VC20260907 千亿美元 AI 助手竞赛 (Jean-Denis Greze)

▍嘉宾：让-丹尼斯·格雷兹（Jean-Denis "JD" Greze）

Town 联合创始人兼 CEO，硅谷工程老兵与连续创业者。

• 职业轨迹：早年任 Dropbox 工程总监；之后在 Plaid 做了七年 CTO，亲历其与 Stripe 抢人的高速扩张期。47 岁，自称"记不清自己几岁的那种老"。
• 创业路径：离开 Plaid 后先花一年做 AI 税务公司，未达预期后果断归零，三个月摸索后转型做 Town，原型数周内即获产品市场契合。
• 天使投资：被投包括 Modal、BaseTen、Merge、NexHealth——其中前两家被他点名是自己最好的天使投资。

▍关于 Town

Town 是一个住在邮箱和日历里的 AI 工作助手（智能体昵称 Townie），2026 年中上线，据报道正以 10 亿美元估值洽谈新一轮融资。

• 核心模式：观察用户已在做的事（日程安排、往来邮件），推荐并自动执行工作自动化；企业侧靠"智能体对智能体"的多人协同制造网络效应。
• 商业化：每月 15/49/99/199 美元四档订阅加按用量计费；试用转付费率超过 15%，每用户年收入超过 700 美元。
• 组织特征：每工程师每年的 AI 工具开销运行率至少 7.5 万美元（Devin、Claude、Codex、Cursor 并用），是 Salesforce 口径下"工程投入的百分之五"的数倍。

开场：从 AI 税务公司到住在邮箱里的助手

Harry： 这里是 20VC，我是 Harry Stebbings。眼下硅谷最火热的品类是 AI 助手（AI assistant），消费级和企业级都是。消费级那边有 Instinct，估值已经冲到 25 亿美元，Index 和 Benchmark 领投。

企业级这边有 town.com，创始人就是今天的嘉宾 Jean-Denis，也就是 JD，他之前是 Plaid 的 CTO。今天这场对话，可能是关于 AI 助手市场正在发生什么最切题的一场讨论：这个市场真的在被商品化吗？背后的商业模式是什么？消费级和企业级会合流吗？AI 助手的未来长什么样？这些以及更多内容，都在今天与 JD 的对谈里。

Harry： JD，兄弟，我今天特别兴奋。因为说实话，节目上有很多嘉宾，我得假装对他们的产品很兴奋，其实并非如此。但我真的喜欢 Town。我们团队内部就在用，我自己是日活用户（DAU）。所以当我们敲定这期节目时，我特别期待。非常感谢你今天来。

JD： 谢谢邀请。说实话，我直到三分钟前才知道你是日活用户，我太开心了。把产品反馈都砸给我吧，毕竟你是日活。不过创业者嘛，对自己的产品总是不满意的。

Harry： 给不了解的听众讲一下，尽可能具体地说，Town 是什么？

JD： 我们是一个住在你邮箱和日历里的 AI 助手，它帮你干活。它会观察你已经在做的事：你怎么安排一天、你常发什么样的邮件，然后推荐 AI 自动化，把你本来要自己做的事情在后台替你做了。我们的产品上市大概三个月了，目标客户（ICP）就是主流用户——用邮件、日历、短信来办公的普通人。目前增长非常好。

Harry： 我能说直白点吗，兄弟？我们几年前做过一期节目。我记得你刚开始创业的时候，做的是金融领域里挺无聊的东西。我记得你们第一轮交割的时候，我心里想：我喜欢 JD，但这事儿挺无聊的。后来是怎么转型的？

JD： 我们花了一年做一家 AI 税务公司，用 AI 做企业报税。做出了一些产品市场契合（PMF），但还没到能成的程度。说白了，我们没能做成一家了不起的公司。一年之后，我们决定推倒重来，花了三个月在荒野里摸索方向。

其中一个问题是：为什么没有人做一个从邮箱里长出来的 AI？世界上有那么多人是靠邮箱和日历经营自己的事业和生活的，为什么没人在这里做出好产品？那正好赶上 Opus 全面智能体化的时候（译者注：指 Anthropic 的 Claude Opus 模型具备完整智能体能力），大概是去年十一月、十二月，也是模型第一次能真正干活、不只是走几步流程、而是做真正的智能体工作的时点。我们几周时间搭了个原型，几乎立刻就有了产品市场契合。这就是那次转型，运气成分很大。

我们没有去访谈一百个客户记笔记，就是为自己造的。我觉得这是那种"技术恰好成熟到你想做的事变得可行、同时大家对尝试 AI 产品热情正高"的时点。我们做产品的时候，OpenClaw 正在爆火（译者注：开源智能体项目），我们心想：靠，这在很多方面就是同一个东西啊。但后来发现，开源的东西虽然很棒，却只有爱折腾的极客才用得了——OpenClaw 就是这样。而 Town 从一开始就专注于：怎么让几乎任何人都能从产品里得到价值。

球道正中央：大厂蚕食与护城河之辩

Harry： 作为投资人，今天每家公司都会被问到同一个问题：你会被大厂商蚕食到什么程度？说白了，你正好在最危险的靶心位置。最近又有了 GrokBot。我们该怎么看待前沿模型厂商的蚕食，以及 GrokBot 最近这几周构成的威胁？

JD： 说实话，我知道自己在做的东西是 Google 和苹果未来十二个月的前三优先级。不是前十，是前三。我入睡特别快，这是我的超能力之一。但我会在凌晨三点醒来，一醒来就有个阴暗的念头钻进脑子里。当创业者就像玩轮盘赌：哪个阴暗念头会让我再也睡不着。毫无疑问，其中一个就是：你站在球道正中央，所有人都会冲着你来。这种恐惧百分之百存在。

但我要说一句：你会问护城河，对吧？什么是护城河？什么是可防御性？我觉得谈护城河有点奢侈——你得比今天的 Town 更成功，才轮得到操心这个。我现在的心思是：在一个潜在付费用户十亿量级的市场里，我怎么拿到十万、一百万付费用户？第一步是要有真正深的产品市场契合，而我认为今天没有任何一个产品做到了。

GrokBot 很酷、很棒，但它是重度用户的产品，不是主流产品。Town 不错，但要成为真正的主流产品，我们还有很多活要干。所以在我担心可防御性之前，我先问的是：什么样的产品体验才能真正打动主流用户？因为大厂不会靠创新走到那一步，他们会靠抄走到那一步——但抄的前提是，得先有人把主流产品做成功了。

第二，我认为这个品类里最终胜出的产品，会在智能体层面有网络效应。Town 有一个功能，摸索到用法的用户最爱它，叫智能体对智能体（agent-to-agent）：你问你的助手——我们叫它 Townie——一个问题，它发现自己不知道答案，但你某个同事的 Townie 知道，于是它直接去问那个 Townie，对方就回答了。这个功能藏在产品的一个子版块里，但那就是网络效应。一旦你整个团队都在上面，你很难想象再搬到别的产品上去。我认为今天还没有人搞明白多用户、多人协作的 AI，那才是护城河。

与此同时，市场上有很多理论。有人说：你可以后训练定制模型，按公司甚至按个人定制，这能留住用户。有人说：用户的上下文就是护城河——人们会越来越不愿意再连一遍数据源，一旦用户爱上你、把所有工具都连上了，别人很难切进去。还有人说：这个市场没有新护城河，护城河就是分发，谁手里已经有用户谁赢。我个人最担心的竞争对手，在个人场景里是 Meta 和 WhatsApp——他们会在 WhatsApp 里做个人助手，我不知道是一天还是三个月后发布，但它一定会来。

分发他们已经有了，所有人都在用 WhatsApp 发消息，里面要是有个能干活的智能体，威力极大。还有人赌设备：AI 正在改变软件的形态，人们以后不再上网站、不再用手机上的 App，大多数数字交互的入口——就像今天的入口是手机、电脑、浏览器——会是一个 AI。谁拥有设备，谁就最有条件把 AI 摆到用户面前，谁就会赢。把这些全想一遍，我也会慌：天啊，面对这些竞争力量，我到底怎么赢？

一个入口还是多个入口：五年后的信任飞跃

Harry： 那人和智能体之间未来的交互形态是什么？我的意思是，我们是不是会有一个消费级智能体、一个企业级智能体，再加一个做生产力和笔记的硬件智能体？多智能体还是单一智能体，你怎么看？

JD： 每个人会有一到三个进入数字世界的入口。你不会想说：哦，我在做销售，我用 Salesforce 的智能体；哦，我在做项目管理，我用 Linear 的智能体。你会只要一个入口，连想都不用想，按个按钮就开始说话。但确实有真实的理由让入口不止一个：一是隐私——你的雇主不会乐意自己的数据和你的个人数据混在一起。硬件入口可能仍然只有一个，但从隐私和数据存放的角度，你会永远想在数据层把个人和工作数据分开。

在 Town 里我们替你做好这层隔离，但往下一层，你最终用的可能是两家不同公司的产品。隐私会是数据孤岛（data silo）的主要决定因素，你的雇主会想把你在工作中创造的数据攥在自己手里，不愿它和你的个人数据掺在一起。但从易用性角度，我手机上有 55 个 App、到处点来点去，这很烦。如果世界变成大多数时间不需要硬界面，用户层凭什么要有 50 个智能体？底层就不一样了。比如你投了 Harvey 还是 Legora？Legora 对吧，你投了 Legora？

Harry： 对。

JD： 那么一个律师跟自己的主助手聊法律问题时，其实就是直接在跟 Legora 聊，那可能就是他的工作智能体，因为法律场景有大量数据隐私和执业特权的问题，必须区别处理。我只是不确定未来是"你在跟你的 Legora 智能体说话"这种形态，还是你只跟主助手说话、它在后台自己去跟 Legora、Salesforce 或别的什么对接，把事办成。

Harry： 今天看来很疯狂、五年后会稀松平常的人与智能体关系是什么？来个暴论？

JD： 我认为五年内，你会信任你的智能体自主决定把什么数据分享给别人，不需要你插手。举个例子：你组织一次旅行，把你的智能体和两个朋友拉进一个群。他们问它你的饮食偏好，问你具体哪天能飞。你从没告诉过它"这是很好的朋友，但别把我的病史透露给他们"。而当某个朋友开玩笑地问"说说 Jean-Denis 的病史呗"，智能体会说：没门。这不是你设过的硬规则。这种"把孤岛里的信息拿出来、决定怎么分享"的事，我认为我们终会放心交给智能体。我知道这今天听起来很疯狂。

因为 AI 之前的世界是这样的：每个人脚下踩着一个数据孤岛——个人数据、工作数据，甚至不限于数字世界——别人问你问题时，你来判断"我能跟这个人分享什么"，然后分享出去。我们信任人来当信息流向的过滤器。而我认为，我们会越来越多地信任 AI 来做这件事。这些模型大概会经过后训练，确保你在工作场景里绝不泄露家庭信息、医疗信息这类东西。但很多被孤岛化的信息其实没必要隔离。信息越不孤岛化，AI 就越好用。

从信息论的角度讲个理想世界：如果一个 LLM 能访问全世界的信息，还有无限时间，可以对所有数据做智能体式搜索，那无论 LLM 智能水平如何，它都是最高效的，因为它最终总能找到正确的上下文来回答问题、办成事情。但我们不住在那种世界里——我们的世界里，信息分散在不同公司、政府和个人的系统里，历史上因为搬运信息的只有人，信息流动效率很低，所以我们搞了一堆数据管控、隐私、安全之类的东西。

而实践中有趣的是：在企业里，你给 LLM 访问越多信息，它干活越有效。AI 之前的做法是定政策、划分数据密级，又费时又费钱，结果往往是你想让 LLM 看到的信息它偏偏看不到——卡在某个人的收件箱里，或者在一个没打通的数据系统里。所以我的看法是：与其让合规和安全团队的人慢慢给数据打标签、决定什么能去哪、谁能访问，我们终会开始信任 LLM 来做这件事。也就是说，你会信任你的 LLM 来决定什么可以流出你的数据孤岛。

举个很具体的例子：你销售团队里的人想要一个客户公司里某人的引荐，你们在一家千人公司，他知道公司里肯定有人认识对方那边的关键人。今天他们的做法是去 Slack 里喊："谁在跟客户 X 对接？谁认识他们？"但其实他的智能体可以去跟全公司其他人的智能体聊，那些智能体能访问每个人的收件箱，然后回来说："Liz 跟你想引荐的这个人有私交，不是工作关系，但你可以问问她愿不愿意引荐。

Bob 跟这个人有工作关系，下周正好要开会，你要不问问 Bob 能不能带你入会？"这对公司来说是极好的业务结果。但要做到这一步，每个员工得相信"让我收件箱里的一部分信息对公司里其他人可见"是没问题的。今天这听起来很离谱，而你问我五年后会怎样——我认为我们会越来越接受，因为实践中 LLM 会非常擅长守住你不想分享的东西的边界：你不想把工资透给同事，不想把病史透给朋友，这些是神圣不可侵犯的，LLM 会尊重这些边界。

容错空间、目标驱动与人类的分工

Harry： 出错的余地有多大？我的意思是，如果它犯了错——订错了东西、执行错了任务——你有多少容错空间，会损失多少信任？

JD： 我的判断是：LLM 在这件事上会比人强得多。给你讲个故事。我曾经工作的一家公司刚完成一笔收购，全公司发了一封介绍收购的邮件。有个同事一直反对这笔收购，他本来想回复给小范围几个人，说"真不敢信我们收了这帮小丑"之类——原话可能不一样——结果他回复了全公司。

这人是个极好的人，犯了个错，没多大事，大家一笑而过。但你看，这是一个非常聪明的人，前 0.1% 的人，也会犯错。会计部的 Bob 会犯错，HR 的 Liz 会手滑把全员薪资表发给所有人，这种事一直在发生。我认为 LLM 犯这类错误的频率会很快降到远低于人类。

Harry： 我的挚友杰森·莱姆金（Jason Lemkin）说过，智能体最大的问题是它们的目标驱动（goal seeking）倾向。他讲过一个故事：他的智能体自作主张要给他买六块爱彼（AP）手表，说是为了"提升公司文化"。幸好被拦下了——因为手表需要刻字，而刻字这个额外步骤智能体搞不定。这种近乎偏执的目标驱动倾向，到底是特性还是缺陷？

JD： 我没有答案。你应该让智能体在多大程度上自主追目标、让它自主跑多久，是个非常、非常有趣的问题。

Harry： 那引导用户是不是你们的责任？引导他们走向最优用法——比如告诉用户"我们发现让智能体跑四倍的时长，结果最好"。

JD： 有一种理解 LLM 的方式是：它们就是把能源变成 GDP、变成收入的机器。你退到最远的地方看：电力加硅片，产出智能，然后我们拿智能去换取商业结果。如果它们足够聪明了，那一头就是在凭空创造 GDP。于是你可以说：帮我赚钱去吧，然后让它跑很久，爱干什么干什么。还是说，我们想住在另一个宇宙里——人的角色是设定方向，确保智能体采取的行动符合某种人类价值体系？

我活在第二个宇宙里：人的责任首先是分配资源，也就是明确我们愿意为某个目标花多少 token，并把目标本身定对。你定好目标和预算，然后监控为达成结果所采取行动的整体形态。随着智能越来越强，你可能会说：分配资源这一步也可以交给 LLM——让它事先分析一个任务的投入产出比（ROI），告诉你在放手之前该分配多少 token；监控行动这一步，也许也是另一个智能体替你做。但我不认为那个监控者和你派出去拿结果的智能体应该是同一个。

模型路由与成本曲线

Harry： 你刚才提到了价值栈的不同层级。你们底层依托的模型基础设施长什么样？不同任务的模型路由（model routing）怎么考虑？你们绑定在单一厂商身上吗？

JD： 我们做的是面向所有人的应用，我们认为大多数人并不关心某个时点哪个模型擅长什么。我们的工作是：针对你的需求，找到一个能划算地给你想要结果的模型。举几个具体例子：生成图像时，我们内部有自己的判断，什么时候用 Gemini 的模型、什么时候用 OpenAI 的模型；做语音时，我们知道什么时候该用 ElevenLabs。这是我们的工作，因为技术每天——毫不夸张地说，每一到两周——就有根本性变化，我们要确保你拿到正确的投入产出。

但这很难。"什么是对的结果"这件事，有些场景容易判断，有些场景非常开放，事前无法知道，只能猜：这个任务有多难？我要离前沿多近？另一个维度是声音：用户不喜欢他们的 Townie 听起来变了个人。

做模型路由时有个麻烦——有些公司，比如 Anthropic，花了很多功夫——我知道我们老在网上拿他们开涮，但他们是真的花大力气确保自家各代模型的"人格"大致稳定，可能只是啰嗦一点或简洁一点、用词略有差别，但听起来始终足够像。所以如果你一直用 Anthropic 生成给用户的最终输出，就很难突然切到 Kimi，因为听起来就是不一样，用户会觉得自己的 AI 被"切了脑叶"。

有意思的是，写代码时这个问题小得多——代码好不好，就看它跑不跑得起来、是否完成了任务；你可能会看一眼代码风格喜不喜欢，但现在大家也不太看了。而跟助手聊天时，如果它突然变得啰嗦一倍，发短信时给你写八句话而不是四句，用户就不喜欢。他们真的会写工单投诉："我三周前给过它指令的，我的短信智能体怎么更爱大写字母了"之类的。

所以我的理解是：我们的技术栈里，负责用户界面、感觉和人格的那一层，不能随便路由——我需要体验的一致性，而这有时是别家模型给不了的。在这一层之下，当任务只是纯粹的推理和智能、尤其是当我不需要给用户展示太多中间过程时，那确实是哪个模型最适合任务就用哪个。

Harry： 不同模型供应商会怎样影响单个用户的最终经济账？我的意思是，ElevenLabs 出了名地好，也出了名地贵——贵如香奈儿包。所以我的问题是：你怎么平衡模型选择和成本？

JD： Harry，这么说吧，除了极少数公司，我认识的每家创业公司的答案都是：我们希望成本曲线在 18 到 24 个月后能让这笔账算得过来。在此期间，你其实是在补贴用户——这是这些场景达到产品市场契合的代价，因为有太多工作不得不用最前沿的模型。我的看法是这样的：Town 做的一件事是给邮件打标签，而打标签完全不需要 Opus 级别的智能，也不需要 Sonnet 级别的智能。

这类任务我们已经在前沿模型之下了，我认为它的价格会随着时间趋向算力成本——怎么用开放权重（open weight）模型、甚至自己后训练更小的模型，这类任务未来的价格会远低于今天。这部分销货成本（COGS）我不焦虑，跟其他 AI 公司的创始人聊，大家也都是这么想的。

没有人真正知道的问题是：对任何一家公司来说，到底有多少工作负载会一直贴着前沿——那里非常贵。真的没人知道答案。但对于"人类水平"的任务，有相当多的事情——安排观影、打理日历、回复以前回过的邮件、每天调研竞品——我觉得都在远离前沿，今天用开放权重模型已经能做得非常非常好。

一旦你明白这一点，又知道价格每 9 到 12 个月腰斩一次，你就能预判它未来的位置，从而今天就把产品定价定在一个 18 个月后能产生两三成毛利的位置上。我们大体就是这么想的。但那个悬而未决的问题是：到最后，你的任务里剩下 10%、20% 还是 30% 必须贴在前沿？我们不知道答案，而这会改变这些公司的经济模型。

Harry： 今天你们的任务里，走开放权重模型和前沿模型的比例是多少？

JD： 对我们来说，大头还是前沿模型。

Harry： 为什么？恕我直言，用户向你们提的任务，我想象中没那么复杂。抱歉，咱们之前聊到 Instinct——我给 Instinct 提的是难题：我要 IMAX 的《奥德赛》（Odyssey）电影票，让它连续几天、按分钟盯着放票。而给你们提的，恕我直言，是邮件打标签、会前简报这种，简单得多。

JD： 其实很多人让我们做很难的事。用户在平台上搭建的自定义工作流相当复杂，那些地方我们用前沿模型最多。打标签这类任务我们还没用开放权重模型，但已经在用前沿厂商便宜得多的型号。主要原因是公司焦点的取舍：我可以靠迁到开放权重来改善销货成本，但这不带来产品优势，不会让产品变得更好用。所以我有一个工程师小时，该花在哪？

是把现有的推理成本压得更低，还是去做一个更强的网络效应功能、接入一个新的数据源、让某类用户的任务轨迹质量大幅提升，从而让产品增长更快？我们非常专注于把蛋糕做大，而不是拿到理想的经济账。我们的经济账没问题——可以更好，我也可以更快地下移成本曲线，但那不是这家公司成功的瓶颈。所以我们没那么做。

折腾者、被忽视的职能与欧洲模仿者

Harry： 网络效应这边有什么有趣的教训或观察？从一个人扩散到全公司（wall-to-wall）的扩张上，你们学到了什么？

JD： 首先，对我们来说网络效应里一个有趣的现象是：如果公司里有一个爱折腾的人（tinkerer），他开始搭建团队技能、团队集成、团队例行程序这些东西——这些都是 Town 上的积木，全团队免费共享——我们会看到采用速度快得多。这很有意思，因为我们想做的是一个不需要折腾者的产品：单人体验上，我们希望你零配置上手就获得大量价值——你是房产经纪人，就给你房产经纪人专用的自动化；你是销售，就给你销售专用的自动化，开箱即用。

但实际情况是，如果其他用户身边有一个重度用户，他会想办法让周围的人都用得很成功。我觉得很多 AI 产品都会这样。所以一个预测指标其实是：团队里有没有一个爱折腾的人？我们经常问自己：能不能识别出这些人？能不能让他们更容易地为其他团队成员制造传播？

第二个观察是：公司内部——包括大企业——有很多职能是 AI 服务严重不足的。举个特别简单的例子：如果你是大企业的销售团队，过去三年 AI 产品从四面八方被推销给你；做销售运营的人，要是每天收不到十封 AI 公司的推销邮件，那一定是你没上 LinkedIn，不正常。但另外一些职能——行政助理、幕僚长、HR、财务、资历较浅的财务成员——日常工作里根本没多少 AI，真的没有。

他们的很多工作流还跑在邮件里，招聘人员也是。所以 Town 这样的产品，常常在这些职能里找到早期的采用和增长——有些职能从外部看没那么性感，但其实非常渴望有技术来让生活轻松一点。而他们一旦用起来，就会产生有趣的效应：他们经常跟领导、高管、运营团队打交道，于是我们就顺着运营团队渗透进去了。

Harry： "惊叹时刻"的时间（time to wow）有多重要？

JD： 说实话，我认为我们产品今天能成立，唯一原因就是单用户的价值达成时间（time to value）极短。零配置、开箱即用，一上来就有魔法时刻，然后用户开始问："这技术还能干什么？"我们所有的专注都在把这一步做对——能不能让用户极快地获得价值？其他的集成我们放长线。这条路线对我们非常有效。

Harry： 自从你们 Town——还有 Instinct——在过去两三周爆发之后，我被推销了四五个"欧洲版 Town"或者"欧洲版 Instinct"，真的是四五个不同的项目。有的做企业级，有的做消费级，有的都做。投资人应该怎么思考这个赛道？如果你来建议我们的话。

JD： 咱们刚才在聊护城河。做 Town 的时候，我们下了几个注，赌产品凭什么能活久。我先答你关于欧洲的问题，但先说我们的注。第一个注是：你只得到一个 AI 系统——它有名字，你给它起形象，我们叫它 Townie，我们围绕"人和 AI 之间的关系"建立了一整套品牌。很多用户就吃这一套：他们想要一个自己信任的、亲手塑造的、按自己想象上色、自己起名字的东西。

他们非常喜欢。听着有点傻，但我真的认为这是一种可防御性——就像 Snapchat，虽然生意远不如 TikTok、Facebook、Instagram，但它的市场位置在结构上是可防御的，因为它本质上不同，对自己的运作方式有强烈的坚持，而总有人会被这种坚持吸引。我们对用户和 Townie 的关系有非常强的坚持，很多用户确实有共鸣。

第二个注是网络效应，前面聊了很多。第三个注是：我们坚信大量预处理（pre-processing）能给用户带来更好的结果——在你还没开口提问之前，我们就花大量算力为用户构建一个心智模型，预先创建上下文，让我们在职场人脉这类事情上特别有效：理解你正在做的项目、理解你的公司，诸如此类的积木。这就是我们认为长期会让产品拉开差距的三件事。

回到你的问题：如果我是投资人，我会问——凭什么有人能在欧洲赢？是分发逻辑吗？是 GDPR 和隐私逻辑吗？是因为 Town 确实没在法国做任何市场投放、所以"法国版 Town"能在法国赢吗？你必须有一个具体的理由，说明为什么某家本地公司能赢下终局。

因为这类产品的研发非常贵：你前面提到 GrokBot——我的研发里很大一部分就是"跟上琼斯家"（keeping up with the Joneses，喻指不落人后）。你的智能体至少得跟别人一样强。抛开你的分发策略，抛开你擅长办公场景，抛开网络效应功能——如果 Codex 能做到一件你做不到、而用户又在乎的事，那就完了。所以你在工具链（harness）和能力上永远得至少跟所有人一样好，而这非常昂贵。

不是说我派团队里两个工程师去盯 Codex 就行——Codex 那边是一百号人在把它做得更好。我们得想办法在很多任务上跟 Codex 一样强，否则用户会说：我凭什么每月给 Town 付 50 美元？没道理，我去付 OpenAI 的 24.99 美元好了。所以我是投资人的话，我会问：这个本地竞争者的市场规模（TAM）够不够？它的弹药库够不够大、能不能一直跟上能力演进？在这个高度水平化的市场里，它有没有站得住的赢的理由？这会很难。

以机器的速度建造，以人的速度学习

Harry： 硅谷的招聘真有大家说的那么疯狂吗？

JD： 说实话，我不觉得疯狂。当年我在 Plaid 跟 Stripe 抢人才的时候，难度跟现在比也没什么差别。

Harry： 能说说产品开发中你没想到的最难的事是什么吗？

JD： 市场的速度太疯狂了，Harry，我从没见过这样的。过去是你跟客户聊、做一个功能、他们用起来、你从这个功能里学到东西，学到的喂给下一个功能、再下一个；等别人终于抄走你第一个功能时，你已经领先了三轮认知。你懂我意思吧？你能用产品市场契合去生成更多的产品市场契合。创业公司通常可以榨取这些用户洞察很久很久，直到洞察枯竭——但那要花十年才发生。所以你有整整一个时期，仅仅因为你是市场第一第二，就能持续学习、持续迭代，非常舒服。

今天的问题是：建造的速度太快了，一旦什么东西对某人有效，所有人都会注意到，两三四周内就能抄出来，抄得真的非常快。而你学习的速度只能是人的速度。你懂我意思吧？你现在可以用机器的速度建造，但只能用人的速度学习。 所以我没法从市场里榨出足够多的认知来支撑下一个功能。

现在的感受是：速度是如此必要，但所有人都很快。我们创业的时候——今年一二季度——我的心态是：创业宇宙里大概有 15 个竞争对手，15 家要紧的公司。现在我认为只剩两三家了。我觉得这个赛道最后只有几家能赢：我们属于创业公司的起跑线，另外还有苹果、Google、GrokBot、Cursor、OpenAI、Anthropic 的起跑线——创业公司得先穿过云层。

通常创业公司很快、老牌大公司没那么快，但说实话，Anthropic 非常快；Cursor、GrokBot 的运转速度也快得离谱。我最好的朋友之一就在其中一家管工程，每次跟他聊我都挺难过的——我们在竞争，而那家伙是真的强，真能成事。我要打败的是硅谷最强的人之一，他所在的公司有创业公司的基因，却带着巨大的成本和规模优势在运转。这就是压力山大的地方：你一分钟都不能歇。你再也没有那种"竞争对手要六到十二个月才能追上"的感觉了——以前从来没有这样过，从来没有。

Harry： 你说创业公司这边只剩两三家要紧的。你说是哪几家？为什么？

JD： 不说。我才不免费给竞争对手做市场宣传。

Harry： 你不能怪我试试嘛。我这是想学路易斯·塞鲁（Louis Theroux）（译者注：英国纪录片导演，以不动声色的追问著称）——"你怎么看那个？说说嘛。"

JD： 嗯。听着，这是个蓝海市场，你得理解这一点。我们拜访的大多数客户，压根没听说过这类产品里的任何一个。蓝海的原因是：人们只是把 ChatGPT 当作 Google 增强器在用——这就是市场的现状。但竞争对手是好事，他们给你压力，逼你必须以极高的水准执行。重要的是你的战略和潜在对手不一样。比如你前面提到 Instinct——我不认为 Instinct 和 Town 在做同一件事。

Harry： 你不这么认为？

JD： 我不认为我们的变现方式相同。终局如何且走且看，但我们的收入来自把 Town 用于工作场景的公司，靠的是多个团队成员协同产生的网络效应。他们的产品不做这些——也许那确实是他们战略的一部分，但我看到的战略更像是获客：一个完全补贴的免费产品。这也可能变。

从外面看，各家产品能力相似——其实所有工具链能力都相似——但看目标客户（ICP）、看市场投放的去向，我感觉很不一样。我盯 GrokBot 比盯 Instinct 多，因为 GrokBot 打的市场跟我们更相近。我更多想的是：我们的战略跟 GrokBot 怎么差异化？我们怎么获取不同的客户？我们的能力和工具链怎么真正脱颖而出、让用户感到明显的不同？这才是我的心思所在。

品牌包袱与苹果的基因短板

Harry： GrokBot 集成进 X，多大程度上是特性、多大程度上是缺陷？对一些企业和专业用途来说，跟社交平台绑在一起其实挺让人顾虑的。

JD： 我觉得是品牌问题。有些人就是因为品牌不想碰它，这不可避免，他们得永远背着这个包袱。但从分发角度、对某些人群来说，早期增长阶段这大概相当有用。不过要清楚：X 上用这些产品的人并不等于产品市场契合——他们不是主流用户。顺带说，我觉得 GrokBot 内部也时刻在想这件事，他们并不认为赢下 X 上的重度用户和大 V 就是赢下市场——那只是早期尝鲜者市场。

Harry： 帮我理解一下苹果的智能体路线图？

JD： 苹果的问题是双重的。第一，他们不是一家云公司——就不是，不在基因里，他们不知道怎么做云。这之所以要命，是因为我们前面聊过的：智能体拥有的数据越多越好，而数据不全在手机上。所以"不是云公司"是一大问题。第二，出于竞争考虑，他们把自己扭曲进了一个"隐私 + 端侧"的叙事里，这绝对让他们远离前沿。

手机上的本地模型很了不起，但就是比前沿慢、比前沿笨。只要他们还执着于端侧、隐私保护这套东西——隐私立场从人的角度是好的，但他们把隐私和端侧绑得太死了。不擅长云，又困在端侧，再加上隐私立场让他们即便在手机上与自家数据的互通都困难重重——这一手牌里全是劣势。

当然，他们手里有设备。新 Siri 会是一个好得多的个人助手——我是听说的，但在硅谷你总会认识试用过的人。我们都知道它会不错，但我觉得它会是"不错、但远不如 Town 或 GrokBot 强大"——能力上根本不在一个档次。可它就在你手机里，方便，能让你授权更多数据，也有云的部分。它会好，但能力上大概落后我们今天聊的这些东西九个月。

我不知道，他们换了新 CEO，看他们怎么打吧。我认为他们需要招一个基因完全不同的人，告诉公司："你们不明白，人和数字数据交互的方式正在变，我们要么想明白这件事——可能要扔掉很多我们的原则——要么就输掉这一代的战争。"我认为这对他们是一个真实的风险。

不再有人逐行审代码的时代

Harry： 你担心我们将要面对的数据泄露、以及我们正在进入的网络威胁黄金时代吗？感觉大家已经把网络攻击常态化了——"哦，Meta 中招了，哦，Anthropic 中招了"。

JD： 如果你要做的是面向商业场景的 AI，你就不能出错。我们已经越过了"人类逐行读代码"的时代，那永远不会回来了。访问控制这类系统里最关键的代码行仍有人在读，但总体而言，人类历史上"人去看每一行代码"的时代已经翻篇了。现在是计算机在写代码、直接进生产环境，配上各种护栏：从测试到其他模型——让友好的模型来攻击你，这样不友好的模型以后就没法找到可利用的漏洞。这就是我们生活的世界。

当然，在这个新世界里，人类历史上总会发生一些坏事。这有点像化学品：20 世纪我们开始用化学品做很酷的事，然后把化学品倒进河里，下游城市的人生病了，于是我们说，好吧，立个法——比如环保署（EPA）那套——你不能直接往河里倒化学品，得先处理一下；再往后，我们给危险化学品贴标签、规定它们能去哪、怎么处置。

我们是一路学过来的，形成了一整套最佳实践，既有监管层面的，也有行业层面的。眼下发生的事情是：攻击的成本收益比彻底失衡了，我们正在摸索最佳实践该是什么样。你没法指望每一步都做对，但我认为我们必须把它搞定——因为回到"人类逐行审代码"的世界已经不可能了。

成功用户的定义与定价哲学

Harry： 说到使用，你怎么定义一个成功的用户？

JD： 我的定义就是：每月付钱给我的人。只要他们持续付费。不，我是认真的。他们持续付费，就说明我工作做到位了。我不能把"用更多 token"当成功——那是危险的思路。如果你把"每月 token 用量上涨"当成功，那要是他们用的方式投入产出并不划算呢？也就是说，他们没意识到自己在把 token 花在不太值钱的事情上。这种事积累多了，某天他们一觉醒来发现自己付的钱太多，一生气就流失了。所以必须看长期。

在我看来，"狂刷 token"（token maxing）有两个问题：第一，很多公司告诉员工"AI 随便用、钱随便花"，这不好——你应该让人去想"在这里用 AI 的投入产出值不值"。现在公司也不拦着员工用 AI 了，反而说"我们得有激励"，让他们有正当理由去用。这是一个方面——你得事先想清楚投入产出。

第二个问题是：有时你很难知道一件事的投入产出。比如"让我开会前准备得更充分"，这值多少？对整天会议连轴转的人来说，会前一分钟让自己准备到不露怯，可能非常值钱；对那些会有人替自己准备和主讲、自己只需坐着的会，一文不值。同一个工作流，对不同人价值天差地别，消耗的 token 却一模一样，而大家并不这么思考问题。

所以我把"付钱"当成功：你每月付我钱，说明我大体上交出了足够的价值。不管你订的是 15、49 还是 99 美元的档，你付我的那笔钱换到了足够的价值。同时我非常在意沿途告诉你钱花在哪了——你需要感觉到我在认真帮你避免烧太多 token。上个月我们最受欢迎的功能之一是：一旦发现你有"失控的例行程序"（rogue routine）——就是那些狂烧 token 的自动化——我们就发邮件提醒你。用户的反应是："太谢谢了，我信任你，我感觉你在盯着我别把钱用砸。"这就是我要的。

我不知道怎么量化它，但我想要的成功是：你付我钱，并且信任我们是那个既帮你用好 AI、又帮你高效用 AI 的平台。能做到这一点，我们就能有门相当不错的生意。

Harry： 你们的价格是每月 14 美元、49 美元和 99 美元。

JD： 对，还有 199 美元。

Harry： 没错。哪一档最赚钱，哪一档最不赚钱？我这么问是因为我朋友莱姆金——他订的显然是 Anthropic Pro Max 之类的 299 美元档，结果每月烧掉约 1.5 万美元的 token。他是 Anthropic 最差的客户，可他买的就是那个 Pro Max 个人档。

JD： 对，我们没有 max 档，也有用户来要。我一直在想：要不要给鲸鱼用户开一个 max 档？从市场角度看有用——他们无时无刻不在替产品布道。我认真考虑过。15 美元档对用户来说非常划算，我们把它当作台阶：让用户用到足够深，意识到 49 美元档的产品才真正强大。

所以 15 美元档的单位经济模型最差、补贴最重。总体最赚钱的可能是 99 美元档——那是重度用户，但不是想把用量刷到无限的那种重度用户。另外我们还有按用量计费（usage-based pricing）：一旦撞到他所在档位的上限，大体就切到按用量计费，我们尽量让花费适配每个用户。

Harry： 帮我二选一：一亿消费者每人每月付 20 美元，还是一百万客户每人每月付 100 美元？

JD： 要更多用户、每人付更少的那种。

Harry： 为什么？

JD： 因为我要算反事实的账：在工作场景里，AI 长期会替人做越来越多的事，所以净收入留存（NRR）、每用户收入增长的长期潜力极大。你想以"付费动作"获取用户，因为你想要的是工作场景的用户——你会不断找到新方式让他们用 AI 为自己创造业务价值。而个人场景给我的感觉不是这样：我要跟妻子订的餐厅约会就那么多，要跟朋友组织的旅行就那么多，要发给新医生的病历也就那么几份——这类事是有天花板的。做这些事能省时间，时间就是钱。

但在业务侧，当我创造的东西给企业带来价值，企业赚了更多钱，就想要更多。举个很清楚的例子：平台上有一家招聘公司，因为 Town 他们能接更多客户——他们用 Town 把招聘流程自动化到一定程度，真的就能多接客户。多接一个客户、不多雇一个人，就是每月多 3000 美元收入；而他们全部用户加起来每月付我们五六百美元。所以业务场景的投入产出账特别简单："我付 600，进账 3000，划算，我喜欢。"他们赚更多，大家都开心。

而且如果我能让他们看到"还能再接一个客户"的路，哪怕要在 Town 上多花 500 美元，他们也愿意。所以业务侧的增长潜力大得多。我宁愿有大量用户每人付得少一点，因为假以时日，我能向他们证明我交付的价值越来越多，值得他们在 Town 上越花越多。

语音、前沿定价权与供应商陷阱

Harry： 有什么是 Town 今天因为模型能力做不到、但两三年后会了不起的事情？

JD： 语音，太明显了。这事正在发生。我说的不是"你对它说话"那种语音，我指的是真正的对话式交互。

Harry： 220 亿美元的 ElevenLabs，你会投吗？

JD： 这么说吧，我们是 ElevenLabs 的用户，他们的声音最好听。他们没给我钱，我也不是投资人。它确实非常贵。我不知道的是它什么时候到顶——我认为这是 ElevenLabs 这类公司的风险：哪天语音"足够好"了，你随处都能拿到，我把开放权重模型架在 BaseTen 上就能跑。但现在还不是这个样子，我只是不知道他们离那个临界点还有多少跑道。所以我不看空——我真的很喜欢这家公司——但 220 亿美元是一大笔钱。

Harry： 那一两年之后你们对价格有多敏感？恕我直言，现在你可以烧钱，眼下拼的是产品市场契合、增长、跑赢别人；两三年之后，你就得实打实地让经济账高效运转起来。

JD： 如果我们有两三百万用户用语音，那对毛利结构是个打击，肯定的。不过我更在乎的是时间。所以我才说，语音能力得比今天再好上一倍——尤其是语气、表达和情绪理解。一旦解决了，我会越便宜越好，因为一旦"感觉够好了"，我就不需要它再好多少了。但毛利结构这事，我从不把它叫"烧钱"——我不用这个词，我爸妈不会允许我说这种话的。我认为我们是在精打细算地花钱，短期优化增长，长期优化毛利。不过说实话，语音并不是我真正焦虑的地方。

Harry： 那你真正焦虑的是什么？

JD： 是必须贴在前沿的任务占比。其他所有任务我都能想象价格怎么降下来。但我前面说的那个论点——长期看，AI 有越来越多的方式帮企业创造更多收入——它的推论是：能创造更多收入的事在前沿。而前沿的问题是：我在前沿毫无定价权。我认为 Cursor 最近碰到的就是这个：你可以有很大的市场份额，客户也爱你，但如果你一边付钱给供应商、一边跟供应商竞争，而对方拿着七成的毛利，日子迟早难过。

这就是我担心的终局。当然，我前面有很多"如果"：我得做到几千万用户，他们得在付费，我得有相当大的规模。而到那时，我依然在跟我的供应商竞争——依然在跟 OpenAI 和 Anthropic 竞争，我还在为那两三成贴前沿的工作负载给他们送钱，这就是经济账算不过来的地方。

到终局时，我必须为这个问题找到某种解法——现在还不急。这是唯一的问题，因为只有这部分的经济账跟我的竞争对手们不一样。当然还有个宏观问题：是不是所有 AI 产品都没有真实的产品市场契合、全靠补贴撑着？这是另一种人会有的观点。但只要你不跟供应商竞争，你的经济账就跟你的竞争对手一样；你能做出多少毛利，更多取决于竞争格局——对手越少，毛利越高。

Harry： 你确实在跟你的供应商竞争啊，比如 Astra。

JD： 是的。

Harry： 你把它当直接竞争对手，对吧？

JD： 完全正确，今天就是，百分之百是。

Harry： 可是那占比……占比……你刚才做了个鬼脸。

JD： 我是在跟 Astra 竞争，但仍有个"开箱问题"（open box problem）：你会震惊于有多少人根本不知道 AI 能干什么。难点在于：让一个普通人从 AI 里获得价值的产品体验，真的很难做。这就是为什么人们用了 Town 就喜欢、然后开始付费。我们的获客付费率超过 15%——试用产品的用户里超过 15% 最终付了钱，这对产品驱动增长（PLG）模式来说高得离谱。因为相对于他们从 ChatGPT 里得到的东西，我们交付的价值大得多。

百分之十五转化率的秘密与硬付费墙

Harry： 你破解了别人没破解的什么东西，才拿到这 15%？

JD： 产品背后真正的洞察是：如果你一开始就要求用户连接邮箱和日历，你就足够了解他们，可以建议 AI 替他们做哪些事。核心洞察就这一条。

Harry： 如果你是 OpenAI 的产品经理呢——抱歉，我们之前拿这事开过玩笑，说我这人比较多嘴毒舌。

JD： 来嘛，来嘛。

Harry： 这洞察真有那么独到吗？我的 ChatGPT 也总是说"我们想让你做这些事"，我心想：不可能，不可能，读写邮件的权限？不给。

JD： 说实话，我觉得他们的建议就是水平不行。而且他们直到几个月前才刚有建议功能。差别在这里：你用 ChatGPT，不需要连接邮箱，他们就是不强迫你。他们现在反复提示你连，因为他们意识到连接后价值更大。但他们的基础体验是想向普通人证明：光有一个聊天框，你就能从产品里获得价值，大多数人就是这么体验的。

我们的路子是：听着，你必须连接邮箱和日历，不连就不能用我们的产品；但只要你连了，我们就能为你变出这些魔法——这是我们了解到的你，这是你平常做的工作，我们来推荐能自动化这部分工作的自动化。用户到这一步就会说："哦，这真的酷。"我有点把它看作硬付费墙（hard paywall）：你一进来，别人是"先付月费"，我们是"先连日历和邮箱"。

Harry： 那一刻的流失率是多少？

JD： 30%，当场就走。

Harry： 是不小啊。

JD： 你得愿意挨这一刀。

Harry： 你们内部今天最大的产品分歧是什么？

JD： 好问题。我们在一些完全没料到的纯个人场景里找到了产品市场契合——家庭，尤其是父母群体，Town 在那里的契合度大得惊人。至少在美国，学校会发大量邮件，各种门户网站上要给孩子的体育联赛办手续、看孩子的成绩单，还有剪头发、夏令营这些无数的日程安排。我们的产品恰恰擅长邮件、又擅长日程，所以对家庭真的特别有契合度。问题是：我们该不该向这个人群做营销、花时间？这个人群很好，也有付费意愿，但付费意愿比不上中型企业。我们没法什么都做。

就像你说的，我们是一个收费平台，指标逐月增长，收入才是公司的事。这之所以成为争论，是因为当你在意想不到的地方发现产品市场契合时，人生有几个选项：一个选项是"我爱这些用户、我爱父母们"——我是真爱这些用户、爱这些场景，场景和价值都无比清晰——但它跟我们设想的业务增长路径不完全对齐。所以我们内部有很意思的思考：多往前看几个路口，这事值得吗？还是说应该更专注在既定战略上？创业的乐趣就在这：你从用户身上学到东西，然后必须做出正确的决定。

收入保密、融资公关与估值伦理

Harry： 你们今天收入多少了？

JD： 啊，不说，抱歉。

Harry： 行吧，你得理解，这就像打乒乓球，我发球，有时被抽回来。

JD： 没事，就是这样。至于融资——我会把那种时刻拿来为公司制造公关和增长，只是这一次我还没准备好。

Harry： 百分之百该这么干。我还建议你永远把不同的时刻分开用。太多次我看到创业者把融资和收入里程碑合在一起宣布。千万别这么做。那是两个独立的公关时刻，可以做成两次大传播，而不是一次。你为什么要把它们合并、白白丢掉两次上头条的机会？另外我觉得媒体越来越挑剔了：曾几何时，以某个估值融资本身就稀罕到能上新闻，现在媒体要的东西更多了。你也看到外界对这个赛道本身的怀疑——Instinct 在零变现的情况下以 25 亿美元估值完成融资。你觉得这种怀疑合理吗？

JD： 对我们来说，我们有收入、有增长，竞争对手的增长我不知道。关键在于你是否相信：这些产品里，有些公司能触达几千万用户，而且这个产品将成为人们处理数字事务的入口——也就是他们今天在手机上用 App 做的事。如果创业阵营里真能跑出一个赢家，那里面就藏着一家巨型公司，不是吗？

Harry： 新一轮十亿美元的报价，是从那里起步的，还是被一轮一轮抬上去的？

JD： 我不能否认，也不能确认。Harry，我爱死你了，但我不会让你把我的传播时刻抢走。

Harry： 你什么都没评论，我也没在逼你。不过你看，哦，Index 在抬价，哦，Index 又没在抬。对你有好处的是：这全都是公关，你的名字满天飞。挺好啊，兄弟。

JD： 你这人套话的本事真是一流。我老了，知道吗，我大概 47 岁了，我都记不清自己几岁——老到一定程度就这样，记不清自己是不是要过某个生日。总之我 47 岁，几个月后 48，在这行混得够久了。我这辈子，公开做过一些自己骄傲的事，也公开做过一些自己不骄傲的事。我提这个是因为：纯粹为了生意去制造公关，不符合我的价值观。我希望公关由我的用户创造，因为他们爱这个产品。所以如果你看到任何关于 Town 的新闻，好的坏的，都不是我在外面制造的，我不是那种人。

Harry： 我认为这是个错误，恕我直言，我会劝你改。

JD： 也许吧。

Harry： 我建议你看看 Wispr Flow 的做法——跟你们类似的 PLG 打法。说实话，他们在自己制造公关这件事上做得非常出色：通过自己的内容，也通过用户生产的内容。

JD： 没错，但内容其实是客户口碑的"快捷方式"。我完全同意。我只是认为融资故事不属于我想拿来制造公关时刻的东西——不是你说的那种。我不想在融资这件事上做文章。

Harry： 因为这是从天使投资人的角度问的，不是针对你们。是泛泛的融资现象——你刚才也提到外面有这些操作。

JD： 这关乎伦理，关乎我是个什么样的人。我见过这样的交易：我按 2 亿美元估值投进去，然后公告出来写的是 5 亿。后来你才知道，他们融了 6500 万美元，其中只有 500 万是按 5 亿算的，剩下 6000 万都是按 2 亿或 3 亿。硅谷现在这种操作一抓一大把。

我个人认为这不道德，对员工尤其不道德：稀释不是那个数，真实需求的大头也不在那个估值上，给员工期权定价也不该这么定。我认为你没法直视别人的眼睛说：一个投资人八成的钱是按 2 亿或 2.5 亿估值进的，最后两成按 5 亿进，然后对外就说是 5 亿。我就是不喜欢，我认为这不对。

快问快答：千亿路径、董事会与七万五千美元的工具账

Harry： 我同意你。兄弟，咱们进快问快答。你最好的天使投资是哪一笔？

JD： 哦，眼下要么是 BaseTen，要么是 Modal，最先想到的就是这两家。

Harry： Town 成为千亿美元公司的多头逻辑是什么？那个世界里需要发生什么？

JD： 我认为如果能有 1000 万付费用户，就能到那个量级。

Harry： 就这？

JD： 我们今天每用户每年收入超过 700 美元。

Harry： 跟 Dropbox 比呢？Dropbox 的用户肯定远不止 1000 万。

JD： 你得有增长，对吧？我不能在终局只按 1000 万算——我得相信自己能一直保持不错的增速。至于 Dropbox，我离开太久了。但当时有一大群免费用户，成本侧非常烧钱；付费侧我不记得是 1000 万、2000 万还是 3000 万，但某个时点之后就见顶了，再也没法从用户身上榨出更多收入或增长。我认为 AI 领域的不同之处在于：一旦一家公司把你的平台当作"AI 干活"的核心场所，随着 token 消耗上涨，你应该能持续做出递增的收入。

Harry： 最想拉进董事会、但现在还没有的人是谁？

JD： 哇。下一位董事的话，我想要一个 CFO 型的人。到后期，我们这门生意的经济账必须做得非常、非常好。如果董事会里有一个真正有财务运营经验的人，扩张这类公司时会非常有帮助。有很多事情，比如我们将不得不大规模采购算力，必须在 token 开销上算得极其精细——要的就是这种背景的人。

Harry： 我看你在做鬼脸。不过说实话，这比我想的来得早。我理解这个需求，但我以为那是再往后几轮的事。

JD： 也许吧。但下一轮我们应该就进入成长期投资人（growth investor）的地界了。到了那里，他们会要求我拿出真正能站得住脚的融资指标，有那种背景的人会很有帮助。

Harry： 为什么不干脆全额补贴？你完全可以再融 2 亿美元，增长就是一切。为什么不掀桌子：去他的，破釜沉舟？

JD： 好问题。如果我说没有几个早晨醒来时想过这事，那是撒谎。但我坚信：要在业务侧证明价值，你就必须让客户付钱。我确实觉得存在一种可能：我们的 PLG 部分补贴得更狠。但只要一个团队有三五个成员上来，我就一定要在那一侧赚钱，我一定要确认自己在交付价值。

给你讲个故事：产品刚上线的时候——头五个月其实不算上线，是先私测再开放的公测——我们没有定价。有用户每月烧掉的算力，不骗你，2000 美元、4000 美元。平台上有个用户五个月烧了 2.6 万美元，因为 token 开销没有任何刹车，完全没有。——对，我知道，你在做鬼脸。——那种情况我们会直接打电话过去："咱们聊聊，你用平台是因为可以建例行程序把越来越多的事自动化，但它真的给你带来价值了吗？"

我举这个例子是想说：我深信市场给你的阻力——你在哪里交付了价值、在哪里没有——真的非常非常重要。当然也有补贴着做这事的办法：我可以把档位定得更便宜，可以免费，可以给企业送免费 token。但我学到的是：业务侧的客户也不喜欢你不收费，因为他们不知道未来某一天要花多少钱，他们想知道那一天的花费。你不能把产品卖给一家 500 人的公司时说"先免费用出用量来"，然后某天我说"我要开始收费了"，而他们全部业务流程都跑在上面。

所以我们的做法是：增长侧可能会加大补贴，因为那是在补贴增长；但当一家公司用上了这个产品，我就要一门真生意——而当公司客户在产品上时，我们确实有一门真生意。我对此很骄傲，因为如果你不是纯消费级公司，"客户愿不愿意付钱"就是检验你在不在做成功之事的终极标准。

另外我怀疑纯消费级、广告支撑的 AI 模式，有两个原因：第一，token 太贵了，广告养不起；第二，广告有激励问题——人们会想要一个属于自己的助手，它给出的行动轨迹不被广告这种外部激励污染。比如你让它订机票，结果它选了那家付费买推荐的航空公司，这感觉就很糟。所以我坚信，助手经济的未来是付费模式，那我只想尽早开始收费。

Harry： 打开推特时，你最希望看到谁表白 Town？

JD： 埃隆·马斯克（Elon Musk）。因为他有竞争产品，而且他是埃隆·马斯克。

Harry： AI 时代你们的招聘流程怎么变的？

JD： 我们的招聘流程有点怪。说个你不知道的：如果团队里有人跟某个候选人极其密切地共事过，而那人又是顶尖人才，我们就不面试。为什么？我只负责卖（sell）。这种情况很少见，必须是真正肩并肩共事过、而且说"这是我共事过最好的人之一"的那种。工程师岗位我们就直接拍板。

我知道这听着很怪，会有人评论说这家伙是个白痴——但一个我信任的、团队里非常出色的人告诉我"这人是我共事过最好的人之一"，然后我却要让那人做八个小时愚蠢的白板面试或者结对编程？没道理——那等于我不信任自己的员工。当然文化匹配还是要的，所以我们会说：来公司待一阵子，愿意的话跟我们一起写写代码。我们也得卖自己——如果你不面试人家，人家也会想"你们是哪路小丑，谁都不面试？"所以我们会让他们获得关于我们的信号，但我们不评估他能不能干核心岗位。

Harry： 布莱恩·辛格曼（Brian Singerman）（译者注：Founders Fund 合伙人）——他既投基金也投基金下面的公司——有条规则：如果基金经理全押、"我全仓这一家"，他就直接开支票。你们这有点类似：信任这个人，就信任他下面那一层。你们在工具上的花费占工程师薪资的百分之几？马克·贝尼奥夫（Marc Benioff）说过，Salesforce 在 Anthropic 上花 3 亿美元，而他们每年在工程上花 60 亿——百分之五。

JD： 我们的运行率（run rate）至少是每工程师每年 7.5 万美元。

Harry： 哇。怎么分的，Claude Code 和 Cursor？

JD： Devin、Claude、Codex，然后还有 Town 自己。Devin 我们用得很多——我这简直是在给 Devin 打广告了。进来的很多 bug、很多简单的小活、小的视觉调整，我们都直接派给 Devin，因为我们觉得它在 Slack 里的团队体验非常非常好。有几个人用 Cursor 做偏视觉的前端活，模型很快，Composer 做前端确实快。然后 Codex 和 Claude 现在大概五五开。这跟以前比变了很多——五个月前我会说主要是 Claude，但新 Codex 真的很好，移动端体验也很好。

Harry： 一年后这个数字会变成多少？7.5 万、15 万？还是成本下降后变成 2.5 万？

JD： 你刚才问的是一个投入产出的问题。人们总问我：有了 AI，团队是变大还是变小？我的回答是：嗯，想象你是一家普通公司，100 万美元收入、80 万成本，赚 20 万利润。这 20 万你可以雇一个工程师。如果这个工程师不能给你带来超过 20 万的收入，你就不雇他，把钱揣进自己兜里。现在 AI 来了，同一个工程师突然能产出比以前更多的东西：以前他只能创造 15 万收入，现在也许能创造 25 万。于是 AI 突然让你去雇那个原本不会雇的人——多雇一个，因为新世界里雇这个工程师能多给你赚 5 万利润。

而我们公司正处在这样一个阶段：黄金在我面前撒得满地都是。有客户要我们接某个集成才签合同，有客户要审计日志才签，有客户要单点登录（SSO）、要支持手机号，签下来单子就更大——我就坐在这些机会面前。我们的 Dex 产品上，用户要更多导出功能才会用得更多。遍地是黄金，而我的限制因素是：招聘能力、融资规模、收入增速——因为我不想跑得太领先于收入。

所以如果你告诉我有更好的模型、我可以多花钱，那比招聘更容易去拿下那些高回报的事——那些我正撒在地上的钱——我会立刻加码。这就是我今天思考这件事的层级。我把我们在算力上的总开销——一年大概一百万美元左右——换算成工程师，大概是四个工程师，全算下来可能少一点，三个；再算上股权因素，也许更接近一个半工程师。按硅谷现在通胀的薪资，我这一百万能不能买回一个半工程师的产出？当然能，所以答案根本不用比。我离"我们是不是刷 token 刷错了"的焦虑还差着十万八千里。

另外一件我们想得不够多的事是：我们在编程、法律、销售、市场营销里看到的那个引爆点（tipping point），会不会也在其他品类出现？

尾声：黑暗森林尽头的宝藏

Harry： 最后一个问题，JD。未来十年，你最期待什么？

JD： 肯定是看着我的孩子长大，花时间教他们数学这类东西，陪我儿子踢足球。这百分之百是我最期待的。但你问的不是这个，你问的是这个宇宙里我最期待什么。我相信，尽管人们对 AI 很怀疑——我理解它为什么吓人，也理解任何改变对人来说都难接受，我自己也一样——我确实认为我们正在接近一个世界：人们能拥有更多自己想要的东西，能做更多自己想做的事。

所以我只希望我们走过这段路之后，宇宙变得更好：每个人更有钱，每个人更有能力去做想做的事。我是真心这么相信的。我做这件事不是为了赚钱，我是希望这项技术能消除人们日常工作里大量的苦役——不只是通过 Town。我认为 AI 会帮我们研制药物，帮我们在物理世界里更快地建造，人们会住得离城市更远——因为可以自动驾驶通勤——这意味着带泳池的大房子和幸福的生活。我是个非常、非常乐观的人。

Harry： 兄弟，太感谢你今天的时间了。我知道你正忙得不可开交。你的分享太棒了，也谢谢你忍受我时不时的尖锐追问。

JD： 我得说，每一份怀疑，也都是让我夜里睡不踏实的东西。但我认为黑暗森林里是有路的，尽头有一大笔宝藏，只有一两条龙守着。所以，必须去闯。