🏆 #1ProductivityWearablesArtificial Intelligence
Memoket Gem
摘要
一款AI可穿戴设备，全天候自动记录并记忆用户的所有对话，构建个人专属的持续记忆层，弥补当前AI助手'失忆'的核心缺陷
主打
全天候被动对话录制与AI处理；个人记忆库构建与检索；可穿戴形态实现无感式捕捉；与AI助手深度联动提供上下文增强
用户
知识工作者、销售人员、高频会议参与者、研究人员，以及任何希望捕捉日常灵感与对话精华的用户
痛点
当前所有AI助手均缺乏跨会话记忆能力，用户每次开启新对话都需重建上下文；同时，人类大脑无法完整记录每日数百次对话中的关键信息，导致大量有价值的信息在时间流逝中丢失
特性
Humane AI Pin和Rewind.ai的市场验证证明了用户对'被动捕捉'型产品的需求，但前者因功能定位模糊而失败，Memoket Gem更聚焦于'记忆'这一单一核心价值，降低了用户理解成本。背景上，Meta Ray-Ban眼镜的销售表现验证了AI可穿戴的主流消费市场接受度
可行
技术层面可行性高——麦克风+边缘计算+云端ASR+LLM摘要的技术栈已相当成熟；硬件量产门槛是最大挑战，需要供应链资源和较高的前期资本投入；软件护城河建立在个人数据飞轮上，越用越强的特性使留存率优于纯软件产品
注意
隐私合规风险极高——全天候录音在多个司法管辖区可能面临法律挑战；同时苹果/Google若将类似功能原生集成至AirPods或Android耳机，将形成降维竞争
Latitude for Claude Code
摘要
专为Claude Code用户设计的Token用量可视化与管理工具，帮助开发者精确追踪消耗，避免频繁触碰速率限制，降低AI编程的使用成本
主打
实时Token消耗追踪与可视化；用量趋势分析与预警；速率限制预测；成本归因分析（按项目/会话/功能分类）
用户
重度使用Claude Code的独立开发者、Vibe Coding用户、需要控制AI API成本的中小型开发团队
痛点
Claude Code在使用过程中Token消耗对用户完全不透明，开发者无法预判何时触碰限额，导致工作流被意外中断；同时缺乏用量分析工具使成本优化无从下手
特性
类比DataDog在云计算成本可观测性领域的成功路径——开发者工具的可观测性层永远存在独立产品机会。随着Claude Code用户规模在2025年快速增长，'使用成本黑箱'问题的痛点强度呈指数级上升
可行
技术实现难度低，核心是API拦截层+数据可视化；但依赖Anthropic API不发生重大变更；商业化路径清晰（Freemium+团队订阅），6个月内可达到正现金流
注意
平台依赖风险：Anthropic若将原生用量看板集成至Claude Code，将直接使该产品失去核心价值主张；且该产品的市场天花板受制于Claude Code用户规模，扩展性有限
🥉 #3SaaSArtificial IntelligenceGitHub
CraftBot with Living UI
摘要
一个革命性的AI软件生成平台，提出'活体软件'（Living UI）概念——软件会随用户需求持续自我演化，将传统的一次性软件交付模式升级为持续共生的软件生命体
主打
自然语言驱动的软件生成；Living UI——软件随对话持续迭代进化；GitHub深度集成实现版本管理；SaaS部署使生成的软件即刻可用
用户
非技术创业者、产品经理、希望快速构建内部工具的中小企业主、Vibe Coding爱好者
痛点
传统软件开发是线性的'需求-开发-交付'模式，软件一旦交付即固化；而现实中用户需求持续变化，导致软件永远滞后于业务需求；同时非技术用户无力描述精确的技术需求
特性
AI代码生成技术成熟后，下一个命题自然是'软件的生命周期管理如何AI化'。CraftBot将代码生成从'一次性生产'升维至'持续共生'，哲学层面颇具前瞻性，呼应了软件从工具走向有机体的时代叙事
可行
'活体软件'概念在技术上仍面临重大挑战——版本冲突管理、测试自动化、回滚机制等工程问题尚未解决；但作为方向性产品，早期用户的探索价值极高，PMF验证窗口期预计需要12个月
注意
概念超前于技术实现能力，'活体'演化可能产生不可预期的软件状态变化，对企业级用户造成稳定性风险；同时Cursor、Replit等强竞品已建立深度的开发者用户粘性
#4EmailArtificial IntelligenceCRM
Frontdesk AI
摘要
一款定位为'AI首席运营官'的智能运营平台，整合邮件、CRM和AI决策能力，声称能帮助中小企业以财富500强的运营标准运转
主打
AI驱动的业务流程自动化；邮件管理与智能回复；CRM数据整合与客户洞察；运营决策建议与执行监控
用户
10-100人规模的中小企业主、创业公司COO、缺乏专业运营团队的创始人
痛点
中小企业缺乏专业运营人才，无法建立系统化的业务流程；同时运营工具（CRM、邮件、项目管理）碎片化，导致信息孤岛和决策延迟
特性
AI替代白领职能的最大市场在SMB——中小企业主是最愿意为'替代人力'的AI付费的群体，月均节省2-3名员工薪资即可支撑高客单价。Salesforce Einstein和HubSpot AI的企业级验证为SMB版本提供了市场路径参照
可行
技术可行性高，核心是LLM + 工作流自动化引擎 + CRM数据层的集成；但'AI COO'的定位需要极强的实施支持，SMB客户的技术能力参差不齐将导致较高的客户成功成本
注意
定位过于宏大——'COO级别'的期望管理极难控制，任何执行偏差都将导致客户失望；Zapier+HubSpot+ChatGPT的组合方案已能满足80%的场景，产品差异化不够清晰
#5AndroidHardwareArtificial Intelligence
Googlebook
摘要
Google推出的AI原生笔记本电脑，以Gemini Intelligence为核心设计出发点，重新定义了PC的人机交互范式——AI不是应用，而是操作系统本身
主打
Gemini Intelligence深度操作系统集成；AI原生键盘布局（专属AI功能键）；优化的本地+云端AI推理架构；跨应用的持续AI上下文感知
用户
追求AI生产力的专业用户、学生、创意工作者，以及希望从苹果MacBook生态迁移至AI原生环境的用户
痛点
现有笔记本电脑将AI作为应用层插件（如Copilot+PC），而非从底层重新设计；用户使用AI时需要频繁切换上下文，AI无法深度理解用户正在进行的任务
特性
Apple Intelligence的落地推动AI原生硬件进入主流竞争；Microsoft Copilot+PC已验证市场对'AI优先'硬件的购买意愿。Google以Gemini为核心押注Android PC，是对现有PC市场格局的重大战略赌注
可行
Google的硬件能力（Tensor芯片）+ Gemini模型 + Android生态构成完整的技术栈；挑战在于Android PC历史上的生态碎片化问题和用户习惯迁移成本
注意
Google历史上硬件产品线成功率偏低（Pixelbook、Stadia等）；同时Apple Silicon + Apple Intelligence的组合已形成强大护城河，Android PC的应用生态仍是短板
#6MarketingArtificial IntelligenceSocial media marketing
Blaze 2.0
摘要
专为中小企业打造的AI全栈营销官，从策略规划到内容生产再到广告投放，一个平台覆盖完整的营销链路，声称替代传统营销代理商
主打
AI营销策略制定；多平台内容自动生成；社交媒体广告投放优化；效果追踪与策略调整建议
用户
5-50人规模的中小企业主、电商卖家、本地服务商、缺乏专职营销团队的创业公司
痛点
SMB无力承担专业营销代理商费用（月均$3000-10000），又缺乏内部营销专才；同时市场竞争要求持续产出高质量内容和精准广告投放，形成能力缺口
特性
Jasper.ai验证了AI内容生成的SMB付费意愿；Canva的增长证明了'让非专业人士获得专业级输出'的巨大市场；Blaze 2.0试图将两者结合并延伸至广告投放闭环
可行
内容生成技术成熟，广告投放算法优化有技术门槛；核心挑战是营销效果的可量化性——若无法证明ROI，SMB客户流失率将极高
注意
赛道极度拥挤——Jasper、Copy.ai、Lately、Hootsuite AI等大量竞品已占据市场；同时Meta/Google的广告平台自身AI优化能力持续增强，第三方优化层的价值空间正在被压缩
#7APIOpen SourceDeveloper Tools
Apideck MCP Server
摘要
一个开源MCP服务器，为AI Agent提供对200+主流SaaS应用实时数据的标准化访问能力，是AI Agent基础设施层的核心连接器
主打
200+主流SaaS应用的MCP标准化接口；实时数据同步；统一的数据模型规范；开源可扩展架构；企业级认证与权限管理
用户
构建AI Agent的开发者、企业AI应用团队、希望让AI能访问业务数据的CTO和技术负责人
痛点
AI Agent需要访问企业真实业务数据（Salesforce、HubSpot、Stripe、Slack等）才能产生实际价值，但每个系统的API接入都需要单独开发，集成成本极高；同时缺乏统一的数据规范化层
特性
Zapier用Webhook/API连接器构建了自动化工作流的市场；MCP协议的出现将这一逻辑升维至AI Agent层——Apideck本质上是在构建'AI时代的Zapier连接器层'，但更底层、更标准化
可行
技术可行性高，Apideck已有SaaS集成产品的积累；核心挑战是200+连接器的维护成本和各平台API变更的响应速度；开源策略是明智选择，可借助社区力量分摊维护成本
注意
MCP协议本身的生态依赖风险——若行业标准转向其他协议，先发优势将大幅削减；同时大型云厂商（AWS、Azure）可能推出官方的'AI应用集成层'，形成平台级竞争
#8Chrome ExtensionsProductivityArtificial Intelligence
Liminary
摘要
Chrome扩展形态的AI知识锚定工具，允许用户在工作过程中将已保存的知识库实时注入AI对话，解决AI回复缺乏个人/企业特定上下文的核心问题
主打
Chrome扩展实现工作流无缝集成；个人/团队知识库管理；实时上下文注入AI对话；跨标签页的知识感知
用户
依赖Chrome进行知识工作的研究人员、内容创作者、产品经理、需要AI结合个人知识库工作的专业人士
痛点
通用AI助手（ChatGPT、Claude）不了解用户的个人知识积累、公司背景和专业领域细节，导致生成内容缺乏个性化，用户需要反复粘贴背景信息
特性
RAG（检索增强生成）技术的成熟使'个人知识库+AI'的组合从工程项目变为可产品化的消费者功能；Notion AI的成功证明'让AI了解你的内容'是强付费意愿场景
可行
技术实现成熟度高，Chrome Extension + RAG + LLM API的技术栈已被广泛验证；商业化挑战在于与Notion AI、Mem.ai等已建立品牌认知的竞品区分
注意
浏览器扩展形态的留存率普遍偏低，用户安装后7日活跃率通常不超过30%；同时ChatGPT的记忆功能、Claude的Project功能正在原生解决类似问题，产品差异化窗口期有限
#9ProductivityDeveloper ToolsVibe coding
Claudy
摘要
Claude Code的专属桌面管理客户端，解决Claude Code在多会话、多账户并行工作时的管理混乱问题，是Claude Code生态的'家'
主打
多会话并行管理与可视化；多Anthropic账户快速切换；会话状态持久化；历史会话管理与检索
用户
同时维护多个Claude Code会话的重度开发者、Vibe Coding用户、需要在多个Anthropic账户间切换的团队
痛点
Claude Code的原生客户端缺乏多会话并行管理能力，开发者在处理多项目、多账户时需要频繁切换终端窗口，工作流效率低下且容易混淆会话状态
特性
iTerm2之于Terminal、TablePlus之于数据库客户端——每一个重要的开发者工具都催生了'更好的GUI客户端'市场。Claude Code的爆发式增长使类似机会出现
可行
技术实现标准，Electron/Tauri桌面应用框架可快速构建；核心是深度理解Claude Code的使用心智和工作流细节；商业化可走$10-20/月的个人订阅模式
注意
Anthropic若升级Claude Code原生客户端，将直接吃掉该产品的核心价值；同时市场规模受限于Claude Code用户基数，存在天花板
#10ProductivityOpen SourceArtificial Intelligence
Pipali
摘要
一款开源的AI电脑工作助手，能够理解用户当前屏幕上正在进行的任何工作，并主动提供智能辅助，目标是成为每个电脑用户的'AI副驾驶'
主打
实时屏幕内容理解；上下文感知的主动AI辅助；跨应用工作流支持；开源架构支持本地部署；自然语言任务执行
用户
知识工作者、开发者、内容创作者，以及任何希望在日常电脑工作中获得AI实时辅助的用户
痛点
现有AI助手（ChatGPT、Claude）与用户实际工作界面完全割裂，用户需要手动复制内容、切换窗口才能获得AI帮助，造成工作流中断；AI无法主动感知用户当前需求
特性
Apple Intelligence在iPhone上的'屏幕感知'功能验证了操作系统级AI集成的巨大潜力；Pipali试图在桌面端实现类似能力，不受操作系统限制
可行
屏幕理解+LLM实时响应的技术链路在当前算力条件下已可实现低延迟体验；开源策略有助于快速获取开发者社区反馈；商业化路径需要清晰定义（个人免费+团队付费是合理模型）
注意
隐私问题是最大障碍——实时屏幕捕捉涉及用户最敏感的数据；同时Apple Intelligence、Windows Recall（已有争议）等系统级方案的竞争压力极大
#11ProductivityWritingNotes
SideNotes
摘要
一款将笔记面板固定在屏幕侧边的macOS/Windows工具，允许用户在不切换应用的情况下随手记录想法，追求极简的笔记捕捉体验
主打
屏幕侧边固定笔记面板；多格式笔记支持；快捷键呼出；轻量级设计
用户
多任务工作的知识工作者、研究人员、需要在工作时随手记录灵感的用户
痛点
用户在工作中产生灵感时需要切换至笔记应用，打断当前工作流；便利贴等物理方案无法与数字工作流整合
特性
Stickies、Quick Note等工具长期存在市场需求，SideNotes试图以更现代的设计和更好的工作流整合重新定义这个品类
可行
技术实现简单，核心竞争力在于设计体验和工作流整合深度；商业化走一次性买断或低价订阅，市场天花板有限
注意
功能高度可复制，Apple Freeform、Notion侧边栏、各类浮窗笔记工具均可提供类似功能；缺乏AI集成使产品在当前趋势中显得保守
#12Design ToolsAPISocial Media
LayerProof Matte 2.0
摘要
面向社交媒体营销的AI内容生成平台，强调以趋势速度生产高质量视觉内容，集成API供开发者定制化接入
主打
AI驱动的社交内容批量生成；品牌调性锁定；API接入支持工作流集成；多平台格式自适应输出
用户
社交媒体营销团队、内容创作机构、品牌营销人员、需要大批量生产社交内容的企业
痛点
社交媒体内容需要高频更新（平均每品牌每天1-5条），传统设计流程无法跟上趋势节奏；同时保持视觉一致性和品牌调性的内容规模化生产成本极高
特性
Canva的成功证明了内容生成民主化的巨大市场；AI图像生成技术成熟使'品牌调性一致的批量生成'成为可能，LayerProof试图将Canva模式升级至AI批量生产时代
可行
技术路径清晰，但与Canva AI、Adobe Firefly等已有强大品牌和用户基础的竞品竞争是主要挑战；API策略是明智的差异化选择，B2B路线比C端更易建立护城河
注意
赛道拥挤程度极高：Canva、Adobe、Figma均在推进AI内容生成；同时AI生成内容的平台方（Meta、TikTok）已开始在广告工具中原生集成内容生成能力
#13MacMeetingsArtificial Intelligence
AI meeting notes by Snaply
摘要
专为Mac设计的本地私有AI会议笔记工具，在设备本地处理音频转写和AI摘要，不上传数据至云端，主打隐私保护
主打
完全本地化AI转写与摘要；无云端数据上传；Mac原生设计；免费使用；多语言支持
用户
注重数据隐私的专业人士、律师、医生、HR专员、企业高管，以及使用Mac进行高频会议的知识工作者
痛点
主流AI会议记录工具（Otter.ai、Fireflies）将音频上传至云端，对处理敏感商业信息和个人隐私内容的专业人士存在合规风险；同时现有工具的订阅费用对个人用户偏高
特性
Apple Intelligence的本地处理叙事强化了用户对'数据不离设备'的心智认知；Whisper模型开源使高质量本地语音转写成为可能，Snaply将这一技术优势转化为消费级产品
可行
Apple Silicon的Neural Engine使本地LLM推理已达到生产可用水平；免费策略可快速获取用户，未来通过Pro功能或团队版商业化；技术门槛中等，核心是优化本地模型推理效率
注意
免费定位使商业化路径不清晰；Apple自身在系统层面集成会议记录功能的潜力（Apple Intelligence已部分实现）会压缩独立产品空间；赛道竞争激烈，Granola、Notion Calendar等产品均在布局
Plate
摘要
面向小团队的极简项目管理工具，去除传统项目管理软件的复杂功能，回归任务管理的本质，降低认知负担
主打
极简任务管理界面；小团队协作功能；快速上手无培训成本；清晰的优先级管理
用户
5-20人的小型创业团队、自由职业者组合、设计工作室、不需要复杂项目管理的敏捷团队
痛点
现有项目管理工具（Jira、Asana、Linear）对小团队过于复杂，功能冗余导致团队拒绝使用；简单工具（Trello）又缺乏必要的协作深度
特性
Linear对Jira的成功颠覆证明了'设计驱动的极简主义'在开发者工具中的市场价值；Plate试图将类似理念延伸至更广泛的小团队市场
可行
技术实现成熟，差异化完全依赖设计体验和产品哲学；在极度拥挤的赛道中获取增长需要强大的社区口碑或病毒传播机制
注意
项目管理是Product Hunt历史上上线频率最高的品类，竞争烈度极高；缺乏AI功能在当前趋势下是明显短板；用户习惯迁移成本高使获客难度大
#15Developer ToolsArtificial IntelligenceSecurity
Whisper Internet Infra AI Context
摘要
专为安全AI领域设计的免费MCP服务器，提供实时BGP路由、DNS解析和威胁情报图谱数据，让AI安全工具能访问互联网基础设施的实时状态
主打
实时BGP路由数据接入；DNS解析状态监控；威胁情报知识图谱；MCP标准化接口；免费开放使用
用户
网络安全研究人员、SOC分析师、构建AI安全工具的开发者、企业网络安全团队
痛点
AI安全工具缺乏实时的互联网基础设施数据（BGP路由异常、DNS劫持、威胁情报），导致安全AI的分析基于静态知识而非当前网络状态，大幅降低威胁检测准确率
特性
Shodan、VirusTotal等安全数据平台证明了'安全数据即产品'的商业模式；Whisper将这一逻辑与MCP协议结合，瞄准AI安全工具的基础设施层
可行
技术实现需要维护与BGP数据源、DNS监控网络的连接，基础设施成本较高；免费MCP策略可快速建立开发者生态，商业化通过企业版API授权实现
注意
网络安全数据的实时性和准确性要求极高，任何数据延迟或错误都可能导致误报或漏报，对企业级用户造成信任危机；同时Cloudflare、Palo Alto等安全巨头均在布局AI安全数据层
#16User ExperienceCustomer CommunicationSaaS
TipTap
摘要
一个颠覆客服激励机制的创新平台，允许被服务的客户向帮助最多的支持人员直接打赏小费，通过外部激励重构客服绩效体系
主打
客户自愿打赏机制；客服绩效可视化；小费分配与管理；与现有客服系统集成；数据驱动的服务质量分析
用户
提供客户支持服务的SaaS公司、电商平台、服务业企业，以及客服管理者和一线客服人员
痛点
传统客服绩效评估依赖主观评分和处理量指标，无法真实反映客服对用户的实际价值；客服人员缺乏超越标准服务的动力，用户最有价值的帮助往往得不到认可和激励
特性
Uber/Lyft的司机小费机制证明了数字化打赏可以显著提升服务质量；TipTap将这一机制移植至B2B客服场景，构建了全新的服务激励范式，模式创新度高于技术创新度
可行
技术实现相对简单，核心挑战在于改变企业客服管理文化和说服企业采购；支付合规（Stripe集成）是必要基础；需要证明小费机制对CSAT分数的正向影响
注意
企业采购决策者可能对'客户向员工直接付费'的模式存在管理顾虑（绕过公司薪资体系）；同时打赏率可能远低于预期，导致激励效果不明显，削弱产品核心价值主张
#17ProductivitySocial MediaLinkedIn
WhoAmILookingFor
摘要
AI驱动的LinkedIn人脉精准搜索工具，用自然语言描述你需要找的人，AI从你的LinkedIn网络中精准定位最匹配的联系人
主打
自然语言人脉搜索；AI理解查询意图；LinkedIn网络数据分析；精准人脉推荐
用户
销售人员、招聘专员、创业者、需要精准拓展人脉的商务拓展人员
痛点
LinkedIn原生搜索功能对自己已有人脉网络的检索能力极弱，用户无法用自然语言查询'我认识的在某领域有经验的人'，导致人脉网络资产被严重低利用
特性
LinkedIn的搜索功能十年来几乎没有实质性提升，而LLM的语义理解能力为重新定义职业社交网络搜索提供了技术基础
可行
依赖LinkedIn API的访问权限是最大不确定因素——LinkedIn历史上多次收紧第三方API政策；技术实现难度中等，核心是语义搜索与LinkedIn数据的结合
注意
平台依赖风险极高：LinkedIn可能随时封禁第三方访问（Hiretual/HireEZ等同类工具均经历过此风险）；产品功能高度单一，扩展性有限
#18ProductivityOpen SourceDeveloper Tools
Gretl
摘要
开源的本地开发环境可视化控制台，为开发者提供localhost服务的统一管理界面，解决本地服务管理的混乱问题
主打
localhost服务可视化仪表板；服务状态监控；一键启停服务；开源自部署；日志聚合查看
用户
全栈开发者、后端工程师、运行多个本地服务的开发者、需要管理微服务架构的工程团队
痛点
开发者通常同时运行多个本地服务（前端、后端、数据库、Redis等），缺乏统一的可视化管理界面，需要记忆多个端口号和手动切换终端窗口，开发环境管理混乱低效
特性
Kubernetes Dashboard对容器编排的可视化管理、Railway对云部署的简化，证明了'开发者基础设施的可视化界面'存在持久市场需求；Gretl将类似理念带回本地开发环境
可行
技术实现成熟，Electron/Tauri桌面应用+本地API监控的技术栈清晰；开源策略有助于获取开发者社区信任；商业化可走Pro版或云同步功能
注意
VS Code插件（如REST Client、Thunder Client）和JetBrains内置工具已覆盖部分场景；Docker Desktop等工具也在扩展本地服务管理能力；需要找到足够差异化的核心功能
#19ProductivityDeveloper ToolsArtificial Intelligence
Crade AI
摘要
一款能实时看到用户屏幕内容的AI助手，将ChatGPT级别的对话能力与屏幕感知能力结合，实现真正的上下文感知AI辅助
主打
实时屏幕内容感知；ChatGPT级对话能力；上下文感知的智能建议；多模态交互（屏幕+语音+文字）
用户
需要AI辅助的知识工作者、开发者、设计师、学生，以及任何在工作中频繁使用AI助手的用户
痛点
现有AI聊天工具（ChatGPT、Claude）与用户当前工作界面完全隔离，用户必须手动截图或粘贴内容才能让AI理解上下文，造成严重的使用摩擦
特性
GPT-4o的多模态能力 + 本地截图API的成熟，使'看屏幕的AI'从技术挑战变为产品设计挑战。用户对'AI能理解我当前在做什么'的需求极其强烈，是当前AI交互的最大未满足需求之一
可行
技术可行性高，主流操作系统提供屏幕捕捉API；核心挑战是实时处理延迟控制在可接受范围内（<2秒）；隐私合规设计是获得用户信任的必要条件
注意
隐私风险是最大挑战——屏幕捕捉会接触用户最敏感的工作内容（密码、财务数据、私人通信）；Apple Intelligence和Windows Recall的系统级竞争将在18个月内成为主要威胁
tapcut
摘要
一款将数字快捷键映射至物理触控设备的Mac效率工具，通过类比物理界面恢复用户对数字快捷键的直觉感知
主打
快捷键物理化映射；模拟触控交互；Mac应用深度集成；直觉化快捷操作界面
用户
追求极致效率的Mac用户、快捷键重度依赖者、创意工作者、程序员
痛点
数字快捷键高度依赖记忆，用户难以在不打断工作流的情况下记住和执行复杂的键盘组合；触摸硬件（Stream Deck等）的配置门槛较高
特性
Stream Deck在播客和直播主圈子中的成功证明了'物理快捷键设备'的真实需求；tapcut试图以更软件化、更便携的方式实现类似体验
可行
硬件+软件结合的技术路径可行，但市场教育成本较高；需要建立强烈的使用场景感知，否则难以形成购买决策
注意
市场规模有限，且需要与Stream Deck、Elgato等有强大生态的硬件产品竞争；同时iPad + Stage Manager已为Mac用户提供了一定程度的物理扩展面板功能