0:00 / --:--
No Priors · 9 月 24 日
Sequence Holdings 创始人 Michael Lee 认为，在品牌、规模和监管壁垒仍由既有企业掌握的行业，长期持有企业、让工程师与管理层共同重组业务，比给原有流程加装 AI 工具更可能创造持久优势。
Sequence Holdings 创始人 Michael Lee 的核心主张是：在品牌、规模和监管壁垒仍由既有企业掌握的行业，长期持有企业、让工程师与管理层共同重组业务，比给原有流程加装 AI 工具更可能创造持久优势。
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· 2026-07-09与 Booking.com CEO Glenn Fogel 一起透过 AI 的视角看旅行Travel Through the Lens of AI with with Booking.com CEO Glenn Fogel同主题：企业商业史
a16z Show· 2026-10-07Valon 如何从零开始重建一个规模达 13 万亿美元的行业How Valon Rebuilt a $13 Trillion Industry From Scratch同主题：企业商业史
All-In Podcast· 2026-10-30Anthropic S-1 令人震惊，史上最伟大的企业？谷歌市值蒸发 5000 亿美元，中期选举预测No Priors
Re-Founding Incumbents for the AI Era with Sequence Holdings Co-Founder and CEO Michael Lee
YouTube
音频
Sequence Holdings 将自己定位为长期持有企业的控股公司：与现有管理团队合作，取得企业所有权，并投入共享工程团队和技术平台，推动业务的 AI 转型。本集讨论的两个案例是社区银行 BankSouth，以及 Sequence 与戴尔家族办公室共同参与的保险经纪公司 Baldwin 私有化交易。
Lee 此前在 Apollo、Lone Pine 等机构从事投资。他关注的不是「哪些岗位能用 AI 提效」这一单点问题，而是哪些行业的既有企业拥有创业公司难以复制的客户关系、分销网络或监管基础，同时又有机会借 AI 改变内部工作方式。
这集访谈把「AI 改造传统企业」从软件采购问题，推进到所有权、组织文化和资本期限的问题。Lee 的判断是，AI 对经济的冲击并不均匀：在编码等领域，新公司可能占优；在银行、保险经纪等领域，既有企业握有关系、规模与合规基础，若能重新设计业务，就不必只是等待技术颠覆。Sequence 因此选择取得所有权、长期持有，并把工程师放到决策与运营的核心，而不是以顾问身份交付一套工具后离开。
访谈中最具体的证据来自 BankSouth：Lee 称，消费贷款平均承保处理时间下降 94%，一类商业贷款的端到端周期由 30 天缩至 11 天。不过，这些仍是嘉宾提供的运营口径；贷款质量、风险成本和长期财务回报尚不能仅凭速度推断。Baldwin 则代表更大规模的检验：Sequence 能否将银行实践中的数据建模、AI 智能体（Agent）构建和组织变革经验迁移到保险经纪，并在巨额交易之后持续执行。
本集真正的分歧，不是企业该不该采用 AI，而是「在现有流程上叠加效率」是否足够。Lee 认为不够；他要重排人员、流程与激励。但这也使他的模式承担更重的证明责任：长期资本是否真的带来耐心，优秀工程师能否融入受监管业务，员工能否分享转型收益，以及少量案例能否支撑跨行业的平台化主张，都要由后续经营结果回答。
💬 他们说了什么：主持人以 Baldwin 的 77 亿美元私有化交易开场，并称其为当时规模最大的 AI 主题私有化交易。Lee 说，Sequence 成立约 20 个月，长期研究保险经纪领域、接触过数十家公司，最终认为 Baldwin 的团队与基础设施尤其契合；戴尔家族办公室支持了这笔交易。
💡 为什么重要：这不是向一家传统企业出售 AI 软件，而是用所有权、资金和工程能力共同承担改造任务。Baldwin 的体量也让 Sequence 的主张接受比早期试点更严格的检验。
⚡ 争议点：「最大 AI 私有化」是节目中的定位，并非经过统一行业标准核定的分类；交易价格本身也不证明未来的技术转型能够成功。
💬 Lee 回忆自己 2017 年加入 Lone Pine 后便研究 AI；ChatGPT 于 2022 年末出现后，他开始按行业区分技术冲击：有些领域变化有限，有些更适合初创公司获胜，而另一些领域则由既有企业掌握品牌、规模、网络效应或监管优势。Sequence 的构想在 2023 年初成形，他随后决定组建团队付诸实践。
💡 他的投资命题不是笼统地「买下传统公司并部署 AI」，而是先判断竞争优势归谁，再寻找技术能够放大既有优势的企业。
⚡ Lee 将模型架构的可扩展性描述得非常确定；现实中的性能提升仍受数据、算力、成本和具体任务约束，不能直接推导出每个行业都能实现同样幅度的改造。
💬 Lee 把企业常见的 AI 应用比作给人工作业线上的每个人配一台小机器：能提速，却保留了原来的分工。他认为，当软件智能体可以持续运行时，更大的机会是重新决定哪些工作由人完成、哪些由机器完成，以及整个组织如何协作。
💡 这一框架将衡量标准从「单项任务节省多少时间」转为「企业能否提供新的服务能力与客户体验」，也解释了 Sequence 为何强调参与经营。
⚡ 重组流程不一定比渐进式部署更优。高风险决策、客户信任与监管责任仍需明确的人类监督；大范围变革还可能产生培训、迁移与协调成本。
💬 Lee 认为，永久性控股结构使资本期限与持续研发相匹配，也能把留存收益用于现有企业和新投资。他逐一讨论企业自行建设、聘请服务商、购买软件三条路径：内部团队难以形成吸引顶尖工程师的文化；服务商与客户的长期激励未必一致；通用软件通常适配现存流程，而非尚未形成的新流程。所有权则让 Sequence 可以参与人员、流程和激励的调整。
💡 这是 Sequence 最核心的商业模式论证。它试图把工程师从外部实施者，变成与经营结果长期绑定的参与者。
⚡ 所有权可以改善激励，却不会自动解决管理能力问题。供应商也可能通过长期合同深度参与转型；反过来，控股方若判断失误，将承受更集中的资本风险。
💬 Lee 说，工程师可以直接参与那些影响日常经济活动的企业，而不仅是为技术行业造工具。对前线部署型工程师而言，吸引力是能参与更深的业务变革；对应用工程师而言，模型性能提升意味着可用工具增加。他强调，一家公司必须在文化上真正尊重工程师，才可能持续吸引这类人才。
💡 如果技术人才在重大经营决策中没有发言权，「AI 优先」很容易停留在采购预算和展示项目上。
⚡ Lee 称其模式不会因模型能力提升而面临同类生存威胁，这是战略判断而非既定事实；模型供应商、企业内部团队或其他收购方仍可能进入相同领域。
💬 Sequence 起步时遇到「没有资产就难招工程师、没有工程师就难融资或成交」的冷启动问题。团队先在 BankSouth 以服务商身份工作，约从 8 月到 11 月梳理银行流程，之后应银行所有者邀请成为长期投资伙伴，并在随后 3 月完成投资及相关监管审批。Lee 认为，持股后团队更愿意承担长期系统建设，也更容易获得员工参与。
💡 BankSouth 同时是产品试验场和组织合作试验场。Lee 特别看重银行流程与数据定义较清晰、贷款审批相对集中：总部建成的能力可以服务多个分支，而不必逐店重新部署。该行据他描述拥有超过 1 亿美元营收。
⚡ 受监管意味着规则较明确，也意味着模型治理、审计与消费者保护要求更高。银行的集中式流程有利于试点，但其经验未必能完整迁移到组织更分散的行业。
💬 Lee 的筛选条件包括市场足够大、既有企业具有结构性优势，以及现有业务与 AI 能力有足够交集。他称保险经纪涉及每年超过 2 万亿美元保费流向承保公司，经纪商从中取得收入；行业重视客户关系，客户总留存率约 90%。Sequence 希望投资有机会成长为千亿美元级企业的资产，因此不会高频成交。
💡 经纪业务的关系网络、保险公司合作与现有客户基础难以快速复制；若新技术确能改善服务和内部运营，既有企业可以在保有这些优势的同时扩大能力。
⚡ Lee 对承保利润、投资收益及经纪商定价方式的概括较宽泛，不宜视作适用于所有保险品类和地区的财务规律。「千亿美元级」是投资目标，不是对 Baldwin 估值的预测。
💬 Lee 将共享平台 Atlas 分为四层：定义实体及其关系的数据本体、基于业务事实构建智能体的agent builder、编排流程的 Lattice，以及构建应用的 Artifacts。他的团队估计，将企业拆到基本单元后，约 80% 的能力具有共通性，约 20% 与具体行业相关。平台先在 BankSouth 建设，计划复用于 Baldwin 等企业。
💡 这里的关键不是一个聊天界面，而是让模型正确识别跨系统的客户、贷款或保单及其关系；只有业务事实可靠，自动化流程才可能扩展。Lee 同时承认，比技术工程更难的是「人的工程」：员工需要理解新系统如何改变而非仅仅威胁自己的工作。
⚡ 「80/20」是团队的经验性判断，跨银行与保险经纪复用的程度尚待验证。复用基础设施，不等于可以跳过各行业的数据治理、权限和合规设计。
💬 Lee 尊重传统私募股权机构，但认为基金期限、部署资金的要求及退出预期，会影响技术投资的时间尺度。他举例说，一笔基金投资可能很快开始考虑如何在约三年后出售；Sequence 则希望长期持有，目标是每年最多做一笔合适的交易，找不到时也可以不做。
💡 资本结构会影响管理层敢不敢建设回收期更长的底层系统，也影响工程师能否进入投资与经营决策现场。
⚡ 传统私募股权并非都短视，也有机构拥有长期资本和强大的运营团队。Sequence 的差异需要通过持续的投入、留任与经营表现证明，而不能只靠组织形式证明。
💬 Lee 承认自己不擅长亲自经营银行或保险经纪公司，因此首先要求管理团队精通本行业；其次，团队须已经展示推动技术变革的行动，例如云化、集中数据、在组织内尝试模型工具。Baldwin 被他视作例子：CEO Trevor Baldwin 推动采用 Anthropic，企业使用统一的 Applied Epic 实例作为经纪业务管理系统。
💡 Sequence 提供工程和资本，却仍依赖原有管理层处理客户、行业竞争与员工信任。已有的数据和系统整合工作，也为后续 AI 应用降低了起步难度。
⚡ 工具部署和系统统一只是准备条件，不等于产生投资回报。管理团队还必须证明技术改造不会削弱服务质量或带来不可接受的运营风险。
💬 Lee 称，投资后约六个月，BankSouth 建成可处理全行消费贷款的系统，消费贷款平均承保处理时间较此前下降 94%；商业贷款方面，某类贷款的端到端平均周期从 30 天缩短至 11 天。他还说，当年第二季度贷款量较第一季度翻倍，但明确表示这一增长不能归功于 Sequence；团队的贡献在于银行用现有资源接住了业务量，且没有改变承保标准。承保团队人数减少的原因，他解释为一人退休、一人转至前台岗位。
💡 案例展示的是「把例外和复杂判断留给人」的运营设想：减少录入与常规处理，让客户经理和承保人员把时间用于获客及疑难案件。若质量不变而处理能力提高，收益不只是节约工时。
⚡ 这些指标均来自受访者陈述。要判断长期成效，还须持续观察违约与损失、人工复核比例、客户体验、系统维护成本，以及「处理时间下降 94%」的具体统计口径。
💬 Lee 说，创业使他对创始人招募人才、筹集资金的困难有了更切身的理解。谈及 Baldwin，他解释大型私有化需要明确的资金承诺；戴尔家族办公室与 Sequence 一起评估交易、技术平台和转型方案。回顾职业经历时，他将 Apollo 所学的交易与资本结构、Lone Pine 所学的优质企业和长期复利，以及接近前沿技术的经历，视为 Sequence 方法的来源。若重新做早期投资，他会优先寻找在大市场解决难题的杰出人才。
💡 本节将交易执行、长期经营与人员判断连接起来：好的资产和技术方案仍要靠能够招人、协作并持续调整方向的人实现。
⚡ 「押注优秀的人」是有力的投资原则，却容易受事后成功案例影响。人才判断还需要与价格、资本需求、治理安排和可检验的经营里程碑一起使用。
「每家公司都有一个被推崇的典型人物。如果你相信优势来自工程和 AI，就必须建立一个推崇工程师的文化。」——Michael Lee，意译
「我们有工程问题，也有人的工程问题；后者难得多。」——Michael Lee，意译
「想法很便宜，执行非常难。」——Michael Lee，意译
「我们的工作是每年做一笔交易；如果这一年一笔也不做，也完全可以。」——Michael Lee，意译
