从报税独角兽梦碎到主动转型

故事始于本·霍洛维茨向亚历克斯·兰普尔推荐一款名为 Town 的工具，称其改变了人生。然而让-丹尼斯·格雷兹（JD）的前身份是 Plaid 前任 CTO，且他此前一直经营着一门不错的中小企业报税生意。2024年，JD首次创业便选择了中小企业自动报税领域，将企业财报和合同喂入大模型生成申报表。这一方向看似前景广阔，因为报税文本富含结构化输入，恰好是大语言模型的擅长领域。产品耗时一年建成，第一年收入略低于 100万美元，按推算第二年可达250万至300万美元。在AI爆发前，这是一条漂亮的上升曲线。

“兰普尔听了之后愣住了……这个人一直在做中小企业报税啊，那还是一门挺不错的生意呢。”

然而AI的到来改变了天花板。在位者利用同一批模型，能比创业公司更快地自动化现有客户申报流程并抢占份额。JD意识到这门生意注定够不到风险投资的规模。报税业务存在天然硬伤：一年只卖一次，非日活工具；用户无炫耀心理，且申报结束后容易遗忘。这些断点导致超大规模扩张极其困难。面对“墙上滴答作响的钟”，JD与联合创始人意识到必须在窗口期关闭旧业务，尽管这感觉像是一次失败。

关停业务的艰难决策与心理重建

决定关闭报税业务是JD创业生涯中最艰难的时刻之一。这不仅是商业判断，更是对创始人信念和团队责任的考验。JD坦言那一刻感觉是“搞砸了”，反复自问为何要做这件事，答案是想给世界带来影响。当信念崩塌时，继续带领团队变得困难。员工有机会成本，若创始人不再相信结果，面对同事会非常痛苦。最难的是开口宣布失败，但真正说出口后发现，员工可以帮忙找下一份工作，遣散费也能给得体面。这一决定并非情绪化反应，而是基于对生命、创业和资本主义意义的深思。

“那一刻感觉就是失败……既然不再相信能产生那么大的影响，这个信念就塌了。”

时间压力是促使决策的关键因素。税务是按年征收的，窗口期极短（约一个月）。不能在4月16日已承诺服务后掉头，也不能在签了一半合作伙伴后再转型。如果在窗口消失时不决断，公司将在原地停滞一年。JD和团队生活在两个宇宙中：一个继续做税，另一个回不去。窗口一过门就关上，他们没有余量去“试一个月再试三周”。最终他们决定换个更值得做的市场，这一勇敢的决定让兰普尔印象深刻。大多数人在这种看似不成立的局面下未必能做出如此决断。

洞察痛点：从报税抱怨到AI助理构想

关闭报税后，团队探讨了四个想法，最终选中了“为什么没有人做一款真正跑在电子邮件和日历上的好产品”。这一念头源于税务产品的用户反馈：客户虽认可自动化报税，但仍需花费大量时间安排会议、准备会前材料、跟进会后事项。客户常问：“要是你能把答案预先拟好就好了。”这些需求（会议、邮件回复）并不复杂，只是此前无人将强大AI应用于此类常见流程。

团队在 Opus 4.5 发布前后开始探索，当时智能体已能独立完成编码工作。他们未计算潜在市场规模（TAM），而是基于大量用户反馈全力冲刺。大多数企业邮件和日历爆满，尤其是销售、商务拓展等对外角色。公司间协作主要靠邮件，因此判断潜在市场规模巨大且全球通用。产品驱动增长成为核心策略。JD坚持认为，如果客户（开支票者）不是用户（使用者），产品最终会糟糕。因此重心放在打造世界一流的消费者级体验，而非从企业合规倒推。

“你随时能拿出一款世界一流的消费者产品体验，再去想它对企业意味着什么。”

他们赌的是CEO的个人助理参照物。CEO希望公司也有像私人助理一样的体验。因此，问题转化为如何从单一交易走向大规模部署，并满足企业对数据、隐私和安全的要求。兰普尔引用2007年iPhone发布时史蒂夫·鲍尔默的质疑，指出个人体验会倒逼企业落地。当CEO收到iPhone礼物并拍照时，他们会要求IT部门让这东西在公司跑起来。AI智能体同理，人们先在个人生活中感受魔力，再要求在工作场合落地。

企业落地的复杂性与市场切入策略

智能体在企业内部落地比iPhone更复杂，因为有效前提是访问数据和业务API。JD的策略是先谈“旅程”，让一部分人关联邮箱日历，感受价值。在企业层面，还需处理审计日志、机密信息隔离及CFO的成本控制。因此他们先瞄准中小企业和中型市场公司（Mid-market），这些客户对合规要求较低，普及更快。通过自助式增长切入中低端市场，再凭借安全合规拿下大企业。

兰普尔提到行政助理市场规模看似小（因多数人没有），但实际规模巨大。这里存在杰文斯悖论：蒸汽机效率提高后，煤炭需求反而涨了一千倍。同理，AI提高效率后，对智能体的需求会激增。JD将Town定义为“Token分配机”，让用户决定如何花费Token。随着成本下降（如会议笔记准备仅需几美分），原本昂贵的长尾需求变得有价值。例如，餐厅老板每月花1美元分析批发商价格变动，虽多数月无发现，但一旦发现问题可节省数百甚至上千美元。

“随着token价格下降，可以用Token的地方会越来越多。”

关于横向还是纵向发展，JD明确选择从横向开始。他们不愿Town被孤立为“帮你省生菜钱的公司”，而是希望从成千上万用户中学习，让市场决定垂直方向。AI产品的功能将趋于同质化，价值单位从“应用程序”变为“电脑”，应用层被抽象。因此，成功关键在于为每个用户定制。JD不看具体用户数据，而是看汇总指标，找出活跃用户共性（如餐厅老板的五件共同事），制作原型自动化流程。系统判断用户身份后推送方案，逐步交付80/20的定制软件。这比昂贵的FDE（现场部署工程师）模式更具扩展性。

中立立场：数据主权与智能体流量重构

Town区别于OpenAI和Anthropic的核心在于其中立应用程序定位。JD引用思科与亚马逊的关系类比：基础设施公司不应做应用。目前基础设施正变成应用程序，供应商可能成为竞争对手。Town的立场包括： 1. 模型中立：客户不关心未来哪家供应商最好，Town应使用当前最适合的模型。 2. 数据所有权：企业拥有自己的“上下文”（AI了解业务的一切），切换方案应只需一天，而非被FDE绑定。 3. 拒绝训练：Town不利用客户数据训练模型，避免将企业成功关键卖给实验室。 4. 隐私优先：通过AI调解内部信息权限，如询问“谁认识财务团队”，助手能基于隐私规则快速响应，而非等待人工回复。

“你需要的，是一个中立的、属于你自己的智能体……你的钱包就是它唯一的资金来源。”

兰普尔指出，广义的智能体流量已超过人类流量。传统搜索广告契约（免费提供信息换取注意力）被打破。若智能体不中立，如Meta利用其广告主数据推荐机票，信息将被扭曲。因此需要中立的私人智能体。这种变化将重塑商业格局：亚马逊的广告业务可能受损，而沃尔玛等无广告业务的平台受益。像Camel Camel（追踪亚马逊价格）这样的工具，若接入智能体，将极大节省“有钱没时间”人群的时间。供应聚合的价值因注意力自动化而降低。拥有私人智能体成为平台应对的关键。

分布不均与最终结论

AI普及的障碍在于“修补匠”稀缺。JD举度假租赁公司为例，有人利用Town比对沙滩车照片决定退押金，这不在官方愿望清单上，而是由内部爱捣鼓的人解锁。世界上缺少足够多愿意为生意折腾时间的小企业主。产品体验不能只是文本框，必须展示价值并代为执行。在硅谷，人们习惯与工程师协作，动手能力强；而世界其他地方缺乏此条件。让不爱捣鼓的人也能获得同等价值，是做出规模极大公司的关键。

人们对AI的认知存在滞后。早期采用者因遇到幻觉而僵化在旧版本认知中，未意识到模型进步（如Computer Use成功率从30%升至90%）。JD认为最终胜利在于持续发展并适配当下最佳AI。智能体流量正在改写分配方式，未来的竞争焦点是谁拥有中立的私人代理。当智能体与平台利益不一致时，用户将选择付费的中立助手而非免费的扭曲信息。Town的路径清晰：关停旧业务，转向AI助理，坚持中立、数据主权和横向扩展。

“最终的胜利在于持续发展，让业务不断适配当下最好的AI。”

结论

本视频通过前Plaid CTO JD的创业历程，揭示了AI时代商业模式的深刻变迁。核心观点包括：传统好生意在AI压缩优势窗口后可能无法成为独角兽，需果断转型；企业级AI落地应遵循“消费者体验驱动”而非合规倒推，并优先切入对合规要求较低的中小企业市场；智能体时代的核心壁垒在于中立性、数据主权及个性化定制能力。随着模型成本下降，长尾需求被激活，但普及瓶颈在于缺乏“修补匠”式用户及中立的信息分发机制。最终，拥有不受营销扭曲的私人智能体将成为企业与个人的关键资产。