YC圆桌：垂直AI智能体的规模可能是SaaS的十倍 | 重点与全文 （附视频）

ttxx

未经许可不得转载，务必保留原文出处链接和公众号按钮


关注本城公众号并设星标，不错过最新精彩内容

文：Web3天空之城·城主


最近AI智能体/代理（AI Agent）的话题方兴未艾。前几天，著名孵化器YCombinator的圆桌节目关于这个话题有个很不错的讨论，题目正是：垂直AI智能体的规模可能是SaaS的十倍。

相比于英文原文AI Agent，中文翻译的AI代理/AI智能体，前者么，稍显平淡，后者又有点过于科幻。抛开概念炒作不谈，AI 智能体可以理解为一种能够感知环境、与人类互动，做出决策并采取行动以实现特定目标的AI自动化系统。

AI智能体的迅猛发展以及对人类工作效率的帮助是实实在在的，和近期国内一些科技圈外的“AI浪潮已经降温”奇怪言论相反，在垂直领域里，各种AI智能体产品的发展正如火如荼。比如最近特别火的AI智能编程平台Cursor和windsurf双雄，本质上就可以看作是编程领域的AI智能体（雏形？）。它们和传统编程App的区别，使用过的同学都知道，那是石器时代和蒸汽时代的区别。

YC的这个圆桌讨论都是第一线的AI合伙人，名声不一定很著，但讨论的内容特别接地气。推荐给大家。首先重点内容文字和视频，有兴趣的同学可以看后附的全文以及完整视频。


垂直 AI 智能体的市场规模潜力和与 SaaS 的类比

垂直 AI 智能体的市场规模潜力巨大，YC认为其规模甚至可能十倍于 SaaS 市场。 AI 智能体不仅可以替代现有的 SaaS App，还能进一步取代大量人工操作，从而大幅提高效率并降低成本。

YC将 AI 智能体的发展与 SaaS 的发展进行了类比，并指出了两者之间的相似性和差异性：

相似之处：

• 新的计算范式： 大型语言模型（LLM）的出现，就像 2004 年浏览器增加 XML HTTP 请求功能一样，为App发展带来了新的可能性，开启了 SaaS 时代。同样地，LLM 也被视为一种新的计算范式，将推动 AI 智能体的发展。
  
• 发展轨迹： AI 智能体可能会经历与 SaaS 类似的发展轨迹，从最初的通用型工具逐渐发展到后来的垂直领域解决方案。
  
  

差异之处：

• 发展起点： SaaS 的发展经历了从消费者产品到企业App的转变，而 AI 智能体可能在一开始就以垂直解决方案的形式出现。这是因为企业已经接受了点解决方案和垂直解决方案的价值，并且 AI 智能体的用户体验与现有 SaaS 产品差别不大，更容易被企业接受。
  
• 功能深度： AI 智能体可以将App与人员结合在同一产品中，直接取代人工操作，这是 SaaS 无法做到的。这意味着 AI 智能体可以更深入地介入企业的业务流程，提供更全面、更高效的解决方案。、
  
  

对垂直 AI 智能体的讨论<ol>

垂直 AI 智能体的定义和优势

</ol>垂直 AI 智能体是指专注于特定领域或行业的 AI 智能体，与通用 AI 智能体相比，它们能够更深入地理解特定领域的需求，并提供更专业化的服务。

垂直 AI 智能体的优势在于：

• 高度定制化： 能够针对特定行业或企业的独特需求进行定制，提供更精准的解决方案。
  
• 专业化服务： 深入了解特定领域常识，能够提供更专业的服务，解决更复杂的问题。
  
• 高效率和低成本： 可以自动化大量人工操作，提高工作效率并降低人力成本。
  
  

<ol>

垂直 AI 智能体与 SaaS 的比较

</ol>垂直 AI 智能体与 SaaS 都是App服务，但两者之间存在一些关键区别：

• SaaS 提供App工具，而垂直 AI 智能体则将App和人员结合在一起，直接取代人工操作。例如，Momentic 可以完全取代质量保证人员，而传统的 SaaS 质量保证App只能提高 QA 团队的效率。
  
• SaaS 经历了从消费者产品到企业App的转变，而垂直 AI 智能体可能在一开始就以垂直解决方案的形式出现。 这是因为企业已经接受了点解决方案和垂直解决方案的价值，并且 AI 智能体的用户体验与 SaaS 类似。
  
  

<ol>

垂直 AI 智能体的市场规模和发展趋势

</ol>垂直 AI 智能体市场规模巨大，甚至可能十倍于 SaaS 市场。由于 AI 智能体可以替代大量人工操作，而企业在员工上的支出远远超过App支出，因此垂直 AI 智能体市场具有巨大的增长潜力。

此外，YC指出，AI 智能体技术发展非常迅速，过去两年已经取得了巨大进步。最初的 AI 智能体应用只能输出简单的文本，而现在的 AI 智能体已经可以完成语音通话、质量保证、招聘、客户支撑等复杂任务。

<ol>

垂直 AI 智能体创业方向的选择

</ol>YC建议，创业者应该选择他们有经验或关系的领域，并寻找那些无聊、重复的行政任务。这些领域更容易找到市场需求，更容易获得成功。

YC还提到了一些值得关注的垂直 AI 智能体领域，例如：

• 语音 AI 智能体：  这是一个快速增长的领域，其中存在很多机会。
  
• 医疗账单处理：  可以帮助医疗机构自动化账单处理流程，提高效率并降低成本。
  
• 政府合同竞标：  可以帮助企业自动搜索和竞标政府合同，节省时间和精力。
  
  

<ol>

垂直 AI 智能体发展面临的挑战

</ol>

• 企业需求不明确： 许多企业对于他们需要什么样的 AI 智能体并不确定，这导致一些企业尝试构建通用的 AI 智能体平台，但这些平台往往难以满足企业特定的需求。
  
• 工作岗位替代： AI 智能体可能会取代一些现有的工作岗位，这可能会导致一些阻力，特别是在销售过程中需要考虑到这一点，不要将 AI 智能体销售给那些将被 AI 取代的团队。
  
  

<ol>

垂直 AI 智能体对未来工作模式的影响

</ol>YC认为，AI 智能体的发展可能会导致未来的工作模式发生变化。

• 管理效率提升： AI 智能体可以帮助经理更好地管理员工，从而提高企业的效率。
  
• 人类能力扩展：  AI 智能体可以帮助人们扩展他们的能力，例如扩展邓巴数，让人们可以与更多的人建立有意义的关系。
  
  

AI 时代企业规模的讨论垂直 AI 智能体的市场规模将远远超过 SaaS 市场，甚至可能达到十倍的规模差异。这种判断的基础在于 AI 智能体对企业规模的潜在影响。传统上，企业规模往往与人员规模正相关。为了扩大业务，企业需要雇佣更多员工来处理日益增长的工作量。然而，AI 智能体的出现正在改变这一游戏规则。

AI 智能体可以自动化大量人工操作，包括那些“无聊、重复的行政任务”。这意味着企业可以利用 AI 智能体来提高效率、降低成本，同时保持甚至缩减人员规模。YC以多个实例佐证了这一观点，比如 Momentic 可以取代整个质量保证团队，Salient 可以自动化汽车贷款催收工作，减少大量呼叫中心人员 。

一个重要的观察是，企业在员工上的支出远远超过在App上的支出。这意味着通过 AI 智能体取代人工操作，企业可以释放巨大的成本节约潜力。  这说明了为什么YC对垂直 AI 智能体的市场规模如此乐观。

除了成本因素之外，AI 智能体对企业规模的影响还体现在以下几个方面：

• 垂直化趋势: AI 智能体的出现可能会加速企业运营的垂直化趋势。由于客户需求高度定制化，构建通用的 AI 智能体平台非常困难。因此，市场上将会出现大量专注于特定垂直领域的 AI 智能体企业，而不是少数几家提供所有App的巨头企业。这种垂直化趋势可能会导致企业规模更加精简、灵活。
  
• 管理效率提升: AI 智能体可以帮助管理者更好地管理员工，从而提高企业的整体效率。例如，AI 智能体可以收集和分析员工反馈，帮助管理者了解员工需求和工作状态。这可以帮助企业优化管理流程，提高决策效率，最终提升企业的整体运营效率。
  
• 扩展邓巴数: 邓巴数是指一个人能够维持稳定社会关系的人数上限，通常认为是 150 人左右。YC认为 AI 智能体可以帮助人们扩展他们的邓巴数，例如通过 AI 智能体与更多人进行有效沟通。这可能意味着未来的企业规模不再受限于管理者的人际关系网络，从而推动企业规模的进一步扩大。
  
  

圆桌讨论视频完整版：


https://www.bilibili.com/video/BV1gSBaY5EmM/

全文书面版：

每个季度，大家都可以明显看到事情正在逐步向好的方向发展。当前，大家正处于一个讨论全面垂直AI智能体的阶段，这些智能体有可能取代整个团队、职位及企业，对此的进展我仍然感到震惊。许多的基本模型正在正面展开竞技。过去，OpenAI几乎是市场上唯一的参与者，但从最近的一圈来看，这种情况正在发生改变，为此我感到十分感激。竞争就像是一个富饶的市场生态系统的土壤，为消费者们提供了选择，同时也为创始人带来了机会。这便是我向往的世界。

欢迎参与到《光锥》节目的另一集。我是加里，与我一起的还有贾里德、哈吉和戴安娜，大家一同投资了数千亿美金的初创企业，那时的他们只有一两个员工。今天，贾里德带着满满的激情，将和大家一同探讨垂直AI的话题。

我对此题目感到非常的兴奋，因为我意识到，特别是许多初创企业的创始人，包括年轻的创始人们，并没有足够的认识到垂直AI智能体将会产生多么巨大的影响。这并不是一个新课题，垂直AI智能体正在被更多人所关注，大家也投资了许多相关的项目，但我认为，人们依旧没有意识到它将会随着时间的推移，产生巨大的影响。

下面，我将提出一些理由，说明为何我认为在垂直AI智能体这个领域中将会诞生超过300亿美金的企业。我将通过与SaaS的类比来阐释这一点。在我看来，人们还无法全面理解SaaS的庞大潜力。往往大多数初创企业的创始人，尤其是年轻的创始人，他们从消费者的角度来看待创业行业，因为作为消费者，一般不会使用太多的SaaS工具，大部分SaaS工具都是为企业而设计的。

所以，我认为许多人忽略了一个关键的事实，那就是如果大家回头看看硅谷在过去20年的投资情况，大多数的项目都在创建SaaS企业。这实际上是硅谷输出的主要内容，在这个时间段，超过40%的风险投资资金流向了SaaS企业。总体来说，在过去的20年里，大家创立了超过300家SaaS独角兽企业，这在其他领域是无以伦比的。大家必须承认，App真的是个好东西。

通过回顾这段历史，大家可以发现技术的历史发展如何催生了未来。SaaS繁荣的真正催化剂，你还记得它是什么吗？对，那就是XML HTTP请求。我敢肯定这几乎就是SaaS繁荣的催化剂。也就是大家所熟悉的AJAX。

在2004年，浏览器增加了这个JavaScript功能——XML HTTP请求，这个功能是构建丰富互联网应用程序的主要部分。因此，这是第一次，在网站上创建出像桌面应用程序一样的功能。此功能开创性的带来了诸如GOOGLE地图和Gmail这样的应用，开启了整个SaaS行业的繁荣。基本上，Locke的关键技术是App从一种可以在CD-ROM上获取并安装到桌面的形式，变换成了一种可以通过网站和手机应用使用的形式。

保罗·格雷厄姆实际上也为这个变革做出了贡献，因为他是最早将HTTP请求与Unix提示符连接起来的人之一。因此，你实际上不需要一个单独的计算机程序来修改网站。VIAweb是一个在线商店，类似于Shopify，但其历史早于Shopify。它可以看作是最早的SaaS（App即服务）应用程序之一，由PG在1995年开发。然而，最早的SaaS应用程序较糟糕的原因在于它们并未使用XML HTTP请求，导致每次点击都必须重新加载整个页面，这使得用户体验较差。因此，直到2005年XML HTTP请求广泛应用后，SaaS才真正流行开来。

我从中观察到的是，大型语言模型（LLM）有着类似的情况。它是一种新的计算范式，让大家能够实现不同于以往的事情。在2005年，云计算和移动技术的崛起，给大家留下了一个重大挑战，您可能为此感到困惑：新技术已经出现，如何应用它？它的价值在哪里？创业企业又有哪些机会？

我有幸能够浏览到众多估值超过十亿美金的企业名单，我发现它们的成长轨迹可以大致分为三类。第一类是人们创立企业时，他们有的明显的好想法，可以发展成为大众消费产品，如文档、照片、电子邮件、日历、聊天等。它们曾经通过桌面使用，但显然可以转移到浏览器和移动端。然而，令人感到有趣的是，这些类型的创业企业并未获得成功，100%的价值流向了GOOGLE、FaceBook、AMAZON等现有企业。例如，GOOGLE文档并非唯一一家嘗試将MicroSoftOffice搬到线上的企业，还有大约30家企业试过，但它们都未能成功。

然后是第二类，这种想法并非一开始便显而易见的，未被普遍预料到。例如优步、Instacart、DoorDash、Coinbase、爱彼迎等企业，他们所做的事情是完全出乎意料的，像XML HTTP请求和Airbnb之间的关系，非常不直观。因此，现有企业甚至没有尝试在这些领域竞争，直到无法迎头赶上。所以初创企业能够在这些领域获胜。

而第三类是所有的B2B SaaS企业，这有大约300家。根据创造价值的标志数量，这一类创建了比前两类都多得多的超过十亿美金的企业。我认为其中一个原因是，SaaS没有像MicroSoft那样的企业竞争。不存在一家企业能够为每个垂直领域和每个产品提供SaaS服务，看来它们都是不同的企业，这就是为什么会有如此之多的企业。Salesforce可能是第一个真正的SaaS企业。

我记得马克·贝尼奥夫曾在YC演讲中分享过一个故事，他讲述的是早期人们怀疑云端或SaaS能否构建复杂的企业应用程序。这只是因为存在认知问题，他们认为应购买的是盒装App，而真正运行的应是那些已经安装的App，以这种方式运行App似乎是他们习以为常的方式。这与早期的网络应用程序形成鲜明对比，因为它们十分糟糕。但你必须像PG那样有远见，理解浏览器将持续改善，并最终变得更好。让人感到这与今天的情况非常相似。确实，完全一样。你可能会发现自己无法利用这些大型语言模型或AI工具来构建复杂的企业应用程序。由于它们可能产生幻觉、并不完美，甚至就像玩具，但这就像早期的SaaS故事一样相似。

在我思考与大型语言模型的相似性时，我可以很容易地想象同样的事情会发生。这就像有一堆类似大众消费应用程序的类别，这绝对是一个巨大的机会，但现有企业可能会获得所有这些机会。打个比方，这就像一个通用的AI语音助手，你可以要求它做任何事情，它都能去实现。这个产品显然应该存在，但所有大企业都会争夺它。

若谈及苹果，人们可能觉得他们在这方面行动较慢。为什么Siri还显得那么愚蠢？为何要采用它？这似乎没有什么意义。一种反驳观点是，搜索显然是一个重要的领域，尽管GOOGLE可能仍然占据主导地位，但完全有可能面临来自各个新兴竞争者的激烈竞争。

这实际上是创新者困境的典型案例。你可以争辩说，回顾你提到的Uber或Airbnb，从监管角度来看，这些都是非常大的赌注。如果你是GOOGLE，你已经有了每个月可以稳定收入的大笔财富，为什么还要冒风险去追求那些可能让你害怕，甚至可能会毁灭你的财富的事情呢？这大概就是现有企业为什么没有创造出这些产品的原因，即使它们已经变得如此庞大。

很明显这些产品会成功。然而，GOOGLE并未推出Uber的克隆产品，也未推出Airbnb的克隆产品。我听过Travis的演讲，其中有一部分让我印象深刻，他在第一次使用Uber时，害怕自己会因此被长期监禁。实际上，他是冒着切实可能被判刑的风险建立了那家企业。所以，肯定没有哪个待遇丰厚的GOOGLE高管会愿意冒这样的风险。

你认为现有的企业为什么没有进入B2B SaaS呢？这是否是因为有太多广泛分布的用例？这是个好问题，我很想知道你们的观点。

我的看法是，作为一家企业，同时做很多事情非常困难。每个B2B SaaS企业实际上都需要在某个领域有深入的理解，并且对许多冷门问题持有强烈的兴趣。举个例子，为什么GOOGLE不创建一个与Gusto竞争的产品呢？答案是，没有人在GOOGLE真正了解薪资管理，也没有耐心处理所有这些复杂的薪资法规。这根本不值得他们去做。他们更愿意将重心放在一些真正的大类别上。

在B2B SaaS世界中，关于App的拆分和捆绑的观点也同样适用。那么为什么所有这些垂直的B2B SaaS产品会发展起来，而不是简单地依赖Oracle或SAP等企业呢？NetSuite就宛如一站式信息管理系统。这种模式的背后，我认为或许可以追溯到App服务(SaaS)和互联网转型的趋势，这种趋势相对于旧有的销售App方式而言，显得十分突出。传统的盒装App，安装成本较高，并且伴随着一整套周围的生态系统。若你需要任何定制功能，以往的集成商常常会否决，然后提出为你打造一个定制的功能，比如薪酬功能等。然而，在Salesforce引入SaaS解决方案之后，这种情况发生了改变。这种解决方案看似并没有你之前支付的高昂的企业级部署那样强大或复杂，但实际上，情况恰恰相反。

我认为这就是为所有这些垂直SaaS解决方案的出现打造了环境，它们正是依靠这种模式来运行。然而，另一个问题是，对于很多企业App，如果你是Oracle和NetSuite的用户，由于它们必须覆盖众多领域，用户体验实际上很糟糕。它们试图成为万能的解决方案，但却无法深度掌握任何一方面，结束的结果就是体验混乱、复杂。相反，如果你选择一个针对B2B SaaS垂直企业的解决方案，你就能享受到十倍的体验，因为消费者产品和企业用户体验存在显著的差异。

App一般只有三种价格定位：每个席位5美金，每个席位500美金，或者每个席位5000美金，分别对应着消费者、中小企业及大型企业的消费动向。我开始思考的是，过去的教训告诉大家，以前的企业App体验较差，因为购买App的人并非实际的用户，常常是一些财富1000强企业的高管，他们购买的是高额的合同，而并非是那些终端用户每天都必须使用的App，让我想到了大型语言模型（LLMs）如何改变这种现象。

至今，大家在小型和中型企业以及企业App企业中，看到一个相当明显的现象是，随着企业收入的增加，你需要雇佣的人数也要相应增加。即使是沃田科斯投资的初创企业，他们的年收入可以轻松达到1亿或2亿美金，但是员工数量也相应达到了500人、1000人甚至2000人。

这也引发了我的一点好奇，在我对那些刚刚加入大家的初创企业提供建议时，我发现这些建议与我一两年前的建议开始有所不同。过去，你可能想要挖掘企业内在客户成功或销售等部门表现出色的人才。你希翼他们能为你建立一个团队，并雇佣大量的员工。这种策略可能仍然有效，但我感觉，现在更应该聘请出色的App工程师，他们了解大型语言模型，并能够自动化一些增长的瓶颈问题。这可能会带来微妙但明显的转变，影响初创企业在找到产品市场契合后的发展方式。这表示我将建立能降低成本的大型语言模型（LLM）系统，使我无需雇佣一千人。我相信大家现在正处于这场革命的起步阶段。在过去的节目中大家讨论过，未来会出现一家只需雇佣十名员工就能运营的独角兽企业，如果大家将这个想法推到极端，完全有可能实现。他们正在编写评估和引导，而我认为这是一种在LLM出现之前就已经开始的趋势。

我记得在运营TripleByte时，大家需要建立营销或客户用户获取，尤其是在大家完成B轮融资后，通常的做法是雇佣一名市场营销主管，组建一个营销团队，然后启动这个机器进行销售和营销。但是我认识到一个Y Combinator的创始人，迈克，他的企业主要是生产一个智能煎锅。这听起来很奇怪，但他是麻省理工学院的工程师。为了销售他的智能煎锅，他必须非常擅长理解付费广告和GOOGLE广告等一系列事物。因此，他以工程师的思维来解决这个问题。

当我和他谈话时，我意识到，聘请一个麻省理工学院的工程师来帮助大家的市场营销将比任何我接触过的市场营销候选人都要好。而他确实成功扩大了大家的规模，大家有一段时间每月在市场营销和各种活动上的支出超过一百万美金。TripleByte的市场营销表现非常出色，我记得你做的所有精彩的户外广告和Caltrain车站接管活动，这让我印象深刻。这显然不是副市场总裁的工作，这全都是迈克的贡献。

我经常接到这样一个问题，当人们问我Triplebyte有多大的时候？当时大家大约有50人，但感觉却像几百个人。因为如果你交给一个非常聪明的工程师一些任务，他们总能找到实现这个任务的方法……他们找到了杠杆作用。而现在，大型语言模型（LLMs）可以远远超过你仅依靠纯App所能获得的杠杆。

这就是我对300个垂直AI智能体独角兽的预测。你可以想象，每一个现在拥有SaaS独角兽的企业，在某个新的宇宙中，都有一个对应的垂直AI独角兽。这些SaaS独角兽在之前，大多数都是盒装App企业，在生产相同的产品，后来被SaaS企业颠覆。你可以很容易地想象同样的事情会再次发生。现在，基本上每个SaaS企业都在构建一些App，供人们使用。而垂直AI的对等体将会将App与人力结合在同一个产品中。

现在可能的一个问题是，企业可能对他们究竟需要什么样的智能体一头雾水。但我看到的一种解决办法，尤其来自那些更有经验的创始人，例如脸书的首席技术官布雷特·泰勒，他创办了自己的企业Sierra。尽管我并不了解所有细节，但根据我所知，这个模式更倾向于让企业部署和启动这些AI智能体，使其定制化，而不是大家提供特定的智能体来完成特定的工作。我从我投资的一家叫做VectorShift的企业了解到这一点。大约一年前，大家对这家企业进行了投资。该企业的两位创始人是非常聪明的哈佛计算机科学家，他们正在构建一个让企业能轻松自建类似于无代码或SDK的内部LLM驱动的智能体的平台。然而，企业往往不知道他们想用这些工具做什么。

因此，我开始思考，在盒装App的早期，只有少数一些供应商设法说服人们使用他们的App，这些App就像是一体化的解决方案。随着时间的推移，它变得越来越复杂，高度精细化，出现了许多垂直SaaS企业。在LLM的初始阶段，大家看到类似的情况，早期的赢家可能是那些提供通用工具，意在方便用户使用LLM的企业。然后随着时间的推移，垂直智能体将会崭露头角。我有个疑问，你认为这次的情况会不同吗？垂直智能体会在一开始就快速崛起吗？

是的，这个问题很有意思，因为如果你回顾SaaS的发展历史，初期的成功主要来自消费者产品，比如2005年到2010年间的电子邮件、聊天和地图等消费者应用程序。人们习惯于自己使用这些工具，我认为这让销售SaaS工具给企业变得更简单，因为同一个人既是消费者，也是员工。我倾向于认为，这个过程只是App发展的一部分。没有必要回退到一种状态，即大型语言模型必须像一体化的企业LLM平台一样来完成所有的工作。因为企业已经接受过有关碰点解决方案和垂直解决方案的价值。

用户体验不会有很大的变化，这些工具只会变得更加强大。企业如果已经建立了相信初创企业或垂直解决方案可能比传统的全平台解决方案更优的信念，他们可能愿意投注于那些现在承诺能提供优秀的垂直AI智能体解决方案的初创企业。我看到一些投资的企业已经在企业中迅速吸引了垂直AI智能体，而且速度更快。我认为大家仍处在这个游戏的初始阶段，所有的App最初都是垂直的。

但随着行业的推进，我对我之前的问题已经有了答案。问的是，为什么一家企业最终会拥有1000名员工呢？实际上，在早期阶段，各自都在投入努力解决特定的问题。然后在某个时刻，为了减少销售和市场营销的成本，大家必须寻求扩大业务范围。一旦大家占有了100%或者大部分的市场份额，想要继续增长就只能通过扩展其业务范围。也就是说，大家需要做的不仅仅是解决一个点的问题，还有协同工作的问题。另一个可能的观点是，垂直AI智能体的前景可能会超过App即服务（SaaS）的规模，因为在SaaS的运营中，仍然需要一个运营团队或一组人来操作App，以完成所有的工作流程，例如审批工作流程，或者输入数据。而垂直AI智能体的出现，不仅能替换一整套的SaaSApp，从而实现一对一的映射，还可减少大量的工资支出。因为许多企业的支出中，大部分依然是工资，App的支出只占一小部分。更准确地说，企业对员工的支出远超过对App的支出。而现在，这些规模较小的企业将变得更有效率，需要更少的人去进行数据录入、审批或点击App。

我倾向于认同，垂直等价物的规模可能会是被它们颠覆的SaaS企业的十倍。这么说，其实有两种可能的情况。首先，垂直解决方案有可能足够大以至于你不需要去做更广泛的事情。第二，也存在另一种可能。

以大家合作的一些垂直AI智能体企业为例。像我曾经合作过的一家叫做Outset的企业，该企业前产品负责人是亚伦·卡农。他们把大型语言模型应用到调查和 Qualtrics 领域。而Qualtrics 不太可能真正构建出最佳的大型语言模型和推理能力。然而，问卷调查适用于谁呢？调查服务的对象其实是产品经理和市场营销团队，都是那些试图理解客户需求的人。问卷调查到底是什么呢？你猜对了，就是语言。

我认为，这类企业其实必须要在两者之间找到平衡，因为企业和中小企业的App通常是基于一个特定的决策者来销售的。而你必须向组织内的高层人员销售产品，以确保他们不会担心他们的工作或团队的工作会因此消失。

这就是我所看到的，许多需要出售产品的企业必须面对的问题，因为如果你的销售对象是那些可能会被AI替代的团队，他们可能会从内部破坏这个过程。这样的方式并不合理。因此，我认为这是一种有趣的方式，通常是自上而下的销售模式，必须得到组织层面的同意，甚至需要CEO的签字。

我曾经合作过的一家企业叫做Momentic，它是一家AI智能体企业，起初类似于质量保证测试。而现在，他们的发展势头非常好。也许你还记得十年前，大家在 Y Combinator 与 Rainforest QA 合作过。Rainforest QA 是一家提供质量保证服务的企业，他们面临的挑战就是不能完全替代质量保证团队。他们需要提高质量保证团队的效率，但这也意味着要取代他们的工作，尽管他们无法取代整个团队。

因此，他们始终在尝试销售App与保持质量保证团队之间保持平衡，因为这意味着你需要更少的质量保证人员。然而，你又必须要向那些不愿被取代的质量保证团队销售这个想法。我认为这一直都是行业内的一个摩擦点，关于如何扩展和增长。目前，Momentic已经通过AI技术，成功实现了全面代替质量保证（QA）人员的可能。他们的宣传并未简单准备振作QA人员的工作速度，而是直言不讳地表明，客户通过使用Momentic，其实完全无需设立QA团队。这样，客户就可以将主要精力投入到工程项目本身，而无需再向QA团队寻求支撑。

此外，Momentic也为客户提供了参与的机会。客户优先考虑向那些尚未设立大型QA团队的企业销售，他们可以选择像Momentic这样的产品，并且随着业务的持续扩展，这些企业将永远无需设立自家的QA团队。这实际上是一种垂直AI智能体企业，其规模可以达到SaaS企业的十倍以上，是一份有关Diana所阐述的真实案例研究。

同时，我在招聘领域也发现了同样有趣的现象。在TripleByte，大家面临着同样的问题，即如何设计出能简化筛选与招聘App工程师流程的App，同时还要得到他们加入的工程团队和招聘团队的支撑。实际上，大家正在研发的App本质上就是取代招聘人员的工具，但显然，大家还无法完全无需靠人力招聘，纽约市正在发生的情形就是如此。

在推销大家的产品时，大家总会接到客户的反对观点，毕竟这对他们的职位构成了威胁，让他们担心自己被替换。然而，我认为AI的便利性正逐步减少这种矛盾。现在正是初级阶段，但随着技术的发展，未来可以构建出可以完成完整招聘流程的AI工具。

大家曾与一家名为Apriora的企业合作，依靠Nikko这个技术，实现了全面技术筛选以及初步招聘筛选的任务，并得到了相当厚实的反馈。随着技术的发展，他们以此为契机创新一种全新模式，不再需求招聘人员的支撑，而是用全新的方式建立招聘团队。

此外，我还与一家名为Kappa.AI的企业有过合作，他们创建了一个最佳聊天机器人，能够精确回应大量复杂技术细节。我发现，许多开始使用他们的企业，最终拥有的开发者关系团队要小得多，因为Kappa.AI能够有效获取大量开发者文档，甚至是开发工具发布的YouTube视频以及聊天记录，使得自身技术公开呈现。

我也与名为PowerHelp的客户支撑AI智能体企业有过合作，我发现一个真实的趋势，这是一个众所周知的热门领域，据说有一百个左右的产品提供客户支撑AI智能体服务。然而，通过与PowerHelp的合作，我发现市面上存在大量简单的零样本LLM提示，虽然几乎无法替代一个专业的客户支撑团队与其复杂的工作流程，但却能呈现出不错的演示效果。为了真正替代一家拥有100名客户支撑代表的大规模企业的客户支撑团队，处理每天大量复杂的事务，大家需要一种复杂的App，这样才能完成Jake Heller所谈论的所有工作。然而仅有三或四家企业尝试过这样做，而且这些企业的市场渗透率总共还不到1%。因此，市场机会尚未被充分利用。

我想这可能是超专业化或超垂直化的另一个案例。也许最终会有一家提供通用的客户支撑智能体App的企业，但这可能要进入比赛的后期，而大家实际上还处于初期阶段。像GigaML这样的企业已经出现，他们为Zepto处理每天30,000个工单，替代了一个1,000人的团队。但这是一个非常具体的例子，这并不是一种通用的示范App。它有10,000个测试用例和一个非常详细的评估集，主要是针对Zepto和与Zepto类似的业务。

如果你是其他任何市场企业，你可能会使用它，因为这是非常明确的市场类型——即时交付市场。我认为这就是为什么会出现价值3,000亿美金的SaaS企业，而不是一个价值10万亿美金的MetaSaaS企业，为全世界提供App。因为客户需要的是高度定制的解决方案，而构建一个对所有人都有效的解决方案非常困难。

大家已经提供了三个客户支撑的例子，但他们属于非常不同的领域。就像开发工具企业，你需要的支撑类型都大相径庭。同时，针对各种市场的培训集也是差异巨大。

无论你是否有智能体或真正为你工作的人员，你最终都面临同样的问题——即每家企业都会遇到科斯的企业理论：任何企业只能增长到一定程度，超出这一点就会变得低效。这就是为什么企业是网络和生态系统，以及一个全面发展的经济。每家企业都会专注于自己特别擅长的领域。这些企业的外部界限实际上取决于你作为管理者的能力。

我对这部分感到困惑，因为在与Rippling的帕克·康拉德共度时光时，我发现他最喜欢的观点之一是人们对大型语言模型（LLMs）的痴迷。他认为关于LLMs最令人着迷的是它们可以阅读。我认为对他来说，运营人力资源ITApp，想法如何提升经理的工作效率更加重要。

我预测大家会在这方面看到更多的进展。这可能会增加你能够管理的企业的规模。而这正是Rippling正在尝试做的事情。他正在构建一套人力资源工具，如果成功了，这可能会在扩大经理管理范围的战争中胜出。他计划将众多价值数十亿美金的SaaS企业整合为一家大型企业。这是一种引人入胜的看法。我认为，这让我思考的原因是，拥有这些AI SaaS工具将为所有领导者和组织提供打开他们在解析信息方面上下文窗口的机会。尽管大家人类在建立有意义关系方面有限制，比如Dunbar数字（能够保持有意义社会关系的人数），大约在150人左右，但我认为AI可能让大家能够扩展这个限制。

我记得看到Flo Crivello在Twitter上发的一个帖子，这帖子走红了。帖子提到，有人开发了一个应用，周末CEO能用它给所有1500名员工打电话。这个电话就如同CEO亲自拨打一样，而且时间很短。这让我想起了影片《Her》中的一幕，镜头逐渐拉远，透露出一个人正在使用Her OS，而实际上，这个Her OS还在同时与成千上万的人交流。

那么，大型语言模型（LLMs）这种能够进行对话和交流的能力，能够在多大程度上帮助一个人或几个人理解发生的事情呢？我听说过，该产品可以给所有员工打电话，员工们可以随意谈论他们正在做的事情，然后它能解析出有用的信息，并给CEO一个关键点的总结，告诉CEO哪些是最重要的内容。传统的SaaSApp只能从员工这里做每周的调查，但我认为这个场景在许多方面都比原始版本的LLM要好很多。

但我想知道的是，这个工具的使用不仅仅限于阅读和总结。如果写作就是思考，那么，在找出谁是有效的沟通者及企业的重要事物时，是否还需要进一步的工作？会不会有一天，LLMs超越了简单的总结和阅读，开始真正的思考？那时，究竟是谁在实际上管理这个组织？

关于帕克·康拉德的思考也有一个有趣的方面，经过我与首席运营官马特·麦金尼斯的一次采访，我了解到现在在Rippling企业工作的一百多位创始人，他们都在Rippling内部管理各自负责的SaaS业务领域。康拉德组建团队的方式是值得称赞的，我相信哈希对此非常了解，因为哈希进行过很多次相关的采访。我意识到这种方法还着重于招募创始人。帕克的Rippling基本上是一个垂直化的案例，阐述了App的垂直化如何实现横向扩展，接管所有人力资源和ITApp。这个理论核心是，有一个潜在的平台是具有巨大价值的，因此他寻求招募愿意在这个平台上建立的创始人和团队。这种模式类似于AMAZON的共享基础设施。

他们发布的每款产品，例如时间追踪等，常常一经推出，第一天的年度经常性收入（ARR）就能达到数百万美金。这正是大家之前所讨论的内容。当你拥有一个垂直市场，既已稳定立足，将不可避免地投入销售和市场营销的资金。然而，问题是大家是否能够基本保持客户获取成本（CAC）的同时，实现增加客户终身价值（LTV）的目标？

如果你看看今天的顶级App企业，你会发现它们都是这种模式。这就是甲骨文的样子，这就是MicroSoft的样子，这就是Salesforce的样子。Rippling，也在努力成为下一个。但这并不轻松，它需要一种有趣的替代方案，那就是从零开始，完全依赖自己。

举例来说，大家有一些语音企业，我觉得这是一个相当有趣的及其子类别，现在处于快速增长的阶段。例如，我正在合作的一家名为Salient的企业，它主要利用AI语音通话技术来自动化汽车贷款领域的催缴工作。通常情况下，他们会打电话给拖欠车款的人提醒偿还。这个工作场景相对较糟，因为许多低收入工人都在做这些呼叫中心的工作，这是一项非常单调而糟糕的工作。由于这些银行需要处理的账户数量较大，于是就导致了高客户流失率，同时需要大量员工来运营这些账户。而这样的工作恰恰是AI可以自动化处理的完美任务。Salient所做的就是能超精准处理这些，目前已经与许多大型银行合作，进展令人感到兴奋。

这是去年成立的一家企业，其成功案例展示了他们能够进入这个领域的部分原因，因为他们的销售方式是自上而下的。这个领域的变化非常之快，像Vappy这样的语音基础设施企业也在大家的布局中。人们可以马上开始实施，这对零售业务也是一样。成功的原因，主要是它们能迅速扩展规模，短时间内就准备投入使用。尽管其中还有一些尚未解答的问题，大家希翼他们能找到答案，那就是如何在遇到类似新的OpenAI语音API这样的新事物时，如何留住他们。

使用这个API会带来新的问题，尝试直接使用底层API可能会花费更多的工作，但入门门槛显然更低。然后问题是，你能否不断提高上限，以保持永久留住客户？早些时候你提到的一个有趣点是，自2023年初以来，人们基于大型语言模型（LLMs）构建的应用程序发生了变化。语音就是一个很好的例子。我认为即使回溯六个月之前，人们可能还感觉语音的真实性仍然有所欠缺。大家的AI语音应用还远未达到有意义地替代人类通话的程度。我回想起了在2023年冬季，也就是大约两年前，首次出现的由大型语言模型(LLM)驱动的应用。这些应用实质上只是一些输出文本的程序，并没有达到完美的程度。它们更像是编辑校对、营销编辑、电子邮件编辑，并不是一蹴而就的，而是渐进的进程。

我记得有一家名为Speedy Brand的企业，他们的工作是帮助小企业轻松生成博客并输出内容营销，这是一个非常直观的想法。虽然并不十分完美，但在那个时期来说非常新颖。大家以前在节目中讨论过很多，那时大家刚看到了ChatGPT的外包装。它只不过是一个做一些基础工作然后输出一些文本的大型语言模型应用，像是ChatGPT的一个外壳。当LLM应用在下一次发布时，它们会被OpenAI所取代。结果，可能并不是全部，但是在下一波GPT的冲击下，第一波LLM应用大部分都被淘汰了。

不过，大家似乎正在经历一个青蛙沸水般的情况。从大家的角度看，每隔三个月，状况就有所改善。现在大家正在讨论全垂直的AI智能体，它们可能会取代整个团队、岗位甚至企业，这让我感到震惊。过去两年的发展进程还是相当初级的，但发展速度却与大家之前看到的完全不同。

大家在前一期节目中讨论过，很多基础模型正在逐渐正面对抗。以前只有OpenAI在这个领域活跃，但是在上一批中，大家看到这种状况正在发生变化，如今Claude也成为了一个大竞争者。竞争就像是肥沃市场生态系统的土壤，既能给消费者更多的选择，也能给创始人更多的机会，这就是我期待的世界。

因此，那些现在正在关注并考虑创业的人，甚至已经开始创业的人们，你们应该思考如何找到适合你们的行业。试着在某个地方找到一些无聊、重复的行政工作。这似乎是所有成功的共同点，即如果你能找到一项无聊、重复的行政工作，那么可能就有一家十亿美金的AI智能体创业企业在等待你去深挖。不过，你更应该追求一些与你有直接经验或关系的事情。

有一个我认为非常有潜力的企业--“甜蜜点”，他们正在建立一个AI智能体，并竞标政府合同。他们一年前有个机会，就是他们的一个朋友全职工作在一个政府网站上，刷新页面寻找新的投标提案。他们开始转变，想到大型语言模型可能就能做到这些。近期，一群企业开始尝试新的业务转型，这个想法引起了广泛的关注。他们主要构建的是一款针对牙科诊所，用于处理医疗账单的AI智能体。这个想法的来源是，其中一位创始人的母亲是一名牙医。他决定花一天时间陪同母亲工作，亲眼观看她的日常工作流程。他的母亲表示，处理索赔的工作既繁琐又无聊。这种工作完全可以由一个大型语言模型来完成。于是，他开始为母亲的牙科诊所编写这样的App。

在机器人领域，有一句经典的格言，即能盈利且可行的机器人，是从事那些令人厌烦和危险的工作的。因此，在垂直SaaS（App即服务）领域，大家应寻找那些看似无聊、无足轻重的工作。


来源：网易