大热的AI 助手为什么不是泡沫?胜负手又在哪里?

在消费端有 Instinct，在企业端有 Town（town.com）。这家公司的创始人 John Dennis 此前曾任 Plaid 的 CTO，他正在做的事，是让一个 AI 助手住进你的邮箱和日历，替你把工作做完。这一期对谈，就从这里开始。

今天的话题由此展开：AI 助手市场为什么不是泡沫？胜负手又在哪里？

我们是一个住在你邮箱和日历里的 AI 助手，它试图帮你完成工作。它会看你已经在做的事：你怎么安排你的一天、你倾向于发出哪些邮件，然后推荐一些 AI 自动化，在后台替你去做那些你平时会自己做掉的事。

作为产品，我们上线、进入市场大约 3 个月了。我们的 ICP 就是 主流用户——那些用邮箱、日历来做事的普通人。

我们花了一年时间做一家 AI 税务公司，就是用 AI 做企业税务申报。我们确实摸到了一些 产品市场契合，但还不够到能成为一门成功的生意。事实是，我们在「打造一门好生意」这件事上失败了。

一年之后我们说：得推倒重来。我们又花了三个月，像在荒野里一样摸索，想搞清楚我们到底想做什么。其中我们盯上的一个方向是：为什么没人做出一个基于邮箱运作的 AI？世界上有太多人是靠邮箱和日历在运营自己的生意和生活的。

差不多就在那会儿——大约去年十一月、十二月——模型开始能真正干活了，不只是做几步操作，而是真正的 智能体式工作。然后是原型：我们几周内就快速搭了一个，几乎立刻就有了产品市场契合。

运气非常好。我们并没有跑去跟 100 个客户聊、记下他们的反馈，我们是给自己做的。技术正在变化，让我们想做的事变得可能——恰好赶上人们对尝试 AI 产品无比兴奋的时候。

几乎就在我们做产品的同时，一些惊艳的开源产品也爆发了，但事实证明，那些东西只有爱折腾（tinker）的人才能用得上。对 Town 来说，我们一直专注于一件事：怎么让 几乎任何人都能从产品里获得价值。

作为投资人，主持人抛出的第一个尖锐问题就是：AI 助手这件事，被谷歌、苹果这种大型提供商蚕食的可能性有多大？而最近又冒出了 xAI 的 GrokBot。John Dennis 没有回避这份恐惧，但他给出了一个反直觉的思考顺序：先谈市场，再谈防御。

我睡觉入睡非常快，但确实会在大约凌晨 3 点醒来，然后一个阴暗的念头钻进来：当创始人就像在玩轮盘赌——会是哪个阴暗念头让我再也睡不着？毫无疑问，这件事就是。你站在球道正中，所有人都想冲过来干掉你，这是百分之百的。那份恐惧是真实的。

但我觉得，谈护城河有点奢侈——你必须比今天的 Town 成功得多，谈这个才有意义。我现在的心态是：在一个潜在付费用户高达 十亿规模 的市场里，我怎么能拿到十万甚至一百万个付费用户？第一步，是我们必须有真正深度的 产品市场契合。而我认为，今天没有任何一款产品真正做到了深度的产品市场契合。

比如 GrokBot 真的很酷，它很棒，但它是给 重度用户的产品，不是主流产品。Town 也很好，但要成为真正的主流产品，我们还有很多工作要做。

所以在我担心防御性之前，我仍然在想：什么样的产品体验能引起主流用户的共鸣？因为大玩家不会靠创新走到那里，他们会靠抄袭走到那里——但他们总得先抄袭一个把主流产品做成功的人。

大玩家不会靠创新走到那里，他们会靠抄袭走到那里——但他们总得先抄袭一个把主流产品做成功的人。

我认为这个品类里最终会赢的产品，会在 智能体层面拥有网络效应。Town 有一个功能，那些把它用明白的用户最爱它，叫做「智能体到智能体」（agent to agent）。具体是这样：你问你的助手——大家都管它叫 townie——它意识到自己没有答案，但你某个同事的 townie 有答案，于是它就自己去问那个 townie。

要用到这个功能，你得钻进产品里很深的子菜单。但那正是网络效应：一旦你整个团队都在用，你真的很难想象迁移到另一个产品。我认为，到今天还没有人把 多用户、多玩家的 AI 搞明白。我觉得那才会是护城河，对吧？在这个过渡期里。

我们有很多理论，市场上的每个人都有很多理论。有人说：可以对定制模型做后训练（post-train），也许每家公司、每个人都有自己的定制模型，那就能留住你的用户。有人说：一个人的上下文（context）才是护城河——而且人们会越来越不愿意接入更多数据源，所以一旦你对某个用户建立了产品市场契合、把所有工具和连接都接好了，其他人再想进去其实非常难。

还有人认为第三点才是护城河：这个市场里没有新的护城河，拼的是 分发。所以谁手上已经有用户，谁就会赢。

Meta 和 WhatsApp。他们会在 WhatsApp 里放一个个人助手——我不知道是一天后还是三个月后上线，但它一定会来。他们已经拥有分发渠道了，所有人都已经在用 WhatsApp 做消息通讯。如果里面有一个能替你干事的智能体，那会极其强大。

有些人认为 AI 正在改变软件的形态：人们将再也不上网站，再也不在手机上用 app。大多数数字交互的入口会变成 AI——就像今天的入口是手机、电脑或浏览器。所以谁拥有「设备」，谁就处在最好的位置上把 AI 放到用户面前，谁就会赢。

如果所有这些竞争力量你都挨个想一遍，你会想：天哪，我该怎么办？

市场的速度太疯狂了，我以前从没见过。通常，你会跟客户聊、做一个功能、他们会用、你从那个功能中学习，再把学到的东西带进下一个功能——对创业公司来说，你原本可以把自己的用户洞察榨取很久，那种过程通常要花 10 年才会耗尽。而现在的问题是：一旦某样东西对某人有效，所有人都会注意到，而且能在大约 2 到 4 周内做到同样的事——抄袭真的很快。而学习，你只能以人的速度学习。

刚创办公司那会儿，初创宇宙里有 15 个竞争对手在跟我们竞争；现在大概只剩两三个了。我感觉，这个赛道最后基本只会有一两家公司胜出。而从初创这一侧的起跑门出发，那边是 Apple、Google、GrokBot、Cursor、OpenAI 和 Anthropic 的起跑门——你至少得先从初创这边冲出人群。通常初创公司会非常快，老牌玩家不会那么快；但你必须诚实：Claude、Anthropic 非常快，Cursor、GrokBot 的运作速度快得不寻常。

我最好的朋友之一就在那边管工程，每当我和他聊天，我都会难过我们在竞争——我得击败硅谷最厉害的人之一，他所在的公司拥有创业公司的 DNA，却带着巨大的成本和规模优势在运作。所以那就是压力超大的原因：我觉得你一分钟都不能歇。你再也不会有「竞争对手要花 6 到 12 个月才能追上」的感觉了。但这也是最有趣的构建时代。

你现在能以机器的速度构建，但只能以人的速度学习。

他并不把赛道里的每个玩家都看作同一场比赛。「我不认为 Instinct 和 Town 在做同一件事，我也不认为我们打算用同样的方式变现。」他说，Town 从企业那里产生收入，企业把我们用于工作，还围绕多个团队成员一起使用产生网络效应；而 Instinct 看起来更像一种获客式策略——用一个当下完全被补贴的免费产品。从外面看，这些产品能力相近，但看 ICP、看营销的走向，感觉非常不一样。

相比之下，他更关注 GrokBot：「因为 GrokBot 瞄准的市场和我们类似。」X 与 GrokBot 的整合，对某些进入专业用途的企业来说可能令人担忧，它也有品牌包袱——有些人就是不想碰它。但从分发角度看，它对某些细分人群在早期增长阶段可能相当有用。只是，X 上那些重度用户与网红并不是主流用户：那不是赢下市场的方式，那只是早期采用者市场。

Town 的价值主张，建立在「连接邮箱和日历」之上——这必然引出一个更深的话题：数据孤岛、隐私，以及人类与智能体之间的信任。主持人追问了两件事：未来每个人会有几个智能体入口？而今天看起来疯狂的事，五年后会怎样？

你不会想要那种体验：哦，我在做销售，让我用 Salesforce 的智能体；哦，我在做项目管理，让我用 Linear 的智能体。你会想要 一个入口——你不需要先问自己那个问题，只要按一个按钮，然后开始说话。

但确实有现实的原因，让入口必须不止一个。其中之一就是隐私，以及你的工作场所会怎么看待他们的数据与你的个人数据混在一起。你可能仍然只有一个硬件入口，但从数据存在哪里的角度看，你永远会把个人数据和工作数据在 数据层分开——在 Town，我们替你做了这件事。到头来你可能会用两家不同的公司。

隐私会是主要的决定因素。从可用性看：手机里装 55 个 app、到处点来点去，这很烦人。如果进入一个没有生硬界面的世界——因为大多数时候你并不需要它们——你为什么要养 50 个智能体？但在用户之下的那一层，情况就不同了。

比如你是个律师、在跟你的主助手聊法律方面的事，从功能上讲，你其实立刻就是在跟 Legora 说话——主持人早年投过它。你可以把这件事想成：你在跟主智能体说话，而它在后台自己跟 Legora、Salesforce，或任何把事情办成所需的系统对话。

五年后，你会信任你的智能体来决定把哪些数据分享给别人，而不需要你介入。举个例子：你组织一趟旅行，把你的智能体和两个朋友放进一个房间——他们会直接问它你的饮食偏好，会问它这次旅行你到底什么时候能出发。而只有你的智能体在场。

你从来没告诉过它：这些是非常好的朋友。但当某个朋友开玩笑问「给我讲讲他的病史呗」，它会说：想都别想，我绝不会告诉你这个。这不是你设定过的硬性规则——它自己就知道边界。这种把孤岛里的信息取出来、决定怎么分享的能力，我们会走到愿意信任智能体去做这件事的时点。我知道今天这听起来很疯狂。

这个世界的运作方式，在 AI 出现之前：每个人类脚下都有一个数据孤岛，当别人问你问题时，你会想「我能跟这个人分享什么」，然后分享给他。我们信任人类充当信息流向的 过滤器。而我认为，我们会越来越多地信任 AI 替我们做这件事——很可能会出现经过后训练的模型，确保你永远不会分享某些东西。

我们信任人类充当信息流向的过滤器。而我认为，我们会越来越多地信任 AI 替我们做这件事。

从信息论的角度看，一个能访问全世界所有信息的 LLM，又有无限时间做智能体式搜索，它会是最有效的——因为无论处在什么智能水平，它最终总能找到正确的上下文。但这不是我们生活的世界：信息分散在不同公司、政府和个人系统里。因为人类是唯一在四处搬运信息的人，搬运本身是低效的，于是我们有了大量数据管控、隐私、安全的条条框框——这很好，隐私非常重要，人们理应掌控并拥有自己的数据。

有趣的是实践：如果你给 LLM 更多信息访问权，它完成任务时就更有效。老办法是让合规与安全团队制定「谁能访问什么」的策略、给数据分级——非常耗时、成本高昂，结果往往是：你希望 LLM 访问到的信息，它恰恰访问不到，因为它卡在某个人的收件箱里，或在一个没有对接进来的数据系统里。

与其让人类花时间给数据打标签、决定什么信息去哪，我觉得我们会开始 信任 LLM 来做这件事：你会信任你的数据孤岛——和另一个同事的数据孤岛——让 LLM 决定什么可以从你的孤岛里出去。

举个非常具体的例子：你在一家一千人的公司，销售团队里有个人想引荐到某家客户公司。通常现在他们会去 Slack 发：嘿，谁在跟 X 客户合作？而他们真正可以做的，是让他们的智能体直接去跟公司里所有人的智能体对话——那些智能体都能访问各自主人的收件箱——然后回来说：Liz 跟你想引荐的那位有私人关系；Bob 跟他有工作关系，而且他们下周本来就有会，你要不要看看 Bob 能不能把你捎上。这是很好的商业成果。

但要做到这一点，每个个体都必须信任：让收件箱里的某些信息可以被公司里的其他人接触到，是没问题的。眼下这听起来很疯狂。但 LLM 会非常擅长尊重「你不想分享的事」：你不想让同事知道薪水，不想让朋友看到病史，这些神圣不可侵犯的东西，我们都懂——你完全可以拥有一个尊重这些边界的 LLM。

我的观点是：LLM 在这方面会比人类做得好得多。给你讲个故事。我们当时刚完成一起收购，有一封把消息介绍给全公司的邮件。而那个人本来是反对这起收购的——他本意是回复一小撮人，说类似「我真不敢相信我们雇了这帮小丑」的话，结果回复给了全公司。于是他就得了个绰号，叫「Big R」——群回复大王。其实他是个非常出色的人，犯了错，完全没事，大家一笑置之。

顶尖的 0.1% 的人也会犯错，财务部的 Bob 会犯错，HR 的 Liz 会不小心把带着所有人薪水的表格公开出去——这种事一直在发生。我认为 LLM 很快就会比人类少犯很多这类错误。

我没有答案给你。你愿意让你的智能体在多大程度上追逐目标、愿意让它自主跑多久——这是个非常有趣的问题。引导人们、把他们引向最优解，是不是你的责任？嘿，如果你让它们跑那么久，我们会得到最好的结果。

换个角度想：LLM 就是你——它们把能量转化为 GDP。你用电力驱动硅片，得到智能，再把这智能应用到商业成果上。如果它们足够聪明，就是在另一头创造 GDP。那么你是直接说「嘿，替我赚钱」，然后让它爱做什么做什么？还是想生活在一个认为「人类在这件事里的角色是设定方向、确保行动符合某种人类价值体系」的宇宙里？我生活在第二个宇宙里。

在那个宇宙里，设定方向、分配资源首先是人的责任：决定我们愿意花多少 token 去争取一个目标，同时把目标设对，然后去监控为达成结果而采取的行动的整体形态。而且随着智能越来越强，你可能会说：也许连资源分配都可以信任 LLM——让它提前分析它认为某个拟议任务的 ROI 是多少，告诉你应该分配多少 token；也许连行动监控，也由一个智能体替你做。

做一个面向所有人的 AI 产品，意味着 John Dennis 每天都在当「模型路由器」：既要为用户挑到最经济的模型，又要保证助手的人格不突然「变脸」。下面是他的取舍逻辑——以及他对成本曲线和前沿模型占比的算法。

因为我们在为所有人构建一个应用，我们认为大多数人不会想去关心「哪个模型在什么上更强」。所以这是我们的工作：针对你要求的事，找到一个能 经济高效 地给你想要结果的模型。技术每天都在变——每星期、每两星期就有一个根本性变化。难的是判断「这是不是正确的结果」：有些上下文很容易知道，另一些非常开放、你无法提前知道，只能去猜「这件事有多难、我想多接近前沿」。

另一个维度是语音。人们不喜欢他们的 townie 听起来变化很大。有些公司，比如 Anthropic，会花大量时间确保它们所有模型系列在人格上大体不会变化太多——可能稍微啰嗦一点、用词不同，但久而久之听起来足够相似。如果你一直用 Anthropic 的模型生成最终输出，突然换成别的模型就很难，因为它听起来就是不一样，人们会觉得他们的 AI 像被切了脑叶一样。

对编码来说，有意思的是它没那么要紧，因为你会问：它能跑通吗？代码实现它的目的了吗？但当你跟一个助手说话，它突然啰嗦了一倍——文字消息里给你写八句而不是四句——人们不喜欢这样，他们会真的提交工单：「尽管我三周前给了它指令，但我的文字智能体好像开始更多地把字母大写了。」真的就是这样。

所以我的技术栈分两层：有一层栈处理用户界面，也就是 手感和人格——那里很难随意路由，因为我需要体验的一致性。而在那之下，当它只是纯粹的推理和智能、不需要向用户展示那么多过程痕迹时，很大程度上就是给任务找到最好的模型。我们还在早期。

除了极少数几家之外，我认识的所有创业公司对这个问题的答案都是：寄希望于成本曲线在 18 到 24 个月内下降。在那之前，你在某种程度上是在补贴——因为要让这些用例达到产品市场契合，就必须这样，你太大份额的工作需要用到前沿模型。

Town 做的一件事之一是给邮件打标签——这无论如何都不需要 Opus 级别的智能。对这类任务，我们已经用低于前沿的模型了。我认为这部分会随时间推移趋向于 算力成本。我会想：我怎么用开放权重（open weight）模型？我怎么后训练一个甚至是我自己的更小的模型？对这部分 COGS，我不会为它焦虑。

没人真正知道的问题是：对任何一家公司，有多大比例的工作负载会停留在靠近前沿的地方——那里非常贵。但对于人类级别的任务——安排会议、打理日历、回复以前答复过的邮件、每天做竞品调研——所有这些都在离前沿相当远的地方，而且你已经可以用开放权重模型把它们做得非常出色。

价格每 9 到 12 个月减半，所以你可以今天就给产品定一个价：18 个月后它能产生 20%、30% 的利润率。悬而未决的问题是：你剩下的任务到底是 10% 在前沿，还是 20%、30%？我们不知道答案——而那会改变这门生意的经济账。

对我们来说，大部分是前沿。为什么？因为真的有很多人让我们做难的事——很多用户搭建的自定义工作流会相当复杂，那才是我们最会用到前沿模型的地方。打标签这类任务，我们仍然不用开放权重模型，但我们会用某个前沿提供商那里便宜得多的模型。

主要原因在于：作为一家公司，就算我能靠转向开放权重改善 COGS，它也不会给我带来多少产品优势，不会让产品变得更好。如果我有一个小时工程师工时，最好花在哪？是把我现有的 ARR 做得更高效，还是想出一个靠更好的网络效应功能来更快增长的办法，还是把模型变得更好、对接一个新的数据源？我们非常专注于更快地把饼做大——我们的经济模型也没问题，它只是不是这门生意成功的约束条件。

我们非常专注于更快地把饼做大，而不是去拿一个理想的经济模型。

语音。语音太明显了，它现在就在发生。但它不只是语音——不是说你对它说话就行——我的意思是 对话式。如果我们有两三百万用户用上语音，那肯定会冲击利润率。在那段时间里我更在意的是：语音能力必须比今天好一倍左右，尤其是语调、表达，还有情绪上的捕捉。一旦你解决了这个，我会想尽可能便宜——它只需要「够好」，一旦感觉够好了就几乎到位了，我不需要它好太多。

说到利润率这些事，我从来不觉得是在烧钱。我认为我们在支出上很用心，为了不在短期增长和毛利率上过度优化。长期来看，语音并不是我真正压力山大的地方。

真正让我有压力的，是 前沿任务占比。因为在其他所有事上，我都能想象把价格降下来。但那个论点——随着时间推移，会有更多方法用 AI 为很多公司创造更多收入——它隐含的意义是：前沿上有些东西能创造更多收入。而前沿的问题在于，我在前沿没有任何定价权。

我认为 Cursor 最后遇到的就是这个：你可能有巨大的市场份额、客户都爱你，但如果你在把自己收入的 70% 付给你的供应商、同时又和你的供应商竞争，那么最终它会变得有点难。那是我担心的部分——但我有很多「如果」：我得先做到数千万用户，他们必须付费，我必须有巨大的规模，然后才会走到那个「还在和供应商竞争」的位置。

我还在和 OpenAI、Anthropic 竞争，而我还在为那 20% 或 30% 对我来说在前沿的工作负载付钱给他们——这正是让经济模型转不动的地方。这是我在终局需要解决的事。为什么它这么特殊？因为这是我经济账里唯一一个跟别人不一样的部分。

关于「AI 是不是全被补贴出来的泡沫」的怀疑，John Dennis 的回答很朴素：谁在为产品付钱、为什么付钱。他分享了 Town 在增长、付费转化和单位经济上的观察——不少打法相当「老派」，却也相当锋利。

只要你不是在和自己的供应商竞争，你就和你的竞争对手有同样的经济账。那么在这种情况下，你创造利润率的能力，通常更多地由竞争格局决定，而不是其他任何东西：你的竞争对手越少，你就能有越多的利润率。

我们把 Astra 看作直接竞争对手——今天就是，百分之百。但那就回到那个「开放式盒子」的问题：你会震惊于有那么多人就是不知道 AI 能做什么。要创造一种让普通人能从 AI 中获得价值的产品体验，真的很难。这就是为什么人们用 Town、喜欢它、然后开始付费——尝试过产品的用户中超过 15% 最终会付费，这对 PLG 来说高得惊人，因为相对于他们从 ChatGPT 里得到的东西，我们交付的价值就是巨大。

网络效应有一个有趣的方面：如果一家公司里有一个人是爱折腾的人（tinkerer），开始搭建团队技能、团队集成、团队例程这类东西——那些都是 Town 上的积木，团队里每个人都能免费享用——那么我们往往会看到快得多、更快的采用。我们在试着打造一个不依赖折腾者的产品：对单人体验，希望你能完成上手、得到大量价值——如果你是房产中介，你会得到房产中介专属的自动化；如果你是销售，你会得到销售专属的自动化。

但实际发生的是：如果一个重度用户旁边坐着其他用户，他会找到办法让那些用户成功得多。你会发现很多 AI 产品都是这样。所以其中一个预测指标其实是：团队里有没有一个折腾者？我们经常问自己的一个问题是：我们能不能识别出那些人，能不能让他们更容易为其他团队成员创造病毒式传播？

第二个观察是：公司里有很多职能被 AI 服务得很不到位，即便是企业也一样。销售团队三年来已经从四面八方的 AI 公司那里被推销 AI 了。但其他的职能——行政助理、幕僚长、HR 团队成员、一些比较初级的财务成员、还有招聘人员——他们日常接触的 AI 没那么多，而且很多工作流程仍然靠邮箱运作。

像 Town 这样的产品，经常能在这里发现早期采用和增长。有些职能从外面看也许没那么诱人，但实际上它们非常渴望有技术帮它们把生活变得更轻松。而且因为它们经常跟领导者、高管或运营团队的人一起工作，我们就能通过运营团队实现渗透。

我们产品今天能成立，唯一的原因就是我们单用户的价值实现时间非常短。哪怕是最简单的——比如会议简报，还有充分准备好走进一场会议、会后的行动项被自动处理掉——对很多岗位来说就像魔法一样，比如销售、招聘、小企业主。无需任何配置，开箱即用，你得到一个 魔法时刻。然后用户就会开始问：我还能用这个技术做什么？

我们的重心就是把这件事做对：能不能很快给你价值实现时间？然后我们在所有其他集成上玩长线。自 Town 推出以来，这招对我们一直非常有效。

我们在 Town 上做了几个押注，关于为什么我们认为这个产品能长久。其中一个赌注是：你只会拥有一个「有名字」的 AI 助手。你给它一个形象——我们叫它 townie，我们围绕「真正建立人类与 AI 之间这种关系」打造了一整套品牌。对很多用户来说，这能引起共鸣：他们想要一个他们信任、他们塑造、他们上色、按自己形象打造、由他们命名的东西。

这听起来很傻，但我认为它其实是一种护城河、一种防御性——就像 Snapchat 在市场上具有结构性防御性一样，即使它作为一门生意远不如 TikTok 或 Facebook、Instagram 那么好，因为它根本性地不同，它对自己如何运作有强烈的立场。我们对用户和他们的 townie 之间的关系也有非常强烈的立场。然后我们押注网络效应；第三个赌注是：通过大量的预处理，你能为用户带来更好的结果——在你提问之前，我们就花费大量算力构建关于用户的思维模型、预先创造上下文，理解你正在做的项目、理解你的公司。

如果我是投资人，我的问题是：为什么有人值得在欧洲赢？是分发的问题？是 GDPR 和隐私的问题？还是说，Town 其实没在法国做任何营销，所以「法国的 Town」就能在法国赢？你必须有一个具体的理由，说明为什么某家本地公司会赢得终局，因为这类产品构建起来很贵。本地竞争对手有足够大的 TAM 吗？他们能攒起足够大的弹药库来跟上能力的演进吗？我相信他们能在这个非常横向的市场里、在他们所在的地方赢吗？这会很难。

而且还有一条底线：你的智能体至少必须有同等的能力。忘掉你的分发策略，忘掉你很擅长工作这点，忘掉网络效应功能——但如果 Codex 能做一些你不能做的事，而那件事对用户很重要，那就完了。所以我们必须在很多任务上达到和 Codex 同等的效率，不是说我团队里两个工程师就能努力跟上，Codex 那边大概有 100 个人在把它做得更好。否则用户会想：我凭什么每个月为 Town 付 50 美元？这说不通——我要去为 OpenAI 付 24.99（美元）。

我们对一些纯个人使用场景有了产品市场契合——这是我们没想到的。它像家庭：父母和家庭，Town 在那里有巨大的产品市场契合，因为学校会发很多邮件，而且他们有很多门户网站——运动联盟、孩子的成绩报告，好多事都得在上面处理；孩子们还有一大堆需要安排的事：理发、夏令营。而我们的产品真的很擅长邮件、真的很擅长安排调度这类事。

问题是：我们要不要向这个群体营销、要不要在它上面花时间？它是个很好的群体，有付费意愿，但它的付费意愿比不上中型企业。它也没有那种跨越整个组织扩散的病毒性和扩张性——你可以在家长群之间传开，但那不像进入一家有几千人的公司：如果能拿下它，那是巨大的扩张。住在同一个小镇、孩子不到 5 岁的人——它是跳跃式的。

但家长群体确实会在 WhatsApp 家长群、Facebook 群之类的地方经常谈论这个产品，那里有网络病毒性。照你的话说，我们是一个变现的平台，指标是 ARR 逐月增长，收入才是对生意重要的东西。当你在一个没想到的地方发现了产品市场契合，一个选择是：我爱这些用户、爱这些用例和价值——但它跟我们设想的业务增长方式并不完全一致。你必须决定：是把足够多的角落都看遍了，还是更专注于现有的策略？当你创建一家公司时，你会从用户身上学到东西，而你必须做出正确的决定。

怎么才算「一位成功的用户」？John Dennis 的定义朴素到让人意外：每个月付我钱的人。他不追求 token 最大化，反而主动提醒用户别烧太多 token——这套「反直觉」的产品哲学，配上对商业端 ROI 的执念，构成了 Town 生意经的另一半。

马上就有 30%。你怎么把它降下来？你必须愿意承受那一击。

这真的是产品背后唯一的洞察：如果你一开始就要求人们连接他们的邮箱和日历，你就能足够了解他们，从而推荐 AI 能替他们做的任务。这就是唯一的洞察。

如果你在 OpenAI 工作——我不是无礼——老实讲，我觉得他们的建议就是糟糕，而且他们直到几个月前才有建议功能。差别是这样的：如果你想用 ChatGPT，你不需要连接你的邮箱，他们就是不强迫你做。他们想向一个普通人展示：光凭一个聊天框，你也能从这个产品中获得价值——而那就是大多数人的体验方式。

我们的做法更像：听着，你必须连接邮箱和日历，你不做这些，就没法用我们的产品。但如果你做了这些，我们就能为你施展所有这些魔法——这是我们对你的了解，这是你通常会做的工作，我们会推荐自动化，把那一部分工作自动化掉。

我就是把他定义为每个月付我钱的人。如果他们一直付钱，那我就尽责了。我不能把他们想成「token 用得越多越好」——用那种方式想很危险：如果他们用 token 的方式让他们看不出 ROI，也就是说他们没意识到自己在为没那么看重的事花 token——总有一天他们会醒来，发现自己付你付得太多了，然后会生气、关掉产品。你必须采取长远的视角。

Token 最大化在我看来有两个问题。一是公司告诉人们「你可以想花多少钱就花多少钱在 AI 上」，这很糟——你希望人们想的是：在这里用 AI，ROI 到底划不划算。二是很难知道某件事的 ROI：比如「让我对会议准备得再充分一点」——对整天背靠背开会、需要开口发言的人来说，这可能值很多钱；对只是坐着参会的人来说，它一文不值。但同一个工作流，消耗的 token 完全一样。

我非常在意让你知道钱花在哪里，因为我觉得你需要感受到，我在避免你花太多 token 这件事上做得不错。过去一个月我们最受欢迎的功能之一是：当看起来你有「失控例程」（rogue routines）——就是那种光烧很多 token 的例程——我们会开始发邮件提醒。然后人们会说：哦，谢谢，我现在信任你了，我感觉你在为我着想。

对我来说，成功就是你付我钱，并且你信任我们是那个正确的平台——既帮你用上 AI，又让你用得高效。如果我们能做到这点，我们就能拥有一门相当不错的生意。

我们没有「Max」套餐，而且有用户来要。我也一直在问自己：我们要不要让这些「鲸鱼」用户拥有一个 Max 套餐？因为从营销角度看它有用——你知道，他们会一直替产品做宣传。所以我考虑过这个。

最便宜那一档确实非常划算。对用户来说，我们把它当作一种方式：让人们充分使用产品、从而意识到他们应该去付中间那档——产品在那里才真正强大。所以最便宜那一档的单位经济模型最差、补贴最多。而最高那一档整体上利润最高，因为它面向的是重度用户，但不是那种想无限花钱的重度用户。

我们也有按用量计费。对我们来说，一旦你用到了套餐上限，大多数情况你会转到按用量计费。对，我们试图让支出适配用户。

不是「更多用户、每人付更少」的那个。因为我认为，随着时间推移，在工作场景里，AI 会被用来为人们做越来越多的事。所以你要用付费的方式获取用户——因为你希望他们用于工作场景，因为驱动单用户收入提升的长期潜力极其巨大。而在个人领域，对我来说不是这样：我需要和老婆预约的餐厅约会就那么多，需要和朋友组织的旅行就那么多，需要发给新医生的病历文件也就那么多——这样的东西只有那么多。而当我做这些事时，我节省了时间，时间值钱。

但在商业端，当我创造出为企业带来价值的东西时，他们能赚更多钱，然后他们会想要更多那种东西。给你一个例子：平台上有一家招聘公司，因为 Town，他们能接更多客户——他们用 Town 自动化了足够多的招聘流程。对他们来说，在一个人都不多招的情况下多接一个客户，等于每个月多 3000 美元；而他们付给我们——把所有用户加起来——大概每个月 5600 美元。对商业用例来说，ROI 超级简单：哦，我一个月付 600 美元，换来 3000 美元的收入，这说得通。

所以商业端的弹性、增长潜力要大得多。我宁愿有大量用户付我们更少的钱，因为随着时间推移，我可以向他们证明我能交付越来越多价值，让他们觉得在我这上面越花越多是值得的。

对我们来说，我们有收入和增长。如果存在一条路——如果你能相信这些公司中有一些能把产品做到数千万人，在这个产品会成为人们数字事务入口的领域——那么，如果那里有一个赢家从初创宇宙中走出来，那就能建成一家巨型的公司。

如果我们能让大约 1000 万人为这个产品付费，我们就能达到那里。今天我们每个用户每年能产生超过 700 美元的收入。但显然我不能在 1000 万就终结，我得持续拿到不错的增长率。

我跟 Dropbox 已经隔得很远了，我离开那里很久了，但我记得那里有海量的免费用户，在成本端非常昂贵；而在付费端，人数在某一点上趋平了，再也没有办法从这些用户身上榨出更多收入或增长。AI 领域不同的地方在于：一旦你让一家公司上了你的平台、把你的平台当作 AI 工作发生的核心场所，随着 token 支出的上升，你应该能产生不断增长的收入。

一旦你让一家公司把你的平台当作 AI 工作发生的核心场所，随着 token 支出的上升，你应该能产生不断增长的收入。

快问快答的时间。我们聊了天使投资、董事会人选、招聘流程、花在 AI 工具上的钱，以及——十年之后他最期待什么。

目前要么是 Base 10，要么是 Model——这是最先浮现在我脑海里的两个。

对下一位董事会成员，我希望是一位 CFO 型的、偏后期的人。我们的生意会变得很大，经济账必须非常健康。我知道这听起来怪，但我觉得你需要一位在财务端有真正运营经验的董事会成员，在扩张这类公司时会非常有帮助。有一大堆事情：我们得大规模采购算力，我们得非常擅长思考 token 支出，所以会是那种背景的人。

下一轮我们会进入增长投资人的领地。而一旦进入，他们会要求我拿出那些我真正能捍卫的融资指标——所以我认为有一位那种背景的人会很有帮助。

我们有一个奇怪的招聘流程。其中一件有意思的事是：如果团队里有人和另一个人非常紧密地共事过，我们就不面试那个人——直接签。这种情况很少发生，但前提必须是他们极其紧密地一起工作过——真的就是挨着工位那种——而他们说：这是我这辈子合作过最好的人之一。

因为一个我信任、在我团队里很出色的人，告诉我另一个人是他合作过最好的人之一，然后我还要让那个人花 8 个小时做愚蠢的白板面试或结对编程？这没道理。要么我不信任我的员工。文化匹配上，我们会说：嘿，过来跟我们待一段时间，想的话可以跟我们写写代码。我们必须推销自己——他们会想，你们是哪儿来的小丑？所以我们让他们获得关于我们的信号，但我们不去评估他们能不能胜任核心岗位。

对工程师来说，花在核心代码和 Cursor、Devin、Claude、Codex 以及 Town 之间分。我们大量用 Devin——很多进来的 bug、更简单的小事、小的视觉调整，我们会把 Devin 踢上去做，因为团队的体验和 Slack 集成真的很好。有几个人用 Cursor 做更多视觉的、前端的工作——Composer 做前端真的很快。然后现在大概是在 Codex 和 Claude 之间五五开。

这显然变了很多。5 个月前我会说主要是 Claude，但新的 Codex 真的很强，移动端体验真的很好。

你其实是在问我一个 ROI 问题。这么想：假设你是一家普通公司，100 万美元收入、80 万美元成本，赚 20 万利润——这笔钱你可以雇一名工程师。如果这名工程师不能为你创造超过 20 万的收入，你就不雇他。现在 AI 出现了，意味着这名工程师突然能比从前创造更多：也许以前只能创造 15 万的收入，现在能创造 25 万。于是你雇下了那个原本不会雇的增量的人——因为在新世界里，他们更高效了。

我们处在生意的一个阶段，在那里，我面前满地都是金子：有客户想要集成才肯签合同，有人想要审计日志才肯签合同，有人想要 SSO 能配合手机号才肯把合同签大。我有一个产品，人们想要更多导出功能，好用得更多。我的限制是我雇人的能力、我手里的资金量，还有我收入的增长率。所以如果你告诉我模型更好了、我可以多花钱——那比雇人去做那些高 ROI、我搁置的事更容易——我会立刻去做。

我们一年在算力上的总支出，粗略地说，大约相当于三四名工程师；如果把股权算进去，也许更像一名半工程师。我离「是不是把 token 最大化用错了」那种状态还差得远，根本不在同一个量级。我们另一件考虑得不够的事是：有没有在其他品类里，看到我们在编码、法律、销售、营销里已经见过的那种拐点？

那绝对是陪孩子们长大——花时间教他们数学，跟我儿子一起踢足球。但你不是问这个。在这个宇宙里，我是一个信徒：尽管人们对 AI 非常怀疑——我能理解它为什么可能令人害怕，任何改变对人类来说都难以接受——我确实认为，我们正在接近这样一个世界：人们拥有更多他们想要的东西，能做更多他们想做的事。

而且我是真心相信的——我不会为了赚钱去做我现在做的事。我做它，是因为我希望我们能让这项技术移除人们日常中大量的辛劳——不只是通过 Town。我认为 AI 会帮我们制药，会帮我们在物理世界里建得更快。而人们能不能住得离城市更远，因为他们可以自动驾驶通勤——那意味着他们能拥有带泳池的更大的房子，并且过得开心。我非常是个乐观主义者。

从「无聊的金融项目」到邮箱里的 AI 助手，John Dennis 给出的答案是：先别谈护城河，先做出一个让人愿意每月付钱的产品，再把饼越做越大。至于市场是不是泡沫——当用户持续为真实的价值付钱时，答案往往已经写在留存与增长里了。