20. 入门到精通：中国人到美国出海创业 - Richard｜出海同学会
这期对谈从 Manus 相关交易讨论切入，却没有把问题收窄为某一家公司的去留。Richard 关心的是中国团队如何参与全球 AI 创新：产品该从哪个市场开始验证，团队怎样理解海外资源，垂直 Agent 靠什么留下价值，以及融资和公司实体该如何服务实际业务。
他把这种实践称为新全球创新。这个说法强调，出海不只是把国内已成熟的产品卖到别处，而是在产品设计、用户反馈、组织和资源上同时面向多个市场。节目中的观察主要来自他在硅谷接触创业团队、投资人和出海社群的经验，不是对行业全貌的统计。
先寻找跨市场的共同需求，再决定哪些地方需要本地配置。
保留中国团队的执行经验，也要补上全球市场所要求的能力。
垂直 Agent 的难点在真实流程、工程整合和难以复刻的判断。
华人在硅谷创业，早于这一轮 AI 热潮
主持人感受到近两年有更多中国人在硅谷做 AI 创业，Richard 的回答先拉长了时间线。早期海外华人创业者、互联网时代回国创业的人，以及今天直接到北美或新加坡创业的团队，本来就在同一条跨境流动中。过去中国互联网高速发展时，舆论更容易注意到人才回流；现在 AI 的机会让更多人注意到反向流动。
在他的现场观察里，AI Grant、HF0 等 AI 孵化器中，华人创始人的可见度高于移动互联网时期，尤其是作为主要创始人出现的比例。这一观察没有被节目当成严格统计数据。Richard 给出的解释分成两部分：模型、基础设施等方向需要数学和系统能力；应用层又可以借用中国移动互联网积累的冷启动、投放、ROI 和产品矩阵经验。两种能力都不能自动产生成功产品，但会影响团队试错的起点。
他也提醒，华人团队进入国际市场后不再被当作某个地区的特殊选手。用户和投资人会把它与全球同类产品比较，增长、产品体验和组织能力都在同一张考卷上。过去在中国市场练出的速度和韧性是基础，语言、市场判断、叙事和本地网络的不足，则需要用团队配置和长期接触来补齐。
国际化先于本地化，是一种产品设计顺序
出海讨论常把本地化放在最前面：把一个中国市场已经跑通的产品改成当地语言、雇当地团队、调整运营和渠道。Richard 并不否认这些工作，只是指出，这一路径很容易把产品的中国版本当作固定起点，再把海外市场当作需要修补的例外。
他用 Google 的组织顺序说明另一种思路：先考虑国际化，再做本地化。前一步要解决的是产品能否被足够多国家的用户使用，也就是需求、核心流程和产品骨架有没有普适性；后一步才是调研某一市场在语言、支付、渠道、团队或规则上的具体要求。这个例子不要求创业公司照搬大公司的组织。它要求团队在为某个国家增加功能之前，先确认自己找到了跨市场都成立的用户问题。
主持人把硅谷的产品文化概括为更克制、更接近全球级别的最小可行产品。Richard 认同这种描述：一个团队若从当地成熟产品改造起步，往往要背负许多原市场留下的功能和假设；若从多个市场的共同约束出发，产品更容易先收敛到核心任务。哪一种方式更适合，仍要看赛道和用户，不存在对所有产品都有效的固定步骤。
北美很重要，但市场选择不是一道二选一题
对希望做全球软件的 AI 团队，Richard 认为从北美这一高标准、高竞争市场开始有其道理。软件通常需要在功能、性能和普适性上取得认可，较少能只靠低价从边缘市场一路进入核心市场。他把这种方向描述为从上往下打：先在最难的市场证明产品，再扩大覆盖范围。
这不等于每家团队都应立刻把美国设为第一站。创始人的习惯、团队接近用户的能力和产品特性都会改变选择。节目举日本 SaaS 市场为例：它与美国市场有相似处，规模和竞争强度却不同；如果团队能先在那里找到产品市场匹配，之后仍可以把美国作为下一步。Richard 也提到，消费品常能出现从较低线市场向上扩张的路径，软件产品的逻辑未必相同。
节目给出的判断框架：不要把全球化简化成中国到美国，或新加坡到美国。企业可以从不同地方走向不同地方；市场选择需要同时看需求、竞争、团队距离和产品能否被当地用户验证。
这种框架也适用于大公司。Richard 提到，大型云服务企业同样要逐国判断基础设施是否值得部署。全球覆盖来自对市场收益、成本和运营能力的一次次权衡。初创公司不必假装自己已经解决了这类问题，却需要尽早把它纳入产品和组织的判断。
工具意识，是对全球资源的理解
主持人提起一个旧故事：有同行因为一位创始人熟练使用 HubSpot 而关注过项目。Richard 澄清，那不是他自己的投资案例。故事的价值也不在某个软件，而在创始人知道哪里有现成工具，能够迅速把它用于业务问题。面对销售、营销、客服或运营需求，团队不必把自建当作默认选项。
Richard 认为，中国创始人愿意亲自解决问题，既是执行力的来源，也可能造成时间损耗。成熟的 SaaS 生态把许多小而明确的需求拆成服务和工具，团队可以采购、组合和替换。对海外生态的熟悉程度，因而会改变创业者能否把精力集中在产品本身。
AI 又让这一差异发生变化。新工具的数量增加，信息差缩小，尝试速度变得更关键。Richard 观察到，一些中国大型企业使用 Cursor 等工具的速度很快；一些北美大企业仍在处理内部政策和风险顾虑。这个对比指向的是组织试用新工具的速度，并不等于某一方在所有技术能力上都更强。
离客户近，才能知道 AI 产品是否经得起使用
对于已经在海外经营，或正准备进入海外的团队，Richard 给出的建议很朴素：与目标客户保持很近的联系。市场可以在美国、日本、印尼或欧洲，客户距离都不能靠研究报告替代。产品在什么场景被使用、哪里出现摩擦、用户愿不愿意持续付费，只有在一线接触中才会变得具体。
他把当前竞争称为深水区。在这种环境里，短期热度和低价难以持续替代技术、工程和产品体验。节目以 Manus 团队为例说明，外界忽然注意到的产品，背后往往有更长时间的方向探索。这个判断没有把所有成功归因于时间，而是要求团队把长期积累和客户反馈放在一起看。
AI 早期还带来评价上的困难。传统软件可以用收入、ROI、安全性等指标逐步衡量，许多早期 AI 项目却先被创始人的决心、产品审美和协作感评价。Richard 承认这些特征很难量化，也不足以保证结果；它们之所以被反复讨论，恰恰是因为行业还没有形成稳定的评价尺子。
垂直 Agent 的壁垒，不只看行业知识
两位对谈者在垂直 Agent 上有相近处，也留下了一个有用的分歧。主持人举医院挂号和分诊自动化为例：模型了解一点分诊知识并不特别困难，真正棘手的是接入医院既有系统，让 AI 持续接听、完成预约，并让病人和工作人员不必为新流程付出额外成本。这样的产品价值来自工程整合、部署和工作流，而不只是多套一层通用模型界面。
Richard 更关心任务能否量化和复制。他认为，会计流程即使复杂，只要所有人都必须得到一致结果，就更可能被通用能力覆盖。投资判断则不同：不同投资人可能依据难以形式化的方法作出选择，结果没有唯一的可验证路径。若垂直 Agent 真能处理这种难以复刻的专业判断，门槛会更高。
主持人强调的维度
系统接入、持续交付和无感使用，能让产品嵌入真实工作流。
Richard 强调的维度
任务若高度可量化、结果必须一致，场景再复杂也未必构成长期壁垒。
这段讨论没有为法律、医疗、营销或客服排出高低顺序。两人共同反对的是只按垂直领域名称下注：要看技术能否稳定完成任务，领域方法能否被复制，以及产品是否真的把工作流接住。录制时，Richard 仍把这些问题视为需要继续观察的方向。
实体、资金与退出，都应回到实际经营
关于公司架构，Richard 的建议是让实体与业务所在地相匹配。主要在哪个市场经营，就在那个市场使用相符的公司安排；为形式堆叠多层离岸结构，可能消耗管理精力。他没有否认税务、合规和融资约束的存在，也明确这是个人判断，不是可套用给所有公司的法律或税务方案。
同一逻辑也适用于融资。团队到了需要全球资源的阶段，就应按资源能否帮助业务来判断，而不是先把资金按国别排除。Richard 提到，他仍能看到美国头部 AI 和 SaaS 团队主动接触中国企业资本，因为它们认为其中的经验和资源有用；美国基金也会主动寻找中国项目。地缘政治会带来限制，但没有把所有跨境合作切成两条绝对隔离的线。
退出是这套讨论的最后一环。Richard 预计 2026 年硅谷可能出现更多 AI 并购，理由是行业中的角色关系正在变化：顶尖研究者、能快速做出产品的建造者，以及掌握产业资源的大公司，彼此之间的分工和距离都不同于互联网时期。大公司为追赶 AI 能力而购买团队、产品或技术的动机，可能比过去更强。
这仍是录制时的市场预测。它指向的产品判断很具体：团队需要把退出和融资放回产品价值中衡量。一个垂直 AI 产品若能解决客户问题，也补上产业方缺少的能力，才可能成为值得整合的资产。