Glean 创始人 Arvind Jain：OpenAI 和 Anthropic 赢不了应用层

▍嘉宾：阿文德·贾因（Arvind Jain）

Arvind 是硅谷少有的“连续做成”企业软件的创业者：

• Google 十余年：毕业于印度理工学院德里分校，2003 年加入 Google，一路做到杰出工程师（Distinguished Engineer），长期深耕搜索基础设施；
• Rubrik 时代：2014 年联合创立数据安全公司 Rubrik，2024 年在纽交所上市；
• Glean 时代：2019 年创立 Glean，从“企业内部的 Google”起步，逐步演化为企业 AI 平台——本期对话即围绕这场演化展开。

▍关于 Glean

Glean 总部位于帕洛阿尔托，是企业 AI 搜索与助手赛道的头部公司。

• 核心模式：把企业内部上百个系统（Slack、Google Workspace、Jira、Salesforce 等）索引成权限感知的知识图谱，在其上销售企业搜索、AI 工作助手与智能体构建平台；
• 增长与估值：2025 年完成 1.5 亿美元 F 轮融资，估值 72 亿美元，累计融资约 7.7 亿美元；2026 年 5 月宣布 ARR 突破 3 亿美元——15 个月内从 1 亿美元翻了三倍；
• 竞争位置：全球第一家把 RAG 带进企业的公司，如今正面迎战 Microsoft Copilot 的捆绑攻势，以及 Anthropic、OpenAI 向企业应用层的扩张。

开场：为赢而狂，还是为输而惧

Harry： 这里是 20VC，我是 Harry Stebbings。先坦白一件事：我最近开始断食，而断食的麻烦在于，人会变得有点“饿到暴躁”（hangry）。这期节目是在下午晚些时候录的，嘉宾是 Glean 那位了不起的创始人 Arvind Jain——过去十年科技界最耀眼的人物之一。他此前联合创立的 Rubrik 已经成功上市，如今是一家出色的上市公司；之后他又创办了 Glean，一家从 Kleiner Perkins 等众多顶级投资方拿到融资的优秀企业。

我得承认，这期节目里我相当“难缠”。回听的时候我都有点紧张——我对他的逼问程度，可能超过了对其他任何嘉宾。但正是这样，才碰撞出近期节目里最精彩的一场讨论。这让我觉得，也许我应该多保持一点“饿到暴躁”的状态。总之是很棒的一期。我很想听听你们的想法：你们更喜欢开心的 Harry，还是暴躁的 Harry？

Harry： Arvind，我太期待这场对话了。我们有个共同的朋友马蒙·哈米德（Mamoon Hamid），他对你赞不绝口——我认为他是我们这个时代最伟大的投资人之一。所以我真的非常期待。谢谢你来。

Arvind： 谢谢邀请。

Harry： 在我看来，创业者分两种：一种为赢而狂喜，是对胜利的追逐驱动着他；另一种对输心怀恐惧，是对失败的恐惧激励着他。你是哪一种？

Arvind： 好问题。我大概是后者。我总是在担心哪里会出问题，这件事让我夜不能寐。

Harry： 我喜欢这个答案。“只有偏执狂才能生存”。你一直都是这样吗？

Arvind： 嗯，基本上是。

Harry： 即便有了你已经取得的这些成功？抱歉，这真的太有意思了——Rubrik 是现象级的成功，如今已是上市公司，而你是联合创始人之一。这种心态也不会随时间改变？

Arvind： 不会。因为在我看来，首先，每次做一家新公司、启动一个新项目，都像是白手起家。你带着过去的一些好经验，但面对的是新世界、新环境。拿 Glean 来说，它和 Rubrik 从根本上就不同，一切都可能被推翻重来。

尤其在 AI 的世界里，你必须这样想——因为颠覆每天都在发生。如果你开始把心思花在“在已有成果上继续加码”上，觉得自己正在赢、要乘胜追击——我认为在这个新的 AI 世界里，这是远远不够的。

Harry： 对不了解的听众，你能用 60 秒讲讲 Glean 是做什么的、怎么运作的吗？

Arvind： Glean 是一家企业 AI 公司。我们起步时做的是企业搜索——帮员工快速找到他们需要的信息，这些信息埋在公司内部上百甚至上千个不同系统里。那是我们的起点，可以说，是“为你的工作而生的 Google”。

但随着 AI 模型越来越强，它演化成了一站式 AI 平台。今天理解 Glean 的方式是：第一，它是 ChatGPT、Claude、Gemini 所有这些能力的超集，整合在同一个产品体验里；它是员工的“AI 同事”，并且连接着你公司的全部上下文（context）——工作在你公司内部是如何发生的。

企业在害怕什么：从技术依赖到运营依赖

Harry： Palantir 的亚历克斯·卡普（Alex Karp）上周上了 CNBC。他说，全球最大的那些企业，对前沿模型厂商的怀疑前所未有。你恰恰和其中最大的一批企业合作，客户名单非常漂亮。你同意他的说法吗？他们真的比过去任何时候都更怀疑了吗？

Arvind： 分开说。第一，他们确实害怕这些模型厂商——就像每家软件公司都在担心：我们还能不能活下去？模型会不会把一切吃掉？同样，企业领导者也在担心：自己的核心知识产权、数据、信息，还有学习方式、做事方式，会不会全都受制于对这些模型厂商的过度技术依赖？这种情绪肯定存在。

但他说的另一点是：AI 在企业里并没有真正跑起来，而没人敢把这句话说出口，因为这么说不够酷。

Harry： 先不展开“AI 没跑起来”这个话题——我认为这可能是最重要的问题之一，值得单独聊一整段。先问你：企业害怕前沿模型厂商抢他们的午餐，你觉得这种害怕有道理吗？

Arvind： 看是哪类企业，但总体来说，有。你想，如果我们要从根本上改变人们的工作方式，如果我们说今天大部分工作都将由智能体（agent）完成、而这些智能体完全由某家前沿模型公司驱动，那么在某种意义上，你已经把很大一部分运营移交给了这些技术供应商。这不止是技术依赖，而是实实在在的运营依赖——依赖那些替你运行智能体的公司。

有个视角很有意思。想想工作是怎么做的：第一次做一件事，你可能会把流程写下来——完成这项工作需要哪十步；久而久之，人们开始优化、调整这个流程，而其中大量经验从未被记录下来，只是在反复做事的过程中沉淀下来，实时应用到工作里。

未来，所有这些组织经验都会沉淀在那个替你做事的智能体身上。如果你不能自己掌控这个智能体的运行，不拥有它多年积累下来的学习成果，那你就是完全依赖这些 AI 公司来替你完成工作。

所以我认为，今天摆在所有企业面前的是一个根本问题：如何用上这些 AI 技术，同时仍然握有控制权——让 AI 带来的所有复利式学习，都属于企业自己。

Harry： 你有没有看到企业客户正在从前沿模型厂商转向开源？这是现在正在发生的事吗？

Arvind： 我认为我们正处在开源的真正拐点上。部分原因在于，大家一直在等开源模型真正变强。这个意愿存在很多年了——我们接触的企业里，没有一家会心安理得地说“我用 OpenAI 或 Anthropic 就够了”。每家企业都想确保命运掌握在自己手里，能用上众多模型。

而且现在 AI 变得这么贵，到处都在传这样的故事：公司给 AI 定了一年的预算，一两个月就烧穿了。

Harry： 可怜的 CFO 们。

Arvind： 是的，这确实大大加速了转向开源的意愿。再叠加一个事实：现在开源阵营里已经有了真正优秀的模型。

Harry： 他们到底在乎什么？是成本？还是所有权——数据留在本地、模型部署在自己看得见的地方？到底是哪一样？

Arvind： 我认为眼下这波开源动力主要来自成本。当然，确实有一些企业有硬性要求，必须把所有推理负载放在自己的私有数据中心里。

AI 刚出现的时候，公司对数据流出自己的控制范围、被模型公司拿去训练这件事，要害怕得多。但那种恐惧基本已经过去了——大家相信，只要签了合适的合同，模型公司会负责任、不会拿企业数据训练模型。所以眼下的动力来自成本。

Anthropic 杀入企业市场，Glean 怕不怕

Harry： 说到你在格局中的位置——我聊过的你的每一位投资人都说这个问题必须问，就是那个显而易见的问题：你担不担心 Anthropic 像他们对 Figma 做的那样，或者像他们在法律、医疗领域做的那样，进军你的地盘、蚕食你的生意？

Arvind： 首先，我觉得我们要谨慎看待他们在 Figma、法律或金融这些领域到底做成了什么。他们是在推这些垂直包（vertical packs），但在我看来都做得相当浅。而且我并没有听说谁真的把工作负载整个从 Figma——或者任何别的工具——迁到 Anthropic 上。那些用量几乎都是净新增的。

或者说，我认为这是在做大市场。比如设计领域，设计师还在用 Figma，但非设计师开始用 Claude 的设计功能了。这就是我们看到的：AI 在把事情变简单，让那些不是某个工具核心用户的人，也能用 Claude 上手做一部分那样的工作。

Harry： 所以你不担心他们都在强调进军企业市场、成为那个“上下文”层？

Arvind： 他们已经在做了。做没做成另说，我们每天都在企业客户那里直面这种竞争。经常有人问我们：Claude 也能通过 MCP 连接企业系统啊，那有什么不同？Glean 能做什么，是 Claude 做不到的？我们就得去解释：上下文到底是什么，为什么把它真正构建出来其实非常复杂。

所以我们确实在竞争。事实上，我甚至要说，他们可能比谁都更早开始和我们竞争。你想，Claude Cowork 这个应用、Claude 桌面端，最主要的用例一直是问答——问答恰恰是当今世界上最大的 AI 应用场景：信息检索加问题解答。

先发优势与模型层的彻底商品化

Harry： 你觉得先发优势有多重要？

Arvind： 先发确实很有优势，它帮到你，但它撑不到最后。拿我们来说，业界很认我们“全球第一家企业 AI 公司”这个身份——第一个把 RAG 带进企业、第一个做出概念化语义搜索的。这给了我们品牌，给了我们在这个市场里竞争的资格，尽管和 OpenAI、Anthropic 已经长成的巨头相比，我们体量小得多。所以这是巨大的资产，但它既不是必要条件，也不是救世主。

Harry： 那些因为担心前沿模型厂商杀入自己领域而夜不能寐的创业者，你会怎么劝？

Arvind： 我会说：绝对别为这事焦虑。作为创始人，第一要务是解决问题，而不是发愁。你当然要预判他们会做什么，要盯着他们现在的能力。

但我认为，几乎所有不做前沿模型训练的 AI 公司，都应该把模型公司看作巨大的资产，而不是竞争对手。我们真心相信：Anthropic 在做的一切，OpenAI 和 Google 在做的一切，还有开源世界里的所有创新，对我们都是天大的好消息。我们不把这当竞争。事实上，正是他们让我们做出了没有他们就不可能交付的产品。

Harry： 你谈到 Anthropic、OpenAI，谈到模型层的崛起和新模型推出的速度——尤其是来自中国开源厂商的速度——难道我们不是在见证模型层的彻底商品化吗？

Arvind： 有一点是清楚的。就拿企业用例来说：90% 甚至更多的用例，已经能被很多不同的模型充分满足，包括开源模型。所以从这个角度看，商品化确实在发生。

事实上，这恰恰是 Glean 给客户的核心价值之一——成本控制。我们会明确告诉客户：当人们在我们的平台上完成任务时，我们会替你挑对模型；如果你不排斥开源模型，我们会在判断合适、能保证答案质量的时候直接用它们。

Harry： 有多大比例的客户不接受开源模型？

Arvind： 这一切都太新了。开源真正逼近前沿水平、差距缩到三个月以内，这是一个月前、甚至不到一个月才刚刚发生的事。可以说，GLM 5.2 是第一次让我们自己的团队觉得：现在可以把大部分工作负载跑在它上面了。

所以客户会怎么回答，我们还有待观察。从用不用开源模型这个角度，大家都会没问题；真正的问题会是：他们能不能接受中国模型？这是唯一的问题，而不是开源对闭源。

Harry： 为什么不能接受中国模型？你有所有权，能放在本地部署，没有任何东西回传中国——为什么不接受？

Arvind： 我觉得就是“万一出事怎么办”。偏执和恐惧总是存在的：万一有后门呢？某种我们根本理解不了的后门。这类顾虑确实存在。还有一层：如果你用了这些模型，而这件事人尽皆知，竞争对手可能在某些方面拿它做文章。

各种因素都有。但归根到底，还是看谁敢做先行者——因为这是新事物。在大企业里，总得有人先迈出这一步，先行者先动，然后它就会变成一件平常事。

Harry： 我做这个节目就是为了学习。如果 90% 的企业工作流都能用开放模型完成，那我们是不是把整个前沿模型的定价彻底定错了？

Arvind： 这是另一个问题了。我确实觉得，模型生意本身——先抛开开源不谈——实验室内部的竞争就已经很充分，而且越来越多公司正在挤进来。这种激烈竞争下，哪怕是三方竞赛，也会产生不小的降价压力。

现在再加上开源——价格直接便宜一个数量级。我确实听到传闻，说 OpenAI 准备大幅下调模型价格，来应对竞争和开源带来的这些变化。模型生意本身，可能并不像所有人以为的那么赚钱。当然，这些公司手里已经不止模型这一张牌了——他们早就不是纯粹的模型公司。

Harry： 完全同意。但如果他们在那些邻近领域做的东西都很浅，那也撑不起达里奥·阿莫迪（Dario Amodei）说的万亿美元营收啊。

Arvind： 对。不过你想，这两家实验室根本是两种生意。OpenAI 当然有惊人的消费级产品；Anthropic 这边，正在发生的有趣现象是：人们真的在他们的平台上构建东西。

现在很多人围绕 Anthropic 开发自动化、开发技能，人人都在给内部系统搭 MCP 服务器，全都连上 Claude。一个生态正在成形。所以你确实应该把他们看作应用层公司，而不只是模型公司。

Harry： 如果让你猜，三年后你们的工作流有多大比例跑在开源上？

Arvind： 我们一直在跟客户讲：我相信三年内，大部分企业工作负载一定会跑在开源模型上。

微软捆绑 vs 按用量计费

Harry： 好。你面对的另一个竞争力量——除了模型厂商——其实是 Microsoft。Microsoft 靠“做到七成好”的产品做成了一门非凡的生意：把它捆进企业套装里，贴上漂亮的价签卖出去。你怎么看 Microsoft Copilot 这种捆绑带来的竞争威胁？

Arvind： 对我们来说，他们是最重要的竞争对手之一，而且捆绑策略确实有效——你必须跟它正面硬刚。幸运的是，市场上永远有“最佳单品”（best of breed）软件的位置，所有客户也正是这么看我们的。

如果你想上一套真正出色的搜索产品，想搭一个横向、完整的 AI 平台，客户知道我们做得更好，所以愿意在 Microsoft 套装之上追加投资。

但还有另一个变化，可能正在让捆绑策略失效：AI 正在转向按用量计费（consumption-based）的模式。一旦转向按用量计费，捆绑就没有内在优势了——作为企业，我可以同时买六个工具，让用户自己选在哪儿干活；他们在哪儿干活，我就为那一单位的工作量付费。所以，按用量计费最终能瓦解捆绑策略。

Harry： 恕我直言，企业客户这边未必如此——他们会把你纳入企业级套装的合规流程。全球最大那些企业——大众、福特、通用电气、泰森食品（Tyson Foods），我总拿它们举例——要走内部审批、层层签核，最后把 Microsoft 批准为一家供应商。如果突然要他们审批 15 家供应商，先不谈价格和交易本身，这凭空制造了一个以前不存在的供应商管理难题。

Arvind： 这没错。但我认为，你去问问那些站在 Microsoft 攻势另一面的公司，大多数人会说价格才是主杀手——因为很难跟“免费”竞争。

Harry： 谁是更可怕的竞争对手，Microsoft 还是前沿模型厂商？

Arvind： 好问题。现在下结论还早，但 Microsoft 确实不好对付。看我们实际拓展客户的经验：我们更常听到的回答是“我们是 Microsoft 客户，已经在用 Copilot 了”，所以不用再考虑我们。这种话我们经常听到，比“我已经拥抱了某个实验室的产品，别的什么都不需要了”要常见得多。

“我的回报在哪儿”：企业 AI 的 ROI 之问

Harry： 开头提到卡普时我打断了你，说先别急着展开“价值没兑现”这个话题。我认为 2026 下半年到 2027 年，所有人都会反应过来：等一下，这笔钱到底有没有产出、有没有回报？我们该怎么看企业拿到的投资回报？卡普说所有人都在问“我的回报到底在哪儿”，他说得对吗？

Arvind： 我会说，今天确实有一些局部已经兑现了价值。拿客服这个垂直领域举例：那里生产力很容易量化——你可以明确说，你的客服原来一天处理 10 个工单，现在因为 AI 能处理 12 个。这是非常具体的生产力提升。而且这正好是 AI 很擅长的场景：客服团队大量时间花在读知识库、再把内容总结给客户。

但其他领域就复杂了。比如，现在 AI 支出的大头在编程上。编程这个行当确实变了：大多数开发者已经用 AI 写代码，不再手写。从某种意义上你可以说 AI 影响巨大——但产品交付变快了吗？恰恰在这个问题上，我们听到大多数公司说：没有。产品的实际交付速度并没有提升，尽管写代码的速度大幅提高了——因为写代码只是交付整个产品中的一小环。

Harry： 你们的交付速度提升了吗？

Arvind： 说实话很难衡量，这就是难点——工程生产力是最难量化的东西，是所有工作里最“毛”的指标。看代码行数，我们写的当然多得多；看功能交付节奏，是的，也更快了——但这同时也是团队变大的结果，而且团队资历比过去更深。有时候很难把这些因素剥开。所以我们作为公司的选择是：继续投。

Harry： 你觉得 Glean 的代码有多大比例是 AI 写的？

Arvind： 现在大概接近 100% 了。已经没有人手写初版代码。几乎所有代码都是 AI 写的，但我们强制执行人工评审——不允许生成一大堆 AI 代码就直接合进仓库。这方面我们可能比大多数公司都保守。

公司内部其实有过一场讨论：既然 AI 能写这么多代码，真正的瓶颈已经从写代码的人转移到了评审代码的人，那是不是干脆取消代码评审？很多公司已经在这么做了——让 AI 写完直接提交进仓库。

Harry： 可是如果还要保留严格的代码评审流程，那开发提速的意义不就没了吗？

Arvind： 是，这确实有矛盾。但我的想法是：我们还处在学习如何用好 AI、思考它长期影响的阶段。比如用 AI 写代码，你可以写出一百万行，但长期维护它、理解它、管理它会变得极其困难。你可能会说，AI 不就是干这个的吗——让 AI 做重构、让 AI 查安全。问题是它现在还没那么完美。

眼下我们愿意为评审代码付出成本，因为我们整体仍然比过去快：写这个环节快了很多，而且写代码的人自己会做第一轮评审。

Harry： 所以你说“AI 的 ROI 本质上是吞吐量问题”，这话什么意思？

Arvind： 第一件要做的事，是确保你能把正确的上下文喂给这些 AI 智能体。你看今天大多数企业的做法：把 AI 扔进系统里，用 MCP 服务器把 AI 和所有企业系统做个最粗浅的连接，然后任何一项工作，都让模型靠蛮力自己去摸索、去拼装完成任务所需的原材料。

这种模式下 AI 慢得要命——光是拼装干活所需的基本信息就要花很长时间；同时也贵得要命——因为大部分 token 都烧在“拼凑正确上下文”上。而且你还在拿 AI 去做它根本不擅长、也根本不需要它做的事。

所以我们讲的是：要让 AI 真正跑出效果、交付成果，你得围绕它做投资——确保给它正确的上下文，它才能跑得更快、成本更低。

Harry： 什么叫“围绕它做投资”？还有，作为 CEO，我们敦促每个团队成员都尝试用 AI 把自己替代掉——哪怕这意味着浪费 token——这错了吗？

Arvind： 在我看来，“用 AI 替代你自己”就是一个错误的目标。首先，这么说太抬举 AI 了——它现在根本没准备好。你说一个能被 AI 完整替代掉的岗位给我听听。

Harry： 比如，你觉得它能替代你的行政助理（EA）吗？我的肯定不行——我可是个难伺候的主。

Arvind： 对大多数人来说，我觉得它能做掉大半工作，真的。这就是关键：它能替任何岗位包揽大量事情，但替代不了最后那点无形的、说不清的东西。

Harry： 不对，这里有个临界点：对很多人来说，做到 90% 就够了。给太太挑生日礼物这种事你大可以自己来——一年就一次，而 Claude 还没那么懂人情世故，不知道你太太喜欢什么香水。但这个岗位还是会被蚕食掉。

Arvind： 我不这么看，我告诉你为什么。无论做什么，你都想做到最好——我不认为你会接受一个 90 分的方案。

Harry： 可我是不差钱的人啊。

Arvind： 问题不在你差不差钱，在于你得在工作中跟别人竞争。记住，他们也有你有的全套 AI 工具；如果他们在 AI 之上还有人，你怎么跟他们打？

AI 时代，团队会变大还是变小

Harry： 那你现在有多少人了？

Arvind： 我们现在超过 1000 人了。

Harry： 超过 1000 人。你觉得五年后会有多少？

Arvind： 希望是 5000 人。

Harry： 哇。所以你并不……

Arvind： 我们会继续扩张。

Harry： 但这太非主流了。我对话的都是全球最大的 CEO，他们每一个都在收缩团队，每一个都在跟我说……

Arvind： 我完全不认同那套做法。

Harry： 为什么？

Arvind： 逻辑上讲，拿两家互相竞争的公司来说——可口可乐和百事可乐。一家决定收缩，另一家保留更多员工。两家都能完整用上同样的 AI 工具和技术。问题来了：如果你认为用更少的人就能完成同样的工作，于是选择收缩，你的竞争对手也能做到——但他们选择不做同样的工作量，而是往上走，做出好十倍的产品、产出十倍的东西，因为他们人更多。他们会变得更大，会打败你。

Harry： 但我不认为人多就能做出更好的产品，这是两码事。如果我裁掉人头，就能给我的百倍工程师（100x engineer）买得起最好的前沿模型、最好的技术；而最优秀的工程师会想进我的公司——我会用更小的团队，更快地做出更好的产品。

Arvind： 说得不错，但这不是 AI 带来的新论点——这个论点一直都成立。

Harry： 没错，但叠加了 AI 这个变量：你能交付更多。而我向你保证，这一点你也知道——人一旦多起来，他们就会竖起各种壁垒，挡住产品出门。

Arvind： 你看，我们现在都在讨论 AI，但就在那之前、疫情刚结束的时候，很多公司觉得自己臃肿，裁了 15%、20% 的人，然后每个 CEO 都站出来说，裁完之后公司反而快了 20%。很多公司都这么讲。

所以这个论点一直都在：团队大到某个程度，就开始互相拖慢——人类就是这样，这点我也认同。但归根到底，人也是你的资产，你得把他们部署到正确的项目上。我不认为世界上最伟大的公司会是只有 100 人的公司。你看那些模型公司也一样——他们为什么在那么激进地招人？

一个月 100 万美元的智能体：技术定价之辩

Harry： 你不觉得最优秀的人会想去技术最好的地方吗？全球最大那些公司的技术支出占比，会从今天的 8% 到 12% 升到 16% 到 20%；然后你会看到人头在减、技术支出在涨，最优秀的人会涌向工具和装备最好的地方。

Arvind： 这一点我也不认同，因为技术本来就不应该越来越贵。先问你一句：你承不承认，就这项技术目前交付的东西而言，它的定价荒谬地高？

Harry： 我觉得完全要看它干什么，所以不——至少对 Cursor 和所有开发工具来说，完全不同意，它们仍然被严重低估定价。你看马克·贝尼奥夫（Marc Benioff）在 Anthropic 上花 3 亿美元，也就占开发者薪酬的 3.7%，我觉得这个比例相当小。

Arvind： 我要说它贵得离谱。给你举个例子：我们工程团队有个很酷的 triage 智能体。我们有一个 15 人的值班团队，工作是对每一个线上事故做分诊——系统报警、各种出问题的苗头。我们做的这个智能体，现在能自动处理其中 95% 的事故。

但即便这样，它的成本也令人怀疑——它真的比人更高效吗？我们在这一个智能体上每月要花 100 万美元，比整个团队的人力成本还高。

Harry： 一个月 100 万？

Arvind： 对。

Harry： 你这是签下了 C 罗（Cristiano Ronaldo）吗？你们在干嘛？

Arvind： 不是不是——AI 的成本就是这样，确实非常贵。

Harry： 抱歉，我倒回去一下。我常在节目里聊这个话题，所以你是在让我变聪明：你觉得在这些工具上花掉开发者薪酬的 3.8% 就算多了？如果你觉得这算多，那这些模型厂商就彻底完蛋了。

Arvind： 我要说的是：3.8% 这个数字，从这个角度看确实一点也不高。但第一，你已经能看到，用开源模型做同样的工作，成本只有十分之一。

第二，在我的记忆里，我们从来没有把技术成本和人力成本放在同一句话里比较过——这是有史以来第一次听到“我宁愿少雇几个人、多买些 token”。这不是技术该有的样子：模型本应越来越便宜，技术本应越来越让人买得起。

Harry： 抱歉抱歉，这画面太好笑了——你是 Glean 和 Rubrik 的联合创始人，而我算什么，一个播客主播罢了。但这恰恰就是技术的意义：智能体主动行动、有自己的判断、做决策。它们绝对应该和人力写进同一句话里，因为它们替代的正是我们过去花钱雇的人力。

Arvind： 我相信好的技术总会想办法把技术做到非常非常便宜，这次也会一样。你会看到推理成本下降几个数量级。

不过我们确实目睹了一件怪事：过去六到九个月，几乎每个模型都上调了每 token 的价格；而 15 个月前，所有人还以为每 token 价格会像过去一样一路往下掉。我们也不知道发生了什么，这确实很反常。

Harry： 这还不简单——上市之前，它们得先证明自己是一门好生意。

这种话我能说，你不能说。

Arvind： 哈哈。但我的赌注押在：AI 会比今天便宜得多得多。

Harry： 如果 AI 真的变得比今天便宜得多，那这些本就巨亏的公司——到如今，几乎是它们在撑着整个全球经济——就岌岌可危了。

Arvind： 是的，我的观点不变。

Harry： 很有意思。所以你不认为未来的工程团队会变小？

Arvind： 我认为人均产出会暴涨，但需求也会同步暴涨。不幸的是，未来想赚到同样多的收入，你必须做出好十倍的产品。

token 预算与 AI 渗透的幂律现实

Harry： 说到内部的 token 支出，你是怎么思考的？和 CFO 坐在一起的时候，你们是怎么讨论 token 预算的？

Arvind： 我们大概和大多数公司一样——什么都没做。因为我们正处在这样一个阶段：让大家自己去摸索，这项技术到底能干什么。

Harry： 那你看到了什么？大家用疯了？还是根本没人用？发生了什么？

Arvind： 呈幂律分布（power law）。在我们公司、也在所有客户那里都能看到：有人一个月烧掉一万、一万五千美元的 token，也有人一个月只花 20 美元。

但有一点很有意思：每个人都在某种程度上用上了 AI。我之前说过，当今世界 AI 的第一大用例是信息检索和问答——这件事人人都在做。我们团队、客户团队，人人都在提问，人人都在用基础的总结和信息综合功能；但真正高级的用例，只集中在约 5% 的员工身上。

Harry： 作为领导者，你有没有做什么来尽可能猛推 AI 渗透？我们请过 Palo Alto Networks 的尼凯什·阿罗拉（Nikesh Arora）。他每周开一次领导力例会，形式是“展示与讲述”（show and tell）：每个人都要站起来，展示自己这周用 AI 做了什么——替代了自己的哪部分工作、改进了什么，随便什么都行。你们有没有类似的动作？

Arvind： 这主意真好，我也想过要不要做。我们从没搞过那种 token 消耗排行榜——我一直觉得，奖励烧 token 更多的人是不对的。我们自己就是 AI 原生公司，大家的认知已经够了，有需要自然会用。

至于高管分享成功案例——我们没有要求每个高管每周必须讲，但我们有固定的展示环节：每次全员大会（town hall）都有一个板块，专门讲各团队正在用哪些新的 AI 智能体、以什么不同的方式工作。

招聘、薪酬与融资：投资人的声誉就是背书

Harry： 再问一个。关于高管和团队——我觉得招聘从未这么难。在最大的模型厂商开出我们前所未见的天价薪酬的今天，招聘到底有多难？

Arvind： 我反而要说——先把最近两三个月放一边——和 SaaS 巅峰期相比，招聘其实是在变容易的。为什么？因为大公司没有在扩张人头。你看那些科技人才的最大雇主，很多都没在增长，很多在持续裁员。比如 Meta，几乎每年都有规模不小的裁员，我猜它的总人头大概还没回到 2021、2022 年的峰值。所以市场上可用的人才其实比以前多了。

但一旦谈到 AI 人才、ML 人才，顶尖选手被争抢的程度前所未有。而且薪酬体系彻底变了——不只是模型公司，连创业公司也一样，因为创业公司也拿了太多钱，不得不加入抢人。现在连创业公司都开得起高价，我们必须跟——因为候选人手里的其他 offer，同样大得惊人。

Harry： 如果一个优秀开发者要三四十万、五十万美元，完蛋，200 万美元的种子轮根本不经花。对组团队的创始人来说，哪怕自己不拿工资，雇四个人就得要 600 万美元。

Arvind： 没错。

Harry： 你觉得创始人应该融大额种子轮吗？

Arvind： 我觉得是更好的选择。我一向倾向于从第一轮起就尽可能多融。

Harry： 哪一轮融资让你觉得估值最离谱？

Arvind： 先说明一点：除了公司第一轮，我们其实从没主动出去融过资——总是有人找上门来，关系处久了，就自然成了那轮融资的投资方。

要说感觉最“贵”的，大概是 C 轮：当时我们几乎没什么业务——收入肯定不到两三百万美元，也许五百万，我记不清了——但估值超过了 10 亿美元。这很夸张。但市场给什么价，我们就接什么价。

Harry： 这太夸张了。融的时候你会担心“将来拿什么撑住这个估值”吗？还是埋头高兴就好——稀释这么少、价格这么高？

Arvind： 我们当时的想法更多是：这轮估值首先是做给潜在员工看的声明，胜过其他一切。我们要让市场明白，我们在做一个特别的东西——这种估值本身就是一种背书。

Harry： 员工真的在乎你的投资人是谁吗？

Arvind： 绝对在乎。

Harry： 对吧。很多创始人嘴上说“最优秀的人才不在乎这些，他们为使命而来”——我每次都说：我跟你打赌，如果你的股东名单里有 Kleiner、有 DST、有 Sequoia，优秀候选人突然就会很想跟你聊。

Arvind： 没错，投资人的声誉直接加成你的声誉。

纪律与圈地战

Harry： 回看过去 12 个月，你在哪件事上改变想法最多？

Arvind： 就我个人而言：我的风格一直有点太讲纪律了，这套打法可能不再是对的战略。团队给我的反馈是：我们太保守，总想着让资本撑得久一点，而以这种心态，我们可能会输掉这场圈地战（land grab）。我自己也感到了改变的压力——改变我对花钱、对投入的思考方式。

但与此同时，我有个根深蒂固的信念：生意永远建立在纪律之上——产品要收费，要为客户创造价值，投在营销上的每一块钱都要有像样的回报。你不能假设可以靠不断融资，来补上这些根本不存在的东西。

Harry： 但面对 Uber 这样的例子——它证明了糟糕的商业模式可以靠规模变好——你还坚持这个看法吗？

Arvind： 这正是我说的压力来源——也许我的思考方式是错的。

Harry： 那你觉得现在是圈地战吗？

Arvind： 绝对是圈地战，毫无疑问。今天世界上每一家公司都想要我们这样的产品。要么我们今天进去，要么以后想进去就难十倍。

未来的岗位：复合型崛起，分析师消失

Harry： 我们前面聊过岗位替代。反过来问：有什么今天还不存在的岗位，你觉得三到五年后会变得极其常见？

Arvind： 复合型岗位（composite roles）会非常普遍。比如一个能独立做产品的人——我不知道该叫什么——他既是工程师、又是产品经理、又是设计师。

在 go-to-market 侧也一样：一个能卖产品的人，不只能谈商务条款，还能亲自演示产品、讲清用例。以后不会再是客户经理、方案工程师、售前架构师那样泾渭分明的分工，岗位会越来越通用化、远离专业化。事实上，我在自己公司里就在非常用力地推这件事。

Harry： 抱歉，我没有恶意——但复合型岗位恰恰和“维持团队规模”矛盾：把四种专业合进一个人，那就是更小的团队啊。

Arvind： 没错，是这样。但就像我说的：未来想从客户身上赚到同样多的收入，你得做十倍的工作。你的团队确实更小，但要交付和过去一样多的东西——你只是被迫做得更多。

Harry： 明白了。那反过来说：今天存在的哪些岗位，未来会消失？我们以后回看，会惊呼“天哪，我们当年居然还手动干这个”？

Arvind： 很多分析类岗位。比如数据分析师——他们不是业务思考者，业务方提需求“我要看这个数据”，他们就去做特定的仪表盘、配置后端系统。这类工作肯定会消失。

商业智能（BI）会变得完全不同：业务负责人自己就能直接拿到问题的答案。所以业务分析师、数据分析师是一类。还有很多 HR 岗位，比如招聘里的寻访员（sourcer）——我认为这个岗位一定会被并入全流程招聘（full-cycle recruiting）的角色里。

主权模型与中美 AI 竞赛

Harry： 最后必须问一个。我们现在坐在欧洲，这引出一个主权问题：坦率说，美国和欧洲在开源上都不及格。

你觉得我们会迎来一个主权模型（sovereign models）的世界吗？考虑到最近一个月发生的事，我们是不是必须对自己的模型拥有主权？

Arvind： 我认为对主权模型的渴望是真实而强烈的——但说实话，一年前的声音比现在更大。至少我最近听到的变少了：有段时间，每个国家都觉得自己能建一个，那时 AI 还在早期；后来很多国家想明白了，这条路走不通，于是也接受了让本国企业去用 OpenAI、Anthropic 或其他模型。我不是这方面的专家，说不清这股趋势是在升温还是在降温。

Harry： 我认为它毫无疑问在升温——看看特朗普（Donald Trump）政府封禁 Anthropic 最新模型的事就知道了。很多人、尤其是欧洲人想明白了一件事：我们不能把命门交给一个美国的个人——他能随时切断我们获取智能的通道。

Arvind： 但成果在哪儿呢？那件事已经过去一个月了。

Harry： 指望三周之内就立起来一个模型，也太强人所难了。

Arvind： 是是是。但即便在那之前，这事也从来没有发生过，对吧？全世界唯一在美国之外做出像样模型的国家，就是中国。

Harry： 当然，还有——

Arvind： 或许勉强算上法国的 Mistral。

Harry： 这单纯是激励机制的问题吗？美国缺乏开源社区——为什么我们没有任何真正有分量的美国开源模型？

Arvind： 不是。美国在很多其他领域都有很好的开源社区。

Harry： 那你说说，美国有什么开源模型？

Arvind： 你说得对，我们确实没有开源模型。但这不是因为开源作为一场运动、一种理念在美国弱——它其实相当强。问题在于，模型需要巨额前期投入，这天生和开源模式不对付。

大量开源软件是“臭鼬工厂”（skunkworks）式的产物：开发者没有任何资金支持，照样把东西做出来。但模型没法那样做。这就是为什么它自然没长成——你得等到某些技术路线出现，让巨额投入不再是前提。

Harry： 那你看到这个局面不担心吗？我花很多时间看 OpenRouter 的模型用量和流量榜：今天榜上排第一的美国模型是 Anthropic，只排第七——前六名全是中国的。我们难道就摊手说“管他呢，谁在乎前六名是不是中共资助的”？

Arvind： 好在你可以在受控环境里跑这些模型的推理，这让人们安心一些。但我认为，美国绝对不会对这个趋势无动于衷。现在已经有不少工作在推进美国本土的开源和模型研发，也有一些新模型正在出来。

Harry： 另一条路是：萨姆·奥尔特曼（Sam Altman）和 OpenAI 把 5% 让给特朗普，换来他为 Anthropic 和 OpenAI 建起监管护城河（regulatory capture），再对开源加税。

Arvind： 但愿不会。我很怀疑这真会发生。

Harry： 抱歉，我只是个学习者。不然萨姆为什么给他们 5%？这就是利益交换（quid pro quo）：我需要你，你需要我。

Arvind： 我只能说，我更相信美国的制度。而且眼下你也犯不着去压制开源——它在美国落后得太远了。

Harry： 你不觉得萨姆和达里奥正坐在一起惊呼：哇，我们低估了开源，这是对我们生意的核心威胁？

Arvind： 他们可能真这么想。但我不认为他们能靠监管解决这个问题。

Harry： 你不觉得萨姆会拿起电话打给特朗普——他和特朗普有直通热线——说：嘿，中共在资助我们最大的竞争对手，我们没法保证这些模型没有一个直通习近平的后门。你必须阻止这一切，事成之后我给你 5% 作为回报。

Arvind： 可是，这个论点难道不是反过来的吗？现在所有这些非常优秀的开源模型都是中国造的，美国需要的是造出自己的开源模型。美国不能被看作一个在技术上不再创新的国家。所以对美国来说，建设开源模型才是头等大事。

Harry： 可我觉得萨姆会这么说：保卫美国需要几十亿美元和数年时间——要支持 OpenAI 和 Anthropic，要竖起壁垒，阻止中国的开源模型获得采用。加税、封禁，都得上。

Arvind： 也许会吧。但美国的开源模型会迎来巨大的顺风，而且必须是顺风——这已经是湾区每个技术人都在谈论的共识议题。很多有动力的玩家都在推这件事，比如 NVIDIA，就在大举投资促进美国本土优秀开源模型的研发。我希望他们成功。

快问快答与收尾

Harry： 完全同意。多模型世界对我们所有人都重要。接下来我们玩个快问快答：我说一句短的陈述，你给我第一反应，可以吗？

对今天学计算机科学（CS）的学生，你最大的建议是什么？

Arvind： 学就是了。别因为别人说的话过度焦虑。

Harry： 你觉得哪家传统大公司把 AI 用得最好？

Arvind： 你愿不愿意把 Google 算作传统公司？

Harry： 算。

Arvind： 那 Google 大概排第一——不只内部全面拥抱 AI，产品侧也在不断推出新东西。但他们本身就算 AI 公司，把他们放进“传统公司”这个类别其实不太公平。

Harry： 如果你再开一家新公司，只能带一位投资人，你带谁？

Arvind： 我会带现有投资人中的一位——我们跟每一位关系都很好。

Harry： 具体哪一位？

Arvind： 我不知道。这问题我不答——我是真的没有答案。得看情况，取决于我在做什么，不同的人带来不同的长项。

Harry： 今天的创业生态里，你最想改变什么？

Arvind： 我真的觉得，今天创业公司能拿到的资本太多了，有时候反而在制造失败的路径——他们并没有真正理解，建一家伟大公司需要什么。

举个例子：一家刚融完种子轮的创业公司，决定给一位工程师开 50 万美元年薪——就像你刚才说的那种，今天就真实发生。创始人觉得没问题，投资人也觉得没问题，但这绝对不是通往胜利的可持续路径。而且 Google 并不会这样开价——Google 知道自己不需要用这种方式买人才。所以我觉得，资本过剩正在让创业公司搭出不可持续的薪酬和组织结构。

Harry： 你担不担心退出渠道越来越窄这件事正在变成现实？我的意思是：今天没有 10 亿美元收入，基本别想上市；科技大买家对收购标的极其挑剔；PE 们投资组合里全是 Medallia 这样的套牢资产，正在舔舐伤口（译者注：Medallia，2021 年被 Thoma Bravo 高价私有化后估值缩水，是 PE 套牢盘的代名词）。这个局面相当艰难。

Arvind： 创业从来就没有容易过。我看这行 25 年，我会说：今天创办一家公司并拿到好退出，其实比过去更容易。创业是个残酷的游戏，从来都是。

Harry： 关于做创始人、做 CEO，有什么是外人不知道但应该知道的？

Arvind： 这工作一点也不光鲜。它是压力最大的事情之一，你真的得有点疯才行。不过这点大家现在大概都知道了。对我来说还有一条：你必须持续地不满意。作为 CEO，你永远不该感到满足——因为永远有事情要做，永远有地方可以做得更好。

Harry： “你永远不该感到满足”——这话听到耳朵里还真有点刺耳。说得好。

Arvind： 这工作从头苦到尾。没做过的人总觉得它光鲜、能赚大钱、会赢得尊敬——这些几乎全都无关紧要。你必须真正为使命驱动，才能在创始人这个位置上活下来。

Harry： 有钱之后你的风格变了吗？你此前已经成功过。我一直认为，已经富裕的创始人是更好的创始人，已经富裕的投资人是更好的投资人。说得直白点：你会做出更理性、更稳健的决策，而不是被经济上的急迫感推着走。

Arvind： 对我来说，可能没变。我是个物欲极低的人，需求很早就已被满足——所以我创这两家公司的时候，确实没有“能不能养家糊口”的焦虑，也许这帮到了我。

但随着成功越多，有些根本的东西没有变：你必须有那股驱动力，必须持续工作，必须比公司里任何人都更努力，以身作则，不断往前推；你必须有一种理性的执念，要成就一件大事。

Harry： 非常感谢你的时间。也为我在讨论里的步步紧逼道个歉——这期大概和你做的大多数访谈不太一样，辩论味更重。但我真的很感谢，你太棒了，兄弟。

Arvind： 谢谢你。