AI news

逆袭大厂绞杀,这4家AI公司凭什么翻倍暴涨?

By 非凡产研1 viewsSource: 非凡产研
逆袭大厂绞杀,这4家AI公司凭什么翻倍暴涨?

2026年出海:靠“陪聊AI”活着的公司都在死去,这几家企业凭什么翻倍暴涨?

The full text has not been translated yet. The Chinese original is shown below.

2026年出海:靠“陪聊AI”活着的公司都在死去,这几家企业凭什么翻倍暴涨?

当大厂开始亲自下场做应用,AI创业真正拼的已经不是“会不会接模型”,而是你能不能帮用户把工作干完,并且把钱和时间真正挣回来

如果你不能帮用户把工作干完、顺便拿到一个好结果,他们就会立刻判定你的产品是“智商税”,然后果断弃用。

去年年初,如果你的AI产品能好好回答问题且不胡说八道,用户就已经很满意了。

但到了今年,如果你不能帮用户把工作干完、顺便拿到一个好结果,他们就会立刻判定你的产品是“智商税”,然后果断弃用。

这是最近在“非凡大赏·杭州 AI WEEK”的全球化增长圆桌上,被几位头部AI出海创业者高频提及的一个现象。

当巨头们把基础模型的参数刷到令人发指的地步时,AI应用层的创业者们正面临着一个地狱级的2026年:大厂亲自下场做应用,技术范式每两周变一次,用户胃口被彻底撑大。

在这个堪称“绞肉机”的阶段,有人哀嚎凛冬将至,但也有人迎来了极其疯狂的大爆发。

从“玩具”到“打工人”:Agent原生的残酷元年

在过去很长一段时间里,大家对AI的认知停留在“高级玩具”或者“知识外挂”。企业最喜欢做的事,就是搞一个RAG(检索增强生成)加上一个Chatbot,然后宣称自己All in AI了。

但在Zilliz(全球向量数据库头部企业)市场负责人陈梦琳看来,风向已经彻底变了。

文章配图

作为底层基础设施的提供方,Zilliz的感知是最敏锐的——过去15个月,他们的ARR(年度经常性收入)实现了惊人的7倍增长,而在数千万美金量级的基础上,过去三个月竟然还在翻倍。

“因为很多欧美客户已经从边缘业务的‘实验性测试’,真正走向了‘生产级落地’。”

应用场景已经跨越了简单的Chatbot,全面转向Agent(智能体)。因为Agent需要超长上下文、自主决策、主动记忆,和信息的快速检索,这对向量数据库提出了极其苛刻的要求。

remio创始人汪源直接给2026年定调:“这是Agent原生应用生态的元年。”

文章配图

未来,各种垂直应用会像当年iPhone诞生后的APP一样,长在Agent原生操作系统上。“以前用户买很多个APP,以后用户可能就是买Token来‘养自己的OpenClaw’,让Agent去帮他干活。”Agnes AI联合创始人Will补充道。

这也意味着,如果你的产品还只能做“问答”,在这个时代连及格线都碰不到了。

大厂下场绞杀,小团队怎么活?

2026年最让AI创业者焦虑的,是大语言模型厂商不再满足于卖API。他们开始往应用层伸手,试图接管所有的场景。

面对谷歌、Meta这些既有钱又有人力的巨兽,这四家公司不仅活下来了,还活得很好。怎么做到的?

第一招,是比大厂做得更“重”。

Kuse.ai(AI生产力工具)营销负责人Xiaoshu指出了破局的关键:通用Agent能力大家都差不多,壁垒在于极深的行业Know-how。

文章配图

他们大量渗透进欧洲、港台的教育和保险等垂直领域。“大厂虽然能用Skills去包装,但垂直领域知识的深度,需要极长时间的探索,这不是大厂搞个通用模型就能打穿的。”

第二招,是剑走偏锋,去大厂不愿去的地方。

大厂极其渴望把所有用户数据都拉到云端。而remio反其道而行之,把自己变成了一个直接长在用户“主力办公电脑”上的原生应用。

要想真正获得用户的主力工作上下文,你必须在本地环境里。“我们花了很多力气解决本地信息的解析抽取,目前大厂还没有下场对标。”汪源坦言。你得有一点规避大厂的智慧,但也得保持未来向他们挑战的兴奋感。

陈梦琳更是抛出了一个直白的暴论:“2026年,还不存在所谓的AI巨头。”

对于谷歌和Meta来说,在AI领域他们依然是创业公司。而且大厂往往是多头下注、内部赛马,真正落在某个具体细分赛道上跟你竞争的,可能也是一个临时拼凑的小团队。“相比之下,我们在向量数据库行业深耕了八九年,这种专注度是大厂给不了的。”

出海搞钱,你要会“翻译”你的产品

当产品过了生死线,怎么在全球极其割裂的市场里找到用户并让他们掏钱?这些拿到结果的人给出了非常落地的“搞钱”建议。

首先,说用户听得懂的人话。

不管在美欧日韩,还是东南亚拉美,现阶段所有人最大的焦虑点都是一样的——搞钱。

Xiaoshu的经验是,不要给用户讲你的大模型有多牛、生成速度有多快。“你要告诉他们,怎么用AI搭建一人公司搞副业。在每一个工作流里,你怎么帮他建站、帮他做数据分析。”当你把功能翻译成“赚钱工具”时,用户的转化率会出奇地高。

其次,信任是掏钱的唯一前提。

在基础设施领域,信任比什么都贵。Zilliz拿下了北美大厂的巨额订单,靠的是GitHub上4.3万颗星的全代码开源、SOC 2等严苛的合规认证,以及真人在湾区、纽约、伦敦各个本地化办公室的支持。

对于C端工具而言,汪源的策略更直击痛点:“先把付费率做到5%以上的商业闭环,再去谈规模化增长。”比起买量投放,让组织内部的老板或HR用得爽,从而辐射全公司,是B2B2C模式下成本最低的获客方式。

2026年的AI市场不再是那个拿个PPT就能融钱、套壳GPT就能变现的草莽时代。

泡沫正在被挤出。真正能吃到这波大航海时代红利的人,是那些敢于啃硬骨头、深扎垂直场景、最终能帮用户把时间或者金钱挣回来的实干家。

正如Will在一句感慨中总结的:“每个时代都有每个时代的英雄,赛道才刚刚开始。”

文章配图

更多对话细节

非凡大赏·杭州 AI WEEK 趋势圆桌 Panel

《全球化:2026全球增长趋势与战略抉择》

嘉宾:

Kuse.ai 营销负责人-Xiaoshu

Agnes AI 联合创始人-Will

remio 创始人&CEO-汪源

Zilliz 市场负责人-陈梦琳

主持人:EPIC Connector 合伙人-Lois

文章配图

Lois:非常荣幸能邀请到各位老师!今天无论是在座的 Kuse.ai、Agnes AI、remio 还是 Zilliz,大家都是在做全球化的创业。其实我们也想今天和大家一起聊一聊,从年初看到的全球化宏观趋势观察、大家的战略选择、增长路径,以及今年各方面发生的变化和对亮点事件的看法。方便大家建立新的框架,第一个问题想结合贵公司所在的 AI 领域,请大家用一个关键词形容 2026 年全球 AI 增长或用户的特征,并用一句话概括您公司在 2026 年全球 AI 版图中的独特位置?我们先从 Kuse.ai 的 Xiaoshu 开始。

Xiaoshu:大家好,我是 Kuse.ai 的营销负责人 Xiaoshu。我觉得这是一个非常好的问题,最大的特点应该是“分化”。相比 2025 年,2026 年我们看到了更多不同的视角。从大语言模型厂商的角度,大家非常努力地在推动能力边界,同时也有很多新的开源项目,包括 Agent 的技术框架不断涌现。从创业公司或 AI 应用的角度来讲,确实面临比较有挑战性的局面。因为大厂下场,不仅做底层技术框架,还会做更多跟应用场景相关的实际工作。所以创业公司在 2026 年面临着更大分化的挑战,需要找到自己的赛道和真实价值。简单介绍一下 Kuse.ai,它是一款 AI 生产力工具,大家可以把它理解成一个 AI 工作空间。就像在真实的办公室里,你可以摊开文件夹、上传文件,并基于这些文件和 AI 进行交互。同时我们也引入了新产品 Junior,定位为中小企业的 AI 员工。

Will:我是来自 Agnes AI 的 Will,我们公司主要面向海外用户做了一款 All-in-one 的 APP,集成了效率工具、多模态内容生成、AI 角色陪伴等能力。我们从今年三月份开始进行 APP 矩阵的拆分:上线了专注陪伴属性的 Agnes Echo,以及专注图片和视频模型的 Agnes Pixa。四月份还会上线专注建站和 Coding 的 Agnes Vault。2025 年我们不断积累模型能力并扩张团队。回答主持人的问题,我的感受是“范式的转变”。随着技术和框架的变化,用户行为也在转变:未来更多人会通过“养 OpenClaw”的方式去调用模型以 Token 计费,而不是订阅大量应用。这可能是 26 年的一个范式转变。纯小白可能不适合直接“养 OpenClaw”,所以我们推出了 Agnes Cloud 的一键部署能力,方便非编程用户快速体验并降低成本。从公司定位上,我们正从一家有模型训练能力的应用公司,转变为有应用能力的模型公司。

汪源:大家好,我是 remio 的创始人汪源。简单讲一下 remio 这个产品,目前它是一个以办公为主,能够无缝采集和聚合上下文与各种数据,并支持知识库问答的产品。下周我们将发布新产品,它是一个 Agent 原生应用的操作系统和应用市场。2025 年大家称为 Agent 元年,我认为 2026 年是“Agent 原生应用生态的元年”。在硅谷有很多垂直应用出来,形态会演化为运行在 Agent 原生操作系统上的原生应用,就像当年 iPhone 诞生后产生了一系列移动 APP 一样。所以我认为今年是应用爆发的节点。

陈梦琳:大家好,我是 Zilliz 的市场负责人陈梦琳。Zilliz 是一家全球向量数据库领导者。我的感受可能和前面几位不太一样,对 Zilliz 来说,这是非常直接的“大爆发的一年”。过去 15 个月,我们的 ARR 实现了 7 倍的增长;在 ARR 达到数千万美金量级的基础上,过去三个月依然实现了翻倍增长。关于 Zilliz 在 Agentic AI 版图的位置,上周 GTC 大会上老黄展示了非结构化数据的生态版图,其中 Zilliz 和 Milvus 被作为非常重要的环节重点 Highlight 出来。这证明 Zilliz 本身是 Agentic AI 时代数据基础架构中不可或缺的一环。

Lois:Zilliz 之前也被老黄提名过。你们在去年实现这么大增长的同时,在跟海外客户交流时,有没有看到一些客户需求或技术栈的有趣变化?

陈梦琳:我觉得这个问题非常有意思。如果简单总结,就是全球客户都在从实验性的实践走向了真正的生产级落地。一两年前,大家多在边缘业务进行实验性测试;今年,越来越多企业把最核心的业务和数据流搬到了向量数据库。因此,大家更看重安全合规上的需求、企业级的高可用,以及实时实施的保障服务。应用层面上,以前大家将向量数据库定义为 RAG 的知识外挂或长期记忆;今天市场应用已基本从 chatbot 转移到 Agent。在 Agent 背景下,长上下文能力、自主决策、主动记忆,和信息的快速检索以及安全合规,对向量数据库本身提出了更高要求。

Lois:确实,从 infra 来说,安全、稳定和效率大家比较关注。从应用和用户的角度,想请问 remio 的汪源老师,您有看到用户的一些习惯变化吗?

汪源:明确的变化是,去年上半年用户对 AI 软件能好好回答问题就比较满意了;到了去年下半年,尤其是 OpenClaw 在全球影响力扩大后,用户表达出如果你不能帮我干活,他们就会非常不满意。现阶段无论做垂直还是通用产品,底线是能让用户放心把工作交给你去干并拿到好成果。

Lois:要求越来越高了。也想请 Will 分享一下,Agnes AI 海外用户覆盖很广,这方面有什么趋势?

Will:我们的用户 50%-60% 在东南亚,30% 在拉美和中东,剩下 20% 在美、欧、日、韩。我非常同意汪老师的观点,产品和用户间的 Trust 非常重要。建立 Trust 基于两点:一是复杂任务的完成度,二是同等条件下成本是否被市场接受。2025 年初通用 Agent 比较火,年中是各类 Artifact 生成,年底到 2026 年初是多模态和世界模型。OpenClaw 出来后带来了范式的变化:用户可以更灵活地搭建自己的 Agent,处理更长工作流的任务,满足个性化需求。我们希望通过提供 API,让用户以更好的性能和成本效益去体验自己“养 OpenClaw”的过程。

Lois:确实 OpenClaw 带来的范式变化挺大的,不仅提高了预期,也促使大家调整产品。想问问 Kuse.ai 的 Xiaoshu,你们前段时间完成了新版本重构,下一步准备怎么满足用户?

Xiaoshu:我非常同意前面三位的判断。从营销角度举例:2025 年做社媒宣传,只需说明产品能帮用户完成什么就可以了;2026 年 AI 渗透率很高,你必须给用户一个“为什么用你而不是用别人”的理由。产品侧,用户不再满足于简单的良好聊天体验,他们期待更多的 Agentic 体验,并且在每一个生成节点弥补体验上的断点。比如普通人不会处理 API,但在 OpenClaw 里如果能接入外部数据库,能力会飞速增长。我们希望能把这些能力内化到产品里,帮非技术人群弥补体验断点,这是非常大的价值增益。

Lois:观察非常敏锐!其实大家都在思考一个问题,现在头部大厂拥有模型能力,每一次更新都可能颠覆行业。你们如何看待大厂下场做应用带来的竞争?我们从 Xiaoshu 开始。

Xiaoshu:大厂有更大的人力和资金资本,它们发布新功能确实领先,此时追随并不是贬义词,因为 AI 发展还在非常早期。作为初创公司,我们在做好通用 Agentic 能力的基础上,会做更多垂类创新。我们在教育、金融(尤其是保险领域)渗透比较早,并与欧洲、港台等地的学校和保险机构有深度合作。垂类需求和通用有很大不同,需要极深的行业 Know-how。虽然大厂能通过 Skills 或 Connector 包装,但垂直领域知识的深度仍需要大量时间探索。

Lois:越垂直就越能成为壁垒。那 Agnes AI 是怎么寻找发展空间和留住用户的呢?

Will:AI 应用层还处于比较早期的阶段,赛道刚开始,每个时代都有每个时代的英雄。市场选择上有差异化,要根据所选市场用户的需求痛点、付费意愿去考虑。小团队有机会快速成长并与大厂掰手腕。大厂也有困境,体量足够大时,他们考虑的不仅仅是单一的 AI 产品,所以小公司会有更多机会。

Lois:请问 remio 的汪源老师,在知识管理方向上,怎么找到空间持续发展?

汪源:作为创业公司,没必要把自己摆在一个绝对认为大厂不会来的地方。我们的竞争对手主要是大模型公司、办公协作公司和互联网巨头。这些公司的共同点是极其渴望用户数据。他们无法接受数据只保存在用户本地的个人电脑上而不上云。我们是面向个人的产品,直接长在用户主力的办公电脑上。比如 OpenClaw 也证明了真要贴近工作上下文,得在本地环境。我们花了很多力气解决各种本地信息的解析抽取,做好上下文工程。目前大厂没有下场对标,但未来大模型肯定也会向本地端发力带来竞争压力。创业者既要规避大厂,也要有向大厂挑战的兴奋感。

Lois:感谢汪源老师的建议。对于 Zilliz,因为我们在全球都有办公室,而且是 To B 模式,你是怎么看待和不同地区客户建立信任的挑战及解决要点的?

陈梦琳:我先补充下大厂的问题:我有一个暴论,在 2026 年还不存在所谓的 AI 巨头。对 Google 和 Meta 来说,在 AI 上他们依然是创业公司。如今爆火的应用都是创业公司发展而来的,2026 对大家都是好机会。大厂虽然资源多,但多头下注,具体到某一赛道还是小团队竞争。相比起大厂临时拼凑的团队,我们团队在行业内深耕了八九年。我们也被 Forrester 评为全球向量数据库领导者,打败了 AWS 和 Oracle 等传统厂商。关于构建全球受信任品牌,有三点:第一是开源,Milvus 目前在 GitHub 有超过 4.3 万颗星,我们把它捐献给了 Linux 基金会,所有代码透明。第二是安全合规,我们具备 SOC 2 Type 2、GDPR 等合规认证。第三是本地化运营,我们在湾区、西雅图、纽约、伦敦、东京、新加坡都有办公室和本地化架构师,提供面对面的支持。

Lois:非常认同,深耕垂直行业和本地化信任是很大的壁垒。最后时间有限,大家能不能分享一下你们在增长上有哪些独家小妙招或新玩法?Xiaoshu 先来。

Xiaoshu:增长就是要把产品翻译成用户听得懂的语言。无论哪个国家的受众,现阶段最大的焦虑点都是“搞钱创业”。告诉他们如何用 AI 搭建一人公司搞副业,在每一个 workflow 里帮他们建站、做 Branding 或数据分析,用户更听得进去。渠道上,我们主要靠 UGC Creator 合作,每天和他们一起开站会、分析爆款逻辑并全球复制推广。未来也许可以直接通过 AI Agent 来自动生成这些营销内容了。

Will:从 25 年 7 月上线后,我们目前有 700 多万注册用户。我们的愿景是 AI 平权 (AI Parity)、AI 包容 (AI Inclusion) 和 AI 中立 (AI Neutrality)。我们面向那些渴望 AI 技术却缺乏获取渠道的用户。为降低成本,我们选择了自研训练模型的路线。我们的 Agnes Cloud 系列模型在各大 Benchmark 表现不错。接下来的增长核心是:让用户通过移动端和网页端接入我们的模型,并将模型通过第三方 API 路由平台让用户去调用。

汪源:我们先完成了商业闭环的验证(付费率超 5%),才会进行规模化增长。获取客源上,我认为 KOL 营销性价比目前较低;SEO 能带来持续的自然流量回报;投放依然是最科学的手段。借助各种 Agent,我们可以更高效地调整投放策略。不过最终依然需要拼命点亮产品的“科技树”,靠惊艳的破圈效应传播。另外,我们要深挖在组织内部的传播(To B To C 模式),很多时候老板或者 HR 用得好,会连带辐射整个公司转化。

陈梦琳:我分享一下漏斗 (Funnel) 理论的拆分。最顶层是开源生态,在 GitHub 4.3 万颗星基础上,我们覆盖了超过 10 万家企业的部署,这是最大的商机转化池。中间层是 PLG (Product-Led Growth),Zilliz Cloud 采用 Pay-as-you-go 的定价体系和极简的 onboarding 流程,让用户无缝转为付费客户。最底层面向大预算的头部客户(如北美的 DoorDash),依靠深度的本地化团队和服务(GTM 策略)去攻克。这一套组合拳为 Zilliz 带来了非常健康的商业转化增长。

文章来自于"非凡产研",作者 "非凡产研"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)