0:00 / --:--
a16z Show · 10 月 19 日
Jean-Denis Greze 认为 AI 智能体的核心能力不是回答问题，而是发现哪些任务值得自动化、赢得用户信任并在商业利益面前保持代理人中立。
当 AI 助手从回答问题走向读取工作信息、调用软件乃至替人购物时，真正的竞争不只是模型能力，而是谁能发现值得自动化的任务、获得用户信任，并在商业利益面前保持代理人的中立。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
No Priors· 2026-10-29挑战 ServiceNow：面向我们普通人的编程智能体，与 Serval 联合创始人兼 CEO Jake Stauch 对谈Taking on ServiceNow: Coding Agents the Rest of Us with Serval Co-Founder and CEO Jake Stauch同主题：智能体安全
a16z Show· 2026-10-02为什么 AI 智能体能击败现有巨头Why AI Agents Can Beat the Incumbents同主题：智能体安全a16z Show· 2026-10-26OpenAI：当 AI 智能体使用电脑的速度比你还快OpenAI: When AI Agents Use Computers Faster Than YouJean-Denis Greze 离开金融数据公司 Plaid 后，先与团队开发面向中小企业的报税产品。产品在技术上可行，也取得了收入，却受制于一年一次的购买周期和既有公司的分销优势。团队随后转向 Town：一个从邮件、日历切入，为用户发现并执行工作任务的 AI 助手。
这场对谈同时具有投资人与创业者的视角：Rampell 所在的 a16z 投资了 Town，他本人也是产品用户。因此，节目既提供了创始人对转型、产品设计与代理人商业模式的具体解释，也应被视为带有明确利益关系的产品主张。
本集的起点是一次并非因产品失灵而发生的转型。Greze 认为，报税自动化虽然做得出来，也可能形成一家不错的企业，但创业公司一年只有有限的销售与口碑传播窗口，未必能在既有公司利用 AI 追上之前取得足够规模。Town 因而转向更高频的邮件、日历和日常工作：先让用户看见具体帮助，再逐步争取连接 CRM 等核心系统的权限。这也解释了为什么团队优先打磨个人体验，同时补齐企业所需的审计、隐私和成本控制。
对谈更有新意的部分，是把助手定义为「发现令牌值得花在哪里」的产品。准备每场会议、定期比较供应商报价，过去未必值得雇人做；当执行成本下降，原本无人处理的长尾任务便可能产生回报。但低成本不等于自动普及：许多用户不知道该如何提出任务，Town 试图通过观察工作情境、推荐例程，把「会折腾 AI」者的收益带给普通用户。最后，讨论延伸到AI 智能体（Agent）购物：若用户不再亲自浏览网页，广告支持免费内容的旧交换关系会受到冲击；而替用户花钱的代理人若同时从商家获利，中立性又该如何保证？节目提出了方向，却没有证明这些产品效果、安全承诺或商业模式已经成立。
💬 他们说了什么：开场剪辑抛出全节目问题：AI 已能较自主地完成编码，为什么准备会议、处理邮件等常见商业工作仍大量靠人？Greze 将 Town 描述为与人协作、持续寻找 AI 可以帮忙之处的产品；节目也预告智能体替用户行动时，商业和软件分发会如何改变。
💡 为什么重要：讨论对象不是又一个聊天框，而是能接触工作情境、提出任务并可能执行任务的软件。能力每向前一步，所需的数据访问权和责任边界也随之扩大。
⚡ 争议点：「能够执行」与「值得放手执行」并不相同。开场提出的愿景，还需要后续具体场景来检验其可靠性、授权方式与收益。
💬 离开 Plaid 后，Greze 认为企业报税兼有大量文本、财务数据和租约等结构化材料，适合用大模型处理。团队花一年构建产品，判断从资料到中小企业报税表的流程有望在约两年内实现自动化。按他的回忆，第一年收入略低于 100 万美元，当时预计第二年可达 250 万至 300 万美元。
💡 技术尽调回答的是「能不能做」，收入回答的是「有没有人买」，两者仍不足以回答创业公司能否迅速取得大规模市场。Greze 认为既有报税服务商可先向现有客户提供类似自动化，而新公司必须重新建立分销。
⚡ 「无法达到风险投资所需规模」是创始人的战略判断，不是节目提供财务资料后得出的结论。既有公司是否一定能更快交付好产品，同样取决于执行能力，而不只是客户数量。
💬 企业报税基本一年卖一次，也难成为每日使用的工具；客户即便满意，分享经验的时间也未必与别人选购服务的时间重合。第一轮报税季后，两位创始人决定转型。Greze 说，这意味着向员工承认原方向不会继续，帮助受影响的报税团队寻找工作，并妥善处理离职补偿。由于报税业务具有周期性，他们在约 10 月 15 日前后只有大约 一个月的决策窗口。
💡 这不是典型的「产品没人用所以转型」，而是创始人重新评估增长速度、既有竞争者与团队机会成本。销售周期既限制规模，也限制公司改变承诺的时机。
⚡ 转型之后回看，旧业务的上限似乎清晰；在做决定时却无法确定继续经营是否会找到突破口。对员工而言，「及时转型」也可能意味着真实的岗位损失，不能只用创始人的勇气概括。
💬 报税客户反复提出邻近需求：安排会议、记住会议目的、预先草拟常见问题的回复。Town 由此从邮件与日历切入，提供会前准备、会后跟进和日程整理。Greze 说，团队曾认真考察约 四个方向；在模型的智能体能力增强后，新产品很快获得用户拉动。按他的描述，从前一年 12 月到次年 4 月的封闭测试期间，产品每天增长约 1%—1.5%。团队选择先改善终端用户体验，再逐步完善企业管理功能。
💡 邮件和日历覆盖销售、招聘、商务拓展等高频外部联系，却又不是企业最核心的记录系统。它们让产品有机会先展示价值，再申请连接更敏感的数据。Greze 借 Dropbox 的经验强调：从出色的个人体验走向企业采购虽难，却比从合规清单出发再补救体验更可行。
⚡ 节目没有界定每日「增长」的指标，不能据此推算收入或长期留存。邮件与日历看似容易接入，实际上已经包含大量私人和商业敏感信息。
💬 Rampell 用 iPhone 进入企业、取代 BlackBerry 的过程作比：管理者先在私人生活中体验到好产品，才要求 IT 让它用于工作。Greze 同意方向，但认为智能体比手机更依赖企业数据、API 与权限。他设想先让少数员工连接邮件和日历，展示会议准备等价值，再争取 CRM 等系统接入；同时补齐审计日志、访问控制和财务成本管理。他估计，更多人仅在个人生活中体验到助手价值，仍可能需要 6、12 或 18 个月。
💡 企业采用 AI 不是一次采购决定，而是逐级授予信任。面向中小企业的自助增长与面向大型企业的安全合规建设，可以同步推进，但解决的是不同阻力。
⚡ 消费者偏好的「好用」不会自动转化为企业环境中的「可部署」。智能体在拥有更多上下文后可能更有效，也可能造成更大范围的信息泄露；播客没有展示权限设计的独立验证。
💬 Greze 将 Town 称作「令牌分配机器」：产品找出哪些工作值得调用 AI，再让人决定是否采用结果。例如，为每场会议准备资料，以往未必值得占用真人助理时间；模型可能只需约 1 美分。他还举餐馆例子：批发商每月或每季度发来含成千上万项商品的表格或 PDF，智能体可定期比较报价、提示某种原料上涨 20%—30%。他估计，即使一年 12 个月中有 11 个月没有发现值得行动的变化，每月约 1 美元的运行成本仍可能换来某次发现的数百或数千美元节省。
💡 AI 的价值并不只来自替换现有岗位；当单次分析足够便宜，企业可以开始做过去因琐碎而一直没做的检查。产品最关键的步骤，是主动告诉餐馆老板「可以监测什么」，而非等待对方写出完美提示词。
⚡ 这些价格、成本和节省额是访谈中的示例或估算，不是披露的客户成效。报价并不等于可采购价格；品质、合同条款、配送与更换菜单的成本都会影响最终收益。
💬 Town 选择以横向产品吸纳不同行业用户，再把行业知识写入个性化建议。Greze 说，团队不直接查看单个用户数据，而是依据聚合指标找到高频用户、访谈其用法，再制作称为「例程」的自动化原型。比如访谈 10 位餐馆经营者，找出共同任务；起初也许有 5 种可推荐流程，之后扩展到 15 种。他的长期设想是形成满足多数日常需求的「80/20」定制软件；与之对比，大模型公司的前线部署工程师（FDE）模式，会由人进入企业打造定制系统。他举出一家愿意每年支付约 500 万美元的企业，说明后者在大客户场景可能很有吸引力。
💡 真正的横向化不是向每个人展示同一套菜单，而是复用底层执行能力，针对职业和情境推荐不同任务。竞争重点可能从固定功能列表，转向发现需求、积累可复用方案和降低定制成本的速度。
⚡ 模型能力趋同、应用层价值下降，以及自动化定制最终比 FDE 更易扩张，都是 Greze 的战略预测。将客户邮件用于推断其行业并推荐任务，也需要清晰说明推断范围和退出机制。
💬 面对「OpenAI、Anthropic 也能连接业务软件」的提问，Greze 坦言与模型供应商竞争有风险。他提出三项主要差异：Town 可按任务选择不同模型，而非押注未来 3—5 年的单一赢家；企业应拥有智能体积累的业务记忆和上下文，理想情况下更换供应商只需约 一天；Town 的立场是不拿客户数据训练模型。他还举内部人脉查询为例：让员工的智能体彼此协调，快速回答谁认识潜在客户财务团队的人，同时由系统调解隐私权限。
💡 在智能体时代，模型选择权和可迁移的业务上下文可能成为采购条件，而不仅是聊天质量。若组织知识被锁在某个工具内，后续换用更好的模型或应用就会更加困难。
⚡ 「中立」「不训练」「一天迁移」是嘉宾对自家产品的主张，应以合同、数据导出格式及实际迁移测试核实。让 AI 判断同事之间哪些关系信息可以共享，也不能只凭回答速度证明权限控制可靠。Rampell 随后指出，模型公司暂时可能优先争夺编码等市场；Greze 则认为广泛的企业工作最终仍会成为它们的竞争目标。
💬 Greze 举出岛上冲浪板租赁商用 Town 比对归还前后的照片、辅助判断押金的例子。他认为各行各业都有可自动化的烦恼，但率先做成的人通常是愿意试验工具的「折腾者」。产品目标是让不擅长试验的用户，在连接邮件、日历及关键业务系统后，也能直接看到适合自己的建议。Rampell 补充，许多人对 AI 的判断停留在几年前的早期体验。Greze 则称，浏览器与计算机操作能力在最近约 两个半月显著改善：某些任务的成功率在他的比较中从约 30%升至约 90%。
💡 普及瓶颈未必只是模型智力，也可能是集成和产品呈现。与其宣传「支持计算机操作」，不如展示「可沿用你现有设计，替下一场活动制作海报」这样的具体收益。
⚡ 冲浪板案例未说明误判和申诉流程；照片也可能无法证明损坏由哪位顾客造成。30% 与 90%是受访者口述的能力对比，节目没有给出测试任务、样本或独立基准。
💬 Rampell 认为，传统网站以免费信息换取用户亲眼看到广告；智能体直接取用信息并替人购物，会打破这种交换。Greze 主张，替用户挑选商品的智能体最好只从用户的钱包获得收入，以免推荐受到商家广告费扭曲。但他也区分两类购物：补购惯用厕纸时，人希望智能体省时省钱；逛街或挑孩子的玩具时，人可能乐于浏览、看广告并发现新东西。两人还提到价格提醒网站 CamelCamelCamel：Rampell 称其有 2000 万美国用户，借此说明价格监测需求早已存在，只是过去仍需用户自行完成购买。Greze 进一步推测，智能体会削弱单纯聚合商品供应的价值。
💡 当智能体能动用用户的钱，推荐排序、商家佣金、支付授权与售后责任就不再只是界面设计问题。商家也要决定是阻挡智能体流量，还是为它提供可核验的价格、库存与交易入口。
⚡ 节目没有证明「智能体流量已超过人类流量」、CamelCamelCamel 的用户规模，或特定平台的广告收入数字。只由用户付费也未必足以确保中立：智能体仍可能受默认排序、数据缺失或自身合作关系影响。Greze 关于亚马逊、沃尔玛及社交平台如何应对的说法，均属商业情景推演。
「我们试图给人提供选择：令牌可以花在什么地方；然后由人决定是否需要结果。」——Jean-Denis Greze，谈 Town 的产品定位
「如果没有数据和 API，智能体也只会聪明到它所能访问的数据所允许的程度。」——Jean-Denis Greze，谈企业接入
「你想要的是一个属于你的中立代理人；它唯一的钱源是作为用户的你。」——Jean-Denis Greze，谈智能体购物中的利益冲突
「有些摩擦是人享受的，有些则不是。」——Jean-Denis Greze，谈逛街与补购日用品的区别
以上为依据英文发言所作中文意译，非逐字中文引语。
asr:transcribe-svc:job_fdbd8b0f2d0c。章节时间采用所给官方章节；本文对访谈内容作中文归纳，未经独立核实的数字与产品声明均按发言人说法呈现。
