在科技行业的变革浪潮中，一个令人瞩目的预测正在引发广泛讨论：垂直 AI 代理的市场规模可能达到传统 SaaS 的 10 倍。这个大胆的判断背后，折射出技术演进与商业模式重构的深层变革。
本次讨论的主持人是 Y Combinator 的首席执行官 Garry Tan，嘉宾包括合伙人 Jared、Harj、Diana。Y Combinator 是一家知名的创业公司孵化器和风险投资公司，历史投资项目包括 Airbnb 和 Reddit 等。
过去 20 年，SaaS 的崛起重塑了企业软件格局，创造了超过 300 家独角兽企业，吸引了 40%以上的风险投资。然而，随着生成式 AI 和大语言模型的快速发展，一个更具颠覆性的转变正在形成。来自业内领袖的观察显示，企业对 AI 的需求正从简单的生产力工具，转向能够自主完成复杂任务的智能代理。
特别引人注目的是，这种转变并非简单的技术迭代，而是对企业运营模式的根本重构。有观点认为，在 AI 代理的加持下，未来可能出现仅需 10 名员工就能运营的独角兽公司。这种高效的精简组织结构，暗示了一个全新的商业范式正在形成。
在这场变革中，传统 SaaS 企业面临着前所未有的机遇与挑战。一方面，AI 代理能够大幅提升效率、降低成本；另一方面，如何在保持创新的同时确保可持续发展，成为摆在每个企业面前的重要课题。这不仅是一次技术升级，更是对整个商业生态的重新定义。
在当前喧嚣的 AI 创业浪潮中，这个”10 倍”预测或许提供了一个值得深思的视角：真正的机遇不在于简单复制已有模式，而在于如何通过 AI 代理创造全新的价值维度。这个故事远未结束，但变革已经开始。
对话的核心观点包括：
- 垂直 AI 代理的变革潜力：贾里德·弗里德曼强调垂直行业 AI 代理将引发巨大变革，尽管这一概念已存在，但其深远影响尚未被广泛认识。
- SaaS 的历史与 AI 的类比：贾里德·弗里德曼以 SaaS 的发展历程为例，指出早期 SaaS 应用的不足与当前大语言模型（LLM）的境地相似，预示着新的计算范式的诞生。
- 技术催化剂的作用：XMLHttpRequest 技术的引入推动了 SaaS 行业的爆发，类似地，LLM 作为新技术可能引发新的变革。
- 垂直 AI 代理的市场规模：贾里德·弗里德曼预测，垂直 AI 代理的市场规模可能达到传统 SaaS 的 10 倍。
- AI 代理对企业运营的影响：戴安娜·胡指出，AI 代理不仅能替代 SaaS 软件，还能大幅削减人力成本，因为工资是企业的主要开支。
- AI 代理的未来发展：贾里德·弗里德曼认为，AI 代理的未来发展可能超越简单的文本生成，而是进行真实的思考，影响组织运营。
- AI 初创公司的机遇：哈吉·塔加尔提出，AI 初创公司的机遇在于发现并解决枯燥重复的行政任务，这些任务往往是潜在的高价值领域。
以下是本期播客内容的完整翻译，我们作了不改变原意的删减。
早期 SaaS 与如今大语言模型的相似境地
陈嘉兴（Garry Tan）
欢迎收听另一集《光锥》。我是 Gary，身边有 Jared、Harj 和 Diana。我们共同投资了市值达数百亿美元的初创公司，这些公司往往起初仅有一两人。今天，Jared 状态正佳，将为我们探讨垂直 AI 的话题。
贾里德·弗里德曼（Jared Friedman）
是的，我非常激动，因为我觉得很多人，尤其是创业公司的创始人，特别是年轻的创业者，并没有充分认识到垂直行业 AI 代理即将带来的巨大变革。这个概念并不新颖，已经有一些人在讨论垂直行业的 AI 代理，我们也为许多相关项目提供了资金支持。但我认为，整个世界尚未真正意识到其深远影响。因此，我要说明为什么我相信在这个领域里将会诞生市值超过 3000 亿美元的公司。
贾里德·弗里德曼（Jared Friedman）
为了更好地解释这个问题，我以 SaaS 为例。很多人并没有真正理解 SaaS 的庞大规模，因为大多数创业公司的创始人，特别是年轻人，往往通过自己作为消费者使用的产品来观察创业行业。然而，作为消费者，我们通常不会频繁使用 SaaS 工具，因为它们主要是为企业设计的。
因此，许多人忽视了一个基本事实：在过去 20 年里，如果你观察硅谷的投资情况，会发现我们主要是在创办 SaaS 公司。硅谷的绝大部分产出其实是 SaaS 公司。在这段时间里，超过 40%的风险投资资金流向 SaaS 公司。 在这 20 年中，我们生成了超过 300 家 SaaS 独角兽，这个数字超过其他任何类别。
我想到这个历史事件，因为我们总是喜欢讨论技术历史如何启发未来。推动了 SaaS（即软件即服务）爆发的真正催化剂是……还记得 XMLHttpRequest 吗？
陈嘉兴（Garry Tan）
天哪。
贾里德·弗里德曼（Jared Friedman）
我认为那实际上是推动 SaaS 蓬勃发展的催化剂。
陈嘉兴（Garry Tan）
类似于 Ajax。
贾里德·弗里德曼（Jared Friedman）
2004 年，浏览器中引入了一种名为 XMLHttpRequest 的 JavaScript 函数，它成为构建富互联网应用的关键。这使得人们首次能够在网站上实现类似桌面应用程序的功能。该技术推动了 Google Maps 和 Gmail 的诞生，并引发了整个 SaaS（软件即服务）行业的热潮。基本上，这项关键技术将软件的使用模式从桌面上光盘安装，转变为通过网站和手机进行访问。
陈嘉兴（Garry Tan）
实际上，Paul Graham 也属于这一流派，因为他是最早意识到可以直接将 HTTP 请求与 Unix shell 相连接的人之一。因此，无需一个独立的程序来生成网站内容。ViaWeb 是一种在线商店，与今日的 Shopify 有些类似，但这是在很早以前的事了。
贾里德·弗里德曼（Jared Friedman）
可以说，它几乎是最早的 SaaS 应用之一。尽管 SaaS 并非 Paul Graham 在 1995 年首创，但早期的软件即服务（SaaS）应用确实存在一些不足，因为当时缺乏 XML HTTP 请求功能。因此，每次点击操作都需要重新加载整个页面，这是一种不太理想的用户体验。后来，随着 XML HTTP 请求在 2000 年初出现，并在 2005 年后逐渐普及，这种问题得以解决。我认为，这种情况与目前大语言模型（LLM）的境地有些相似。 LLM 是一种全新的计算范式，使得人们能够进行一些截然不同的活动。
当云计算和移动技术在 21 世纪初兴起时，人们面临重大开放性问题：这项新技术该如何有效利用？其价值如何分布？对于初创企业来说，又有哪些良好的机会？通过观察市值达数十亿美元的新公司，我把成功的路径分为三类。
第一类是显然具有大众吸引力的想法，可以转化为广泛消费品。 例如，文档、照片、电子邮件、日历、聊天等，这些原本在桌面完成的活动显然可以迁移到浏览器和移动设备中。有趣的是，在这些领域，所有的胜利者都是现有大企业，比如 Google、Facebook 和 Amazon，而不是初创企业。人们常常忘记，Google Docs 并不是唯一将 Microsoft Office 在线化的尝试者，市面上有大约 30 家公司尝试过，但最终只有 Google 胜出。
第二类是那些不太明显的大众消费想法，没人能预测到的， 例如 Uber、Instacart、DoorDash、Coinbase、Airbnb 等，这些想法如同从边缘突然出现的创新。现有企业甚至没有尝试进入这些领域竞争，直到为时已晚，因此初创企业在这些领域赢得了胜利。
第三类则是所有的 B2B SaaS 公司，总数大约在 300 家左右。 统计显示，这类公司创造的市值超过了前两类的企业。我认为，这一现象的原因之一是，没有一家公司像微软那样在 SaaS 领域占据主导地位，没有一家公司能够在每个垂直领域和产品中都提供全面的 SaaS 服务。因此，这些公司作为独立实体存在并因此而繁荣发展。
哈吉·塔加尔（Harj Taggar）
我认为 Salesforce 可能是最早的真正 SaaS 公司之一。我记得 Marc Benioff 来到 YC 演讲时，分享了一个故事：在早期阶段，人们普遍认为复杂的企业级应用程序无法通过云或 SaaS 构建。这在当时确实是一个观念上的障碍，因为大家普遍认为，必须购买实体的软件包才算是真正可以运行的软件。
陈嘉兴（Garry Tan）
我们一直以来都是这样做的。
贾里德·弗里德曼（Jared Friedman）
在当时，这被视为逆潮流的做法，因为早期的 web 应用非常糟糕。必须具备像保罗·格雷厄姆那样的远见卓识，才能理解浏览器会不断改进，并最终得到极大完善。
哈吉·塔加尔（Harj Taggar）
这感觉就像今天的情况，对吧？是的，真的很类似。同样的情形，比如说，有人觉得无法用这些大型语言模型或 AI 工具构建复杂的企业应用，因为它们还不够完美，或者显得过于简单。但这就像早期的 SaaS 一样，非常相似。
贾里德·弗里德曼（Jared Friedman）
因此，我想到大型语言模型（LLMs）时，很容易联想到类似的情景，即在许多面向大众消费者的应用领域中，虽然机会显而易见，但可能会被现有企业所掌控。这就像一个通用的 AI 语音助手，你可以要求它做任何事情，它都会去做。显然，这是一个理应存在的事物，而所有大公司都将争相成为这一领域的领导者。
陈嘉兴（Garry Tan）
哇，苹果在这方面确实有些滞后。为什么 Siri 的智能程度依然有限？在这个技术如此发达的时代，这实在令人难以置信。
哈吉·塔加尔（Harj Taggar）
这很有趣，显然搜索是一个重要的领域。换个角度来看，也许 Google 在搜索方面依然会保持领先，但 Perplexity 的确给他们带来了巨大的竞争压力，对吧？
陈嘉兴（Garry Tan）
这实际上是典型的创新者困境。 以你提到的 Uber 和 Airbnb 为例，从监管角度来看，它们确实存在相当大的风险。因此，如果你是谷歌，每月都能获得稳定且可观的收入，那为什么要冒险去涉足那些可能威胁到这笔财富的事务呢？
贾里德·弗里德曼（Jared Friedman）
我认为这可能是现有公司没有开发这些产品的主要原因，即使这些产品已经异常成功并不断壮大。Google 从未推出过像 Uber 或 Airbnb 这样的产品。我曾听过 Travis 的一次演讲，其中很让我印象深刻的一点是，在 Uber 的早期阶段，他非常担心自己会因此而被判入狱很长时间。他确实是个人选择冒着进监狱的风险来创建这家公司。因此，没有哪个谷歌高管会去尝试这样的事情。
戴安娜·胡（Diana Hu）
为什么现有的传统企业没有进入 B2B SaaS 领域？这是否是其中的一个原因？是不是因为用例广泛多样？
贾里德·弗里德曼（Jared Friedman）
我认为这是个很好的问题，我也很想听听你们的看法。就我而言，公司若要同时应对众多复杂问题，确实相当困难。每个 B2B SaaS 公司都需要有专注于某个领域且了解业务细节的人员。例如，像 Gusto 这样的公司，为什么 Google 不开发一个与 Gusto 竞争的产品呢？原因在于 Google 内部没有人真正了解工资单，也没有耐心处理其繁琐的法规细节。对他们而言，这样的投入并不值得，他们更倾向于专注于少数几个重要领域。
哈吉·塔加尔（Harj Taggar）
在 B2B SaaS 领域，围绕软件拆分与捆绑的讨论非常常见。为什么这些垂直领域的 B2B SaaS 产品会发展起来，而不是像 Oracle 或 SAP 这样的公司，或是像 NetSuite 这样提供所有功能的公司占据市场？我认为这可能与向 SaaS 和互联网的转变有关。
过去的软件销售方式要求客户购买一个安装成本昂贵的软件包，并且需要一个完整的配套生态系统。当客户想要定制功能时，集成商会告知他们可以为其定制一个功能，比如工资管理模块。相比之下，Salesforce 推出了一种 SaaS 解决方案，尽管乍看之下似乎不如昂贵的企业安装软件那样强大或复杂，但他们证明了这种简化的方案同样能够满足客户的需求。这也为各种垂直 SaaS 解决方案的出现打开了大门，如同你所说。
戴安娜·胡（Diana Hu）
另一个问题是，许多企业软件，比如 Oracle 和 NetSuite，由于需要满足广泛的功能，其用户体验实际上非常糟糕。尽管它们试图成为全能型软件，但没有一个功能特别突出，因此用户体验往往显得杂乱无章。这也是为什么，当你创办一家专注 B2B SaaS 领域的垂直公司时，你可以提供更优质的用户体验，甚至远超现有产品，因为企业软件在设计上与消费品之间存在显著的用户体验差异。
陈嘉兴（Garry Tan）
软件的定价大致分为三个档次：每席位 5 美元、500 美元和 5000 美元，分别针对消费者市场、中小企业（SMB）市场和企业市场的销售策略。过去的经验显示，尽管新软件产品正在逐步改变这种局面，但企业级软件通常体验欠佳，因为购买者并非最终用户。通常情况下，一些《财富》1000 强企业的高管在被宴请后做出决策，签订数百万美元的合同，而他们选择的产品并不一定真正适合需要每日使用软件的终端用户。
我很好奇，随着大型语言模型（LLM）的出现，这种情况会如何发生改变。目前来看，无论是中小企业还是大型企业的软件公司，甚至所有初创公司，我们发现随着收入增长，员工数量也在增加。即使在今天的 YC 投资组合中，我们常见一些公司年营收达到一亿或两亿美元，但员工人数已达 500、1000，甚至 2000 人。
让我感兴趣的是，如今我对那些即将从孵化器项目毕业的公司的建议，与一两年前明显不同。过去，我可能会说，我们应该在组织的各个部门中找到聪明的人才，比如客户成功或销售，然后大力邀请那些与我共事过并表现优异的人加入，以帮助组建团队、招聘更多的人。尽管这种策略仍可行，但我注意到趋势正在变化。我们现在更需要招聘对于大型语言模型有深入理解的优秀软件工程师，他们能自动化解决业务增长瓶颈中的具体任务。
因此，初创公司在产品与市场匹配后可能会出现微妙而重要的发展转变。这意味着，我将专注于构建降低成本的 LLM 系统，而无需招聘大量员工。 我认为我们正处于这一革命的初始阶段。
戴安娜·胡（Diana Hu）
在上一集我们已经讨论过这个问题。我们谈到，如果将其推向极限，将来可能会出现一家只有 10 名员工但运营良好的独角兽公司。这是完全可行的。
陈嘉兴（Garry Tan）
他们正在编写提示和评估信息。
戴安娜·胡（Diana Hu）
就是这样。
哈吉·塔加尔（Harj Taggar）
我认为在大型语言模型（LLMs）出现之前，你提到的这个趋势就已经开始了。比如，当我经营 TripleByte 时，我们需要进行市场营销和用户获取，特别是在完成 B 轮融资之后。传统的方法是雇佣一位营销主管，并建立一个营销团队，然后按照惯例开展销售和营销活动。
然而，我实际上认识一位 YC 的创始人，名叫 Mike。他开发了一款听起来有些特别的智能煎锅，不过他可是麻省理工学院（MIT）的工程师。为了销售这款智能煎锅，他必须非常熟悉付费广告、Google 广告以及其他许多相关内容。因此，他以一种工程师的思维方式来处理这些问题。与他交流后，我意识到，以 MIT 工程师的思维模式管理我们的营销工作，比我之前接触过的营销候选人都要出色。他能够帮助我们在仅营销和其他各方面的支出上，每月扩展到高达一百万美元的规模。
贾里德·弗里德曼（Jared Friedman）
Triplebyte 的市场营销相当出色。我记得你们在 Caltrain 车站的宣传攻势，以及你们所有的户外广告。这些都是高质量的东西，令人印象深刻。可以看出，这不仅仅是某个市场副总裁的工作。
哈吉·塔加尔（Harj Taggar）
那时人们常常问我，Triplebyte 的规模有多大？我们大约有 50 名员工。这种成就感真是太棒了。人们会说，我以为你们有几百人。我会说，不，我们只是指派非常聪明的工程师去完成任务，他们总能找到借力的方式。而如今，大语言模型（LLMs）甚至能够大大超越传统软件所能提供的助力。
垂直 AI 代理的市场规模可能达到传统 SaaS 的 10 倍
贾里德·弗里德曼（Jared Friedman）
我对 300 家垂直 AI 代理独角兽的构想是这样的：在一个全新的宇宙中，基本上每家 SaaS（软件即服务）独角兽公司都有一个与之对应的垂直 AI 独角兽。就像这些 SaaS 独角兽曾经颠覆了一些传统盒装软件公司一样，如今几乎每个 SaaS 公司都在为某些特定用户群体开发软件。而垂直 AI 的对应体则是将软件与用户群体在一个产品中紧密结合。
哈吉·塔加尔（Harj Taggar）
目前，企业对于需要哪种 AI 代理仍然尚不明确。在经验丰富的创业者中，我观察到一种普遍的趋势。例如，Bret Taylor 创办了一家名为 Sierra 的公司。我对所有细节并不完全了解，但据我所知，该公司主要为企业定制 AI 代理解决方案，而不是提供特定功能的代理。
我还在另一家公司 VectorShift 中看到了类似的趋势，该公司大约一年前获得了资助。VectorShift 由两名聪明的哈佛计算机科学家创立，他们发现很多企业不确定如何运用这些 AI 工具，因此致力于打造一个平台，通过无代码或低代码工具，帮助企业轻松构建内部的大语言模型（LLM）驱动的代理。然而，企业通常不清楚这些工具的具体用途。
回顾软件行业的历史，最初只有少数几家供应商努力说服人们使用包罗万象的软件。随着时间的推移，软件变得愈加复杂和专业化，出现了许多垂直领域的软件即服务（SaaS）供应商。在 LLM 领域，我们是否会经历类似阶段？初期的赢家可能是一些通用平台，帮助用户轻松应用 LLM 功能，随后垂直代理会逐渐崛起并占领市场，还是现状与以往不同，垂直代理从一开始就会迅速崛起？
贾里德·弗里德曼（Jared Friedman）
这很有趣。回顾 SaaS 的发展历程，可以发现它最初是从消费类产品起步的。比如在 2005 到 2010 年间，主要是电子邮件、聊天和地图这样的个人应用。人们习惯于个人使用这些工具。我认为这也让 SaaS 工具更容易向公司销售，因为这些员工同时也是消费者。
哈吉·塔加尔（Harj Taggar）
我认为，答案可能是这一切只是软件的延续。并没有理由说明所有的大型语言模型都需要回归到某几个通用的企业级平台，因为企业已经意识到了特定解决方案和垂直行业解决方案的价值。 此外，用户体验不会有太大的差异。这些解决方案将会变得更加强大。因此，如果一个企业已经发展出相信初创公司或垂直行业解决方案比传统通用平台更有效的能力，他们可能愿意立即投资于初创公司所承诺的优质针对特定领域的 AI 代理解决方案。如今，我们可以看到，一些公司在这些解决方案上获得企业快速认可的速度比以往任何时候都快。
陈嘉兴（Garry Tan）
我认为我们现在仅仅处于行业发展的初期阶段。就像所有软件一样，它们最初专注于特定领域，而随着行业的发展，逐渐变得更加成熟。我也找到了之前问题的答案：为什么有些公司最终能够成长为拥有上千名员工？实际上，在早期阶段，大家都在开发特定的点解决方案，但在某个节点上，你必须开始向横向扩展。当你在销售和市场营销上投入了大量资金，并占据市场的全部或主要份额后，继续增长的唯一途径就是不仅提供点解决方案，还要提供能够协同工作的集成解决方案。
戴安娜·胡（Diana Hu）
相比于 SaaS，垂直 AI 代理的乐观预期可能更为突出。这是因为即使在 SaaS 领域，仍然需要一个运营团队或一组人员来操作这些软件，以处理工作流程，如审批或数据输入等。而这里的论点在于，AI 代理不仅能取代整套 SaaS 软件，实现一对一的功能替代，还能大幅削减薪资支出。 因为从企业的成本来看，工资是主要开支，而软件的投入相对较少。
贾里德·弗里德曼（Jared Friedman）
确实，他们在人力成本上的投入远远超过了在软件上的花费。
戴安娜·胡（Diana Hu）
因此，这些效率更高的小公司在进行常规的数据录入、审核或软件操作时将需要更少的人力。
贾里德·弗里德曼（Jared Friedman）
我同意，我认为这非常有可能。在垂直领域，他们的产品可能会使被颠覆的 SaaS 公司达到原来规模的 10 倍。
戴安娜·胡（Diana Hu）
我的意思是，可能纵向扩展已经足够大，以至于不需要采用横向扩展的方法，对吧？这可能是一种理想的情况。
贾里德·弗里德曼（Jared Friedman）
是否应该提供一些具体的例子呢？我认为我们确实一直在与许多专注于特定领域的 AI 代理公司合作，我们也从前线获得了关于这些项目实际进展的反馈。
陈嘉兴（Garry Tan）
你们之前的产品主管 Aaron Cannon 现在在 Y Combinator 旗下的一家公司 Outset 工作，我曾与他合作过。他们主要将大型语言模型（LLM）应用于调查和体验管理系统领域。因此，Qualtrics 几乎不可能开发出最具高级推理能力的顶尖大型语言模型。
有一个有趣的问题是，调查的服务对象究竟是谁？实际上，它是为管理产品的人、营销团队，以及那些试图了解客户真实需求的人服务的。究竟什么是调查？没错，就是语言。我认为，这类企业实际上需要在这方面找到一个平衡点，因为企业软件和中小型企业软件通常是卖给某个关键决策者的。 需要在组织结构中提升层级定位，以确保您的销售对象不必担心他们自己或整个团队的工作会被取代。
戴安娜·胡（Diana Hu）
确实，我发现很多公司在销售产品时都必须采用这种策略。如果你想把产品卖给那些可能会被 AI 取代的团队，这就是他们常用的方法。
陈嘉兴（Garry Tan）
他们打算破坏这个东西、计划、项目或设备。
戴安娜·胡（Diana Hu）
这种方法不可行。所以我认为这很有趣，因为在很多情况下，这是自上而下的决策，甚至可能需要在某个时候获得 CEO 的批准。
哈吉·塔加尔（Harj Taggar）
Momentic 合作的公司本质上是一个 AI 代理，目前主要应用于质量保证（QA）测试领域，并引起了广泛关注。十年前，Rainforest QA 等类似公司也面临着无法完全替代客户 QA 团队的挑战，因此他们开发软件以提高 QA 团队的效率。尽管如此，他们仍需在减少人力和无法完全替代团队之间找到平衡，以便推广给工程主管，并说服不愿被取代的 QA 团队。这一直是 Rainforest QA 在扩张中面临的难题。
如今，借助 AI 技术，Momentic 真正具备了替代 QA 工作人员的能力。他们的宣传重点是“不需要 QA 团队”，并将目标受众锁定为不再需要 QA 团队参与的工程部门。公司尤其面向当前没有大型 QA 团队的企业，使这些企业能够使用 Momentic 并随着业务的扩展而成长。
贾里德·弗里德曼（Jared Friedman）
马克·曼德尔曼提到，随着他们的发展壮大，他们或许永远不会建立一个 QA 团队。这正是 Diana 所提到的真实案例，解释了为什么这些垂直领域的 AI 代理公司能够比 SaaS 公司大十倍的原因。
哈吉·塔加尔（Harj Taggar）
我现在在招聘方面也观察到了一些有趣的现象。我在 Triplebyte 也遇到了相同的问题：为了开发一款能轻松筛选和招聘软件工程师的软件，你需要获得他们将加入的工程团队以及招聘团队的认可。实际上，尽管我们构建的软件尝试取代招聘人员，但我们无法完全替代他们。
贾里德·弗里德曼（Jared Friedman）
不过，现在在纽约，是的，招聘人员总是对这种情况表示抗拒，因为这对他们构成了威胁。
哈吉·塔加尔（Harj Taggar）
因此，当你试图向那些担心被取代的客户推销产品时，总会遇到一些阻力。不过，我认为现在仍处于发展初期。随着 AI 的进步，你可以打造出处理整个招聘流程的工具。例如，我们上一批合作的公司之一，Nico，已经率先开发出一个综合性的技术筛选与初步招聘官筛选项目，并取得了良好的进展。所以，我相信，随着这些工具的不断发展，人们对使用它们的抵触心理将会消失。招聘人员不再需要被说服使用这些工具，可能也不再需要像过去那样组建庞大的招聘团队。
戴安娜·胡（Diana Hu）
即便是开发工具公司，也需要投入大量精力来进行开发者支持工作。我曾与一家名为 Capital.ai 的公司合作。他们开发了一款极为出色的聊天机器人，能够有效解答许多复杂的技术细节问题。我认为，很多公司在开始使用他们的产品后，最终会缩小他们的开发者关系（DevRel）团队规模。 因为这个机器人能吸收大量的开发者文档，甚至包括开发工具公司上传的 YouTube 视频和众多聊天记录。它在不断改进，所提供的答案非常出色，不愧是我见过的最优秀的解决方案之一。
贾里德·弗里德曼（Jared Friedman）
我曾与一家名为 PowerHelp 的人工智能客户服务代理公司合作。实际上，我们在上一批次中一起合作过。在这个过程中，我了解到一些有趣的事情。首先，AI 客户服务代理是一个非常拥挤的领域，据说有 100 家公司活跃其中。如果你在 Google 上搜索 AI 客户服务代理，会发现有大约 100 家公司参与。
但通过与 PowerHelp 的合作，我意识到这些数据并不完全准确。 几乎所有这些公司都仅仅在做非常简单的零样本大语言模型（LLM）提示，它们无法真正替代一个处理复杂工作流的客户服务团队。它们更像是一个良好的演示工具。要替代一个拥有 100 名客户服务代表的大型公司的客户服务团队，并处理日常复杂事务，确实需要一个非常复杂的软件。正如 Jake Heller 所讨论的那样，目前只有三到四家公司在尝试做到这一点，而它们的市场渗透率总和还不到 1%，因此市场依然很开放。
陈嘉兴（Garry Tan）
这可能是另一种过度专业化或细分的情况。虽然未来或许会有一个通用的客服代理软件公司，但现在我们才刚刚起步。达到那个阶段可能还需要很长时间。目前，有像 GigaML 这样的公司为 Zepto 提供服务，每天处理 3 万个工单，代替了 1000 人的团队。然而，这非常专门化，并不是一种通用的展示软件。它包含 1 万个测试案例和一个非常详细的评估集，基本上是专为 Zepto 及类似公司设计的。不过，如果你属于其他行业的平台公司，也可能会使用它，因为即时配送市场是一个非常明确的市场。
贾里德·弗里德曼（Jared Friedman）
我认为，正是这种动态推动了大约 3000 亿美元的软件即服务（SaaS）公司数量的涌现，而不是出现一个价值约 10 万亿美元的“超级”SaaS 公司来为全世界提供所有软件。因为客户需要高度定制化的解决方案，很难构建一个适用于所有人的产品。
戴安娜·胡（Diana Hu）
确实……我是说，我们已经列举了三个客户支持的例子，但它们分别属于完全不同的行业。例如，开发工具公司所需要的支持类型就截然不同。而市场的训练集也有很大差别，对吧？
陈嘉兴（Garry Tan）
是的，无论是让代理人还是让真人为你工作，都面临着同样的问题。正如科斯的企业性质理论所指出的，每家企业在成长到一定规模后，常常会变得效率低下，超出这个限度则会失去效益。这就是为什么公司会形成某种网络和生态系统，甚至构建完整的经济体系。每家公司都会专注于自己擅长的领域，而公司受外部限制的程度，其实取决于管理者的能力。因此，这确实给了我一些启发。
与 Rippling 的 Parker Conrad 对话时，他提到一个很有趣的观点。人们普遍痴迷于 AI 的对话甚至绘画能力，但对他而言，更有意思的是这些大型语言模型读取信息的能力。他认为，Rippling 拥有 3000 名员工，而他仍通过 Rippling 为他们发放工资，这表明他投入了大量时间思考如何扩展管理者的能力。在这一点上，我认为我们将看到更大的变化。如果管理者和 CEO 的工具即将变得更强大，那将形成一个相反的论点。
贾里德·弗里德曼（Jared Friedman）
这可能会扩大公司的运营规模。Rippling 正致力于这一目标：该公司正在努力打造一整套人力资源工具；如果取得成功，它将在一个大型企业中同众多市值数十亿美元的 SaaS 公司展开竞争，或与之整合。
未来的大语言模型可能进行真实的思考
戴安娜·胡（Diana Hu）
Garry，你的观点很有意思。我之所以想到这一点，是因为利用这些 AI SaaS 工具，领导者和组织能够在更大的上下文中处理更多的信息。作为人类，我们在建立有意义关系的能力上是有限的，这就是”邓巴数”的概念，约为 150 人，即你可以与之建立有意义关系的人数。但由于 AI 的存在，现在可以处理更多复杂信息，我认为我们将能够突破这个”邓巴数”的限制。
陈嘉兴（Garry Tan）
我记得 Flo Crivello 曾在 Twitter 上发过一篇挺火的帖子，内容非常有趣。大概是某位 CEO 在周末开发了一个类似语音通话的项目，可以联系到他所有 1500 名员工。电话非常简短，听起来就像是 CEO 亲自拨打的，透着一份个人关怀。这种情景让我联想到电影《Her》中的一个片段：当镜头拉远时，你可以看到，虽然一个人似乎在与操作系统“她”交谈，但其实这个系统同时正在与成千上万人对话。
陈嘉兴（Garry Tan）
我指的是，大语言模型能够进行对话。那么，这种能力在多大程度上能够真正提升个人或群体对事物的理解呢？
哈吉·塔加尔（Harj Taggar）
我听说过这个使用案例，这确实引发了我的思考。据我了解，这款产品的功能在于让员工自由分享他们正在进行的工作。然后，它会分析这些对话，提炼出有价值的信息，并为 CEO 提供关键要点的总结。
贾里德·弗里德曼（Jared Friedman）
许多 SaaS 公司尝试使用传统的 SaaS 软件进行每周员工反馈等操作。但大语言模型的应用版本的效果要比大语言模型出现之前的理念好上百倍。
哈吉·塔加尔（Harj Taggar）
我在思考，当使用那种特定工具时，不仅仅是在应用阅读和总结的能力。这引发了一场争论：如果写作就是一种思考，要判断谁是优秀的沟通者，以及公司应该关注哪些关键事项，实际上需要巨大努力。我预想，未来的大型语言模型可能不仅仅用于总结和阅读，还能够进行真实的思考。 到那时，究竟是谁在运营这个组织呢？真是个有趣的想法。
陈嘉兴（Garry Tan）
关于帕克·康拉德（Parker Conrad），有件有趣的事情……我最近了解到，Rippling 内部有超过 100 位创始人作为特殊人才加入，他们负责运行涵盖软件即服务（SaaS）业务全方位领域的各项事务。
贾里德·弗里德曼（Jared Friedman）
组建团队的方式非常酷。你可能对此非常熟悉，因为你曾多次采访过 Harsh。
哈吉·塔加尔（Harj Taggar）
这段话非常专注于招募创始人。可以说，Rippling 几乎可以被视为一个抵制垂直整合或行业细分化的典型案例。
陈嘉兴（Garry Tan）
他正在努力整合并统筹管理所有的人力资源和 IT 软件。
哈吉·塔加尔（Harj Taggar）
他的基本观点是：存在一个具有巨大价值潜力的基础平台，期望吸引创始人和团队在此平台上创建项目。这种模式有些类似于 Amazon 的共享基础设施。
陈嘉兴（Garry Tan）
是的，我认为他们发布的产品，比如时间跟踪等，几乎都能在当天实现数百万美元的年度经常性收入（ARR）。我们之前谈到的正是这种情况。当你在一个垂直市场站稳脚跟时，就需要在销售和市场推广上投入资金。那么，在保持客户获取成本（CAC）不变的情况下，我是否可以基本上提高客户生命周期价值（LTV）呢？ 如果你看看今天所有顶级的软件公司，这正是 Oracle、Microsoft 和 Salesforce 等公司所做的。Rippling 也许会是下一家。但对于从零开始创业来说，这是一种有趣的选择。
贾里德·弗里德曼（Jared Friedman）
我们来聊聊语音技术领域的一些公司吧。这是该领域一个非常有趣且快速发展的子类别。
戴安娜·胡（Diana Hu）
我与一家名为 Salient 的公司合作，该公司主要在汽车贷款领域利用 AI 语音识别技术，自动化大量债务催收过程。传统上，他们通过电话提醒客户，例如：“您欠下 1,000 美元的汽车贷款。”
这种工作重复性很高且令人厌烦，导致呼叫中心的低薪员工流动率居高不下，银行需要大量人力来处理众多账户的催收，而这正是 AI 非常适合自动化的任务。Salient 致力于实现极高的准确率，目前已与多家大型银行成功合作上线，备受瞩目。这家成立于去年的公司能够成功进入市场，部分原因在于通过高层决策者进行有效的销售推动。
陈嘉兴（Garry Tan）
我觉得这个领域的发展非常迅速，一些公司在语音基础设施方面表现出色，例如 Vapi。人们几乎可以立即开始使用，甚至在零售业中也是如此。这些公司能够迅速扩展，因为这是一个非常令人兴奋的领域，启动并运作可能只需几个小时。目前还有一些问题尚待解决，我们希望他们能找到答案，比如在采用新推出的 OpenAI 语音 API 时，如何留住客户。是否应该直接使用？起初使用底层 API 可能会增加工作负担，但这些平台的入门门槛确实很低。关键在于，你是否能够持续提供更高的价值，以便永久留住客户。
贾里德·弗里德曼（Jared Friedman）
哈吉特，你早些时候提到了一个有趣的观点，那就是自 2023 年初以来，基于大语言模型（LLMs）构建的应用已经发生了变化。是这样的。
哈吉·塔加尔（Harj Taggar）
声音技术正如我们刚才谈到的，是一个很好的例子。我认为，甚至在六个月前，语音技术的逼真度仍然不足，延迟也较高。我们在利用 AI 语音来有效替代人类接听电话方面似乎还有很大的差距。然而，已经能看到明显的进步。回顾一下，首个由大语言模型（LLM）驱动的应用程序是在创业孵化器 Y Combinator（YC）的一批项目中推出的，我记得是在 2023 年冬天，至今接近两年了。这些应用程序基本上只是在生成一些文本，但即便是这些文本也并不完美。
陈嘉兴（Garry Tan）
就好像是石头在说话……有点像是这样。嗯。
戴安娜·胡（Diana Hu）
它主要是一种用于文本、营销材料及邮件的编辑工具，可以帮助逐步改进内容。
哈吉·塔加尔（Harj Taggar）
我记得曾有一家名为 Speedy Brand 的公司。他们的业务是帮助小企业轻松生成博客和进行内容营销。这是一个显而易见的创意。虽然它并不完美，但在当时还算不错。我们在节目中多次讨论过，它就像是一个围绕 Chat GPT 打造的包装应用。这是一个大语言模型应用的例子，只需简单输出一些文本。在下一个版本中，OpenAI 可能会轻松超越它。
贾里德·弗里德曼（Jared Friedman）
这确实取得了成功。
贾里德·弗里德曼（Jared Friedman）
我不确定这是否属实……但许多早期的大语言模型（LLM）应用已经被下一代的 GPT 所取代。
哈吉·塔加尔（Harj Taggar）
但我觉得我们就像温水中的青蛙，似乎每隔三个月情况就会有所改善。现在我们讨论的是垂直整合的 AI 代理，这些代理将有能力接管整个团队的工作、职能和企业的运营。这样的发展对我来说依然令人震惊。两年过去了，这个领域仍然处于相对早期的发展阶段，而这种进步的速度是我们以前从未见过的。
戴安娜·胡（Diana Hu）
有趣的是，我们在上一集中讨论过，许多基础模型正在彼此竞争。过去，OpenAI 曾是一家独大的公司，但在最近的一段时间里，我们可以看到这种局面正在发生变化，Claude 已成为一个强有力的竞争者。
陈嘉兴（Garry Tan）
感谢上帝……竞争就像市场生态系统中的肥沃土壤。在这样的市场中，消费者拥有更多的选择，而创业者也有更多的机会。这是我希望生活的世界。对于那些正在考虑创办初创公司或已经启动的人来说，他们会关注这些信息。那么，你怎么知道哪个行业领域适合自己呢？
哈吉·塔加尔（Harj Taggar）
在任何地方，总会存在一些枯燥重复的行政工作。这似乎是所有这类情境的一个共同点——只要你找到一个枯燥重复的行政任务，深入探索后，很可能就会发现一个潜在价值十亿美元的 AI 初创公司。
陈嘉兴（Garry Tan）
听起来你应该追求那些自己有直接经验或联系的事情。
哈吉·塔加尔（Harj Taggar）
我确实发现，一些公司在表现良好时具有共同的特征。不久前，我脑中冒出了另一个念头：Sweet Spot。我想我以前提到过他们，他们基本上是在开发一个用于投标政府合同的 AI 代理。这一想法是一年前由他们提出的，那时其中一位朋友的全职工作是不断刷新政府网站页面，寻找新的投标项目。
在寻找新方向时，他们意识到这似乎是大型语言模型（LLM）能胜任的任务。最近，有家公司在这一领域进行了转型，他们的新构思广受关注。他们的基本想法是开发一个 AI 代理，用于处理类似于牙科诊所医疗账单这样的事务。这个想法源于其中一位创始人的母亲是一名牙医，他有一天决定跟随母亲工作，观察她的日常工作。后来她说，这些处理索赔的工作非常枯燥，应该可以交给大型语言模型（LLM）来完成。因此，他开始为他母亲的牙科诊所开发软件。
陈嘉兴（Garry Tan）
在机器人领域，有一个经典的经验法则：那些能够盈利并正常运作的机器人，通常被用于肮脏和危险的工作。同理，对于垂直SaaS，可以着眼于那些单调但实用的任务。 好了，今天就到这里。我们下次会在相关平台上继续见面。