作者｜周雅

在经历了以提示词为入口的探索期、以Agent为产品化的爆发期后，2026年的AI产业出现一个新拐点：AI Coding（简称AI编程，通常指利用人工智能技术辅助或自动生成代码的编程方式）已能高质高效地生成一个网站、App、甚至更多数字产品。

然而，当我们做出一款产品变得越来越容易，究竟什么产品值得做？什么产品有人愿意付费？什么产品又能穿越模型的长生命周期？

9月12日，PEC 2026 AI 创新者大会暨第三届提示工程峰会上，作为大会当日的压轴环节，主题为“AI原生——Coding之后的产品机会”的圆桌对话围绕AI原生产品的商业模式、产品壁垒、以及全球化路径展开讨论。

本场对话由PEC China发起人、至顶科技创始人兼CEO高飞主持，苏州画宗人工智能科技有限公司创始人兼CEO秦文山、集思科技创始人兼CEO李世尊、Google Cloud AI GTM专家马颢庭、OpenDesign CMO兼增长负责人李锦威、Stripe大中华区企业客户总监Christina Chen、Elser.AI创始人刘耕六位嘉宾参与，围绕创意工具、AI直播、云上应用、开源设计工具、支付基础设施、AI漫剧六类AI原生产品，分享了各自的商业化观察和产品判断。

【话题一】AI原生产品的六类商业化路径，用户为什么愿意付费？

第一轮问题，高飞把话题落到最实际的商业问题：AI原生产品商业化的路径是什么，用户为什么愿意为它买单？

· 秦文山：专业用户买的不是一次服务，而是效率、质量和交付结果。

秦文山首先给出画宗AI在创意工具赛道观察到的付费差距。在他看来，差距来自面对的群体不同，这些群体主要涵盖普通创作者、专业创作者、企业客户三类群体：

对于普通创作者而言，AI更多意味着一次创意尝试，大量免费工具基本已经能够满足需求，如果第一次生成效果没有达到预期，用户很容易直接离开；对于动画、短剧、AI工作室、以及专业个人创作者而言，逻辑完全不同，他们真正购买的是“效率”和“质量”，如果一款AI工具能够参与生产、提高生产效率、提升输出质量、并最终产生收入，付费就会自然发生；对于企业客户而言，则更倾向于“为结果付费”，比如这款AI工具解决了哪些问题、降低了多少成本、最终交付了什么。

这意味着，AI产品的商业模式开始出现明显分层：C端可以为体验、情绪和效率付费，而B端最终必须回到可量化的业务结果。

苏州画宗人工智能科技有限公司创始人兼CEO

· 李世尊：AI直播正在从“降本”走向“增效”。

李世尊从集思科技所做的AI直播场景切入，谈到了AI直播商业化的两个阶段：早期，品牌使用AI数字主播主要是“降本”，例如覆盖真人主播无法持续工作的凌晨时段，以解决人力和运营成本问题；而现阶段，AI直播也在寻求“增效”，不仅为了“增加效率”，更多是为了“增加效益”，把蛋糕做大。

他举例称，“一些场景中的ROI已经从过去的‘三四十倍’提高到‘八九十倍’”，这一变化既来自模型能力升级和Audio to Video的精细化，也来自AI直播产品在表达、转化和具体行业适配上的持续优化。

集思科技创始人兼CEO李世尊

· 马颢庭：增长较快的生成式 AI 产品，最终都在解决具体问题。

从更大的产品市场观察，马颢庭认为，“生成式 AI 已经不能再被理解为一个简单的对话框，而是逐渐被嵌入各类产品的原有体系，成为一项基础能力。”比如 Gemini 在8月11日突破了10亿用户，而它从最初诞生到突破十亿量级只用了约30个月。

马颢庭观察到两类产品需求较为突出：从ToC市场来看，一类是生成式 AI 陪伴和情感互动产品：“用户在不断和产品聊天的过程中，沉淀了很多记忆、互动和情感，这会形成用户粘性。”另一类则是拍照、修图、音视频等创意工具。“当生成式 AI 成为普通用户日常直接接触的能力后，调用需求也会随之增加。”

从ToB市场来看，跨境电商、出海程序化广告、客服等场景，对生成式 AI 的需求正越来越明确，倾向于选择 Gemini Flash 这类响应迅速、具备成本效益的模型，一方面提高生产效率；另一方面利用 Gemini 对全球文化的理解，生成更 local 的素材。背后的共同点是，生成式 AI 能力只有落到具体问题，才能形成持续调用和商业价值。

Google Cloud AI GTM专家马颢庭

· 李锦威：AI时代的软件，除了“给人使用”，还得“给Agent使用”。

李锦威从OpenDesign的实践出发，把视角放到了软件使用者本身的变化上。

他认为，过去的软件几乎完全为“人”设计，因此产品围绕GUI展开，此时产品一旦开源，往往很难商业化；而进入Agent时代后，软件的使用者同时涵盖了“人”和“Agent”，这也让开源与商业化之间出现了新的可能：即使面向人的产品部分开放出来，企业仍然可以围绕Agent调用、服务和计算建立商业模式。这也是OpenDesign选择开源和商业化并行的原因。

AI Coding的快速进步也在改变设计产品本身。李锦威提到，如今代码不仅能够把产品“做出来”，还能够完成“视觉和设计表达”，HTML已经可以承载网站、App、PPT乃至视频等多种设计结果。与此同时，Agent也开始接手过去需要设计者亲自完成的一部分工作，设计工具的协作关系由此被重新组织。

这背后同样绕不开Token经济。李锦威认为，AI产品最终需要解决的是，能否以更低的Token成本获得更好的结果。为此，OpenDesign通过Benchmark和Harness等工程手段，希望让开源模型在具体设计场景中获得接近闭源SOTA模型的效果。

这也提供了另一种AI原生产品思路：模型并非产品价值的全部，围绕具体场景进行工程优化、Agent适配和工作流重构，同样可能成为商业价值的一部分。

OpenDesign CMO兼增长负责人李锦威

· Christina Chen：AI产品计费要同时算清「成本」和「结果」。

当讨论走到Token成本，Christina Chen带来了另一种视角：AI正在改变软件行业沿用多年的定价方式。她的核心判断可以从两个维度理解：成本和结果。

从成本维度，传统SaaS产品的边际成本相对清晰，每新增一个软件用户，带来的成本并不会同比增加；但AI产品不同，“今天让AI剪一段影片、生成一张图片，或者做一个PPT、打造一个Workflow，每一个用户消耗的Token或者API数量都是不一样的。”用户使用越深，服务商承担的模型成本也可能越高。“这正是用量计费、实时计费、按秒计费、以及结果导向计费逐步出现的重要原因。”Christina Chen表示。

从结果维度，更难预测。同一款AI产品，有人可能只偶尔制作一两次PPT，也有人会用它生产复杂影片，两类用户产生的用量、成本和价值完全不同。因此，Christina Chen认为AI产品需要更精细地设计计费方式：“是订阅加用量，还是实时计费，这些都要根据产品本身去判断。”

Stripe大中华区企业客户总监Christina Chen

· 刘耕：当工具越来越容易做，内容本身也能转为商业化来源。

刘耕从动漫和互动娱乐产品角度，提供了另一种AI原生商业化路径，也就是工具未必一定要成为最终收费的地方。他介绍，Elser.AI此前主要围绕动漫创作工具做业务，但由于今年公司的收入更多来自内容，于是推出了免费的画布工具Elser Studio服务创作者。工具免费之后，可以吸引更多动漫、影视创作者参与生产；如果创作者产生了优质内容，团队再通过自身平台参与发行，并围绕最终内容结果获得收益。

刘耕认为，这种变化与AI时代工具价值的重新定位有关。一方面，底层能力越来越多由基础模型提供，通用Agent也开始占据用户工作入口；另一方面，工程门槛不断下降，越来越多团队都能够快速开发出功能接近的工具。因此，仅仅依靠一个垂直工具形成长期、规模化收入会越来越困难。

“工具依然非常重要，但想像过去Adobe一样，仅仅通过一个工具获得非常大的价值，我认为会越来越难。”但对于视频、动漫等创意工作而言，人的审美判断和细致操作仍然无法完全省略。因此，垂直工具仍然有价值，只是它需要进一步嵌入Agent生态，或者向内容、发行和创作者服务延伸。

Elser.AI创始人刘耕

以上六种产品、六种商业化实践，最终呈现出一个共同趋势：AI原生产品已经很难依靠单一功能完成商业闭环，而是一条包括需求、成本、交付、定价乃至收入分配的完整链条。

【话题二】当能力快速同质化，AI原生产品的壁垒建在哪里？

第二轮问题，高飞把讨论从“收入从哪里来”进一步推向“收入能不能持续”：当模型能力越来越强、Coding成本越来越低，意味着产品可以更快被开发出来、也可以更快被复制，那么企业真正长期有效的壁垒是什么？

· 秦文山：垂直行业需要“行业经验+AI技术+管理能力”。

关于AI创意工具赛道的未来格局，秦文山把视角落在垂直行业。他认为，大健康、文旅、影视等深度垂直行业仍然存在长期机会，因为这些场景不仅需要AI技术，也需要大量行业经验，真正有价值的产品，往往来自“行业Know-how、AI技术能力、管理能力”三者叠加，“因为如何协调不同Agent、如何完成模型调度需要管理能力，这本身正在成为新的产品能力。”画宗AI一开始做内容，后来同时做工具和AI数字员工（导演、编剧等岗位）。

对于OPC等轻量化组织而言，这反而可能成为机会。在秦文山看来，相比于大型企业组织，“OPC等更轻量的组织可以更快围绕新的生产力工具重新组织团队、产品和业务结构”。AI Coding降低了生产成本，也让“小团队做大产品”拥有了更现实的技术基础。

· 李世尊：把长期积累的Know-how转化成可以规模化复制的Agent。

李世尊解释了集思科技的差异化打法，是长期服务大客户积累下来的行业Know-how：过去，这些经验需要人工完成，例如不同档次的美妆、3C品牌应该采用什么直播策略，需要团队逐一分析、制作方案并交付；但现在，集思科技正在尝试把这些能力装进Agent，“我们原来做的是定制，现在在做的是用Agent实现低成本、批量化定制。”

用Agent做定制化的关键，恰恰就在于把过去由人沉淀的Know-how转化为Agent能够调用的结构化能力。同时，集思科技把客户输入门槛降到最低，客户不需要提前整理完整知识库，只需要提供网站、PDP、PDF等现有材料，系统就能够进一步完成自动化和结构化处理。“这一变化，让集思科技近期收入增长反而比前两年更快很多。”这是一个看似“反常识”的结果：用户越来越“懒”，但最终获得的服务越来越好。

· 马颢庭：真正的护城河，不是模型能力，而是用户更换你的成本。

马颢庭把生成式 AI 应用护城河的问题，放到模型迭代周期演变的大背景下：“模型在过去两三年前的迭代是以‘年’或‘半年’为单位，但现在已经上升到以‘月’为单位去迭代”，简单调用模型做产品的团队“很容易成为大型企业下一个版本迭代之后的某一项功能”。

如此一来，在C端，壁垒来自是否真正解决一个具体问题，以及用户迁移时需要付出多大成本；在B端，壁垒来自生成式 AI 是否真正进入企业的生产流程与核心业务。更进一步，一款产品还必须给用户带来足够明确、足够短周期的ROI。马颢庭还提到，“本地团队应结合本地供应链优势，发展端云协同的端侧设备，比如智能眼镜、智能会议系统这种随身设备，在端侧用轻量级模型响应，云端处理更复杂的多模态推理。”

【话题三】AI原生产品如何走向全球？

当产品找到商业闭环、建立一定壁垒之后，第三个现实命题随之而来：一款AI原生产品，如何进入更大的全球市场？

AI产品的全球化，并不只是语言的全球化，用户的数据和上下文在哪里、不同市场的审美和使用习惯是什么、当地用户习惯怎样支付，以及创业团队真正能够复制到全球的能力是什么，都是关键议题，而且伴随产品早期设计而定调。

· 李锦威：用户的数据和上下文在哪里，产品就应该长在哪里。

李锦威用“第一性原理”看待AI原生产品的出海问题：“用户的数据和上下文在哪里，你的产品就应该长在哪里，而不是和原有的上下文割裂。”在他看来，随着Codex等Agent工具渗透率不断提高，越来越多用户的项目资料、使用偏好、以及任务上下文已经沉淀在本地环境和Agent之中。因此，OpenDesign选择直接接入用户已经使用的Agent，让设计能力建立在原有的上下文之上。李锦威认为，降低这种上下文迁移成本，是产品早期实现增长的重要因素。

而当产品真正进入全球市场之后，另一道难题是本地化。设计很难存在一套全球统一的审美标准，不同国家和地区的用户拥有不同的偏好，因此，相比单纯关注一个开源项目获得多少Star，李锦威更关注真正参与产品建设的开发者和贡献者数量，希望借助当地开发者把产品真正带进当地市场。“目前OpenDesign已经培育了全球80多个国家的近500名开发者。不只是我们一个创业团队在做事情，而是全球的开发者社区一起来做。”

对于AI创业公司而言，这不失为一种有别于传统出海的路径：产品能力可以由中心化团队开发，但产品的本地化和扩张，可以借助全球开发者生态共同完成。

· Christina Chen：全球化不只是产品出海，支付和交易也必须同时出海。

产品进入海外市场之后，最终仍然要回到一个非常现实的问题：用户如何完成付费。

Christina Chen认为，很多创业团队在早期会把更多精力放在模型、功能和用户增长上，支付和交易往往是较晚才开始考虑的环节。但对于面向全球市场的AI产品而言，商业化本身就是前置条件，而且需要覆盖支付前、支付中、支付后的完整链路。

支付之前，企业需要处理多账号滥用、免费试用被反复利用等问题。对于传统软件而言，一个免费用户可能只是没有产生收入；但对于AI产品来说，每一次图片、视频或内容生成都意味着真实的Token和算力成本，因此风控本身直接关系到商业模型能否成立。

进入支付环节之后，本地化需求会更加明显。Christina Chen举例称，面向中国市场需要支付宝、微信支付，而进入新加坡、巴西等不同市场，也要适配当地用户习惯的支付方式；如果产品采用订阅或者用量计费，还需要支付系统能够配合相应的计费模式。

支付完成后，同样不是交易的终点。扣款失败后什么时候再次尝试，用户想要升级套餐时如何完成升级，这些都属于商业化链路的一部分。

因此，Christina Chen所强调的全球化，并不仅仅是“有没有一个支付按钮”，而是从风控、本地支付、订阅计费，到续费和升级的一整套商业基础设施。

· 刘耕：真正能够带到全球的，最终还是团队自身的核心能力。

刘耕的判断，则把话题重新拉回创业团队自身。在经历从AI动漫工具向内容平台延伸之后，刘耕越来越关注一个更基础的问题：模型时代，团队真正的核心能力究竟是什么？

刘耕本人学美学出身，也有长期小说创作经历。他认为，工具仍然重要，但工具本身并不是Elser.AI最核心的竞争优势。过去三年的AI创业实践让他越来越明确感受到，顶尖的创意能力、审美能力以及故事能力，依然很难被模型替代。这一判断虽然并非直接针对“出海”，但放到全球化语境中同样成立。

在他看来，模型、Coding工具乃至支付基础设施都在越来越标准化，很多基础能力可以被全球创业团队同时获得。因此，对于AI创业团队而言，全球化也意味着一次重新审视：哪些能力可以依靠平台和基础设施获得，哪些能力必须自己长期积累。

这也意味着，AI产品出海，越来越不像一次简单的地域扩张，而更像产品、生态、商业基础设施和团队能力的一次共同全球化。

· 高飞：AI原生时代的答案，藏在“要解决什么”和“你擅长什么”的交集里。

PEC China发起人、至顶科技创始人兼CEO高飞

作为主持人，高飞在整场对话中不断做归纳，在总结关于AI原生产品护城河的判断时，他给出了一个更凝练的表述：“发现问题是什么，找到你擅长什么，再把二者结合起来就是答案。”

随着讨论临近尾声，高飞再次点出当天大会的两条主线：一条是“原来不是做AI，怎么做AI”的AI转型话题，另一条是“本来就在做AI，怎么把AI做好”的AI原生话题。而本场圆桌对话聚焦后者。高飞也用一个颇具PEC特色的方式为圆桌收尾：“虽然时间有限，但我们语速很快，所以整体TPS很高，TTP也很好，整体Token量一点也没少。”

从六位嘉宾的分享来看，这个答案已经延伸到需求、交付、定价、壁垒和全球化，并且，这是一张仍在演进中的AI原生产品地图。