Linkloud 引言
本期 Linkloud联合 Google Cloud、PayPal、图能科技举办的成都线下沙龙 Panel 场。我们邀请了Deotaland 联合创始人 & CTO 凌星炜、VMEG.AI 创始人胥彪 和 Crescendia 创始人王斌，围绕硬件 Agent、视频翻译及品牌增长系统展开深度探讨。三位嘉宾的产品形态各异，但核心命题一致：在通用 Agent 之外，创业者如何锁定可收费、可验证的具体需求？
硬件需解决 Agent 进入物理世界的路径，视频翻译需明确客户付费的具体结果，GEO 需确保品牌在 AI 推荐体系中的阵地。本文将从方向选择、结果验证及闭环构建三个维度进行解析。
一、通用 Agent 之外，品牌要留下自己的闭环
1. 垂直方向的三个筛选标准
王斌将 AI 机会分为三类：AI-Native 软件、现有 App 的 AI 化，以及硬件驱动的 AI-Native 产品。在第一类中，模型、数据与训练已形成完整闭环，强者愈强。若模型不具备领先优势，切入通用 Agent 领域几无胜算。
以 AI PPT 为例，早期团队虽抓住窗口期，但后续贡献的 Skill、Workflow 等数据可能被大模型蒸馏吸收，导致创业团队沦为通用模型的“素材提供商”。
筛选垂直方向需遵循三大标准：一是依赖未被通用数据充分吸收的行业知识；二是定制化内容能沉淀回通用产品，形成复用循环，避免从零交付；三是解决人工难以处理的痛点，创造增量价值，减少与存量利益的冲突。
垂直领域的关键在于将行业知识转化为独家持续积累的产品能力，而非仅更换行业名词。
许多 FDE 团队因无法实现标准化复制而陷入困境。王斌目前的 Marketing Agent 尝试将行业知识、内容生产与流量反馈算法化：以流量为奖励信号，通过强化学习优化规则，最终将有效能力沉淀至模型权重。
这也契合 Sovereign AI（主权 AI）的理念，即企业或国家需掌握自身的模型、数据及基础设施。若持续向外部模型开放 Skill，创业团队将难以构建自身闭环。
2. 品牌要保留知识与交易关系
王斌在 Vivo 负责通用 AI 助手期间，月活曾达 5,000 万。在生态合作中，同程接入后日活提升，但核心成交环节流失至平台，仅剩履约功能；携程则选择未接入，直接通过 Agent 与用户交互，牢牢掌握用户与服务数据。
这一经历表明，当平台演变为超级 AI 时，品牌不仅需守住入口，更需掌控知识、内容及交易关系。官网不应仅是产品介绍页，而应成为向用户和 AI 阐释“我是谁、能解决什么问题”的核心阵地。
3. GEO 要先看 Query 规模
AI 用户的提问远比传统关键词细致。Cloudflare 财报显示，网站流量中 53% 来自非真人。王斌抽取 15 万条含“抽油烟机”的提问发现，几乎没有重复。用户问题细化至具体场景，而品牌供给仍集中在少数关键词，供需间存在巨大空白。
用户提出的问题极为细分，但供给侧往往过于粗糙。
填补空白需先评估问题规模。若 Query 的 Visibility 比例高但搜索量低，难以带来实质访问。鉴于原始提问可能被 AI 改写且第三方工具数据不全，建议结合 Query 规模、实际曝光和访问数据，利用 GSC、Bing Clarity 及官网 CDN 插件监测真实数据。
内容需随问题细化。AI 更易理解参数、知识与产品间的逻辑。Skylark 案例显示，来自 GPT 和 ChatGPT 的流量实现了 4 倍 ROAS，付费率及客单价接近 Google 广告的 2 倍。在 SEO 存量市场拼预算并非最优解，细化供给、构建专属转化链路更为关键。
4. Agentic Web 把推荐变成交易
GEO 解决的是“被发现”的问题。ChatGPT 由主动提问触发，需求明确；AI 答案类似推荐，随后连接商品链接、评价及广告。
王斌预判，AI 平台终将通过商品和广告回收成本。他以影像能力为例，若 AI 推荐 Apple，竞品可围绕“更适合中国人的影像体验，价格减半”切入。广告既是新流量接口，也是认知注入手段。
广告、AI 答案与商品详情页需协同一致。只有将 Query、内容、商品和广告串联成完整链路，推荐才能转化为交易。这种结构被称为 Agentic Web，官网既作为面向 AI 的知识库，也承担转化职能。
该链路需持续更新。AI 处理 Query 时常自动加入时间、数量等限定词（如将“最好的手机”补全为“2026 年最好的手机”）。建议建立 Tutorial Center，针对用户认知阶段提供内容。例如，慕思床垫团队针对 Reddit 等平台讨论较多的“侧睡背部疼痛”，撰写“侧睡更友好”教程，取得良好效果。
方向选定后，核心考验在于：客户愿意为何种结果付费？
二、客户为什么愿意为 AI 结果付费？
1. 流量不等于 PMF
胥彪在腾讯云任职多年后返乡创业，VMEG.AI 是其第三次创业。初期推出的两款 Marketing Video 产品，虽能拆解爆款结构并生成视频，获取了流量，却未实现 PMF（产品市场契合）。流量不等于 GMV，视频受欢迎可能源于结构、价格或明星效应等非标准化因素，导致价值难以定义和验收。
2. 一个小语种订单催生 Video Translation
转折点来自一位福建大理石客户，其需将宣传片翻译成印地语销往印度。胥彪起初认为简单，实际操作中发现中英到印地语的转换极具挑战。这一需求直接催生了 Video Translation 产品。
产品上线初期甚至无成熟搜索词，直接命名为 Video Translation 并上架。随后，流量与付费用户自然涌入。这一来自用户真实搜索和付款的信号，远比主观判断更具说服力。
目前，VMEG.AI 覆盖短剧、课程、会议等场景，支持 170 多种语言，海外用户超 200 万，已实现收支平衡。其价值清晰可验：翻译准确性、音质、情绪保留度及交付格式符合性。
一旦结果可验收，技术问题便不再抽象。系统需从复杂背景音中提取干声，保留音色、口音、情绪，并处理语言间的时长差异（如中文转日语产生的时长变化）。
若无法清晰界定价值，只能采用成本定价，最终沦为 Token 转卖商。
3. Agent 化，如何让交付变得可复制？
产品从 Companion 走向 Agent 的逻辑在于此。以加拿大电信 Telus 为例，客户每分钟支付 18 美元，初期 17 美元用于人工，仅 1 美元为工具费。随着流程 Agent 化，人工环节缩减，理想状态下仅需 1 美元用于最终复核。
这虽为成本推演，但揭示了 Agent 的价值：将不可复制的人力交付转化为可持续降低成本的流程。近期促销中，客户主动囤货的行为印证了 PMF 信号。胥彪将其总结为：又快、又好、又省。
4. 用支付验证出海需求
软件验证速度快于硬件。通过 Google Search、官网和支付工具构成短反馈链路，一个月内即可判断产品可行性。
官网需清晰阐述解决的问题，展示真实案例与评价，配合每日 100 至 200 美元的 Google Search 广告，监测价格页访问、下单及支付情况。用户付费意愿比“想法不错”更能证明需求真实性。
海外用户习惯通过官网购买，小团队可完整追踪从搜索到交易的路径。只要产品、网站与真实需求匹配，辅以适量广告预算，即可快速获得反馈。硬件通过众筹验证等待意愿，软件则通过支付验证即时购买意愿。
三、Agent 进入物理世界，为什么开模要留到最后？
1. Agent 需要先拥有一副身体
凌星炜创立 Deotaland，旨在为 Agent 打造“身体”（如眼、耳、手脚）。其原型是一款 AI 对讲机，让用户脱离手机电脑也能与 AI 交互。
手机虽功能全面，但在长时间录音、视频采集等场景下体验不佳。与其预设硬件形态，不如反问：Agent 需要什么样的硬件？
现实世界中数百亿 IoT 设备产生的实时数据（温度、湿度、事件等）是模型无法凭空获取的。Agent 不仅需要更大模型，更需要感知与执行能力。Vibe Coding 与中国供应链的成熟降低了原型制作门槛。Deotaland 智能硬件黑客松的高报名人数反映了市场热情，难点在于需求未定型前的快速试错。
2. 开模是最不可逆的一步
做硬件时，切勿急于开模。这是最不可逆、成本最高的一步，应置于最后。
Rorolee 项目从启动到量产交付耗时约 6 个月，众筹覆盖 30 多个国家。众筹用户愿意等待并提供高密度反馈，促使设计和功能在原型至量产间不断调整。
凌星炜复盘认为，若重来可将周期压缩至 3 个月。硬件越早进入量产，越易锁死错误设计与成本。前期应利用 3D 打印、CNC 及成熟 PCB 供应链反复迭代，完成 0 到 1 的验证。
垂直硬件无需千万级用户。销量达 5 万或 10 万台即可支撑生意。PLAUD 录音设备累计销量约 200 万台，市场份额超 60%，证明明确需求比盲目追求海量用户更重要。
3. 众筹既是预售，也是用户研究
众筹兼具预售与用户研究功能。通过 Kickstarter、Indiegogo 收集邮箱或定金，利用 45 至 60 天周期测试社区精准度与 ROI。Discord、Shopify 独立站及联盟计划则将早期支持者转化为传播节点。
硬件创业第一步并非开模，而是确认用户愿意等待、支付定金并提供改进意见。唯有在真实反馈中迭代，硬件才能成长为成熟产品。
先倾听用户，再决定投入。三位嘉宾路径不同，但验证逻辑一致：Agent 的真正壁垒，始于具体而真实的反馈。
end
