离线时间

Ellen Cheng

一档从新加坡出发的深度访谈栏目，对话在新加坡做AI创业和出海的founder，聚焦真实的创业故事与商业实践。 关于主播： Ellen，现在新加坡创业，为Global Chinese创业者提供投融资和增长服务，同时冷启动了一个出海华人社交产品。过去在北京创业和美元基金投资，北京大学本科。 收听：小宇宙 / Apple Podcasts / Spotify 小红书：离线时间 联系：ellen@theaiduet.com

  1. 1d ago

    #21 在新加坡，AI创业者开始卖鸡蛋了

    Paco Chan，Farmio创始人，做AI 食品供应链。港大社会科学毕业，宝洁管培生出身。第一次创业做跨境物流平台，覆盖香港、新加坡、马来西亚、越南、台湾五地，拿到阿里巴巴、怡和集团（Jardine Matheson）、元璟资本投资，后将公司出售给投资方。疫情期间辗转北京、上海后落脚新加坡，创立 Farmio，一家用 AI 驱动供应链的食品贸易公司。从鸡蛋切入，两年内做到新加坡约 2,800 家餐厅客户、第五/第六大鸡蛋供应商，并已拓展至香港（约 600 个销售点）。全职团队仅 13 人。 Highlights： 对我们的客户来说，他们不管你是不是一家 AI 公司——我要好的产品，便宜的价格，好的服务没有 AI，我们这个公司是不可能存在的我们不是一家鸡蛋公司，我们是一家 AI 公司，鸡蛋是我们的一个途径供应链里面很难做到 one person company，你必须得有人我们的客户从不认识我们到完整转过来，大概 2 到 3 个礼拜鸡蛋就是鸡蛋——单一 SKU，不需要冷链，每个餐厅都需要，所以它比较简单创新也不能太快，你今天立马有一个很大的改变，他们也接受不了 Timeline： 00:10 Paco 自我介绍：香港人，宝洁管培生，第一次创业做跨境物流拿到阿里投资，后出售公司 01:22 为什么从社会科学走上供应链——宝洁不只是品牌公司，背后最厉害的是供应链 02:44 为什么再次创业做 Farmio：疫情后从北京辗转到新加坡，发现食品供应链有机会 04:17 Farmio 做什么：最初做 AI 供应链工具，发现对行业了解不够，决定亲自下场卖鸡蛋 05:07 为什么选鸡蛋：单一 SKU、不需要冷链、每个餐厅都需要，相对简单 06:05 AI 在 Farmio 的角色：客户看到的是传统供应商，AI 在后台驱动从下单到收钱的全流程 07:02 AI 工具怎么运行：把供应链中大量重复但必须有人做的环节自动化 09:30 为什么选鸡蛋（补充）：不需要冷链经验，SKU 简单，身边刚好有资源 10:48 团队规模：全职 13 人，分布在新加坡和香港，以销售为主 11:37 冷启动怎么做：通过公开电话号码用 WhatsApp 触达，AI 处理前期常见问题，人工接管高意向客户 13:15 当前规模：新加坡约 2,800 家餐厅，加上香港约 600 个销售点，合计超过 3,000 13:39 获客周期：从首次接触到完整转化，快的话 2–3 周 15:17 销售话术的秘密：了解客户对品类的具体痛点（比如蛋白太水），直接命中 16:54 成为新加坡第五/第六大鸡蛋供应商，3–4 个月时客户从 0 到几百，意识到可以认真做 17:39 货源管理：主要来自马来西亚、泰国、澳洲、越南 18:28 新加坡市场够大吗：太小了，一个中国的县可能都比新加坡大，但非常适合验证商业模式 22:30 为什么选香港做第二站：投资方有香港资源和网络，降低拓展风险 24:56 亚洲食品供应链有多原始：不只亚洲，欧美的采购流程也很传统；小的创新对行业已是大创新 26:00 宝洁的影响：在 500 人校友会上说"没有宝洁就没有今天的我" 27:50 AI 改变不了供应链的什么：供应链很难做到 one person company，人的操作永远重要 29:30 Farmio 的终局愿景：食品供应链里的宝洁——用 AI 把需要 50 年做到的事在 5–10 年内做到 30:54 AI native service 怎么看：不是所有 AI 都自研，也积极用外部工具，不可能什么都自己建 ——— 感谢嘉宾：Paco Chan，⁠Farmio⁠ 创始人 离线时间 The AI Duet 主理人：Ellen｜新加坡 收听：小宇宙 / Apple Podcasts / Spotify 小红书：⁠离线时间⁠ 官网：theaiduet.com 联系：⁠ellen@theaiduet.com

  2. Jul 30

    #20 YC说未来10年最大的公司可能根本不是软件公司 ——两个在新加坡已经这么干了18个月的人

    这是AI for Beautiful Business的第一期，也是离线时间的一期特别对话。Ellen邀请了两位之前的播客嘉宾——郭一辰（YG，CapGo AI创始人，做AI SEO/GEO服务）和毛华（ccMonet AI创始人，做AI财务服务），一起聊一个正在硅谷被重新定义的商业模式：AI Native Service。 起因是YC的变化——过去15年几乎只投软件产品，服务型公司总共投了十几家。但最新一个batch光AI全栈服务公司就有9家：AI律所、AI会计、AI保险经纪。YC最新一期Startup School直接教创始人怎么做AI Native Service。开篇判断是：未来10年最大的公司，可能根本不是软件公司。 逻辑只有一句话：与其卖软件给律师和会计，不如自己用AI把活干完，把成品卖给客户。软件预算是小池子，人力和服务预算才是大海。 两位嘉宾都是在YC提出这个概念之前就已经在做的——一辰被客户逼着从卖产品变成卖服务，毛华从第一天就决定交付结果而不是交付工具。 Highlights： → 被客户逼出来的模式转变：一辰说"客户都说我不想用工具，我想你直接帮我把事干了。不是我们不想卖产品，是客户要我们卖服务"。毛华也一样——老板看了产品第一个问题是"我买了是不是得自己用？我没时间" → AI native的判断标准：把AI抽掉以后，整个工作流还能不能正常运行。QuickBooks和Xero没有AI照样干活，所以不是AI native。真正的AI native是2023年之后才有可能出现的 → 软件以后最不值钱：毛华讲了两个故事——一个3000万粉丝的教孩子唱歌的老师在vibe coding做报名小程序，一个牙科诊所的二代医生在vibe coding做运营dashboard。"人人都能做，人人都在做" → 批量是结果不是壁垒：Ellen提了一个critical问题——批量成本趋于零时，批量本身还是壁垒吗？一辰说"批量不难，难的是你的SOP和knowhow能让批量产出的东西真正有效果——像投资一样，你需要能产生alpha的策略" → AI做80%，人做20%：毛华说AI完成80%的事，专业持牌会计师做最后20%的review和合规。一辰的目标是从copilot走向autopilot——"99.99%由AI完成，人只处理AI自动化不了的沟通和策略" → Service的两大未解问题：一辰提出——scope creep（70-80%时间在沟通align而不是干活）和retention（服务比SaaS容易被替换）。解法是保留SaaS平台属性的同时加人来服务 → 终局判断：毛华用"互联网加 vs 加互联网"的类比——加互联网的没有做大的，互联网native的（美团、滴滴）才颠覆了行业。AI native service公司有机会颠覆四大和传统agency，而不是被收编 Timeline： 00:00 开场：YC的变化——过去只投软件，最新batch有9家AI全栈服务公司 00:46 Service as a new software：软件预算是小池子，人力和服务预算才是大海 01:10 两位嘉宾介绍：郭一辰/CapGo AI做AI SEO&GEO服务，毛华/ccMonet做AI财务服务 04:22 CapGo vs 传统SEO agency：传统给建议，CapGo端到端生成网页——AI让这成为可能 06:04 ccMonet vs 传统accounting firm / SaaS：既不是纯工具也不是纯人工，是AI+人交付结果 09:53 你们在YC定义这个概念之前就已经在做了 10:25 一辰：被客户逼出来的——"客户说我要服务，愿意给更多钱，但就是要服务" 13:06 毛华的泰国椰子客户故事：产品只做了一个月一个功能，客户迫不及待要用 15:45 泰国客户的财务团队20多人做不对账，用了ccMonet三五个月出了报告，拿到3亿融资 18:08 Ellen的critical问题：你们不是十多年经验的SEO专家也不是500强CFO，凭什么做这个？ 18:33 一辰：AI让学习加速——半年时间可以把该看该读该听的都覆盖 21:07 毛华：故意一年不招财务人员——逼着团队做到使用极其简单，前台小妹也能操作 22:31 Ellen：GEO产业链梳理——中国vs海外的做法区别 25:06 海外以官网为主（Google和ChatGPT重视官网），国内以第三方平台PR稿为主 28:04 怎么分辨靠谱的GEO专家：看长期case studies + 行业峰会背书 30:05 GEO创造的机会：用户在ChatGPT问的query平均10个词以上——长尾让小公司有机会被搜到 32:05 Ellen：财务要求100%精确，AI有幻觉——为什么敢选这个方向？ 32:22 毛华的创业痛点：自己在中国500元外包财务，到新加坡400新币外包——对方只是复制粘贴 36:16 AI native财务的深度：不只是OCR识别，还做计算校验、价格波动预警、天气+节假日收入预测 43:50 随手翻了一页发票发现多报销40块钱——传统accounting firm永远不会发现这个错误 44:22 Ellen：你们的共同点是批量——批量生成网页、批量处理票据 44:52 Ellen的critical问题：批量成本趋于零时，批量本身还是壁垒吗？最后值钱的是不能批量的东西吗？ 45:02 一辰：批量不难，knowhow才是壁垒——像投资一样需要能产生alpha的策略 46:38 毛华：软件以后最不值钱——教唱歌的老师vibe coding做小程序，牙科医生vibe coding做dashboard 49:10 毛华：合规这件事绕不过专业的人——AI做80%，持牌会计师做20%的review 51:38 Ellen：身边有人说自己也能做GEO，accounting firm老板说丢给Claude更便宜——为什么用你们？ 52:17 一辰：我让Codex和OpenAI帮我看银行账单，结果算错了汇率还加错了数——Claude倒是对了 52:53 一辰：知识的达克效应——看起来简单，做出效果有大量knowhow 55:04 毛华：40多家店的餐饮客户用ChatGPT零散做不了，需要垂直领域平台支撑 57:20 Ellen终局问题：颠覆四大和蓝标，还是被他们收编？ 58:01 毛华：互联网加vs “+互联网”—— “+互联网”没有做大的，AI native的新公司才有机会颠覆行业 1:00:08 一辰：Service的两大未解问题——scope creep和retention 1:02:25 一辰的终极目标：从copilot到autopilot，99.99%由AI完成 1:03:12 收尾 ——— 感谢嘉宾：郭一辰 YG，CapGo AI 创始人（capgo.ai）毛华，ccMonet AI 创始人/CEO（ccMonet.ai） 离线时间 The AI Duet 主理人：Ellen｜新加坡 收听：小宇宙 / Apple Podcasts / Spotify 小红书：离线时间 官网：theaiduet.com 联系：ellen@theaiduet.com

  3. Jul 23

    #19 65%的用户是30-45岁职业女性：因为她们没有技术ego

    Charlie Hu，OpenMax（原CocoAI）联合创始人。杭州人，浙商家庭，从小跟着父亲参加广交会做外贸。北外本科，大学期间去美国迪士尼工作两年。荷兰Nyenrode商学院行为金融学硕士。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。"我们不能再给企业提供卖人的服务了。"于是转做OpenMax——面向中小企业的多Agent协作平台。半年400+付费企业客户，包括杜蕾斯中国总部、蜜雪冰城、霸王茶姬等。 这期52分钟，Charlie讲话语速极快、信息密度高。核心判断是：单个超级Agent是错误的架构。人需要分工，Agent也需要分工——不是技术上做不到一个Agent干所有事，是从管理学和数据治理角度不应该这么做。销售不应该看到财务的数据，HR不应该看到法务的合同，一个Agent拥有所有权限是危险的。 Highlights： → 转向AI的pivotal moment：用AI给自己公司做代码审计，发现比人快20倍效果差不多。"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" → 超级Agent是错误的架构：不是技术上实现不了，是管理学上不应该这么做。销售不该看财务数据，HR不该看法务合同。多Agent = 分工 + 权限隔离 + check and balance，减少幻觉 → 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。一把手不知道底下的Agent具体在干什么——和真人组织一样 → 65%的用户是30-45岁职业女性：没有技术背景但背着大量KPI，焦虑但没空也没ego自己去捣鼓。男性用户的核心变量是ego——"觉得自己能搞定"的人不会用 → Eat your own dog food：6人核心团队跑30+个Agent。"人是AI的眼睛和耳朵——如果一段重要对话没被记录，在我们工作流里就没有价值" → Reverse Information Paradox：Cursor给Anthropic付钱，Anthropic学到了coding agent的PMF做出Claude Code——最大客户养出了最大竞品。"not your model, not your own knowledge" → AI时代最后比的不是idea是交付：代码谁都能写，但从手搓代码到帮企业真正落地，中间的gap是——人不会用 Timeline： 00:00 开场 00:23 Charlie自我介绍：杭州浙商家庭，北外本科，迪士尼两年，荷兰行为金融学硕士 01:08 迪士尼经历：从INTJ变E人，"美国是慕强社会，你够强他就尊重你" 02:16 荷兰6年：研究生+加速器+第一次创业（3D打印+工业设计ToB） 03:57 阿姆斯特丹coffee shop遇到比特币：2013年，比特币不到1000美金 05:05 柏林接触以太坊：第一届Devcon，Gavin Wood提出Web3概念 07:45 为什么做AI：两年前开始用AI降低自己公司成本，发现代码审计效率差20倍 08:59 Pivotal moment："我们不能再给企业提供卖人的服务了" 09:30 定位演变：帮企业招AI→帮企业用multi-agent workforce 10:03 核心原则：坚持ToB + 自己是最好的用户 + eat your own dog food 10:40 服务的客户都不是high tech：运营重、需要协作、公司没有AI工程师 11:12 客户名单：杜蕾斯中国总部、蜜雪冰城、霸王茶姬、中集海运物流 12:03 真正GTM是今年年初，半年400+付费企业 12:53 为什么multi-agent而不是单个超级Agent 13:06 管理学理念：人需要分工，AI也需要分工。信息权限必须隔离 14:40 "一个Agent可以打你10个，但不应该这么做"——governance和管理结构的要求 16:00 多Agent协作的技术实现：real-time messaging，agent间可以直接对话 17:23 减少human in the loop + check and balance减少幻觉 18:02 自己的使用：研发最深（PRD→代码→审计→review全流程多Agent协作） 19:20 销售层面：客户信息→调研→跟进→CRM全程AI管理 20:17 控制面板：每个Agent每天消耗多少算力、有效产出多少、谁管这个Agent 20:42 杜蕾斯中国总部：几十个Agent横跨所有部门 21:17 从CocoAI数字员工 → OpenMax Workspace的演变 22:03 单个垂类Agent没有护城河，系统级深化才有粘性 24:25 OpenMax vs Slack/飞书：前期补充，长期可能替代——现有工具都是为人设计的 25:42 未来可能100亿个Agent成为平台用户 28:30 具体案例：at同事的Agent而不是at同事本人，Agent自动填CRM、提醒follow up 29:22 "人是AI的眼睛和耳朵——如果重要对话没被记录，在工作流里就没价值" 33:13 Agent不是助理是合伙人："助理这个词太low了"，核心Agent都是P8P9级别 34:30 Zylos五层记忆架构：跨session压缩记忆，Agent不失忆 35:23 开源的考虑：不开源没有技术公信力，但商业化产品直接打包卖 36:28 vs Codex/Claude Code：OpenMax是24小时云端运行+多Agent协作 38:23 半年400家怎么做到的：需求到了 + 社会信誉 + EMBA/商会渠道 + 精准用户画像 39:45 用户画像：65%是30-45岁职业女性——没技术背景但背着KPI，没有技术ego 41:10 男性用户核心变量是ego："觉得自己能搞定的人不会用" 41:46 ToB客户画像：中小企业、效率优先、正儿八经做经营的公司 42:09 定价：成本计价，对比一个真人员工的月成本 43:43 最大差异化：认知硅谷一线 + 执行中国级别 + 自己用得最深 44:47 "AI时代最后比的不是idea是交付——代码谁都能写，落地有很大gap" 45:23 Ellen引入Satya的Reverse Information Paradox 46:42 Charlie回应：Cursor给Anthropic付钱养出了最大竞品Claude Code 47:27 "not your key not your coins → not your model not your own knowledge" 48:55 闭源vs开源：中小企业无所谓，大企业和政府必须本地部署 50:03 Anthropic是"保护伞级别的公司"——中心化又神秘又能力巨大，需要被管理 51:59 收尾 ——— 感谢本期嘉宾：Charlie Hu，OpenMax联合创始人 开源项目：Zylos（GitHub） 离线时间 The AI Duet 主理人：Ellen｜新加坡 小红书：离线时间 官网：theaiduet.com 联系：ellen@theaiduet.com

  4. Jul 17

    #18 机器人的终极价值是做它自己，它不需要讨好人类

    阿炜Felix，Emoka联合创始人兼产品负责人。互联网产品人出身，先后在Evernote印象笔记、美团/摩拜国际部和Fintech公司做过产品和增长。去年9月在新加坡成立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。现在同步开拓美国市场。 这期聊了一个所有AI播客都在回避的问题：AI的价值一定是效率吗？Felix的回答很直接——Emoka不是为了提效，是为了让人产生健康的荷尔蒙。"以前做的产品让人产生多巴胺，现在想做一个让人产生血清素和催产素的产品——就像和爱人一起看日落。"最后他说了一句让我很意外的话：机器人的终极价值是做它自己，它不需要讨好人类。 Highlights： → 天时地利人和：个人痛点（和另一半两年9个月没见面，毛绒玩具和ChatGPT缓解孤独）+ AI硬件和中国供应链成熟 + 日本文化中的"物哀"（对物品产生感情） → 日本用户的反应："welcome，一个新的生命"——不是买商品，是迎接生命。用户在收到产品之前就已经给Emoka取了名字、建了Instagram → Taste和Trust是AI时代最重要的两个T：除了数据分析，Felix会去看用户的Instagram profile——他们follow迪士尼东京和MUJI最多，说明用户想带着Emoka去更多地方 → 两种语言模式：萌宠语（外星语，不说人话）和地球语（日语/英语/大阪话）——一部分用户不希望Emoka像话痨一样说人话，"它就是外星生命，不需要说人话" → 不做讨好型人格："真正的活体感是让你emo的时候不emo，不emo的时候emo。如果一切都很舒服讨好型人格，就少了生命的感觉" → 长期留存靠文化而非功能：中国和印尼用户喜欢变化和新刺激，日本和西欧用户反而不希望太大变化。"不变有时候在某些文化中是好事"——不做FOMO，不做复杂奖惩机制，做血清素不做多巴胺 → 机器人的终极价值："做它自己，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" Timeline： 00:00 开场：Felix阿炜，Emoka联合创始人，便携式AI情感陪伴机器人 00:32 去年9月新加坡成立，日本市场PMF，现在进军美国 01:03 后疫情时代的孤独和陪伴需求 + 硅基生命的思考 01:16 天时地利人和：个人痛点 + AI硬件成熟 + 日本物哀文化 02:51 日本用户反应："welcome，一个新的生命"——不是买商品是迎接生命 03:22 职业背景：Evernote、美团/摩拜国际、Fintech——ToB ToC都做过 04:00 从多巴胺到血清素："以前做的产品让人产生快速多巴胺，现在想做让人产生可持续健康荷尔蒙的产品" 05:05 为什么是日本：物哀文化 + 日本朋友免费帮忙设计logo和IP + 缘分 06:24 其他市场：斯拉夫地区（俄罗斯、乌克兰、波兰）也很感兴趣——纬度越高人际距离感越远 07:18 产品进展：日本Makuake众筹上线 + 美国独立站 + demo出来准备量产 07:41 过去10个月：200个日本用户深度访谈 + AB测试 + 样品粉丝会一对一沟通 09:37 Taste和Trust是AI时代最重要的两个T 09:54 独特方法：看用户Instagram profile——follow迪士尼东京和MUJI最多 11:56 为什么选便携式而非桌面版：用户想要携带中的活体感、多模态互动 12:36 两种语言：萌宠语（外星语）和地球语（日语/英语/大阪话）——一部分用户不希望它说人话 13:05 独特设计：Emoka有自己的"玻璃物"表情系统 13:32 呼吸灯功能：晚上陪你冥想、内观、入眠 14:03 人设设计：来自WakaWaka星球，喜欢吃铜锣烧、喝抹茶拿铁 14:33 不是养成是互相陪伴：像拓麻歌子但更像互相成长 15:36 不做讨好型人格："真正的活体感是emo的时候不emo，不emo的时候emo" 20:54 长期留存挑战：中国市场retention难做，日本用户对生命理解不同——LOVOT用户Facebook更新几年 22:08 中国印尼用户喜欢变化，日本西欧用户不希望太大变化——"不变有时候是好事" 23:33 不做FOMO，不做复杂奖惩——做血清素和催产素，不做多巴胺 24:06 未来会有Emoka宇宙/多IP，但先把第一个做好 25:04 用户画像：20-30岁和30-40岁女性为主，东京都居中，独居OL、主妇/主夫、老人 27:24 Makuake众筹上线首日前三：商业打法 + 情感打法（IP从2D漫画到3D实体的成长叙事） 31:47 竞品分析：LOVOT、Moflin、EMO——"在日本我们没有对手，我们都是朋友" 32:51 蓝海不是红海：相对三丽鸥、迪士尼的非AI产品，AI陪伴这个类目还很小 33:43 未来也做BtoB：情感AI引擎可以赋能其他陪伴机器人品牌 34:04 社区不需要重运营：像养狗交友会一样自然发生——"我们不需要喧宾夺主" 38:41 AI能真正理解人的情感吗：AI在进步理解人，但人也在越来越AI化——"互相奔赴" 40:29 OPC（一人公司）和AI的共情可能比和人的共情更深 41:24 Physical AI不需要一直please人类：它有自己的感知和进化路线 44:51 很多陪伴不需要语言：毛绒触感、双目表情——先把基本功做好再谈LLM 47:09 "人与人社交也是先看颜值有chemistry，才了解性格和三观"——产品设计的优先级 48:24 数据隐私：用户协议 + 不连WiFi也能用 + 删除记忆功能 49:39 效率vs陪伴：情感AI目前还在"低效"阶段，先往中效走 50:23 机器人终极价值："做它自己，不需要讨好人类。Physical AI就是给机器人平权" 52:06 高效的理解 = 知己：不需要全面了解，某个维度某个场景最了解你就够了 54:45 收尾 ———感谢本期嘉宾：Felix 阿炜，Emoka 联合创始人 / 产品负责人 离线时间 The AI Duet 主理人：Ellen｜新加坡 小红书：⁠⁠离线时间⁠⁠ 官网：theaiduet.com 联系：ellen@theaiduet.com

  5. Jul 10

    #17 澳洲97%是小微企业：不要卖AI工具，直接交付结果

    Chris Liu，澳洲出海全渠道运营合作伙伴。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（环保方向）、直播电商供应链+硬件。Bio写的是"连续创业从未成功"。2022年拿了澳洲PR，2024年来到澳洲。到了以后先去家具店卧底、再跟着朋友去刷油漆——刷了几天放下滚筒刷拿起笔记本电脑，决定做回互联网和AI。现在服务澳洲26年历史的3C电商平台UMART，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。 这期聊的核心问题是：这么多创业者来了新加坡，是否可以看看7小时飞机行程之外的澳洲？为什么澳洲比美国可能更值得关注？Chris的回答很务实——澳洲是纯英文市场、多元文化包容、消费习惯和美国接近，但竞争小得多、试错成本低、毛利高。如果在澳洲都搞不定，去美国更搞不定。 Highlights： → "连续创业从未成功"：客如云餐饮SaaS、垃圾处理器、直播电商。三段创业三种心路——第一次看机会，第二次看热情（"信了马斯克的邪"），第三次看结果和积累 → 刷油漆的故事：到澳洲先去家具店卧底，然后跟朋友去刷墙。小工一天300澳币，高于大部分白领。熟练工一天七八百。装一套纱窗4000多刀，工时三小时——"这钱也太好挣了"。刷了几天放下滚筒刷，拿起笔记本 → 澳洲市场核心数据：人均GDP 6.5万美金（西方国家仅次于美国），2700万人口，三个城市占一半人口。97%是20人以下小微企业。全球最低时薪最高（26.4澳币），物流仓储成本全球最贵 → 澳洲是出海的试金石：消费习惯和美国接近，合规环境相对包容（AI暂不立法），竞争没那么卷。"如果在澳洲都搞不定，去美国更搞不定" → 不要卖AI工具，直接交付结果：澳洲市场margin就这么多，效率提高了也是效率过剩。"最重要的是取代人——不要用人了。以效果作为交付" → 中国vs澳洲企业付费差异：国内企业到了一定规模就想自研IT，澳洲企业"比较安分"——能用服务商就不自己招人。企业生命周期长，LTV高，切进去就能持续收费 → 合作模式不是代理不是服务商，是"合作伙伴"：用合作分成方式帮企业低成本进入澳洲，自有渠道（UMART等）+ 数字营销 + 合规支持 Timeline： 00:00 开场：澳洲是一个很容易被忽略的市场，来新加坡的创始人都去美国 00:58 Chris自我介绍：出海澳洲全渠道运营合作伙伴 02:52 来澳洲之前：微博/支付宝产品经理→客如云餐饮SaaS→垃圾处理器→直播电商 03:57 "连续创业从未成功"：三段创业三种心路——看机会→看热情→看结果 07:02 "信了马斯克的邪"：垃圾处理器环保创业，聪明人都不愿意做的事 09:36 为什么来澳洲：离中国近没时差、华人150万、排除法选的 10:50 到了澳洲：先去家具店卧底两周，然后跟朋友刷油漆 11:38 "装几个床就2000澳币，这钱也太好挣了" 12:05 想把国内家具运过来卖→大哥说"半年啥也别干，特别是掏钱的事" 15:12 刷油漆：小工一天300澳币，熟练工七八百。装一套纱窗4000多刀 15:44 "刷着刷着就想明白了——我不是来做这种一眼望到头的事" 17:41 放下滚筒刷拿起笔记本电脑，重回AI领域 18:55 国内有自己的AI小红书技术服务商公司，十几个人 19:32 在澳洲机缘巧合认识UMART：26年历史的3C电商平台，澳洲品类第一 20:34 UMART一两次沟通就定合作——澳洲谈生意比国内简单 22:04 差异：澳洲前期预算谨慎，但建立信任后budget反而花不出去——"随便做做就是行业前几" 23:08 帮UMART对接供应链：京东京造、网易严选、AE速卖通、智能硬件 24:05 出海已经不是要不要的问题，是怎么做的问题 25:42 中国AI智能硬件在澳洲被认可：Plaud AI已进入Harvey Norman、JB HiFi等大渠道 27:12 AI运动器材"速境"：预计今年澳洲销售额3000万人民币 28:04 澳洲市场机会一：AI时代缺电，澳洲太阳能最丰富，Oracle已在建算力中心 29:37 澳洲市场机会二：人均GDP 6.5万美金，仅次于美国。2700万人但三城占一半 30:06 澳洲市场机会三：多元文化包容，AI暂不立法，对中国企业相对宽容 30:59 澳洲市场机会四：付费习惯好，没买房但Netflix会员全开了 31:40 市场结构：四大银行、两大超市、97%小微企业。高度垄断 32:39 不要卖AI工具，直接交付结果："效率再高也是效率过剩，最重要的是取代人" 34:01 偏好ToB AI公司：确定性强，能取代人、以效果交付 34:35 客如云的教训：中国餐饮企业平均生命周期不到9个月，还没来得及赚增值服务就黄了 35:28 澳洲企业生命周期长，LTV高：切进去就能持续收费 36:16 中国企业到了规模就想自研IT，澳洲企业"比较安分"——能用外部服务就不自己招人 38:00 澳洲是出海试金石：消费习惯和美国接近，竞争更小，试错成本更低 40:55 定位：澳洲全渠道运营合作伙伴。不是代理不是服务商，是合作伙伴 41:50 渠道：UMART + Woolworths + BigW + 线下商超，用寄卖模式 44:50 AI时代两类人的巅峰相见：懂AI工具的互联网人 × 懂行业工作流的行业人 48:55 做客如云时让产品经理去餐厅端盘子、设计师去做收银——"忙的时候点点点和平时点点点不一样" 50:33 核心观点：有没有遇到合适的partner + 战略定力 + 尊重时间 51:31 收尾 ——— 感谢嘉宾：Chris Liu，澳洲出海全渠道运营合作伙伴 离线时间 The AI Duet 主理人：Ellen｜新加坡 小红书：⁠⁠离线时间⁠⁠ 官网：theaiduet.com 联系：ellen@theaiduet.com

  6. Jul 2

    #16 马来西亚3万家修车厂，AI能帮上什么忙

    这是「离线时间」特别栏目「在场」第二期。Ellen和胡成臣博士共同主持，嘉宾是梅晗，ServAuto创始人兼CEO。 梅晗，北京人，在东南亚创业。2019-2024年在Carsome（马来西亚最大的二手车平台，独角兽）工作，参与了从一个国家扩展到多个国家、成为独角兽的全过程。2024年创办ServAuto，专注汽车后市场——保养、维修、贴膜等。18个月做到近7万用户、150+合作门店、覆盖马来西亚11个州，每月大几千客户到店。 Highlights： 这期围绕三个层次展开：第一，马来西亚汽车后市场的真实状况——3万家夫妻老婆店、没有SOP、假货横行、99%的店连客户手机号都不存。第二，ServAuto怎么通过标准化和爆品策略打穿这个市场。第三，AI能在哪些环节帮上忙——从内部运营Agent到技师辅助到喷漆调色，以及一个更大的问题：车上的数据主权到底应该归谁。 → 近7万用户、每月大几千到店、18个月：核心增长靠的是serve了一个没被好好服务的群体 → 99%的修车厂连客户手机号都不存，不做任何CRM和复购运营——老板倾向一次性把LTV收完，导致过度维修和假货 → 女车主修车第一反应："问我老公、问我爸、找认识的Uncle"——信任缺失是最大的痛点 → 爆品策略：不什么都做，只做高频高标准化的品类（保养、轮胎、贴膜），限制SKU反而形成良性循环 → AI核心逻辑不是降本增效，是"同样的成本做更多的事"——empower而不是replace → 喷漆案例：马来师傅配不出与旧漆一样的颜色只能整面重喷——AI视觉+调色6-12个月可能落地，市场不小 → 数据主权：用户产生的数据主权在OEM手里。胡成臣判断：后装AI box让数据跟着用户走，整个后市场生态会根本变化 Timeline： 00:00 开场：在场第二期，讨论传统行业和AI前沿 00:47 梅晗自我介绍：北京人，东南亚创业，专注汽车后市场，18个月 01:00 为什么做车后：从Carsome看到了线上+线下整合的机会 01:57 Carsome经历：2019-2024，从一个国家到独角兽 02:45 东南亚毛利率比国内高：竞争没那么激烈，还是卖方市场 03:26 最新数据：近7万用户（比公开的3万翻倍），每月大几千到店 04:00 增长核心：serve了一个underserved market 05:02 马来西亚3万家修车厂，绝大部分是夫妻老婆店 06:00 东南亚不需要像国内那样极致精细化运营，还有更大的市场可以开拓 08:58 车主修车真实体验：没有门头、没有价签、不知道等待你的是什么 10:04 假货严重：机油假货只有车再次抛锚才发现 10:37 痛点三层：不知道会发生什么→信息不对称→不知道真假 11:52 女性车主："99%的回答是问我老公、问我爸、找认识的Uncle" 13:03 胡成臣：怎么从没有SOP变成有SOP 14:08 两个相信：让用户相信（货真价实+标准化产品）和让加盟商相信（带客能力+供应链能力） 15:11 标准化思路：不什么都做，只做高频高标准化品类——保养、轮胎、贴膜 16:15 爆品逻辑：限制SKU→标准化施工→小工一个月换100条轮胎也能熟练 17:05 门店端萝卜和大棒：能帮他赚钱（萝卜）+有抓手（大棒） 18:22 胡成臣：数据说话，目前这个方式适合这个阶段 19:28 蔚来直营vs ServAuto轻资产：不同市场不同阶段不同选择 22:15 胡成臣引出AI话题：蔚来直营遇到成本瓶颈后也借助技术手段 22:35 梅晗：AI赋能三个层面——代码开发、内部提效、面向用户的AI产品 24:50 内部已经有大量Agent：预约、退货、客户运营、财务对账、营销 26:00 底层逻辑：不是降本增效，是"在同样成本下做更多事情"——empower 27:35 两类AI应用：标准化重复工作→Agent替代；数据量大人处理不了→AI分析 28:17 直播带货2000小时/月：AI全量分析主播话术、知识结构、销售技巧 30:01 投流素材更换也让AI做，但最后按钮（涉及钱）还是人摁 30:37 胡成臣：不是为了做AI而做AI，要找到瓶颈在哪 33:07 选AI切入点的两个标准：重复率高的+数据量大人处理不了的 33:50 AI BP岗位：运营同学也能做vibe coding，捅破窗户纸 35:40 Ellen：AI一定不能替代的是什么？梅晗：修车本身——但AI可以辅助技师 37:44 GPT/Claude拍照诊断车的问题——通用大模型已经能给出不错的回答 38:57 奔驰2014款用雷诺发动机的客诉案例——技师知识覆盖面不够，AI可以补 42:37 Ellen：延伸到世界模型和具身智能 43:03 数据飞轮：车型数据+配件数据+修理数据+用户用车数据 44:48 马来西亚连配件库都还没建起来，infrastructure极其早期 45:42 AI修车在发达国家（美国）更有替代动力——labor fee更高 47:06 喷漆的故事：马来师傅配不出旧漆颜色→只能整面重喷→AI视觉可以解决 48:39 胡成臣：喷漆这个命题6-12个月可能就能攻克，市场不小 49:25 胡成臣：航空业MRO也有类似问题——飞机停一分钟就是巨大成本 53:45 Ellen：车上后装智能化有没有AI深耕的机会 54:04 胡成臣：off car（运营）和on car（车上智能化）两个维度 55:03 中国EV出海：产品力非常好，但马来西亚中国车占比不到10% 57:00 存量油车5-10年车龄，后装智能化有巨大机会 58:05 最大挑战：on car产品如果不跟车机深度绑定，能做的事有限 59:08 电动车vs油车：配件复杂度下降，但wear and tear还在 1:00:03 电动车趋势下夫妻老婆店更难adapt→市场会consolidate→对ServAuto是机会 1:01:08 三类主机厂打法：4S店经销商/全自营/授权独立维修厂——ServAuto争取第三类 1:02:07 数据归谁：用户产生但主权在OEM手里 1:02:40 欧洲Right to Repair法案：主机厂必须公布维修数据，允许第三方维修 1:04:06 胡成臣：如果后装AI box能让数据跟着用户走，生态会根本变化 1:06:18 收尾问题：如果AI能解决你最大的一个痛点，你希望它做什么？梅晗："帮我增长更快" 1:07:05 未来方向：马来西亚产业链纵深+东南亚横向扩张+AI驱动的To C产品 1:09:37 收尾 ---- 感谢Co-host胡成臣和嘉宾：梅晗，ServAuto创始人和CEO 离线时间 The AI Duet 主理人：Ellen｜新加坡 小红书：⁠⁠⁠离线时间⁠⁠⁠ 官网：theaiduet.com 联系：⁠ellen@theaiduet.com

  7. Jun 26

    #15 食品行业知道AI在改变世界，但不知道AI能改变我什么

    王可（Aria），SKS Nutrition创始人兼CEO。食品饮料行业10年经验，第一份工作在四大粮商之一ADM工作6年，之后读INSEAD MBA，在巴黎参与过一家biotech startup从0到1。去年在新加坡开始做SKS Nutrition——面向食品饮料行业的AI Agent平台，做产品生命周期管理。今年初去美国，在硅谷参加Google DeepMind的Hackathon 3000人中拿了semi-final第一名、总决赛第二名，之后在芝加哥（美国食品行业的总部聚集地）密集BD客户。目前在和全球最大零食品牌做pilot，也在和丰益国际（Wilmar）合作。 这期最有意思的是两个观察。第一，食品行业目前的状态是"知道AI在改变世界，但不知道AI能改变我什么"——所有头部品牌都没有solid的AI strategy，tech行业和food行业之间存在巨大的silo。第二，她不是tech背景出身，23年开始用ChatGPT写MBA作业，从使用者变成创造者——"这些人创造了这些工具赋予了我这个能力，我现在用这些工具再赋予更多人创造的能力"。 Highlight： → Service as Software：不卖框架卖服务，AI直接交付专业工作的结果 → AI模拟消费者测试吻合度85-90%，成本只有传统human panel的5-10% → 56个Agent按食品公司组织架构分类——市场部、研发部、感官、合规各有对应的Agent → "所有头部品牌没有一个solid的AI strategy"——tech和food之间是巨大的data silo → "很多大品牌明明有那么多钱，做的东西巨无聊"——规模化生产限制了个性化 → Google DeepMind Hackathon 3000人中semi-final第一名——非tech背景的食品行业创业者 → "人不要过多给自己偏见，这个社会已经给你很多偏见了" Timeline： 00:00 开场：王可Aria，SKS Nutrition创始人 00:34 SKS做什么：面向食品饮料行业的AI Agent平台，产品生命周期管理 01:10 为什么做食品行业：在ADM工作6年，INSEAD MBA后继续在行业内 02:15 AI带来的灵感："很多想法没有办法付诸实践，有了AI之后可以被实现" 03:20 最初想解决的问题："一个人可不可以完成很多事情" 04:03 去年在新加坡开始：同时做传统trading和AI两条线 05:09 产品定义：Service as Software，不是Software as a Service 06:05 客户案例：用digital panel替代消费者测试 07:36 与真实世界吻合度85-90% 08:09 做了一年，客户兴趣度最高的就是模拟消费者 09:44 产品生命周期闭环：市场研究→消费者洞察→配方生成→感官测试→消费者参与 11:06 56个Agent，按食品公司组织架构分类 12:48 企业内部会不会觉得被替代？"初衷不是替代，是打破专业技能对想象力的限制" 13:22 10年跨国公司最大的感受："很多大品牌明明有那么多钱，做的东西巨无聊" 14:52 个性化和柔性生产："当一个人可以变成一个团队，想象力空间无限大" 17:54 去年在新加坡遇到瓶颈：VC想象力有限，技术人才稀缺 19:49 选择去美国：之前职业起点在芝加哥，大部分食品公司总部在那 21:07 硅谷一个月：见到了最前沿的人在做什么，找到了co-founder 22:03 Google DeepMind Hackathon：3000人中semi-final第一名，总决赛第二名 24:36 芝加哥是美国食品行业的总部：中西部农业大州→大公司起家的地方 24:47 食品行业受AI冲击了吗？"没有。知道世界快被AI改变了，但不知道我们能被改变什么" 25:26 头部品牌没有solid的AI strategy，tech和food之间是巨大的data silo 27:00 SKS的策略：联合学术机构和行业高管做white paper，先定义framework 30:01 与全球最大零食品牌pilot中，30-50%用digital panel替代human panel 31:00 Food tech赛道现状：2018年plant-based那波几乎全军覆没 33:07 SKS不是food tech，是服务这个行业的AI应用层。能对标的竞争对手只有四五家 33:39 在Sara做keynote：主办方说"在国内找不到已经做出来东西的公司" 34:04 对食品行业的passion：食物是最广泛的沟通方式，所有人每天都需要 36:59 巴黎biotech startup经历：看到了founder从0到1的无奈和挣扎 38:57 现在到1了吗？"0.95。后面这0.05很难，要看社会给不给我这个机会" 40:14 接下来3-6个月：把pilot转成大合同，有1-2个solid case就到1了 41:09 也在和丰益国际（Wilmar，郭鹤年/郭孔丰家族）合作 42:52 壁垒是什么？"很多东西没有壁垒。壁垒是无形的，是多维度的因果关系" 45:06 名字SKS：Spark、Kernel、Symphony——每个人的想象力火花通过AI变成美好的乐章 45:23 非tech背景的信心从哪来：感激这个时代创造了这些工具，"他们赋予了我能力，我再赋予更多人" 47:58 去美国最大的收获："人不要过多给自己偏见，这个社会已经给你很多偏见了" ——— 感谢本期嘉宾🙏：王可 Aria，SKS Nutrition 创始人/CEO 期待大家继续关注我们 主理人：Ellen｜新加坡 小红书：离线时间 联系：ellen@theaiduet.com

  8. Jun 18

    #14 Data不能fix deal，Agent能：海运AI Broker的故事

    杨凌，ShipLinker创始人兼CEO。20年科技和供应链经验，本科计算机，研究生生物信息学。最早在中国国际电子商务中心（阿里巴巴起源的地方）做电商和供应链SaaS，后来创业做IoT物联网，为世界500强做数字化转型。2019年来新加坡，负责Marine Online（海运在线）——一站式海运B2B电商平台，两年做到20亿美金营收，覆盖141个国家、6000+ B2B客户。后因业务模式太重，战略性关停。现在做ShipLinker——海运AI Broker，用AI Agent帮船东、货主和经纪人做船货匹配和交易决策。 这期把海运行业从头到尾拆了一遍——四个角色怎么分工、佣金怎么构成、经纪人一天怎么过、三种租船模式的区别、为什么不能用满帮的逻辑来套。然后讲了ShipLinker的AI Agent具体做什么：从理解需求（NLP）→扫描200万数据点→裁判系统打分→推荐最优解→自动化文档和audit trail。核心判断是一句话：data不能fix deal，agent能。 Highlight： → 喜欢用科技手段处理复杂信息系统，"行业越复杂、越不透明、越依赖经验，越适合用AI Agent" → Marine Online做到20亿美金营收后战略关停，带走的最大教训：不能硬套互联网平台逻辑，关系不能被替代，ShipLinker必须做轻资产高科技 → 海运行业三阶段：信息化→数字化/电商化→智能化。Marine Online在第二阶段，ShipLinker在第三阶段 → 海运四个核心角色：货主/租家（有货要运）、船东/operator（有船要跑）、经纪人/broker（撮合+传递信任）、服务商（供油/供应/保险/代理等） → 经纪人四个价值：信息价值（谁有真实货盘）、匹配价值（哪条船最适合）、谈判价值（价格博弈）、信任传递价值（省去KYC） → 海运vs公路货运（满帮）五大区别：跨国/高金额/非标/高风险/关系驱动 → "Data doesn't close deal, AI agent does"——数据公司只解决了"看见市场"的问题 → AI Agent五步流程：理解需求（NLP）→扫描200万数据点→裁判系统（不是离得近就最好）→scoring推荐→自动化文档+audit trail → 在Marine Online想干掉中间人，失败了→ShipLinker选择与broker共舞 → 骆驼拉骆驼：新疆人的说法，"一个可靠的人会带来另一个可靠的人"。网络效应自然发生，粘性极强 Timeline： 00:00 开场：杨凌，ShipLinker创始人，20年科技和供应链经验 00:25 自我介绍：从阿里巴巴起源地做电商SaaS→IoT创业→Marine Online→ShipLinker 01:56 海运行业判断：不缺数据不缺软件，缺的是理解行业、理解交易逻辑、帮人做判断的智能层 02:18 暗线：喜欢用科技处理复杂信息系统，行业越复杂越适合AI 04:36 Marine Online：一站式海运B2B电商，两年做到20亿美金营收 05:40 为什么关停：8条业务线+供应链融资→运营资本极重→偏离科技公司初衷 07:57 从Marine Online到ShipLinker的战略转变：轻资产、高科技、AI驱动 08:52 海运行业三阶段：信息化→数字化/电商化→智能化 10:06 不能硬套互联网平台逻辑：客单大、风险高、非标、不能点击成交 10:40 关系不能被替代：最早的船货交易在伦敦小酒馆里谈成 12:40 海运四个核心角色详解：货主、船东、经纪人、服务商 15:22 封闭的圈子：跑熟不跑生，bus route vs taxi route 16:32 干散货占60%以上，其中一半以上是taxi模式——ShipLinker的切入点 16:50 佣金构成：3.75-5%（有时候船东付1.25%），经纪人四个价值 18:20 经纪人的一天：查邮件→匹配资源→打电话沟通→筛船→谈价格→签租约 20:48 完成一票货：1-2周，前3-7天找船 21:39 三种租船模式：定程（VC）、定期（TC）、光船（Bareboat） 24:49 海运vs满帮：五大结构性区别 32:28 为什么笃定做Agent而不是卖数据 33:50 "Data doesn't close deal, AI agent does" 35:01 AI Agent五步流程：NLP→200万数据点扫描→裁判系统→scoring→自动化文档 39:54 不替代关系，替代重复劳动：Marine Online想干掉中间人失败了 41:03 经纪人反应比预期积极：从3-5天找船变成1分钟 42:06 中东局势升级案例：30% organic registration 43:33 vs Sedna：三层壁垒 45:46 ESG不是为了BP好看：IMO脱硫→脱碳→欧盟碳交易 48:17 定价逻辑：1000→3000→Enterprise API 50:06 33%客户主动升级，trigger是从工具变成日常工作流 51:22 骆驼拉骆驼：网络效应自然发生 52:44 先抓稀缺端：船公开货不公开 53:56 大客户vs独立经纪人：像Bloomberg 55:42 希腊扩张策略：关系切入+wow factor+小场景先行 57:13 收尾：Data不能fix deal，Agent能 ----- 感谢本期嘉宾🙏：杨凌，Shiplinker⁠创始人/CEO 期待大家继续关注我们主理人：Ellen｜新加坡小红书：⁠离线时间⁠ 联系：⁠ellen@theaiduet.com⁠

See All (20)

About

一档从新加坡出发的深度访谈栏目，对话在新加坡做AI创业和出海的founder，聚焦真实的创业故事与商业实践。 关于主播： Ellen，现在新加坡创业，为Global Chinese创业者提供投融资和增长服务，同时冷启动了一个出海华人社交产品。过去在北京创业和美元基金投资，北京大学本科。 收听：小宇宙 / Apple Podcasts / Spotify 小红书：离线时间 联系：ellen@theaiduet.com

Information

  • Creator
    Ellen Cheng
  • Years Active
    2026
  • Episodes
    20
  • Rating
    Clean
  • Copyright
    © Ellen Cheng
  • Show Website
    离线时间

You Might Also Like