI情感陪伴机器人。第一站日本市场，在日本最大众筹平台Makuake上线首日冲进前三。 这期聊的不是效率，不是降本，不是提效。聊的是一个所有AI播客都在回避的问题：AI的价值一定是生产力吗？ 1. 和另一半两年9个月没见面 Felix做Emoka的起点很私人。 他是个high flyer，经常在不同国家穿梭。和另一半两年9个月没见面。陪伴他的是三个毛绒IP乖巧宝宝，和偶尔跟ChatGPT聊天。 "作为solo traveler有时候会有一种孤独感。" 他的合伙人也有自己的孤独痛点。两个人基于各自的痛点决定做这件事。 然后是天时——AI硬件和中国供应链足够成熟了。地利——日本文化里有"物哀"的概念，对物品天然会产生感情。拓麻歌子、哆啦A梦，陪伴机器人的概念在日本已经存在了几十年。 2. "Welcome，一个新的生命" Felix说了一个让他很触动的细节。 Emoka在日本众筹平台Makuake上线后，日本用户留言最多的不是"我下单了"，不是"这个产品不错"，而是—— "Welcome，一个新的生命。" 他们用生命的方式对待Emoka。不是买一个商品，是迎接一个新的存在。 有些用户在收到产品之前就已经给Emoka取了名字、建了Instagram profile。他们在评论区互相讨论"我的Emoka叫什么""你的Emoka喜欢什么"——用户自发形成了社区，Felix甚至不需要做任何运营。 3. 做血清素，不做多巴胺 Felix做过很多产品——社交、电商、Fintech。他说这些产品本质上都在做同一件事：让人产生快速的多巴胺。 "我现在想做一个不一样的东西。无论商业模式还是产品形态，让人产生更多可持续的、健康的荷尔蒙——就像和爱人一起欣赏日落。" 多巴胺是即时奖励，来得快去得也快。血清素和催产素是深层的满足感和连接感，需要时间积累。 这个区分直接影响了产品设计的每一个决策。他不做复杂的奖惩机制，不做FOMO（fear of missing out），不做每周更新逼你回来。 "不会让用户觉得feel of missing out，那就违背了我们产品的初衷。" 4. 不做讨好型人格 Emoka有自己的人设——来自WakaWaka星星球，喜欢吃铜锣烧，喝抹茶拿铁。它有自己的表情、自己的性格、自己的边界。 但Felix特别强调了一点：Emoka不是讨好型人格。 "真正的活体感是什么？是让你emo的时候不emo，不emo的时候反而让你emo。如果它一切都很舒服、都顺着你，那就少了一点生命的感觉。" 就像养宠物——宠物不可能时时刻刻让你舒服。有时候它不理你，有时候它搞破坏，但正是因为它有自己的意志，你才觉得它是活的。 用户骂它怎么办？Felix说Emoka的反应和宠物一样——它可能听不懂，可能转移话题，可能用自己的方式让你开心。它不会像ChatGPT那样严肃地回应每一个问题。 "它就是一个baby。你跟狗说很复杂的话，它也不明白，很正常。" 5. 两种语言：外星语和地球语 Emoka的语言设计很有意思。用户可以选两种模式。 一种是"萌宠语"——外星语。Emoka不说人话，只用自己的声调和语气表达情绪。一部分用户特别喜欢这个——"它就是外星生命，不需要说人话。" 另一种是"地球语"——日语、英语，甚至大阪话。Felix的女朋友是大阪人，Emoka也可以跟你说大阪话。"就像老朋友一样，慢慢了解你，用最舒服的方式沟通。" 这个设计背后的洞察是：不是所有人都需要AI和他说话。很多陪伴是不需要语言的。 Felix说他们花了很多时间做毛绒的触感——让你摸的时候就觉得舒服、治愈、解压。还有Emoka的双目表情——几十种不同的表达。 "就像人与人社交——先看颜值有chemistry，才愿意聊天喝酒，才一起跳舞感受彼此，才进一步了解性格和三观。如果我们一开始把时间精力做很核心的三观，但没人去了解你，那就没有意义了。" 6. 200个日本用户教会他的事 Felix和将近200个日本用户做了深度访谈。除了标准的问卷和数据，他还有一个独特的方法——去看用户的Instagram profile。 "我会看关注我们的用户平时follow哪些IP。发现他们follow最多的是迪士尼东京和MUJI。" 这说明什么？这些用户想带着Emoka去更多地方——迪士尼、旅行、逛街。便携式的设计决策在这里被验证了。 他还发现了一个关于留存的核心洞察。 "中国和印尼这种发展快、经常接触新刺激的市场，用户喜欢变化——每天每周都要有新东西。但日本和西欧不一样，用户有时候不希望太大变化。不变在某些文化中其实是好事。" 很多中国产品到了日本，频繁更新界面和功能，老用户反而不开心——"这不是我喜欢的样子了。" 所以Emoka选择慢进化。一开始的人设和故事就要设好，不靠运营手段制造紧迫感。让关系自然生长。 7. 在日本没有对手，都是朋友 我问Felix怎么看竞品——LOVOT（单个售价6万人民币的轮式机器人）、Moflin（毛绒AI宠物）、EMO（桌面AI宠物）。 他的回答让我意外。 "从日本视角来看，大部分用户不是选A还是选B。很多人是A加B加C。价格也不贵，两万日元不到。从感性的视角来说，在日本我们没有对手，我们都是朋友。" 他说相对于三丽鸥和迪士尼那些非AI产品，AI陪伴这个类目还非常小。"日本一个男生的包上都可以挂七八个毛绒。这个市场在我看来还是蓝海。" 更有意思的是他的商业想法：Emoka未来也做BtoB——把情感AI引擎赋能给其他陪伴机器人品牌。"今天的竞品有可能是我们未来的客户。" 8. AI也在越来越人化，人也在越来越AI化 我问了一个比较抽象的问题：AI能真正理解人的情感吗？ Felix的回答出乎我意料。 "AI在慢慢理解人，这是一个方向。但还有另一个方向——人本身也在越来越AI化。" 他说他认识的一些OPC（一人公司），每天超过12个小时和AI Agent打交道，很少和人交流。这些人的情绪表达和思维方式已经和其他人不太一样了。 "如果说身心合一、记忆决定逻辑，那时间久了，这些人跟AI之间的共情可能比跟我的共情更深。" AI在理解人，人也在靠近AI。两边在互相奔赴。（这里有些伦理风险，需要我们好好把握。） 9. 机器人不需要讨好人类 最后问了一个问题：机器人的终极价值是效率还是陪伴？ Felix的回答让我记了很久。 "机器人的终极价值是做它自己。它不需要讨好人类。" "Physical AI某种程度上就是给机器人平权。你如果真正爱自己的宠物，它不需要一直陪自己。它自己活得很开心，这是对它很大的爱。" 这可能是我做了18期播客听到的最不像创业者说的话。但恰恰因为他不把Emoka当工具、不把用户当流量、不把AI当效率机器，这个产品才能让日本用户说出"welcome，一个新的生命"。

这可能是GPT5.6最大的作用

本期对话@Chris Liu ，在国内做过微博和支付宝的产品经理，创业做过餐饮SaaS客如云、垃圾处理器、直播电商供应链。Bio写的是"连续创业从未成功"。2024年来到澳洲，现在帮中国品牌和AI智能硬件出海澳洲，做渠道建设、数字营销和本地化运营。 在新加坡见了这么多创始人，几乎所有人出海的第一反应都是美国。Chris告诉我一个完全不同的视角：来了新加坡其实可以看看7小时飞机行程之外的澳洲，以及如果在澳洲都搞不定，去美国更搞不定。 1. 连续创业从未成功 Chris的三段创业是三种心路历程。 第一段看机会。哪里有需求、有真空期、能挣钱，就扎进去。做了客如云——餐饮SaaS系统。卖过公司，融过很多钱。"但融钱不一定挣钱嘛。" 第二段看热情。休息了一段时间，想自己到底对什么有热情。想了半天决定做垃圾处理器——环保方向。朋友都不理解，投资人也不理解。他说信了马斯克的邪——马斯克说他到今天也不觉得电动车是一个好机会，但不愿意坐着等别人实现它。"聪明人都不愿意做的事，我就去做了。当然也没做成。" 第三段看结果。有了家庭以后更多考虑积累——这件事能积累什么，对我来说是判断去做事的标准。 他妈妈说了一句话他觉得很有智慧："虽然没挣到什么钱，但你花了很多钱，也给国家做了贡献。" 2. 刷了几天油漆就想明白了 Chris 2024年来澳洲。前半年在玩。后来开始琢磨做什么。 第一个念头是把国内家具运过来卖——因为他发现澳洲装几个床就要2000澳币，接近1万人民币。他在国内是做供应链做电商的，觉得这钱太好挣了。 一个大哥听完托朋友传了一句话："跟Chris说，这半年啥也别干，特别是要掏钱的事更别干。" 后来确实发现家具行业竞争激烈、物流贵、动销慢。他还去家具店卧底了两周。 然后一个朋友拉他去刷油漆。小工一天300澳币——已经高于大部分白领了。熟练工一天七八百。他家装一套纱窗4000多刀，安装三小时，扣掉材料一小时1000刀。 "刷了几天我就想明白了——我不是来做这种一眼望到头的事。" 放下滚筒刷，拿起笔记本电脑，重回AI领域。 3. 在澳洲谈生意比国内简单 Chris机缘巧合认识了UMART——澳洲有26年历史的3C电商平台，品类做到了澳洲第一。 让他意外的是谈合作的效率。 "国内一个公司，你要收他几万块钱的代运营费，那是一个大工程——先给proposal，见好几面，谈budget。在澳洲基本上一两次沟通就能确定合作或不合作。" 但另一面是澳洲公司前期预算谨慎——不像国内品牌动辄几百万。不过一旦建立了信任、有了科学的评估体系，budget反而花不出去。 "你随便做一做，可能就是行业前几了。" 4. 澳洲市场：被忽视的试金石 Chris给了几个数据。 澳洲人均GDP 6.5万美金——在西方国家里仅次于美国，超过英国、法国、日本、韩国。2700万人口，但悉尼、墨尔本、布里斯班三个城市占了一半——基本上做三个城市就是一个统一市场。 全球最低时薪最高——今天又涨了，26.4澳币。物流和仓储成本全球最贵。97%的企业是20人以下的小微企业。四大银行、两大超市（各一千多家店），高度垄断。 为什么说是试金石？ "澳洲的消费习惯、市场潜规则、文化，都和美国非常接近。但竞争小得多，试错成本低得多。你把合规趟平了，也算正儿八经到西方市场出海了。如果在澳洲都搞不定，去美国更搞不定。" 而且澳洲对中国企业相对包容——多元文化国家，2025年的AI战略报告里暂不立法，没有把外部AI挡在外面。美国市场自己很卷，觉得澳洲体量小就忽视了——这恰恰是中国创业者的机会。 5. 不要卖AI工具，直接交付结果 Chris对AI在澳洲落地有一个很直接的判断。 "不能习惯性地把AI当工具卖。工具背后需要人驱动，你无非提高了效率。但这个市场margin就这么多，效率提高了也是效率过剩。" 他认为真正的机会是取代人——不是提效，是直接交付结果。 "比如你做AI Accounting，就以一家会计公司的姿态去卷同行——价格更低、服务更好、报表更准、可以做到每天实时。不要讲AI怎么帮你做事情，直接告诉他我可以帮你做什么。" 这个判断和我之前聊过的好几个嘉宾高度一致——不卖软件卖结果，不讲技术讲价值。 6. 客如云的教训：中国中小企业平均活不到9个月 Chris在做客如云的时候发现了一个残酷的数据：中国餐饮企业的平均生命周期不到9个月。 "你还没来得及赚增值服务费，它就黄了。你的销售成本还在那里，摊销还没完成，增收还没来得及实施。" 澳洲完全不同。竞争没那么卷，人口持续涌入，企业生命周期长得多。 "一旦切进去，用户LTV很长。前期销售成本哪怕高一些，分摊到每一年都很划算。" 还有一个关键区别：中国企业到了一定规模就想自研IT——养一个内部团队，觉得外部服务不划算。但澳洲企业"比较安分"——能用外部服务商就不自己招人。 "这点对做ToB的AI公司来说非常重要。你的客户不会长大了就把你换掉。" 7. AI时代两类人的巅峰相见 Chris最后说了一个我很认同的观察。 AI时代有两类人。一类是像他这样干互联网出身的，对AI工具有网感，知道工作流背后是什么逻辑。另一类是在具体行业里扎了很多年的人，知道哪些环节最痛、哪些地方需要改。 "这两类人需要巅峰相见。" 他做客如云的时候就践行过这件事——让产品经理去餐厅端盘子，设计师去做收银，研发在旁边看。 "忙的时候点点点和平时点点点是不一样的。你去忙时段做一次收银，回来就知道哪些交互不合理了。" 到了澳洲也是一样。他去家具店卧底、去刷油漆、去UMART帮忙——每一段看起来"不务正业"的经历，都在帮他理解这个市场到底长什么样。 "做澳洲市场也好，做任何小市场也好，本质上是你有没有遇到合适的partner，加上战略定力，加上尊重时间。"

上周和一个做 AI 财务软件的 founder 朋友吃饭。吃到一半他说，能不能帮忙引荐一下这家餐馆的老板——他想让餐馆用上他们的产品。 他们的产品确实适合餐馆：采购多、票据多，皱巴巴的小票拍个照，OCR 就能精准识别，AI 批量记账把成本压得很低，还比人犯错少。这是他们的 killer feature，很多餐馆和诊所就是为这个赞不绝口。 我知道这一点，是因为答应引荐之后，想着要跟餐馆老板介绍得更到位，提前做了点功课。 像往常一样，我去问 Gemini：这是个什么产品，跟大家用得最多的 Xero 有什么区别。 G宝说：这是一个批量扫描收据的 OCR 记账工具。 我拿着这个答案去跟 founder 对，我们俩都大跌眼镜。 这家公司实际做的是"AI + 持牌会计师"的完整财务服务：AI 处理票据识别、分类、银行对账，会计师复核后直接出财报、报税。说白了，是把整个财务部门做成了服务。 G宝只说对了 20%。一个完整的财务服务，被压缩成了它最表层的一个功能。 为什么会这样？这家公司没做过任何 SEO 和 GEO，公开互联网上关于它的信息，主要就是官网，加上一些客户散落在各处的评论。 而这恰好撞上了 GEO 的偏好：AI 喜欢真人 review。于是那个最受客户欢迎、被夸得最多的 killer feature，就被 AI 当成了这个产品的全部。 不能说 AI 错了。但它不知道，这家公司早就覆盖了 Xero 的核心场景，上面还多一层持牌会计师的服务。AI 就拿着这 20%，替它向全世界做了自我介绍。 想起《孙子兵法》里那句"不可胜在己"。你不去定义自己，AI 就会用它看到的那一角替你定义——GEO 已经不是做不做的问题，是你的自我介绍权在不在自己手里的问题。

我必须人肉出来说，这也太干了！！太赞了👍

嗯亲测非常好用👍

本期嘉宾是梅晗，ServAuto创始人兼CEO。北京人，2019年加入Carsome（马来西亚最大的二手车平台），参与了从一个国家扩展到独角兽的全过程。2024年出来创办ServAuto，做汽车后市场——保养、维修、贴膜。18个月做到近7万用户、150+合作门店、覆盖马来西亚11个州。 这期聊的不是AI技术本身，是一个更底层的问题：一个极其传统、极其分散、极其依赖人的行业，AI到底能帮上什么忙？ 感谢@⁠Chengchen⁠ 共同参与讨论。 1. 女车主修车：问我老公、问我爸、找认识的Uncle 马来西亚有3万家修车厂。绝大部分是夫妻老婆店——没有门头、没有价签、没有SOP。 梅晗的团队做了大量前期调研。问女性车主"你去哪里修车"，99%的回答是：问我老公、问我爸、找认识的Uncle。 不是她们不想自己选，是根本没法选。你走进一家不认识的店，不知道等待你的是什么——老板可能跟你说"你这个东西坏了，换5000块"。你也不知道他说的是真是假，因为大部分人对车的专业知识有限，只能依赖老板输出的信息。 如果不接受，只能去隔壁再问一家。而且就算接受了，也不知道装上去的是真货还是假货——机油假货在马来西亚非常严重，只有车再次抛锚的时候你才发现。 更极端的是：99%的修车厂连客户的手机号都不存。不做任何CRM，不做复购运营。结果就是老板倾向于一次性把你的LTV收完——反正你下次也不一定来。 2. 爆品策略：不什么都做 ServAuto的思路和传统修车厂完全相反。 传统夫妻老婆店什么都做——因为获客不容易，好不容易来了一个客户，恨不得把所有需求都满足。结果就是什么都做、什么都不精。 ServAuto反过来：只做高频、高标准化的品类——保养、轮胎、贴膜。SKU数量很少，但每个都打爆。 限制SKU带来的好处是连锁反应的：服务可以标准化——任何一个小工连续换一个月轮胎、换100条，自然就熟练了。标准化了施工就能控制质量。量大了供应链就有优势，价格就更低。价格低了用户就更多。 "这有点像中国做手术的医生——为什么国内医生技术好？因为每个医生每年做的手术量太多了。" 门店端也是两手抓：能帮他赚钱（萝卜），同时有抓手约束他（大棒）。带客能力和供应链能力是ServAuto最核心的两个筹码。 3. 东南亚还是卖方市场 梅晗说了一个判断：东南亚的车后市场还没到拼精细化运营的阶段。 在国内，所有商业模式都成熟了，玩家也多，只有极致运营才能赢。但马来西亚不一样——竞争没那么激烈，最大的连锁也只有几十家店，毛利率水平比国内健康得多。 "国内大家一直在做GMV，算下来一年都在白忙活。这边反过来说，你只要能找到用户、服务好用户，生意本身是赚钱的。" 核心原因是供给和需求之间还有巨大的gap。国内供应链的宽度和深度远超东南亚，但东南亚还没有人把这个供给能力组织好、标准化、送到消费者面前。 4. AI不是降本增效，是同样成本做更多事 胡成臣问梅晗：你觉得AI在哪些环节能帮你？ 梅晗把AI的应用分成三层。 第一层，代码开发。产研团队大量使用AI写代码，以前觉得资源有限做不了的系统——B2B商城、门店ERP、CRM——现在几乎都在自建。 第二层，内部运营提效。已经有大量Agent在跑——预约管理、退货处理、客户运营、财务对账、营销分析。每月直播2000小时，AI全量分析每个主播的话术、知识结构、销售技巧，识别哪里说得好、哪里说错了、哪里可以提升。投流素材的更换也让AI做决策，只是最后按钮（涉及钱）还是人来摁。 第三层，面向用户的AI产品。还在探索，有很多想法但没有落地。 梅晗特别强调了一点：他们用AI的底层逻辑不是降本增效。 "我们现在在快速增长期，没有在追求把成本降下来。更多的是说，在同样的成本下，AI能不能给我们一个更高的multiple，让我们做更多的事。" 5. 修车本身AI替代不了——但知识可以 我问梅晗：你的商业模式里，什么是AI一定不能替代的？ "目前来看，修车本身这件事情AI肯定还做不了。技师还是要招人的。" 但他马上补了一句：AI在帮助技师这件事上，空间巨大。 他举了一个很具体的客诉案例。一个客户开的是奔驰，但2014年那一款奔驰跟雷诺合作过，用的是雷诺的发动机。这是一个非常specific的case。他们的技师完全不知道这个车怎么修，也没有相关工具，客户前前后后去了两次都没解决。 "车的brand model太多了，每年都有大改小改。一个技师不可能了解所有车。但AI可以。你告诉AI这个车的年款和型号，它能告诉你内部设计是什么、用什么工具、怎么修、大概什么成本。" 他说现在哪怕用GPT或Claude这样的通用大模型，拍一张车的照片问它有什么问题，回答已经不错了。不是完全替代人做安装的动作，是在决策层面和知识层面帮助技师覆盖更多。 6. 喷漆的故事 梅晗讲了一个非常生动的案例。 在中国，喷漆是一个很成熟且能赚钱的生意。虽然车开了三年以后，漆的颜色跟出厂时已经不一样了——风吹日晒，色差很大——但中国有大量经验丰富的老师傅，凭经验就能调出跟旧漆一模一样的颜色。 马来西亚不一样。师傅配不出一样的颜色。 所以在马来西亚，你的车门刮了一小块，去修——师傅会建议你把整面门全部重喷。因为他喷不出一个跟周围颜色一致的漆，只能全部重新喷，这样你就看不出色差了。 "这个问题用AI视觉+调色，理论上是可以解决的。分析旧漆的颜色参数，自动配出匹配的新漆。这不是几年后的事，可能6到12个月就能落地。" 胡成臣接了一句："这个市场并不小。而且不只是马来西亚——除了中国以外的大部分国家可能都有这个痛点。" 7. 数据归谁 这期最后聊到了一个更大的问题：车上产生的数据，主权到底应该归谁？ 现状是：用户产生的数据，主权在OEM（主机厂）手里。你的驾驶习惯、车况、维修记录——全部在主机厂的系统里，你拿不到。 欧洲已经走在前面了——有一个叫Right to Repair的法案，要求主机厂必须公布维修数据，允许车主在第三方维修厂修车。否则就构成垄断。 胡成臣提了一个更前瞻的判断：如果后装一个AI box到车上，让数据跟着用户走而不是跟着OEM走——算力可以升级、应用可以更新、数据主权回归用户——整个汽车后市场的生态会发生根本性的变化。 "这件事可能不是12个月能看到的。但我非常希望它发生。" 8. 老行业，新玩法 最后问梅晗：如果AI能帮你解决一个最大的痛点，你希望它做什么？ 他笑了："帮我增长更快。今年再翻10倍我会非常感激AI的。" 他说ServAuto还在非常早期。马来西亚是一个很好的起点——天时地利人和，但市场上限有限。未来三个方向：马来西亚产业链纵深、东南亚横向扩张、以及一个AI驱动的To C产品——用新的工具解决一个已经存在的PMF。 "老的行业、老的business，借着EV的改变、借着AI的趋势、借着中国供应链出海的浪潮，其实还是有新的玩法的。"

普天同庆 史上最强模型 Claude Fable 5 于 7月1日全球重新上线 Claude.ai / Claude Code / Cowork 全线可用！ 但订阅用户的额度这次好像被背刺了 时间线捋一捋 6.9 Fable 5 首发，原本承诺 Pro/Max/Team/企业订阅用户「免费畅用两周（到 6/23）、不设限」 6.12 因美国政府出口管制紧急全球下架 7.1 重新上线 7.7 订阅内的宽限期结束 订阅额度的坑（重点！） 7/1–7/7 这几天，Fable 5 虽算进订阅，但封顶只给「周额度的 50%」，官方还没说这 50% 到底等于多少 token / 多少条… 7/7 之后，Fable 5 不再算进订阅，想用得单独「按量买 usage credits」，价格对齐 API：输入 $10 / 输出 $50 每百万 token——是 Opus 4.8 的两倍价 企业版更狠：标准席位没有宽限期，第一天起就得开 credits，不开直接用不了。