美国做出了其他国家未曾做出的总体赌注。他们决定：“我们将提供30年期固定利率抵押贷款。”这很棒，我认为这对美国中产阶级非常有利。但这也有一个缺点：你究竟如何为某人30年的固定利率、固定还款额进行承保评估？
目前，SaaS公司在公开市场上正遭受重创。你如何看待这一现象？毕竟从核心来看，你们仍是一家企业软件公司。
2020年并不是我们当时认为“大语言模型将吞噬世界”的时候。但实际上，计算机视觉领域的进展非常显著且重要。如果有人想要发起一笔抵押贷款，会有大量的后台工作要做。Vesta基本上是一个单一系统，你用它取代现有的遗留系统，我们提供作为所有合规性、规则和工作流以及集成基础的核心记录系统。此外还有AI智能体，基本上取代了贷款机构中那些人员所做的工作。
当生成式人工智能（EGI）兴起时，为什么Vesta仍然存在？问题不在于“Vesta是否还在”，我认为真正的问题是……
大家好，欢迎回到a16z播客。我是Kimberly Tan，Andreessen Horowitz的投资合伙人之一。今天我和Mike You在一起，他是我们要投资组合中的一家公司Vesta的创始人兼首席执行官。嗨，Mike，谢谢你前来做客。（笑声）很高兴见到你。
我想从这样一个话题开始：大多数人可能不知道Vesta是做什么的。我觉得有趣的是，你和我认识大概13年了，从我们大学本科同学时期就开始了。你是典型的斯坦福计算机科学学生，曾在Jane Street实习做交易员，并获得了全职留用的offer。然而13年后的今天，你却把整个人生都奉献给了抵押贷款——这可是大家最爱的话题。所以我很好奇，这是怎么发生的？为什么你愿意把整个人生都花在抵押贷款上？
这很有趣，因为当时你就在场。正如你所提到的，我曾在Jane Street工作那里是一家很棒且很酷的公司。但我当时是斯坦福的学生，那时的斯坦福学生——我想现在依然如此——都痴迷于一个理念：你必须构建某些东西来为世界做出贡献。所以，作为一个略显天真的本科生大三学生，我四处奔走，试图寻找一家能给我提供产品经理实习机会的初创公司。我真的希望那家初创公司处于某种爆发式增长的轨道上，发展得非常好。
（笑声）现在我自己运营这样一家初创公司了，我绝不会雇佣产品经理实习生，因为他们是来度过夏天的，然后他们并不真正懂得如何做产品管理。他们对你的业务一无所知，只待12周左右就离开了。要把他们招回来非常困难。所以我理解为什么当时没有初创公司愿意雇佣我。但通过斯坦福校园内各种各样的风险投资机构以及你能接触到的资源，我被介绍给了Blend这家公司的创始人。
当时的问题是，我完全不知道Blend是做什么的。他们有点火，标志很酷，在招聘会上展位也很棒，但我不知道他们是做什么的。原来Blend当时是数字抵押贷款领域的领先公司。他们签约了富国银行和美国银行，因此正在与该国一些最大的银行合作从事抵押贷款业务。不知怎么的，我说服了当时大约50人的团队雇佣了他们第一位产品经理实习生——也就是我。
你是怎么做到的？为什么他们想要你？你知道，据他们说，当时负责产品的高管说：“我们绝不会雇佣实习生。”但风险投资人让一些产品经理、创始人和工程负责人与我交谈。在我进行了大约八次对话后，每次对方都说：“我们不会雇佣你，但另一个人说我应该见见你。”据内部发生的情况是，在这八次对话之后，这些人一起去找了负责产品的负责人Pranay。他们对他说：“Pranay，你有两个选择：你可以见见这个孩子然后决定是否雇佣他；或者你不见他，这样你就不在面试流程中，而我们实际上会直接雇佣他。”
于是他们让Pranay见了我。我记得Pranay问我一些关于我如何做行政工作的问题，我做了一个原型发给了他。当时我非常急切。不知怎么的，我得到了这份工作。（笑声）我现在试着表现得稍微酷一点一些。
所以我加入了Blend开始了解这个疯狂的抵押贷款市场。结果发现，抵押贷款有几个组成部分我做得很好且与我非常契合。首先，抵押贷款完全是软件驱动的，对吧？它是全数字化的。虽然确实有一些文件通过FedEx来回寄送的情况，但总的来说，我认为Palantir曾说过金融科技本质上是一个“推销”问题。这很重要，因为我喜欢处理那些我可以从头到尾解决的复杂事物。我不是硬件方面的人你知道我手眼协调很差，空间推理能力也不是世界顶尖的。所以在技术层面它非常适合我所擅长的事物。
我认为我真正喜欢抵押贷款业务的另一件事是玩家不多。虽然有一些大型参与者，但数量并不多。在抵押贷款业务中你永远不会拥有像10,000个客户这样的规模，因为贷款机构并没有那么多。这意味着这是一个较小的生态系统。它更像是一个迭代和长期的游戏。在这里，注重关系导向和长期导向而非超交易性是值得的。
……在这些方面我很糟糕，你知道的，比如在中小企业领域，因为我觉得我不喜欢让人不高兴。所以这种长期迭代的工作性质对我来说非常合适。我当时在Blend，我自然而然地融入了这个领域。不知怎么的，团队真的很喜欢我。
那么Blend是做什么的呢？当我在2016年加入Blend时，他们的主要焦点是如何让每个人都能在线申请抵押贷款。Rocket刚刚做了他们的超级碗广告，所以他们正在宣传这一点，你知道的，你可以完全在线向他们申请抵押贷款。他们的广告语是“一键获取抵押贷款”，这极大地夸大了申请的简便程度。但是所有的银行，所有其他贷款机构，那些更传统的参与者，你知道的，成百上千家都在想办法如何竞争。
所以Blend是一个SaaS解决方案，基本上我们会去实施客户的品牌、配置以及他们思考工作流的方式，并真正优化申请漏斗。我们将这些连接到他们在富国银行和美国银行等的核心系统。现在Blend做更多的金融产品了，前端银行业务的各种东西都做，但那时候纯粹就是如何让抵押贷款申请转移到互联网上。这真的很神奇，只有十年前，那些认为“人们永远不会在线申请抵押贷款”的银行数量实际上令人震惊地占了一半。
你是作为产品实习生被招进来的，他们对产品实习生能做什么期望很低。那你实际上做了什么？起初我接手了别人都不想要的项目，结果这成了公司最重要的项目之一。我们刚刚签下了富国银行。我想在2015年，司法部认为wellsfargo.com不符合ADA WCAG 2.0双A级合规标准。所以实际上对富国银行有一些判决。富国银行表示，如果我们要把抵押贷款申请放到网上，对我们来说不可妥协的一件事就是你们必须做到完全符合WCAG AA 2.0标准。
这到底意味着什么？这意味着与无障碍审计公司合作，学习使用屏幕阅读器软件，测试整个非常复杂的抵押贷款工作流中成百上千个无障碍缺陷。这意味着制作这些缺陷的电子表格，并逐一解决它们。对于一个产品人员来说，这其实是一个非常不有趣的项目，你可以去研究如何连接所有源数据，或者改善贷款官员的体验，或者其他各种有趣的事情。而有人必须去处理第三方公司发现的约3000个缺陷发现项。所以我接下了这份工作，很有趣。
这其实挺好的，因为做这项工作不需要知道太多东西，某种程度上是一个很好的入职任务。我接下了这份工作，做得很好。因为这是富国银行关注的核心事项，这逐渐过渡到我领导许多产品开发工作，以便在早期让富国银行上线运行。
实习结束后发生了什么？这又是如何与你创立Vesta联系起来的？那时我还是实习生，在最后的几周里，CEO Nima找我谈话，他说：“你需要退学。周一回来全职工作吧。我们需要完成富国银行这个项目。你真的很棒，请退学。”我说：“伙计，我们都成长于华裔移民家庭，我父母支付了我在斯坦福三年的学费。我不可能不完成大四这一年。”
所以我们达成妥协：我回斯坦福全职读书，同时在Blend全职工作。我的大四那年，你和大家都抱怨说没见过我，因为我每周有五天在旧金山，但我留在了Blend。我开始全职工作，在那里待了四年。我们完成了富国银行的项目，我花了很多时间与房利美和房地美设计他们的数据验证项目。我在抵押贷款方面几乎什么都做，比如工作收入披露等，花了很多时间集成到现有的核心系统中，这也是未来Vesta故事的重要组成部分。
我还开始创办了许多新业务。我们启动了一个保险业务，我成为了一名持牌保险代理人，建立了一个呼叫中心，向通过Blend流程的房主出售保险。这实际上是一个非常出色的业务，尽管听起来很不性感。我们还做了一段时间房地产经纪业务，虽然没那么成功，但我有机会结识了该领域的许多人。正如我所说，这个圈子不大，所以你真正了解所有的高管。
我得以构建许多新事物，从零到一、从一到终学习如何打造产品。这非常有趣且意义非凡。还有一件事，我遇到了我的联合创始人Devin。他是Blend第一位工程师。在我实习的第一周周五我就认识了他，我记得这件事因为他完全不记得了。我当时心想：“哇，这家伙真酷。”我脑子里充满了Blend的宣传：他们离开Palantir创办抵押贷款公司。但Devin说：“完全不是那样。”他说刚加入Blend时，他们根本不涉及抵押贷款业务。我觉得他真的很了解情况，而他觉得我只是个什么都不懂的小实习生。但他不记得我，不过我们从那以后紧密合作。
在我加入Blend大约六个月的时候，我有幸在那里遇见了Devin。当然，我们当时就隐约觉得以后想一起做些事情，这也是为什么我们今天会走到这里的原因。
那么Vesta是做什么的呢？Vesta同样处于房贷软件领域。它为所有这些抵押贷款机构提供核心记录系统和后台处理能力。如果有人想要发起一笔房贷，他们往往需要花费45天的时间手动阅读文件；借款人可能已经被要求提供同一份文件三次了。此外，还需要有人实际进行贷款承保工作，系统必须连接到生态系统中的其他所有系统，包括政府系统和监管检查。它还需要生成所有的披露文件。因此存在大量的后台工作，而Vesta基本上是一个单一系统，你可以用它替换现有的遗留系统。我们提供作为所有合规性、规则和流程以及集成基础的核心记录系统，并提供AI智能体来基本上取代贷款机构中那些人所做的工作。
我想Vesta和你之间一个非常有趣的事情是，我们已经合作五年多了，我认为你在早期就有着端到端自动化房贷的愿景。虽然实现这一目标的具体机制在当时还不太清楚，但你比任何人都更了解房贷领域，你知道必须是一个现代化的核心记录系统。所以我首先好奇的是，为什么你要着手去做一件很多人告诉你非常难的事情？我认为替换核心记录系统是非常困难的。而且，我还认为最惊人的事情之一是：这实际上是一个非常适合AI智能体的市场。即使在2021年，虽然你的愿景很清晰，但这并不那么显而易见，但现在则非常明显。我很想了解更多关于你是如何实现这一转变的，以及你是如何意识到AI非常适合这个业务的？
是的。我认为在2021年这并不明显，因为当时甚至还没有AI智能体。但我们一直坚信技术在过去30年里不可避免地会变得更好。我们实际上开始看到计算机视觉领域出现生机迹象。2020年并不是大家都在说“大语言模型将吞噬世界”的时候，但很明显，计算机视觉领域取得的进展非常重大。你有自动驾驶汽车时代，实际上有很多公司正在做OCR（光学字符识别）和文档提取工作。事实证明，房贷发起的很大一部分只是阅读借款人的文件并弄清楚上面有什么内容，然后将其与档案中的其他所有内容相互印证。因此，即使在AI智能体出现之前，我们的看涨逻辑是：如果你只是结合经典规则（如大量的工作流配置）和某种形式的文档提取，你可能自动化80%的工作。
因此，我们设计系统时始终考虑到这样一个事实：即使今天的文档提取技术不足以让房贷承保人信任AI，比如我不会基于AI的说法去承保一笔80万美元的贷款。但无论如何，这种方法最终会变得足够好。当然，正如你所说，我们获得了有史以来最好的顺风车效应，即有人发现实际上不需要构建任何专用模型。我们会为你构建一个像人类一样聪明的惊人模型，它可以为你提供所有工作所需的动力。因此，我们可以更快地向这一愿景迈进：从80%到95%，再到最终实现100%的自动化，消除这种只是阅读文件和移动数据的繁琐后台工作。
但我们确实重新设计了记录系统，以定位为这样一个理念：最终所有的工作都可以由人类或软件通过交换和交接来完成。我们对执行工作的具体软件类型持开放态度。关于你问题的第一部分，即每个人都告诉你不要做这件事，说它太难了——老实说，我记得你告诉过我很多次：“你为什么不去找一些其他巧妙的切入点呢？以后再说吧。”
是的，因为我认为许多企业认为替换像房贷这样复杂且支撑经济的行业核心记录系统是非常困难的。如果Investa（注：此处应为Vesta的口误或听译错误，结合上下文指代核心系统）宕机了，你的客户也就完了。因此这是非常关键的任务性工作。你可以构建一个坐在现有核心记录系统之上的AI智能体，或者以其他方式切入。为什么一定要做整个事情呢？
是的，我们从第一天起就非常坚定。我要说的是有几点原因。第一，如果有人告诉我让所有这些大型贷款机构相信“好吧，我们要把整个业务押注在只有两个客户的人身上（当然现在我们远不止这两个）”会多么困难，我想我们可能会更仔细地考虑一下。我认为有些事情只有当你切身感受到并理解其难度时，才会真正感到恐惧和尊重它。
另一件事是，我们在很多方面看到Blend就像是巅峰之作——它在这些核心系统之上构建了最好、最高产的软件。我们认为，在改变多少工作流和推动多少自动化方面存在局限性。原因有几个。我曾与Jack Henry的首席技术官交谈，他说了一句我认为非常聪明的话：如果你要替换核心记录系统，你必须坚信从数据架构层面来看它是错误的。因为除了数据架构之外的所有东西，你都可以通过集成系统记录来替换；你通过在其之上放置用户界面（UI）来替换UI；你通过在旁边构建自动化模块来替换自动化。但如果数据
架构已经乱套，那你别无选择，只能替换数据架构，这就意味着建立一个新的记录系统。而现有巨头的数据架构有几个特别难搞的地方。首先是数据建模极其困难，尤其是在当今AI智能体及其理解语义数据模型能力的背景下。现有巨头拥有3万多个字段，且是一个扁平文件数据库，甚至不存在关系型结构，后端没有SQL或其他任何关系型数据管理方式，依然是扁平文件。此外，由于这是一个非常古老的Windows应用程序，字段直接映射到屏幕界面上，因此如果要在两个不同的屏幕上显示同一个字段，就需要复制该字段。
这种设计使得无论是基于传统规则还是AI智能体的自动化推理都变得异常困难。因此，我们认为在这个数据模型之上构建大量自动化操作是不可行的。另一个问题是该扁平文件数据库是单写入模式，这意味着一次只能由一个人覆盖整个贷款档案。这实际上意味着在任何给定时间，只有一个实体可以对贷款文件拥有写入权限。如果你想运行一堆AI智能体——比如一个智能体群体来自动化你的贷款发起流程，你可能确实需要不同的智能体分别计算收入、资产或审查购房合同以确保匹配。
但你无法并行处理这些工作，这导致了巨大的延迟问题，尤其是在当前智能体高速工作的节奏下。这也使得这种方案行不通。因此，如果一直追溯到数据库层面，存在这两个约束条件，这意味着如果你真的想要自动化这一切，别无选择，只能彻底拆除现有的记录系统并重新开始。
我认为在硅谷有时我们会想：“嘿，这应该自动化了，这是一种非常低效的工作方式，有更好的解决方案。”但有时当你去问客户——或者在假设意义上的客户时，他们会说：“其实我们对现状还挺满意的。”那么你是如何决定实际上客户并不满意于此，并愿意承受拆除其记录系统所带来的极端痛苦的？
在Blend工作以及在行业内的经历帮助巨大，因为我认为你必须切身感受到这一点。我经常说，作为一个试图替换记录系统的人，那些试图替换Salesforce的人——我认为这可能并不正确。为什么？因为虽然每个人都抱怨Salesforce，但实际上你并没有看到太多从Salesfare迁移出去的情况。历史上曾有一个迹象表明人们愿意进行这种迁移，那就是他们从80年代构建的遗留系统迁移到90年代构建的遗留系统。
还有其他人从90年代的遗留系统迁移回80年代的遗留系统。如果一个项目历时18个月从一个系统转到另一个，有时甚至五年后又转回去，这说明人们对现有系统的厌恶是发自内心的，这为更好的解决方案提供了机会。从商业角度来看，正如你提到的自动化问题，抵押贷款是一个相当同质化的业务。每个人都大致发起相同的30年期产品，且由政府支持。
价格方面，CNBC有抵押贷款价格指数追踪器，如果这还不算同质化产品，我不知道什么才算。因此很明显，行业结构处于同质化状态，制造成本至关重要。我们在Blend经常听到贷款机构这样说：高管们问：“你如何帮助降低我的制造成本？我知道后台有很多人在做这些事，而且很明显技术可以完成这些工作。你能帮我自动化吗？能帮我把制造成本降下来吗？”
在这两点之间——即对降低制造成本的强烈关注，以及人们明显在进行变革的事实——我问自己：“你们为什么要这样做？因为最终得到的结果是一样的。”这让我觉得这里有一个独特的机会，我认为这在许多其他记录系统业务中并不存在。
有趣的是，在建立这个业务的过程中，我知道我们经常谈论利率问题，因为抵押贷款利率显然是核心利率的衍生品。我想听听你对利率宏观层面的看法。我们经常读到关于AI资本支出建设对利率的影响，你在业务中每天都在关注这些动态。你对此有什么宏观见解？
我会说抵押贷款行业的人都是永恒乐观主义者，这是我们的玩笑话。每个做贷款的人都认为六个月后利率会下降，我们将迎来再融资热潮。但过去三四年来，我对这种观点持相当悲观的态度。我真的认为我们必须假设不会迎来利率下降潮和再融资热潮，而且说实话，以目前的状况来看，如果出现再融资热潮对我们的收入来说简直太疯狂了。
我基本上假设你不应该期待这种情况发生。我说这话的原因是有三个主要因素我认为会推高长期利率曲线，无论其他情况如何。首先是——意思是说利率在结构上更高？是的，尤其是长期利率。像10年期国债、30年期抵押贷款这些将会保持显著更长时间的高位。首先，国家债务是一个真实存在的问题，这对抵押贷款尤其成问题，因为抵押贷款是政府支持的。
因此，国债与30年期MBS（抵押贷款支持证券）之间的相关性实际上远高于国债与其他许多事物之间的相关性，因为30年期MBS的信用风险与国债紧密挂钩。
这也是十年期国债信用风险的一部分。你提到的AI资本支出建设，存在对高收益和高回报资本的激烈竞争，人们因此愿意以更高的利率借款。这在结构上推高了利率。
长期来看，我认为长期利率反映了地球上每个人平均贴现率的体现。个人贴现率是指：如果你今天有一美元，或者你可以从未来拿钱到现在花掉一美元，你愿意放弃多少明年的金额？对很多人来说，这可能是一毛五分或一角钱。我在大学时总说对我来说是三美元，因为我们毕业后收入会大幅增加。
Mike因此没有储蓄。这在我们朋友圈里其实很有争议。他说他不往401k账户存钱，但大学毕业后朋友们都告诉他是对的：他们毕业时收入大增。贴现率就是金钱对今天的价值与明天的价值的对比，这影响消费和储蓄方式。长期利率曲线正是全球平均贴现率的结果。
问题是如今人们的贴现率比五到十年前显著更高，原因有三：世界波动性更大；两场重大战争让人不安；AI的发展。如果AI极好，人们想今天花光钱因为未来是乌托邦；如果极坏，也想今天花光因为可能面临死亡。无论概率高低，波动性增加导致贴现率上升，进而推高利率。
这种思维如何影响你的业务？如果认为利率会更高或更低，需要做哪些调整？大多数企业软件公司并不直接关心利率。对我们来说，房贷机构和软件服务商往往根据抵押贷款银行家协会的预测来规划现金流，这是糟糕的做法。因为房贷人士通常乐观，所以保守估计、假设交易量保持稳健且以购房为主更为明智。
虽然房屋购买量随利率小幅波动，但真正剧烈变化的是再融资业务。因此必须保守预测。另外，在利率高、交易量低时，我们应更积极地销售。此时贷款机构利润较少但更需要合作且时间充裕；而在利率低、交易量高时，他们人力紧张，难以实施新技术。
当利率低迷且业务繁忙时，很难让房贷公司进行重大变革或引入新系统。因此现在是我们要抢占市场份额、推广客户并助其成功的绝佳窗口期。无论利率如何，美国房贷基数庞大且稳定。即使交易量不似2021年高峰，这仍是万亿级别的优质业务。
目前我们产品成熟且拥有大型参考客户，正寻求规模化拓展市场。与此同时，正值所谓的“SaaS末日”，公共市场上的SAS公司遭受重创。作为核心企业软件服务商，你如何看待这一背景？
软件即服务的“末日”论公平吗？你认为这不公平吗？这对你的业务意味着什么？
是的，我认为如果我真的相信软件即服务的末日会到来，我就得认真质疑自己在这里做的事情了。我还要提醒各位，我们所熟知并喜爱的所有AI智能体公司，本质上也是企业级软件公司。它们同样只是在编写代码并将其交付给客户。
所以你认为这只是一个虚假的二元对立吗？我认为是的。我认为有几件事是真实的：如果你剥离掉利润率等表象，软件即服务的基本商业模式在于——你一次性构建好软件，然后可以将这“一次”的开发成本分摊给100、1,000或10万个客户。而替代方案则是让每个客户都重复构建上百次。
现实情况是，即使我们将软件开发成本除以10（虽然目前还没人真正能做到这一点），或者假设能除以10或100，对于很多人来说，大家集资让一家公司统一构建并从该公司以远低于自建的成本购买软件，仍然比各自独立开发更合理。当然，这里还有其他因素需要考虑：例如大家是否真的需要相同的产品？产品重叠度有多高？
这让我对垂直领域比水平领域更看好，因为垂直领域的客户通常确实有非常相似的需求，因此他们会使用你所构建的所有软件。
请定义垂直和水平的区别是什么？垂直是指我们只服务于抵押贷款行业，就像Veeva专注于生命科学领域一样。而Salesforce是水平的，因为任何人都可以在某种程度上使用它。水平软件即服务的难点在于：你的客户往往只使用了你构建功能的10%。这意味着你要为开发100%的功能付出成本，向他们收取100%的费用，而他们只获得了10%的价值。
在这种情况下，他们可能会考虑自行构建比你的产品更狭窄的功能，这在商业逻辑上是说得通的。但是，如果你的客户使用并购买了你所构建的100%功能，你怎么可能向他们收取高于他们自建成本的费用呢？
这里还有一些讨论点：随着软件开发成本的降低，是否意味着你的价格必须下降？或者你是否需要构建10倍的功能来维持相同的价格？也许吧，但你也应该能够构建10倍的功能。因为每当贷款机构问：“我能否使用Cloud Code来构建LOS（贷款操作系统）？”时，我会想：你以为我在做什么？难道你认为我是让一堆工程师手动敲代码吗？
因此，我认为在许多方面，软件即服务的商业模式并非关于技术制作成本有多高。它本质上是一种资源的池化和专业化分工，我认为这一点将长期成立并持续存在。当然，还有很多其他的细微差别和争论可以探讨，但如果你是一家在高度监管领域深耕的垂直软件公司，我们可能都会安然无恙。
如果我们不能安然无恙……你知道的，你应该始终为某种可能性做好压力测试：比如只有Anthropic一家公司幸存下来。那对我而言会很糟糕，但我不知道人们对此能做什么。我确实花不了太多时间担心这个。
你的思考有多少受到在Jane Street工作经历的影响？因为显然从这次对话中可以看出，你在用概率、折现因子等概念进行思考。
我认为Jane Street对我的思维方式产生了极大的塑造作用。不过我也认为，在去Jane Street之前我就有类似的想法，这也是为什么我在那里玩得很开心，他们也很喜欢我的原因。但我确实认为我是以这种非常概率化的视角来看待世界的。我不知道怎么说，这对我来说一直都很合乎逻辑。
软件即服务商业模式与AI智能体业务模式的一个区别在于：为每个独立的AI智能体提供服务是有成本的，而为额外的企业软件即服务实例提供服务则没有这种边际成本。因此，你认为那些叠加了AI的软件公司的利润率是否会因此结构性地降低？
正如我们已经看到的，GPT-6 Luna今天发布了，每百万输入token收费10美分。我觉得Luna相当不错。我认为我们已经看到模型层有足够的竞争，推理成本实际上将会大幅下降。我不确定1995年左右互联网泡沫时期人们自建数据中心时的世界是什么样子的，但如果让我猜测的话……
早期的软件提供商如Salesforce当年可能会去对客户说：“看，服务这些东西成本其实很高，因为我们要承担所有数据中心和资本支出的费用，运行软件实际上并不便宜。”我还要说一个常见的说法：“哦，是的，运营基础设施是免费的，但token真的很贵。”对我们来说，基础设施也很昂贵，而token实际上并不那么贵。
因为我们不一定需要最前沿的智能来完成许多抵押贷款任务。所以很难说利润率会怎样。我认为利润率将更多地取决于软件行业中决定利润率的常见因素：即你管理成本的能力如何？你能把业务运营得多精简？你的……
这对你的客户来说意味着什么？我认为我们会走向那个方向。比如，你们是在对 token 收取20%的加价吗？或者你们的客户在考虑从你那里购买多少 token？我认为五年后这根本说不通。没人会问：“你的 AWS 账单是多少？”然后说“我只希望你从 AWS 账单中赚取20%的利润”，你知道吗？但事实上，这就是今天所有编码提供商通过出售 token 来推销的方式。
那么你认为这在将来是可持续的吗？我认为可能不是。随着时间的推移，问题将仅仅是：“你为这些公司提供了什么价值？”“他们自己构建的替代成本是多少？”你必须给他们带来良好的正投资回报率，并且必须比让他们自己构建更便宜。我认为你的利润率可能是由这两件事决定的，而不是 token 本身的具体内容。
听着你谈话，你在大学里学过人工智能和计算机科学。所以在这一波 AI 浪潮开始时，你对 AI 并不陌生，但随着你开始将这些产品叠加到你自己的公司中，你在很大程度上确实变得更加“AI 原生”了。这是怎么发生的？你是如何重新将自己定位为首席执行官，以表明我们是一家 AI 原生企业的？
我认为有几件事。我真的很喜欢跟做产品的人开的一个玩笑，那就是每个人都在问：“我怎么才能成为一个好的产品经理？”硅谷长期以来有一个梗：多用产品。我认为这确实非常真实，但没人遵循这个建议。不过在这个新世界，很大程度上就是多用 AI 产品。你必须尝试所有新出来的东西，必须尝试那些看起来很蠢的形式因子（form factors），必须去摆弄这些东西。
有些产品很糟糕，你必须连接你的个人邮箱和备用邮箱来接入这些你完全不知道是否安全的东西。但很大程度上，这真的只是去摆弄产品，这样你就能让其他人的思考为你所用，了解这项技术将如何演变以及模型能做什么。你从中汲取了每个人最佳思考的精华，从而学到更多东西。
所以在早期阶段，作为一名产品经理，我的方法是尝试所有这些产品。我们非常幸运能很早接触到 Devin 的识别功能，我认为这在很多方面是第一个真正解锁了我们思考方式的智能体产品。所以我们花了很多时间使用 Devin，顺便说一句，它当时很糟糕。当他们发布宣传视频时，大家都觉得那不过如此。
实际上我们在那个夏天获得了相当早期的访问权限。他们当时正在用 GPT-4 构建一个编码智能体。那是2024年的夏天吗？是的，2024年夏天。他们当时正在用 GPT-4 构建一个编码智能体，顺便说一句，没有人做智能体的原因是因为 GPT-4 不够聪明去构建一个真正的智能体。
但你可以看到，可以看到未来的微光。当你使用它时，我总是说那是我第一次看着它想：“天哪，这是 AGI（通用人工智能）。”我记得这，因为记得当时互联网上所有人都说 Devin 不起作用，说是假的。而你说：“不，这真的有效而且我们经常使用它，但很难弄清楚如何让它正常工作。”
是的，让它在工作中运行是超级困难的地方。但我们和 Russell 一起上过学，所以我和他很亲近，他让我获得了早期访问权限，然后我们花了很多时间讨论如何让它工作。我觉得 Sonnet 3.6 是那个真正解锁的时刻，那时你可以让它在有意义的工作上运行。
但即使是 GPT-4，你也可以让它做一些小黑客操作。在那时它更像是一个玩具。但我会说这是一个很好的例子，说明使用所有这些产品并尽早理解和使用它们的重要性。这让你对如何与这些智能体协作有更好的直觉。
我在 Vesta 的许多人都被我教导过：“不，你应该这样思考这个智能体：如果你告诉一个人做这件事，他也不知道该怎么做。那你为什么要让一个智能体去做呢？”你建立的那些关于人们如何被各种模型的怪癖所热衷的直觉，我认为你也获得了一些，但我认为真正理解不同的形式因子以及如何表达这种智能是超级重要的。
这帮助了我很多，当然我与那家公司的关系也在继续发展并提供了很大帮助。你和那家公司是什么关系？我在产品方面为他们提供建议。当我在旧金山时，我会在周日去办公室和那些人待在一起，尝试所有最新的东西，并就任何事情给他们提供建议。我不知道我的建议是否有用？我们拭目以待吧。
但这让你也能获得很多关于这些人如何思考的接触机会。看到他们实际上是如何构建软件的，看到他们会周日工作……（笑声）我们并不主动把星期日定为工作日。但是看着他们实际上是如何开发软件以及如何利用自己的产品，我认为这显然是超级有启发性的。
他们对新模型能力的思考方式，以及他们通常对“现在感觉计算机用户的能力已经足够好，可以以经济的方式测试”有很好的把握。我认为能够感觉到将新模型真正擅长的部分外包出去，对我来说是一个超级大的优势。
我没有时间花10个小时去摆弄每一个新发布的模型，比如今天发布了三个，为了这个目的。所以我认为花很多时间和他们在一起真的很有帮助……
理解如何构建一家AI原生公司，以及打造优秀Agent产品的方法。事实上，他们在这方面进行了大量创新，我很幸运地从中学习到了很多知识。
让我们把话题转向更具实操性的层面。我认为你们的核心业务仍然是“记录系统”，即摩根等抵押贷款机构发起贷款所依赖的基础平台，这一点相对容易理解。此前我们讨论AI Agent的部分略显理论化，那么结合你在Devin和Cognition担任顾问时的经验，你实际上是如何将这些教训转化为具体行动并融入自家产品的呢？
我认为Vesta很早就意识到，应利用自动化来编排这些Agent。许多Agent目前仍带有“副驾驶”性质，名义上是Agent，但往往仍需人工输入指令。我记得去年第三季度左右，Cognition的Stephen Haw开始频繁谈论“事件驱动”的概念：即当出现Bug报告等特定事件时，模型足够智能，Agent会自动执行相应操作。
我当时的想法是：如果Agent可以是事件驱动的，它也应该知道何时介入贷款流程。我们可以编写一些经典规则来触发Loan上的Agent工作流。具体来说，当Vesta的大部分客户签署披露文件时数据会流入贷款发起系统，标记出“Mike已发出继续推进该贷款的意图”。
此时系统将启动一系列经典自动化流程，如订购洪水保险、欺诈检测或评估服务。同时，我们也会启动多个Agent。这种理念不同于等待处理人员手动提示Agent，而是由抵押贷款机构通过类似“硬编码提示词”的任务来调用Agent。
例如：“请审查购房合同，确保所有条款与披露内容一致且日期正确，根据优先级标记贷款状态，并核实房屋距离雇主是否在50英里以内。”虽然这个提示词很糟糕，但只需将其输入。随后，Vesta中处于该阶段的每一笔贷款都会自动启动一个Agent来执行完全相同的工作。
这对我们而言是一个巨大的突破，因为我们的客户通常不希望用户直接提示Agent作为主要用例。他们希望拥有更多控制权，对运营人员的信任度有限，且许多公司设有大量离岸团队。因此这种编排式Agent场景深受启发——既然别人都在谈论数据驱动或事件驱动，为何无人这样做？
我认为此前人们未广泛采用此方法的主要原因在于模型能力。在许多情况下，当时的模型尚不可靠到足以交付完全放手的结果。但这既是战术层面的学习成果，也是Vesta目前大多数Agent呈现形态的基础。
让我们看看2024年的情况：抵押贷款的自动化率如何？关闭贷款的时间缩短了多少？展望2025至2026年，你认为Vesta引领下的抵押贷款发起长期趋势将走向何方？
2024年我认为我们在实际自动化方面进展有限。那一年我们刚开始让首批客户上线，构建核心记录系统就像一场漫长的旅程——即使只完成一笔贷款也需要两年时间。
这是因为数据模型极其复杂，监管要求也极为繁琐。人们往往低估了抵押贷款的复杂性：由于政治敏感性及其导致的监管环境和投资者环境，抵押贷款本质上比许多其他业务都要复杂得多。
事实上，我们知道有其他公司试图构建新的抵押贷款记录系统或贷款发起平台，他们投入了五年时间却未能发放一笔贷款。我听说其中一家几个月前才刚刚完成首笔放款，耗时六年。相比之下我们用了两年时间——这既漫长又惊人地短，而且当时还没有AI辅助，代码全是手工编写的。
是的，所有代码都是我们自己敲的（笑声）。确实花了很长时间。所以2024年情况大概比较平稳，行业平均关闭周期为45天，我们也差不多。到了2025年，我们开始看到有意义的自动化提升：平均而言，我们的客户基础中约有15%到20%的流程实现了自动化。
但这并不总是直接转化为时间节省，因为评估延迟等因素使得日历时间与人工制造时间存在差异。今年年初PennyMac在财报电话会议上表示，他们削减了25%的运营成本，而这还发生在我们部署AI Agent之前。
PennyMac是前五大的贷款机构之一吗？是的，根据季度不同，他们通常是美国最大或第二大的贷款机构。
这自然对我们非常有利，因为他们宣布实现了25%的后台效率提升。我认为我们正稳步前行，但要在生产中实现大规模采用，真正的难点在于让人们信任AI。
代理程序。所以，你可以部署一堆AI代理，然后肯定会有贷款机构仍然让人检查每一个代理的运行结果。他们会说：“这更快了，因为我不需要点击任何东西，我只需阅读这一长串的思维链。”虽然可能确实快了一点，但你为什么要读思维链呢？因此，我认为技术的扩散需要更长的时间。从自动化的角度来看，我觉得我们大概完成了75%到75%的进度。但最后的部分通常是最难的。比如，对我们来说有一个非常具体且困难的事情：我们必须弄清楚如何让退伍军人事务部（VA）允许我们让贷款机构使用系统账户访问他们的在线门户，以获取退伍军人贷款的资格证明。
这就像你知道的，VA是政府的一部分。>> 需要问你那到底是什么意思，但 >> 基本上就像你知道的，这是退伍军人的贷款。你得去退伍军人事务部的网站获取证书，以确认他们有资格。而那个网站没有通过系统账户登录的方式。你必须使用用户账户，而且该用户必须有社会安全号码（Social Security Number），并且不允许抓取网站。因此，在VA说“我们会想办法让你这样做”之前，你无法自动化这一过程。所以你知道的，最后5%肯定是最难的，但我认为从产品角度来看75%可能是我们目前的最佳状态。
明白了。你稍微提到了为什么房贷甚至比许多传统金融服务更复杂，我们之前聊过这基本上是因为它是一个政府项目。你能谈谈那个监管环境吗？比如，那如何影响你？嗯，你们甚至被允许全自动处理房贷吗？这是合法的吗？多谈谈这个。 >> 是的，也许我先提供一些关于监管方面的背景信息。但对于外面的人来说，我喜欢说在某种程度上，我认为富兰克林·罗斯福（FDR）并不是在做战略押注，但在某些方面，美国做了一个其他国家真正没有做出的整体赌注。那就是：“我们将拥有30年固定利率抵押贷款。”
嗯，我认为丹麦可能有，但除此之外，世界上没有其他任何国家拥有30年固定利率抵押贷款。为什么这很重要呢？事实证明，在许多其他国家，比如加拿大是5年期贷款。它是25年的摊销期，但在第五年时，你必须再融资，或者整个余额到期，或者你得搬出房子。你可以想象这实际上在很多方面改变了风险状况。就像我知道在2023年大家都慌了神。“哦，利率涨了很多。”是的，但如果你在加拿大，而2023年恰好是你抵押贷款的第五年，你就得想办法支付两倍大小的款项之类的。
所以美国在FDR时期以及二战后的过程中做出了决定，我们将拥有30年固定抵押贷款。这很棒，我认为这对美国中产阶级真的很有利。它有利于美国的繁荣、稳定以及所有这些真正重要的事情。但它也有缺点。缺点在于，你究竟如何为一个30年的固定利率支付进行承保呢？这意味着你要承担大量的期限风险，对吧？比如像SVB这样持有抵押贷款的银行为什么会成为大问题？就是因为你有这种疯狂的期限风险。你承担了30年的信用风险。
就像我不知道我生活中的任何人，我会说：“哦，是的，我相信他们在20年后还能赚钱。” >> 你可能已经退休了。 >> [笑声] >> 嗯，实际上我希望你退休了。但我觉得你会承担这种有意义的期限风险和利率风险。你承担了信用风险，还承担了一些宏观风险，对吧？这与信用风险高度相关，但对于持有该证券的人来说，抵押贷款对宏观经济非常敏感。当经济衰退时，房贷违约率会大幅上升。因此，这种组合使得从根本上很难进行承保评估。
就像我不知道任何资本市场投资者应该如何对“哦，是的，有这个30年固定支付的东西”感到安心。就像我可以在未来预测……好吧。”那么你们看什么呢？是美国政府在担保它们。美国政府将支持这个极其复杂的东西。围绕抵押贷款和住房拥有权有很多政治因素。你知道，即使在中期选举之前，我去听这些房贷播客时人们会说：“你认为特朗普会做什么以提高中期选举前的负担能力？”这实际上是现在房贷圈子里非常常见的话题。
所以你最终得到的是一个高度政治化的结果。你可以想象它是非常官僚主义的。即使暂时忽略法规，当你将抵押贷款卖给房利美（Fannie Mae）或房地美（Freddie Mac）时，他们有你必须满足的规则。你知道的，比如承保标准、债务收入比之类的东西。这些是政府赞助的企业（GSE）。字面意思就是这样。你怎么认为它们制定规则？它们是写一份1,100页的PDF文件来规定规则的。然后它们会添加很多规则，而删除规则非常罕见。
因此有成千上万的承保规则你必须将其放入这个框中。除此之外，你还有监管机构。当然你有消费者金融保护局（CFPB），如果你是银行则有货币监理署（OCC）。所以所有这些监管机构都在看着你在做什么。这也是一个高度政治化的话题，因为这个国家历史上存在红线政策和种族住房拥有权等问题。所以这非常具有政治敏感性。然后你有50个州，每个州都有监管机构。如果你只是独立运营，那就是你如何在州一级获得许可的方式。
抵押贷款银行的情况错综复杂，每个人都在不断添加规则。几乎没有人会删除现有规则。你可以想象到，大量这些规则都追溯到2010年至2015年之间，即在大金融危机之后。当时抵押贷款几乎拖垮了经济。因此，该领域的参与者非常保守。这导致了一场疯狂的规则博弈游戏。没错，你每个月都会从至少10个不同的机构收到新规则。因此，抵押贷款发放者始终处于管理风险和合规性的博弈中。
从自动化抵押贷款的角度来看，由于这种承保决策基于大量政府规则，其实有一个好处：他们拥有称为“自动化承销系统”（AUS）的政府系统，你必须与之集成。然而，对于初创公司来说，集成这些系统也非常困难。但你必须这样做。AUS真正决定了贷款是否可接受。因此，作为抵押贷款发放者，你实际上是在调整贷款申请，确保所有文件无误、没有欺诈行为且数据相互印证。
你还要确保借款人获得正确的披露信息和资料，然后将贷款申请放入框架中，以便运行自动化承销系统。对于该国的许多抵押贷款而言，AUS实际上才是做出信贷决策的一方。因此，在公平借贷方面，只要AI只是移动数据、从文档中提取信息并进行结构化处理，而由AUS做出决策，我认为这消除了许多合规风险。
当然，人们仍然有很多担忧，例如持牌销售人员是否可以被AI语音代理取代？由于监管指导尚不明确，我们在这个领域仍处于早期阶段。我相信不同的贷款机构在后台操作方面的风险承受能力也不同。但我们发现，由于大部分工作由AUS驱动，因此在后台遇到的阻力要小得多。“明白了。好的。”
“正如你所描述的，现在看起来能发放一笔贷款简直是个奇迹。公司成立于2020年，你是什么时候发放第一笔贷款的？能否谈谈如何让客户基础中的‘多米诺骨牌’倒下？虽然这是一个更小、受限的客户群，但他们是支撑经济的庞大企业。你实际上是如何让这些多米诺骨牌倒下的？”
“是的，我们在2022年12月21日发放了第一笔贷款。我不建议在圣诞节期间推出这种涉及高度合规敏感性的复杂全新软件，这不是个好主意，但我们确实这么做了。起初我们只专注于待办事项和权利金（D&I），试图弄清楚该做什么，建立数据库、对数据进行建模等。我们在早期就筹集了一大笔资金。”
“公司成立于2020年11月，所以差不多正好是两年……” “没错，几乎整整两年。” “好的。”
“是的。当然，我们必须组建团队并聘请工程师。我认为在起步阶段有几件事非常困难。首先是你必须确立正确的数据模型。正如我之前提到的，许多垂直软件应用都需要重写数据架构，这也是你进行全套记录系统替换的唯一理由。是的，我们知道他们的数据模型一团糟。但我认为什么是正确的数据模型仍然是一个非常难以解决的问题。”
“拥有我们那样的行业经验非常有帮助，能够集成到许多现有系统中以真正理解规则和法规。顺便说一下，我们仍然犯了一些错误。虽然我们在每个问题上后来都进行了修复，但每个问题花了大约三个月的时间来解决。因为一旦系统投入生产，实质性改变记录系统的架构是非常困难的。”
“因此，确立正确的数据模型非常复杂且是一个大问题。另一个问题是实际发放贷款并集成到众多系统中。最臭名昭著和困难的是那些……嗯，有两个主要难点。从业务发展和合作伙伴关系的角度来看，是这些自动化承销系统。”
“我在Blend工作期间与房利美（Fannie Mae）和房地美（Freddie Mac）的高管们有过深入接触，所以我认识那里的许多高级执行官。我以为这会很困难，但我还是低估了它的难度。我认识房利美一个叫Steve Plasky的人。我给他打电话，他说：‘是的，我们想帮忙，但问题是我们要遵循一项政策，即你必须已经签约一家大型贷款机构，我们才能投入资源让你集成到‘Desktop Underwriter’系统中。’”
“我们说：‘嗯，我们还没有任何客户。如果你不能使用AUS（自动化承销系统），你打算如何获得客户？这看起来行不通。’” “所以，在那之后……我们筹集了一大笔资金，并与你们合作了。我们问：‘我们可以付费给你们以获取资源吗？’他说：‘嗯，我觉得这说得通。我会去查一下。但这对于美国财政部来说是一种新的收入来源。所以，我们必须做很多文书工作来确定如何开设一个项目，以便你们可以将资金汇给我们用于集成。’”
“我想花了整整两个月时间。当时有一位关键人物，他真的帮我们搞定了这件事。但他们必须弄清楚如何会计处理这种从我们流向房利美的收入流，然后这些政府支持企业（GSEs）的利润直接上缴财政部。这过程挺有趣的。”
“另一个很难的是，存在许多生成文档的现有系统。在美国3000多个县中，每个县的记录办公室都不同。你拥有土地地块，希望有某种县级记录（尽管有时是纸质的）。此外还有一张抵押票据，它是该财产上的留置权。因此你必须将该票据进行登记。”
每个县都有不同的格式要求，比如关于票据内容的规定、可接受的字体以及页边距等。幸运的是我们需要构建所有这些规则，但现有的成熟系统主要只是维护这些内容，偶尔根据各县更新的规定进行简单的读取和修改。与这些系统集成非常困难，因为它们的数据库模型包含数十万个字段。我曾花费无数个周末，拿着新罕布什尔州自定义字段的列表和Vesta的数据模型进行比对。
当时我们并没有使用LLM来辅助这项工作，而是需要手动输入代码。我们的第一位工程师Connor非常出色，他亲手编写了这些集成所需的代码。与所有合作伙伴建立联系并完成集成是一项巨大的工程挑战。即使让DocuTech这样的文档生成引擎支持我们也费了不少周折，因为他们经常接待声称要构建新LOS（贷款操作系统）的公司，投入大量时间展示数据模型后对方却往往不了了之。
我们必须说服他们我们会完成项目，并让所有合作伙伴达成共识以推进集成工作。最后还要获取首批客户，对此我至今仍心怀感激。我们的第一家客户堪称疯狂之举：如果我是房贷公司负责人，面对一个声称能接管所有发起业务、若系统故障则无法放贷且此前无人尝试过的初创公司，我绝不会冒险。但他们还是对我们下了一个巨大的赌注。
为了让他们顺利使用软件，我们度过了许多不眠之夜反复调试。这也解释了为什么我对仅靠“氛围编程”（vibe coding）就能构建出LOS持悲观态度。很多细节并未书面记录，你无法简单地告诉AI去网上查找如何构建LOS。这些行业充斥着“部落知识”（tribal knowledge），即通过口耳相传形成的惯例，人们心照不宣地知道该怎么做，但缺乏良好的文档记录。
尽管有些流程挖掘公司试图通过录像和屏幕录制来捕捉所有房贷发起人的操作，但这往往丢失了大量信息。即使我们坐在Zoom上观看人们实际操作，要搞清楚他们具体在做什么依然非常困难。但这并不意味着我们要放弃理解上下文的重要性。当“氛围编程”强大到足以解决这些问题时，关键问题在于：人们是会去提取这些上下文来构建系统，还是直接购买Vesta？我认为大多数人会选择后者。
有人问如果AGI（通用人工智能）已经实现或将在5到10年内到来，Vesta为何依然存在？我认为AGI其实早已存在。在许多垂直行业中，除了构建优秀的软件产品和AI代理外，我们的工作很大一部分在于教育贷款机构并帮助他们实施这些AI技术。我们需要帮助它们理解这对业务意味着什么，例如处理人员的新职责、如何与监管机构或投资者沟通等。
这几乎是一种咨询式的转型运动，对于帮助人们拥抱AI至关重要。我认为企业层面的普及将需要很长时间。我坚信AGI其实已经存在相当长一段时间了，这取决于你对AGI的定义。2018年或2020年人们会否认，但到了2024、2025年，当被问及是否拥有AGI时，人们会说“这取决于定义”。
这意味着我们确实拥有了AGI，只是没人愿意承认自己不如模型聪明。我认为目前的最佳模型确实比我们要智能得多。人们喜欢发明诸如“自我改进”或ASI（超级人工智能）等新术语，一方面是为了让人觉得还有工作可做，另一方面是让自己感觉仍有价值。但我认为AGI并不意味着人类不再有用，只是AI在企业中的扩散需要时间，而我们的职责是将这些成果交付给客户。
十年或二十年后，预测世界模样非常困难。对我来说，问题不在于Vesta是否还会存在，而在于我们是否有钱。是房贷行业依然存在，还是每个人都由机器人自动生成房屋？我不确定答案是什么。
有很多非常有趣的前瞻性问题，但我认为去推测这些并不恰当。世界会按照它自己的方式发展。>> 好的。所以，你知道的，我们已经在这条道路上走了很多年，既是在构建 Vesta，也可以说我们进入 AGI 旅程也有好几年了。我想现在很多人都在想：“我到底该不该找工作？是不是不应该找普通工作，而是去那些实验室（AI 公司）上班？它们会是最后存在的公司吗？也许除了这些实验室，唯一还活着的只有编程类公司了。”
正如我在开头开的玩笑那样，是什么让你有动力继续深耕房贷领域？如果二十岁的你说：“我打算把一生都花在房贷上。”你可能会真的这么说。但这肯定不是像你这样的人通常会走的路。所以，是什么在激励着你？你为什么对此如此兴奋？>> 任何认识我们在斯坦福大学经历的人，如果知道会发生这种事肯定会震惊。确实如此。我有几个想法。
我认为房贷行业在这个国家非常重要。人们可以谈论拥有住房的情感层面，这一点我认为是真的。就像你说的，我的 Jane Street（对冲基金）思维不太会考虑那部分情感因素。虽然这对我们的客户、对人们来说很有价值，但我更倾向于认为：从结构上看，美国相对于其他国家的许多成功是由中产阶级驱动的。我想大多数政治家都会这么说。
我认为我们现在正处于一个财富不平等成为大问题、普遍存在动荡不安、人们担心中产阶级地位下降的时代。我认为在过去五十年里，支撑这个国家中产阶级的主要因素之一就是我们拥有三十年期的抵押贷款。顺便说一句，其缺点是这个国家的房贷行业非常混乱和复杂。所以我认为消除其中的摩擦，让它顺利运作，并切实降低作为我们持续提供的成功产品的门槛和成本，这是一件非常有价值的事情。
我认为这非常重要：如果我们不做这件事，我想没人会去做。是的，也许我还没有聪明到足以在 Anthropic 找到工作。你可以去 Anthropic 上班，但问题是那里已经有数百位非常聪明的人才了。我想如果我去了 Anthropic，并不会成为他们成功与否的关键差异点。这种想法可能相当傲慢。但我认为 Vesta 将是向所有房贷贷款机构提供 AI 的公司，它将让这个流程最终顺畅运行。
我想 Vesta 团队里有很多非常优秀的人才，他们本可以去那些大厂工作。我认为这确实能引起一部分人的共鸣：你想在世界上留下自己的印记，想做一件如果你不做竞争对手也会做、或者团队没有你也能完成的事之外的事情。我认为这对我来说以及很多团队成员来说，仍然是一个非常重要的动力源。>> 现在的团队规模有多大？>> 现在接近一百人了。我想大概是九十五人左右。
他们分布在哪里？>> 我们是远程办公的。因为我们的客户对此比较敏感，所以全员都在美国。但我们是一个分布式的团队。>> 我猜你们成立于 2020 年，一方面是因为新冠疫情所以远程办公。但为什么一直维持这种远程文化？>> 我认为有两点原因。第一，我们的员工保留率其实非常高。很多人已经跟随我们四五年了。基本上 2021 年加入的人中，可能只有三个人左右不再在这里工作了。
这是一个很大的因素：我们在完全远程的时候组建了这个团队，并且留住了他们，让他们与我们共事很长时间。与他们长期共事意味着 A 我们非常想留住他们；B 这意味着他们已经建立了大量的信任和合作背景，当人们长期一起工作时，远程办公会更容易。这是一个重要因素。其次我想说的是，假设你留住了这些人，那么人们可能会问：“那你们为什么不搬回办公室呢？”
我是一个非常注重专注力的人。我认为在这一点上保持专注非常重要：你需要一个专门负责文化、人员协作等事务的团队，让他们整天思考如何让远程办公变得高效。而不是让他们的注意力分散在管理办公室和如何包容远程员工之间。>> 明白了。所以你们现在有大约一百人，刚完成了 B 轮融资（稍后我们会详谈）。这笔资金打算用于什么？你们试图招聘什么样的人？
是的，对我们来说大部分确实是扩展业务。我们让软件和产品运作起来之后……你花了很多年时间打磨产品，引入首批客户，甚至拿下了美国三大贷款机构之一的业务。他们在财报电话会议上极力称赞我们。事实证明，一旦跨越了这个艰难的鸿沟，就会带来巨大的需求。而伴随着巨大需求的是一大量工作要做。
所以我们正在积极扩张，特别是在实施部门和工程部门。我认为要让产品具备可扩展性，总有无数的东西需要构建。每家房贷贷款机构都使用大约 50 款软件，而我们是他们最喜爱的产品，优势巨大。所以他们总是要求我们开发新功能。说到专注力这一点：我们并不是到处去构建所有合作伙伴的功能……
我们真的尽量避免那样做，但我认为有无尽的东西可以构建。同时还有大量的客户需要实施，你知道的。我想我们的年收入同比增长了大约12倍，承包商数量增长了3倍左右，管道（潜在客户）可能也增长了5倍。一切都在迅速爆发式增长，因此你必须筹集资金来引进合适的人才来完成这些工作。
我认为我们现在处于这样一个阶段：我非常热衷于寻找那些将在这里大幅成长的早期职业人士。我觉得现在加入是一个非常好的时机，就像我当初加入Blend时一样：产品已经运作起来并得到了验证。现在需要进行大量的规模化扩展，这意味着会有许多学习机会和成长空间。
我认为那些非常有野心且聪明的人在这种环境中如鱼得水。从风险角度来看，这是一个相对低风险的选择。当我加入Blend时，我相当确信它会走向成功——虽然它不是富国银行那样的巨头，但时机仍然足够早，让你能够拥有大量的主导权并获得巨大成长。
这种人才画像其实是我们几年前没有过多关注的，因为当时作为一家公司我们非常单一地聚焦于核心目标。我们必须让那个Fannie Mae的项目成功，必须让那项AI技术落地，按这个顺序来。所以我深度参与了这两件事。
但现在我们同时推进的事情非常多，我认为主导权的机会更多了，而且你也确实需要很多人来共同完成这些工作。>> 所以你愿意现在雇佣大学生实习生Mike吗？ >> 嗯，我绝对愿意雇用刚毕业的大学生Mike。
[笑声] >> 实习生Mike，你知道的，如果实习生Mike像当年我一样出色地进入Blend工作，他们很可能也会被录用，是的。 >> [笑声] >> 好吧。嗯，也许还有一件我们没聊到的事：我认为产品的角色发生了很大变化。
我想当你还是PM实习生时，我其实并不完全清楚如何定义产品经理（PM）。但我肯定自从2020年或2019年左右你从事那项工作以来，这个角色已经发生了改变。那么你认为如今一个优秀的产品人员角色究竟是什么？
也许作为关联问题，因为你仍然是Vesta的主要产品经理，你的工作因此发生了怎样的变化？ >> 我想先暂停一下。难道你最好的三个朋友都是产品人员吗？ >> [喷笑] >> 呃，是真的吗？好吧，>> 我想是的。嗯，我很确定。
但我认为在我心目中，产品的本质几乎一直都是关于“做对的事情”。这听起来可能有点糟糕。但我一直说产品就是关于正确性。你确实需要弄清楚各种权衡、优先级排序以及构建什么，但最终你必须是对的。
在精确指定具体细节时，你必须是正确且精准的；你对问题的思考方式必须正确；你想出的解决方案也必须正确。至于它在优先级中的位置，你也最好是对的。
现在在那之上还叠加了许多其他东西，比如说服别人你是对的、利益相关者管理等等。不幸的是，当你作为CEO时，在做这些事情方面你拥有相当大的优势。但我认为，关于优先级是什么以及客户真正想要什么保持正确，然后非常精确地传达这些背景信息比以往任何时候都更重要。
我想你可能不需要那么多产品人员了，因为产品人员花很多时间在做利益相关者管理和文书工作之类的事情。我认为AI可以承担大量这类工作，但理解问题、设计解决方案、与其他所有待办事项进行优先级排序的核心技艺——以及通过非常精确的解释让其他人也能做到这一点，我认为这可能是最后消失的领域之一。
因为无论如何你得告诉模型该做什么，对吧？ >> 明白了。好的，酷。嗯，非常感谢你加入我们Mike。很高兴你能来，听到你从2020年至今的旅程真的很棒。 >> 嗯，谢谢邀请我。