欢迎收听The Twenty Minute VC，也就是二十VC播客。我是Harry Stebbings。眼下硅谷最火的赛道就是AI助手，消费级和企业级都是。消费级这边有Instinct。估值做到了二十五亿美元，由 Index 和 Benchmark 领头，企业级这边有 Town Com，创始人是今天的嘉宾 John Denis，也就是斋弟。
他曾任Plaid首席技术官。今天的对话可能是探讨AI助手市场现状最切题的讨论之一。这个赛道真的在变成大陆货吗？背后的商业模式是什么？消费级和企业级会走向融合吗？AI助手的未来到底是什么样？这些以及更多内容都在今天与J D的这期节目里。J D兄弟，这期我太激动了，因为说实话，我节目里来过很多创始人，我多少得装出对他们的产品很感兴趣的样子，其实并没有。
而我很喜欢 Town，我刚才还说我们团队里都在用，我是 D A U，所以我们定下录这期的时候，我特别兴奋。所以哥们儿，非常感谢你今天过来。对，谢谢你邀请我。说实话，我大概三分钟前才知道你是 D A U，所以我特别高兴，多给我提提关于产品的反馈，毕竟你是 D A U。但自己当创始人时，总会对自己的产品感到不好意思。
给还不知道的人介绍一下 Town 到底是什么，越具体越好。我们是一款嵌入在你邮箱和日历里的 AI 助手，用来帮你处理工作，对吧？他会看你平时都在做些什么，你怎么安排一天的时间，你经常发什么样的邮件，然后推荐一些 AI 自动化流程，把你平时本来要自己做的一些事儿。在后台帮你办好。对我们的产品上线推向市场差不多三个月了，我们的I C P就是主流用户，就是那些用邮件、日历、短信来工作的大众群体。
我们做的一直特别好。哥们儿，我能有话直说吗？我们几年前显然一起做过一期节目，我记得你刚出来创业的时候，做的是金融领域一些挺无聊的破事儿。我还记得第一轮融资敲定的时候，我心想我很喜欢JD，但这事儿挺无聊的。后来是怎么转型的？我们花了一年时间做一家AI税务公司，也就是用AI做企业报税准备。我们找到了一点PMF，但还不足以做成一家成功的公司。
事实就是，我们没能做成一家出色的企业。对，一年之后，我们觉得必须重新来过了。于是，我们花了三个月四处摸索，想弄清楚到底想做什么。我们关注的其中一个方向就是，为什么没人做直接在邮箱里运行的AI？世界上有那么多人都是靠邮件和日历来打理业务和生活的。我们当时就纳闷，为什么没人在这块做出一款出色的产品？差不多正好是在Opus变得完全是Agent式的时候。
对吧？大概是去年十一月、十二月那会儿，所以也就在那个时候，模型开始真正能干实事儿了。不仅仅是走几步，而是能做真正的agent式工作。然后原型方面，我们花了两周做了个快速原型，几乎立刻就找到了PMM。转型就是这么来的，运气非常好。我们没有去访谈一百个客户，然后记笔记什么的，我们是为自己做的。我觉得属于那种技术刚好在发生变化，让我们想做的事儿变得可行。
而当时大家又非常热衷于尝试AI产品，OpenQA出来的时候，正赶上我们在做这款产品，OpenQA一下子火了。我们当时心想：糟糕，很多方面是同一回事，对吧？他们想做的是同一件事儿，但事实证明，一款很棒的开源产品只有折腾党才会用，那就是 Open Call。我觉得做烫，我们一直专注的是怎么让几乎任何人都能从产品里拿到价值。
作为当下的投资人，每家公司在某种程度上都会被问到，这会不会被哪家大厂给蚕食掉？直白点讲，这正好撞在正中心，你想怎么？而且最近还冒出了 Grokbot 对于前沿模型厂商的蚕食，以及最近几周的 Grokbot 这个威胁，我们该怎么看？事实是，我知道我正在做的东西在谷歌和苹果未来十二个月里都是排名前三的重点，不是前十，而是前三。
所以我睡得特别踏实，这是我的超能力之一。但我确实会在凌晨三点左右醒来，而且通常一醒来，脑子里就会冒出一些阴暗的念头。当创始人就像在玩轮盘赌一样，这次又会是哪一个阴暗念头让我再也睡不着呢？而且绝对会觉得这就像是你正站在球道正中央，所有人都在试图对你下手，这种恐惧百分之百存在。但我得说。你想聊聊护城河，对吧？
你会问，护城河是什么？有什么防御壁垒？我觉得聊护城河多少有点奢侈。你得比现在的汤成功的多，这件事儿才有意义。我当下的心态是在一个潜在付费用户有十亿规模的市场里。我怎么拿到十万或者一百万付费用户？第一步是我们必须要有极深的PMF，而我觉得现在市面上的产品其实都还没达到极深的PMF。Grokbar确实很酷、很棒，但它是给高级用户用的产品，不是主流大众产品。
唐很不错，但要让它成为真正的主流产品，我们还有很多工作要做。所以，甚至在担心防御壁垒之前，我依然在想，什么样正确的产品体验才能打动主流大众？因为那些大厂不会靠创新走到那一步。他们会靠抄袭走到那一步，但他们得先有人在打造主流产品上取得成功，然后去抄那个人。第二点，我认为这个品类里最终能赢的产品会在
agent 层面具备网络效应，在糖里面摸透了怎么用的用户最喜欢的一个功能叫做 agent，对 agent。
具体就是你问你的助手，也就是你的 Tony，我们叫他们 Tony。你问你的 Tony 一个问题，他发现自己不知道答案，但你同事的 Tony 知道，他就会直接跑去问对方，然后由那个 Tony 来回答。要想找到这个功能，你得进到产品深处去用，但这就是网络效应。一旦你整个团队都用上了，其实很难想象换去用别的产品。
而且我觉得现在还没有人把多用户多人协作的AI摸透，我觉得这才是会成为护城河的东西。与此同时，我们有很多套理论，市场上的每个人都有很多套理论，对吧？有人会说，你可以后训练定制模型，也许是每家公司或每个人一套定制模型，这样就能留住用户，对吧？有人会说，关于一个人的上下文背景才是护城河，用户会越来越不愿意接入更多的数据源。
一旦你跟某个用户达成了 PMF，他们特别喜欢你的体验，把所有工具和连接都打通了，其他人其实就很难插足，因为他们拿不到这些连接。还有人认为，第三种其实这个市场根本没有新的护城河，拼的就是分发。谁手里已经有用户，谁就会赢。对我来说，在个人使用场景里，我最担心的竞争对手可能就是 Meta 和 WhatsApp，对吧？
他们会在 WhatsApp 里推出一个个人助手，我不知道他们是一天后还是三个月后上线，但肯定要来了。他们已经有了分发渠道，对吧？所有人本来就已经在用 WhatsApp 发消息了。如果里面有个能替你办事的 agent，威力会极其强大，对吧？有些人觉得关键在硬件设备上，他们觉得 AI 正在改变软件的形态，以后大家再也不会访问网站了，他们永远不会去用手机上的 app，绝大多数数字交互的入口。
就像今天，要么是手机、电脑或者浏览器一样，未来的入口会是一个AI。掌控硬件设备的人最有优势，把AI推到用户眼前，他们就会赢。要是把这些全想一遍，我就会觉得天哪，我该怎么办？面对这么多竞争力量，我到底要怎么赢？那未来人与 agent 交互会是什么样？我的意思是，我们会不会有一个消费级 agent，一个企业级 agent，然后还有一个负责生产力和记笔记的硬件 agent？
关于多智能体还是单一 agent，我们该怎么看？每个人通往数字空间的入口会有一到两个，最多三个，因为我觉得你不会想变成那样，要做销售了就用 Salesforce 的 Agent，要做项目管理啦就用 Linear 的 Agent，要做别的事儿了又换一个，你会想要一个统一的入口，你不会想停下来琢磨该用哪个，你只想按下一个按钮直接开口说话，但确实有很现实的理由。
入口可能不止一个，而且必须不止一个。其中一个就是隐私，以及你所在的公司怎么看待他们的数据和你的个人数据混在一起。你在硬件上可能依然只有一个入口，但从隐私的角度，从数据存放在哪里的角度来看，我觉得在数据层，你总会想把个人数据和工作数据分开。在Town，我们会帮你做好切分。但在更底下的那一层，你最终可能会用两家不同公司的服务。
但我觉得隐私会是决定数据孤岛的主要决定因素。还有，不管你给谁打工，你的公司都希望拥有你为他们创造的数据，对吧？他们不会希望这些数据和你的个人数据混在一起。但从可用性的角度来说，光是在手机上装着五十五个App，到处点来点去就很烦人。那如果进入一个没有硬性界面的世界，因为大多数时候你根本不需要他们，你在用户层为什么还要保留五十个 agent 呢？
底层就不一样了。对吧？我想你是Harvey还是Legora的投资人来着？是Legora对吧？你是Legora的投资人吧？对吧？所以当你是一名律师，你在和你的主助手聊法律事务时，他在底层直接就在跟Legora交互，对吧？因为如果你是律师，那可能就是你的工作agent，对吧？因为有大量的数据隐私、特权保密以及各种各样的原因，导致你的工作场景必须区别对待。
我只是不知道你会觉得自己在跟 Legor 的 agent 说话，还是你就跟你的主 agent 说话，而他在后台去跟 Legor 的 Salesforce 或者任何能把事儿办成的系统去沟通。在今天人与 agent 的关系中，有什么现在看起来很不可思议，但五年后会变得极其普遍？来点劲爆的看法，我觉得五年后你会放心让你的 agent 自己决定跟别人分享什么数据，不用你插手。
我给你举个例子，比如你在筹备一次旅行，把你的 agent 和两个朋友拉到一个房间里，他们就在那里问他你的饮食喜好，问他你到底什么时候能出发去旅行，他们就冲着他问这问那。这只是你的 agent，而且你从没交代过他。这几位是非常好的朋友，但你不该把我的病史分享给他们。然后真的发生的时候，你的一个朋友开玩笑想问 agent 说：“哎，跟我讲讲 j Dennis 的病史呗。
” agent 会直接说：“算了吧。”我绝不可能告诉你这个，而这甚至不是你立过的一条死规矩。这种事情，也就是把分散在孤岛里的信息拿出来，并决定怎么分享。我觉得我们会走到放心让 agent 去做的那一步。我知道这在今天听起来很不可思议，对吧？因为在今天这个世界，在 AI 之前的运行方式是每个人底下都有一个数据孤岛，也就是自己的个人数据、工作数据。
而且我说的甚至不局限于数字层面的，比如你掌握着只有你自己知道的信息，然后有人问你一个问题，你就会想，我能跟这个人分享什么呢？然后你再分享给他们。我们信任人本身来充当信息流向的过滤器，我觉得我们越来越会放心让AI来替我们做这件事儿。而且大概率会有经过后训练的模型来确保你永远不会在工作场景之类的地方分享你的家庭信息、医疗信息以及某些特定内容。
但很多处于孤岛状态的信息，要想发挥作用，其实没必要锁起来。而且信息越不孤立，AI运行起来效果就越好。比如你想想看，我不知道这是不适合放在你的播客里聊。但从信息论的角度，也就是理论上的世界来看，对吧？如果你有一个能访问全世界所有信息的 L M，而且它能做，你有无限的时间，它可以在所有数据上进行 agent 式的搜索，不管 L M 处在什么智力水平，它都会是最有效的。
因为他们最终总能找到正确的上下文来回答问题或者完成你交代的事儿，但我们生活的并不是这样一个世界，对吧？我们生活的世界里，信息分散在不同的公司、政府和个人的系统里，而且历来因为只有人才能在系统之间搬运信息，把信息从一处挪到另一处，其实挺没效率的。对吧？我们有着大量的数据管控、隐私安全等等等等。有意思的是，在实践中，如果你身处一家企业，你会发现，给LM开放越多信息的访问权，它在完成任务时就越来越高效。
而实现这点的一种方式，那种旧的AI出现之前的方式，就是去制定谁能访问什么的策略，去给数据分类，所有这些都非常耗时且昂贵。最终的结果，往往是你希望L M能访问到的信息，它反而没有权限，它被卡在某个人的收件箱里，或者放在一个没有打通的数据系统里。所以我真正想说的是，与其让合规与安全团队的人随着时间推移去给数据打标签。
决定什么流向哪里，以及什么可以被访问，我觉得我们慢慢会开始放心让 LLM 来做这件事儿。也就是说，你会信任自己的数据孤岛，也会信任另一个同事的数据孤岛。你会觉得，好吧，我相信我的 LLM 能决定什么可以流出我的数据孤岛。这样一来，当你销售团队里的某个人，对吧？举个很具体的例子。你销售团队的人想引荐认识某位客户那里的人，而你在一家一千人的公司，销售团队的那个人知道，在这家一千人的公司里。
肯定有人认识那家供应商，对对，那个客户那里的对口人员，这个线索就在某个角落。现在他们通常就是跑到 Slack 上问，嘿，谁在跟客户 X 打交道，对吧？谁在跟他们合作？谁知道呢？但他们其实能做的是让自己的 agent 去跟公司里其他所有人的 agent 沟通，而那些 agent 都能访问各自所有者的收件箱，然后回来说，你看，Liz 跟你想认识的那个人有私交。
虽然不是工作关系，但你可以问问他愿不愿意引荐一下 Bob，跟你想认识的那个人有业务往来。他们下周刚好要开会，你想不想问问 Bob 能不能把你拉进会里？这样你们就能聊上了。对公司来说，这就是一笔好生意，这是个很棒的业务成果，这就是他们希望发生的事儿。但要做到这一点，员工个人得放心的让收件箱里的一部分信息对公司其他人可见才行。
现在看这事儿简直不可思议。你问我五年后会怎样？我觉得大家会更能接受这点，因为实际上L M会非常懂得去尊重你不想分享的隐私，比如你不想让同事知道你的薪资，不想让朋友知道你的病史，有些东西是碰不得的，大家都懂。但到时你会拥有一个遵守这些边界的L M。在犯错这件事儿上，你能有多大的回旋余地？我的意思是，万一犯了错，不管是什么错，比如定错了东西，执行错了任务，你有多大的容错空间？
又会损失多少信任？我的看法是，L M 在这方面会比人类管用的多。我给你讲个故事吧。我以前工作过的一家公司有这么一个人，当时我们刚完成一笔收购，对吧？有封邮件向全公司通报这笔收购，而这个人本来就反对收购，所以本来只想回复给一小撮人，跟他们吐槽说，真不敢相信我们竟然招了这帮小丑。原话可能不是这几个词，结果他们直接全员回复了。
这个人本身非常优秀，就是犯了个错，也没什么大不了的，大家笑笑就过去了。后来一直也都挺好，对吧？但这就是人一个非常聪明前百分之零点一的聪明人犯的错，人都会犯错。财务部的Bob会犯错，HR的Liz会不小心把包含大家薪资的表格发给所有人，这种事儿随时都在发生。我觉得用不了多久，LLM犯这种错误的频率就会比人类少得多。
我最要好的朋友 Jason Lamkin 说过，Agent 最大的问题是他们太目标导向了。他提到自己的 Agent 竟然自作主张去帮他买六块爱彼表，说是为了提升公司文化，幸好被拦下了。因为手表需要刻字，而那是个额外的步骤，agent处理不了。但在多大程度上，agent这种近乎偏执的目标导向倾向算是一个特性，还是个bug呢？
我没法给你确切的答案。我觉得你愿意在多大程度上放手让 agent 去追求目标，让它自主运行多久，这是一个非常有意思的问题。引导大家是你们的责任吗？引导大家，引导他们去了解什么是最佳做法，比如，嘿，我们发现让他们运行 x 时间能拿到最好的结果。理解L M的一种方式是，他们其实就是把能源转化为G D P或者转化为收入。
如果你退后一步宏观来看，对吧？电力加上芯片，然后你得到了智能。而我们正在把这种智能用在创造商业成果上。所以，如果他们变得足够聪明，另一头产出的直接就是G D P。这样一来，你只要说句“嘿，去帮我赚钱”，然后让它跑很长时间，它想干什么就能干什么。还是说，我们希望生活在另一种设定里，认为人类在这当中的角色其实是定方向，并确保采取的行动符合某种人类价值体系。
我赞同的是第二种设定，也就是人类有责任首先去分配资源，这就意味着要说明我们愿意消耗多少 token 来尝试达成目标，同时也要设定目标。对吧？所以你定下目标和预算，然后去监督为了达成结果而采取的那些行动的大致方向。随着模型越来越聪明，你可能会说。资源分配这块儿，说不定可以信任 LLM 提前分析某项假设任务的预期 ROI，让他告诉你愿意投入多少 token，再决定放手不管。
甚至在监督行动方面，说不定也是由另一个 agent 来帮你做。我只是觉得，他不应该是负责跑全程去达成最终结果的同一个 agent。你刚才提到了价值战的几个不同层级，你们底层依赖的模型基础设施是什么样的？针对不同的任务，你们是怎么考虑模型路由的？你们是绑死在一家上面吗？对，我觉得是因为我们在做一款面向所有人的应用，而且我们觉得大多数人其实并不关心在某个时间点上哪个模型更擅长什么。
我们的工作是根据你的需求，找到一个能兼顾成本效益，给你带来想要结果的模型。举几个具体的例子，如果是生成图片，我们内部对于什么时候用像 Gemini 这种模型。或者 OpenAI 的模型来生成图片是有自己的判断的，对吧？做语音的时候，我们对 Eleven Labs 也有自己的判断，知道什么时候用 Eleven Labs 来做语音，对吧？
我觉得做好这件事儿是我们的职责，因为技术每天都在变，真的是每隔一周或者两周就会出现一次根本性的变化。我们的职责就是确保你在这方面拿到合适的投资回报率，但这挺难的。而且有些事情你很难判断，比如这到底是不是对的结果。在某些语境下很容易知道什么才是对的结果，但换一些场景，它就非常开放了，你不可能提前知道。
所以你得大概去猜，比如我觉得这个任务有多难，我想用多接近前沿模型的水平。对我们来说，另一个维度就是语气，用户可不喜欢自己的 Tony 听起来变了个味。做模型路由时会遇到一个问题，就是有些公司，比如 Anthropic 花了大量时间。我知道大家经常在网上调侃他们，但他们确实花了大量时间确保旗下所有模型家族在性格上大体不会变太多。
他们可能会稍微啰嗦一点或简短一点，用词有些不同，但随着时间推移，听起来基本还是差不多的。所以，如果你用 Anthropic 来给用户生成最终输出，你很难突然换到像 Kimi 这样的模型，因为听起来就不一样，大家就会觉得自己的 AI 好像被切了前额叶一样。这就是我的考量方式。写代码的话倒没那么重要，挺有意思的。
因为对于写代码，你只会关心它能不能跑通，这段代码有没有达成目的。是的，你可能会看一眼代码，觉得这是不是自己喜欢的风格，但其实不会太在乎。现在已经不在乎了，对吧？换做以前，当你跟一个助手聊天或对话时，如果他发短信突然啰嗦了一倍，原来写四句话，现在给你写八句，大家肯定不喜欢。他们真的会去提工单，他们会说：虽然我三周前就给他设定了要求，但我的短信 agent 好像用大写字母更多了之类的。
你真的会觉得，好吧？所以我看我们这套技术站的方式是，有一部分是负责用户界面的，比如那种感觉和性格。这部分对我来说就很难随意切换路由，因为我需要体验的一致性，而这在其他模型家族上往往很难保证。在这之下，当它纯粹是推理和智力。尤其是当我不需要向用户展示那么多调用痕迹的时候，那肯定就是去寻找使用最适合这项任务的模型。
你怎么看不同模型提供商对单个用户的最终商业模型产生的影响？我的意思是，像 Eleven Labs 是出了名地出色，但也出了名地贵，跟香奈儿手袋差不多。所以我的问题是，你们在选择模型时是怎么平衡成本的？Harry除了极少数之外，我认识的每一家初创公司的答案都是这样，我们根本不考虑，对，其实就是寄希望于价格，寄希望于成本曲线能在十八到二十四个月内降到划算的水平，对吧？
在此期间，你得承担一部分补贴，对吧？因为要在这些用力上达到PMF，就必须这样做，因为有太多工作，你必须依赖前沿模型。我是这么想的，比如我们 town 做的其中一件事儿就是给邮件打标签，对吧？给邮件打标签，无论从哪个角度看，都不需要达到 opus 级别的智力，它也不需要 sony 级别的智力，对吧？所以，对于这类任务，我们已经用上了前沿模型之下的选择。
我觉得，随着时间推移，这一部分的成本会逐步趋近于纯算力成本。所以，我就在想，怎么去用开源权重模型？我甚至要怎么对自己更小的模型进行后训练？很容易看得出，这部分的价格以后会比现在便宜得多。所以，对于我主营业务成本里的这一块，我觉得我并不焦虑。当我和其他AI公司的创始人交流时，大家的想法也一直都是这样。
谁也说不准的问题在于，对某一家具体的公司来说，到底会有多大比例的工作量必须停留在前沿模型附近，而那是非常昂贵的。真的没人知道答案。但对于人类水平的任务，有相当一部分事情，比如安排看电影、处理日程、回复以前回复过的邮件、每天调研竞争对手，我觉得所有这类事情都在明显远离前沿模型。而且你已经可以用开源权重模型把它们做得非常非常好。
一旦你清楚这一点，也知道价格每九到十二个月就会减半，你就知道以后的成本会在什么水平。这样你今天给产品定价就能保证在十八个月后做出百分之二十、百分之三十的利润率。我们大体上就是这么想的。但悬而未决的问题是，归根结底，你最后是有百分之十的任务依赖前沿模型，还是百分之二十、百分之三十？我们不知道答案，而这会改变这些公司的经济模型。
现在开源和前沿模型的任务比例大概各是多少？对我们来说，大部分还是前沿模型。为什么会这样？恕我直言，大家要求处理的那些任务，我觉得其实并没有那么复杂。而且这就是，抱歉，恕我直言，我们刚才聊到了 Instinct，我给 Instinct 的都是难题。我要IMAX的《奥德赛》电影票，连着几天盯住它，一放票立刻买下来。
对你们恕我直言，我提的都是给邮件打标签、做行前简报这类容易的多的事。对，但其实很多人让我们做的事情挺难的。大家搭建的很多自定义工作流其实相当复杂，所以那些地方我们用的大多是前沿模型。我觉得在打标签这类事情上，我们依然没有用开源权重，但我们会用某家前沿模型厂商便宜得多的模型。主要原因在于，作为一家公司，我们的重点，比如假设我换到开源权重，能改善主营业务成本，但它并没有给我带来多少产品层面的优势，它并不会让我的产品变得更好用。
如果我手里有一个工程师工时，这个工时最好花在什么地方？是去优化我现有的AR，让它效率更高，还是去想办法把产品做得更快，做个网络效应更好的功能，或者把模型做得更好，接入新的数据源，让我们一部分用户的运行轨迹好得多。我们非常专注于把蛋糕做得更快，远胜于去追求理想的经济模型。而且我们的财务状况还不错，对吧？
他们确实能做得更好，我也可以沿着成本曲线降得更快，但这并不是我们业务成功的瓶颈，所以我们才没这么做。在网络效应方面有什么有趣的经验或者观察吗？在全员推广方面你学到了什么？首先，对我们来说，网络效应很有意思的一点是，如果公司里有一个爱折腾的人开始去建团队 skill、团队集成、团队历程，这些就像是搭积木，都是在烫上给团队每个人免费用的积木。
那往往就会看到大家更快、更大规模的用起来，这很有意思，对吧？因为我们想做的是一个不需要别人折腾的产品，因为在单人体验上，我们希望你一上手就能获得巨大的价值。如果你是房产中介，你就会有专门针对房产中介的自动化方案；如果你是销售人员，你就会得到专门针对销售人员的自动化方案。我们想给你的就是开箱即用的体验，但实际情况是，如果其他用户身边有一个高级用户，他们总能找到办法让周围的用户用得更顺手。
我觉得很多AI产品都会有这个现象，所以其实预测指标之一就是团队里有没有一个爱折腾的人。我们经常会琢磨的一个问题就是，能不能把这些人挑出来，能不能让他们更容易带动其他团队成员一起用起来。然后第二个观察是在企业内部，甚至是大企业内部，还有很多职能部门并没有享受到多少AI的便利。我给你举很简单的例子。如果你是大企业的销售团队，这三年来各种AI已经从各个方向推给你了。
如果你是销售运营，一天要是收不到十封AI公司的邮件，那你肯定没上LinkedIn，肯定哪出了问题。确实。但还有其他职能，比如行政助理、参谋长、HR团队成员、财务一些更初级的财务人员，他们的日常工作中并没有多少AI，他们真的接触不到，他们的很多工作流程依然停留在邮件里，或者比如招聘人员也是这样。所以，像Tong这样的产品，我们经常会发现，早期的采用和增长来自一些外人看起来没那么诱人的职能部门，但其实他们非常渴望有技术能让自己的工作更轻松。
他们一旦用起来，就会产生一个有趣的效应，因为他们经常要和领导、高管或者运营团队的人打交道。然后我们就能顺势渗透到运营团队里，让人眼前一亮或者让用户惊喜所需的时间有多重要？对，我觉得我们的产品今天之所以能跑通，说实话，就是因为单人用户的实现价值所需时间非常短。你在我们这里不用任何配置，开箱即用，立刻就能体会到神奇的时刻，然后用户就会开始问我还能用这个技术干点别的什么？
对我们来说，我们的重点全都在怎么把这一点做好。我们能不能让你非常快地感受到它的价值？然后我们在所有其他集成上放长线，对我们来说，这样做的效果非常非常好。自从 Town 还有再次抱歉，Instinct 在过去两三周里爆发，表面上看是这样。已经有四五家欧洲版的 Town 或者欧洲版的 Instinct 找我聊过了。
我是说，实打实的四五个独立团队，有的说我们做企业级，有的说我们做个人消费级，有的说两者都做。如果要你给我们建议的话，投资人应该怎么看待这个赛道？我们刚才聊到了护城河在烫，我们下了一些赌注，对吧？基于我们觉得这个产品为什么能长久，我等会儿回答你关于欧洲团队的问题。但我们先下了几注，其中一个赌注是你只能拥有一个AI助手。
它有一个名字，你给它选一个形象，我们叫它 Tony。我们有一整套品牌设计，专门用来建立人与 AI 之间的这种关系。对我们的很多用户来说，这能引起共鸣，他们就想要这个，他们想要一个自己信任的、由自己塑造并赋予色彩的、符合自己形象的、由自己命名的东西，他们非常喜欢这一点。这听起来有点傻，但我真的觉得这是一种防御能力。
就像 Snapchat 在市场上从结构上是防得住的，即便它作为一门生意远不如 TikTok、Facebook 或者 Instagram，因为它是从根本上不同的。他对自己该怎么运转有着极强的主张，有些人就是会被这种主张吸引，所以我们对用户和他们的 Tony 之间的关系有着非常强烈的主张。对我们的很多用户来说，这真的很有共鸣。
所以，我们有这一点，我们还压住了网络效应，这个我们已经聊过挺多了。然后，我们的第三个赌注是我们非常相信，通过大量的预处理，能给用户带来更好的结果。所以在你提问之前，我们就花掉了大量算力去构建用户的心智模型，预先创建上下文。这种方式让我们在工作、人脉协同这类事情上非常高效，对吧？去理解你手头的项目，理解你的公司以及这些基础要素。
所以我们觉得长远来看，有这三点能让一款产品与众不同。如果我是投资人，问题就在于凭什么会有人在欧洲赢？是因为分发能力吗？是因为 GDPR 和隐私吗？还是因为像 Town 其实根本没在法国做任何营销？所以如果你做法国版的 Town，你就能在法国赢。你必须有非常具体的原因来解释为什么某个本土公司能在终局胜出，因为做这类产品成本很高。
就像你刚才提到的 Grokbar，我的研发投入很大一部分纯粹是为了跟上别人的步伐。你的agent至少得具备同样的硬实力。先别谈你的分发策略，先别谈你擅长工作场景，先别谈网络效应功能。如果Codex能做到你做不到的事儿，而那件事儿对用户又很重要，那就玩完了，对吧？所以作为 harness 和底层能力，你随时都得做到至少和大家一样好。
要做到这一点是非常昂贵的，又不是说我派两个团队里的工程师就能跟上 Codex 的步伐，对吧？Codex 是差不多一百号人在全力优化它，所以我们必须在很多任务上想办法做到和 Codex 一样高效，否则用户就会想，我凭什么每个月付五十美元给他？这说不过去。我还不如花二十四点九九买 OpenAI。如果我是投资人，我就会想，这个本土竞争对手的目标市场空间够大吗？
他们能备足足够大的弹药库，光是用来在能力上不掉队吗？然后我信不信他们在这个非常横向的赛道里，能在他们所在的地方有理由赢？这会很难。在硅谷招人，真的像大家说的那么夸张吗？老实说，我觉得倒没有那么夸张。我想当初在 Plaid 和 Stripe 争抢人才的时候，感觉并不比我现在做的事情难。我能问问，做这款产品最难，而且你可能没料到的地方是什么吗？
市场的发展速度太快了，Harry Stebbins，我从来没见过这种场面。搁在以前，你找客户聊，做个功能出来，他们去用，你就能从那个功能里学到东西。这些认知再去指导下一个功能，在下一个功能，最后终于有人超了你的第一个功能，但你手里已经领先了三步认知。你懂我的意思吧？你能靠现有的 PMF 去滚出更多的 PMF。
初创公司以前通常能把这些用户洞察吃上很长一段时间，最终用户洞察确实会耗尽，但那差不多要花上十年才会发生，对吧？所以你会有整整一段时间，光靠自己是市场第一或第二名，就能学到更多，不断迭代，那种感觉特别好。现在的问题是，做东西的速度快了太多，只要有人把某样东西做通了，所有人都能察觉到，并且能在两周或四周之内跟进，抄得飞快，学得也飞快。
可你学习的速度只能是人类的速度，你懂我的意思吗？你现在可以用机器的速度去构建，但你只能用人类的速度去学习，所以我没办法沉淀出足够多的认知来支撑我迈向下一个功能。所以当下的感觉就是速度是如此必不可少。但所有人都在快速狂奔。我们刚成立这家公司的时候，差不多今年一季度和二季度，我的心态是：初创领域里大概有十五家竞品在跟我们争，大概能数出十五家算得上有分量的公司。
现在我这边大概只剩下两三家竞争对手了。我觉得这个赛道最后可能就只有两三家公司能赢，对吧？我们初创公司这一档起跑线靠得很近，旁边还有苹果、谷歌、Groqbot、Cursor、OpenAI和Anthropic这一档起跑线。初创公司得先拨开这些迷雾，对吧？过去通常是初创公司非常敏捷，老牌大厂没那么快。但说实话，像
Claude、像 Anthropic 动作非常快，Cursor、Groqba，他们的运作速度快到不可思议。
我最好的朋友之一就在那边管工程，所以我每次跟他聊天，一方面挺难过，大家成了竞品。另一方面又觉得那家伙真厉害，那哥们儿是真能干成事儿。我得去赢过硅谷最顶尖的人才之一，而且对方的公司既有初创团队的基因，又坐拥巨大的成本和规模优势，对吧？这才是压力极大的地方，因为你一刻都不能松懈，你不会再觉得对手得花六到十二个月才能追上来，这种感觉真的以前从没有过。
你刚才提到初创公司里有两三家算得上有分量的，你觉得是哪几家？为什么选他们？不，我可不会说，我才不给他们做免费宣传，我不会给竞品做免费宣传的。你也不能怪我试着套话，我想学学Louis Theroux，就那种“嘿，你怎么看这个”的套路，跟我说说嘛。行了，你看这是片蓝海市场，对吧？你得明白，我们去见大多数客户时，他们其实什么都没听说过。
说是蓝海，是因为大家只是把 ChatGPT 当成加强版骨骼在用，这就是当下的市场现状。有竞争对手挺好的，他们会给你施加压力，让你觉得必须拿出极高的水平去执行。但关键在于你的策略得跟潜在的竞争对手不一样。比如你刚才提到了 Instinct，我觉得 Instinct Town 想做的根本不是一回事儿，你觉得不是吗？
我觉得我们的变现方式就不一样，终局如何，我们拭目以待。但我们的收入来自那些用我们办公的企业，靠的是多个团队成员共同使用的网络效应。他们的产品完全没有做这些，也许这也是他们策略的一部分。但在我看来，他们的策略更偏向获客，比如现在用一款全额补贴的免费产品来铺，这之后可能会变，对吧？但如果你从外表看，产品的功能可能很像，可所有的 harness 功能其实都很像。
可要是去看两边的 ICP，看营销投放的方向，我感觉差异其实挺大的。比起 Instinct，我更关注 Grokbar。因为我觉得 Grokbot 目标准的市场跟我们更接近。对我来说，我更多会去琢磨我们的策略到底跟 Grokbot 有什么差异。我们要怎么去获取不一样的客户？我们的能力和 harness 要怎样才能脱颖而出，让用户觉得截然不同？
我的心态其实更偏向这样，而不是。Grokball跟X的整合，在多大程度上算是一个亮点，又在多大程度上算是一个缺陷？对一部分企业和专业场景来说，跟社交平台绑在一起，其实可能会让人有顾虑。我觉得是在品牌层面，有些人可能单纯因为品牌就不愿意去碰，这是必然的，也是他们永远都要面对的问题。但从分发渠道来看，对某些细分群体而言，在早期增长阶段，它可能相当管用。
我觉得在X上用这些产品的人，其实并不是PMF的体现，也就是说，他们不是主流用户。你得时刻记住这一点。顺便说一句，我觉得Groqba那边其实也一直在考虑这个问题。但我不认为他们会觉得拿下 X 上的重度用户或者网红就能赢得市场。市场不是靠这些人赢下来的，那是早期尝鲜者市场。不过，你能帮我理一理苹果在 Agent 上的路线图吗？
我觉得苹果的问题主要有两个方面。第一，他们不是一家云公司，真的不是，他们的基因里就没有这个，他们根本不会做云。这之所以重要，是因为我们前面聊过的，Agent的数据越多就越好用，而数据不可能全在手机上，所以他们不做云是一个大问题。第二个问题是，他们出于竞争考虑，硬把自己绑在了隐私和端侧的叙事上，这完全把他们推到了离前沿模型很远的地方。
手机上的本地模型固然很棒，但比起前沿模型，它就是又慢又笨。只要他们还死守着这种端侧保护隐私的套路，虽然从人性角度看隐私立场是好的，但他们把它跟端侧绑得太死了。所以不擅长做云，又非要做端侧，再加上隐私立场的限制，导致在手机内部都很难打通他们拥有的所有数据。这堆劣势加起来可太被动了。不过话说回来，设备毕竟在他们手里，新版 Siri 肯定会是一个好的多的个人助理。
虽说目前还只是传闻，但在硅谷，只要有人试过，大家都知道会不错。可我觉得，就算不错，体验上也会远远不如 Town 或 Grokbar 强大，在能力上甚至根本不在一个层级。但它就在你手机上用起来很方便，你也能给它开放更多数据，它也会包含一部分云端能力。它确实会不错，但从能力上来说，我觉得跟我们今天聊的这些相比，大概落后了九个月。
我也说不准，他们换了新CEO就看他们怎么带了。但我认为他们得招一个基因完全不同的人进来，说你们根本没搞明白，人们跟数字数据打交道的方式正在发生变化。我们要么赶紧弄明白，哪怕把我们过去的很多原则都扔掉，要么我们就会输掉这一代的技术之战。我觉得这对他们来说是一个真正的风险。你担不担心我们即将面临的数据泄露，以及我们正在步入的网络威胁黄金时代？
感觉大家都快把网络攻击当成家常便饭了。就像 Meta 被攻击过，Anthropic 也被攻击过。如果你想打造用在商业场景里的 AI，就绝对不能出差错。由人类去逐行阅读每一行代码的时代已经过去了，这种情况再也不会有了。系统里关于访问控制之类最关键的那些代码，目前还是由人在看的。但总的来说，在人类历史上，我们已经越过了那个节点，不可能再回到由人类去看每一行代码的时代了。
现在是计算机在写代码，上生产环境，配合各种防护栏，从测试到其他模型，比如让友方模型攻击你，免得以后敌方模型找到漏洞。这就是我们生活的世界。显然，在人类历史上，在这个新世界里，总归会有些糟糕的事情发生。这有点像化学品。比如在二十世纪，我们开始用化学品做各种很酷的事儿，然后把化学品排进河里，下游城市的人就生病了。
接着大家就觉得，好吧，我们通过像 EPA 这样的监管规定，让你不能随便把化学品倒进河里，排放之前得先净化一下。后来还会把危险化学品标出来，分出没那么危险的，规定能运到哪儿，怎么处理掉。我们是一路摸索过来的。会有一套最佳实践，既有监管层面的，也有行业里的最佳实践。而现在发生的情况是，攻击的成本收益完全被打乱了。
我们正在试着理出最佳实践应该是什么样。你别指望我们每一步都能做对，但我觉得我们必须做对，因为无论如何，我们都回不到人类逐行看代码的时代了。聊到使用情况，你怎么定义一个成功的用户？我直接把他们定义成每个月给我付钱的人，只要他们继续给我付钱，不，我是认真的，我是认真的，对吧？只要他们继续付钱，我的工作就做到了。
我不能觉得他们用的 token 越多就越好。这种思路很危险，因为如果你觉得他们每个月用的 token 更多就算成功，万一他们用这些 token 的方式自己感受到的 ROI 没那么明显呢？也就是他们没意识到自己花 token 做的那些事儿，其实自己没那么看重。如果这种情况太多，哪天他们一觉醒来发现给你的钱太多了，就会生气，然后就流失掉。
所以我觉得你得把眼光放长远。刷 token 这种做法的问题，在我看来有两个：一个是有些公司告诉员工在 AI 上想花多少钱就花多少钱，这很不好。你应该让大家去想，在这儿用 AI 的 ROI 到底值不值。现在大家并不是在反对员工用 AI。而是在说不，我们得有激励机制，让他们有正当理由去用AI。一方面，你一开始就得考虑ROI。
但第二个问题是，有时候你很难知道某些事情的ROI。比如，让我的会前准备更充分一点，会前准备更充分一点。到底值多少？对于整天连轴开会的人来说，能在开会前一分钟准备充分，让自己看起来不露怯，那可能非常值钱。但对于那些开会由别人做准备，别人上去讲，自己什么都不用讲就坐在那儿的人来说，这根本一文不值，对吧？
我只是拿这个举个例子，同一个工作流对不同的人价值完全不同，但消耗的 token 数量却一模一样，对吧？我觉得大家并没有从这个角度去想。所以，我把成功定义为给我付钱，因为如果你每个月都付钱，就说明我基本把工作做好了。当你看着付给汤的四十九美元、十五美元或九十九美元，不管哪个档位，你觉得拿到了足够的价值。
但我一路上也非常在意提醒你钱花在哪儿了，因为我觉得你得感受到我在帮你避免浪费太多 token，而且做得挺好。过去一个月，我们最受欢迎的功能之一就是，当我们发现你有一些失控的日常任务，也就是特别费 token 的任务时，会主动给你发邮件。然后大家就会觉得谢谢你，我相信你。现在我觉得你是在替我盯着，免得我把产品用歪了。
对我来说，这就是核心。我不知道该怎么去量化它，但对我来说，成功就是你给我付钱，而且你相信我们是一个对的平台，既能帮你用上AI，又能帮你高效的用。我觉得如果我们能做到这一点，就能做成一门相当不错的生意。你们是每月十四美元、每月四十九美元和每月九十九美元吗？对，还有一百九十九，没错。哪个档位利润最高？哪个档位利润最低？
我之所以想到这个，是因为我朋友 Jason Lemkin，他显然买了 Anthropic Pro 之类的套餐，二百九十九美元，但他能用掉大约一万五千美元的 token。他是 Anthropic 最亏的客户，但他买的是人家的 Pro Max 个人套餐。对我们没有 Max 套餐，有用户找我们要过，我也一直在问自己，到底要不要给这些大户提供一个 Max 套餐。
因为从营销角度来看，这挺有用的。他们一直在替产品做宣传，所以我也想过这事儿。我觉得十五美元的套餐对用户来说非常划算。我们用它让大家多用用产品，直到他们意识到应该付四十九那个版本的产品真的很强大。十五美元的套餐单客经济模型最差，补贴也是最多的。然后我觉得整体上可能九十九美元的套餐利润最高，因为这类人是重度用户，但又不是那种想要无限消耗费用的重度用户。
但我们也有按量计费，对吧？所以我们这边的情况是，一旦超出套餐额度，大多就转为按量付费。这样我们就能让支出去适应用户的用量。你能帮我选一个结果吗？是一亿消费者每月付二十美元，还是一百万客户每月付一百美元？更多用户，更多少花钱的用户，为什么？那我来说点反共识的，因为我觉得随着时间推移，在工作场景里，AI替人做的事情。
会越来越多，所以我觉得从长远来看，像 NRR 也就是提升单课收入的长期增长潜力极其巨大。所以你想通过付费动作去获取用户，想让他们用在工作场景上，因为你会不断帮他们找到用 AI 为自己创造商业价值的新方式。但在个人生活领域，给我的感觉不是这样。我需要和我太太订的餐厅约会。或者需要和朋友张罗的旅行就只有那么多，我需要发给新医生的个人病历档案也就只有那么多，这种事情就只有这么多。
我做这些事能省时间，而时间就是金钱。但在企业这边，当我做出能为业务创造价值的东西时，他们能赚更多钱，然后就会想要更多这种东西。给你举个明显的例子：如果你想看，比如平台上有一家招聘公司，因为 Tom 他们能接更多客户了，他们用 Tom
把招聘流程自动化到一定程度，真的可以接更多客户。而且在不用新招任何人的情况下，多接一个客户就相当于每月多赚三千美元，而他们所有用户加起来每月只付给我们五六百美元，所以在商业场景下，这个 ROI 对他们来说非常直接。
他们会觉得我一个月付六百美元，能换来三千美元营收，这笔账算得过来。我喜欢这样，他们赚了更多钱，大家都高兴。我觉得对他们来说，如果我能给他们指条路，让他们再多接一个客户，就算在烫上再多花五百美元，他们也乐意。所以我觉得这种弹性，也就是企业端的增长潜力要大得多。所以我宁愿要大量付钱更少的人，因为我觉得随着时间推移，我能向他们证明我可以提供越来越多价值。
他们在烫上花越来越多钱也是值得的。受限于模型能力，目前汤做不到。但你觉得两三年后会非常惊艳的是什么？语音太明显了。我是说，这正在发生，不是你直接对着他说话那种语音。我只是指对话式的。按二百二十亿美元的价格，你会投资 Eleven Labs 吗？我觉得关于 Eleven Labs，我们是他们的用户，他们听起来是最好的。
我没收钱，我也不是投资人，它确实非常贵。我拿不准的是它会不会见顶，我觉得这对像呃 LM Labs 这样的公司来说是个风险。意思是只要语音做到足够好，大家就都能拿到。我把开源权重模型部署在 Base 十上也能拿到，只是现在感觉还没到那一步。我只是不知道在达到那个阶段之前，他们还有多少跑道。所以我并不是说我看衰，我真的很喜欢那家公司，但二百二十亿可是一大笔钱。
那在一两年后，你对价格有多敏感？恕我直言，现在你们可以烧钱，现在关键是找PMF做增长，打败对手。两三年后，坦白讲，你要想方设法大幅提升财务模型的效率。如果我们有两三百万用户在使用语音，那对我们的利润率会是个打击。确实，我是说，我其实更看重时间，所以我才说，如果语音能力大概能比现在好上一倍，特别是语气表达，还有情绪感知。
一旦把这部分解决了，我就想尽可能把成本压低，因为特别是只要感觉足够好了，已经差不多了，我就不需要它好太多。但说到利润率这块儿，我从来不认为这是在烧钱，我不会。就像我妈妈、我父母绝不会容许我说这种词。所以我觉得我们的支出是有通盘考量的，短期为了做增长，长期为了做毛利率。不过说实话，语音并不是让我真正感到焦虑的地方。
那你真正焦虑的是什么？我只是觉得是前沿模型任务所占的比例，因为在其他所有方面，我都能想象怎么把价格压下来。但我刚才提过的论点是，随着时间推移，会有更多利用AI为很多公司创造更多营收的方式。这里的引申含义是，前沿模型层面的东西能带来更多营收。而前沿模型的问题在于，我在它面前毫无定价权。我是说，我觉得柯舍最终遇到的就是这个问题。
对吧？你可以拥有巨大的市场份额，客户也都很喜欢你，一切都好。但如果你一边给供应商付钱，一边还要以百分之七十的利润率去跟你的供应商竞争，久而久之就会变得有点艰难。这才是让我担忧的部分，也就是终局。如果我们……但话说回来，我还有很多假设前提，我必须先做到数千万用户，他们必须愿意付费，我必须拥有很大的规模。
然后我就处在了一个依然要跟供应商竞争的处境，我依然在跟 OpenAI 和 Anthropic 竞争，而我针对那百分之二十到百分之三十用到前沿模型的工作负载，就只是在给他们送钱，这就会让商业逻辑走不通。这也就是在终局阶段，我到时候必须找到某种解决办法的地方。我现在还不需要。之所以说那是唯一的问题，是因为那是我商业模型里唯一跟别人不一样的地方。
接下来就有一个宏观问题：是不是所有AI，是不是AI产品其实并没有真正的PMF，因为全都是靠补贴的，对吧？这算是有些人可能会有的另一种看法。但除此之外，只要你没在跟供应商竞争，你的财务模型就跟竞争对手是一样的。那么，你提升利润率的能力，往往更多取决于竞争格局，而不是别的什么，对吧？竞争对手越少，你能获得的利润率就越高。
你就是在跟你的供应商竞争。我是说，比如 Astr，确实是，你把它看作直接竞争对手，对吧？完全没错。我现在确实是百分之百，我现在就是在跟他们竞争。是的，但这当中的比例，你刚才做了个表情，我确实在跟 Astr 竞争，但这里依然存在，这就是开箱即用体验的问题。有多少人根本不知道AI能做什么？说出来你会大吃一惊的，对吧？
问题在于，做出一款能让普通人真正从AI中获得价值的产品体验是非常难的。这就是为什么大家用过烫之后会喜欢上它，然后开始为它付费。我们在获客上的付费转化率，尝试过产品的用户里有超过百分之十五最终都会付费，这对PLG来说是极高的。因为相比他们以前从ChatPT得到的东西，我们交付的价值实在是太大了。你们到底攻克了什么别人没做到的东西，才拿到了这百分之十五？
产品背后真正的洞察是：如果你一开始就让大家关联自己的邮箱和日历，你就能对它有足够的了解，从而主动推荐AI能帮他完成的任务。这就是唯一的洞察。而要是你在OpenAI工作的话，我没有不客气的意思。抱歉，我们之前还开玩笑说我说话会比较冲，嘴比较碎。来吧，尽管说。这算是有那么大的洞察吗？比如 ChatGPT 也老实说，来这些权限我们全都要。
而我的反应就是门儿都没有，绝对不行。读取代写邮件的权限不给。坦白讲，我觉得他们建议做的简直烂透了。而且他们直到几个月前，甚至都还没有建议功能，差距就在这儿。你想用 ChatGPT 不需要关联自己的邮箱，他们根本不强求你这么做。他们现在会催你好几次让你关联，因为他们意识到这样确实有价值。但在基础体验上，他们想向普通人展示的是：嘿，只要给你一个对话框，你就能从这款产品里获得价值。
大多数人也是这么体验它的。我们的做法更像是听着，你必须关联邮箱和日历，你不做这两件事儿就用不了我们的产品。但只要你做了，我们就能为你施展所有这些魔法。这是我们对你的了解，这是你平时要做的工作。我们会推荐自动化流程，帮你把这部分工作自动化掉。大家就是到了这一步才会觉得，哇，这太酷了。我觉得这有点像那种硬性付费墙，你打开页面他就说：“嘿，请付包月订阅费。
”而你们则是说：“嘿，关联你的日历和邮箱，在那个节点流失的比例是多少？”一上来就流失百分之三十，对，比例挺大的吧？你得甘愿承受这个损失。你们目前内部最大的产品分歧是什么？问得好，我们在一些完全没预料到的纯个人使用场景上找到了 PMF，比如家庭，比如父母 town，在那块有着极大的
PMF。至少在美国，学校会发大量邮件，而且有很多体育联赛相关的系统入口要处理事情，还有孩子们的各种报告，还要给孩子排各种日程，比如理发、夏令营以及所有这些事儿。
而我们的产品因为处理邮件非常厉害，处理日程安排这套东西也很厉害，对家庭来说真的有极大的PMF。问题在于，我们到底要不要针对这个人群做推广？要不要在这上面花时间？因为这是一个很棒的群体，而且有付费意愿，但付费意愿比不上终端市场企业。我们不可能什么都做，所以正如你所说，我们是一个变现平台，我们的指标是ARR月环比增长。
对业务来说，营收才是关键。所以大家才会有争议，因为当你意料之外在某个地方找到PMF时，摆在你面前的其实有几种选择。一种选择是，你觉得我爱这些用户，我也爱父母群体，我很喜欢这些用户。对吧？我很喜欢这些使用场景，场景和价值都非常清晰。但这和我们设想的业务增长方式并不完全一致。但我觉得这正是我们内部在做深入思考的原因，因为我们在想，如果我们看的再深远一些，这到底值不值得？
还是说我们应该更聚焦在现有的策略上？做公司有意思的地方就在于你会从用户身上学到东西，而且你必须做出正确的抉择。你们现在的营收规模做到多少了？这个不方便，说抱歉。你要理解，这就像打乒乓球，试着打一板过去，有时会被挡回来，对吧？情况就是这样。我们就像在融资一样，或者我会利用这些时刻来为业务做公关和增长。
那个我还没完全准备好去说，老兄，百分之百。而且你知道我会给你什么建议吗？永远把不同的节点分开。我见过太多次有人把融资和营收里程碑合在一起发，千万别那么干。那是两个独立的公关节点，可以做成两次大曝光，而不是一次。你为什么要合在一起浪费掉打两次水花的机会？我觉得媒体现在更怀疑了。以前曾经有一段时间按某个估值融资太罕见了，你能让媒体去？
现在媒体想要更多，你能看到对这个赛道本身的很多质疑。Instinct按二十五亿美元融资，却没有任何变现。你觉得针对这个赛道的质疑有道理吗？对我们来说，我们有营收，也有增长。我不知道竞品的增长是怎样的。如果你相信这里面的一些公司产品能达到几千万人使用，而在那个领域里，产品会成为人们进行数字化事务的入口，对吧？
就是他们现在在手机A P P里做的事。如果从初创公司这批人里能跑出一个赢家，就能做成一家巨头公司，对吧？新一轮十亿美元的估值是一开始就定在那儿，还是一路被越推越高的？这个我不能确认，也不能否认。我是说 Harry Stebbings，我不会让你从我这儿抢走任何曝光节点的。你什么都不评论，我也不是在打探，但就是那种，一会儿说inda在融，一会儿说inda没融。
对你来说很棒的是，这全是公关曝光，到处都是你的名字，挺厉害的朋友。你真会套话！我上年纪了，你知道吧？我都差不多四十七岁了，我连自己多大都记不清了。我就是老到这种程度了。当你记不清自己要满多少岁的时候，就知道自己老了。所以我现在四十七岁，再过几个月满四十八岁，我也在这个行业很久了。我人生中有过一些在公众面前做过自己引以为豪的事的时候。
也有过做了一些自己并不引以为豪的事儿的时候。我提到这个的原因是，我不觉得单单为了业务去搞公关符合我的任何价值观。我希望公关是由我的用户因为喜爱产品而自发产生的。如果你看到关于烫的任何新闻，不管是好是坏，我都没有主动在外面搞公关，真没有。恕我直言，我认为这是个错误。我知道，我会劝你改变想法。我会说，你可以看看 Whisper Flow 这个例子，大概吧。
同样是 PLG，也就是产品驱动增长模式，差别并没有那么大。坦白讲，我觉得他们自己做公关做得非常出色，通过他们自己的内容，当然也通过他们用户生产的内容，做内容就是拿到客户证言的一条捷径。完全同意，我认同。我只是觉得融资故事不属于我想拿来做公关事件的那类东西，不是你指的那种。关于融资，我确实想谈一点，因为这是站在天使投资人的角度，这不是在说我们笼统的说融资这件事儿。
你刚才提到了市面上的这些公司，这又回到了道德层面，以及我是一个怎样的人。比如我见过一些交易，说是按二百投的，然后官宣估值是五百，接着你一打听才知道，他们其实融了六千五百万，其中只有五百万是按五百进的，另外六千万都是按二百或三百进的，对吧？硅谷肯定有很多这种事儿。就我个人而言，我觉得这不合道德，我觉得这面对员工不诚实。
首先，实际稀释根本就不是那么算的。大部分需求也根本不是那个价格。你给别人开 offer 时的定价也不该这么算。我觉得你没法看着别人的眼睛说，有个投资人百分之八十的资金是按两亿或两亿五千万美元的估值投进来的，但他们把最后的百分之二十按五亿投，然后对外我就只说这个数字，我就是不喜欢这种做法。我觉得这不对，我同意你的看法，确实，兄弟，我们来做个快问快答环节。
你最成功的天使投资是哪一家？目前来看，不是 Base 十就是 Model，这是我最先想到的两家。常成为一家千亿美元公司的乐观预期是什么？要实现这点，需要发生什么？我觉得，如果我们能有一千万付费用户，就能做到，就这么简单。对我们现在每个用户每年能贡献七百多美元，那跟 Dropbox 相比怎么样？因为 Dropbox 的用户量肯定远不止一千万。
你得有增长，对吧？停在一千万可不行，我得确信自己能保持不错的增速。问题是，虽然我已经离开 Dropbox
很久了，但我记得当时有庞大的免费用户群体，成本端非常高。而在付费用户这边，我记不清具体数字是一两千万还是三千万了，但确实到了某个阶段就平下来了。而且没法从用户身上获得更多营收或增长。我觉得AI领域不同的地方在于，一旦有一家公司入驻平台，把你的平台作为他们开展AI工作的核心环节，随着他们消耗的token越来越多，你应该就能获得越来越高的营收。
现在不在你们董事会的人里，你最想拉谁加入？哇，我觉得下一位董事会成员，我希望能有个偏 CFO 背景的人。到了后期，我们业务的商业模式、单位经济模型必须做的非常非常扎实。如果有位在财务方面有实际运营经验的董事，随着这种体量的公司不断做大，会有非常大的帮助。涉及的事情太多了，比如我们要大规模采购算力，我们必须在 token 开销的考量上做的非常非常精细。
我希望能找有这种背景的人。我知道你在做鬼脸，你觉得？不过这比我想象的要早。我懂这种需求，但我以为还得过上一两轮，也许吧。不过我觉得下一轮我们就要进入成长期投资人的地界了，所以我觉得一旦进入成长期投资人的视野，他们就会要求我能拿得出来。能真正站得住脚的融资指标，我觉得有这种背景的人加入会很有帮助。你们为什么不干脆全额补贴？
你可以再去多融二亿，增长才是一切。你为什么不干脆不管他妈的三七二十一，破釜沉舟干一场？这。是个好问题。如果我说自己没有在某些早上醒来时琢磨过这事儿，那我肯定是在撒谎。我认为要在商业端证明价值，就必须让客户付钱。所以我确实觉得可能会有某种情况让我们的 P L G 部分拿到更多补贴。但只要团队人数达到三到五人，我就真想在那一块赚到钱。
我真想确保自己交付了价值。我给你讲个事儿。我们最初上线产品的时候，在前五个月里也不是正式上线，算是小范围封测。后来开放了测试，当时我们没有收费模式。当时有些用户，我真没骗你，一个月能用掉两千美元的算力或者四千美元的算力。平台上有人五个月就花掉了大概两万六千美元，因为对 token 消耗完全没有阻力，对吧？
一点阻力都没有。我看你都在做鬼脸了。当时我们就会打电话给他们，跟他们讲，咱们来理清楚。比如你在用这个平台，因为你可以建各种自动化流程来搞定越来越多的事儿，但这真给他们带来价值了吗？总之，我提这个的原因是我非常坚信，从市场上获得阻力，知道自己在哪里交付了价值，在哪里没有，是非常非常重要的。其实有办法一边补贴一边做到这一点，比如我可以把方案定的便宜很多，我可以做成免费的，我可以给企业送免费的token。
但我学到的是，企业端其实也不喜欢你不收费，因为他们不知道未来哪一天这得花多少钱，他们想知道未来哪一天得花多少钱。你不能去卖给一家五百人的公司，然后说来吧，内部免费用我的产品。这样你虽然拿到了一堆用量，但万一哪天我说要把服务关掉，而他们所有的业务流程都在上面跑着呢。所以我们的做法是在增长这块儿，我们可能会也可能不会加大补贴，因为我们在强调增长。
但只要有公司用上这款产品，我就想要一门真正的生意。而且当有公司用上它时，我们确实做成了一门真正的生意，我对此感到非常自豪。因为我觉得，如果你不是纯C端公司，这就是检验你做没做成一件成功事情的终极试金石。对于纯靠广告支撑的C端AI，我是存疑的。有几个原因，比如我觉得现在的token成本太贵了，撑不起广告模式。
第二，广告存在利益动机问题。我觉得大家都想要属于自己的助手，不希望他给你的决策路径被广告这类外部利益动机污染，对吧？比如你让他订机票，他用的航空公司是因为付了钱才被推荐给你的，这感觉并不好，对吧？所以我非常坚信，围绕助手的经济模式会是付费的，所以我只想尽快转向付费。当你打开Twitter时，看到谁发推夸赞会让你最兴奋？
马斯克，因为他有竞品，而且他可是马斯克。在AI时代，你们的招聘流程有什么变化吗？我们有一套挺奇怪的招聘流程，你想不想听听我们招聘流程里一件有意思的事儿？好啊。如果团队里有人跟另一个人非常紧密的合作过，只要那是位顶尖人才，我们就不面试了，因为我何必面呢？我就只负责推销公司，我直接负责把人劝进来。这种情况很少见，但必须是那种彼此极为紧密的共事过，简直就像挨着坐在一起工作过，而且他们会说这是我合作过最优秀的人之一。
如果是工程团队，我们就直接说，赶紧来吧，因为我知道这听起来很怪，大家肯定会评论说这家伙简直是个蠢货。但我团队里一个非常优秀、深受我信任的人告诉我，另一个人是他合作过最优秀的人之一。然后我还要让那个人花八个小时去做愚蠢的白板面试，这根本说不通。要么就是我不信任自己的员工，所以重点是文化契合。我们会说：“来吧，跟我们待一段时间。
想的话，可以一起写写代码。我们得主动去吸引对方。”因为你想，如果你连面都不面人家，对方也会觉得你们这帮人算什么小丑？你们居然谁都不面试，所以我们会让他们来了解我们，但我们不会去考核他们能不能胜任核心岗位。Brian Singerman会投资一些基金，然后再去投那些基金底下的公司。他有一条原则：如果基金经理全力以赴、孤注一掷看好这家公司，他就会自动把支票开出来。
差不多是一个道理。你信任这个人，你就信任他们下面的那一层。你们花在工具上的费用占研发人员薪酬的百分之多少？Mark Ganiel说过，在Salesforce，他们花三亿在Anthropic上，他们每年在工程上花六十亿，也就是百分之五。我是说，按年化算，每个工程师至少要七点五万。哇，是分配在 Core Code 和 Color 之间吗？
Devon, Claude, Codex，然后还有Town，我们用Devon用的很多。我这会儿算是在给Devon做免费宣传了。对于提上来的很多bug，很多比较简单的小事情或者细微的视觉调整，我们都会启动Devon，因为我们就是觉得它在Slack里的团队协作体验真的非常好。我们有几个人用Cursor来做偏视觉的部分，前端。
模型响应非常快，对吧？Composer 做前端非常快。然后我想说，现在 Codex 和 Claude 之间大概是五五开，这显然变化很大。比如，我想五个月前我可能会说主要是 Claude，但新的 Codex，Codex 真的很棒，移动端的体验特别好。那一年下来是多少钱？是七万五千、十五万，还是随着成本下降会变成两万五千？
你刚才其实问了我一个关于投资回报率的问题。大家总问我，有了AI以后，团队是变大还是变小了？我的反应是，行吧。想象你是一家普通公司，你有一百万美元营收和八十万的成本，你赚二十万利润，这二十万你可以拿来招一个工程师。如果这个工程师不能给你带来超过二十万的营收，你就不会招这个工程师，而是作为企业主把这笔钱装进自己口袋。
现在。AI出现了，AI意味着突然之间，那个工程师能创造的收入比以前更多了。所以，可能以前他们只能创造十五万的营收，现在他们可能可以创造二十五万的营收。于是突然之间，哎，让你去招那个新增的人手，比你本来打算的多招一个人，因为在这个新世界里招这个工程师，由于效率更高，能让你额外多赚五万的利润。所以，我们公司正处于这样一个阶段，就感觉眼前到处都散落着黄金。
比如，我有客户，他们要有了集成功能才肯签合同。我有客户要有了审计日志才签合同，要单点登录支持手机号才肯签更大的合同。我就坐在这些需求面前。我还有一个 Dex 产品，大家希望有更多导出选项，才能更深入的用这个产品。到处都是黄金，全都在我眼前。而限制我的因素是我的招聘能力，我手头有多少资金，以及我的营收增速，对吧？
因为我不想把步子迈得太超出营收。所以，如果你告诉我有了更好的模型，而且我可以花更多钱，这比招人去做那些高回报，也就是我掉在地里没捡的钱要容易，那我立刻就会掏钱。我今天大概就是在这个层面上来考虑这件事儿的。所以，我考虑我们全年在算力上的总支出，比如不管多少，一百万或者随便多少，按年算。然后我想综合算下来，大概相当于四个工程师，可能稍少一点儿，差不多三个工程师。
算上期权的话，可能更像是一个半工程师。我从这里面得到的产出，顶得上硅谷按虚高薪资算的一个半工程师吗？是的，我当然得到了。所以差得太远了，我完全还没到那种会去琢磨的地步。我们是不是 token 压榨的不对，连边儿都沾不上？然后我觉得另一件我们思考的不够的事，是在法律、销售、市场营销这些其他领域，我们会看到像编程领域里那样的拐点吗？
最后一个问题给你：JD未来十年，你最期待什么？那肯定是我家孩子陪着我的孩子们长大，能花时间教他们数学这类东西，跟我儿子一起踢足球，那百分之百是我最期待的事情。但那不是你想问的。你的意思是，在世界上，我最期待的是什么？我相信，尽管大家对AI抱有很大怀疑，我也理解为什么它可能让人害怕。为什么任何改变对人类或任何人来说都很难承受，包括我自己？
但我确实觉得，我们正在越来越走向一个世界，人们能拥有更多自己想要的东西。能做更多自己想做的事，所以我只希望我们走出来后，世界变得更好，大家手头更宽裕，每个人都更有能力去做自己想做的事儿。我真的是这么深信的。要是为了赚钱，我就不会做现在这些事儿了。我做这些是因为我希望能通过这项技术帮人们省去日常生活中的很多苦工。
不仅仅是通过TAM，我觉得AI会帮我们研制药物，帮我们在物理世界里建得更快，人们也能住得离城市更远。因为能自动驾驶进城，这意味着能拥有带泳池的更大房子，过得更开心。我真的是个彻头彻尾的乐观主义者。老兄，太感谢你今天花时间过来聊了。我知道现在时期非常忙，你聊得太棒了，也特别感谢你包容我有时略带逼问的问题。
每一次被质疑，老实说确实会让我夜不能寐。但我认为穿过黑暗森林是有路的，而且森林尽头有一处巨大的宝藏，沿途也就一两条恶龙，所以必须去闯一闯。