大家好，这里是最佳拍档，我是大飞。今天给大家分享的这期对话，故事背景起源于本·霍洛维茨（Ben Horowitz）给亚历克斯·兰普尔（Alex Rampell）发的一条消息，说他发现一个叫 Town 的工具改变了自己的人生。兰普尔听了之后愣住了，因为他发现 Town 是让-丹尼斯·格雷兹（Jean-Denis Grèze）做的产品，可是他清楚的记得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，怎么却被创始人亲手关掉了呢？而且兰普尔还主导过对 Plaid 的投资，格雷兹正是 Plaid 的前任 CTO。这件事他竟然完全不知情。
格雷兹更常用的名字是 JD。2024 年他第一次创业，选了中小企业报税，把企业的财报和合同喂进模型，出来一张能直接提交的申报表。这个方向有不错的前景：报税全是文本，还带着大量结构化输入，比如财务报表和租赁文件。大语言模型恰好擅长处理文本。他前后花了一年才把产品建起来，第一年他们的收入略低于 100 万美元。按照推算，第二年应该能做到 250 万到 300 万美元。放在 AI 之前，这是一条挺漂亮的上升曲线。
可是 AI 来了之后，天花板变了。在位者能用同一批模型把手里现有客户的申报自动化，抢份额比创业公司还快得多。于是他意识到这门生意注定够不到风险投资的规模。对创始人来说，这是一件很要命的事：新入局者有优势，跑得更快，能做不一样的产品。但是墙上有一只滴答作响的钟，关键在于你能不能在现有企业复制出你的做法之前，快速建立起口碑网络。
而报税偏偏有几个绕不开的硬伤：首先，税一年只能卖一次，它不会是每天都要打开的日活跃工具。你几乎看不到有人炫耀说自己报税报得多好，等申报结束那也不是人们张罗着换报税机构的季节。到了第二年，这事大概率已经被忘了。这些断点让超大规模扩张变得非常困难。于是第一个报税季结束，JD 和联合创始人花了一周散步、喝咖啡，认真想了想生命、创业和资本主义的意义。
最后想清楚一件事：税务团队在这家公司没有未来，他们决定换个更值得做的市场。兰普尔说，这是个相当勇敢的决定，大多数人未必做得出来，尤其是它当时看上去根本不成立。JD 的回应很坦率：那一刻感觉就是失败，感觉自己真的搞砸了。他反复问自己：“我为什么要做这件事呢？”答案是想给世界带来一点影响，想造点有用的东西帮到别人。
既然不再相信能产生那么大的影响，这个信念就塌了。还有团队：每个人都有自己的机会成本，本可以去很多优秀的公司。如果创始人自己都不再相信结果，每天走进办公室、看着别人的眼睛说话就变得很难。最难的是开口告诉别人：“我们失败了。”可真正说出口之后你会发现，谁会在乎别人怎么看你呢？员工可以帮忙找下一份工作，遣散费也能给得体面。
事情理顺之后，他意识到这并非当初情绪化反应里以为的艰难决定，它是对的。还有一个关键因素，就是时间压力：税是按年征收的，那个时间点做的决定是他们唯一能做决定的机会。你不能等到 4 月 16 日，在已经告诉很多人你会帮他们报税之后再掉头；也不能等到 1 月，在签了一半合作伙伴之后再转型。所以窗口大约就是一个月得时间。
就在 10 月 15 日前后，那段时间他们同时生活在两个宇宙里：一个继续做税，一个回不去。窗口一过，门就关上了。他很清楚如果行业不受周期波动影响，人总会告诉自己“先试一个月”、“再试三周”，可他们没有这个余量。窗口消失的时候，必须马上决断，否则一年后还在原地。公司名字最后没改，还叫 Town。
那么，从税走到今天的 Town 中间经历了什么呢？他们认真探讨过大概四个想法，最后选中了一个问题：“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呢？”这个念头不是凭空来的。做税务产品的时候，很多客户会说：“你们居然把税自动化了，太棒了！可我还得花大量时间安排会议。”
开会的时候我常常会忘了会前聊过什么，客户永远在问同样的税务问题：“要是你能把答案预先拟好就好了。”这些需求做起来并不复杂，只是当时还没人把强大的 AI 用在这些再常见不过的流程上：比如会议、会议准备、会后跟进，以及回复一些很简单的邮件。他们是在 Opus 4.5 发布前后开始探索这件事的，那时候智能体至少在编码上已经能独立完成越来越多工作了。
他们并没有坐下来认真算潜在市场规模有多大，只是拿到了大量用户反馈，决定接下来几个月全力冲刺。推进中他们发现大多数企业的邮件和日历都是爆满的，尤其是那些对外角色的岗位：比如销售、商务拓展、招聘。公司之间的协作主要靠邮件，所以他们判断潜在市场规模肯定很大，而且不只在美国，全世界都是如此。
接下来是产品驱动增长还是直接找企业签单呢？JD 的判断是：客户是开支票的人，用户是每天跟产品打交道的人。如果客户不是用户，你最后很可能做出一款糟糕的产品：让决策者开心，却让使用者难受。他的联合创始人来自 Dropbox，从 Dropbox 身上学到最重要的一点是：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。
反过来从企业合规和 IT 的需求出发再倒推一款体验极佳的产品，几乎不可能。所以他们的重心一直是把产品做到足够好，增长自然会来。企业那侧先保证数据和隐私安全可靠。他们赌的是消费者预期：CEO 心里的参照物是自己在个人场景里体验过的私人助理，他们希望公司也能有。
于是现在的问题变成了另一件事：怎么从单一的企业交易走向更大规模？怎么满足每一家企业对数据、隐私、安全的要求？兰普尔补了一段自己的观察：2007 年 iPhone 发布时，史蒂夫·鲍尔默（Steve Ballmer）说没人会买一部 800 美元的手机，结果黑莓很快完了。他的解释是那年圣诞节很多 CEO 都收到了一部 iPhone 之类的礼物，正给孩子拍照然后被震住。
紧接着就是一句：“我是老板，你去想办法让这东西在公司跑起来。”也有人还停在怀疑里说 AI 好像不太好用，我用的是 Watson 之类的软件。感觉就像 iPhone 已经出现人们在个人生活里感受到 AI 的奇妙，可这种感受还没进工作场合。JD 借用了一家叫 Good Technology 的公司把这层担忧给说透了：那是一个早年给 iPhone 做的企业级邮件客户端，他形容这款软件丑陋得离谱。
他之所以提起是想说这不只是黑莓的故事：有时候做好产品未必是好生意。他强调变化的速度就是人的速度，眼下“智能体”这个类别的用户已有数百万了遍及全球，可还处在普及的很早期。就像 iPhone 一样可能需要六个月、十二个月、十八个月才能让大多数人先自己感受到那种魔力，等感受到了问题就来了：怎么在公司内部落地？这比 iPhone 更加复杂。
因为智能体有效的前提是能访问数据以及支撑业务运行的 API，所以他们的思路是先谈旅程本身：到一家公司让一部分人先把邮箱和日历关联上，感受到足够的价值。到了企业层面还有审计日志、不得与智能体共享的机密信息以及首席财务官要的成本控制等等。往低端市场走，目标客户就转向了中小企业和中型市场公司：要求会少很多普及也快得多。
他们目前的赌注就是把产品体验做好，靠自助式增长切入中低端市场再从安全合规的角度拿下企业。聊到助理这个市场，兰普尔讲了自己的经历：他有一位行政助理但即便如此他也不放心让对方看自己所有的邮件。他在伦敦时以为要去参加一场晚宴，结果日历上根本没有这一项，原因竟然是他自己没回邮件。
所以他说行政助理的市场看起来很小因为大多数人根本没有，可真做出来规模会相当大。这里有个杰文斯悖论：蒸汽机效率变高之后人们以为煤炭的需求会下降，结果反而涨了一千倍因为能高效完成的事情更多了。JD 对市场的定义是做一款能与人良好互动的产品，帮人找到更多把 AI 用在工作上的机会。
某种意义上 Town 像一台 token 分配机，让人自己决定把 token 花在哪。随着 token 价格下降可以用 token 的地方会越来越多。他举了个例子：每场会议前都会准备一份会议笔记，这事行政助理不会做太浪费人力。可是用大语言模型做成本很低，于是有需求的人突然就能每场会都有准备笔记了。
还能顺带查一查还有谁参加了这场会，这些长尾研究变得有价值就是因为便宜了太多。他们的工作就是不断找出这类机会然后问用户：“你想让我们帮你做这件事吗？”他举了个餐厅老板的例子：你在美国开餐厅，批发商大概每月发一封邮件或者每季度给一份涵盖所有库存商品价格的 PDF。但是有成千上万件物品价格还一直在变。
理论上你那位兼职财务每季度该做一件事就是看看价格怎么变了，能不能从别的批发商订货？有没有因为某样东西涨了 20% 到 30% 而多付了钱？可大多数情况下你不会做因为它太琐碎了不在你的运营范围内。有了 Town，你只需要每月跑一次分析五分钟就能拿到结果。
哪怕十二个月里有十一个月什么都没发现这件事也值得做，而跑一次大概花一美元。而真正有发现的那个月它能帮你找出几百甚至上千美元。顺着产品与增长话题转到了横向还是纵向的讨论，JD 的态度很明确：不想 Town 被孤立成“帮你省生菜钱的公司”这种标签。他们更愿意从横向开始，从成千上万的用户和数万家企业里学东西再让市场来决定垂直方向。
在他看来大多数 AI 产品的功能会越来越像，价值单位已经从“应用程序”变成了“电脑”。应用层被抽象掉了价值会下降。靠某个功能领先市场越来越难，那怎么做成功的公司呢？他们的答案是随着 AI 进步产品能为每个用户更好地进行定制。你是电工、是风险投资人、是行政助理，能自动化的事情各不相同可这件事现在还做不好。
如果你直接去问模型只能拿到一些表面建议，所以他们不看用户数据而是看汇总指标。找出平台上活跃的用户去和他们聊：聊十位经营餐厅的老手会发现他们都会做五件共同的事，然后做出原型自动化流程管它叫“餐厅老板的日常流程”。当有人加入后系统会判断你像不像一个餐厅老板再把打磨好的方案摆到你面前。
AI 还在进步，随着能做的事从五件变成十五对外部库的依赖越来越少慢慢就能交付 80/20 的定制软件。他还把实验室的 FDE 方法拎出来对照：派一个人进驻你的公司摸清业务再用 AI 开发定制软件。如果你每年给 OpenAI 付 500 万美元的 FDE 费用现在看起来很划算，但是随着模型改进这种方法会越来越差。
他们选择的是更偏自动化的路子扩展性要好得多。接着是比较 Town 凭什么比 OpenAI 和 Anthropic 更好，尤其它们现在也都有连接器可以关联 Slack、LinkedIn 这些应用。兰普尔的类比是基础设施与应用层的关系：思科和 Akamai 是基础设施公司，九十年代亚马逊和 eBay 这类应用公司起来了。
思科从没想过自己去开书店、建拍卖网站。JD 说我们正处在一个奇怪的时代：基础设施正在变成应用程序，跟自己的供应商竞争是有风险的。一个简短但是不太好的答案是围绕电子邮件和日历的用户体验截然不同，别人没有真正盯住这一点。但是这只是简单答案因为 OpenAI 或 Anthropic 的某个人随时可能醒来决定做这件事。
更好的答案是回到客户需求上：跟一家五百到一千人的中型市场公司聊，你问它未来三到五年哪家模型供应商会是最好的？它可能答不上来。那你如果买了 OpenAI 的产品是不是就得一直用 OpenAI 的模型呢？万一它不是最好的呢？所以他们把自己定位成中立的应用程序，用当前最适合你的供应商。
不只是通用智能、语音、视频、幻灯片这些能力上谁更强，决定权也留在自己手里。第二个立场是所有权归你：数据、记忆和上下文。企业过去拥有实物资产、人力资源这样的资产，现在多了一类也许可以叫“上下文”，也就是 AI 了解你业务的一切。他认为这一整桶的东西你都该拥有，如果有比 Town 更好的方案切换过去只要一天。
那些给你部署 FDE 的人实际上是想让你更难换人。第三部分是训练：一家足够大的公司实验室不会拿你去做实验，而如果被卷进权重里等于你把自己企业成功的关键卖给别人。所以 Town 不做训练。最后一个立场关于竞争：他们对人类与 AI 的关系看得可能比实验室更前瞻。
Town 里有个叫 Teams 的产品围绕构建内部客户关系管理系统，他们信任智能体去决定公司掌握哪些信息或者其他员工能不能用。举个例子你在 Town 里问：“有人认识财务团队的人吗？这个潜在客户是谁？”Town 助手能看到其他员工的智能体帮你找到跟你那条线索相关的人。虽然功能很强但是从隐私角度设计必须非常出色。
他们的想法是让人以 AI 的速度运转：过去你在 Slack 或者 Teams 里问一句“有没有人认识那个团队的人”得等上大概一天才有回音。而在 Town 这边你会立刻得到答复，因为他们决定在这类问题上依靠 AI 来调解安全与公司内部的隐私。在他看来未来的样子是人工干预比今天少得多，而他们的工作是让公司坦然接受那个世界因为它带来的经济利益远远超过可能面临的风险。
对大多数大公司来说真正依赖任何一家实验室都没有意义。这里还有一个恰到好处的相关区间：假设你的营收是一万亿美元那当然是实验室的头号目标，但是如果你收入为零、没人用你的产品它们根本不在乎。编码已经越过了那条线：Anthropic 在代码上的投入很多显然无法忽视，但是医疗、法律、编码都是巨大的领域。
实验室几乎不得不下这些大赌注导致横向分散很难在小市场里深耕。最后两人聊到了一个更微妙的问题：分布从来不是均匀的。兰普尔说很多人说要跨越鸿沟但这不是那种只在一个地方存在、其他地方没有的技术。世界各地的人都在用只是分布不均。JD 举了个度假租赁公司的例子：有人利用 Town 去比对沙滩板或者沙滩车的照片有没有损坏然后据此来决定事后该不该退押金。
这根本不在他的愿望清单上，解锁需求的是那家小企业里一个爱捣鼓的人。他被这件事烦到了然后和 Town 助手商量怎么把图片自动比对。他们在经济的各个奇怪角落都看到了这样的使用，问题也正在这里：世界上缺少足够多的修补匠，缺少有时间为自己的生意折腾的人。这才是 AI 没能普及的原因：即便 Claude 或 ChatGPT 已经存在了十二个月很多小企业本可以用它省下更多时间。
可它们只是把它当成一个更好的谷歌搜索，原因在于产品体验不能只是一个文本框：你没法教会别人只能向人展示价值主张并且替他把这件事做出来。那什么要让用户留在 Town？他们关联了邮件、日历，最好再接入一个业务记录系统。然后构建出一个并非开箱即用却很神奇的自定义集成：这也是为什么分布不均的原因，在硅谷大家都和工程师一起工作离那种天然的动手能力更近。
而世界的大部分地方没有这个条件，如果你能让一个不爱捣鼓的人进入 AI 并且拿到和修补匠一样的价值那你就有可能做出一家规模极大的公司。因为很多商业问题 AI 都能解决，智能本身是现成的关键在于如何大规模地、有效地部署它。兰普尔提到他在哈佛遇到一位非常聪明的教授，她聊起 AI 说自己几年前试过还行不算好。
然后他让她用 AI 重写了那篇二十多年前写的论文，她说太棒了！得知这个 AI 就是 ChatGPT 之后她反而不敢相信。AI 的进度太快了，很多人习惯用当下的标准去评判它而硅谷倾向于判断它未来会走到哪。还有一大群人看到的只是它现在的样子，一部分原因很讽刺是那些早期采用者两年前试过一次发现会幻觉、会出错效果不好然后就僵在了那个版本的现实里。
如果他们现在再试一次结果会完全不同。JD 的判断是最终的胜利在于持续发展让业务不断适配当下最好的 AI，而人们对“什么可能、什么难、什么不难”的认知会被彻底颠倒。他举了 computer use 和 browser use 的例子：过去两个半月里智能助手能做到六个月前几乎不可能做到的事，成功率从大概百分之三十提升到百分之九十。
所以用 Town 做演示它在替你挑东西你会惊讶难道不需要用户界面吗？可这些东西并不好推销得说得很具体：比如“我可以用你已经付费的 Canva 订阅做出你一直用 Cana 做的那种海报，你想让我做吗？”五分钟后只用了 25 美分 Town 就拿出了一些很有价值的东西。那些看起来越来越不可能的事其实只是在顺应当下模型能为你做什么的潮流。
兰普尔随后把话题引到智能体流量上。他说，广义的智能体流量已经远远超过了人类的流量。他用雅虎财经打过比方：雅虎付费从纳斯达克这类地方拿到股票报价，免费提供给你，条件是你把注意力交给它，让你看到 E-Trade 的广告。可是这份契约已经被打破了，打破契约的双方是对抗的，但是这里面也藏着协同的机会。这就像是全新的搜索引擎优化，如果你能成为智能体流量的接收方，不去阻挡它，而是想着怎么迎接它，那就是一个巨大的机会。
按照这个逻辑，亚马逊的损失应该会成为沃尔玛的收获，因为沃尔玛没有广告业务，激励机制不一样。JD 顺着说，最有趣的地方在于如果智能体的信息不再中立会怎样？比如你用 Meta 的智能体，Meta 有大量的广告主，联合航空在 Meta 上投的广告比任何一家航空公司都多。你让它帮你订机票，一旦你觉得它给的不再是中立的信息，会发生什么？人的动机是永远存在的，始终有人会想去推销、去做营销。
所以他认为，你需要的是一个中立的、属于你自己的智能体。它没有别的资金来源，你的钱包就是它唯一的资金来源，它才有动力给你最好的信息，不受营销力量的扭曲。他还谈到对抗与非对抗，把它放进“体验”的框架里：有些摩擦是人享受的，比如逛街时在店与店之间来回进；也有他不想花时间的摩擦，比如在家订卫生纸，只想尽快把同款放进购物车。
可人不总是在追求效率最大化。如果他是亚马逊，面对每年 700 亿美元左右的广告业务，他会说，不该屏蔽智能体。可不屏蔽会带来更大的压力，所以要去创造一种不同的体验，让你在那里确实能看到广告。然而，AI 的发展实在是太快，会以没人能预测的速度改变分配方式和人的习惯。这当中肯定会有人惨败。
他另一个觉得有趣的类比是 Muse，这是一款免费的私人智能体。人们会想，总有一天 Meta 得在 Muse 上投广告吧？但也许根本不用。也许 Muse 只是提供数据，让它在 Instagram 上更好地定位你就行了。用户打开 Instagram 就不是为了效率，而是为了找乐子，于是变现和智能体体验就这样被分开了。
而像亚马逊这样的平台，至少在智能体这一侧是处于劣势的。如果你只是一个供应聚合方，这可能就不再是一个好的商业模式。它真正的应对应该是拥有自己的私人智能体。他补了一个例子：有个网站叫 CamelCamelCamel，专门追踪亚马逊价格，光美国就有 2000 万人在用。你告诉它：“我想知道胡椒博士汽水现在是不是 8 美元，降到 6 美元就告诉我。”它不会替你下单，只会给你发邮件。
有些人的时间比金钱更充裕，而有些人钱多时间少。钱多时间少的人不会去用 CamelCamelCamel，只有时间多的人才会。如果你现在把那些工具交给每一个有钱没时间的人的智能体去代劳，他们当然会用。这简直就是一道智商测试题。所有这些的共同点是：供应聚合的价值大大降低了，因为人的注意力是有限的，而现在它可以被自动化替代。
聊到这里，这期节目差不多到了收尾。把整段对话连起来看，JD 的路径其实很清晰：一门在旧世界里成立的好生意，在 AI 压缩了优势窗口之后，未必还能长成一家风险投资规模的公司。于是他选择主动关掉它，用一个月的时间完成转向，把客户的那句抱怨变成了 Town。
他对行业的几个判断也摆在明面上：客户和用户要分清，模型供给要中立，数据、记忆和上下文的归属要留给用户自己。而智能体带来的流量正在改写过去那套靠眼球支撑的广告契约。这些判断会不会都成立，需要时间验证。但有一个问题值得留给大家：当你的智能体和平台方的智能体利益不一致的时候，你会怎么选？是继续用那个免费、但可能被营销扭曲的助手，还是愿意为一份中立的智能体付一点费用呢？欢迎在评论区聊聊你的想法。感谢收看，我们下期再见。