在 AI 赋能加之日益复杂的全球化趋势下， “出海”作为似乎成为企业的必经之路。那么，在出海过程中，数据跨境流动限制、目标市场的本地化需求等种种痛点应该如何解决？全球 AGI 的发展提速，对中国 AI 应用出海有哪些特别的帮助呢？

近日 InfoQ《极客有约》X AICon 直播栏目特别邀请了 白鲸开源 CEO 郭炜 担任主持人，和 Kong Inc 中国区总裁戴冠兰、GMI Cloud China VP 蒋剑彪 一起，在 AICon 全球人工智能开发与应用大会 2025 上海站即将召开之际，共同探讨中国技术出海如何实现破局及增长。

部分精彩观点如下：

• 企业必须先判断国内经验能否低成本、高效率地迁移海外；若无法平移，应在起步阶段即选择全球化路线。
• 先在欧美跑通模型，再将经验与资源“反哺”回国内，往往比直接在国内起步更稳妥、更高效。
• 先在开源社区滚出可用的“核心雪球”，再通过与大型云厂商深度整合，实现市场渗透与商业变现，两步并行可大幅提高出海成功率。
• 创业初期别为省成本而犹豫，大胆采用成熟 SaaS ，才能更快聚焦产品价值并驶入增长快车道。
• 谁能最快将 AI 转化为可规模化的本地化服务，谁就能在全球市场建立新的竞争壁垒。

以下内容基于直播速记整理，经 InfoQ 删减。

出海战略与市场验证 

郭炜：出海很火，从各位了解来看，有没有觉得哪家的出海做的非常好的？为什么？

戴冠兰： 这个周末我去参观了一些新能源车企，中国新能源汽车在欧洲和南美等市场的表现相当亮眼——虽然美国市场渗透依旧困难，但整体海外成绩可圈可点。

以南京领锐为例，这家公司专注于汽车核心零部件与整车制造。在国内新能源“卷”得极为激烈的背景下，他们选择将竞争重心放在海外，并取得了不俗的业绩。公司通过多种灵活策降低关税，例如先以零部件形式出口，再由当地公司组装，充分体现了企业家的智慧。

此外，我最近还关注到一款名为 Manus 的软件。它刚刚获得 Benchmark 领投的融资，估值达到 5 亿美元。该团队从一开始就面向全球市场，早期 Demo 只提供英文版本，虽然曾因此被国内用户吐槽，但如今的融资与估值足以证明其战略的成功。

蒋剑彪： 我们主要聚焦海外云服务，因此对“AI 应用出海”格外关注。如今，“AI Native”企业已成为显著趋势。根据我们的观察，当前出海表现最突出的赛道集中在：视频与图片生成／编辑；拟人式对话；AI Agent。像视频与图像生成／编辑类应用几乎约占所有出海 AI 应用数量的 50%。

以万兴科技为例，公司布局了多款 AI 视频与图像编辑产品，凭借产品矩阵切入海外市场，他们对各国文化与消费习惯了如指掌，再叠加新一轮 AI 技术，堪称“如虎添翼”。

另一家比较典型企业是昆仑万维，这是目前海外收入最高的中国 AI 公司之一。多年深耕海外市场后，近几年其在语言、视频、音乐模型等领域投入巨大。

过去一年，公司在 AI 商业化上实现了实质性突破——从技术积累转向稳定的收入贡献。这两家公司都具备深厚的海外运营经验和对用户需求的洞察，再借助 AI 技术实现快速变现，是 TMT 领域出海的最佳范例，他们的财报表现也印证了这一点。

郭炜： 真正能在海外取得成功的中国企业主要有两类。第一类是做面向 C 端的应用的企业，尤其采用 “China to Global（C2G）” 模式的互联网产品——例如短剧、短视频等。凭借国内成熟的运营经验和创新思维，这些产品在海外市场快速站稳脚跟。第二类是 AI 领域的企业。华人在算法和数学方面拥有深厚的人才网络，再加上中国团队的勤奋投入，使得这一赛道表现格外突出。

郭炜：技术公司出海时，“先本土后海外”和“直接全球化”两种策略，如何根据自身产品特点做选择？

蒋剑彪： 决定企业采取“先深耕本土、再布局海外”还是“直接全球化”的关键，在于国内宏观经济形势以及产品所处的发展阶段与特性。“先本土后海外”模式更适合本地化需求强、路径依赖明显的行业。例如过去十年，电商和金融企业先在国内构筑规模与壁垒，再凭借成本和经验优势出海。

相比之下，新生代 AI 创业者往往一开始就定位为 Global Native，直接面向全球，以规避国内的激烈竞争。他们的标准化技术产品（如 SaaS、AI 模型等）易于复制，适合快速进入国际市场。

产品复杂度也影响出海节奏。高复杂度的工业软件需先在本土完成深入验证和迭代；而低复杂度、用户需求普遍的协作工具，由于用户体验差异小，可以更快推广到海外市场。

同时，C 端与 B 端策略也应当区分。面向 C 端、依赖付费订阅的产品，建议直接布局北美和欧洲，这些市场付费意识强，价格接受度高；而在国内，“免费”的竞争导致“变现困难”。而面向 B 端的产品则可先进入价格敏感度较高的东南亚，以成本优势迅速建立市场基础。

戴冠兰： 决定是否先深耕本土，关键在于评估本土优势（语言、团队等）能否形成可迁移的积累效应。国内的成功模式能否复制到海外？若存在可利用的路径依赖，并可通过“降维”在海外取得优势，这一路径才值得考虑。

除 C 端与 B 端外，还存在面向开发者的 “D 端” 市场。由于开发场景高度标准化，全球开发者普遍使用 VS Code、Linux、Python、Java 等统一技术栈，此类产品应自始即采取全球化策略，因为本土经验几乎可以直接平移到海外。

郭炜：两位的公司在全球和国内采用的战略有哪些差别？

蒋剑彪：对 GMI Cloud 而言，并不存在必须优先选择“全球”或“国内”市场的问题。作为 AI Native Cloud 提供商，我们始终跟随客户的市场布局——客户走到哪儿，我们就服务到哪儿。即便产品面向全球用户，核心市场依旧集中在北美、欧洲以及东南亚、亚太等地区。

与此同时，国内企业因竞争激烈，更倾向于出海获取利润。我们的角色是为这类客户提供一站式 AI Native Cloud 解决方案，基于英伟达高端芯片，从裸金属到 GPU 云，从训练到推理，从北美到亚太，结点覆盖全球，为全球 AI 企业提供稳定安全、高效经济的 AI 云服务解决方案。

郭炜：可以理解为：客户主要在国内，而你们帮助他们全球化？

蒋剑彪： 没错。我认为对中国新一代企业而言，真正“只做本土”的公司几乎不存在，除非是极少数依赖原始资源的创业项目。对于 AI 企业而言，走向全球、实现产品标准化，才是获取可持续利润的唯一出路。

戴冠兰： 硅谷初创公司通常先在美国做大，营收达到 2,000–5,000 万美元后，再将已验证的打法复制到欧洲。我们也以客户所在市场为导向，从创立伊始便同步布局欧美市场，这与我们的产品形态密切相关——作为开源基础设施软件，必须先在社区建立生态，再推进商业化，因此需要同时深耕欧美。国内客户主要分两类：一是计划出海的本土企业；二是希望在中国落地的大型跨国公司。

出海企业需采用国际通用技术栈，跨国公司进入中国则更关注合规与本地化。软件成熟需要时间，不能等到“果子完全成熟”才行动。我们有责任持续打磨产品、培养国内生态。欧美市场的收入可提供资金支持，但仍应深耕中国，以免错失长期机会。

郭炜： 真正落地时，初创企业面临资源与注意力双重限制，往往只能在目标市场之间“二选一”。创始团队需分头作战，先评估手中资金能否支撑一个市场跑出规模，再衡量产品市场匹配度（PMF）及各地 SEO、媒体、公关和营销生态的差异化本地化需求。

我倾向让新一代 AI 与基础设施类项目先布局美国，因其利润率更高、付费能力更强。中国市场则呈现“僧多粥少”局面：技术团队实力普遍强，但付费客户有限，竞争异常激烈。如果企业尚未启动全球营销，先切入美国或许更具性价比。

当然，若公司已在国内具备一定基础，也可把中国视作“根据地”。就像当年红军占领井冈山——资源虽有限，却能借此打磨产品、积累经验，再“农村包围城市”，逐步向更大市场扩张。

郭炜：在海外市场（如东南亚 / 欧美）验证产品市场匹配度（PMF）时，哪些技术指标比商业数据更关键？

蒋剑彪： 用户留存是首要指标，直接反映产品是否真正解决了用户痛点。AI 工具类产品通常“即用即走”，使用时长短，因此留存尤为关键。若次月留存率能达到 15% 左右，通常意味着产品已满足持续运营的基本条件。

其次是交互的本地化程度。不同地区的用户行为差异显著，App 界面都各具特色。工具型 AI 在交互设计上更需贴合当地习惯——完成同一任务所需的点击次数、操作深度，都会影响用户体验，必须依据各区域数据持续优化。

第三是稳定性与实时性。面向全球市场的 AI 产品竞争激烈，仅“AI Coding”一项就有 130 多个竞品。用户对服务中断或延迟的容忍度极低，因此需在全球部署推理节点，并能随用户增速及时扩容，确保访问稳定。

戴冠兰： 剑彪刚才提到的 AI Coding 赛道很有意思：市面上竟有一百多家竞品。大家有没有想过，为什么用户不直接使用 OpenAI 或 Claude 的 API？我大胆推测：Cursor 和 Windsurf 这些平台本质上在“批发” API——以更低价格打包出售 OpenAI 的算力和会员服务，因此能在留存和营收数据上表现不错，却可能一直处于疯狂烧钱状态。

在当前 AI 创业环境中，许多团队并不着眼于稳定的 Burn Rate（现金消耗率），而是先砸钱扩大用户规模、放大泡沫，让投资人看到其成为行业龙头的潜力。如今的 AI 行业或许类似 90 年代的互联网泡沫：三四年后泡沫破裂，九成以上公司会倒下，目标应是在泡沫散去后仍能生存。