作者:Frank,PANews
在多数科技大会里,最常见的问题是“谁发布了什么”。但在2026年5月的mu Shanghai AI WEEK现场,PANews听到的高频问题却变成了更加实际的内容:当AI让产品原型越来越容易被搭出来,创业真正困难的部分究竟转移到了哪里?
这场活动的特殊之处在于,它不像一场标准会议,更像一个临时搭建的开发者空间。展台很少,企业宣讲很少,活动话题不固定,大批海外开发者从阿根廷、硅谷、日本或东南亚飞到上海,只为在一个月的时间里与中国开发者、模型公司、投资人和本地生态发生连接。
活动现场并没有被布置成传统酒店会场,而是开放办公区、阶梯坐垫、懒人沙发和临时投影组成的混合空间。有人坐在工位前敲代码,有人围坐在地毯和方形坐垫上听分享,也有人靠在角落里用电脑继续改产品。墙上悬着mu Shanghai的彩色旗帜,一面写着“我是谁?什么塑造了我?”的世界地图上贴满便利贴和连接线,像一张正在被参与者共同填写的身份网络。
PANews在现场与多位主办方、项目方、投资人和模型公司人士的交流后发现,AI创业正在进入一个新的阶段。如果说“谁能更快接入模型,做出产品”是AI创业的第一阶段;那么第二阶段则是“谁能找到真实场景,获得用户,建立社区,并在足够长的周期里活下来”。模型是水电煤,那么当前真正稀缺的,不再只是接上水管的能力,而是谁能找到最需要水的人。
一场关于全球开发者的深度社交实验
mu Shanghai最不同寻常的地方,首先体现在它的组织形态上。主办方创始人Sun在接受PANews采访时提到,mu早期并不是从中国开始,而是在泰国、阿根廷、非洲、日本等地以快闪城市、创业社区的形式不断扩散。相比两三天的传统会议,它更强调一群人进入同一个城市,在一个月左右的时间里共创、交流、生活和建立关系。
这种形式让活动天然带有很强的社区属性。据Sun介绍,本次mu Shanghai约有2000多人报名,最终筛选出800多人。参与者构成也相当分散:中国参与者约占20%,日本、韩国、印度等亚洲其他地区约占18%,东南亚约占16%,拉丁美洲、美国和欧洲分别约占10%、10%和11%,非洲约占6%。从行业背景看,AI从业者约占40%,Web3相关从业者约占20%至30%,此外还有硬件、生物科技、投资等不同群体。
Sun在采访中这样解释这种活动形态的吸引力:“离开大学之后,人很少再拥有那种深度关系。工作和大城市里也很难形成这种连接,所以我觉得它很有价值。”在他看来,mu试图复制的不是传统会议的流量瞬间,而是一种更接近大学、社区和共同生活的关系密度。
现场也确实更接近这种状态。主舞台并不总是空间的中心,投影幕布旁边的字幕屏、临时搭起的展示架和散落在各处的电脑共同构成了活动的日常背景。在一场关于用户体验的分享中,听众并不整齐地坐在椅子上,而是分散在低矮坐垫、地面和开放工位之间。讲者在前方分享,台下的人一边听,一边低头记录、回复消息或继续处理自己的项目。这种略显松散的状态,反而更接近开发者社区的真实运转方式。
这些数字的意义不在于活动规模本身,而在于它展示了一种不同于传统会展的组织逻辑。传统会议往往连接品牌和用户、企业和客户,mu Shanghai更像是在连接中外开发者文化。现场既有大模型圆桌,也有黑客松、共创活动、语言学习、社区分享和临时加出来的讨论。MiniMax产品负责人冯雯在现场交流中提到,这里的氛围并不只是“上台分享AI”,还包含文化交流、开发者共创和社区参与。
大量Web3从业者的出现,也让这种连接更加复杂。Web3行业过去几年沉淀下来的并不只是链上资产和投机叙事,还有一套社区动员、全球协作、社交媒体传播和开发者组织方法。当AI创业从拼模型调用转向拼用户触达时,这套方法反而重新变得有价值。
从“怎么做”到“卖给谁”:AI创业步入深水区
PANews在现场最明显的感受是,AI创业者已经不再为“能不能做出产品”兴奋太久。多模态模型、代码生成工具、Agent框架和自动化工作流正在快速降低产品原型门槛。一个过去需要设计师、工程师和运营共同完成的小工具,现在可能由几个人在几个晚上借助AI代码工具搭出初版。
更新的数据更能说明这种门槛变化。JetBrains在2026年1月进行的AI Pulse调查则显示,90%的专业开发者已经在工作中常规使用至少一种AI工具,74%已经采用面向开发者的专门AI工具。对创业者来说,“能做出来”正在变成更普遍的能力,而不再天然构成壁垒。
然而,产品被做出来之后,问题才真正开始。名为Nathan的创业者告诉PANews,他正在做一个帮助AI创业者寻找创业方向的产品。其逻辑是,AI已经可以扩大信息收集范围,并将连续创业者的判断力和品味沉淀成一套判断规则,再交给AI去发现商业机会信号。但这个产品本身也揭示了一个更大的现实:当做产品变得更容易,“到底做什么”反而成为更稀缺的问题。
Nathan对PANews说:“借助AI代码工具,做出一个新东西已经很快。真正关键的是,这个方向是否值得做。”他所做的产品,本质上就是把“找方向”这件事本身产品化。这个案例很小,却折射出AI创业的一个新变化:当执行力被AI放大,判断力反而变成稀缺资产。
在PANews主持的“AI消费生态的创新实践与路径探索”圆桌中,多位嘉宾也表达了类似看法:AI确实让快速原型、演示样品和初步上线更容易,但创业真正困难的部分并未消失。获客、商业落地、社区粘性、用户教育和人与人之间的连接,仍然需要团队具备更复合的能力。
换句话说,AI降低的是开发门槛,不是创业门槛。过去产品竞争的第一道门槛是“能不能做出来”,现在这道门槛被大幅压低后,真正的筛选开始后移到分发、场景和商业化。一位现场受访者将其概括为:现在做工具并不难,难的是让产品、IP和价值被更多人看见。
这也是大量AI工具面临的共同困境。工具越多,用户越难选择;模型越强,单点功能越容易被下一次模型更新吞掉。对于创业者来说,今天看似成立的产品,可能在6个月后因为底层模型能力提升而失去存在感。因此,真正的问题不是“要不要做AI”,而是能否找到一个模型短期内无法完全抹平的具体场景。
AI的使用正在快速普及,但从工具使用到稳定价值之间,仍然隔着场景、流程、治理和组织能力。
Web3人涌入AI,不只是追热点
如果只从叙事角度看,Web3人涌入AI似乎只是又一次热点迁移。但在mu Shanghai现场,这种迁移背后有更现实的原因。
一方面,加密行业的财富效应、资本红利和技术红利正在衰减,许多从业者开始寻找新的科技方向;另一方面,AI应用恰好需要Web3行业最熟悉的能力,社区、全球化传播、开发者关系和社媒分发。
一位资深的Web3从业者在现场直言,加密行业已经走了10年,资本红利和认知红利大多已经结束,现在更应该往新的科技方向走。他建议创业者把事业、个人品牌和资产配置逐渐转向AI,而不是继续把大量精力押在加密货币上。这个判断未必代表所有Web3从业者,但它确实反映了现场一部分人的真实心态。
他的表达很直接:“我认为AI值得长期投入。所谓投入,不只是使用工具,而是把事业、个人品牌和资产配置逐步转向AI。”而他个人的选择是转型成为一个AI领域的博主,拿着运动相机在现场寻找那些做AI产品的团队拍Vlog。
这类判断未必代表所有Web3从业者,却足以说明现场气氛:AI已经不只是一个可选赛道,而正在成为部分Web3从业者重新配置时间、资产和职业身份的方向。
AI驱动的社交媒体助手XerpaAI在现场布置了一个展位,其工作人员在接受采访时表示, “我们是纯AI项目,技术上和Web3关联不大。但从用户侧看,一定会触达Web3用户。例如X AI助手,会服务一部分有运营需求的Web3用户。”这种说法很能代表当前AI应用与Web3社区的暧昧关系:产品可以不是Web3,但用户、传播和早期需求常常绕不开Web3。
在现场交流中,也有模型公司人士提到,AI和Web3的用户群体已经越来越难完全切开,许多AI工具的重度用户本来就是Web3背景。尤其在香港、上海等场景中,AI和Web3往往共享同一批高频参会者、早期用户和社区传播节点。而对他们而言,并不排斥社区成员是否是Web3用户,只要主题是AI,大家的目标就是一致的。
从这个角度看,Web3进入AI并不只是一次“转场”。Web3带来的不是链上技术本身,而是一套如何让全球开发者围绕一个项目聚集起来、持续讨论并贡献注意力的方法。对于当下的AI应用来说,这种能力可能比一个短期功能更难复制。
硬件、供应链与中国底座
相比“AI软件应用会不会被模型吃掉”的焦虑,现场对AI硬件、具身智能和中国供应链的讨论显得更有确定感。多位受访者提到,未来AI进入真实世界之后,硬件、机器人、具身智能和多感官交互会迎来更大机会。PANews主持的消费级AI圆桌中,MiniMax开放平台产品负责人冯雯也判断,未来三到五年智能硬件、机器人和具身智能会迎来重要拐点,AI不再只存在于软件界面中,也会进入真实物理世界。
会场之外,机器人赛道也正在成为焦点。海外机器人厂商Figur在5月18日举办的一场人类与机器人分拣快递比赛引发了全网热议,即便人类在10小时内以微弱的优势获胜,但显然如果把时间拉长,机器人已经成为胜者。斯坦福HAI《2026 AI Index》也显示,AI智能体在OSWorld这类真实电脑任务测试中的准确率从约12%提升至66.3%,自动驾驶也开始出现规模化部署,中国Apollo Go累计完成1100万次全无人驾驶出行。
AI通过硬件、机器人和端侧部署进入现实世界已经不再只是远期叙事。
这正是中国生态的特殊优势所在。Sun在采访中反复提到,中国几乎拥有从硬件、AI、生活科技到基建的完整供应链。对于海外创业者来说,如果要做AI硬件,无论是原材料、工厂、工程师还是快速打样能力,最终都很难绕开中国。他也透露,这次活动中,不少从海外来到中国的创业者的目标就是体验和近距离观察中国的完整产业链。
Sun表示:“只要做硬件,海外团队最终还是会回到中国寻找供应链、原材料、工程师和打样能力。”他认为,未来五到十年会有更多国际人才来到中国寻找供应链、原材料、人才和资本。对海外创业者来说,中国不只是一个市场,也是一套完成产品落地的基础设施。
一位创投人士在现场向PANews表示,他们这次参与活动的主要目标就是看看有无更偏硬科技、具身智能和世界模型,而不是单纯消费端应用。他们的逻辑是,如果软件AI的复制成本正在下降,那么硬件、供应链和真实世界交互,反而可能成为更难被模型更新直接抹平的壁垒。
不过,中国AI生态对海外开发者的吸引力并不只来自供应链。DeepSeek、Kimi、MiniMax、智谱、千问等国产模型的出现,让海外开发者开始重新理解中国模型能力。但中国模型出海仍存在信任和部署难题。MiniMax开放平台产品负责人冯雯提到,中国模型在海外主要依靠开源获得关注和品牌影响力,但很多海外开发者仍会担心数据、合规和信任问题。即使模型开源,大多数人也未必有足够算力自行部署,于是出现了由美国公司部署中国开源模型、再提供给海外客户使用的中间层。
对海外开发者来说,中国AI生态的吸引力不再只来自成本或市场规模,也来自持续扩张的模型供给、工程能力和产业转化能力。
这意味着,中国AI生态的机会并不是单线条的。模型能力、硬件供应链、政府执行力和开发者社区需要共同运转,才能真正把海外创业者带进来。mu Shanghai在这个过程中扮演的角色,更像是一个将海外开发者走进中国的连接器。
大模型公司开始争夺开发者社区
如果说过去一年大模型公司的竞争主要体现在参数、榜单和价格,那么在mu Shanghai现场,开发者社区的重要性已经被推到台前。国产大模型公司并不只需要更多API调用,更需要让开发者知道自己、信任自己、愿意围绕模型做应用。
冯雯在现场交流中提到,他们做了大量开发者相关工作。开发者体验、活动筛选、嘉宾参与、黑客松、评委、Token赞助等,都需要被纳入模型公司的生态工作中。
“开发者就是我们的用户,因此我们很重视开发者体验,也希望让更多开发者理解我们正在做什么,” 冯雯表示。这句话几乎可以看作国产大模型公司生态策略的注脚,模型不再只是放在平台上等待调用,而要主动进入开发者聚集的空间。
这并不是MiniMax一家公司的选择。现场参与者透露,智谱在北京有原点学堂,几乎每周都有活动,并且接近清华、北大等高校资源;AIGC和AGI社区也在通过固定空间、黑客松、火锅局、开发者夜等方式持续聚集人才。这类空间正在变成线下版的开发者入口。
这背后是一个更大的变化:模型公司已经不满足于“把模型放出来”。它们需要文档、试用平台、案例、视频教程,也需要社区、黑客松和开发者活动帮助用户跨过最初的门槛。随着Agent能力提升,用户教育本身也在被重构。过去开发者需要自己读文档、查错误码、理解参数;现在,Agent可以帮助用户读取文档、搜索方案、选择模型并自动修正路径。
对于模型公司来说,真正的竞争不只是模型调用价格,而是谁能更早进入开发者的日常工作流。对于应用创业者来说,真正的机会也不只是接入哪一个模型,而是能否找到一批愿意持续使用、持续反馈、甚至主动传播的早期用户。
被需要、被理解、被留下
mu Shanghai并没有给出AI创业的统一答案。有人看好硬件,有人做社交媒体增长助手,有人做创业机会发现,有人讨论文化出海和精神消费,有人则把它当作认识海外开发者和本地合作方的入口。
但这些看似分散的线索,恰恰构成了AI创业当前最真实的状态。模型能力继续向前,应用形态却仍在寻找稳定场景;开发门槛下降,分发和商业化反而变得更关键;Web3热度降温,但它留下的社区方法正在被AI吸收;中国供应链和模型能力变得重要,但海外开发者仍需要一个可信的入口理解中国。
Sun在采访中提到,mu Shanghai的长期目标并不是只办一场活动,而是希望形成一个持续空间,让海外和国内的人能在同一个地方见面、合作、做出新东西。事实上,mu的正式员工很少,大量工作由贡献者和合作方推动。这种组织方式本身就很像Web3和开源社区,低中心化、重贡献、重关系网络,也因此更能吸引同样熟悉这种文化的人。
当然,这种模式仍然有很多不确定性。活动能否转化为长期空间,社区热度能否沉淀为真实项目,海外开发者是否会长期留在中国生态,大模型公司能否把开发者活动转化为稳定调用量,都仍有待观察。社区可以制造相遇,但不能替代商业闭环;城市可以提供场景,但不能保证产品成功。
不过,mu Shanghai至少让一个趋势变得清晰:AI创业正在从“模型崇拜”走向“场景竞争”,从“做出工具”走向“被用户看见”,从单点产品走向社区、供应链和跨国协作的综合竞争。对于普通创业者而言,AI带来的机会并不是让每个人都轻松成为赢家,而是让更多人更早暴露在同一场更激烈的筛选中。
当产品越来越容易被生产,真正稀缺的反而是理解用户、进入场景、建立信任和持续连接人的能力。AI会继续降低工具的生产成本,但不会自动回答“为什么是你”。在这个意义上,做出产品只是第一步,被需要、被理解、被留下,才是AI创业更难的后半场。
