夜雨聆风AI 高估值的下半场：GTM 不再是销售，而是组织生存战
这轮 AI 的上半场，市场奖励的是模型能力、产品速度和资本叙事。
谁的模型追得快，谁的产品能出圈，谁能拿到全球用户，谁能讲清楚 Token 吞吐、推理成本、Agent、多模态和平台化，谁就有机会被资本提前定价。
这件事并不难理解。
企业确实在买 AI。2025 年，企业生成式 AI 支出已经进入数百亿美元级别，其中应用层拿走了很大一块预算。OpenAI、Anthropic 的年化收入，都在用传统软件公司很少见的速度增长。中国的大模型公司也开始进入港股、A 股、指数、港股通、A+H 这些资本市场叙事里。
所以，简单说“AI 都是泡沫”，这个说法太粗。
AI 不是没有需求，也不是没有收入，更不是没有客户。相反，正因为需求、收入、融资、估值都是真的，下一阶段才会更残酷。
上半场，资本可以为未来付钱。下半场，市场会开始挤水分。
挤什么水分？
不是只挤掉没有模型的公司，也不是只挤掉没有收入的公司。这些当然会发生，但那只是第一层。
更深的一层，是挤掉那些——
有模型叙事，有融资能力，有短期增长，但没有组织兑现能力的公司。
模型能力怎么变成客户生产环境？
Token 消耗怎么变成高质量收入？
渠道怎么变成生态，而不是夺走客户关系？
高薪人才怎么变成组织杠杆，而不是低效消耗？
一个只有十几个人的商业化团队，到底是在高效作战，还是在裸奔式透支？
创始人和商业化负责人有没有能力识别、放置和激励真正聪明的人？
这些问题，才是 AI 高估值下半场的正面战场。
GTM 不再只是销售问题。它会变成 AI 公司能不能长期活下来的组织问题。
01｜AI 没有不落地，真正的问题是组织吸收不了
过去两年，围绕 AI 落地的讨论经常走向两个极端。
一边说 AI 正在改写一切。一边说 AI 项目大部分都没有真实价值。
这两个判断都只说了一半。
从公开数据看，AI 的商业化当然在发生。
企业生成式 AI 支出在快速增长，应用层预算在增加，OpenAI、Anthropic 的收入都在高速爬升。中国大模型公司的收入、用户和企业开发者数量也在增长。资本市场愿意给高估值，不完全是因为想象力过剩，而是因为它确实看到了下一代软件、工作流和基础设施入口的可能性。
但另一边，企业 AI 的规模化价值兑现，又远没有叙事里那么顺滑。
MIT NANDA 的企业 AI 报告里有一个很刺眼的结论：大部分企业 GenAI 项目并没有产生可衡量的 P&L 影响。
McKinsey 2025 年 AI 调研也显示，接近九成组织已经在至少一个业务职能里使用 AI，但大多数仍然停留在实验或试点阶段，真正大规模部署的比例并不高。
高绩效组织与普通组织的差别，也不是“有没有用 AI”，而是：
有没有重构工作流；有没有高层 ownership；有没有把 AI 嵌进管理和运营系统。
这说明什么？
说明 AI 不是不落地。
是落地从工具问题，变成了组织问题。
上半场大家问：
模型强不强？价格低不低？上下文长不长？Demo 炫不炫？API 好不好调？
下半场真正要问的是：
客户有没有 owner？预算从哪里来？流程是否被重构？PoC 能不能进 production？产品反馈能不能回到研发？渠道能不能被治理？销售能不能把一场仗的经验，变成下一场仗的方法？
这一步，光靠模型不够。
BCG 有一个很有用的判断：AI 转型价值里，算法只是其中一部分，更大的部分来自人、流程和组织行为变化。
这个结论如果放到 AI 供应商自己身上，同样成立。
AI 公司卖给客户的是智能化能力。
但它自己也必须先完成组织智能化。
否则就会出现一个很荒诞的局面：
对外讲 Agent、工作流、自动化、智能密度；对内却让高薪销售每天花两三个小时搞合同、开票、售后、修 bug。
这不是创业精神。
这是组织杠杆没长出来。
02｜一个小团队高增长的悖论
最近看到过一个很有代表性的 AI 商业化样本。
一家模型公司，公开市场叙事很强，产品有全球化基础，也有多模态和 coding 方向的想象空间。
它的 ToB 商业化增长很快，销售团队却非常小，全国也就十几个人。
内部对自己的定义是“特种兵作战”：
没有完整销管体系；销售既要卖，也要售后；既要运营，也要处理合同开票；甚至还要能帮客户修问题。
这个状态很有意思。
从一面看，它很强。
十几个人撑起高增长，说明市场确实在动，团队也确实能打。一个大模型公司如果国内 ToB 能在短团队、短周期里跑出增长，这不是普通传统软件销售能做到的。
但从另一面看，它也暴露了 AI 公司下半场最典型的组织风险：
增长是真的，但组织杠杆不一定是真的。
小团队高增长，在早期是优势。
它意味着沟通成本低、决策快、文化强、大家都有 ownership。
但如果公司已经进入高估值、高资本关注、高招聘声量的阶段，仍然只靠小团队裸奔式增长，就会产生几个问题。
第一，销售变成万能杂工。
他既要找客户，又要解决客户问题；既要做技术沟通，又要处理合同开票；既要冲收入，又要承担客户成功。
短期看，这叫特种兵。
长期看，如果没有机制沉淀，这叫把高密度人才消耗在低杠杆事务里。
第二，增长无法规模化。
一个小团队能跑出很高的 Q/Q 增长，不代表它能支撑一个平台公司的长期增长。
尤其当资本市场已经按平台故事定价时，小团队增速和公司规模化增速不是一回事。
第三，组织无法承接高级人才。
高层想招 senior，但 senior 进来以后，战场在哪里？
授权在哪里？
资源在哪里？
他是来建制，还是来和原团队一起继续裸奔？
如果这些讲不清楚，高级人才很快会判断：这不是机会不够好，而是组织承接不了。
这就是 AI 高估值公司的第一道坎。
早期能打，不能自动推导出后期能组织化地打。
03｜GTM 下半场，先分清“复制打法”和“找打法”
很多公司一谈商业化，就说要招更强的销售。
这个说法还是太粗。
GTM 至少有两个阶段。
第一个阶段，是已经知道怎么打。
产品、客群、价格、采购路径、竞争打法都相对清楚。这个阶段需要的是复制能力。你要找的是能高效执行、能管理管线、能标准化推进客户的人。
第二个阶段，是还没有完全打穿。
有一些 hints，有几个标杆客户，有一些收入增长，但还没有稳定方法论。客户场景还在变化，产品能力还在变化，预算路径还在变化，竞争对手也在变化。
AI 公司大多还在第二个阶段。
尤其模型公司更是这样。
因为它们卖的东西很容易被误解成 API、Token、参数、折扣和客情。
最简单的打法当然是把接口定义好，把价格打下来，把模型能力包装成一个可采购 SKU，然后去抢客户。
但这条路很快会变成价格战。
真正有价值的 GTM，是另一件事：
找到一批新锐客户，深度进入他们的业务流程；帮他们把模型能力嵌进产品、研发、内容生产、客服、营销或代码工作流；把这些场景里的 know-how 拿回产研；再把一次项目经验变成下一批客户可复用的 solution。
这才是 AI GTM 的核心。不是卖模型，而是把模型能力翻译成客户的工作方式。
所以 AI GTM 不是传统 sales 升级版。
它更像前线组织能力。
它需要判断客户需求真假，需要懂一点技术边界，需要能把前线反馈带回产品，需要知道一个客户到底卡在效果、成本、数据、安全、组织 owner 还是采购路径上。
只会卖，不够。
只懂技术，也不够。
它需要一种复合能力：
既有技术信仰，又有现实世界的客户直觉。
04｜AI 公司早期不该大量招兵，而该招小队长
传统组织可以先招兵，再筛小队长，最后长出将。
但 AI 公司早期商业化，不太适合这样。
因为战场没有完全定型。
客户不知道自己到底该买什么。模型公司也未必知道哪个场景会长成大收入。产品能力每几个月变一次。渠道关系随时可能从杠杆变成噪音。今天主战场是视频，明天变成文本，后天又可能转到 coding、IDE、企业级 Agent。
这个阶段，如果只招纯兵，很容易出现两个结果。
赢了，不知道为什么赢。
输了，也不知道为什么输。
每个销售都在打单，但每个单子都是孤岛。前线经验进不了产品，客户问题沉淀不成打法，组织只是在靠个体体力续命。
AI 公司早期更需要“小队长”。
小队长不是 title。
它是一种能力结构。
他能自己打，也能带几个人打。能判断客户真假需求。能把一个复杂客户拆成 buyer、user、blocker 和 sponsor。能知道客户预算到底从哪里来。能把赢单和输单复盘成方法。能把客户反馈带回产品。能在一个新战场里先建立局部秩序。
这种人很像组织干细胞。
今天他可能打战略客户，明天可以长成行业负责人，后天可以长成 partner lead，再往后可能成为某个区域或产品线的商业化负责人。
早期 AI GTM 团队最宝贵的，不是人头数，而是这种干细胞浓度。
这也是为什么“高标准招聘”不能只看通过率。
如果通过率只有 2%–3%，但你说不清楚自己到底要什么类型的人，这不叫高标准。它只说明你筛得很狠，不说明你筛得很准。
高标准的本质是高分辨率。
你能不能分清：
谁是兵？谁是小队长？谁是战略客户型人才？谁是渠道生态型人才？谁是能长成 GTM 机制的人？谁只是早期能扛，但不能带下一阶段？
如果分不清，招聘流程越长，反而越容易把人筛错。
05｜大厂机制能借，但不能照搬
成熟大厂在招聘上有很多问题。
流程慢、沟通重、保守、政治化、不适合早期混乱环境。
但大厂有一点值得创业公司学习：
它知道招聘判断不能完全靠感觉。
成熟云厂和搜索公司会用 loop、bar raiser、hiring committee、结构化问题、评分 rubrics、面试官训练来校准招聘。
它们不是因为流程天然高级，而是因为组织承认一个事实：
人看人会偏。
Google re:Work 对结构化面试有一套很清晰的说明：
同一岗位使用统一问题、统一评分标准、清晰能力项和面试官校准，会比纯粹凭感觉更能提升预测效果和候选人体验。
创业公司不能照搬这一套。
一个十几个人的商业化团队，如果机械设置三四轮面试，但每一轮都没有真正懂这个岗位的人，那不是严谨，而是低分辨率流程化。
创业公司关键岗位的招聘，应该更靠源头把控。
创始人、业务一号位、商业化负责人必须亲自参与关键人才判断。
不是因为老板一定看人最准，而是因为早期每一个商业化关键人都不只是员工，而是在定义组织未来的分化方向。
如果一个公司想找的是普通执行者，可以让流程去筛。
如果想找的是小队长，必须让真正理解战场的人去判断。
这个原则很重要。
创业公司最怕的不是没有大厂流程，而是用大厂流程的外壳，包裹低分辨率的判断。
06｜聪明人不能被模糊激励吸引
高级人才招聘里还有一个很简单的悖论：
你想招聪明人，却希望用模糊 title、模糊授权、模糊激励、模糊 upside，把他“高性价比”地招进来。
这件事逻辑上不通。
真正聪明的人会算账。
他会看公开信息。会看上市公司披露。会找人打听。会观察面试官。会判断汇报线。会判断岗位是不是有真实杠杆。会判断所谓 upside 是真实激励，还是组织没想清楚时画出来的一张饼。
如果一个人连这些都看不清，那他未必是你真正想招的聪明人。
创业公司当然可以让高级人才承担风险。
但风险要对应真实回报。
关于创业公司股权，已经有不少研究和行业讨论在提醒一个事实：
员工拿到的是高度不确定、流动性差、信息不透明、且绑定单一公司的资产。
NBER 关于员工股票期权的研究指出，期权会让员工承担相当大的公司特定风险；关于创业员工选择的研究也指出，员工可能高估创业公司成功退出概率，并且很难准确评估股权薪酬的预期回报。
很多老 sales、老业务负责人对此有体感。
如果你不是创始人，不是核心股权持有人，也没有真实流动性安排，所谓“高成长公司期权”不一定带来超额收益。
尤其在公司已经进入较高估值阶段后，后来加入的人往往承担的是更高执行压力、更低股权弹性和更不确定的组织位置。
所以，高级人才可以接受风险，但不能接受不透明。
你可以让他赌，但不能让他赌一个自己都讲不清楚的局。
07｜渠道不是生态，治理过的渠道才是生态
中国 ToB 市场绕不开渠道。
尤其 AI 这种新技术进入企业，渠道、SI、代理商、行业方案商都很重要。
它们有客户关系，有本地交付能力，有行业场景，也有模型公司短期不具备的线下触达。
但渠道对 AI 公司来说也是陷阱。
强平台把渠道变成杠杆。弱平台会被渠道夺舍。
大公司做渠道，靠的是品牌、价格体系、认证体系、返点机制、合同控制、客户成功、产品壁垒和生态治理。
渠道替它放大，不替它定义客户关系。
弱平台做渠道，很容易变成另一种结果。
客户关系在渠道手里。需求定义在渠道手里。报价入口在渠道手里。方案包装在渠道手里。续费扩容也在渠道手里。
模型原厂最后只剩下一个角色：底层能力供应商。
这不是生态。
这是被做嫁衣。
所以判断一家 AI 公司有没有平台潜力，不是看它有没有开放 API，而是看它能不能治理渠道。
它要能分清三类渠道。
第一类是需求放大器。
它帮你教育市场，制造声量，带来客户触达。
第二类是交付伙伴。
它帮你进入行业流程，完成本地实施，把模型能力变成客户结果。
第三类是套利者。
它只倒卖能力、截留客户关系、扰乱价格体系。
平台公司的任务，不是消灭所有中间层，而是让第一类和第二类成为生态，让第三类没有夺舍空间。
有些二道渠道看起来低级，但强平台可以借它们放大需求，甚至让它们成为市场教育的一部分。
一个产品如果官方通道不顺畅，灰色渠道有时反而会制造稀缺感、传播力和用户心智。
但前提是客户最后仍然认识你。
如果客户只认识渠道，不认识原厂，那不是借力，是失控。
渠道不是生态。治理过的渠道才是生态。
08｜面试官是组织样品，也是公司最大的 sales
很多公司把面试看成 HR 流程。
这个理解在高级人才招聘里非常危险。
对 senior candidate 来说，面试不是单向考核，而是他第一次认真触摸这个组织。
谁来面试？问什么问题？能不能听懂复杂经历？有没有能力 deep dive？会不会做一致性验证？能不能把候选人放进真实业务场景？能不能讲清楚岗位的战场、授权和成功标准？能不能让候选人看到这个组织值得加入？
这些都会变成候选人对公司的判断。
候选人体验不是软问题。
公开候选人体验研究里，一个经常被验证的现象是：
候选人会分享招聘体验，负面体验会影响雇主品牌，好的体验会提升复投和推荐意愿。
这件事在 senior candidate 身上更严重。
高级候选人不是孤立个体。
他背后有行业网络，认识客户、同行、投资人、其他候选人和合作伙伴。
一次低质量面试，损失的不只是一个候选人，而是他背后那张网络对公司的判断。
而且真实负反馈通常不会回到公司系统里。
没人会认真在问卷里写：
你们面试官不行；你们岗位定义不清；你们组织不成熟；你们浪费我时间。
大多数人不会写。
他们只会在心里形成判断，然后在私下网络里传播。
所以面试官应该被“武器化”。
不是把面试做成攻击候选人的工具，而是把面试官当成公司最前线的组织表达者、人才销售者和市场触点。
一个高质量面试官要完成三件事：
第一，判断候选人。
第二，向候选人销售公司。
第三，即使不录用，也让候选人更理解、更尊重、更愿意在未来推荐这家公司。
真正强的面试官，不是只问“你怎么看我们公司”。
他会深挖细节，会问价值观，会做 consistency check，会从左问一次、从右问一次，看候选人的逻辑是否稳定。
然后进入一个真实场景，看候选人怎么拆问题、怎么做判断、怎么处理利益冲突。
因为能说不等于能干。
能不能干，不能只靠 self-claim，要从 past track 和场景推演里验证。
09｜AI 下半场，组织分辨率决定生存
AI 高估值的下半场，本质是挤水分。
挤掉没有真实收入的水分。挤掉不能进入生产环境的水分。挤掉只会讲模型故事、不会形成工作流的水分。挤掉把渠道热闹误认为生态能力的水分。挤掉用高薪人才做低杠杆事情的水分。也挤掉那些只会说高标准、但没有高分辨率识人能力的组织水分。
到这个阶段，GTM 不再只是销售。
它会成为 AI 公司组织建设的正面战场。
因为 GTM 决定模型能否变成收入。招聘决定聪明人能不能进来。面试决定公司在人才市场的第一印象。渠道决定客户关系沉淀在哪里。小队长决定前线经验能不能长成机制。激励决定高级人才愿不愿意承担风险。组织分辨率决定公司能不能把资本市场提前支付的未来兑现出来。
上半场，AI 公司可以靠模型、速度和资本叙事跑出来。
下半场，大家会发现，模型很重要，但模型不是公司。
公司最终是组织。
能活下来的，不一定是最会讲未来的公司，而是那些能把聪明人放到聪明位置上，把渠道变成杠杆，把客户问题变成产品反馈，把前线经验变成 GTM 机制的公司。
这才是 AI 公司的成人礼。
也是下半场真正的生存战。
参考资料
1. Menlo Ventures：《2025: The State of Generative AI in the Enterprise》用于参考企业生成式 AI 支出、应用层预算变化，以及企业 AI 采购从试点走向应用层的趋势。
2. Reuters：关于 2025 年 AI startup 融资与估值的报道用于参考 AI 创业公司融资占整体 VC 投资的比例，以及市场对 AI 高估值泡沫的讨论。
3. Reuters：关于 OpenAI、Anthropic 年化收入的相关报道用于参考头部 AI 公司收入增长速度，以及模型公司从技术公司走向商业平台的收入拐点。
4. McKinsey：《The State of AI: Global Survey 2025》用于参考企业 AI 使用率、规模化部署比例、工作流重构与高绩效组织之间的关系。
5. BCG：《AI Transformation Is a Workforce Transformation》用于参考 AI 转型价值中，人、流程、组织行为变化的重要性。
6. MIT NANDA：《The GenAI Divide: State of AI in Business 2025》用于参考企业 GenAI 项目广泛试点但 P&L 影响有限的问题，以及 AI 项目失败更多来自组织学习、工作流集成和上下文适配。
7. Google re:Work：《A guide to structured interviewing for better hiring practices》用于参考结构化面试、标准化问题、评分 rubrics、面试官训练对招聘质量和候选人体验的影响。
8. Universum：《How Candidate Experience Shapes Employer Branding》用于参考候选人体验对雇主品牌、候选人推荐、复投意愿和负面口碑传播的影响。
9. NBER：Paul Oyer 等关于员工股票期权的研究用于参考员工期权会让员工承担单一公司风险，以及股权激励在员工薪酬中的风险属性。
10. NBER / SSRN：关于创业员工选择、股权薪酬信息摩擦和退出概率误判的研究用于参考员工可能高估创业公司成功退出概率，以及很难准确评估私有公司股权薪酬的真实预期收益。
11. Axios：关于 startup equity、员工股权流动性和早期员工回报争议的报道用于参考创业公司员工股权不确定性、流动性差，以及员工与创始人/投资人之间激励不完全一致的问题。
12. 公开市场资料：关于中国大模型公司港股上市、A+H、指数纳入、收入结构和国际市场收入占比的报道用于参考中国 AI 公司在资本市场进入高估值阶段后，组织能力与商业化能力被重新检验的背景。
