这集讲什么
HubSpot 联合创始人 Dharmesh Shah 认为，AI 让创业者能更便宜地验证想法，但真正的机会不在复制通用模型产品，而在理解特定客户、解决完整问题，并把新能力接入可靠的软件与工作流。
1-3要点
- 创业想法靠实验筛选，不靠表格算出。 应比较每个想法获得真实客户反馈所需的时间与成本。
- 聚焦客户问题，不必机械地聚焦单一功能。 HubSpot 的营销工具组合，是针对客户无法自行整合零散工具这一障碍。
- 相邻产品应来自可观察的工作断点。 付费营销客户没有 CRM，比抽象的「我们需要做平台」更能解释扩张方向。
播出信息
- 日期：2026-11-10
- 时长：3537 秒（58 分 57 秒）
- 节目：a16z Podcast
- 主持人：Joe Schmidt
- 嘉宾：Dharmesh Shah，HubSpot 联合创始人兼 CTO
- 英文来源：youtube-captions
- 音频：收听本集
- YouTube：观看本集
- Episode：节目页面
背景
二十年前，HubSpot 面对的是不会轻易采用一组零散互联网营销工具的中小企业；如今，Shah 认为相似的客户又面对令人望而却步的 AI 工具。主持人与他的对话始于一篇关于「黄砖路」的文章：如果前沿模型公司正在沿一条显眼的道路快速扩张，其他软件公司还能在哪里建立持久业务？
本集因此同时讨论两种创业处境：新团队如何挑选和验证想法，以及已有客户、代码和组织惯性的 HubSpot 如何重新设计产品。文中的 AI 智能体（Agent）指能够使用工具、读取上下文并执行任务的系统；节目重点不只是智能体的对话界面，更是它能否在实际业务中完成工作。
总结分析
这场对话没有给出一份「下一个热门赛道」名单，而是把寻找创业想法改写成缩短学习周期的问题。Shah 不相信详尽的市场规模表格能预先算出赢家：HubSpot 当年的法律事务软件构想，正是在接触潜在客户后，转向了他们更在意的获客难题。AI 降低了制作和测试产品的成本，却也让产品更多、触达客户更难，因此起点仍须足够聚焦。
更值得注意的是，他并未把「聚焦」等同于只做一个孤立功能。HubSpot 起初同时提供多种营销工具，因为客户真正害怕的是工具割裂；后来发现相当多付费客户没有 CRM，才顺势扩展到免费 CRM 与平台。这种从客户障碍出发的扩张，与先宣布自己要建平台、再倒找用途，方向恰好相反。
面对模型公司的扩张，Shah 提出的检验也很务实：通用产品「还不能做」某件事，并不意味着它不会很快做到；创业者还须判断模型公司是否有动力亲自服务这一客户群。他将模型视为逐渐可选用、可切换的基础设施，同时承认 ChatGPT 等产品可能成为新的入口。于是，应用公司的价值必须落实在业务数据、工作流、执行结果和客户关系，而不能只押注自有界面。
HubSpot Next 与面向独立经营者的 uSpot，则把上述判断变成组织实验：先在较小市场测试上下文、定价和智能体工作方式，再决定哪些成果适合进入主产品。这并不能证明每项探索都会成功，却展示了一种既利用大公司资产、又尽量摆脱大公司试验负担的方法。
节目结构 / 议程
- 新技术为何让创业再次有趣 — 00:47 🎧 · ▶️
- 选择想法：少算胜率，缩短验证循环 — 06:46 🎧 · ▶️
- LegalSpot：客户要的不是最初设想的 ERP — 10:32 🎧 · ▶️
- 60% 没用 CRM：从相邻需求扩展为平台 — 14:40 🎧 · ▶️
- 平台生态：开发者也需要明确的价值路径 — 20:29 🎧 · ▶️
- 「黄砖路」检验：给「还不能做」加上一个「暂时」 — 23:33 🎧 · ▶️
- 模型成为基础设施，应用仍须拥有客户问题 — 27:23 🎧 · ▶️
- ChatGPT 是新入口，但入口不是全部价值 — 31:49 🎧 · ▶️
- 重做基础模块：事实系统加上上下文系统 — 37:04 🎧 · ▶️
- 让 AI 重演旧代码的另一种可能 — 40:44 🎧 · ▶️
- HubSpot Next：把 uSpot 当作实验场 — 43:47 🎧 · ▶️
- 一人公司与「AI 仍是软件」 — 53:07 🎧 · ▶️
分节详解
1) 新技术为何让创业再次有趣 — 00:47 🎧 · ▶️
💬 他们说了什么：Shah 将今天与 HubSpot 创立时相比：当时中小企业知道互联网可能帮助增长，却被分散的工具吓退；今天，它们也可能从 AI 获益，却同样不知道如何上手。从机器语言到高级语言，再到 AI，软件开发一直在提高抽象层级。AI 的突出变化，是让原本需要半年、一年甚至更久才能验证的构想，可以更快做出来并交给真实用户测试。
💡 为什么重要：他所谓「最适合创造者的时代」，不是说客户问题消失了，而是解决问题和获取反馈的成本变了。对老公司而言，这也意味着既有使命可能因新技术而重新变得迫切。
⚡ 争议点：开发速度不等于学习速度。如果产品虽能快速生成，却没有客户愿意试用或付费，创业者仍可能只是更快地生产错误答案。
2) 选择想法：少算胜率，缩短验证循环 — 06:46 🎧 · ▶️
💬 Shah 反对用一张「18 列电子表格」推算最佳创业想法。成功后的产品往往已不同于最初设想，判断质量的办法是尽早推出、观察并修正。他提醒创业者不要一开始只谈可能达到千亿美元的市场，而应讲清最初 30 天做什么、如何取得第一笔收入。AI 让制作更容易，也使竞争品更多，因此分发和接触客户反而更难。
💡 选择想法的能力可以拆成可操作的流程：聚焦一个可接触的客户群，提出可测试的假设，并尽量缩短每轮实验的时间和成本。这里追求的不是第一版就正确，而是尽早知道哪里不对。
⚡ 快速测试偏爱容易获得反馈的需求，可能低估需要长期研发、监管审批或市场教育的产品。市场规模分析不应代替实验，但也不能完全丢弃。
3) LegalSpot：客户要的不是最初设想的 ERP — 10:32 🎧 · ▶️
💬 两位创始人最初看中中小企业市场：与大型企业相比，客户不那么集中；与消费者市场相比，解决经营问题能够收费。他们曾提出面向小企业的综合 ERP 构想，参加 MIT 50K 商业计划竞赛时，又把范围缩为服务律师事务所的「LegalSpot」。但与律所交谈后发现，网站和营销、尤其是获得更多合适客户，比计时等事务管理功能更能引起兴趣，团队遂转向中小企业营销。
💡 这个案例说明，「缩小切口」不是对最初产品的终身承诺，而是为了听清客户优先处理什么。HubSpot 后来的规模，也不是创始人起步时就完整规划出的路线图。
⚡ Shah 自称当时依据的是少量数据点，并非严格验证。个别律所的反馈未必代表全部中小企业；更合理的解读是，反馈推动了下一步试验，而不是一次访谈就证明了新市场。
4) 60% 没用 CRM：从相邻需求扩展为平台 — 14:40 🎧 · ▶️
💬 HubSpot 起初是一组营销应用，并没有从第一天就计划成为 CRM 平台。Shah 回忆，一次对已有客户的调查显示，约 20% 使用 Salesforce、20% 使用其他 CRM，而 60% 完全没有使用 CRM；这些客户却已付费购买线索获取工具。团队判断，未采用 CRM 的原因包括设置令人畏惧和成本顾虑，于是推出强调简单易用且免费的 CRM。更早的营销产品也刻意涵盖内容管理、SEO、落地页和表单等功能，因为客户的问题正是这些工具过于割裂。
💡 第二产品来自一个具体断点：营销产生的线索接下来由什么系统管理？这也解释了「先聚焦」与「提供整套方案」并不矛盾——聚焦的是客户问题，而非功能数量。
⚡ 60% 是 Shah 所述的当时 HubSpot 客户调查结果，不能外推为所有中小企业的 CRM 使用率。免费策略还依赖已有营销业务支撑，新创业公司未必能照搬。
5) 平台生态：开发者也需要明确的价值路径 — 20:29 🎧 · ▶️
💬 Shah 指出，平台常先邀请外部开发者建设生态，之后却可能关闭接口或进入合作方业务。他以早期 Twitter 的开放生态及其后续变化为警示。HubSpot 希望更坦诚地告诉伙伴自身发展方向、哪些空白领域更可能留给外部团队；同时像设计产品一样设计开发体验，缩短开发者从「用 API 做出东西」到「赚到第一美元」的时间。
💡 生态不是应用数量的展示柜，而是一组持续兑现的预期。文档、接口、商业机会和平台方的边界，都会决定伙伴是否敢长期投入。
⚡ 平台无法承诺永远不进入某一领域。口头透明有帮助，但开发者仍需关注接口稳定性、商业条款以及平台自身与伙伴竞争时的处理机制。
6) 「黄砖路」检验：给「还不能做」加上一个「暂时」 — 23:33 🎧 · ▶️
💬 面对「ChatGPT 做不到，所以我们来做」的创业论证，Shah 建议先问：它是否只是暂时做不到？再问：即使当前产品不做，背后的公司能否推出另一条产品线？他主张寻找模型公司受监管、结构或商业激励约束而不太会深入的市场。以 CRM 为例，他认为前沿模型公司有能力进入，但其更大的目标未必促使它们投入大量精力争夺这一领域；他同时明确承认自己作为 HubSpot 联合创始人有立场。
💡 竞争分析的对象不是某个产品今日的功能清单，而是对手的能力、资源配置和扩张方向。创业者要为道路变宽预留空间。
⚡ 「没有动力」不是永久护城河。大型模型公司可能改变战略、收购团队，或通过合作伙伴间接进入垂直领域；Shah 对 CRM 相对安全的判断尤其应视为有立场的预测。
7) 模型成为基础设施，应用仍须拥有客户问题 — 27:23 🎧 · ▶️
💬 Shah 认为，前沿模型公司投入巨额资本后，必须销售推理能力；除直接服务消费者和大企业外，它们也可以通过熟悉特定市场的软件公司触达客户。他把模型与十多年前的云计算基础设施类比：如今存在多个商业及开源选择，HubSpot 等公司可以按任务选择、路由或替换模型，而不必完全依赖单一供应商。
💡 如果关键能力可以采购和切换，创业公司的差异化就更可能位于领域知识、分发、产品流程与客户结果，而不是「接上某一个模型」。多模型设计也为成本、速度与质量之间的取舍留出余地。
⚡ 模型可切换不代表完全可互换。性能、数据治理、价格和接口变化仍可能造成迁移成本；「模型正在成为基础设施」也不等于模型已经是没有差异的商品。
8) ChatGPT 是新入口，但入口不是全部价值 — 31:49 🎧 · ▶️
💬 讨论转向一个尖锐问题：如果用户从 ChatGPT 或 Claude 的工作界面操作 HubSpot，HubSpot 会不会失去价值？Shah 的回答是，界面对不同产品的重要性不同。以外卖服务作类比，真正难以复制的还有商户关系和履约网络；企业软件也不只是屏幕，而是完成工作所依赖的数据与流程。他将对话式产品类比为新浏览器，并提出一条成本原则：能用确定性的结构化查询解决的问题，就不要耗费模型推理去猜答案。
💡 这区分了「用户从哪里进入」与「谁可靠地完成工作」。例如统计某地区收入，应先从可信业务数据查询，而不是让模型翻阅大量消息推测。
⚡ 浏览器类比并不完整，因为 AI 入口本身也能理解意图、调用工具和执行任务；它可能比传统浏览器获取更多用户关系与经济价值。应用公司必须持续证明自身不可替代的部分。
9) 重做基础模块：事实系统加上上下文系统 — 37:04 🎧 · ▶️
💬 Shah 认为，HubSpot 过去能够扩展产品，是因为底层有可重组的基础模块：营销自动化的流程能力，后来可复用于销售自动化。面向 AI 的下一个阶段，他仍坚持保存已知事实的结构化「记录系统」，同时探索容纳邮件、互动等非结构化信息的「上下文系统」；后者可能采用图结构，再与前者共同支持推理和智能体执行。
💡 AI 原生改造不必等于丢弃数据库。事实查询与情境理解处理的是不同任务：前者需要一致、可核对；后者帮助系统理解关系、历史与例外。把两者连起来，才有可能支撑可靠行动。
⚡ 「第二大脑」或「上下文图」是产品与架构设想，不是已被证明的标准答案。把大量交流资料接入系统，还会带来权限、隐私、更新频率和错误关联问题。
10) 让 AI 重演旧代码的另一种可能 — 40:44 🎧 · ▶️
💬 除加速编写新代码，Shah 更看重智能体式编程对老系统的潜力：若今天知道某个基础模块应以另一种方式设计，能否让工具重做一段代码，再用现有测试和评估检查结果？他设想投入 20 万美元的模型调用费用，尝试「重演」不同的历史技术选择；也举例说明团队可比较模型质量、延迟与费用，例如是否值得以约 3% 的质量损失换取其他收益。这些是讨论中的假设和取舍示例，不是已公布的改造预算或实验结果。
💡 成熟公司的旧代码、测试和业务规则未必只是负担，也可能成为检验新架构的材料。AI 若能降低探索大型重构的成本，原本因风险和人力而搁置的选择会重新进入议程。
⚡ 测试通过不等于系统改造安全。长期兼容性、隐含业务规则、性能与迁移风险，不能仅靠一次自动重写和一组评估消除。
11) HubSpot Next：把 uSpot 当作实验场 — 43:47 🎧 · ▶️
💬 HubSpot Next 是内部创新机制，用来探索新产品、新市场或新技术。Shah 正参与的 uSpot 面向独立经营者，试验「一人公司的 CRM」以及汇集业务上下文的第二大脑；他称访谈时产品推出约 30 天。团队可先在这个较小产品中试验，再决定成果是否进入主产品。他还举出先前的 agent.ai：其中的智能体构建工具被吸收到 HubSpot，而不必把原项目整体并入。
💡 实验室的成果不只有「做成独立公司」或「失败」两种。一个项目即使不整体扩张，也可能交付可复用的能力、对客户的认识或新的定价经验。
⚡ 初期运行约一个月，尚不足以证明 uSpot 的长期留存或市场规模。将实验功能移入主产品，也需要重新处理团队协作、既有数据结构与产品复杂度。
12) 一人公司与「AI 仍是软件」 — 53:07 🎧 · ▶️
💬 在此前的一人公司讨论中，Shah 说 uSpot 很早就测试了收费与按用量付费，令他意外的是部分用户愿意提供信用卡。他又援引美国企业申请相关数据，称 2025 年约有 560 万家新企业、当年截至 8 月已超过 400 万，并称不太可能在未来两年雇人的类别超过 70%。随后他反驳「SaaS 末日论」：AI 仍是软件，只是让过去不适合软件解决的问题变得可处理。快问快答中，他表示自己在 HubSpot 没有直属下属，却能同时利用公司规模和内部创业的自由度。
💡 他的核心判断不是所有既有软件都能幸存，而是可服务的问题总量可能扩大。一人公司若持续增长，也会产生过去因客单价或服务成本而难以成立的软件需求。
⚡ 新企业申请、实际成立并持续经营的公司，以及真正保持一人规模的公司，不能直接画等号。节目中的年份、数量与分类解释需要对照官方统计口径；uSpot 的早期付费信号同样不能单独证明长期需求。
人物与机构
- Dharmesh Shah：HubSpot 联合创始人兼 CTO；本集主要受访者，讨论其创业经历、平台建设及 AI 产品实验。
- Joe Schmidt：本集主持人；以「黄砖路」文章引出模型公司之外的软件创业空间。
- HubSpot：从中小企业营销软件起步，后来扩展 CRM 与平台生态的公司。
- HubSpot Next：HubSpot 的内部创新机制，用较独立的团队测试新产品、市场和技术。
- uSpot：节目所述面向独立经营者的一人公司 CRM 实验。
- agent.ai：Shah 提及的智能体相关项目；其中的智能体构建工具后来进入 HubSpot 产品体系。
- OpenAI、Anthropic：对话中用于讨论前沿模型、通用产品入口和应用公司竞争边界的机构。
金句
「唯一真正知道一个想法好不好的办法，是把它拿去测试。」 ——据 Shah 关于创业想法选择的发言意译
「给‘ChatGPT 做不到’后面加一个‘还’；如果句子仍成立，你就该担心。」 ——据 Shah 关于「黄砖路」的发言意译
「真正有价值的是正在发生的工作；界面是达到目的的手段。」 ——据 Shah 关于企业软件价值的发言意译
「能用确定性的结构化查询解决，就用结构化查询解决。」 ——据 Shah 关于模型推理与数据库分工的发言意译
「AI 仍然是软件——非常聪明的软件，但仍然是软件。」 ——据 Shah 对「SaaS 末日论」的回应意译
洞见与延伸背景
「时间到价值」也适用于生态伙伴。 Shah 不只问客户多久能用上产品，也问开发者多久能通过接口做出成果、获得收入。这提示平台团队把开发者视为有完整使用旅程的客户，而不是免费补充功能的人手。
记录系统与上下文系统需要分工。 CRM 中的金额、归属和状态需要明确的事实来源；客户沟通里的偏好、承诺和例外则散落在非结构化资料里。把两类信息混为一谈，容易让生成式回答看似流畅，却无法解释其依据。
一人公司是客户定义的变化，不只是团队缩小。 如果经营者本人同时负责销售、交付和管理，产品必须减少角色切换、维护数据和配置流程的负担。uSpot 的实验价值，正在于检验这些工作是否能以更轻的方式完成，而非简单缩小传统 CRM 的页面。
争议与需核实
- 企业申请数据口径：Shah 所述 2025 年约 560 万、随后一年截至 8 月超过 400 万，以及超过 70% 不太可能雇人的说法，均应对照美国官方企业申请统计的年份、单位、预测分类及修订值。申请量不等于实际开业量。
- 录制时间与发布日：嘉宾在节目中称录制当天是「9 月 30 日」；播出信息所列日期为 2026-11-10。转写本身未清楚交代录制年份，不能据此断定具体录制日期。
- CRM 调查的代表性：20%／20%／60% 是 Shah 回忆中的 HubSpot 既有客户调查；缺少样本量、调查时间和问卷定义，不宜用作行业普查。
- 平台与模型的未来边界：模型越来越像基础设施、通用入口不会吞掉全部应用价值，均是本集的战略判断，而非已经确定的市场结局。
- uSpot 的早期信号：愿意提供信用卡说明存在付费意愿线索；持续使用、单位经济效益和可扩张性仍需更长时间的数据验证。
行动建议
- 写下一个具体客户断点：明确客户现在在哪一步停下、用什么替代办法处理，而不是先写宏大的市场规模。
- 设计最便宜的一轮验证：在最初 30 天内争取真实使用、付费承诺或明确拒绝；记录促使你改变产品设想的证据。
- 做一次「还不能做」检查：把竞争分析中所有「通用 AI 做不到」改写为「还做不到」，再评估该市场是否仍值得进入。
- 区分事实查询与模型判断：可由数据库确定的结果优先使用可核对查询；只有需要理解语境和处理非结构化信息时，才加入模型推理。
- 为实验设置可迁移的出口：无论在创业团队还是大公司，预先约定哪些测试结果意味着继续独立运营、整合某项能力，或停止项目。
来源
- 本集 Episode 页面
- 本集 YouTube 视频及英文字幕：本文依据提供的 youtube-captions 英文转写与官方章节时间点整理；中文引句为意译。
- 本集音频
