都在 all in AI,如何规避 AI demo 产品?

从结合，到拓展，到 AI native——跳级的代价是 demo 死法

写在前面

过去一年半，几乎所有公司开会都在喊"我们要 all in AI"。一年下来回头看：发布会做了一打，demo 视频拍了一堆，真正还活着、真正有用户的，没几个。

不是模型不行，也不是工程师不行，是把 AI 当 demo 做，没当产品做。

我的观察是：AI 产品有一条相对清晰的三阶段路径——先结合，再拓展，最后做 AI native。多数公司翻车的原因高度一致：跳级、“糊弄”老板。看到 ChatGPT 火了就直接想做"AI native"，跳过最难也最有价值的两步。

这篇把三个阶段、每段的"该做"和"别做"讲清楚。

一、三阶段路径模型

把当前看得到的成功 AI 产品都放进一条轴上，会发现节奏几乎一样：

Stage 1：结合（AI + 已有产品）

让 AI 加速用户已经在做的高频动作。

案例：GitHub Copilot 是 IDE 里的代码补全，不是新产品；Notion AI 第一版是写作助手，长在用户已经天天打开的页面里

KPI：渗透率、采用率（用户里有多少人开了、用了）

投入：相对低，主要是接 API + 调 prompt + 接现有数据

收益：高，因为是寄生在已有 retention 上的

Stage 2：拓展（AI 解锁新场景）

在 Stage 1 已经验证用户接受 AI 之后，开始让 AI 做过去做不到的事。

案例：Cursor 从 VSCode 的强化补全（结合）走到 agent mode 多文件编辑（拓展）；Notion 把 AI 从写作助手扩到跨工具搜索的 Connectors

KPI：新场景留存、付费转化（开始有人愿意为新能力买单）

投入：中等偏高，需要重新设计交互、可能动数据架构

收益：定价权 + 差异化

Stage 3：AI native（重构产品形态）

用前两阶段沉淀的用户、数据、工程能力、品牌信用，做一个全新形态的 AI-first 产品。

案例：Claude Code（对比传统 IDE）、Perplexity（对比传统搜索）、Devin 类产品（对比传统外包）

KPI：替换率（用户从老工具迁过来）、人均时长（深度使用）

投入：很高，要重做产品形态

收益：定义品类

关键：三个阶段是阶梯，不是单选题。每一阶段都在为下一阶段攒家底——Stage 1 攒用户接受度，Stage 2 攒数据和工程能力，Stage 3 才有底气重构形态。

二、多数公司翻车的典型死法：跳级 demo

我见过的失败 AI 项目，剧情高度一致：

看 ChatGPT 火了 → 立项 "公司 AI 助手" → 调 prompt + 接 API → 发布会 + Demo 视频 → 三个月 DAU 长期不过 100，留存 < 5% → 项目搁置或并入边缘部门

这条链路看起来在做 Stage 3（AI native），实际是把 Stage 1、2 全跳了。

举几个匿名场景，业内同学应该都能对号入座：

某传统 SaaS 公司：年初宣布"All in AI"，做了一个新 tab 叫"AI 助手"，对话框 + 五个 prompt 模板。半年后这个 tab 的访问量只有主功能的 0.3%

某协作工具：单独立项一个"AI 工作流"，需要用户重新建一个项目、重新配数据。结果用户继续用老路径，AI 工作流变成内部 demo

某 ToB 公司：客户来了就 demo AI 能力，签合同后客户问"这个怎么接进我们现在的系统"——没下文了

这些案例共同的根因有三个：

没有用户基数和数据：AI 没有上下文，输出就是通用 GPT 体验，用户为什么不直接用 ChatGPT？

没有现有产品的 retention：新 demo 是冷启动，AI 加成救不了用户根本不打开的产品

没有真实场景验证：靠 PM 拍脑袋想的"AI 应该能做 X"，和用户真实在做的 X 中间差着十万八千里

一句话：跳级直接做 Stage 3 不是激进，是偷懒——它跳过了最难但最有价值的工作。

三、Stage 1 正确姿势：和已有产品结合

三个该做

① 找用户已经在做的 top 3 高频动作

打开你的产品分析后台，看哪 3 个动作占了用户 80% 的时间。AI 的第一刀应该砍在这里——给这些动作加速，不是发明新动作。

GitHub Copilot 之所以成，是因为它砍在"写代码"这一刀上，每个码农每天都在做。不是新动作，是老动作的 AI 加速版。

② 接你已经拥有的数据

你的产品过去存了什么——用户文档、代码、对话、订单、CRM 记录——那都是 AI 的弹药。不要为了 AI 项目另起一个数据库，也不要要求用户"重新导入"。

数据接入难度低＝上线速度快＝反馈循环快。

③ 衡量"用 AI 做的频次"，不是"AI 体验评分"

体验评分是骗自己。真正的指标只有一个：用户愿不愿意第二次用。如果每次发布会都说"用户体验很好"，但七日留存上不去，那就是体验不够好。

三个别做

1. 做一个全新 tab 给 AI：等于在用户走不到的角落开了个分店。

2. 让用户"问"AI：高频动作的 AI 是主动加速，不是被动问答（Copilot 不需要你问，它自动出现）。

3. 上线就开发布会：先内部 alpha → 灰度 → 全量，看真实留存数据再考虑要不要 launch。

反例对照

某协作工具做了一个 AI 助手 tab，三个月日活 < 1%。原因不复杂——它在用户不去的地方做了一个用户不需要的动作。

四、Stage 2 正确姿势：拓展新场景

Stage 1 沉淀出"用户接受 AI"后，可以开始让 AI 做用户过去做不到的事了。这一步是拉开和竞争对手差距的地方。

三个原则

① 新场景必须用旧产品的数据/上下文

否则就是另外做了个 demo。Cursor 的 agent mode 之所以好用，是因为它读得到你整个项目的代码——这是它在 Stage 1 已经积累的接入能力。如果让用户重新上传整个项目，体验直接归零。

② 敢砍掉非 AI 的老路径

这一条最难，难在组织上。一旦"AI 做得到"，就要敢说"我们以后不再强调那个旧功能了"。Notion Connectors 上线后，Notion 老的全文搜索的产品权重明显被降低。两条路并行听起来安全，结果是资源分散、用户困惑、AI 永远是"附加"。

③ KPI 切到"新场景留存"，不再看"使用次数"

Stage 1 看渗透率（开了没），Stage 2 看新场景留存（开了之后回不回来）。用户用一次新功能不算什么，用了之后第四次、第十次还回来，这才是拓展成立。

最容易翻车的地方

组织上不敢砍老路径——AI 永远以"附加功能"形态存在，用户感知不到产品在升级，最后整个 AI 投入变成 PR 素材，不进产品主线。

如果你的 AI 项目永远在做"加一个 AI 入口"的事，没动过老功能的位置，那大概率还在 Stage 1.5，没真正进 Stage 2。

正面案例

Cursor 走完 Stage 1（VSCode 体验 + Copilot 强化）+ Stage 2（agent mode）后，人均时长比同类IDE高 2 倍——这才是拓展成立的样子。

五、Stage 3 正确姿势：AI native

到这一步，公司应该已经有：成熟的用户群、能复用的数据资产、踩过坑的工程团队、品牌信任。这时候做 AI native，才有底气。

AI native 不是"长得很 AI"

真正的 AI native 是用户离不开，不是"用户觉得很酷"。Claude Code 用过的人不愿意再回纯命令行 + IDE 拼接的工作流；Perplexity 重度用户基本不再开 Google。这种"回不去"才是 AI native 成立的信号。

不是"另起炉灶做新 startup"

Claude Code 是 Anthropic 用模型、工程、生态家底做的；Perplexity 也是用前期搜索+chatbot 的积累重做的。家底是 Stage 1、Stage 2 攒下的，不是凭空冒出来的。

跳级直接做 Stage 3 必败

这是本文最想说的一句话。如果你的公司还在喊"我们要做一个 AI native 产品"，但 Stage 1 都没走通——没用户、没数据、没渗透率验证——那 Stage 3 大概率是个发布会。

六、反 demo 守则

总结一份给操盘人的清单：

看 retention，不看 demo 视频— 留存数字一切看，发布会一切忘

找高频动作，不找新概念— 从用户已经在做的事开始

接现有数据，不另开数据库— 你拥有的，才是 AI 的弹药

KPI 用使用频次和留存，不用 token 数和 prompt 调用量— 过程指标会骗人

用户先用上，不要先 launch— 内部 alpha → 灰度 → 全量，而不是"立项 → 发布会 → 看天"

如果你正在操盘一个 AI 项目，把这 5 条对着自己的项目过一遍作为参考。

写在最后

AI 不是新产品，是新维度。

AI native 是阶段 3 的结果，不是起点——跳级做 native，不是激进，是偷懒，因为它跳过了真正难的工作。

真正赢的公司，会在 Stage 1 拼用户、Stage 2 拼数据、Stage 3 才拼形态。前两步看起来不性感、不上头条、不容易发朋友圈，但它们是 Stage 3 真正能落地的全部理由。

下次开会有人喊"我们也要做 AI native"，可以先反问一句：Stage 1 走完了吗？

Data+AI 项目获取：公众号后台回复【项目】

AI 知识笔记获取：公众号后台回复【笔记】