洞见·20VC·2026.07.04

开源模型 vs 前沿模型:谁才是赢家 (Clay Bavor)

对话 Sierra 联合创始人 Clay Bavor,深度探讨开源模型与前沿模型的竞争局势、每个工程师都需要的 10 万美元 Token 预算,以及如何从谷歌的 18 年高管生涯走向 AI 时代的创业之路。

Overview 背景概览

本文译自 20VC YouTube 频道,发布于 2026 年 7 月 4 日;主持人哈里·斯特宾斯 (Harry Stebbings),对话 Sierra 联合创始人兼 CEO 克莱·巴沃 (Clay Bavor)。

开源模型与前沿模型之争被讨论了无数遍,克莱的答案却不是二选一:市场对前沿智能的需求几乎没有上限,但绝大多数企业任务会沉淀到开源微调的"流水线"上——真正的分野在于你选择在哪一层建立壁垒。他还抛出了两个会让管理者坐直的判断:未来顶尖工程师的 Token 预算将接近薪资的两成;而拿下财富 50 强客户靠的不是销售话术,是把工程师派驻进客户体内的"前沿部署工程师"模式。

▍嘉宾:克莱·巴沃 (Clay Bavor)

克莱·巴沃在谷歌拥有 18 年的职业生涯,从谷歌知名的 APM 计划起步,逐步成长为负责 Google Workspace、Google Labs 及 VR/AR 等业务的副总裁。2023 年,他与 Salesforce 前联席 CEO、OpenAI 董事长布雷特·泰勒 (Bret Taylor) 共同创立了企业 AI 代理平台 Sierra。

▍关于 Sierra

Sierra 是一家专注于企业级自主 AI 代理 (AI Agent) 的明星独角兽公司。

  • 核心模式:通过构建与企业核心业务系统相连接的自主 AI 智能体,帮助大型企业实现高可靠性的客户交互、自主事务处理与工作流自动化。
  • 增长与估值:截止 2026 年中,Sierra 融资总额超过 15 亿美元,估值已接近 160 亿美元,服务了包括 Rocket Mortgage、Cigna 在内的众多《财富》50 强企业。

引言

Harry: 今天来到"热座"(Hot Seat)的嘉宾是克莱·巴沃 (Clay Bavor)——Sierra 的联合创始人。Sierra 是全球增长最快的 AI 公司之一,目前已融资超过 15 亿美元。他们与全球一些规模最大的企业合作,估值已接近 160 亿美元,其客户覆盖了 40% 的《财富》前 50 强公司。

事不过三:告别十八年谷歌生涯,携手 Bret Taylor 纵身一跃

Harry: 克莱,伙计,能做这期节目我真的太兴奋了。正如我在楼下跟你说的,我们录过很多期节目,我通常会在录制前和一些人聊聊。但当我跟尼尔·梅塔 (Neil Mehta)、拉维·古普塔 (Ravi Gupta) 以及 GV 合伙人 Chengyi Long 交流时,我所听到关于你的评价,老实说,是我听过最令人惊叹的背书之一。所以,非常感谢你来到这里。

Clay: 噢,听到这些太让人高兴了。不,能来这里是我的荣幸,非常感谢你邀请我。

Harry: 不,我是说,听着,他们为了上节目可是付了高价的。所以,你懂的,我必须把这些"赞助商"提一下(笑)。

Clay: 他们太棒了。非常感激能和他们每一个人合作。毕竟这也就花了我五亿美元而已(笑)。嗯,所以……

Harry: ……我想先从这里开始:我听说在 Sierra 之前,布雷特·泰勒 (Bret Taylor) 曾多次试图雇用你,或者想和你一起创业?

Clay: 是的。

Harry: 为什么第三次才成功?为什么是在 18 年之后?

Clay: 事不过三嘛。

Harry: 是的。在谷歌待了 18 年之后,为什么是现在?

Clay: 是的。布雷特和我是 20 年前认识的。我们俩职业生涯的起点都是谷歌的 APM (助理产品经理) 计划。他是第一届,我是第三届。因为被分到了同一个联合项目,我们一拍即合,自此便一直保持着社交联系——主要是通过一个名义上的每月德扑局,不过年景好的时候一年也就聚个两三次,所以并不太算真正的"每月"。

Tips 知识科普:谷歌的 APM 计划 (Google APM Program)

谷歌的助理产品经理(APM,Associate Product Manager)计划是由玛丽莎·梅耶尔(Marissa Mayer,后任雅虎 CEO)于 2002 年创立的。当时谷歌正在经历爆发式增长,梅耶尔为了培养具备深厚技术背景与商业直觉的新一代科技领袖,设计了这个专门面向顶尖大学刚毕业生的项目。APM 计划以极高的人才密度、定期的全球轮岗及导师制而闻名。布雷特·泰勒(第一届,后创立 FriendFeed/Quip,任 Salesforce 联席 CEO、OpenAI 董事长)与克莱·巴沃(第三届)均出身于该项目,这也为他们 20 年后的联合创业埋下了信任的伏笔。

我们一直想一起做点什么,中间有几次差点就成行了。我记得布雷特离开谷歌去创立 FriendFeed 或是 Quip 的时候,就曾拉我入伙。至于我为什么留了 18 年,简而言之有两个原因:第一,我真的非常热爱在谷歌的时光。从文化上讲,那里简直就是为我量身定制的。我在这段岁月里学到的东西,比我能想象的还要多。同事们也都非常优秀。而且我遇到了一系列愿意信任我、赏识我的主管和领导,在纸面上他们给我的职责甚至超出了我应有的水平,让我有机会参与那些真正迷人的项目。因此,我当时非常快乐,极其投入,在个人和职业层面上都在快速成长。

然而到了 2022 年底,似乎各种'天时地利'(Planets aligned)都汇聚在了一起,我认为这种机会以后很难再遇到了。我一直想创办一家公司,我 13 岁时就做过一次非常小规模的创业尝试,并始终觉得自己会再次创业。如果你要和某人合伙创业,你需要确保他们无论是能力还是人品都无可挑剔,并且时机也要恰到好处。当时我们已经能预见到大语言模型将成为大势所趋。如果说什么时候命运的纸牌会被重新洗牌、并向初创小公司倾斜,那必定是一项全新技术诞生的大潮来临之际。所以,即便在谷歌过得很舒心,当所有因素完美契合时,我还是决定纵身一跃。现在,我们创业已经三年出头了。

Harry: 在谷歌工作 18 年,这时间真够长的。

Clay: 是的。

Harry: 我试着用大学的学制来算这时间。天哪,这相当于读完了一个、两个、三个、甚至四个大学的周期。这确实是极其漫长的时光,回想起来甚至让人有点后怕。在这段漫长岁月的背景下,我想问你一个问题,虽然这问题有点老套,你可以因此批评我:从那段经历中,你带到 Sierra 的最核心收获是什么?而你又选择把什么留在了过去(舍弃了什么)?

Clay: 这个问题很有意思。当然,一家从 2 人、10 人发展到 100 人的企业级软件初创公司,其规模与我离开谷歌时拥有约 15 万名员工的巨无霸是完全无法相比的。

但我确实带走了一些核心的东西。首先是在技术栈上做深度向下投资的决心。只要是为了打造出心中理想的产品和服务,我们愿意往底层做重度研发。这很像早期的谷歌,当时谷歌就非常出名地自主构建了集群架构,甚至开始自建数据中心。他们是首批使用廉价通用硬件(commodity hardware)的先驱,但这需要他们从头开发出一套全新的分布式系统,来满足数据存储和计算服务等需求。

同样地,在 2023 年 4 月我们创立 Sierra 之初,我们就能预见到大语言模型和 AI 智能体(Agents)将是未来的大势所趋——当时业界甚至还没开始像今天这样整天谈论智能体。我们意识到这在理论上是完全行得通的。虽然当时技术上还实现不了,但这意味着我们需要自己从零发明用于构建这些智能体的框架和系统架构。所以,我们邀请了普林斯顿大学的教授来担任我们的首任创始研究主管,他正是那篇奠定了语言模型智能体基础的经典论文——《ReAct 论文》(ReAct paper)的作者。我们选择往底层走得更深,这在当时是很多初创公司不愿或者不敢尝试的。不过我们并没有自建模型进行预训练(pre-training),我们将这一块的巨额资本支出(capital expense)留给了各大 AI 实验室和资金雄厚的巨头们。

Harry: 在我们讨论第二点之前,我能问一下,你们当时考虑过自己训练模型吗?因为我完全理解那种想要尽可能掌握核心控制权的渴望。你们当时考虑过自己做训练吗?决定不自研模型的决策过程又是怎样的?

Clay: 这是一个极好的问题。我们确实短暂考虑过,但很快就否决了。如果你回想一下 2022 年底到 2023 年初,作为一家 AI 初创公司,如果你不自己做预训练、不自己建底层基础模型(foundation models),你几乎在行业里都排不上号。比如 Character.ai、Inflection、Adept 等等,这些公司里都有非常优秀的人才。但是,支付如此庞大且持续不断的资本开支,去创造一堆本质上极易过期的'浮点数集合',在商业逻辑上根本说不通——除了极少数几家公司外,这对绝大多数公司都行不通。

因此,我们的算盘是:在这些资本极度密集的领域,我们该如何搭上各大实验室和超大规模云服务商(hyperscalers)巨额投资的'顺风车'(slipstream behind)?在尽可能多地使用成熟现成技术的同时,保持深度工程研发的意愿。所以今天,我们拥有一套自己的专属微调(fine-tuned)模型,但这些都是基于开源/开放权重模型(open weights models)之上进行微调的,我们并不去直接碰超级集群层面的模型预训练。

Value 价值视角:自研底层模型 vs 业务编排层的资本效率

从价值投资与商业壁垒的角度来看,Sierra 否决底层基础模型研发的决策极具商业理性。基础模型(Foundation Models)的研发具有极高且持续的资本支出(CAPEX),且算法迭代极快,折旧率极高。正如巴菲特对"护城河"的定义,一家公司应当专注于其能够产生最高资本回报率(ROC)的环节。在 AI 产业链中,Sierra 选择搭大型实验室的"顺风车",将自身定位在离客户最近的"应用与业务编排层(Orchestration Layer)"。这一层不依赖昂贵的基础模型预训练,而是通过深度集成企业数据与工作流,直接为企业带来投资回报率(ROI),从而在资本效率上远超试图去追赶模型 Scaling Law 的竞争对手。

我认为,在创业中保持对自身命运的足够掌控力固然重要,但同样关键的是,你不要自我催眠,误以为自己非要去涉足那些实际上根本不需要触碰的底层泥潭。

开源模型与前沿模型之争:智能需求无上限与流水线混合搭配

Harry: 所以未来会是'基于开源模型针对特定企业需求进行微调'的天下吗?如果是这样,而且大家也意识到前沿模型(frontier models)过于昂贵,这是否构成了对前沿模型的看空理由(bear case)?

Clay: 我认为情况要比这复杂得多。打个比方,如果你去问任何一家软件公司:'你是否愿意将你所有的资深(Staff 级)软件工程师升级为首席(Principal 级)或杰出(Distinguished 级)软件工程师?' 毫无疑问,一百家公司里有一百家会说:'太愿意了,这听起来棒极了。' 所以,我认为我们还没有充分意识到市场对'前沿级智能'的无限需求。

当然,你并不需要在每个领域都用上这种最顶尖的智能。例如,我们的业务是帮助企业构建与客户互动的 AI 智能体。你显然不需要动用 Mythos (前沿大模型) 这样的庞然大物来帮你处理退鞋子的业务,对吧?一般模型就足够了。虽然你想把这件事做好,但用前沿模型无异于'能力过剩'(capability overhang)。然而,在许多其他关键领域——比如软件编程、科学研究、材料科学,或者法律——这些容错率极低且复杂度极高的场景中,市场对极高智能水平及前沿模型的需求是近乎无上限的。

即便如此,行业也会形成一条'流水线'。以 GPT-4 为例,在 2023 年 3、4、5 月份它刚诞生时,它是足以处理很多复杂任务的最前沿模型,而如今获得同等智能 Token 的成本已经降到了当时的约三百分之一。因此,行业中会形成一条标准装配线:将曾经处于前沿的模型用来跑特定的工作负载,并基于这些模型来开发针对具体任务的开源微调模型。我认为最终格局是,企业会根据手头的具体任务,将前沿模型和开源微调模型进行混合搭配使用。

Harry: 随着开源模型变得越来越先进,这难道不意味着前沿模型所需要面对和解决的问题会变得越来越具有挑战性吗?正如你所说,开源模型的发展如此迅速,以至于它们现在已经能做绝大部分工作了。我能理解在解决气候变化、癌症治疗和新材料开发时需要前沿模型,但对于大多数日常任务来说——今天有多少比例的企业任务能直接用开源模型完成?

Clay: 嗯,我认为如果你看一看今天有多少比例的企业任务实现了完全自动化,那基本只是个四舍五入的误差(rounding error),比例非常非常低。

Facts 时空复盘:开源/开放权重模型的生态繁荣与推理模型的崛起

回看 2026 年的 AI 格局,克莱的预测得到了完美的印证。随着 Llama 3/4、DeepSeek、Qwen 等开源和开放权重模型的性能在许多常规企业级任务上逼近甚至超越部分闭源模型,企业客户在常规交互(如退换货、简单问答)中混合搭配使用开源模型的趋势已成为绝对主流,极大地降低了企业的推理成本。同时,随着以 OpenAI o1/o3 为代表的推理模型(Reasoning Models)的问世,其核心逻辑将计算量从训练端转移到"测试端/推理端",这也印证了克莱所说的"只要有足够的时间和算力,模型就会变得更加聪明",从而开辟了科学探索与高复杂度决策中对"前沿智能"的全新需求市场。

那么,这究竟是因为模型能力本身不够?还是因为技术在企业内部的渗透和落地(diffusion)存在滞后?又或是应用层本身不够完善?我想可能这三者兼而有之。你说的显然没错,随着开源模型能力不断提升,它们能覆盖的场景会越来越多;在其他条件等同的前提下,如果开源模型的成本要低得多,那么你必须诉诸前沿模型去解决的问题范围确实会缩小。

但我想再次指出的是,我们可能还没有真正意识到,在诸如科学探索、技术发明、创新发现以及打造全新产品和服务等领域,市场对前沿智能的需求上限(天花板)会有多高。当你拥有能够 24 小时无休运转以进行创造、发明和发现的智能脑力时,你是很难想象你会如何使用它,以及能消耗掉多少这样庞大资源的。

Harry: 谈到前沿模型与开源模型的对比,在美国,OpenAI 和 Anthropic 显然是大家都熟知的行业领头羊——

Clay: 还有我的前东家谷歌。

Harry: 当然还有谷歌。我们之前邀请了德米斯(Demis Hassabis)来做节目,他太不可思议了,我非常喜欢他。

Clay: 我也很喜欢德米斯。

Harry: 天啊,他也是我见过的最谦逊的领袖之一。这一点我绝对赞同。在美国,开源生态似乎有些落后,而我们看到中国的开源模型表现得极其先进、令人瞩目。你是否同意美国的开源生态正面临挑战?这会让你感到担忧吗?

Clay: 导致这种差异的部分原因,可能在于中国公司更愿意对前沿实验室的模型进行大规模的蒸馏(distillation)。我的印象是,许多来自中国的开源权重模型,其训练数据或过程都源自美国进行的模型训练。我想,如果是由美国的实验室和超大规模云服务商(hyperscalers)来开发前沿模型,就会面临一个显而易见的问题:他们是否愿意通过开发和发布能力相当的开源权重模型,来与自己竞争,从而给自己的前沿模型带来价格压力?如果由我来经营这家公司,我是不会这么做的。因此,我认为如果你自己无法构建前沿模型,那么退而求其次的最佳方案就是对它们进行蒸馏并提供给市场。这可能是导致这一差异的主要驱动因素。

Highlights 高光金句

"如果你自己无法构建前沿模型,次优的选择或许就是对它们进行蒸馏并提供给市场。" "If you can't build frontier models yourself, okay, maybe the next best approach is to distill them and offer them up."

▍点拨:这是全场最锋利的一句判断,它同时解释了两件事:中国开源模型为何崛起(蒸馏前沿模型的意愿更强),以及美国实验室为何集体对开源保持克制(没人愿意亲手给自己的前沿模型制造价格压力)。对创业者而言,这句话的另一面是机会——蒸馏与后训练开源基座,正是应用层公司绕开预训练军备竞赛的合法捷径。

推理模型与 Token 经济学:从纯聊天到推理模型的 Token 成本博弈

Harry: 你能帮我梳理一下吗?当我们看 Token 经济学时,我们最初以为随着聊天技术的普及,Token 成本会随时间逐渐下降。但是随着我们从纯聊天走向'聊天+智能体'以及基于智能体经济的模式,我们看到的却是 Token 成本在上升,而不是下降。在你看来,随着交互形态的不断演进,Token 成本将呈现怎样的发展趋势?

Clay: 是的,但你忽略了其中的关键一点,那就是现在有大量的 Token 消耗是由推理模型(reasoning models)驱动的,对吧?也就是模型自己在进行'出声思考'(thinking out loud)。事实上,我认为过去几年最被低估的进展之一,就是 OpenAI 在 2024 年底推出的 o1 模型。如果你还记得的话,当时有一张图表展示了'测试时计算量'(test-time compute),也就是推理过程中进行的'出声思考'量与模型性能之间的关系——这条性能曲线是一直向上延伸的。 而且(曲线)向右上方延伸。它是对数型的,所以会开始趋于平缓。但它切实证明了,只要你有足够的时间和算力,模型就会变得更加聪明。

至于 Token 经济学(Token economics)的发展,我认为背后有多个驱动因素。首先,硬件性能的提升将使我们能够以同等成本生产出更多的 Token,因此可以说投入的成本会随之下降。此外,正如我们之前讨论过的,我认为某些工作负载会迁移到开源权重模型(open weights models)。

而在开源权重模型和前沿模型(frontier models)中,一个难以预测其发展走向的驱动因素是算力的供给。这属于经典的微观经济学供求关系:如果你对前沿级智能或运行开源权重模型的 GPU 有着无上限的需求,而瓶颈卡在 Blackwell 和 H100 等芯片的供应数量上,那么 Token 的成本就会存在一个下限,因为你必须为能源和算力付费。

Harry: 我们前几天邀请了 Nebius 的创始人做客节目,他说即使他们把供应量扩大 10 倍,依然能在一天内售罄。

Clay: 我相信,完全相信。这也恰恰印证了我的观点。诚然,开源权重模型的成本会更低,因为你基本上避开了托管型前沿模型中的一部分利润叠加(margin stack)。但是,最根本的投入品是什么?依然是 GPU 算力和电力,而这两者目前仍面临瓶颈。

Harry: 能稍微缓解这一问题的举措之一,其实是在本地运行模型。有人说这代表着未来。

Clay: 比如在你的 Mac mini 集群之类的设备上运行。

Harry: 对,甚至是在手机等端侧设备上。不过,当考虑到全天候 24 小时运行的 AI 时,我不太能理解——在本地运行如此庞大的计算量实在太重了。这究竟是一个空想,还是真的能成为现实,从而缓解服务器端的挑战?

Clay: 缓解是肯定谈不上的。我认为它会让某些消费级应用的体验变得更好,但现实情况是,你依然需要大量的算力——训练时绝对需要千万亿次(Petaflops)甚至百亿亿次(Exaflops)的计算能力,而在推理时,你也需要在极短时间内调用大量算力。而且你很快就会遇到手机的散热瓶颈。

不过,我认为令人惊叹的是,我们现在口袋里都装着超级计算机。它们还会变得更好吗?是的。我们会在手机和电脑中看到针对语言模型优化的硬件吗?是的。我甚至可以想象一种家用电器——你把它插上电源,就可以按需获取大量算力,来处理家中的各种事务,这或许能缓解一部分压力。但对于前沿的复杂工作负载,目的地只有一个,那就是数据中心里那一排排由 TPU 或 GPU 组成的庞大机架。

团队杠杆与内部 Agent Pine Cone:AI 原生工程师的效率飞跃

Harry: 我必须问一下,你之前提到企业服务是一项"团队运动"(team sport),我很喜欢这个说法。你也提到过,谁会不希望内部拥有更先进的软件工程师呢?昨天 Lovable 宣布,他们仅凭 149 名员工就达到了 5 亿美元的规模。而在我们明天即将播出的一期周播节目中,我的搭档主持之一罗里(Rory)提到:"如果你是 Sierra,你就不能这么做。"正如你所说,Sierra 是一家企业服务公司,团队结构必须有所不同。

当你展望未来的团队时,我们是会看到一个团队极其精简、人数显著减少的世界,还是说这依然在很大程度上取决于客户类型,像 Sierra 这样服务大型企业的公司仍然需要非常庞大的团队?

Clay: 我认为大方向显然是朝着规模更小、杠杆率(效率)更高的团队发展。我们的软件工程师已经完全实现了 AI 原生 / AI 赋能。他们使用 Claude Code 或是我们内部称为 Pine Cone 的 Agent(我们公司的很多业务运行都依赖它)。据他们估计,在交付新功能方面,他们的生产力提升了 3 到 20 倍。目前,这种生产力的飞跃在软件工程、数据科学和数据分析等领域表现得最为淋漓尽致,但我认为随着时间的推移,它最终会渗透到几乎每一家公司的所有部门。这就是大趋势。

但在像 Sierra 这样服务于大型企业的公司中,情况会有所不同。我们服务的客户包括《财富》50 强中 40% 的企业,其中有 50% 的客户年营收超过 10 亿美元,30% 的客户年营收超过 100 亿美元。这些企业是世界上最复杂、在某些情况下受监管最严格的机构。而要向这些如同雪花般各不相同的企业成功销售并部署我们的产品和解决方案,其过程仍然极度依赖于对客户业务成果和目标的深层理解,依赖于理解他们的技术栈并进行成功集成、建立合作关系以及赢得信任。我们不能只做一个把软件直接扔给客户的软件供应商,而是要成为真正的合作伙伴,帮助他们将这项技术推广应用到前台业务、销售、客户支持和市场营销等所有环节。

Harry: 这就是我的思考方式。你刚才说的内容太多了,我一直在飞快地记录。我必须问一下,你提到了内部 Agent——Pine Cone。你能跟我聊聊它是什么、它是如何构建的以及它能做什么吗?我非常好奇公司在运营方式上正在发生怎样的变化。

Clay: 是的,这是过去六到九个月里我们运营公司最显著的进展之一。我们最开始构建的是我们所说的 MCP 网关。这是一个集成了公司运营所需的所有主要系统和服务的单一 MCP 服务器。因此,你可以将这个网关添加到你的 Claude 实例、你的 Claude Code 实例,当然也包括 Pine Cone 中。基本上,你可以通过其中任何一个 Agent,以你个人在公司中拥有的权限,获取全部的访问权限。你不能阅读别人的机密文件,但你可以阅读你自己的文件和 Slack 消息。这感觉就像是拥有了超能力,对吧?你几乎可以查询公司的所有公开信息,无论是 Slack 消息、演示文稿,还是运营审查报告,并利用这些信息来进行更好的推理、做决策和执行任务。

当然,Pine Cone 不仅整合了 MCP 网关,它还是一个专门为 Sierra 量身定制的系统框架(harness)。甚至 Pine Cone 自己都懂得如何构建 Pine Cone。围绕 Pine Cone 的工程开发有专门的一套框架,这让我们的工程师工作效率极高。同时,我们围绕平台核心、Agent 架构以及用于构建和部署 Agent 的 Agent Studio 也都有完整的系统框架,极大地加速了软件开发。

此外,我们还有一个共享技能库,公司里的任何人都可以构建自己的技能,也可以构建只对自己可见的私有技能。我自己就有一堆技能,其中之一基本上就是我个人专属的"面试材料扫描器"。直到今天,我依然会审核并批准我们的每一次录用。在 Pine Cone 的帮助下,我基本上教会了它我平时会看重什么、需要重点扫描哪些信息并对特定情况进行标注。这成了我快速且深度阅读每一份面试材料的捷径。所以,Pine Cone 已经成为运营公司时一个越来越不可或缺的工具。我还可以继续分享其他一些我们构建的有趣的东西,比如我一直在做的"Sierra Brain"(Sierra 大脑),以及一些其他的项目。

Harry: 什么是 Sierra Brain(Sierra 大脑)?

Clay: 它始于一份 20 到 30 页的文档,用于为任何 Agent 提供背景知识(grounding),包括我们的公司定位、主营业务、组织架构、团队结构、竞争格局、优势与劣势等所有底座信息。在此之上,我还让它能够访问我们近期所有的董事会信函、运营审查报告,以及我们对世界的其他见解和观察。这样,我就可以利用它来推理我们作为一家公司接下来应该做什么。所以,它有点像是一个战略思考伙伴,即便不能说对公司了如指掌,也绝对是知根知底。

顶尖工程师的 10 万美元 Token 预算与未来 CFO 的 OPEX 资本分配

Harry: 我们待会儿会聊到你的董事会信函,因为我听说过这些,而且听说你们每六周就开一次董事会,而不是每个季度,因为世界变化实在太快了。相信我,我对你的底细摸得很透(I stalk the shit out of you)。不过我还是想先继续聊聊内部构建。因为你刚才提到了你们内部拥有的那个 Agent。我跟很多 CEO 聊过,他们都很困惑:我是应该任由开发团队在 Token 额度上肆意消耗,还是应该给他们设定某种形式的预算限制?

Clay: Token 极限输出(Token maxing)。

Harry: 对。你个人的看法是什么?你和布拉德(Brad,即 Sierra 联合创始人 Brad Smith)围坐在火炉旁聊天时,会觉得应该设定上限吗?还是直接鼓励他们放手去干?你们是如何应对的?

Clay: 是的。我认为在过去的六个月里,大量使用 Token 代表着你正在积极使用 AI、全身心地拥抱它,并试图用它来提高生产力。所以这通常是一个积极的信号。我听说并观察到,那些真正深度使用 Claude Code 等工具的顶尖工程师正在花费…… 按照年化运行率(run rate)计算,每年在 Token 上的花费超过 10 万美元。这在工程师的薪资中已经占了相当大的比例。因此,我认为未来的趋势是在每个员工的层面上进行某种程度的 Token 预算管理。对于未来的 CFO 们来说,资本分配(capital allocation)将更倾向于:我们如何分配运营支出(OPEX),而不仅仅是简单的运营支出和员工人数(headcount)。未来的人头预算将不仅包含基本薪水和股权激励(SBC),还将包括与该职位相关联的 Token 预算。你可以拿到这样的包:这是你的薪资,这是你的 Token 预算,随便你怎么用。我们目前还没有达到那个阶段,与那些庞大的数字相比,我们的 Token 使用量还算温和。而且我认为,在现阶段,以最快速度学习的收益,要远大于所谓的资本纪律(capital discipline)。我们更倾向于快速学习、看看什么行得通。

Highlights 高光金句

"那些真正深度使用 Claude Code 等工具的顶尖工程师,按照年化运行率计算,每年在 Token 上的花费超过 10 万美元。" "Top engineers who are really leaning in to Claude Code and so on are spending more than $100,000 on a run rate basis on tokens per year."

▍点拨:这是本期被引用最多的一句话,因为它把"AI 赋能"从口号变成了可入表的数字:Token 支出不再是杂项开支,而是与薪资并列的人头预算科目。克莱紧接着给出的判断更激进——这个比例不会停在 Salesforce 那样的 3.8%,而会收敛到接近 20%。对管理者来说,问题已经从"要不要批 Token 预算"变成了"你的组织有没有把 Token 当作生产要素来配置"。

很有意思的是,软件开发中的瓶颈(rate limiter)会如何转移。就像安迪·格鲁夫(Andy Grove)在《高产出管理》中提到的"早餐工厂"(Breakfast Factory)模型一样,制约因素(constraining factor)到底是什么?过去是写代码,现在可能是代码审查(reviewing code)。很快,我们将要决定什么才值得去构建,并将"可能存在的东西"剪辑、精选为"应该存在的东西"。这一动态过程将会非常有趣。

Harry: 我认为,如果把所有的炒作成分稍微剥离,我们最需要理解的核心问题是:未来开发人员薪资的百分之几会被用于购买 Token?你曾提到马克·贝尼奥夫(Marc Benioff)说过,大型公司中,Salesforce 每年为其开发团队在 Anthropic 的 Token 上花费 3 亿美元。这大约相当于开发人员薪水总额的 3.8%。

如果仅维持在 3.8%,这其实没有 3 亿美元这个标题听起来那么惊人。如果是这样,我们目前投资以及看到的周围许多公司的估值实际上是严重高估的。但如果这个比例上升到 20%,那么这些公司的估值就是被低估了。我之前邀请过 Mercor 的联合创始人布兰登·弗迪(Brandon Foody)来到节目中,他说他在 Token 上的支出已经超过了员工的人力成本。

Clay: 是的,我认为最终收敛的稳定状态(steady state)绝对不会是 3.8%,两者的差距会非常大。

Harry: 你觉得最终会是多少?我不会让你在五年后为这句话负责,但你觉得它会达到 20% 吗?如果是这样,那每年 10 万美元的支出实际上就被正常化(normalized)了。因为想想硅谷的顶尖开发人员,我假设他们的年薪大概在 50 万美元左右。

Clay: 哦,是的,我确实这么认为。额,当然,50 万美元在薪资里算是偏上限了,但确实是这个水平。

Harry: 所以,这(10万 Token 预算)听起来也算正常了。

Clay: 是的。我绝不会赌 3.8%,我敢赌这个比例会非常接近 20%。在软件工程领域,效率的提升对我来说是毋庸置疑的。你可以争论这到底是 2 倍、10 倍还是 20 倍的提升,但即使只是 2 倍,好吧,你也相当于让你的工程团队规模翻了一番,这真的非常了不起。

Inverse 反向思考:10 万美元 Token 预算的经济账与软件开发的产能极限

每年 10 万美元的 Token 预算意味着每个工程师每天要消耗近 300 美元的算力。虽然这在短期内可以通过效率提升 2-20 倍来证明其合理性,但从逆向思维(Inversion)出发,我们需要考量:当代码生成工具将写代码的成本降低到近乎为零时,真正的制约瓶颈(Rate Limiter)将瞬间转移到"代码审查"和"系统架构维护"。如果缺乏极高的软件工程纪律,海量生成的 AI 代码会带来指数级上升的"技术债(Technical Debt)"与系统腐化,后期维护成本和调试成本可能会完全吞噬前期的研发效率红利。

拥抱财富 50 强:产品沉浸感与 Ghostwriter 的套娃式 Agent 构建

Harry: 你提到了《财富》前 50 强公司中有 40 家是你们的客户,你在很多营销材料中也经常使用这个数据。坦率地说,这让我觉得你们非常偏向于一家服务大型企业(enterprise)的公司。在这种高度面向企业客户的情况下,要如何保持真正的产品专注度,并与客户保持紧密的联系?这会很困难吗?

Clay: 我认为你这里暗示的其实是一个伪命题。面向大型企业并不意味着你必须远离客户,在我们的案例中,甚至不需要远离我们客户的客户。我和布雷特·泰勒自己一直在不断地构建智能体(agents)。过去六个月里最有趣的事情之一是,我们发布了 Ghostwriter。这是一个用于构建智能体的智能体,有点像"套娃式智能体"(agents all the way down),非常酷。但我们自己确实一直深耕在产品中。而且布雷特其实仍然是一位极其出色的软件工程师,这太令人惊叹了。现在线上运行的一些代码就是他写的,我可能也贡献了一两行,但与他相比简直微不足道。

当然,我们无法凭一己之力模拟我们许多大型企业客户所特有的复杂的多系统环境。对于这一点,我们必须在脑海中去进行模拟,但我们人确实沉浸在产品中。另外,我经常思考的一件事是,在不久的将来,我们在某种程度上也将成为最大的 B2C 公司之一。虽然我们是通过客户来间接实现的,但我们很快就会服务数以亿计、甚至数十亿次的交互。因此,保持对终端体验的密切关注同样至关重要——语音的流畅度、延迟、体验的品质,所有这些都让我们充满干劲,而且我们也紧密参与其中。所以,无论是从我们客户的角度,还是从他们客户的角度来看,我都不觉得自己远离了产品。

赛道终局:双雄并立的市场与 Sierra 的领跑优势

Harry: 我过去观察这个赛道时,总是觉得它非常棒:庞大的潜在市场规模(TAM)、亟待解决的痛点,以及完美契合的 AI 技术。但当我真正掀开盖子深入观察时,我不禁惊呼:"天哪,竟然有 15 家公司都拿到了 1 亿美元的融资。还有 Salesforce、Atlassian、Zendesk 等所有传统的巨头。"天哪,这个市场的成熟路径究竟是怎样的?请帮我理解在未来 5 到 10 年内,这个赛道会如何演变?

Clay: 是的。首先,显而易见的一点是,身处一个巨大的市场,好处在于它足够大;而挑战同样在于它是一个巨大的市场,其他所有人也都盯上了这里——这其中既有初创公司,也有历史悠久的老牌企业和传统巨头。所以,你提到的竞争激烈这点确实没错。

尤其是在我们当下的时代,5 到 10 年是一段非常漫长的时间。我认为,在初创公司中,客户正在用脚投票。我们的规模是与我们同时期成立、定位相似的竞争对手的数倍,我们的增长速度更快,并且正如我刚才提到的,我们正在与世界上许多最伟大的公司合作。

Harry: 你认为这会是一个类似于 Uber 和 Lyft 的双雄并立市场,还是类似于 AWS、谷歌云(Google Cloud)和微软 Azure 的三足鼎立市场?

Clay: 很难说。但我认为,由于平台深度和广度上的规模效应,以及在特定垂直行业的经验等等会产生极强的复利效应,我的直觉是这会更像是一个类似于 Uber 和 Lyft 的市场。显而易见,我们认为自己处于领跑位置(pole position),有信心成为这两者中规模更大的那一个。这就是我的看法。

重新发现 Palantir 模式:前沿部署工程师 (FDE) 的催化剂威力

Harry: 你刚才提到你们向世界上一些最大的企业进行销售。前几天我节目的一位嘉宾说,在面向大企业销售时,如果没有前沿部署工程师 (Forward Deployed Engineer) 模式是行不通的。既然你现在已经向《财富》前 50 强中的 40 家公司销售了产品,结合你目前所知的一切,你同意这个说法吗?至少在 AI 领域,我倾向于认为……

Clay: 至少在 AI 领域,我们重新发现并借鉴了 Palantir 的这种模式,而且我们几乎是偶然发现它的。在我们创立公司之初,我们做的第一件事就是联系我们信任的人,去了解他们面临的最大未解决痛点是什么。我们发现,客户服务与支持(service and support)是切入更广泛领域的一个绝佳立足点,能够帮助我们在整个生命周期中为客户提供支持。

随后,我们招募了半打(六个)设计合作伙伴(design partners),我们与他们共同开发并为他们打造了我们产品和平台的第一个版本。在公司的历史上,这些都是传奇般的公司:OluKai(非常棒的人字拖品牌,你应该买一双)、SiriusXM、Sonos、Weight Watchers。在构建我们平台的第一个版本时,我们的工程师是深度嵌入(deeply embedded)在这些公司内部的。这种嵌入程度深到,我们的创始工程师米海 (Mihai) 实际上成了 Weight Watchers 的员工,甚至还能收到他们内部绩效考评通知的邮件。

在这个过程中我们意识到,此前从未有人真正部署过 AI 智能体,也从未有人以这种方式将 AI 直接推向终端客户。为了让我们和客户都能以最快的速度开发出最好的产品,我们必须极度贴近业务、了解其运行机制、人员以及商业模式,虽然我不敢说我们比客户更了解他们自己,但已经非常接近了。

我们看到了这种模式的巨大威力。因此,从 2024 年初开始,我们真正开始组建这支前沿部署工程师 (Forward Deployed Engineer) 团队,而客户以极其多样化的方式使用他们。我们的平台具有高度的可扩展性和透明度。你可以清楚地看到一个智能体是如何构建的,还可以导出智能体的定义并完全自己构建。因此,如果你不需要,也完全可以不用前沿部署。然而,我们通常发现,在项目启动阶段,让 Sierra 团队在客户坐在副驾驶导航的同时来"开车"完成第一版的开发,会非常有帮助。正是这种模式,让我们能够让像 Next 这样的服装零售商在短短六周内(从启动到上线)实现电话热线和在线聊天的 AI 智能化部署;或者是让信诺保险 (Cigna)——全球最大的医疗健康公司之一——在 58 天内上线。因此,在缩短产品上市时间(time to market)、快速产生业务影响(time to impact)和价值(time to value),以及确保交付质量方面,我们认为这带来了巨大的差异。

但我不会像你刚才设问的那样,把它看作是一个非黑即白的选择。我确实认为,在没有前沿部署团队的情况下你依然可以进行销售。但是,为了让这项技术以最快的速度产生我们所期望的巨大影响力,毫无疑问,这是一个非常重要的催化剂。

Tips 知识科普:Palantir 的前沿部署工程师 (FDE) 模式

前沿部署工程师(FDE,Forward Deployed Engineer)是大数据软件巨头 Palantir 独创的一种人才与业务模式。不同于传统软件公司的销售或咨询顾问,FDE 是真正的资深软件工程师,他们直接进驻客户(如五角大楼、摩根大通、跨国制造企业)的办公室,在真实的业务场景和混乱的遗留系统(Legacy Systems)中现场开发、调试和定制产品。FDE 兼具"产品经理"与"现场开发工程师"的双重角色。在企业级 AI 时代,由于每个大型企业的技术栈和数据治理情况都像"雪花"般独特,Sierra 重新采纳这一模式,能够确保自主 Agent 真正实现业务落地,而非沦为摆设。

无限的买方拉动:全球化布局与日本市场的"款待"理念

Harry: 我们是不是正处于历史上的一个独特时刻?在这个特殊的节点上,似乎每一个买家都在寻找相关的产品。通常情况下,不可能所有人都在同一时间产生相同的采购需求。但现在,每个 CEO 都会被董事会追问:"我们该如何使用 AI?"是因为在这个特定时刻,存在着前所未有的买家拉动(buyer pull),才让这成为一个如此独特的时期吗?

Clay: 是的。我认为在两个领域实际上存在着无限的需求(unbounded demand)。第一是我们讨论过的编程智能体(coding agents);第二就是我们作为品类领导者(category leader)所处的这一空间。我们之所以能以如此惊人的速度增长,原因之一就是为了迎合这个时机并满足这种需求。我们现在在欧洲已经有 100 名员工。最近我们还在日本收购了一家名为 Opera Technologies 的公司,正如你我刚才聊到的,这能让我们在日本迅速开展业务,并拥有一支能够适应日本文化细微差别的团队。比如日本的"款待"(omotenashi)理念——即极致的款待与热情周到,这是日本服务行业的标配,也是我们打算在那里构建的体验。

跨越客户支持:从 Rocket Mortgage 看全生命周期的呼入呼出销售机器

Harry: 我能问一下吗?你们显然是以客户支持(customer support)和客户服务(customer service)作为切入点(beachhead)。但为了规模化成长为你们期望的那种公司,我猜你们必须跳出客户支持,进入完整的生命周期管理(complete life cycle management)。未来的 Sierra 会是一个销售平台(sales platform)吗?它会是一个转化平台(conversion platform)还是营销平台(marketing platform)?它到底会是什么?

Clay: 我认为 Rocket Mortgage 实际上非常好地指明了我们正在迈进的方向。试想一下一个 Rocket Mortgage 客户的生命周期:它始于搜寻和发现他们可能想要购买的房子。我们与 Redfin 合作重新设计了他们的搜索体验。我们帮助 Rocket Mortgage 主动触达那些对重新贷款(refinance)表现出兴趣的潜在客户,并且…… 通过这种方式建立联系。我们与他们合作开发了 Rocket Assist(Rocket 助手),以帮助吸引用户、协助他们确定贷款方案和额度、收集所需的所有信息等等。但这其实不属于客户服务和支持的范畴,对吧?当然我们也会做那些,比如贷款维护之类的。所以,我认为这是一个非常好的例子,展示了未来的发展方向。

Harry: 这相当于一个呼入式销售机器。

Clay: 包括呼入和呼出。

Harry: 包括呼入和呼出。

Clay: 没错。而且不仅仅是 Rocket 这一家客户。接下来,我们与他们合作开发了个性化产品推荐。如何帮助用户搭配一套衣服,或者买更多他们会喜欢的东西?同样,这更多是销售,而不是支持。所以……

Harry: 这听起来、感觉起来有点像针对财富50强或财富500强企业的 Palantir,但更加消费化(consumerized)——你们为这些产品量身定制这些令人惊叹的解决方案以满足他们的需求。我这样评价是否有些偏颇?

Clay: 首先,Palantir 是一家了不起的公司,我们在"前线部署"(forward-deployed)模式的要素上,从他们身上汲取了很多灵感,或者说模仿了他们。据我所知,Palantir 的客户数量大概在几百个左右。而我们现在以及未来的目标是达到大得多的规模。我认为,这种规模的实现特别要归功于在特定垂直行业中建立起真正的行业领域专长。当然,我们第一、第二和第三家客户的部署在定义上是独一无二的。但我认为,我们已经在零售行业中积累了关于如何帮助用户凑齐一购物车商品(build a basket)的经验。在其他一些行业中,我们也学会了如何最好地处理关于医疗保险理赔状态的查询,或者关于支票账户费用的问题。因此,我认为我们将在特定行业中积累越来越深刻的经验,并能够以更加规模化的方式来应用这些经验。

Harry: 你们会开发那些无法在所有客户群中通用的产品吗?比如,如果某个客户需要特定的购物车挽回(cart abandonment)产品功能,你们是会为他们开发,还是会以"这不适用于平台"为由拒绝?

Clay: 我们在创立这家公司时采用的方法之一,这有点像回到我们刚开始讨论的话题。你可以开发一个平台,然后寄希望于人们主动过来在上面开发应用;或者,你也可以通过开发应用来反哺平台,从而让开发第三、第四和第五个应用变得容易得多。因此,只要有可能,我们就会寻找能够强化我们平台的机会。相比起纯粹的一次性定制,具有通用性的功能要好得多。话虽如此,如果我们正在与一家财富50强、20强、10强或5强的公司合作,而该公司的某些需求确实是独一无二的,那我们当然会为他们开发。绝对会。

而且,现在开发这种定制功能之所以变得可行,一个很妙的原因在于编程智能体(coding agents)的出现,以及你可以推进的速度。这里有一个真正的突破——你可以在一个已经很深厚的平台之上构建解决方案,并以可能仅适用于单一客户的方式进行扩展。不过,我的直觉是,如果你为某个客户开发了某个功能,其他人很可能也会遇到同样的问题,因此纯粹的个例其实比想象中要少得多。

Harry: 我非常同意这一点,也很理解。我想探讨一下你管理公司的方式。在我之前的许多对话中,这都是一个非常重要的核心话题。如果从董事会会议开始谈起,正如我所说,我与许多投资者交流过,你们是每六周开一次董事会,而不是每季度一次。你能跟我分享一下,在如何真正充分发挥董事会的作用以及主持最高效的董事会会议方面,你最大的收获是什么吗?

Clay: 我们主要做了几件事。你提到了六周一次的节奏。我们实行的是一种"Tick-Tock"(交替)的节奏,一次三小时的会议,下一次则是一到一个半小时的会议。从公司创立伊始,我们就是这么做的,因为我们很清楚,如果按 AI 的时间维度来看,事情的发展要快得多。一切都在发生变化。比如最近我们刚休完冬假回来,突然之间,编程智能体(coding agents)就变得非常强大了。我们迎来了 Claude 4.5 和 Codex 5.2。这些模型的能力发生了根本性的跃升,这改变了我们开发软件的方式,也改变了我们对待核心产品的方式。因此,建立一个能让你及时吸收哪怕只是过去六周的新信息、更新你的先验认知并调整方向的节奏,我认为是非常重要的。

至于如何主持董事会会议本身,我们不用董事会幻灯片(board decks),而是用董事会备忘录(board memos)。布雷特·泰勒 (Bret Taylor) 和我通常会写一份 6 到 10 页的备忘录。俗话说,"写作就是纸上的思考"。我认为在写作面前是很难逃避真实思考的。所以,把我们的想法清晰地写在纸上,提前发给董事会成员,让他们有足够的预热和思考时间(soak time)来审视这些问题并做好准备,而不是被动地听取汇报和被管理,这是非常关键的一部分。

此外,董事会报告本身的内容也很值得注意。我们在进入市场的头八个季度里表现相当不错,但董事会报告的通常格式是:虽然我们再次大幅超出了预测,一切进展顺利,拿下了这些客户,但这里有七个我们认为可以做得更好的地方——我们在哪些方面还不满意、在哪些方面可以推进得更快、需要在哪些领域招聘等等。董事会会议就会基于这些内容自然地展开。只要搭好了框架,找对了人,摆出了我们面临的核心大问题,然后真诚地邀请董事会成员向我们提出挑战,来改善和磨炼我们的思路。这就是其中的一些秘诀。

Harry: 我听说你们还会把所有做得很糟糕的事情也写下来。

Clay: 是的。

Harry: 在你们写下的那些做得很糟糕的事情中,哪一次让你印象最深刻?

Clay: 早期的一个例子是,我们明明已经看到了需求爆发的非常明确的信号,但我们招聘的速度就是不够快,无法满足这种需求。当时的情况是,我们本可以接收这批额外的客户,而且数据就在我们眼前——我们完全看得到——但我们没有足够果断地去组建招聘团队以加快扩张步伐。这发生在 2024 年初,也就是公司成立的早期阶段。当然,我们后来纠正了这个问题,但那是让我们印象深刻的一件事。

Harry: 我们接下来谈谈招聘。你提到了围坐在会议桌旁的那些人。你知道,人们常说这是一支梦之队,但你们确实是——布雷特·泰勒 (Bret Taylor) 和你,这简直就是最顶尖的运营者梦之队。你们几乎可以以任何估值选择任何投资者,这真的很罕见。既然投资者为了能够投进来愿意支付任何价格,你和布雷特·泰勒 (Bret Taylor) 会如何坐下来讨论新一轮融资的定价?

显而易见,你希望价格高一些,但也不能太高。你们具体是怎么思考这个问题的?是像"好吧,以明年目标的三年后预期为基准"吗?具体的定价思路是怎样的?

Clay: 其实答案是,这通常是主动找上门来的(inbound)。说实话,我们并不从估值的角度去思考它。我们考虑的是:我们需要募集多少资金,才能在收入、公司规模等方面毫无疑问地达到下一个更高的里程碑?因此,我们将其视为"里程碑对里程碑"的融资。此外,我们对股份稀释很敏感,但并没有达到极致的程度。那么,该如何去平衡这些因素呢?我认为在我们过去的每一轮融资中,我们实际上所引导并最终接受的价格,都低于我们本可以拿到的最高价格。

价值观:工匠精神、紧迫感与兼顾家庭的创业平衡艺术

Harry: 我再次与他们交流时,他们提到了公司的价值观:匠人精神(craftsmanship)、强度(intensity)和家庭(family),此外还有信任和客户至上。匠人精神、强度和家庭,这三个词通常不会一起出现在企业价值观中。你能跟我聊聊为什么这三者如此重要吗?

Clay: 我先从匠人精神(craftsmanship)说起。布雷特·泰勒 (Bret Taylor) 和我,由于我们的性格使然,都非常在意把事情做好。既然要做,就要做到极致优秀(excellence)。

我认为,以追求卓越的态度做事,其意义远超仅仅去"死磕细节"。这体现在两个方面:第一,什么是一家伟大的公司?一家伟大的公司就是成千上万件本身就很伟大的事情的聚合。优秀的员工、精心设计的流程、出色的产品、伟大的文化。那么,如何打造一家卓越的公司?答案是将每一件事都做到卓越。因此,用"如果一件事值得做,就值得做好"的标准来要求自己,是其中的一部分,因为这最终会凝聚成一家伟大的公司。第二,想想我们的客户托付给我们的到底是什么——这又回到了"信任"的价值观,但我可以把它与"匠人精神"联系起来。他们托付给我们的是他们最宝贵的资产:他们的客户。

当其他公司考虑与我们合作时,他们如何判断我们会在他们的客户面前表现如何?很大程度上取决于我们如何对待他们自己。因此,我们必须在对待和与客户互动的方式上死磕细节——展现专业水准、关注细节,在发生关键问题时放下手头的一切去全力以赴。我可以给你举个例子:在我们与一批零售商度过的第一个"黑色星期五和网络星期一"期间,我们的一位首席工程师、我们的运营负责人,还有我或布雷特·泰勒 (Bret Taylor),在实时地亲自阅读我们的智能体与用户进行的每一场对话。因为我们想确保我们对客户负责。这就是匠人精神,它凝聚成了一家伟大的公司,同时对于帮助客户理解我们会如何呵护他们的客户而言,具有极其深远的意义。

Highlights 高光金句

"一家伟大的公司,就是成千上万件本身就很伟大的事情的聚合。" "A great company is an aggregation of thousands and thousands of things that are themselves great."

▍点拨:这句话解释了 Sierra 价值观里那个最不"硅谷"的词——匠人精神——究竟如何落地:伟大不是某个关键决策的产物,而是把每一件小事做到卓越的复利结果。克莱把它与客户信任直接挂钩:企业把最宝贵的资产(他们的客户)托付给你,他们判断你会如何对待其客户的方式,就是观察你如何对待他们自己。黑五期间创始团队亲自逐条阅读智能体对话,就是这种聚合观的具体形态。

Harry: 还有"强度"(intensity)和"家庭"(family)呢?你能详细展开讲讲吗?这两个词我同样不太常听到。

Clay: 关于"强度"(intensity)。我认为这又回到了庞大市场所带来的机遇与挑战。庞大的市场意味着其他人也在其中竞争。我认为,未来公司通过极其智能的代理(agents)与客户进行交互,这是一种必然趋势。这些代理能够掌握公司所知的一切,代表公司为客户解决问题并把事情办好,处理复杂的任务,而不是仅仅把客户指引到某个网页去。也就是说,"对话即界面"(conversation is the interface)的时代必然会到来。

既然这是一种必然,那么为了取胜、为了成为这个领域最顶尖的公司,一切都取决于速度、取决于输赢、取决于开发出最好的产品,取决于保持竞争力和强度,并清醒地意识到我们没有耐心等待的奢侈。没有任何事情是命中注定的,没有任何特定的公司被保证一定会成功…… 并且在第 500 次投入时,也必须像第一次那样全神贯注——你必须做到这一点。所以,我经常谈到我们招聘的人才韦恩图(Venn diagram)。我们寻找的是:聪明(smart)、友善(nice)和有紧迫感(intense)。其实,要把这三种品质集于一人之身是很难的。但当你真的找到了这样的人,感觉会非常棒,你在办公室里就能感受到这种氛围。而把这种"紧迫感"(intensity)转化为行动的另一种方式,就是精益求精(doing things with excellence)。快速推进工作也与工匠精神(craftsmanship)紧密相关。

Harry: 有什么是你可以做或者可以引入到组织中,来提高或维持这种紧迫感的吗?无论是通过设定时间节点,还是通过奖励和激励机制。随着组织规模的扩大,你如何保持这种高强度和紧迫感?

Clay: 我觉得首先要从创始人做起。比如布雷特和我都是非常拼、非常有紧迫感的人,所以我们必须成为配速员(pace setters),对吧?我们必须成为展现这种紧迫感的榜样,这也体现在我们管理公司的方式上。我和他都会深入细节,并不断问自己:这够好了吗?如何才能做得更好?怎样才能推进得更快?为什么不能明天就做好,非要等到下周?所以,我认为这首先要从创始人自身开始。

创始人模式的实践:主修与辅修的阴阳调和机制

Harry: 你怎么决定自己该参与哪些事情,不该参与哪些事情?我们最近看到"创始人模式"(founder mode)重新流行起来,即创始人亲自抓细枝末节。

Clay: 是的。

Harry: 但这在所有事情上既不现实,也不完全正确。你如何决定在哪些地方切入?

Clay: 你必须懂得筛选和修正(edit it),必须具备判断力。我认为你得看什么事情在没有我们其中一人或两人直接施加外力的情况下,就无法推进或者无法快速推进。你知道,如果是在一件无关紧要的事情上,深入到第 17 层细节去实行所谓的"创始人模式"是毫无意义的。但如果涉及到我们下一代的 Agent(智能体)架构,且我们确实能有所贡献,那这就非常重要。因此,我们尽量筛选在这一层面参与的工作,但这绝不意味着做"甩手掌柜"(hands-off management)。所以,我认为这首先要从创始人做起。

另外,我认为宏伟的目标往往能自我实现(self-fulfilling)。无论是关于产品质量还是收入目标,当你设定一个目标时,你就要去思考:为了实现这一目标,哪些条件必须成立?我们可以先放下怀疑(suspend disbelief),设想一下:要在这么短的时间内取得这么大的进展,必须满足哪些条件?为什么我们不能这样做?为什么?好吧,我们为什么不该这样做?

日本就是一个有趣的例子。比如,为什么我们不能在今年而不是明年就在日本建立庞大的业务?要实现这一点,需要满足什么条件?哦,我们需要有大约 10 个人在当地。那我就会想,我们为什么不在那里买下一家公司呢?你看,这些想法就是这样串联起来的。

所以,宏伟的目标也可以表现为截止日期。当然,日期驱动的开发(date-driven development)有时确实有效。但我也认为,工作就像气体一样,往往会膨胀并填满你给它的所有可用空间。因此,设定截止日期也是有危险的,你会觉得"我们还有这么长时间",但实际上根本不需要花那么久。

Harry: 这与你的第三点紧密相关,即工作会膨胀并填满你给它的空间。确实是这样。我为我的工作奉献了全部,而且我很热爱这一点。你们的第三个价值观是家庭,我对这个价值观非常感兴趣。

Clay: 我们所有的价值观都直接源自布雷特和我。其实,我们做过的最佳决策之一,就是在大约只有五六名员工时,花了大半天时间做的一件事。我和布雷特有一个我们称之为"分头思考,合流探讨"(think apart, think together)的方法。我们会先确定一个主题,然后各自独立思考,目的就是为了避免群体思维(groupthink)的互相干扰,从而得到我们各自独立思考的最佳成果。我们针对价值观进行了一次"分头思考,合流探讨"。我们各自花了一个小时写下自己的看法,然后回来对照。首先,让我们吃惊的是,我们写的内容有极高的重合度。不过回想起来,这也没什么好惊讶的,毕竟我们一直渴望一起共事,而且本来就是朋友,我们在许多价值观上都极度相似,可以说所有的核心价值观都高度一致。

关于"家庭"这一价值观:我有四个年幼的孩子,布雷特有三个。我娶了我的高中初恋。我认为对我们俩来说,唯一比 Sierra 更重要的就是我们的家庭。我们坚信,你既可以是快速成长组织的一员,可以对工作保持极高的紧迫感,可以在需要时开启"加力燃烧室"(afterburners,喻指全力冲刺),但同时也能兼顾家庭。这并不单指照料孩子,它还包括去机场接远道而来的父母,去参加朋友长达一个周末的生日聚会,或者出席家长会等等。我认为在硅谷的创业公司里,常常充斥着一种表演式的加班(performative grind)文化。并不是说我们不相信努力工作——天呐,我们当然相信,正如我前面提到的"紧迫感"。但更重要的是聪明地工作,并找到某种平衡,让你有空间去关照那些对你整个人生(而不仅仅是工作)至关重要的事情,这就是"家庭"对我们的延伸意义。

Harry: 不过,当你有了家庭,而且有四个孩子的时候,你真的还能像以前那样拼命工作吗?我是说,克莱,四个孩子真的非常多。

Clay: 我发现自己依然工作了很长时间。当然,如果你能凭空变出每周 15 个小时不用陪孩子的时间给我,我可能也会拿来做点什么。但我发现,我现在的专注度和效率极高,因此,天呐,我确实把每一小时的价值都榨取到了极致。其中一个例子是,我每天在往返办公室的 101 号公路上花了很多时间。我们非常倡导面对面(in-person)办公,在疫情刚结束时,对面对面办公持如此鲜明的态度其实还挺新鲜的。所以,我每天要在路上花一个半小时,有时甚至两个小时。现在我车里有一套非常复杂的网络配置,结合了两套蜂窝移动网络和一台 Starlink Mini,这样我每天在往返市区的路上,都能拥有完美且不间断的网络连接。

Harry: 你真的很高效,把每一小时的价值都发挥到了极致。为什么你对面对面办公有如此强烈的坚持?

Clay: 特别是对于一家年轻的公司,我认为要在远程办公的情况下建立起企业文化、共同的行为准则和同事间的战友情,即使不能说是完全不可能,也是非常具有挑战性的。正如我们所讨论的很多内容,开发企业软件是一项团队运动。成为一个优秀团队的一员感觉棒极了,但如果你们团队之间的连接仅仅是像《布雷迪家庭》(The Brady Bunch)式的一格格 Zoom 视频窗口,那种感觉是完全不同的。

因此,我们建立有一些只有在大家面对面工作时才能发展出来的仪式感。同时,对于年轻员工来说,面对面办公能提供极佳的学徒制和导师指导。我自己职业生涯初期学到的很多东西,都得益于那些经验丰富的资深人士对我的悉心指导,或者允许我直接坐在他们身旁,看着他们一步步操作。我认为"薪火相传"(paying it forward)的要素非常关键,而面对面办公在这其中起到了不可替代的作用。

我很喜欢著名计算机科学家理查德·汉明(Richard Hamming)的一次演讲,题目是《你和你的研究》(You and Your Research)。对于任何刚毕业的学生来说,这可能是按字数计算最值得阅读的佳作。演讲里有很多有趣的观点,但核心论点之一是:寻找优秀的人,与他们共事并向他们学习。这听起来显而易见,但却蕴含着深刻的真理。作为人类,我们是如何学习的?我们观察别人的做法,然后进行模仿。所以,找到优秀的人并学习模仿他们,这就是你积累技能与能力的方式。

汉明在演讲中提到的另一个论点是:知识和努力工作就像复利。我们都知道,由于复利的奇迹,你存钱越早,未来的回报就越惊人,对吧?它能彻底改变你的人生轨迹。因此,我认为任何年轻人都应该极度专注于尽早学到尽可能多的知识,将这些经验和能力转化为自己的核心资产,因为这真的会彻底改变你的人生轨迹。

Tips 知识科普:理查德·汉明与《你和你的研究》

理查德·汉明(Richard Hamming)是贝尔实验室传奇数学家、图灵奖得主,以纠错编码领域的"汉明码"闻名。他 1986 年在贝尔实验室的演讲《你和你的研究》(You and Your Research)是科研与工程圈被引用最多的职业方法论之一,核心追问是:"你正在做你所在领域最重要的研究吗?如果不是,为什么?"汉明的答案是:伟大成果来自刻意选择重要问题、敞开门工作的开放协作,以及知识与努力的长期复利——这正是克莱引用的两个论点的出处。这篇演讲全文公开可读,篇幅不到一万字。

Harry: 你想听两件好笑的事吗?第一,我们以前每周做五期节目。刚开始创业的时候,我真的比任何人都更拼命。

Clay: 那可真是非常高产了,哈里。

寄语下一代:AI 原生时代的青年机遇与工程招聘革新

Harry: 是的,那是 11 年前的事了,但当时确实是每周五期。第二,前三年里,我每期节目的听众连一千人都不到,而且这三年里我没赚到过一分钱。这从来不是为了金钱或名气,我唯一关心的,其实是把做节目当成一种向你们这样的人学习的方式。尤其是当我在 18 岁的时候,想要结识那些了不起的人是非常困难的。因此,我完全同意你刚才说的两点。现在有许多年轻人——你自己也有孩子,能想象他们走出大学校园时的样子——他们对世界的未来感到迷茫,不知道该做什么。结合你所知道的一切,你会给 Sam(译者注:指克莱的孩子)什么建议?

Clay: 显而易见的时代海啸是 AI,那么,它对就业意味着什么?可以理解的是,大家对此有很多担忧,比如初级岗位会怎么样、学徒制该如何进行等等。但我认为,刚毕业的年轻人拥有的独特优势(unfair advantage)在于,你们刚刚度过了四年几乎拥有无限自由时间的生活。你当然需要去上课、通过考试,但你对自己时间的支配和可支配小时数有着极大的控制权。

当你走出大学校门时,如果你已经精通这些 AI 工具,天呐,我可以给你推荐一千家非常渴望吸引你加入的公司,希望你把所学的知识融入到他们的日常工作流中。在我的记忆中,还从未有过这样一个时代:一个没有任何工作经验的年轻人,仅仅凭借正确的思维方式和熟练使用这些 AI 工具的经验,就能获得如此高的重视。我们公司里一些最出色的员工其实只有 22 或 23 岁,他们是完全被 AI 彻底重塑的"AI 原生代"(completely AI-pilled),他们对这些工具的舒适度和运用自如程度,是许多经验丰富的老员工都无法企及的。

Harry: 在这个被 AI 彻底重塑的世界中,为了筛选出能胜任的候选人画像,你们的招聘方式发生变化了吗?

Clay: 是的,我们彻底改变了我们的工程面试流程。现在,它更像是这样:我们会给候选人一个提示(prompt):"构思一个你想构建的应用程序。好的,这里有 150 美元的额度供你自主选择编程智能体(coding agent)。你可以使用任何你想要的配置,完全自主决定使用什么工具。带上你自己的笔记本电脑,带上你自己的开发工具。我们会为你支付 Token 的费用,然后你把它构建出来,并向我们展示你的构建思路和过程。"

所以至少在工程岗位上,这是一种完全 AI 原生的面试形式。当然,我们依然会测试架构能力、系统设计、产品思维以及文化契合度——即聪明(smart)、友善(nice)、紧迫感(intense),以及候选人在多大程度上践行了我们的价值观。这发生了非常显著的变化,如果接下来的... 在接下来的不到两个月时间里,如果我们的每一场面试里还没有融入某种强烈的AI原生要素,我就会感到很失望。

Harry: 你提到了系统架构。鉴于目前由AI生成的代码大量泛滥,而这些代码本身可能并不够安全,你是否认为我们正迎来网络安全行业的黄金时代?

Clay: 从重要性的角度来看吗?对我来说,这显然是前所未有的重要,因为目前的攻击能力刚刚提升了五个量级。因此,网络安全看起来是一个非常不错的投资方向。

现在的问题是,这些进攻性工具是否会转化为防御性工具。例如,如果像 Mythos 和 Codex 5.5 Cyber 这样的AI模型本身就是解决方案,而不是某种更窄聚焦的网络安全产品。不过,这并不是我的专业领域。

Harry: 你和布雷特最近一次意见分歧是什么时候?

Clay: 几个星期前,我们当时正在努力弄清楚如何让某个业务领域的发展速度大大加快。这很有意思,我们基本上总能达成共识。我们都是高度追求真理的人。我们有一个有趣的表达,比如"这是正确的"。这从客观探寻真理的角度来看意味着什么?这意味着这是做这件事的正确方式。所以我们试图找出:到底什么是正确的解决方案。

当时我站在一边,认为我们需要在这个事情周围建立更好的流程与结构。而布雷特则站在人这一边,认为也许我们需要不同的领导层。

像大多数事情一样,答案最终证明是两者兼而有之。但我们刚开始时各执己见,我说"不能光靠这个来解决",他说"不只是人的问题"。我们顺着这些线索去探讨,这倒不是像"分开思考再一起讨论"那样,更多的是在相互质询,目的仍然是为某件事找到最正确、最好的解决方法。

Harry: 有什么事情是布雷特一开口,你就会觉得"没错,他在这方面绝对是大神"?又有什么事情是你一开口,布雷特会觉得"嗯,克莱才是这方面的专家"?

Clay: 比起把公司拆分开来管理,我们更倾向于为公司的每个板块划分"主修"和"辅修"。

所以,布雷特的主修绝对是销售和工程。他非常擅长销售软件,而且现在依然是一位极其出色的软件工程师。我们俩都会在产品上投入大量时间。而我的主修则是类似于公司的日常运营,包括运营、财务、法务等等。

不过,我也会打很多初次销售电话,而他也会参与理解我们最重要的合同。对于那些对公司运营有重大影响的决策,我们就像拥有两把需要同时转动的核钥匙一样,共同做决定。

布雷特曾在 Salesforce 工作过,真的向最优秀的人学习过。比如马克非常卓越,所以布雷特是我见过的最优秀的销售人员。

Harry: 不可思议。史上最佳,史上最佳。真令人难以置信。

Clay: "马克,最近天气怎么样?我跟你提过 Agentforce 吗?"

不过调侃归调侃,这绝对是出于由衷的敬意。所以在销售直觉方面,只要他一说,我就会觉得:"没错,有道理。"此外,布雷特在系统设计和架构方面的直觉也是首屈一指的,在这方面我信任他的判断甚至超过信任我自己的。而在人员管理以及公司的组建和日常运营方面,他的态度基本上是"只要克莱说了,我就照办"。这大概就是我们之间粗略的阴阳调和、主修辅修的划分。

快速问答:与顶级领袖共事的智慧与自我进化

Harry: 兄弟,如果可以的话,我想进入快速问答环节。

Clay: 好啊,来吧。

Harry: 好的。在与桑达尔共事期间,你学到的最大一课是什么?

Clay: 桑达尔有一种非凡的能力,能够从截然不同的宏微观视角来审视一个问题。他的思维跨度是绝无仅有的——既能完全拉远,思考最高层面的战略,探讨这在未来五年将如何演变;又能完全拉近到最微观的细节,比如像素、投影、声音以及某个产品的质感。

我也一直在努力效仿这一点。说到让自己身边围绕着优秀的人,或者有幸为某人工作,我观察到的是这样一位领导者:他不仅对产品、工作以及打造伟大的事物有着超乎寻常的专注,同时也是一个极其美好的人,深切关怀着他身边的人和人性。

Harry: 关于谷歌,有什么是鲜为人知但你认为每个人都应该知道的?

Clay: 人们低估谷歌的地方在于,当你把一个宏伟且持久的使命、极其聪明的人才,以及一个重视真理和为使命服务而进行建设的文化结合在一起时,那家公司几乎可以解决任何问题。

人们有时会批评谷歌推行"百花齐放"的模式。但如果你有聪明、心怀善意的人去悉心照料每一个花坛,并且引导得当,这就会成为发明、发现和创造新事物的强大力量。

Harry: 有人让我问问你的书单。我听说你读了非常多的书。这是一个有点俗套的问题,请原谅我。但在我们结束这次对话时,有什么书是我必读的吗?

Clay: 哦,让我想想。大卫·麦卡洛写的《莱特兄弟》,这本书太棒了。它对人类第一架比空气重的飞机的发明历史进行了非常紧凑的叙述。在我看来,它对创业和发明的刻画,比任何其他著作都更加精准。如果没有之前的一系列技术发明网络,这架飞机是不可能诞生的。其中最关键的,就是轻量化的内燃机。

接着就是不断尝试、失败,再尝试、再失败。书中描绘了他们困在北卡罗来纳州被蚊子咬得体无完肤的场景。这就是那种艰辛,以及最终制造出能够飞上天空的机器时的那种胜利。

额,我以前在节目里从来没有提过这个,但你看过一部叫《飞行器里的好小伙》的绝妙电影吗?

Harry: 没有。

Clay: 那我回头把它发给你。

Harry: 好啊,我很期待。

Clay: 它是关于人类追求飞行的故事。

Harry: 噢,太棒了。

Clay: 非常精彩,是20世纪40或50年代的。

Harry: 太好了,我很期待看这一部。

好的。作为四个孩子的父亲,同时还要运营一家令人难以置信的企业,作为创始人,你最大的建议是什么?

Clay: 首先,养育孩子是生命中最好的礼物,这是一种极大的荣幸。我想分享几点建议。

首先,当你抱起儿子或女儿的那一刻起,你就会彻底改变,成为一个完全不同的人。在我看来,除了自己出生之外,迎来第一个孩子是一个人在一生中经历的变化最快、最大的事情。

其次,一定要抽出时间吃家庭晚餐。比如在很多个星期天的早上,我和其中两个儿子会有"创客早晨",我们会抽出特别的一两个小时,在家里一起动手做点东西。所以在创造时间和空间上,需要有一些仪式感和纪律性。我认为生活中任何重要的事情都是明确目标与良好习惯的产物。因此,如果你在想成为什么样的父母方面有明确的目标,并且有能够帮助你朝这个目标努力的习惯,我认为这就是一个非常重要的因素。

另一个建议是,把孩子的兴趣变成你自己的兴趣。比如我很不擅长打篮球,但我大儿子是个不可思议的篮球手。我为他感到无比骄傲。我去现场看他打球,他做出的动作让我觉得:"天啊,我永远也做不出那样的动作。"不仅是现在做不出,我这一辈子都做不出来。所以,我会去关注季后赛,去学习这项运动的规则,了解那些顶尖球员,甚至去研究教练的战术,以便我能够比以前更充分地享受并支持他的这个兴趣。

所以,我认为对于我们的四个孩子,最重要的是去观察什么能激发他们的神经突触,让他们为什么而兴奋,然后把这些兴趣变成我自己的兴趣。

Harry: 你觉得这对伴侣来说也一样吗?在一段伴侣关系或婚姻中,你们需要有相同的兴趣吗,还是有不同的兴趣比较好?

Clay: 我提到过我是和高中恋人结婚的,我们在一起已经快30年了。嗯,是的,我也没那么老。

我认为一段美好的婚姻是一场伙伴关系。而伙伴关系意味着你们在一起奋斗,共同致力于实现一些共同的目标。关于你提到的兴趣,我认为在伙伴关系所追求的事业上拥有共同的志向是极其重要的——比如培养快乐的孩子,让他们成长为能够享受生活并对周围的人做出有意义贡献的成年人;在家庭中建立一套符合你们共同理念的价值观。

然后,我认为作为伙伴关系的一部分,还要确保对方能够茁壮成长并充分实现自我。在这个过程中,具体的个人兴趣可能会有所不同,但你们可以拥有一个共同的兴趣,那就是支持彼此成为最好的自己。

Harry: 最后一个问题,不过我真的很喜欢这个问题。别人为你做过的最温暖的事是什么?

Clay: 我对我的父母充满了感激。很抱歉,这可能是一个非常中规中矩的回答。我的父亲是一名职业心脏病医生,我母亲是一位非常有才华的拼布手艺人。他们两人都不从事工程或技术工作。

但是他们看到,当我拿到我的第一台电脑时,我的整个人都亮了。尽管他们并不真正了解电脑是干什么用的——我母亲在80年代对电脑还算熟悉,但当时完全不清楚这个领域未来会走向何方,他们只看到我深深沉迷于其中。

他们全力支持了我的这一兴趣。我记得有一次,我和父母一起去买一台早期的 Power Mac,我父亲一直在追问:"如果我们在里面加更多的内存,你能做更多的事情吗?"我当时想:"额,我觉得多加点内存应该会更好。"那时我甚至怀疑这是不是真的生活?

另外,我母亲每年都会找一天帮我向学校请假,带我去肯氏煎饼屋(Ken's House of Pancakes)吃早餐。她会为我编造一个类似看医生的借口,然后我们就去参加 Macworld 大会。我可以在那里呆上一整天,那对我来说简直就是天堂。

因此,我对他们充满了感激,感谢他们能看到我的兴趣,看到我如何为这个他们完全不熟悉的东西而兴奋,并进一步推动与支持我。当然,这直接铺就了我此后的道路,从在谷歌度过精彩的18年,到联合创立了 Sierra 并走到今天。

Harry: 他们一定为你感到非常骄傲。

Clay: 我想他们是这样的。我真的认为他们是。嗯,我知道他们很骄傲。

Harry: 在这次节目中,最打动我的一点——我不是为了恭维你——就是你真的是一个非常善良真诚的人。你知道,我采访过很多人,他们都很聪明,智商极高。你显然也是如此,但你身上散发出的那种纯粹的善良与真诚,是真的非常切实可感的。我真的非常感谢你抽空做这期节目,你是一位棒极了的嘉宾。

Clay: 非常感谢你,哈里。我很感激。

Takeaway 行动指南:企业级 AI 落地的三条核心铁律
  1. 应用即编排,远离底层泥潭:不要试图在不需要的环节重复造轮子。对绝大多数 AI 创业者而言,高资本效率的编排层、微调层和贴近客户痛点的集成层,才是构筑现金流和客户粘性的护城河——把预训练的巨额资本开支留给实验室和巨头。
  2. 把 Token 当生产要素来配置:CFO 和团队管理者应当提前规划员工的 Token 预算。未来的知识工作者不再单凭人力产出,而是作为"人 + Agent"的复合体,其核心杠杆率取决于消耗 Token 的能力和意愿——这个比例不会停在 3.8%,而会逼近 20%。
  3. 以工匠精神死磕终端可信度:企业服务是一项"团队运动",企业客户托付的是他们最宝贵的客户资产。用"前沿部署工程师"式的深度陪伴确保系统的高可信度与快速上线(58 天交付信诺保险),才能把技术变成巨头客户真正签下的信任。