2026-11-09 · 刀文AI商业：园区沙龙获客、企业AI交付与医疗数据项目讨论

技术团队怎样先有现金流？免费沙龙怎样接到企业服务？手里有客户，为什么仍然不能随便把单子交出去？这场讨论从遵义一个开发团队谈起，延伸到汽车门店、制造企业、投资内容账号，以及医疗数据和北美带货项目。几条业务有相似之处，但客户基础、交付难度和所处阶段各不相同。

一、遵义开发团队：产品还没推广，先讨论能不能做本地服务

连麦者“看明天”在贵州遵义，团队的产品已经做到第二版，但服务器还没搞定，用户推广也没开始。刀文问他：既然项目费钱、眼下又缺现金流，为什么不先在当地做面向老板的AI基础培训和服务？

看明天的顾虑是身处小县城，老板们对AI没什么概念，做这种活动可能意义不大。刀文的判断恰好相反：当地老板不熟悉AI，不等于没有需求。实体店需要客流，企业需要提效，可以先从他们听得懂、愿意付钱的小事情切入，把客单价放低一些。

这里也有能力条件。看明天承认，自己此前并不擅长AI获客和AI短视频；技术团队上个月24日才进来，这些业务现在才基本具备承接能力。他说产品和服务正在同步推进。因而这段讨论不是“他们已经靠沙龙赚钱”，而是在寻找一条能尽早产生收入的业务线。

现场建议先解决两件事：

• 找到当地能组织老板的机构或合作方，例如园区、商业体、写字楼运营方，以及有相关需求的政府机构；

• 提供这些机构需要的免费AI科普内容，借活动给场地带来人流，再从具体业务问题中找服务机会。

刀文愿意提供他们已经讲过的课件和沙龙内容。对技术团队来说，这能少走一些准备课程的弯路，但招到谁、谁来讲、后续服务能不能交付，仍然需要自己落地。

二、中山园区：活动先带来人，再从现场诊断里发现需求

司马介绍，中山有一个合作场地，园区此前空置率约70%，经过半年运营，下降到约35%。近期再借AI热度办活动，希望继续带动园区。AI沙龙是在这半年运营基础上新加的活动。

他举了一个很直接的好处：来参加活动的人中午会吃饭，也会买奶茶、柠檬茶。即使活动当天课程转化不理想，园区里的消费也会被带动。这是他向其他园区解释活动价值的方式，而不是只谈培训收入。

前一场沙龙邀请了三十多位老板。现场安排了一个“一对一诊断”环节：请老板上来讲自己的痛点，再现场讨论AI能怎样和他的业务结合。司马觉得这个环节反应很好，会后有十几个人加了他。相较于单向介绍工具，这种做法让需求直接在现场显现出来。

他还提到，一位直播间朋友在四五线城市与当地政府、园区合作，约三个月变现九十多万元。这是他转述的另一个人的经历，用来回应“小城市没有市场”的担忧；他讲的是变现收入，未细分成本和利润。

下一步，他设想把沙龙常态化。自己关联六个园区，理想状态下每个园区每周两场，共十二场；其他园区老板也有兴趣。这些活动还在规划中。

三、免费沙龙之后卖什么：1999元产品、入企诊断和更深的交付

司马和搭档正在设计一条从轻到重的服务路径：先用免费沙龙让老板看到AI，再卖基础使用产品，随后承接入企诊断，有更深需求时再找技术团队做FDE。这里的FDE指更深入企业业务、围绕具体场景做技术落地的工作。

当场讲到的价格和阶段是：

司马说，下一场想邀请八十到一百人，目标转化率是30%～40%。他先按约两千元一单做心算，又说不妨按单场五万元来推演。这是目标测算，不是已经收到的收入。按1999元、八十到一百人、30%～40%转化率计算，收入约4.8万～8万元；实际收入还取决于到场和成交情况。

这条路径的关键不是预设每一层必然成交，而是分开不同需求和能力：有人擅长销售、基础培训；有人擅长入企咨询；更重的技术改造又需要另一类团队。让每个人做擅长的事，比上来就把全部工作揽下更现实。

对“老板什么工具都没用过”的情况，刀文认为先让他动起来很重要。司马前一场问过现场老板，用过WorkBuddy的只有两个人。直接推复杂智能体，老板可能既听不懂，也无法判断值不值。

实体店获客还有另一种切法

刀文举了“周一”团队的例子：聚焦实体老板的AI获客，有餐饮等行业案例，有内容团队教老板用AI出视频，把服务和培训结合起来。前期成本做得低，老板比较容易接受；看到效果后，有些门店再做整体培训和改造。

这支团队先帮门店解决获客问题，合作再随效果加深；服务和培训并行，是这个例子值得留意的做法。

四、王哥的制造业项目：20万元、12人天，前提是已有业务和数据基础

王哥此前做传统管理咨询，熟悉生产、财务等企业场景。他接触的制造企业规模在一亿到三十亿元之间，客户基础和面向零基础老板的培训不同。

这些企业里，不少已经用了SAP、ERP、金蝶、用友等系统。问题不一定是“没有数据”，而是各处数据难以支持老板做经营决策。老板到月底才看到报表，信息不及时，也不够透明。

王哥给出的两个数字是：平均客单价约20万元，一个项目约12人天。“人天”指总工作量，不能直接当成十二天的日历工期。

他不想把事情做得过重。因为企业再大，老板最关心的可能仍然是几个有价值的问题。客户原有的数据治理做得相对不错，也是能够把交付做轻的重要条件。

这段讨论提供了一种选项目的思路：懂企业业务，利用它已经有的系统和数据，围绕老板真正关心的决策需求做事。项目的人员、差旅等成本没有展开，因此这两个数字只说明报价和工作量。

五、汽车门店业务：有四千家存量客户，也要先把交付标准做出来

讨论中有人质疑：刀文说面向企业，但企业大小和需求差别很大，这样的定位是不是太宽？刀文解释了两个层次。

一层是自己做的业务，现阶段以中小企业为主，汽车赛道由司马负责。另一层是直播间里的资源对接：大型上市公司有更合适的咨询专家，小微实体店也有擅长获客和基础工具的服务团队。自己做不了的需求，可以找做得了的人合作，而不是全部亲自承接。

司马用汽车门店说明眼前的需求。他手里有约四千家4S店的存量客户资源，目前只做了五家。他不希望每家客户都必须由自己亲自交付，因此想找能按他的标准完成服务的团队。这是既有客情资源，不是拥有四千家门店，也不等于四千家都已经购买AI服务。

他正在做的产品是两天入企，加三个月陪跑，客单价十万元。他说次日就要去交付，先把标准拉出来，后面才能让其他老师照着做。这一产品在当场被明确说成入企的起步工作，还不是更重的FDE。

这里有一个容易漏掉的阶段信息：刀文直说，他们的核心产品还没有完全跑通。沙龙里已经有技术团队与商家对接、产生一些成交，但自己的产品没有稳定到能够确认效果之前，不急着大推。他们要先把第一批服务交好，再考虑复制。

为什么宁愿暂时不推单

两人反复说，交付质量会直接影响原有客户关系和直播间口碑。有存量客户不等于可以随便找人接单。

• 没见过面的人，不轻易产生合作；网友认识和真正合作是两回事。

• 要找到能交付的人，而不只是愿意接单的人。

• 合同怎么签、保障机制怎么设、交付标准和服务过程怎样监管，都要考虑清楚。

• 对方能力不合适，可以先交朋友，各做各的，不必马上合作。

合作要先看人和能力，再把合同、标准与过程责任想清楚。

六、直播间怎样经营：先让资源和专业的人愿意来，不急着每单都分一份

刀文说，现阶段直播是入口，以社群为主，再连接线下沙龙。他愿意让有业务、有项目的团队上麦介绍，也想吸引真正有交付能力的人。若只围着自己的产品卖，很多同行和专家就不会留下来。

他把这件事形容为先把氛围和格局做起来。直播间刚开播时也只有几个人，是一点点播起来的；拍视频、开直播、回应具体问题，都是持续建立影响力的过程。

现场有一个具体的合作边界：飞行家想找技术团队做项目，刀文愿意介绍王哥、帮忙组局，但明确说自己不参与、不拿一份。理由不是永远不赚钱，而是这件事里自己若提供不了相应价值，硬参与可能变成合作双方以后都想去掉的环节。

这与“先见面再合作”的要求是一致的：把人连接起来不难，真正建立信任、承担交付责任才难。没有必要把所有认识的人都叫成自己的资源，也没有必要每个项目都强行占一个位置。

七、豆包和企业工具：有人看短期收入，有人看用户入口

现场对豆包有明显分歧。一种看法是，早期面向个人的AI产品不挣钱，最终仍需要做企业市场。另一种看法是，大厂先抢用户入口，不能只按眼前的收费和亏损判断价值。

支持“入口”观点的人举了普通家庭和学生的例子：资深技术用户可能嫌豆包能力不够，但很多普通用户已经把它当成很好用的工具。家长会给孩子装豆包，却不一定会让孩子使用企业办公工具。这说明不同产品面对的人群不同。

讨论中还提到元宝、小薇、WorkBuddy、千问办公，以及ChatGPT的简洁聊天框。有人认为，聊天类产品一个对话框就足够，不必为了差异化不断加复杂功能；也有人举推理过程展示为例，说明可以在简单界面里做出不同体验。

商业机会方面，刀文提到身边做电商的人已经在研究“豆包运营”，包括用户在豆包里找产品、买产品的机会，也把它与GEO联系起来。这里的GEO指让内容和商品更容易被生成式搜索、问答推荐发现。他看好电商和本地生活可能出现的新入口。

关于这个入口以后能做多大，现场仍是机会判断，没有继续讲具体商家操作。

八、投顾转内容账号：先找同路人，还是先教育大众？

“帅帅大大”做过七八年投资咨询，后来觉得行业发展方向出现不合规问题，转去做电商，又做了五六年。他想做价值投资相关的自媒体，但担心市场里的大多数人想赚快钱，真正愿意长期投资的人不多。

他介绍自己约六年的投资经历，从一百多万元做到四五百万元，谈到自己追求的年收益约10%～15%，平时不需要频繁操作。他觉得三百万元、甚至上千万元资金的人更适合自己的策略。这是他介绍自己的投资经历和目标客群时给出的数字。

现场有两种看法。一位参与者认为，价值投资客户可能更多在商学院这类圈层，抖音未必合适。刀文则反驳：抖音上已经有人做出了相当规模，不能因为身边几个人想赚快钱，就认定没有合适的受众。

筛选愿意长期做的人，而不是强行改变所有人

刀文建议，把自己的价值观和内容持续讲清楚，让愿意做价值投资的人来找自己。不要把主要精力放在把“急着赚快钱的人”教育成长期投资者上。

他举了父亲长期投资的经历，也提到自己持有股票的习惯，想表达的是：愿意长期持有的人确实存在，不必一开始就把资金门槛想得特别高。父亲案例里有些标的名称转写不清，不影响这段获客经验的重点。

对标“口罩哥”，到底学什么

现场推荐“口罩哥”作为内容和商业模式对标。有人提到其私董会几千位会员、客单一万元，甚至说收入过亿，但现场没有展开收费周期和累计统计口径。

帅帅大大看完视频后，又认为对方不是真正的价值投资者。刀文继续解释，他希望对方学的是账号怎么做、内容怎样被看到、后端怎样组织产品，而不是让他认同对方的全部投资内容，更不是让他学骗人。到后面，他也提醒：这种推荐是针对有行业辨别能力的这位连麦者，普通听众不宜不加分辨地照着投资。

这个来回很重要。对标不是照抄立场，更不是因为一个账号赚钱，就证明它说的内容正确。对专业人员而言，可以拆解自己欠缺的传播和产品组织能力，同时保留对内容的专业判断。

刀文还建议，先把自己的账号做起来，持续发视频、开直播，遇到起号、账号梳理的问题再来具体交流。他用“每天一百条视频、二十小时直播”等夸张说法强调执行，并不是提出一份人人都应照做的日程表。

九、医疗数据项目：已有检测业务，想再做AI分析和医院部署

飞行家介绍，自己离开银行十多年，现在的项目涉及人体功能蛋白组学。他想把已有检测数据用于AI分析，正在寻找技术团队。刀文因此把他和王哥接在一起，后者说自己的团队有一百多人。

飞行家讲到的项目要素包括：

• 通过医院送来的组织样本、自己的检测设备和专业分析产生数据，一个人的功能蛋白数据量约15GB；

• 目前有几百份数据在库。存储容量在对话里出现T和G的来回确认，最终没有说清；

• 现有业务服务三百多家医院，希望以后把同一套硬件、算法和Agent服务向医院推广；

• 在医院沙箱里放Agent，处理数据、贴标签，再考虑与DeepSeek、Kimi等模型结合；

• 平台此前已投入1.7亿元，准备再投入1亿元，检测仪器已购买，其中设备约花一个多亿元；

• 商业上倾向于卖数据、硬件和Agent服务，而不是自己承担后续全部制药和临床工作。

飞行家同时分享了海外癌症犬的AI用药故事，以及团队帮助一位晚期患者的经历，并以此表达对项目的信心。他还谈到检测技术的独特性、未来药物匹配和估值空间。这些经历让他希望继续推进项目；谈到怎样研究和验证，双方随后把重点转到数据、团队和分析流程。

王哥先复述了一遍需求：检测产生的数据，经过清洗、分析，再考虑结构组合、效果预测；好的候选送去做实际测试，测试结果回来再调整。飞行家认可这个大方向，但也纠正说，自己原则上要卖的是数据，不是直接卖药方。

数据、算法、药厂：各自承担什么

飞行家把产业链理解为三个层次：手握数据和入口的人、做算法的人、做药的人。他看重数据入口，觉得算法迭代快，而制药要投入很长时间、很多资金，还要走临床和认证。

这是他的商业取舍。王哥接着提醒，这样的项目不仅需要设备，还需要懂医疗和技术的复合型人才。自己做过数据中台和仿真，但不懂这个生物医疗领域，不能把其他领域做过的仿真直接等同于这里的能力。

十、先把数据管好，再逐步搭分析：王哥给出的建设顺序

王哥没有建议“把所有原始数据直接交给大模型”。他先把工程拆成可以逐步推进的环节：

1. 确认数据来源和已有数据。 有哪些检测图像、结构数据和样本数据，先整理清楚。

2. 存储、分类和贴标签。 图像进入数据平台后，分门别类形成可管理的资产。

3. 做基础识别和库内比对。 看是什么细胞、蛋白结构什么样，哪些常见、哪些没见过，先形成中间分析结果。

4. 再推进更复杂的AI分析和仿真。 这部分需要专业知识，也需要验证平台；人才或训练条件没有准备好时，可以先往后放。

5. 让实际测试反过来改进分析。 模型给出候选，线下测试，结果再反馈回来继续调整。

他举例说，假如AI给出一个“86%成功率”的候选，可以挑出来做实际测试。86%只是他为说明筛选思路而举的假设数字。

ODS、DWD在这里解决什么

王哥提到先把原数据放进ODS，再加工到DWD。可以把它理解为：先保留送进来的源数据，再整理成更清楚、能支持后续分析的明细数据。

这部分清洗、加工，有些用传统软件就能做，不必每一步都上AI。原始图像和视频占空间大，处理后单个人的数据“有可能”缩小到几百兆。他把这作为处理后的可能结果，还没有做完压缩测试。

王哥还区分了存储与算力。把数据先存下来，不代表已经有足够的计算能力去做模型分析。飞行家回应自己正在准备算力，这一步尚未完成。后续数据增多，存储规模也会继续增长，当前容量只是起步。

团队没完全到位，也可以先推进基础工作

王哥认为，项目还在很早的阶段，第一件事是找到可信、能做事的团队。他提出几种可能路径：与大学合作、收购专业团队、参股团队，或者按项目合作。他也分享了自己和一些大学团队合作落地效果不好的经历，觉得能讲理论不等于能做工程。

找到合适团队不一定很快，可以先用少量技术人员整理元数据、做管理和管控，再逐渐搭模型。另一个建议是和医院、科研机构设预研课题，争取一定经费；多家医院共同支持，也可能减轻前期压力。飞行家的设想则是先做课题、再委托生产，向已有医院网络销售。

十一、数据安全：服务器断网，不代表人的问题也解决了

飞行家希望在沙箱和自有算力里运行模型，保证数据不出去。王哥认可这个方向，但认为它只是问题的一部分：服务器可以断网，接触数据的人仍可能把数据带走。

双方在这里没有完全达成一致。飞行家认为，别人即使拿走一份旧数据，也没有持续获取患者、组织样本和检测结果的路径，因此难以复制完整业务。王哥则强调，源样本、中间分析结果和最终结论都有价值，不能只盯着最初的数据采集环节。

王哥提出要同时考虑人防、物防、技防，尤其要先找可信、能掌控的团队，而不是完全交给纯外包。另一位参与者建议找懂这个领域的带头人，由他组队，再给予充分信任。

接下来需要想清楚的是：哪些数据会经过谁的手，哪些中间结果值得保护，团队关系和技术管控能否一起设计。数据不出公网，并不能替代这些问题。

十二、飞行家的另外两条业务：开放汽车场景，以及先进入工业应用端口

医疗讨论后，飞行家还更新了汽车业务。此前想单独做的项目，准备改成把应用场景和Agent框架开放出来，与更多开发者合作，再购买成熟服务。财务、人力资源等场景都可以成为合作入口；若方案合适，他设想向几千家客户铺开，并通过分润合作。现场又提到可以提供几家企业做测试，包括一两百人的自有公司。

这条思路和司马寻找交付团队有相通之处：自己有场景和客户，不必把所有技术都自己开发；把问题摆出来，再筛选合适的供给。但双方只是在探讨建联，没有在直播里完成合作。

工业机器人是飞行家另一个计划。他预计几款产品年底出来，想掌握核心专利，提前获得应用场景和大厂准入。他的判断是：机器人一旦进厂、进入生产，客户不会轻易停产换新设备，先进入场景能形成优势。

他还提出用资本安排争取十五个月收回成本，并把这称为后续“成本为零”的竞争力。他说的“成本为零”是在强调收回前期投入，并未展开后续维护、运营费用。他提及单款机器人可能替代大量行业人力，也是对未来规模的判断，尚不是实际部署成绩。

十三、投资Agent做不出来：有需求，不代表已经能替代现有工作

飞行家还提到，想为自己的投资工作做一个Agent，让它帮助分析，但做不出适合当前工作的版本。他因此半开玩笑说，自己暂时还没有被淘汰。

这个短插曲有实际价值：一个人能提出AI项目、拥有数据或资金，并不代表已经把自己最熟悉的日常工作自动化。现场把问题归到思路和需求梳理，但没有继续给出实现方案。这项尝试还没有找到可用的做法。

十四、北美电视和供应链：资源很多，先回答“能不能带动货”

另一位连麦者介绍，他在北美有一个电视制作部，与多个电视台合作，涉及42个电视台、300个栏目的运营权；还拥有一些好莱坞明星AI脸授权、百万粉丝以上的当地网红资源，以及义乌十几万种小商品供应链。他想知道怎么把这些资源连成业务。

他正在考虑或推进的模式有：

• 办短剧大赛，收赞助费，同时帮助赞助方卖货；

• 帮品牌出海；

• 培养MCN人才，通过直播和短剧带货。

主持人没有继续堆方案，而是先问：能不能真正卖出货？如果最初的销售效果只是噱头，后面的商业模式就没有根。他还追问，这些资源是不是已经和项目方有足够强的合作关系。

连麦者说自己有量化数据，认为把国内模式搬过去有效，但接着出现连麦音频问题，讨论没有展开这些数据。这段交流停在了核实销售效果和资源关系的问题上，尚未展开到后续交付和成本。