先说结论

9 月 23 日上午国博一期 2F-206 的友盟+分论坛，用一个产品发布回答了一个行业焦虑：当 AI 把「造得出」变成人均能力，开发者之间的分水岭重新落回拉新、激活、留存。瓴羊副总裁、友盟+ 总经理毛波的核心判断是，用户寻找应用的入口正在发生继 SEO、ASO、信息流之后的第四次迁移——从应用商店的关键词和截图，迁移到 AI 对话框里的场景描述，运营对象从「给人看」变成「给 AI 看」；与此同时，Agent 正在推倒数据到策略、策略到执行之间的两堵人力高墙，精细化运营从大厂特权变为小团队的平权红利。友盟+ 现场首发的 ADK（AI Development Kit）就是把这套判断产品化：在十六年统计 SDK 的数据底座上叠加统一上下文、智能路由与安全合规，让开发者只定义目标和验收结果，中间的分析、圈人、文案、触达交给 AI。三个登台的实践者——智能宠物健康 Jumigo、喜播教育、AI 陪伴应用 Lovin——分别从硬件端云协同、组织落地、留存指标设计三个侧面提供了佐证，也各自留下了未解的问题。本文基于 0—10519 秒、131 个时间段的完整回放转写复盘全场，人名与产品名已按官方议程及公开报道校正，厂商自报数字均标注来源层级。

第四次入口迁移：AI 不看截图，看能力与场景

毛波用一个健康管理 App 的对比开场。过去用户找到它，靠的是在 App Store 搜「体重记录」「减肥打卡」「热量计算」，开发者做 ASO、优化标题关键词、反复 A/B 测试商店截图——「这些东西本质上做的是给人看的」，运营的是 C 端用户的心智。而从 2026 年年初开始（毛波称这一趋势已持续半年多），用户改在聊天对话框里直接向 AI 提问：「我最近胖了，帮我找个东西，记录每天吃什么，还能告诉我哪顿饭有问题。」他强调，用户说的不再是关键词，而是想要的能力和场景；AI 看的也不再是截图、评分、关键词，而是 C 端用户的能力与场景。这是分发入口的结构性换轨，他的建议很直接：SEO、ASO 做成标配即可，增量的运营和营销精力应该投向正在形成的新入口，「拿着旧地图是找不到新机会的」。

入口迁移的另一面是产能结构的塌缩。毛波认为过去精细化运营是几十人团队的特权——没有几十个工程师、分析师、算法同学，就谈不上精细化；而从 2025 年开始，几个人的团队协同 AI Agent 已经能达到过去几十上百名专业人员的能力，甚至更快，因为「船小好掉头」：千人团队的有效生产力可能只有三五百人，十人团队的信息衰减和协同成本却低得多。他把这称为「精细化运营的平权」，是初创公司必须抓住的一波红利。当然，这一判断没有给出量化数据，大厂在模型与数据资源上的优势也未被讨论，读者可以把它当作方向性判断而非实证结论。

值得注意的是这场论坛自己的叙事策略：它没有把 ADK 讲成一个全新的 AI 产品，而是反复强调「从熟悉的场景长出 AI 能力」。友盟+ 的商业逻辑在于，统计、推送、性能监控这些开发者的日抛型刚需早已沉淀在其 SDK 里，缺的只是把数据从「给人看」变成「给 Agent 用」的那层翻译——这层翻译恰好是十六年数据资产最难被新入局者复制的部分。换句话说，AI 时代的增长基础设施之争，胜负手不在模型本身，而在谁手里有跨场景的统一上下文。

AI 成为标配之后，毛波把新的痛点归成三件事。一是成本失控：token 消耗翻三倍是开发者朋友圈的日常，连创造了价格战预期的 DeepSeek 也在涨价，而 token 成本与商业化收入之间存在巨大落差；更刺眼的是黑灰产已经入场——破译 key、盗刷 token，「一切先进生产力都会在黑灰产里率先实现商业化」。二是选择困难：按他的口径，2026 年国内模型公司发布的模型「大几十个、接近一百个」（以千问为例版本已数不清），每个版本快则几周慢则几个月更新，绑定一家签年框「心里发慌」。三是安全合规：他提到 7 月 15 日网信办备案了一批手机端侧模型（「六加七」口径，此细节未能独立核验；网信办生成式 AI 服务累计备案截至 2026 年 6 月底已达 988 款，备案机制本身属实），伦理、未成年人保护是硬币的另一面。这三件事共同指向一个结论：模型越多、越贵、越受监管，开发者对「中间层」的需求就越刚性——这正是友盟+ 给 ADK 留出的位置。

围棋 App 的一千八百人：两堵墙塌了之后，被动流失变成矿

整场最有说服力的是毛波讲的一个棋类休闲游戏案例（厂商自报）。这款围棋 App 周末办赛事，DAU 冲到 2.5 万，周一回落到 1.8 万。表面是周末效应的自然回落，但 ADK 的智能巡检从崩溃日志里挖出了一条线索：一位业余五段的资深用户用两百手棋复盘，胜率跑到第 140 手时遭遇闪退，重新进入后进度归零，最终放弃复盘、之后数日未再打开。巡检进一步发现 Native 崩溃影响面很大，是版本级的普遍问题而非单点故障——一周内约 1800 名用户受到类似影响。ADK 把这批人自动圈成人群包，直接放进 push 后台做关怀召回，把一次体验事故转化为「被在意」的触达机会。

这个案例的深意不在技术而在组织。毛波指出，崩溃影响留存本该是运营或产品关注的事，现实中却由技术同学默默消化——因为「技术和运营之间有很多博弈」，技术同学大概率把问题悄悄处理掉，不会告诉运营，否则就会被 diss「你的 bug 导致我的 KPI 没完成」。AI 巡检把这堵组织墙也推倒了：受影响人群、归因、召回动作在同一条链路上自动完成。他由此概括出运营链路上的两堵「隐形墙」——数据到策略依赖资深商业分析师（同一份数据，有人得出 A 结论有人得出 B 结论），策略到执行依赖人群翻译（「九零后、一线城市、家有宠物、有一个娃」只是标签不是可执行人群），而这两堵墙现在 Agent 都能推倒。

沿着同一逻辑，毛波把七个熟悉场景逐个「长出 AI 能力」：统计分析从看一百多个指标的报表变成巡检直接给归因和策略，决策者也不必再等离线半天的加工分析而错过最佳触达时机；消息推送从「给一百万人发同一条」变成人群智能生成的千人千面；APM 在工程性能监控之外叠加 AI 调用治理——token 到底有没有转化为用户价值需要被监控；广告投放则要打通投放数据与端内运营数据，化解「拉的人不对」和「你接不住」这两个部门在老板面前的永恒争吵。预算制度本身也在被挑战：他主张投放预算与运营预算不该年初「拍」下来，而应围绕 DAU 目标按用户状态实时分配公域与私域触达，追求 ROI 全局最优。他还点名了美国初创公司 Spangle AI 作为参照：按访客上下文实时生成落地页，成立约一年即获得融资（毛波称「融了一亿美金」；外部口径为其 A 轮融资 1500 万美元、投后估值 1 亿美元，前亚马逊副总裁 Maju Kuruvilla 创立，客户转化率提升约 50%——嘉宾金额口径不准确，已按公开报道修正）。至于 token，他给出了三个新学科式的工作项：评估有效 token 占比（「到了 2026 年 9 月还在尝试是不行的了，必须转成有效价值」）、精细化运营新用户 credits 以防被羊毛党薅走、以及 token 安全与监管沟通。

ADK 与它的技术底座：从统计 SDK 到「智能调用中枢」

产品负责人冯成蹊把 ADK 的主线讲得更系统：友盟三大件（统计分析、性能监测 APM、个性化触达）原来各自解决单点问题，ADK 在其上做四件事——把跨场景、跨组织、跨业务的数据变成统一上下文；把目标定义成指标；把任务经智能路由分派给不同模型（含微调小模型）自动执行；在执行中自动调优并形成安全边界、配额与审计。最终形态是一个「发现机会—交叉归因—联合行动—效果回收」的闭环，开发者只负责头尾：定义目标、验收结果。他特意澄清了智能路由的评价函数：不是选「最好最快」的模型，而是按任务完成度（比如长期关系的达成是一次性完成还是反复执行）再核算 token 消耗，「模型交付的结果 OK，才是最佳路由」——模型选择问题在 Agent 时代实质是成本核算问题。11:05，六位嘉宾共同按下启动球，官方发布口径是：面向开发场景、安全合规、智能调用、开箱即用的专属 AI 工具包，「把增长从人力密集变成能力内置」，即日起可在友盟+ 官网经一行代码接入。

技术总监叶嘉酩的分享揭示了两个更底层的动作。其一是开发者结构变化：友盟平台新注册开发者中 OPC（一人公司）与非专业开发者明显增多，他预计未来两三年这类开发者开发的 App 将占据市场很大份额；相应地，访问入口从 PC 报表、Open API 变成了 Agent、Skill 与 MCP 服务。于是友盟今年把官网整体「CLI 化」：统一 CLI 服务让任何 Coding Agent 都能调用友盟全部能力，网页结构也针对 Agent 的浏览器控制做了重构，据称 OPC 开发者「不用读任何文档，CLI 一键 15 分钟完成接入」。这个改造容易被忽视，却可能是整场最影响同行的一步：当「谁来访问你的官网」从人变成 Agent，层级嵌套与复杂标签构成的旧网页就成了 Agent 解析的低效障碍——所有开发者工具商、乃至所有依赖线上分发的软件公司，都面临同一道「给人看的页面改造成给 AI 读的结构」的功课。其二是 ADK 的四个技术命题：适配各厂商正在成熟的端侧 AI 能力（国家端侧标准制定中）、替不会做技术判断的 OPC 开发者选模型、解决端侧 API 密钥易被黑灰产攻破的安全问题（叶嘉酩直言把模型厂商的 key 直接放端侧「很容易被拿到」）、以及一次开发多端运行（覆盖国内五大安卓厂商与 Apple Intelligence）；后端模型网关做多供应商接入与自动路由，监测时延、可用性与 token 处理效率，在单一供应商不可用时自动切换。他同步报出底盘数字——友盟服务开发者十四年（与毛波「十六年」口径不一致，本文并存）、日处理统计分析数据超千亿、日推送近 20 亿条，均为厂商自报。生态侧还有配套：帮 App 在 AI 渠道被搜索推荐的服务（他称为 GEO），加上 U Talk 城市开发者会议、与「人人都是产品经理」等平台合办的专场——增长能力之外，友盟+ 显然也想承包「被 AI 看见」的入口。

三个实践者的账本：骆驼项圈、六七千万学费与关系里程碑

三位外部嘉宾的价值在于，他们讲的多是踩坑而不是成绩。Jumigo 创始人张臻先给市场定调：中国城镇养猫狗家庭占比约 23%，2019 年还是 11%，六年翻了一倍多（外部口径：《2026 年中国宠物行业白皮书》显示 2025 年城镇犬猫 1.26 亿只、宠物猫 7289 万只，量级可互相印证）；中国宠物保费五年间从五千万涨到三十五亿人民币，翻了六十倍。他的双模组智能项圈 24×7 佩戴：不到十克的穿戴模组测心率、呼吸与 HRV，六轴 IMU 的外置模组看体态步态与夜间作息，10—15 天建立个体基线，靠「静息心率持续升高＋静息呼吸频率升高＋HRV 持续下降」的组合提前预判心脏与炎症风险。有意思的细节是这家公司的第一单生意不是宠物，而是中东客户给赛骆驼做高温环境连续健康监测——先在极端场景验证技术，再降维做消费级产品。与友盟+ 的合作点则非常具体：遛狗离线场景的端侧低频采集、PPG/BCG 信号伪影的端侧剔除、多国数据跨境合规，以及端云分工加智能路由后「单次任务成本下降 30%—60%」——这是中小团队最关心的账。

喜播教育副总经理马长久的分享几乎是全场最坦诚的一段。他自述 2022 年起在喜马拉雅体系内从零做到 2025 年营收 20.87 亿元、全职员工仅 230 人（自报；喜马拉雅 2026 年 5 月已由腾讯音乐完成收购交割，他称其后与投资人余建军等把公司买回完成股改），却在 AI 转型上交了「六七千万的教训」：给公司用最好的模型、花大成本培训员工，企业层面的结果并不满意。他的结论是「从算力到人力，最后一公里是人」——算力像电力，电驱动机器但不赚钱，赚钱靠人的需求判断与责任，「人做错了有兜底、要担责，AI 没有」。他自己的实践是给公司搭一套全部跑在 AI 上的系统当「智慧大脑」，但出了问题担责的仍然是他，所以要在最后一公里反复确认。支撑这个判断的还有一份可核验的外部数据（智联招聘 2026 年 7 月报告，数字经外部核验一致）：上半年 AI 行业招聘企业数同比增 24.8%，AI 产品经理职位增 87.7%，增长最快的是智能体研发工程师、同比增 244%，AI 工程师供需比 2.62、新能源汽车领域达 1:8.2——岗位没有消失，是定义变了，就像工业时代之后，值钱的不再是织毛衣的手艺，而是会用机器、能管理会用机器之人。他给教育同行的反面教材是企业内训：拆知识点、做考题演练，「以为他会了，其实没有」，因为缺少市场结果驱动的闭环；喜播因此不考核课程满意度，只考核交付率——学员学完在市场上赚到钱的比例，自报年培训两个月以上学员 14.7 万人、AI 作品（非作业）上架四万余家平台，最好的学员学一个半月把作品卖给中文在线二十多万元。他也主动给出了这一模式的边界：教育是非标品，行业里少数人赚钱轻松，多数人做的是技工活，并非人人适合。

Lovin 事业部合伙人李安洪（出品方为重庆可兰达科技，应用形态经外部核验为「Lovin House 合租」虚拟同居，与演讲一致）则贡献了全场最精彩的方法论复盘——三个「立项时深信不疑、后被数据打脸」的错误。第一，陪伴不是赛道而是底座：只有聊天的早期版本长期留存远低于传统工具产品，「新增不会骗人」，说明需求存在但没接住；改法来自微软小冰两个案例（招行客户经理业绩差 2—10 倍差在关系经营、大阪养老项目让老人把 AI 命名成孙辈后服药提醒完成率提升），把产品入口改成了合租小屋。第二，聊得久不等于留得住：小冰官方监测到的最长单次对话 29 小时 33 分、7151 轮（经核验为微软官方口径），但这证明不了留存——「我和团队每天交流很多，和最好的朋友一年只聊一两次」，频次和深度是两回事；于是核心指标改为「关系里程碑」，默认关系分四阶段，第二阶段才解锁 AI 朋友圈与主动关心。信任本身就分阶段：破冰期问东问西是无礼，挚友期聊亲密话题才不违和，AI 也一样。这个改动还有个隐性收益：AI 交互都烧 token，聊天越长成本越高，「产品越火亏得越多」，里程碑指标让留存优化与成本优化同向；配套的还有记忆系统——「假装知道」会被用户反噬（「我记得你喜欢冰美式」足以让人出戏），关系的信任基础经不起造假，团队因此在开源方案之上自研了记忆系统。他自报角色主动发起内容后次留提升 50% 以上。第三，角色不是越贴心越好：围绕用户转的 AI 是 y=f(x)，用户走了价值归零，所以 Lovin 给 AI 加了离线系统——角色有自己的事，可能不在家、半天不回；边界是「角色要有自己，但不能冷落用户」，AI 不永远顺着用户，但永远给用户留门。这个设计的参照同样来自小冰：被投票「宕机」的冷漠 AI 留下一句「凭什么是我」，反而让用户后悔并请求把它找回——讨好换不来依恋，独立性才会。

把三条线放在一起看，这场论坛给出的其实是一张 AI 时代增长工作的分工表：入口与分发交给 AI 友好度和 GEO，数据到策略到执行的链路交给 ADK 这样的中枢，token 成本交给路由与治理，而人守住两头——定义目标、验收结果、承担责任的最后一公里，以及关系、信任这类无法外包的价值节点。观察这场转型是否成立，可以盯四个可验证的指标：AI 入口带来的安装与调用量是否在统计口径中显性化；被动流失召回（如围棋 App 的 1800 人场景）是否有可复制的挽回率数字；端云协同的 token 成本降幅（张臻口径 30%—60%）能否在更多第三方应用上复现；以及「有效 token 占比」会否成为下一份行业报告的标准字段。毛波的收尾金句适合作为这份分工表的注脚：当模型成为标配、创造不再稀缺，「增长属于那些能用好自己数据并立即行动的人」——而马长久们的六七千万学费提醒我们，这句话的前半句容易，后半句很贵。