Curative 创始人 Fred Turner：SaaS 已死，我们一年砍掉八成软件支出

▍嘉宾：弗雷德·特纳 (Fred Turner)

弗雷德·特纳是 Curative 联合创始人兼 CEO，一位扎根硅谷的英国连续创业者。

• 早年与第一家公司：英格兰北部出身，英国全国科学与工程竞赛冠军；大一创立 TL Biolabs 做奶牛基因检测，2016 年经 YC（Y Combinator）移居硅谷，获 a16z 生物基金种子轮；公司后改名 Shield 转向败血症诊断，2019 年底因 B 轮被战略投资者临时撤资而清算。
• Curative 时代：2020 年初创立 Curative，本要做败血症“院中院”，新冠疫情中紧急转向检测，九个月内从 7 人扩到 7000 人；疫情退潮后转型医疗保险，2026 年完成 1.5 亿美元新一轮（老股东领投），估值 13 亿美元。
• 核能副业：与妻子联合创办核能公司 Subcritical，押注加速器驱动次临界路线；两人第一次约会后交换了基因数据文件。

▍关于 Curative

Curative 是一家总部位于得州的医疗保险独角兽，前身是新冠疫情中美国最大的私营检测公司之一。

• 检测时期：三年总营收约 50 亿美元，单日峰值检测 20.6 万例，规模仅次于 LabCorp 与 Quest；疫情结束后向投资人分红，所有人拿回 10 倍本金且股份保留。
• 保险时期：2021 年底立项转型雇主赞助医疗保险，直接 TAM 为美国雇主每年 1.5 万亿美元的医疗支出；现有约 650 名员工。
• Agent 化改造：资质审核部门率先“归零”（审核周期从两三个月压到 12 小时、单均成本从 50 美元降到 0.2 美元）；签约智能体 Gwen 日均签约约 100 份合同；2026 年内计划砍掉约 80% 的 SaaS 支出，包括每年 60 万美元的 Salesforce。

开场：害怕输，还是享受赢

Harry： 这里是 20VC，我是哈里·斯特宾斯（Harry Stebbings）。今天的故事疯狂得离谱，我太期待了。嘉宾是弗雷德·特纳（Fred Turner），Curative 联合创始人兼 CEO。

他是一位在硅谷的英国创业者，把一家新冠检测公司做到了 50 亿美元营收。然后他又不得不把这一切收缩回来——疫情结束后，这门生意自然难以为继。如今，他把公司转型成了一家估值 13 亿美元的医疗保险服务商。

他在节目里说了不少相当疯狂的事。比如，他要取消每年 60 万美元的 Salesforce 订阅——抱歉了马克和 Salesforce，别来找我麻烦——换成他们团队几个月就“氛围编程”出来的自研方案。这故事太野了，整个历程里有不少让人瞠目结舌的桥段。

Harry： 您已到达目的地。Fred，我太兴奋了，兄弟。你的故事是我听过最疯狂的，最早是贾斯汀跟我讲的，后来阿尼尔又跟我讲了一遍。太感谢你能来。

Fred： 谢谢邀请。

Harry： 我一直觉得有件事很能说明问题：创业者的驱动力，要么是害怕输，要么是享受赢。如果问你哪一个对你的驱动更大，你会怎么答？

Fred： 享受赢。尤其是在新冠疫情期间，我们在 Curative 做出来的那些东西，让我尝到了一种速度感——当一切都顺着你、所有势能都站在你这边时，你能跑多快。那是人能想象到的最大顺风，从那以后我一直在追逐那种感觉。

Harry： 这个我们待会儿细聊。你在英国长大，很小就搬去了硅谷。17 岁？

Fred： 19 岁。

Harry： 你当初那门生意，在英国能做得起来吗？

Fred： 不能，肯定不能。

Harry： 为什么？

Fred： 我觉得英国缺少创业和投资的土壤——没有那么多自己创过业、又愿意投资下一代创业者的投资人，尤其不愿意投年轻人。

我 18 岁在英国试着融过一轮风险投资，当时还在读大一，业余做着一家初创公司，连会都约不上。印象中只有一家基金肯让一个投资经理级别的跟我见一面。那会儿大家投资几乎只看资历——你是某某大学毕业的就行；你只是个本科生？那我们凭什么看你，这不合逻辑。当然，那是十多年前的事了。

而在硅谷，人家的问法是：这件事的可能性有多大？如果一切顺利，十年后你能做成什么样？这家公司能长多大？完全不同的思维模式——硅谷优化的是怎么拿到最好的结果，而我在英国感受到的，是怎么规避最差的结果、怎么让自己不被开除。所以我们决定搬去了硅谷。

从奶牛到败血症：一家公司活了两世

Harry： 好。我们的话题要从败血症检测说起——不对，是从奶牛到败血症再到……你能给我讲讲，咱们是怎么从奶牛一路聊到败血症、再聊到新冠的吗？让我捋捋这条线。

Fred： 好。我第一家公司的起点是……

Harry： 顺便说一句，“从奶牛到败血症再到新冠”这种话，我主持 20VC 以来还从来没说过。

Fred： 确实是个新说法。我的路径是：从最早的奶牛检测，到败血症，再到新冠。

起点是我在英国的第一家公司，当时叫 TL Biolabs，业务是给奶牛和肉牛做基因测序，在牛还很小的时候预测它的各种性状。最早做的是肉牛：有些牛从小就能预测出肌肉更发达，而有些牛肌肉会过度发达，导致难产，所以要追求一个最优值。

这个机会纯属偶然撞上的。我拿过英国全国科学与工程竞赛的冠军，上过几次电视。一个农场主找到我，想让我帮他检测他的牛。他之前把样本寄到荷兰去测，要等好几周，体验糟透了。我一开始跟他说：我对牛不感兴趣，我当时感兴趣的是人类遗传学，谢谢，不用了。但他不依不饶，直接把样本寄了过来，包裹上还别着一张支票。我想，好吧，这有点意思。于是我帮他做了第一批样本，然后他所有的朋友都开始给我寄样本，生意就这么长起来了。这些全发生在英格兰北部，我当时还在读大一。

后来我们拓展到奶牛，预测每头牛的产奶量。我试着在英国为公司融第一轮风投，没什么进展，最后去了旧金山参加美国农业科技投资大会。那是我第一次去美国，也是孤注一掷的最后一搏。我见了一群 VC，一分钱没融到，但认识了一个刚做完 YC（Y Combinator）的人。他跟我说：你得去申请 YC，把公司搬到美国，申请 YC，这是你唯一的路。我听说过 YC，但从没申请过。

Harry： 这是哪一年？

Fred： 2015 年底。

我回到酒店房间一查，申请截止日只剩六天。我想，行，这就是天意。于是交了申请，拿到面试，又飞回去面试，然后在 2016 年夏天搬去硅谷参加那一期。

Harry： 面试怎么样？面试官是谁？

Fred： 蒂姆（Tim）、杰夫（Jeff），还有另外一个人。整个过程快得有点模糊，节奏非常快。

Harry： 然后你得知自己被录取了，搬去了硅谷。

Fred： 搬去了硅谷。还是原来的商业计划、原来的公司，那时主要做奶牛检测——预测奶牛的产奶量。这对农场主其实很有价值，因为奶牛要到 18 个月大才开始产奶，而且从出生第一天起，你所有的母牛每年都得产一头犊牛才能保持产奶，所以你的牛群规模每年翻一倍。

Harry： 这还是 Curative 那家公司吗？

Fred： 不是，这完全是另一家公司。

Harry： 明白了。我差点要说：这就是投资的难处——要是有创业者来给你讲产奶量优化，市场规模（TAM）嘛，我相信纸面上确实不小。

Fred： 但还不够大，问题就出在这儿。

我们做着这门生意，走完 YC，从安德森·霍洛维茨（Andreessen Horowitz）那里融到了种子轮。

Harry： 你们从 a16z 融了种子轮？

Fred： 对，他们的生物基金投了我们 YC 刚毕业时的种子轮。我觉得他们根本没算市场规模，就是觉得“这听起来挺有意思”，就投了。那一轮很小，165 万美元。

Harry： 小钱。

Fred： 确实是——

Harry： 也就够买杯咖啡。

Fred： 对 a16z 来说，确实就是一笔小单子。

于是我们继续打磨技术，也有了客户。等到去融 A 轮时，投资人们真去算了市场规模：美国大约有 1 亿头牛，做得好的话每次检测收 15 到 20 美元；哪怕假设每年能给每头牛都测一次，总市场也就 15 亿美元——撑不起一个 A 轮故事。

所以我们最后把研发出的核心 DNA 检测技术拿出来，转型做人类诊断。那是我第一次踏进医疗行业。我们先推出的是一个高通量的性病（STD）检测实验室，还上线了一款居家性病检测产品。那段日子可太精彩了——我年轻时候也没少到处跑，这方面的需求旺盛得很。

Harry： 我特别喜欢这故事的地方就在这儿，因为大家一听就会问：你是怎么从奶牛、牛的肌肉量、产奶量优化，跳到居家性病检测的？感觉跳得没那么自然。

Fred： 从技术后端看，其实挺自然的：这些东西里都有 DNA。既然你想把 DNA 检测做得更好，你就要去找人们更愿意为它花钱的市场。凡是跟人有关的，大家显然更在乎、更舍得掏钱，市场也大得多。所以我们用的是“市场优先”的思路：哪里会有有意思的机会？我们最后锁定的是性病领域的抗生素耐药问题——这个方向特别有意思，因为性病越来越难治，耐药性越来越强。如果你做 DNA 检测，就能提前预测哪种药最有效，直接用那种药治疗，而不必一上来就用最猛的抗生素。

Harry： 现在的性病比以前更多了吗？

Fred： 是的。

Harry： 这对话拐向了一个我没想到的方向。可我记得现在人们做爱比以前少了啊。

但性病反而更多了。哇。

这就有点让人担心了。

Fred： 是的。我很久没看这方面的统计了，毕竟不干这行有些年头了。但我还在做的时候，数据确实是稳步上升，耐药性也在上升。有些性病已经越来越难治，个别病种未来可能会无药可治，或者必须住院注射某种强力抗生素才压得住，这很吓人。“抗生素管理”（antibiotic stewardship）在当时是个重大议题。我们就这样做着性病检测，然后发现了败血症这个迷人的市场。

败血症每年夺走几十万人的生命。它指的是细菌进入血液——但真正杀死你的其实不是细菌，而是你自身的免疫系统。血液本应是无菌的，细菌一进去，免疫系统就会“抓狂”，触发一连串下游级联反应：血管开始渗漏，各个器官开始衰竭，情况急剧恶化。杀死你的是你自己对细菌的免疫反应，而不是细菌本身。

败血症是美国的主要死因之一。很多因其他重病（比如晚期癌症）走到生命尽头的人，最后真正的死因是败血症——其他疾病会让你对败血症更易感。它是主要死因，死亡率还在上升，治疗成本极高，预后极差。我们当时在做的是一种更好的检测技术：在最早的时间点就检测出是哪种细菌、对哪种抗生素敏感，从而更快开始治疗。因为对败血症来说，每晚治疗一小时，死亡率大约上升 12%，所以必须争分夺秒。

B 轮崩盘与一张 15 万美元的执照

Harry： 每晚治疗一小时，死亡率上升 12%。哇。

Fred： 于是我们开始做败血症检测。

Harry： 一上来就顺风顺水吗？

Fred： 并没有。这家公司在 2019 年底死掉了。

Harry： 哦，很遗憾。

Fred： 检测本身做得很好，原型在推进 FDA 的审批流程。我们去融 B 轮，最后变成了一家战略投资者领投。

Harry： 等等，我捋一下。A 轮是从——

Fred： A 轮融完了。

Harry： 还是那家跟奶牛结缘的公司？

Fred： 同一家公司。名字从 TL Biolabs 改成了 Shield。

Harry： 哦，我喜欢这名字。

好名字，简洁有力。

Fred： 然后我们去融 B 轮。

Harry： 更大的市场、败血症、生死攸关，故事更厚重了。

Fred： 对，这个检测方向的市场规模有几十亿美元。我们拿到了一家战略投资者的投资意向书——一家大型上市诊断公司。签了意向书，做了三周文件工作，已经走到第二轮文件了，结果他们的 CEO 把交易毙了，原因是跟他们的核心产品竞争太直接。而与此同时，我们已经跟所有投资人都打了包票：领投方搞定了，文件都在走了。这一下就要了公司的命——账上的现金只够撑三周。

Harry： 可如果那轮融资成了，你还能走到今天这个位置吗？

Fred： 不能。因为那样我们在新冠来袭时就不会这么决绝地转进去。说起来很讽刺：当时我们手里其实有一张实验室执照——在美国，做这类检测需要一种叫 CLIA 执照（CLIA license）的东西，我们花了两年痛苦的流程才拿到。2019 年 12 月公司清算时，我把那张执照以 15 万美元卖给了一家圣地亚哥的公司，用来偿还部分债权人。五个月后，我又花 2700 万美元收购了南加州的一家公司，就为了拿回同样一张执照。时机就是一切。

Harry： 等等等等。公司都要清算了，你们把执照 15 万美元卖了？

Fred： 如果没有疫情，那大致就是它的市场公允价。

Harry： 完全理解。好，那继续讲清算的事——我想按时间线来，这故事太野了。2020 年初关停公司，对吧。

Fred： 对，差不多就在 2019 年底。

Harry： 好，2019 年底，公司清算，战略投资者临门一脚搞砸了。然后发生了什么？

Fred： 然后我就开始琢磨下一步做什么。

Harry： 你个人有没有被击垮？这可是你五年的心血。

Fred： 有。

Harry： 对创业者有什么教训或者反思吗？

Fred： 第二次创业会容易得多。第一次创业会踩无数坑：总有你不会做的事，第一次开人不知道怎么开，不知道怎么搭面试流程，不知道怎么搭招聘管线——太多事情第一次做很容易搞砸。而等你亲眼见过它们怎么搞砸的，第二次再做就顺手太多了。所以，是的，眼睁睁看着倾注了全部时间和心血的东西——那些每周七天的工作、那些熬夜——归零，是世界上最糟糕的事。但只要你在过程中学到了东西，带着这些教训去解决一个更大的问题，我觉得你就不算白亏。

Curative 诞生：把败血症做成“院中院”

Harry： 好，公司在清算，得找新方向。接下来发生了什么？

Fred： Curative 最初的商业计划，其实还是要解决败血症，但用一种完全不同的方式。

Harry： 你对败血症还真是执念很深。

Fred： 是这样的：我们做败血症诊断那阵子，数据里有个现象反复跳出来。看其他做败血症诊断的公司——我们不是第一家，罗氏（Roche）这样的大药企砸过几亿美元，西门子（Siemens）砸过一亿美元，一批公司烧了很多钱想做更好的败血症诊断，简直是一片败血症公司的坟场。而你往数据深处挖，会发现一件很有意思的事：在学术医学中心试用这些新的败血症检测，效果很好——预后明显改善、病人活得更久、确实在救命。可一旦放到更大规模的研究里去复制，就失败了。

深挖原因，问题出在试验人群从学术医学中心扩大到社区医院之后。社区医院人手严重不足、接诊量不堪重负，尤其是急诊室，他们没能足够快地怀疑到败血症。前面说过，每晚一小时，死亡率上升 12%。

而败血症的干预手段相当激进：通常要在股动脉里插一根大号输液管，大量补液，还要用上副作用很大的猛药抗生素。这是很强硬的治疗，如果医生没有尽早怀疑败血症并立刻上手，等想起来时已经太晚了。试想一下，凌晨两点、周六的社区医院，当班的人里有没有能足够早识别败血症的？还是说要等到周一早上？所以，如果没有一个人真的去开这个检测单，你的检测做得再好也没用。

于是 Curative 最初的设想是：把学术医学中心的经验带到社区医院，建一个“院中院”——在医院里设一个专门管理败血症患者的小型单元。急诊科一旦收到病人，由我们来诊断为败血症并接手这个病人，医院付我们固定费用，此后无论发生什么，风险由我们兜底。只要我们能做出更好的预后——核心其实就是让医生按规范流程执行，但做到规模化——就能把学术医学中心那种临床结果，复制到社区医院里去。

Harry： 然后呢？

Fred： 我们就开始做这门生意。

我们融了 100 万美元种子轮，贾斯汀是第一个投资人。

Harry： 你开头提到的，贾斯汀·马丁（Justin Mateen）。

Fred： 他是在我关停 Shield 的时候进场的。他本来是 Shield 的投资人，还想给 Shield 加注。我跟他说：别了，我觉得你不该再投，那家公司恐怕撑不过去了。但我在琢磨一件新事情。他直接说：行，我投了——他当时甚至不知道新公司要做什么。

Harry： 他投了多少？

Fred： 我记得是 12.5 万美元，估值 300 万美元。

Harry： 哇。

Fred： 所以他是第一个掏钱的人。

Harry： 第一个进场的。漂亮。

Fred： 我们当时已经在威斯康星州谈好了第一家试点医院。对接的临床医生以前合作过，热情很高。然后有一天，他的助理打来电话说：一切暂停，至少三个月内他没法跟你通话。我们觉得这太反常了——他再不济也会自己打个电话或发条短信，怎么会让助理来传话？一打听才知道，他们正在为一种叫 COVID-19 的东西做准备，预计马上要在他们医院接收第一个病人。

那是我第一次隐约意识到：坏了，这事要闹大了，比所有人想的都大。他们正在关停整个医院。而对我们来说是另一回事：临床研究没法做了，产品也没法发布了，所有医院都封锁了。我们心想，要不先去帮忙做做检测，帮上几个星期，等这阵风头过去，再回去做败血症。就这样，我们转进了新冠检测。

一切发生得飞快——而在此之前，我还一直在说“不会不会，这事闹不大的，别担心”。

Harry： 是哪个瞬间让你意识到的？什么时候你觉得“这事真的要搞大了”？

Fred： 我在旧金山的公寓里看数据——我记得是在 Twitter 上看到的——心里咯噔一下：如果按这个速度发展下去，事情的严重性会远超人们的想象。那大概是 2 月中旬。从那时起，我开始四处联络搭建检测产能，而首先摆在我们面前的难题，是找一张实验室执照。

因为我刚把实验室执照卖了，手里已经没有能跑这类检测的实验室了。但我们有检测试剂。Curative 的首席科学官在业余时间做了一个新冠检测。他在之前那家公司时就干过类似的事：做过一款流感检测，免费提供给员工，图个安心。他跟我说：我能不能做个新冠检测？我觉得可能没什么用，但能让员工安心，对团队也是个很好的练兵。于是他们利用一月和二月上旬的晚上和周末，基本上用业余时间把这个检测做了出来。所以等到一切真正爆发时，我们手里已经有了检测产品，缺的是一个能部署它的实验室。

2700 万美元买一张执照

Harry： 所以你那时候是回头把原来那张执照花 2700 万买回来？

Fred： 不是，我买的是另一家实验室的执照。

我把湾区认识的有这类执照机构的人问了个遍，没人想让任何跟新冠沾边的东西进自己的场地，谁都不想碰。我干脆给所有认识的人群发了一封邮件。结果还真有一个跟我同期 YC、后来做了 VC 的家伙，把我介绍给了洛杉矶的一个团队。他们手里有这张执照，当时用它做体育兴奋剂检测。

我以为他们在洛杉矶市区，记得我跟贾斯汀说：我要去洛杉矶了，在圣迪马斯（San Dimas）。他问：圣迪马斯是哪儿？那地方其实在洛杉矶县最东边，是洛杉矶县下辖的一个小城，最出名的标签是电影《比尔和泰德历险记》（Bill & Ted）——一个三万人的小镇。实验室就在那儿。我飞过去看了那家实验室。

Harry： 从旧金山飞过去的。

Fred： 对，还顺带看了另一张执照，好像是挂在一所大学下面的。圣迪马斯那家场地不错、执照在手，检测量很小，基本是一张白纸。于是最初谈的是 Curative 和这家持照公司五五合资：我们出检测技术和专业团队，他们出执照。但很快事情就清楚了：他们没有能力把它做大——甚至可以说，他们在实打实地拖规模化的后腿。于是我们把他们买了下来。这就是那 2700 万美元。

Harry： 2700 万从哪儿来的？

Fred： 客户的预收收入。我们已经在收钱了，当时已经拿下第一批检测合同，给警察局和消防局做检测。

Harry： 等等，这怎么做到的？你的首席科学官鼓捣出了这个绝妙的检测。

然后你就直接去找旧金山市政府了？

Fred： 差不多是这样。其实我们最早的客户是圣迪马斯的治安官办公室。之前我们还接过一些个人自费检测的散单，但第一个政府客户就是圣迪马斯治安官办公室。起因是他们听说镇子上在建一个新冠实验室，居民都慌了。他们一位警官在领英（LinkedIn）上找到我，问：你们到底在干什么？我跟他解释我们在做什么、为什么很安全——我们的样本一进管，病毒马上就被灭活，现场没有活病毒，对社区不构成风险，而且这是件好事，我们还会在当地雇很多人。我让他相信：我们知道自己在干什么，而且是以安全的方式在做。

然后他说：我们特别需要检测。接着消防局也要检测。而我们第一份真正的大合同来自洛杉矶市——那是一条推特换来的。这就得说到劳拉·戴明（Laura Deming）了。

Harry： 嗯，我记得她。YC 出身、做长寿方向的那位，长寿圈的朋友。

Fred： 对，就是她。她是我们的朋友，当时一心想为疫情出点力。她亲自开车送我去洛杉矶，车上装着满满一车 PCR 仪，好让我能在路上用笔记本干活，早期很多研发工作她也帮了忙。她发了条推：我们有新冠检测产能，有人要吗？洛杉矶副市长直接私信她：要，请务必跟我们聊聊。

Harry： 哇。

Fred： 我们第一份大合同就是这么来的。

Harry： 然后你就跟洛杉矶副市长谈上了。

Fred： 对。他们提出先做试点：我们手上有几家实验室，你得先证明给我看。毕竟我们是完全的生面孔，此前什么都没做过。

Harry： 那时候新冠还没到高峰爬坡期吧？

Fred： 很早，3 月初。封锁刚刚开始，所有人都开始慌了，基本上无处可测——除非你是超高风险人群并且已经住进医院，否则几乎没有机会做上检测。所有人都在恐慌。那会儿大家还在用消毒湿巾擦超市购物袋，没人知道到底怎么回事，一切都在关停。西海岸情况还不算太糟，但纽约那时候已经非常严重了。

Harry： 他们是预付款？

Fred： 洛杉矶市能给到的最好条件是：他们是政府，有各种限制，交付后付款，但账期只有一天。我们当天交付检测，第二天早上派人去市政厅取当天的支票。

Harry： 哇。也就是说检测做完了，他们在我们交付后才付款。

Fred： 但这不是政府合同常见的 30 天、60 天账期。我们每天按检测量开发票，他们财务部有专人负责给我们开支票——因为我们需要这笔钱去买耗材，把检测产能扩到他们需要的水平。

正交供应链：九个月从 7 人到 7000 人

Harry： 你签过的最大单笔合同是哪一个？

Fred： 最大的可能是佛罗里达州的合同之一。我们跟佛州政府签了全州养老院的检测合同，具体金额我忘了，是几亿美元量级。他们公开招标，我们中标了。

Harry： 几亿美元？

Fred： 对。他们在三个月内，对全州每一家养老院的每一位员工每周检测一次。佛州在“保持开放”这件事上做得很好：养老院继续运转、探视照常，同时确保员工不会把新冠传给院里的老人。他们要把所有养老院员工全测一遍，把感染者剔除出去，避免暴露给住户。我们接下了这个大项目。招标时一堆实验室都说：不行，这太疯狂了，不可能——这么多机构、这么紧的时效，没人做得到。我们的回答是：可以，我们能做，我们搞得定。最后我们交付了。

Harry： 你看到了什么别人没看到的东西？

Fred： 要从零开始把那样的东西规模化，你得明白一件事：实验室行业整体上是个低毛利行业，建立在效率之上。看那些大实验室——奎斯特（Quest）和龙科（LabCorp）——它们是极致高效的机器，有些自动化做得令人叹服。

可如果你让它们把产能扩大 10 倍，这跟它们的基因正好相反。它们的打法是：把流程的某个环节再优化出 1% 的毛利，做到完美高效——它们确实很擅长。但你让它 10 倍扩张，就玩不转了：思维不在那儿，团队也不知道怎么把这种东西规模化，而且所有供应链都断了。所以我们说：好，从零开始，把那套全扔掉。假设你要把它扩到每天几十万例检测，从哪儿入手？我们建了一条所谓“正交供应链”（orthogonal supply chain），说人话就是：别人用什么，我们偏不用什么。

Harry： 你这话听着像麦肯锡专做创新咨询的顾问。

Fred： 没错。

Harry： “正交供应链”。

Fred： 是，这词挺好使的——从销售角度看，一个唬人的高级词汇很有帮助。

Harry： 盖章通过，懂了。

Fred： 它的实际含义是：所有人都在抢同样的耗材、同样的试剂、同样的东西。假设某种耗材产能是 1，供应商也许能提到 1.2；大家都去抢，我们也去抢，并不会让全行业的检测总量增加，只是让我们互相掐架。这毫无意义。所以必须找到别的路径来做检测，用那些传统上不会用于这类检测的物资。

比如采样拭子，我们从做电子检测耗材的厂商那里进货，自己灭菌。再比如核酸提取材料：行业标准做法是磁珠法，但还有一条过滤板路线——基本就是玻璃和塑料，扩产比磁珠快得多；磁珠全球基本只有中国两家工厂在生产。我们的判断是：永远别用磁珠，这项技术撑不起规模化；要去找能把玻璃和塑料制品产能扩起来的供应商，跟他们合作做到 10 倍。供应链的每一个环节都按这个思路过一遍，最后就有了巨大的产能。

当然，离开疫情这套就不成立了——因为平时没人会比昨天多要 10 倍检测量。但在疫情里，你就得这么干。我们的峰值，我记得单日最高测了 20.6 万人。

那是 2020 年 12 月。从零到单日 20.6 万，八个月。公司员工也在最初九个月里从大约 7 人涨到 7000 人。

Harry： 九个月 7000 人？

Fred： 对，是有点疯狂。

Harry： 你还睡觉吗？

Fred： 睡得不多。

Harry： 那段时间你干过最疯狂的事是什么？

Fred： 招聘上的一些操作吧。某些岗位必须有持证人员，但更多行政类岗位不需要执照。当时很多人想为疫情出份力，这帮了大忙。我们就让人在停车场里排队——保持社交距离、一路排到街尾——每人给五分钟面试，面试官拿着写字板坐在那儿：五分钟，下一个。就为了让足够多的人进门。

50 亿美元营收的毛利真相

Harry： 新冠检测一共赚了多少钱？

Fred： 我记得三年下来总营收大约 50 亿美元。

Harry： 50 亿？是最大的私营检测机构吗？

Fred： 是的，我们是除 LabCorp 和 Quest 之外最大的检测公司。

Harry： 太夸张了。一单新冠检测的毛利结构是什么样的？

Fred： 疫情高峰时非常好，平时非常差。规律是：一到峰值——比如新变种出现，通常冬天是最大的峰，后来还出现了一些挺奇怪的夏季峰——所有人都会涌来检测。这些都是公共检测点：停车场、免下车通道，这是我们的主战场。最大的一个点是洛杉矶道奇体育场检测站：七条车道，早七点到晚七点，一周七天，峰值时每天约一万人开车进来、采样、样本送回实验室。

产能拉满、实验室吃满的时候，非常赚钱。然后峰值退去，检测量回落到产能的两三成，而固定成本一分不少：你仍然养着 7000 人。耗材是可以少买，但为峰值建的全部基础设施都得维持着。这又是和传统实验室行业相反的地方：传统实验室的业务量很平，每年人们做的血液检查跟上一年大致持平，或者可预期地多一点点，波动就在几个百分点以内。而我们是按峰值产能建的，低谷期维持这些产能的成本高得吓人。

这在当时是没办法的事，也是机制设计的一部分：政府把这些检测的报销价格定得很高，就是为了激励产能建设——因为如果峰值产能不存在，一旦疫情反扑就会全线崩盘、谁都测不上。但这就意味着你必须为“过度建设”买单：低谷期产能必须在那儿，不能关停，7000 人的团队也不可能在 24 小时内重建。所以基本上每个低谷期我们都在大把亏钱。

Harry： 真的会亏钱？

Fred： 对，低谷期每做一单检测都在亏。

Harry： 哦，哇。

那 50 亿里面，利润有多少？

Fred： 尘埃落定之后，我们拿出来投进医疗保险业务的钱，大约是 5 亿美元。

Harry： 真是不可思议。问一句：后来疫苗铺开的时候，你们当时知道它们的有效性会走到今天这一步吗？

Fred： 一开始并不明朗，而且情况也在变。当所有人都没接触过新冠病毒时，接种的获益大概率大得多；等每个人都感染过几次之后，疫苗的边际获益就小很多了，因为你的身体已经见识过了。另外，变种也越来越弱。在 2020 年 12 月刚开始推广的时候，我认为对很多人来说，接种疫苗是实打实有好处的。

Harry： 你自己打了吗？

Fred： 打了。我们自己还做了 250 万剂疫苗接种，那是我们的另一项业务。这块也亏了很多钱，是门糟糕的生意。

Harry： 为什么？

Fred： 因为政府付的钱不够。每打一剂都在亏，接种成本比拿到的报酬高。

Harry： 那为什么还做？

Fred： 回馈社会。而且很多合作方想要我们做——政府侧很多检测合作伙伴也希望我们承担接种。

Harry： 听着真不容易。后来你的新冠业务明显降温了。

Fred： 对。

Harry： 一切彻底变了，你不得不再次转型。

Fred： 对。而这件事我们启动得很早，因为我始终坚信这阵风不会持续太久。

Harry： 你一直都知道它长不了。

Fred： 是的。最开始招人的时候我们就跟员工明说：这是三个月的活，你的饭碗只有三个月，别指望三个月以后的任何事，三个月后我们会把这一切全部关停。现在的 CFO、现任 Curative 总裁就是那时候加入的，对她来说原计划是六个月的活——她是从退休状态复出，来帮忙抗疫六个月的。六年后的今天，她还在。本来一切都该是临时的。每扛过一个峰值，我都想：好了，到此为止，该结束了。结果一波接一波。所以我们在 2020 年年中——非常早——就开始琢磨“下一步是什么”。

为什么是医疗保险：支付方才是那只手

Harry： “下一步”的寻找是怎么演进的？你 2020 年中就开始看了，但真正落到实际行动是 2022 年底、2023 年初，对吧？

Fred： 对。真正认真看待医疗保险这个方向大概是 2021 年底，光是拿牌照就花了很长时间。

Harry： 为什么是医疗保险？

Fred： 它不是第一个想法，我们看过一堆别的方向。比如实验室检测行业里的其他机会——可惜这个行业就这么大。我们手里有个挺有意思的技术：理论上可以把今天一个个单独做的检测合并成一次检测完成，科学上很酷。但就算你说“我要把 LabCorp 和 Quest 全干掉”，它们俩加起来市值也就 300 亿美元——你能建的公司上限就是 300 亿。这是家大公司，但经历了新冠那一役，我想建一家大得多的公司。实验室检测市场不够大，出局。

然后我们还短暂考虑过收购一家甚至多家医院，看过佛州一家、得州一家。思路是：医院或者说医疗系统正在成为医疗服务的中心，它们收购了大量初级诊疗诊所；如果用技术改造它，能不能做出好得多的结果？最后的结论是：行不通，因为支付方结构太碎了。作为医院，你的客户一半是政府，剩下是一堆七零八碎的小保险计划——每家想要的东西都不一样，每五分钟改一次主意，你得同时伺候好所有人。所以从医院侧真正推动变革的空间很有限，这是我们最终的判断。

我们也看了预防医疗、连锁初级诊疗，兜兜转转，所有路最后都通向支付方（payer）。在美国医疗体系里，支付方才是驱动行为的那只手：你出钱，大家就往钱的方向走；你说“这个项目我付”，大家就去做这个项目；你说“这个我不付”，大家就停手。所以，真正驱动体系运转的是支付方。

Harry： 如果你能挥动魔法棒，今天就改变美国医疗体系的一件事，你会做什么？

Fred： 我会把谈判拆回更小的单元。现在这个体系在博弈双方都很小的时候，作为市场是相当有效率的；一旦所有东西都高度集中，就变得极度低效。以医疗系统为例：我们为医疗系统的服务付费，同样的服务别处也有。对比一位独立执业的初级诊疗医生和一位挂靠医疗系统的初级诊疗医生，我们付给后者的平均价格是前者的两倍——同样的服务、同样的资质，仅仅因为他属于某个医院系统。

而医院系统会拿手里的筹码说事：我有那么多床位，我有你离不开的顶级专科手术中心——你的网络里必须有这些产能，因为总有病人需要住院、需要那些服务。想要接入？那就给我的初级诊疗医生付双倍价钱。

当所有玩家都很小——小支付方、小医院——谈判最终能谈到一个合理价格。而现在的问题是：支付方超大，市场高度集中，基本上四大玩家控制了整个支付端市场；医院系统也随之高度集中，因为那是它们唯一的活路——想跟蓝十字（Blue Cross）掰手腕，唯一的办法就是长得足够大，拿到谈判筹码。然后双方就顶在那里，谁也谈不动，所有人为所有东西多付钱，处处低效。

而当市场上有更多竞争——更多小支付方进场、更多小医疗系统——你才会重新得到一个真正有效率的市场。当谈判桌上的一方说“我掌握全州三分之一的医疗资源，另一方掌握全州三分之一的雇员”时，这就已经不是有效市场了，因为双方都没有替代选项，非成交不可。

Harry： 如果我病了，全世界最适合治病的地方是美国吗？

Fred： 是，毫无疑问。

Harry： 认真的？

Fred： 认真的。美国能用到全球最尖端的技术、设施和药物，领先幅度很大，而且他们愿意为延续生命花多得多的钱。

Harry： 有什么是你现在知道、真希望当初转型做保险前就知道的？

Fred： 我真希望当时知道新一波 AI 要来了。2022 年我们设计这门生意的时候，完全不知道这波 AI 和大语言模型的浪潮会来。我们建一家医疗保险公司，是因为我们觉得这是门好生意、应该有人去建，市场上需要更好的医疗保险选择。而过去 18 个月里，我们几乎所有事情的工作流都彻底变了。

说到底，医疗保险干的就是“搬比特”：我们没有实体产品，最多给你一张小塑料卡；除此之外，我们的产品就是在数据库里搬动数据，让医疗服务得到支付，仅此而已。我们还要经营一个类似集市的东西：跟医疗机构谈价格，跟雇主谈保费，再设法让员工保持健康——人保持健康，我们就能避免长期下游的医疗成本。本质上这是个平台型生意，而它已经被 AI 从根本上改写了。

Harry： 具体怎么改写的？

Fred： 大量后台工作被 AI 彻底改造了。我们现在有些部门——过去全是干“盖章”活的人——已经整个消失了。第一个归零的是资质审核（credentialing）部门。这是个极其耗费人力的流程：每个加入我们网络的医生，都要核验他有有效的行医执照、没有因医疗事故被起诉。过去是一个人跑到医学委员会网站查执照记录、查毕业院校的成绩单、查谁被谁起诉过的数据库，然后盖章通过。这一套过去平均要两到三个月，单人成本约 50 美元。

现在我们自己开发了一个跑在 Claude 上的智能体（agent），端到端完成全流程：它自己上网站、核验执照、读成绩单、汇总材料、盖章批准。现在平均 12 小时完成一单资质审核，成本约 20 美分。这是支付方不得不做的反人性流程——它确实重要，我们必须确认网络里的医生都有合法行医资格——但历史上它一直烂得不行，支付方做得很差：一个医生加入网络，要等三个月才能接诊。纯属官僚主义，医生们恨透了。它并没有创造本该创造的价值，只是在制造文书。

Harry： 资质审核部门原来有多少人？

Fred： 那个部门不大，五六个人。另外还有几个部门缩编比这更狠。

Harry： 还有哪些部门？

Fred： 理赔侧变化很大。理赔处理过去非常依赖人工：理赔单进来，人手工修修改改。核保侧也一样。过去的核保流程是：经纪人带着一个想投保的雇主团体来找我们，向多家保险公司询价。具体做法就是给我们发一封邮件，附一堆 PDF 和表格：员工都有谁、现有理赔记录如何、现在的保险方案长什么样。按理说这么多年下来，行业早该形成一个半标准化的格式了吧？没有，每一家发来的表格格式、PDF 样式全都不一样。

我们试过用软件解决这个问题：做通用导入器、通用接收管道，算是有点用。但我们后来发现好用到惊人的做法是：直接把文件丢给智能体，让它写 Python 把这些文件转成标准格式。模型解析文件不算强，但写代码强得离谱。你让它写个 Python 脚本，把任意奇怪的文件转成已知格式，然后跑测试、循环迭代，直到脚本能用——用完就扔。那是一次性代码，再也不会被用第二次。这个路子效果好得出奇。

所以现在，经纪人、医疗机构、雇主给我们发文件，我们再也不坚持“必须用我们的标准格式”了——以前对方很恼火，因为总得有个人坐在诊所办公室里手工把文件重排进我们的表格。现在是：你有什么发什么，什么格式都行，餐巾纸上的涂鸦都行，模型会自己弄明白，转成标准格式，全程 15 分钟左右。过去要几百号人坐在那里搬表格的数据摄入管道，现在是模型写 Python 完成同一件事——而且每次用完就把那段 Python 扔掉，从零再来。

SaaS 已死：退掉 60 万美元的 Salesforce

Harry： 兄弟，听到这儿我有一肚子问题。第一个：你提到公司内部搭建了这么多智能体来跑你们的专属流程——你认同“SaaS 已死”论吗？为什么？

Fred： 认同，因为我亲眼看着我们一份份取消合同。我们最近刚取消了 Salesforce 的合同，因为我们内部有一个“氛围编程”（vibe coding）出来的 CRM：更好用、更贴合我们的流程管理、跟我们的业务集成得更深，智能体就跑在它里面。已经没人用 Salesforce 了。

Harry： 一年 60 万美元啊。哇。

Fred： 归零了。

Harry： 花了多久做出来？

Fred： 两个月。

Harry： 我老喜欢唱反调，两边都问一句：花工程师的工时去氛围编程一套系统、再长期维护它，值吗？

Fred： 维护确实是最难的部分，你说得对。但对任何有相当规模的企业来说，值。至于他们短期内有没有技术资源做这件事，那才是更大的问题——更像是个“什么时候发生”的问题。当你把工作流按自己的需求定制开发，它就是更好用。

用那些大系统，你得养一个管理员——我们就有一个全职的 Salesforce 管理员——你花钱雇人，全部工作就是伺候一个老掉牙的软件平台。倒不是说 Salesforce 老掉牙，但我们还有几个付费的内部应用、行业软件，维护它们要占好几个人力。这些都可以换成一个优秀工程师，然后你想要什么定制功能，自己开发就是了。

Harry： 太疯狂了。一年 60 万美元的 Salesforce。

哇。

Fred： 是的。我们也观察到，确实有几类软件会存活下来，因为它们更偏基础设施属性。

Harry： 哪些能活下来？

Fred： 很多后端工具，比如 Sentry 之类，它们已经成了你基础设施的一部分。Slack 是出了名的难替换：太多人在它上面建了集成和工作流。不过我觉得，他们继续这么涨价，涨过头了，总有一天换掉它就变得划算了。

Harry： 砍单名单上还有什么？

Fred： 今年我们要砍掉大约 80% 的 SaaS 支出。

Harry： 哇。

Fred： 我们内部有次会议上有张幻灯片，列着每份 SaaS 合同什么时候到期、由谁负责去通知对方今年不续约。

Harry： 其实你可以一刀切全砍了。

Fred： 不行，合同有续约条款，到期前该付的还是得付。

Harry： 啊。要砍的都是 Salesforce 那种老软件吗？

Fred： 一部分是，还有一部分是非常保险行业专属的软件。比如我们的理赔系统：一个庞大的现成套装平台，我们几年前刚迁移过去——这就是为什么我说“早知道 AI 要来，我们的做法会完全不同”。它非常难用：API 几乎是废的，数据很难从他们的数据库里取出来，还不让我们自己管理。但保险公司就是用这种东西运转的。于是我们完全从零自研了一套理赔系统，现在大部分工作流已经迁过去了，7 月就能全部迁完。

Gwen：每天签 100 份合同的智能体

Harry： 假设我是一家医疗保险公司——你也认识其他医疗保险公司。

我没有你们这种自建“智能体劳动力”的技术能力。

我是不是完了？

Fred： 我觉得一些最大的保险公司会很挣扎：从利润率的角度，它们追不上我们用智能体能够达到的水平。它们中有些确实有技术实力，但问题更多出在组织和人事上。假设你建了一家 10 万人的公司，而要拿到这块利润率的提升，得裁掉 5 万人——那某位高管的“封地”可就小多了。所以它们会用十年时间慢慢做。这件事终究会发生，但会很快发生吗？不会。而在这段时间里，我们能比它们更有效地竞争吗？能。

Harry： 利润率会怎么变？

Fred： 保险是个利润率极低的生意。我们收到的保费里，85% 必须拿出去支付医疗费用：收进 1 美元，就得花出 85 美分——这是法律强制的。花不到这个数，就得把差额退给雇主。这恰恰是美国医疗体系又一处坏掉的地方：它制造了完全错误的激励——站在保险公司的立场，如果利润被锁死在 15%，想增加利润，唯一的办法就是做大总支出。你可不想让你的保险公司被这样激励。

Harry： 那我为什么要鼓励大家去健身房、健康饮食？反正省下的钱我也拿不回来。

Fred： 这是奥巴马医改（Obamacare）的一部分。医改里有些好东西，但这一条，我觉得二阶后果没被认真考虑过。“我们把保险公司的利润封了顶”，听起来是个很好的公关说辞，对吧？听着很爽，但那是扯淡。这跟给 CEO 的基本工资封顶一个道理。

Harry： 听着很爽。

Fred： 对，然后大家就改发 2700 万美元的股权激励。高管薪酬包之所以畸形到这种程度，就是因为基本工资被封了顶。

Harry： 是挺荒唐的。说到这个，你们的 Anthropic 账单涨成什么样了？

Fred： 涨疯了。对我们来说，这是个很有代表性的先行指标：过去六七个月，我们的 Anthropic 成本每个月都在 6 倍地涨，从几万美元的基数涨到了现在每月几百万美元。总有一天我们得让这种增长停下来，不然就太离谱了——但我们总能找到新的用途。另一个很有意思的发现是：很多场景下，并不是团队被替代了，而是团队被重新赋能了，他们现在的产出是以前的好几倍。

有个长期以来特别难啃的环节，也是新建保险公司最难的地方：搭建医疗网络。网络就是我们要签约的所有医生、医院和各类机构，全美国你想签的大约有 120 万家，落到合同上就是六七万份。逐家去触达、谈判、签约、录入数据、纳入网络——工作量巨大。这也正是大型保险公司的护城河之一：蓝十字用了一百年建网络，联合健康（UnitedHealth）、信诺（Cigna）、安泰（Aetna）用了五十年，都是慢慢熬出来的。你想从零建一个新的健康保险计划，就得把这 120 万家挨个谈一遍。我们有一个大约 45 人的团队专门做网络合同。

今年早些时候，我们上线了一个叫 Gwen 的智能体。Gwen 跑同样的流程：你给她一条线索——“这儿有家初级诊疗诊所，地址是这个”——她会自己去 Google 查、研究这家诊所、摸清其他支付方付给它的价格（现在有很多透明度文件公开这类支付数据）、从 ZoomInfo 找到邮箱，然后开始联系，用定制化的邮件一遍遍地跟——“我了解你们的诊所，我知道你们在做什么”——直到对方回复。

引起对方注意之后，来回谈价格，通常要谈好几轮；谈条款、改合同文本——这又是 Python 大放异彩的地方：这些模型直接编辑 Word 文档很烂，但你让它写 Python 去改 Word 文档，强得很。

Harry： 这技巧不错。

Fred： 然后签约。现在她签合同用的是我的签名：她打开 DocuSign 链接，点下按钮，合同上就是我的签名。这一下把我们的签约量从每周约 100 份拉到了每天约 100 份。去年全年，整个团队签了 2300 份合同；而最近八周，光是这个智能体就签了 3500 份。

关键是，这个团队并没有归零——我们把这个团队调去做更大的合同。有些交易可以纯邮件完成（Gwen 只用邮件），而且愿意全程电子化签约的机构数量之多，出乎我的意料：电话那头大概有很多千禧一代，不想打电话，宁愿全程线上谈完，这对我们太友好了，因为模型恰恰擅长这个。

但大一点的医院系统、大一点的医生集团，人家要通电话、要见面、想了解我们是谁。团队现在可以把时间花在那些面对面的会议上、经营那些关系、服务那些大集团；甚至到了文书环节，也是把文书丢给模型。而那些小机构——这边的个体初级诊疗医生、那边的小型行为健康机构、那个角落的心理治疗师——智能体几小时内就能端到端把合同签完。这样的量级，靠人是永远做不出来的。

Harry： 考虑到你描述的这种变革性，如果 Anthropic 把价格翻倍，会影响你的使用吗？看这些核心模型公司今天的财务，以现在的基础设施和定价，它们都挺艰难。如果它们价格翻倍，你的用量会不变吗？

Fred： 如果我说“不影响”，我可不想让我们 Anthropic 的客户经理听到后真去翻倍。但确实不影响——就算翻倍，账也算得过来，完全没问题。

算笔账：用人来做，一份合同的平均成本大约 1500 到 2000 美元；Gwen 的平均成本是 70 美元左右。所以翻倍之后依然成立。这也是为什么我们的 token 用量爆炸式增长。

Harry： 那我要不是个傻子的话——顺着“替代人力”的逻辑，它们涨到 5 倍，也依然成立？

Fred： 依然成立。而它们在赌的、也是我们实际看到的，是另一件事：你不会止步于替代人力。拿签约来说，这就是完美的例子：我们没有说“以前每周签 100 份，现在让智能体也签 100 份”；我们说的是“既然有了智能体，今年签的合同可以比去年多 10 倍”。我们就做 10 倍，然后冲 20 倍。你会把量做到一个人类团队根本不可能企及的水平。

裁员、UBI 与人的位置

Harry： 现在人人都在喊“我要失业了”。你觉得这种担忧站得住脚吗？

Fred： 对很多后台岗位来说，站得住。

Harry： 那怎么区分“会做更多”和“会被替代”？很多人说开发者不会被淘汰，因为对更多、更好软件的需求是无止境的。这两类职能的边界在哪里？

Fred： 在 Curative，我们试着把真正值得投人的方向收敛到两个：技术能力和关系。这两块我短期内看不到消失的可能。我们仍然有一支负责落地所有这些 AI 的团队——他们日常工作里大量使用 AI，自己已经不写代码了，甚至不再读代码，全部用 Claude Code 或 Codex 来部署。一个资深工程师如今的产出比一年前高出太多，这样的人我们会继续投。

与此同时，医疗保险这个行业有一块是关系驱动的，我同样短期内看不到它消失：我们承保的会员，希望能打电话找到一个真人。我们有很多 AI 可以聊，AI 很好，会员也喜欢跟 AI 聊，但环路里某个位置必须有个真人。还有医疗机构——我们跟医生集团是合作关系：我们给你带来一块收入，我们配合你、你配合我们，这层关系必须有人维护，尤其是大集团。

销售侧也一样：我们通过经纪人销售，经纪人要决赛圈陈述、要饭局、要高尔夫。我们看到的反而是：销售侧的关系比以前更有分量了。

Harry： 五年后还会是这样吗？很多人谈论智能体对智能体的交易，说那会改变整个流程。你觉得五年、十年后，还会有这么重的人际关系式销售吗？

Fred： 某些层面会有。因为某种程度上，人际关系会变成信任的地基，几乎是一种稀缺资源：想做一笔重要的交易，你就会把稀缺的人投进去经营它。合同越大，越需要看着对方的眼睛、越需要关系里的信任。而这些合同都不小——哪怕我们最小的雇主客户，一单也至少是百万美元级。

Harry： 我一直拿会计师和律师举例子：很多简单的工作它们本可以被替代，尤其是保密协议（NDA）这种。但你永远不会不让律所来做，因为一旦出问题，签字的人要被开除。

Fred： 是，但我觉得它会以另一种方式运转。拿 Gwen 来说：我们有一份律所起草的标准模板合同，再给 Gwen 划定她能接受的条款边界。她直接在边界内改条款、签合同，不再送律所复核——我们每天签几百份合同，逐份送审太拖累、太慢，而且律所反正也是用 AI 审。所以我们选择在既定参数内信任智能体自己完成法务审查。

Harry： 以你现在对它能力的实际使用经验，三年后的 Anthropic 会有多大？

Fred： 比今天大得多。

Harry： 你觉得能到 5 万亿吗？

Fred： 我觉得能到 10 万亿。

Harry： 太夸张了，不是吗？

Fred： 是，因为你会不断发现以前根本做不了的新事情。Gwen 现在平均每天发出 1.5 万封邮件——每一封都是定制的：了解对方的诊所、了解对方的业务。我们发现最管用的就是那种“不依不饶的跟进”：很多医疗机构是收到第九封邮件才拿下的。真人绝不可能给同一个对象发九封邮件——人做不到那么“不要脸”。

Harry： 说到这个有意思——你前面提到 Salesforce。我把马克·贝尼奥夫（Mark Benioff）请上过节目，靠的是一年零一周里每周一封、连发 53 封邮件。

Fred： 可以啊。

Harry： 我基本就是个 AI 模型，人格多年前就没了。

Fred： 一个非常高效的 AI 模型。

Harry： 确实了不得。

Fred： 但这招在销售里是真的好使。最顶尖的销售都这么做，问题是没法规模化——大多数人发到第三封就放弃了。而当你要把一件事规模化时，能把“不依不饶”规模化，价值巨大。

Harry： 所以你从根本上认同：未来的公司天然会更小。这就是我们看到的裁员潮。

Fred： 是的。

Harry： 今天的裁员，会不会只是给 2021、2022 年过度招人找的借口？

Fred： 我觉得是混合的。

肯定有“还旧账”的成分。另外，裁员能带来估值提升，这种激励可能会诱发一些不那么好的行为。但同样确定的是，其中一部分确实是工作流真的变了。

Harry： 你们现在多大？

Fred： 现在大约 650 人。

Harry： 五年后会有多大？

Fred： 五年后大概会更大。但短期内，我觉得我们会小不少。

Harry： 更小？

Fred： 对。后台工作流的改造还没做完。

Harry： 会缩到 400 人？

Fred： 差不多那个量级。

Harry： 哇。

Fred： 业务里有一块是临床工作流：每位会员都配一名健康导航员，全程陪伴会员的整个就医旅程。这个岗位会随会员数线性增长——我们希望你有一个人类的对接人，随时找得到。但健康导航员现在能做的事大幅增加了，因为智能体可以替他们完成大量跟进：不用再记着“每周要提醒这位糖尿病会员做某件事”，他们可以在人群规模上管理。所以这块我们保持与会员增长同比例的人力，只是让每个人的产出远大于从前。

智能体监督员与价值的集中

Harry： 太对了。我前阵子和一家大航空公司聊，他们说的就是这个：高端客服现在能给出多得多的东西——“为您和您太太的纽约之行推荐这些”——一切都打磨得恰到好处、量身定制，因为过去那些破事全没了。对终端消费者来说，这体验太爽了。响应速度也快得多。百分之百。

Fred： 几分钟就能收到回复。顺便说个好玩的：大家最常问 Gwen“你是不是 AI”的时刻，就是她五分钟内回了你邮件的时候——因为在医疗行业，保险公司能同一周回复你就谢天谢地了。也有人觉得我是 AI，因为我邮件回得太快。每到这时候我就想说：不是，我只是没有生活。

Harry： 你前面讲到数据输入的变化——“现在随便发什么过来都行”。我一直以为数据清洗、数据结构会是企业采用 AI 的最大障碍。这是不是纯属 VC 的胡扯？

Fred： 如果路径对，数据干不干净其实没那么重要——只要你给模型正确的上下文，它们清洗数据的能力极强。我们迁离一些 SaaS 厂商时就验证了这点。比如 Looker——谷歌的可视化产品，贵得离谱——我们迁到了 Snowflake 上做，便宜得多，效果也很好。

那次迁移要搬走所有 Looker 里的仪表板和数据管道，按老办法大概要一年、搭进去一堆工程师和数据科学家。实际上大部分是我们用一套智能体工作流完成的：启动、找到下一个仪表板、弄清楚怎么转换成我们要的形态、在 Looker 侧关掉、在新侧启动。整个项目只花了一两个人，还是用了几个月，但可行性强太多了——不需要有人专门去理解、搬运那些数据，直接喂给模型，让它自己想办法。

Harry： 有意思的是，我经常在想：今天不存在、五年后会变得巨大的岗位是什么？我本来以为数据清洗会是其中之一。如果问你：今天不存在、你认为五年后会很大的岗位，你会说什么？

Fred： 智能体监督员？

Harry： 这是干什么的？

Fred： 我们发现的一个瓶颈是：这些智能体工作流上线后，总有些事你不能让它全权决定。比如签约、销售流程里有一条利润率红线，销售智能体不能擅自答应客户低于它的价格；但我们也不想让它直接说“不”——值不值得为这个客户破例，是个商业决策。于是你会得到一张巨长的待审批清单，比以前长得多，因为你的业务量翻了 10 倍：哪怕只有 1% 的情况需要审批，审批量也是去年的 10 倍。怎么管理这些海量例外，成了真问题。

我们试过“智能体监督智能体”，一定程度上可行；模型更强之后，或许还能上一个更贵的高级模型——假设哪天有了 Mythos 这种百万 token 100 美元的模型，你大概率不会拿它跑核心流程，但可以拿它当监督层。但核心难题仍在：怎么在例外量爆炸的情况下大规模管理这些智能体？你不希望它们只会机械地批“是”或“否”，那种场景需要更细腻的判断。

Harry： 如果你要给弟弟妹妹出主意，让他们为这种岗位做好准备，你会建议他们做什么？

Fred： 就是去玩这些模型。我觉得很多人严重低估了它们的能力，可能因为他们上次试 ChatGPT 还是两年前。这些模型进步太快了，比六个月前都强得多——你不持续地、不厌其烦地试，就一定会严重低估。而且它们今天所在的位置，显然不是几年后的位置。你得滑向冰球将要到达的地方。

Harry： 几年后它们会在什么位置？

Fred： 在大多数能力上领先人类。

Harry： 你兴奋吗？

Fred： 兴奋，因为它打开的可能性太多了。

Harry： 无限的智能。你不担心短期内的社会动荡、劳动力被替代，以及它会给美国带来的空心化和不平等加剧吗？

Fred： 我觉得这些问题可以用有力的行动来应对——做不做是另一回事。

Harry： 你会采取什么有力行动来缓解？

Fred： 我觉得最终会是某种形式的全民基本收入（universal basic income，UBI）。

Harry： 你相信它行得通？

Fred： 我认为我们必须建立起能在工作之外给人意义感和目标感的社会结构，因为我不认为那些工作还会存在。我也不觉得这是坏事。很多被替代的中层岗位本来就是糟糕的工作：一个人坐在格子间里，荧光灯照着脸，审着莫名其妙的文书。你小时候被问“长大想做什么”，没人会说“我想坐在办公室里给保险单盖章”。那不是好工作。如果我的孩子去做那种工作，我会担心的。

所以你并没有从人们手里夺走什么令人向往的东西。我觉得未来我们回头看会说：天呐，我们居然曾经让人做那种工作，太疯狂了。

Harry： 我常跟我妈散步，我总说我的工作就是投资那些“我们将来会说：天呐，我们以前居然那么干”的东西。还记得吗：我绝不会把信用卡号输到网上去；你绝不会在网上找你未来的丈夫；你绝不会坐进陌生人的车让他拉你去任何地方。今天有什么东西是“疯了吧”，十年后会是“那当然”？就像今天：你当然把卡放网上，你当然在网上认识伴侣。

Fred： 我觉得是“授权智能体替你办事”。我们内部就经历了这个过程：我和联合创始人兼 CTO 艾萨克比团队大多数人更早信任智能体，我们愿意给智能体办事的权限。让智能体签合同这件事在内部吵了很久——它打开 DocuSign、点下签署按钮，法律生效，页面上是我的签名。说服大家“这没问题”花了好多轮。所以我觉得，人们要花很长时间才会信任智能体做这类事：把你的信用卡给它，让它去给你订个假期。让人信任它“代表你行动”，会比其他事情来得更慢。

Harry： 但我很高兴你把房子 12 美元签给了我。这功能太棒了。

说到这里，你会担心价值的集中吗？今年以来股市 85% 的涨幅来自七巨头，再加上 Anthropic、OpenAI，也许还有一两家。你担心这种价值集中吗？

10 倍分红与 13 亿美元的新一轮

Fred： 我现在挺乐观的。因为 AI 正在发生的很多事情，会大幅提振经济中其他领域的盈利——那些靠别的办法怎么都涨不动盈利的领域。

Harry： 比如医疗保险。

那医疗保险的盈利怎么涨？

Fred： 过去的答案是：去抢政府业务，雇一堆游说人士让政府为医疗服务多付钱。这套玩法现在全面反噬了——联邦医疗保险（Medicare）和医疗补助（Medicaid）这些政府业务都成了烂生意，全在亏钱。而且人人都有保险了，除非做大总支出，盈利还能怎么涨？答案是：把效率提上去。如果你能把占保费 9% 的行政开支降下来，盈利就能涨——还不用交付一个更差的产品。

Harry： 你这生意还有个好处：它稳得不能再稳地不在模型厂商的射程之内。

Fred： 对。他们不会去开保险公司——我觉得不会。

Harry： 我把它归到“不在射程内”的那类：我们重仓投了 Wallex，做企业银行业务的。

Anthropic 不会去做企业银行。

在东南亚。

Fred： 他们去做的话我会很意外。有监管门槛、复杂度高的行业，会吃到模型的红利，但不会迎来 Anthropic 或 OpenAI 亲自下场竞争。

Harry： 完全同意。听你讲的时候我在想：天呐，我要是你，我也会拿一大笔钱去加仓 Anthropic。问个私人问题：你一路上卖过老股吗？

Fred： 没有，一股都没卖过。疫情结束时我们做过一次分红：在开始医疗保险业务之前，所有投资人都拿回了 10 倍本金，而且他们手里的股份到今天还在。

Harry： 哇。

Fred： 之后也没卖过任何老股。

Harry： 你说真的？拿回了 10 倍，股份还留着？

Fred： 我们投资人不多，但确实，他们都赚得很好。

Harry： 这笔买卖太神了。10 倍落袋，股份还留着。

什么？！

Fred： 我想这也是为什么他们会加倍下注——之前在我们身上赚到过钱。所以这一轮是老股东领投。

Harry： 这一轮多大？

Fred： 1.5 亿美元。

Harry： 估值多少？

Fred： 13 亿美元。

Harry： 哇。这轮挺不错的。

Fred： 相当好。

Harry： 稀释不多，进来的现金又足够有分量。

哇。兄弟，太疯狂了。那再问你个私人的。你认识乔什·布劳德（Josh Browder）吗？也是一位在硅谷的英国人。

很棒的家伙。说回你的个人资产配置：以我们的信息优势和圈内视野，你的钱有没有做什么“野路子”的安排？

Fred： Curative 之外？

Harry： 对。

Fred： 我主要投我认识的人创办的公司。创始人我不熟的，基本不投。

Harry： 效果好吗？

Fred： 有赚有赔。不过有些项目太早，还看不清。

Harry： 最好的一笔投资？

Fred： 都还在早期，下不了结论。

核能副业 Subcritical：比工程更难的是监管

Harry： 有能源方面的投资吗？

Fred： 有。有一家我和我妻子联合创办的公司，叫 Subcritical，做核裂变。起点是几年前我的一个判断：我们需要更多电力，而核电是很好的解法。

它最初其实是从“找投资标的”开始的。那是我最早动念的时刻之一：我们应该找一家做核电的公司投进去，看能不能让它跑得更快。因为我自认挺擅长一件事：在强监管行业里把事情推快。这基本上就是我的看家本领。

Harry： 这是你的“绝活”。

Fred： 对，我的绝活。

每个人都得有个绝活。所以——

Harry： 第一次约会你就拿这个开场？“强监管行业，我能让它跑更快”？

Fred： 我们第一次约会后的“开场”其实更绝：我俩互相交换了基因数据文件。她说她以前也跟人提过这个，对方觉得她很奇怪。而我俩的反应都是：好啊，来交换基因组吧。然后比对了一下，确认我们“兼容”，值得有第二次约会。两人都乐在其中。那一刻我们就知道：就是彼此了。基因组兼容。现在我们有两个可爱的孩子。

Harry： “知道就是彼此了”。等等——要是基因组不兼容会怎样？比如你们俩都带同一个——生个红发孩子？

Fred： 那确实是个顾虑。我哥就是红发。

Harry： 抱歉。

Fred： 所以我携带红发基因。

Harry： 我哥也是红发。

Fred： 我们后来不认他了。

我们把他带到树林里，说：自由奔跑吧。

Harry： 合理。

Fred： 哈哈。所以我确实携带红发基因。如果她也携带，那问题就严重了。好在她不携带。那算是关键检测项之一。

Harry： 于是你们成功晋级第二次约会。

Fred： 对，晋级了。

Harry： 关于核电，有什么是没人知道、但所有人都该知道的？

Fred： 它非常安全。而且核电的问题不是科学或工程问题。这是我们当初找投资标的时最令我失望的一点：所有人都把核电当成一个巨大的工程挑战在做。工程确实难、确实复杂，但根本上，我们从 60 年代起就在建安全的核反应堆，运行得很好，技术本身自那以后没有本质变化。怎么建，我们是会的，这不是问题所在。

真正的问题是：80 年代那波反核运动之后，监管环境变得极度严苛，新建核反应堆难如登天——美国如此，全球也差不多。监管的逻辑是：你怎么保证在任何可能的情形下——包括百万年一遇的事件——都绝不会出事？对传统核电来说，这很难保证。因为传统核电本质上是在刀刃上保持平衡：反应堆里有“临界”（criticality）这个概念——每一代中子必须不多不少、恰好引发下一次反应，链式反应才能自持。

中子多了，就是炸弹：反应失控，直接爆炸。这是大忌——历史上真正的临界事故只发生过一次，就是切尔诺贝利，其他核事故都不是临界问题。中子不够，反应就熄灭：低于 1.0 这条精确的红线，你就一点功率都拿不到。所以你要在 1.0 的刀刃上维持完美平衡，而“如何保证在任何情形下都不偏离完美控制”，正是核监管的根本难题。

我一开始挺灰心的：照这么看，新一代核电没戏了。后来我偶然发现了一个叫“能量放大器”（energy amplifier）的思路。它不是新技术，80 年代末、90 年代初就有了，主推者是卡洛·鲁比亚（Carlo Rubbia）——前欧洲核子研究中心（CERN）主任、诺贝尔物理学奖得主。核心思想是：永远在 1.0 之下运行，我们的设计工作点是 0.97。这意味着你的中子永远不够维持链式反应，反应永远会自己熄灭——无论你对它做什么，它都会熄灭。

但通常这就意味着没有功率输出。能量放大器的做法是：用一台大功率粒子加速器对着燃料轰击，补入额外的中子来驱动反应。而只要你把加速器一关，全部能量输出立刻停止。等于你手握一个核裂变的总开关，而且可以担保：无论怎么折腾，裂变永远不会失控——哪怕加速器功率开到 10 倍，它也不会失控。没有任何办法能让它达到临界、发生临界事故。这是从根本上更安全的核裂变路线，只是换了个切入角度。

Harry： 未来 5 到 10 年，能源供给的结构会怎么变？核电的占比会明显比今天大吗？

Fred： 会。我们看到核电供应链的每个环节都在推动更多核电上马，Subcritical 在其中算是走在前面的，上市场的路径比其他玩家都快。而且有很多人在部署大量新核电。

Harry： 现有哪种能源会明显萎缩？

Fred： 煤电基本会消失。天然气还会很多——尤其在美国，便宜、好用、见效快。但煤电会退出，其他所有品类都会更多。

Harry： 哪家公司会更大，Curative 还是 Subcritical？

Fred： Subcritical——嗯。

Harry： 还是 Subcritical？

Fred： 问得好。Curative 的市场机会更大，不过我觉得两家都——

Harry： 市场机会更大？

Fred： 对，我觉得两家都——

Harry： 发电那边呢？

Fred： 嗯。美国的雇主每年在医疗上花 1.5 万亿美元，那就是我们每年的直接 TAM。

Harry： 美国在能源上花多少？核电能覆盖的那部分呢？

Fred： 同一个数量级。

Harry： 你选的 TAM 都不错嘛。

Fred： 两家都会是——

Harry： 从产奶量优化一路走来，你这 TAM 的眼光真是练出来了。

Fred： 我把 TAM 这事整明白了。说真的，执行到位的话，两家都是万亿美元级的机会。

Harry： 嗯，哇。

Fred： 核电侧我们也在用 AI 做设计。传统上，设计是一大群人埋头画图、做机械工程。而模型现在很擅长这个。我们发现可以少得多的人完成设计：用 AI 优化大量设计参数。历史上可能要 100 个机械工程师去画每一颗螺母螺栓、每一个零件；现在 20 个优秀的机械工程师就够了——他们负责设计关键件、重要件，并监督 AI：“我需要一个把这块和那块连起来的小支架”——那种零件不需要人来设计。

Harry： 我前几天刚见过一家公司，他们说的就是这个：硬件工程师的短板是往往不懂软件工程。而今天的美妙之处在于，我们一夜之间把硬件工程师变成了软件工程师。

Fred： 对，这太棒了。这也是我们看到“代码生成即解法”的又一个场景。我觉得 Anthropic 押对了这一注：让模型写 Python 来生成 CAD 模型，效果非常好。它未必擅长三维空间想象或直接输出矢量图纸，但生成“能画出那个零件”的合理 Python 代码，它是真的强。

Harry： 在很多维度上，这是最令人兴奋的时代。

Fred： 是的。这也是我们最终创办 Subcritical 的原因：经营 Curative 已经很忙了，但这个想法重要到不能错过，而且没有别人在做。目前全世界在建这类系统的，只有中国有一座——基于美国 2010 年代的设计，福岛之后美国自己停了。

Harry： 让 Subcritical 成气候需要多少钱？

Fred： 我们单座部署的建设成本大约 10 亿美元，对应 300 兆瓦的装置。但它不会全部以股权来融——会是股权加债的组合，更接近基础设施项目的融资结构。

婚姻、育儿与快问快答

Harry： 关于婚姻，有什么是你现在知道、希望一开始就知道的？说真的，和妻子一起创业是件很了不起的事。

Fred： 是，同时也很有挑战。

Harry： 怎么让它运转良好的？

Fred： 我觉得关键是我俩高度匹配——我们几乎从不吵架。我很早就认定“就是她”，原因就是我们看事情总在同一频道上。所以一起经营公司其实很轻松，因为一件事该怎么做，我们通常看法一致。

Harry： 当爸爸。你说有两个孩子。

Fred： 两个。一个两岁半，一个六个月。

Harry： 以你现在的认知，会给新手爸爸什么建议？

Fred： 一定要生，别拖。现在有种风气是“先享受人生，拖到快 40 再要孩子”。我不认同。趁你还有精力、跑得动、熬得住夜的时候早点生。这会是你人生中最美好的事情之一。别犹豫，行动就是。

Harry： 好，我们来个快问快答。可以吗？

Fred： 可以。

Harry： 兄弟，这是我做过最百转千回的一期对话——从性病的泛滥聊到当爹再聊到核电，我们真是聊透了。第一题：过去 12 个月，你在哪件事上改变最大？

Fred： 大概一年前，我还认为有些工作流是今天的模型做不了的。现在我的看法变了：以当前这一代模型的能力，Curative 所有后台任务都能做，剩下的只是部署问题——搭起来、配置好、定对策略。一年前我觉得有机会、有很多能做的事，但你要说“每一个后台流程都能做”，我那时不会点头。

Harry： 如果我让你当欧洲总统——这头衔是有点怪——为了让欧洲不输掉竞争力竞赛，你会做哪一项改变？

Fred： 得给“立规”设个成本。通过一条监管，必须付出某种代价。现在的逻辑是：你立了法，好样的——目标就是立法本身。必须反过来：你每通过一条监管，你的国家就得为此多交一笔“监管税”。现在的做法是不停地加、加、加，从不去打磨已有的东西，从不深入实地去看这条监管到底怎么影响一线的。一味做加法的监管是有害的。你应该检视已立之法的效果，迭代它、打磨它，而不是一门心思再立一条新的“里程碑式”监管。

Harry： 你这想法可太不欧洲了，Fred。

Fred： 我过得很好，毕竟我搬走是有原因的。我现在是得州人了。

Harry： 马克·贝尼奥夫说他们在 Anthropic 上花了 3 亿美元。摊到他们的开发者头上，大约相当于开发者薪资的 3.8% 花在了 Anthropic 上。你觉得三年后，Anthropic 支出占开发者薪资的比例会到多少？

Fred： 大概会在薪资的 2 到 5 倍之间。

Harry： 2 到 5 倍——是整个薪资的 2 到 5 倍？

Fred： 对。

Harry： 哇哦。所以从 3.8% 涨到 2 倍——

Fred： 对。因为我们驱动工作流的方式已经变成：一个资深工程师管理一群下游干活的智能体。现在我们更进一步：大部分智能体无人值守地跑，从团队那里接反馈、实现功能，工程师进来检查它建的东西是否合理——工程师越来越像评审员和架构师，活都是下游智能体在干。

Harry： 不是，我懂，但 2 到 5 倍——这可不是从 3.8% 到 20%。50%？要是 Anthropic 占到 50%，那就是家 20 万亿美元的公司。

Fred： 是，我觉得工作流就会走到那一步：人们部署的智能体数量会超过工程师数量，工程师人数保持不变，我们只是会建出多得多的东西。

Harry： 我得赶紧给我朋友发消息，让我进 Anthropic 新一轮。这就发，拉里。

别人为你做过的最善良的事是什么？

Fred： 我觉得是我刚起步的时候，很多人帮我让“搬到美国”成为可能——他们愿意在一个从英格兰北部来的小孩身上下注。比如最早的投资人之一乔什·巴克利（Josh Buckley），YC 那一期最早投我们的人之一，单纯因为喜欢我们在做的事、觉得很酷。愿意在一个小孩身上赌一把。

Harry： 你知道乔什是我最好的朋友吗。

Fred： 这我倒不知道。

Harry： 我有一阵没见他了。

我每天晚上都跟乔什通话。

除了圣诞节这种日子。

——他投了你们。这份情谊了不得。而且投的还是性病检测。

Fred： 哈哈，是的。

Harry： 投资人与创始人的“投资人市场契合”。太妙了。乔什这层关系我真不知道。

Fred： 是的。他是 YC 那一期开始后大概一个月的时候来我们实验室的，对我们做的事特别支持。你想，从英国背景出来，我们连投资人的会都约不上；而他——他自己也年轻，刚过 YC、有过成功公司——愿意在我们做的事情上下注，这太棒了。习惯了英国的冷脸——没人对你做的东西感兴趣、没人愿意见你——这种对比太强烈了。

Harry： 听到这个我太开心了。好，最后一题：你收到过最好的建议是什么？

Fred： 我学到的一件事是：永远要为一个问题获取尽量多的不同视角。以前我习惯从单一的科学视角出发看问题，有人会提醒我：退一步，把问题放到更大的框架里想。Curative 新冠冲刺期间我对此体会很深：我们得把背景截然不同的人捏到一起——雇了一批退伍军人，执行力惊人，但他们说的是另一套“语言”；让他们跟科学家对话；又雇了一批硅谷工程师。

大家都在解同一道题，但每个人切入的视角完全不同，很多角度是我自己根本想不到的。我的体会是：你为一个问题收集的视角越多，就离真相越近。没有任何一个人能给你真相本身，但听的视角够多，你就能更快逼近它。

Harry： Fred，这是我做过最非凡的一期节目——话题的广度、深度和跨度都前所未有。太感谢你来了。能线下面对面录，真好。

Fred： 谢谢邀请。