9月23日上午，杭州国际博览中心。2026云栖大会的一个分论坛里，主持人抛出的主题只有一句话："造得出，更要长得起。"但却引起了所有观众的共鸣。这几乎是当下所有 AI 应用团队共同的处境。当一个想法可以在几小时内变成产品、一个人就能完成过去一个团队才能完成的事，"创造"本身正在快速贬值；真正决定谁能活下来的，重新回到了那个古老的问题——拉新、激活、留存，产品到底涨不涨得起来。

在这场以开发者增长为主题的论坛上，隶属阿里巴巴集团旗下瓴羊的友盟+，正式发布了一款名为 ADK（AI Development Kit） 的新产品。名字看上去只是把开发者熟悉的 SDK 换了一个字母，背后却是这家老牌移动开发者服务商，对"AI 时代增长该怎么做"给出的一次系统性回答。

值得玩味的是，这场发布并没有停留在自说自话。友盟+请上台的，除了自家高管和产品负责人，还有智能宠物健康、AI 教育、AI 陪伴三条完全不同赛道的创业者。他们讲的不是产品有多好，而是各自"踩过的坑"。这也让这场发布更像一次行业对话，而非一场单向的产品秀。

新入口正在成型

瓴羊副总裁、友盟+总经理毛波把这一轮变化，概括为"APP 入口的第四次迁移"。

毛波说，过去用户找到一款应用的路径清晰可循：从搜索引擎（SEO），到应用商店优化（ASO），再到信息流。这些手段的共同点是——运营的是"人"，团队反复打磨的是关键词、标题、商店截图和评分，本质是在影响 用户的心智判断。

但从 2026 年开始，一个新入口正在成型：越来越多用户不再输入关键词，而是直接在对话框里向 AI 描述自己的场景——"我最近胖了，帮我找个能记录每天吃什么、还能告诉我哪顿饭有问题的东西"。用户表达的不再是关键词，而是一个能力、一个场景。

"这时候 AI 看的是什么？"毛波说，"是用户的能力和场景，而不再是截图、评分和关键词。"这意味着，如果大模型"不认识"你的应用，你就会错过这个正在形成的、红利尚未被瓜分的新入口。

两堵墙，和一场正在发生的"平权"

为什么 AI 时代反而更需要一套增长工具？毛波给出的解释，是横在增长链路里的"两堵墙"。

第一堵墙，从数据到策略。数据是客观的、就摆在那里，但能不能从中得出真正靠谱的策略，过去强依赖一位资深的商业分析师——同一份数据，不同的人可能得出完全相反的结论。

第二堵墙，从策略到执行。哪怕定好了"一线城市、有宠物、有娃的 90 后家庭"这样的人群画像，它也只是一个标签，不可执行；把标签翻译成真正可触达的人群，中间又是一次巨大的衰减。

这两堵墙，过去只有"有钱有人"的大厂才推得动，精细化运营几乎是它们的特权。而毛波认为，AGI 带来的最大机会，恰恰是让这件事"平权"了：几个人的团队借助 AI Agent，已经能够实现过去几十上百人的数据分析与运营能力，而且因为链路短、协同损耗低，往往还更快。

但机会的另一面是三道新的坎：

● 成本失控。 Token 消耗成了 2026 年开发者"幸福的烦恼"，而算力越来越紧、模型接连涨价，让"有效 token 到底有多少"成了必须回答的问题。黑灰产也已盯上了这块——盗刷密钥、薅走免费额度，一不小心账单就爆了。

● 选择困难。 仅国内公开的大模型就有大几十近百个，且每月刷新排名、频繁迭代版本。对个人创作者而言，几乎不可能做出专业的技术选型判断。

● 安全合规。 7 月网信办对端侧模型的备案，标志着监管正在收紧；技术安全之外，伦理、未成年人保护等合规要求，同样是必须正视的另一面。

毛波给出的建议颇为克制：别急着拿 AI 给用户炫技，先把 AI 用在自己的增长动作上。 先在自己的分析、触达、拉新促活一体化上跑通一条确定性的路径，再谈其他；而成本、选型、合规这些"脏活累活"，不妨交给专业服务商——"把主要精力，留给你自己的业务和用户。"

这句话，某种程度上就是 ADK 想扮演的角色。

从 SDK 到 ADK：让熟悉的产品"长出"AI 能力

ADK 的产品逻辑，毛波讲得很直白：不推倒重来，而是让开发者已经熟悉的产品，先在熟悉的场景里"长出"AI 能力。

之所以从"熟悉的场景"切入，是因为这一层价值看得见、确定性最高、也最容易上手——不重构系统、不囤算力，几乎人人都能马上用起来。友盟+把做统计的 U-App、做性能监控的 U-APM、做触达的 U-Push，连同 U-Appwin、U-Verify、U-Share，在这些 SDK 之上加了一层"统一数据策略 + 模型智能路由"的中枢，串成"发现问题 → 交叉归因 → 行动建议与执行 → 效果回流"的闭环。开发者只需管好一头一尾——定义目标、验收结果，中间交给 ADK。

一个现场案例很能说明问题：某棋类游戏周末办赛事，DAU 冲到 2.5 万、周一却回落到 1.8 万。ADK 的智能巡检自动区分自然衰减与体验导致的"被动流失"，把一周内被波及的 1800 名用户圈成人群包推到运营后台，一键完成召回。

更进一步，ADK 想做的是把全局数据真正"喂"给 AI。 它把统计、性能、触达、投放，连同设备账号、历史基线与行业大盘等割裂数据汇到一处，统一做数据向量化处理——让原本给人看的报表，变成 AI 能读懂、能推理的上下文；再叠加业务巡检与模型路由，产品便从"回答单点问题"升级为"围绕增长目标的全局优化"。App 上线体检、发版巡检、留存异动、Token 成本评估……这些原本要靠人力交叉多张报表的问题，如今被打包成即问即答、直接给动作的场景包。数据越全、向量化越充分，AI 判断就越准。

从"让熟悉的场景长出能力"到"让全局数据跑起来"，ADK 想帮开发者回答的是同一个问题：怎么用好自己手里的数据，并立即行动。 目前友盟+ ADK 首发体验、内测申请已开启，开发者可登录官网或联系友盟+ 团队获取。

三个真实场景：ADK 怎么长进企业的业务里

如果说毛波讲清了 ADK 的产品逻辑，那么友盟+数智产品总监冯成蹊要回答的，是一个更具体的问题：ADK 到底怎么和一家企业的真实业务融合？

在他看来，产品逻辑再漂亮，最终都要落到"能不能长进别人的业务里"。这也是为什么这场发布把话筒交给了三位来自完全不同赛道的创业者——宠物健康、AI 教育、AI 陪伴。他们的实践，恰好构成了 ADK 融入业务的三种样子。

宠物健康：端云协同，把单次成本降下来。 Jumigo 创始人张臻（Bruce）带来的是一款 24 小时连续佩戴的智能宠物项圈，通过心率、HRV、呼吸等生命体征，为"不会说话"的宠物建立个体健康基线。他给出的行业数字颇具说服力：中国城镇养宠比例从 2019 年的 11% 升至如今约 23%，宠物保费五年翻了 60 倍。但硬件产品的痛点很具体——遛狗时信号不稳需要端侧连续采集、传感器噪声要本地剔除、出海还要面对各国数据合规。冯成蹊指出，这正是 ADK 端云分工加智能路由要解决的：简单信号在端上处理、复杂推理才上云，张臻给出的实测是——单次任务成本可下降 30% 到 60%。对中小硬件团队而言，这几乎是能不能做下去的关键。

AI 教育：AI 之后，"最后一公里"反而更靠人。喜播教育副总经理马长久，分享的主题是"从算力到人力"。他所在的内容创作者培养业务 2025 年做到 20.87 亿元规模，全职员工仅 230 人。援引智联的报告，他指出一个反直觉的事实：AI 没有让岗位消失，而是抬高了对人的要求——智能体研发工程师需求同比增长 244%，AI 研发岗供需比约 2.6，新能源领域甚至达到 1:8.2。"算力相当于电力，但让企业赚到钱的，始终是判断需求、承担责任的人。"他坦言自己用几个大模型搭了"家庭医生"，但每次都要再找主任医师确认一遍——"再牛的模型也有幻觉，而人做错了要兜底。" 在冯成蹊看来，这恰恰说明 ADK 的定位不是替人做决定，而是把基础的巡检、归因、触达等重复工作接管过去，把判断与责任留给人——让企业能把有限的人力，压到真正创造价值的"最后一公里"上。

AI 陪伴：指标不长在"轮数"上，而长在"关系"上。 Lovin（可兰达科技）事业部合伙人、AI 产品负责人李安洪，把两年里踩过的三个坑摊开来讲。其一，他曾以为"陪伴是一个赛道"，结果发现产品长期留存偏低——陪伴不是一个点，而是一个底座，用户要的是"关系"；为此他把入口改成了"合租小屋"式的场景。其二，他曾以为"聊得越久越好"（小冰监测到的最长单次对话达 29 小时、7151 轮），但数据证明频次和深度是两回事，于是他把衡量指标从"轮数"换成了"关系里程碑"，并配上自研记忆系统避免 AI"假装知道"。其三，他曾以为"AI 越贴心越好"，最终却给角色加了一套"离线系统"——让 AI 像真人一样有自己的生活。当角色能主动发起关心，次日留存提升了 50% 以上。而支撑这一切试错的前提，是成本与数据都可控——用他的话说："所有创意和策略是我们想的，但做了到底有没有效、能不能达到指标，所有数据量化都依托友盟+平台——这样我们才能更纯粹地去做产品，不用担心一不小心因为 token 成本就破产了。"这也正是冯成蹊想强调的：ADK 做的不是替开发者定义产品，而是把"验证"这件事变得又快又便宜。

三个赛道、三种形态，指向的却是同一件事：把"我想达成的目标"交给 ADK，让它自动完成分析、归因、触达与验证的中间过程，再和企业自己的业务长在一起。

底座与"被看见"：端云协同、智能路由与 CLI 化

如果说前面讲的是"能力"，叶嘉酩的技术分享回答的是"底气从哪来"。

据他介绍，友盟+服务开发者已有十余年，每天处理的统计分析量超过 1000 亿。而 ADK 底层要解决的，正是个人创作者最头疼的四个问题：不会选模型、端侧密钥不安全、多端适配繁琐、成本难以衡量。

对应的技术设计有三层：

● 端云协同。 ADK 适配了国内五大安卓厂商及苹果的端侧 AI 能力，文本生成、视觉理解、语音识别等简单任务优先在端侧完成，兼顾体验与低延迟；复杂推理再自动路由到云端大模型。

● 模型智能路由。 底层依托友盟+的模型网关，接入阿里云及多家外部模型厂商，实时监测各家的响应时延、可用性与 token 处理效率，自动路由到当前"性价比最高"的模型——既保证单一供应商不可用时的兜底，也让 token 花得更有效。

● 场景组合层。 在基础能力之上，ADK 提供"即开即用"的场景包，并计划与开发者共创一个场景能力市场，让一款 App 能快速具备与同行同等的 AI 能力。

面向"开发者即创作者"的新群体，友盟+还把整个官网做了一次 CLI 化改造：所有产品能力被封装成统一的命令行入口，兼容 Agent、Skill 与 MCP 等调用方式；网页结构也针对浏览器 Agent 的读取做了微调，降低"幻觉"与解析错误。叶嘉酩给出的目标是——OPGC 开发者几乎不用读文档，一行代码、15 分钟就能完成接入。

增长属于"能用好自己数据并立即行动的人"

友盟+这次没有把 ADK 包装成一个高深的新物种，反而反复强调它"接得简单、用得熟悉"——这恰恰暴露了它真正的判断：在模型成为标配、创造不再稀缺的当下，竞争的胜负手，从"能不能造出来"转移到了"能不能用好自己的私域数据并立即行动"。

当"造得出"变得越来越容易，行业的注意力终于回到了那个更朴素、也更难的问题上：长得起。 而这，或许才是 AI 应用下半场真正的起点。