未經許可不得轉載，務必保留原文出處鏈接和公眾號按鈕

關注本城公眾號并設星標，不錯過最新精彩內容

文：Web3天空之城·城主

最近AI智能體/代理（AI Agent）的話題方興未艾。前幾天，著名孵化器YCombinator的圓桌節目關于這個話題有個很不錯的討論，題目正是：垂直AI智能體的規?？赡苁荢aaS的十倍。

相比于英文原文AI Agent，中文翻譯的AI代理/AI智能體，前者么，稍顯平淡，后者又有點過于科幻。拋開概念炒作不談，AI 智能體可以理解為一種能夠感知環境、與人類互動，做出決策并采取行動以實現特定目標的AI自動化系統。

AI智能體的迅猛發展以及對人類工作效率的幫助是實實在在的，和近期國內一些科技圈外的“AI浪潮已經降溫”奇怪言論相反，在垂直領域里，各種AI智能體產品的發展正如火如荼。比如最近特別火的AI智能編程平臺Cursor和windsurf雙雄，本質上就可以看作是編程領域的AI智能體（雛形？）。它們和傳統編程軟件的區別，使用過的同學都知道，那是石器時代和蒸汽時代的區別。

YC的這個圓桌討論都是第一線的AI合伙人，名聲不一定很著，但討論的內容特別接地氣。推薦給大家。首先重點內容文字和視頻，有興趣的同學可以看后附的全文以及完整視頻。

垂直 AI 智能體的市場規模潛力和與 SaaS 的類比

垂直 AI 智能體的市場規模潛力巨大，YC認為其規模甚至可能十倍于 SaaS 市場。 AI 智能體不僅可以替代現有的 SaaS 軟件，還能進一步取代大量人工操作，從而大幅提高效率并降低成本。

YC將 AI 智能體的發展與 SaaS 的發展進行了類比，并指出了兩者之間的相似性和差異性：

相似之處：

• 新的計算范式： 大型語言模型（LLM）的出現，就像 2004 年瀏覽器增加 XML HTTP 請求功能一樣，為軟件發展帶來了新的可能性，開啟了 SaaS 時代。同樣地，LLM 也被視為一種新的計算范式，將推動 AI 智能體的發展。

• 發展軌跡： AI 智能體可能會經歷與 SaaS 類似的發展軌跡，從最初的通用型工具逐漸發展到后來的垂直領域解決方案。

差異之處：

• 發展起點： SaaS 的發展經歷了從消費者產品到企業軟件的轉變，而 AI 智能體可能在一開始就以垂直解決方案的形式出現。這是因為企業已經接受了點解決方案和垂直解決方案的價值，并且 AI 智能體的用戶體驗與現有 SaaS 產品差別不大，更容易被企業接受。

• 功能深度： AI 智能體可以將軟件與人員結合在同一產品中，直接取代人工操作，這是 SaaS 無法做到的。這意味著 AI 智能體可以更深入地介入企業的業務流程，提供更全面、更高效的解決方案。、

1. 垂直 AI 智能體的定義和優勢

垂直 AI 智能體是指專注于特定領域或行業的 AI 智能體，與通用 AI 智能體相比，它們能夠更深入地理解特定領域的需求，并提供更專業化的服務。

垂直 AI 智能體的優勢在于：

• 高度定制化： 能夠針對特定行業或企業的獨特需求進行定制，提供更精準的解決方案。

• 專業化服務： 深入了解特定領域知識，能夠提供更專業的服務，解決更復雜的問題。

• 高效率和低成本： 可以自動化大量人工操作，提高工作效率并降低人力成本。

1. 垂直 AI 智能體與 SaaS 的比較

垂直 AI 智能體與 SaaS 都是軟件服務，但兩者之間存在一些關鍵區別：

• SaaS 提供軟件工具，而垂直 AI 智能體則將軟件和人員結合在一起，直接取代人工操作。例如，Momentic 可以完全取代質量保證人員，而傳統的 SaaS 質量保證軟件只能提高 QA 團隊的效率。

• SaaS 經歷了從消費者產品到企業軟件的轉變，而垂直 AI 智能體可能在一開始就以垂直解決方案的形式出現。 這是因為企業已經接受了點解決方案和垂直解決方案的價值，并且 AI 智能體的用戶體驗與 SaaS 類似。

1. 垂直 AI 智能體的市場規模和發展趨勢

垂直 AI 智能體市場規模巨大，甚至可能十倍于 SaaS 市場。由于 AI 智能體可以替代大量人工操作，而企業在員工上的支出遠遠超過軟件支出，因此垂直 AI 智能體市場具有巨大的增長潛力。

此外，YC指出，AI 智能體技術發展非常迅速，過去兩年已經取得了巨大進步。最初的 AI 智能體應用只能輸出簡單的文本，而現在的 AI 智能體已經可以完成語音通話、質量保證、招聘、客戶支持等復雜任務。

1. 垂直 AI 智能體創業方向的選擇

YC建議，創業者應該選擇他們有經驗或關系的領域，并尋找那些無聊、重復的行政任務。這些領域更容易找到市場需求，更容易獲得成功。

YC還提到了一些值得關注的垂直 AI 智能體領域，例如：

• 語音 AI 智能體： 這是一個快速增長的領域，其中存在很多機會。

• 醫療賬單處理： 可以幫助醫療機構自動化賬單處理流程，提高效率并降低成本。

• 政府合同競標： 可以幫助企業自動搜索和競標政府合同，節省時間和精力。

1. 垂直 AI 智能體發展面臨的挑戰

• 企業需求不明確： 許多企業對于他們需要什么樣的 AI 智能體并不確定，這導致一些公司嘗試構建通用的 AI 智能體平臺，但這些平臺往往難以滿足企業特定的需求。

• 工作崗位替代： AI 智能體可能會取代一些現有的工作崗位，這可能會導致一些阻力，特別是在銷售過程中需要考慮到這一點，不要將 AI 智能體銷售給那些將被 AI 取代的團隊。

1. 垂直 AI 智能體對未來工作模式的影響

YC認為，AI 智能體的發展可能會導致未來的工作模式發生變化。

• 管理效率提升： AI 智能體可以幫助經理更好地管理員工，從而提高企業的效率。

• 人類能力擴展： AI 智能體可以幫助人們擴展他們的能力，例如擴展鄧巴數，讓人們可以與更多的人建立有意義的關系。

垂直 AI 智能體的市場規模將遠遠超過 SaaS 市場，甚至可能達到十倍的規模差異。這種判斷的基礎在于 AI 智能體對公司規模的潛在影響。傳統上，公司規模往往與人員規模正相關。為了擴大業務，公司需要雇傭更多員工來處理日益增長的工作量。然而，AI 智能體的出現正在改變這一游戲規則。

AI 智能體可以自動化大量人工操作，包括那些“無聊、重復的行政任務”。這意味著公司可以利用 AI 智能體來提高效率、降低成本，同時保持甚至縮減人員規模。YC以多個實例佐證了這一觀點，比如 Momentic 可以取代整個質量保證團隊，Salient 可以自動化汽車貸款催收工作，減少大量呼叫中心人員 。

一個重要的觀察是，企業在員工上的支出遠遠超過在軟件上的支出。這意味著通過 AI 智能體取代人工操作，企業可以釋放巨大的成本節約潛力。 這解釋了為什么YC對垂直 AI 智能體的市場規模如此樂觀。

除了成本因素之外，AI 智能體對公司規模的影響還體現在以下幾個方面：

• 垂直化趨勢: AI 智能體的出現可能會加速企業運營的垂直化趨勢。由于客戶需求高度定制化，構建通用的 AI 智能體平臺非常困難。因此，市場上將會出現大量專注于特定垂直領域的 AI 智能體公司，而不是少數幾家提供所有軟件的巨頭公司。這種垂直化趨勢可能會導致公司規模更加精簡、靈活。

• 管理效率提升: AI 智能體可以幫助管理者更好地管理員工，從而提高企業的整體效率。例如，AI 智能體可以收集和分析員工反饋，幫助管理者了解員工需求和工作狀態。這可以幫助企業優化管理流程，提高決策效率，最終提升企業的整體運營效率。

• 擴展鄧巴數: 鄧巴數是指一個人能夠維持穩定社會關系的人數上限，通常認為是 150 人左右。YC認為 AI 智能體可以幫助人們擴展他們的鄧巴數，例如通過 AI 智能體與更多人進行有效溝通。這可能意味著未來的公司規模不再受限于管理者的人際關系網絡，從而推動公司規模的進一步擴大。

圓桌討論視頻完整版：

https://www.bilibili.com/video/BV1gSBaY5EmM/

全文書面版：

每個季度，我們都可以明顯看到事情正在逐步向好的方向發展。當前，我們正處于一個討論全面垂直AI智能體的階段，這些智能體有可能取代整個團隊、職位及企業，對此的進展我仍然感到震驚。許多的基本模型正在正面展開競技。過去，OpenAI幾乎是市場上唯一的參與者，但從最近的一圈來看，這種情況正在發生改變，為此我感到十分感激。競爭就像是一個富饒的市場生態系統的土壤，為消費者們提供了選擇，同時也為創始人帶來了機會。這便是我向往的世界。

歡迎參與到《光錐》節目的另一集。我是加里，與我一起的還有賈里德、哈吉和戴安娜，我們一同投資了數千億美元的初創公司，那時的他們只有一兩個員工。今天，賈里德帶著滿滿的激情，將和我們一同探討垂直AI的話題。

我對此題目感到非常的興奮，因為我意識到，特別是許多初創公司的創始人，包括年輕的創始人們，并沒有足夠的認識到垂直AI智能體將會產生多么巨大的影響。這并不是一個新課題，垂直AI智能體正在被更多人所關注，我們也投資了許多相關的項目，但我認為，人們依舊沒有意識到它將會隨著時間的推移，產生巨大的影響。

下面，我將提出一些理由，解釋為何我認為在垂直AI智能體這個領域中將會誕生超過300億美元的公司。我將通過與SaaS的類比來闡釋這一點。在我看來，人們還無法全面理解SaaS的龐大潛力。往往大多數初創公司的創始人，尤其是年輕的創始人，他們從消費者的角度來看待創業行業，因為作為消費者，一般不會使用太多的SaaS工具，大部分SaaS工具都是為公司而設計的。

所以，我認為許多人忽略了一個關鍵的事實，那就是如果我們回頭看看硅谷在過去20年的投資情況，大多數的項目都在創建SaaS公司。這實際上是硅谷輸出的主要內容，在這個時間段，超過40%的風險投資資金流向了SaaS公司。總體來說，在過去的20年里，我們創立了超過300家SaaS獨角獸公司，這在其他領域是無以倫比的。我們必須承認，軟件真的是個好東西。

通過回顧這段歷史，我們可以發現技術的歷史發展如何催生了未來。SaaS繁榮的真正催化劑，你還記得它是什么嗎？對，那就是XML HTTP請求。我敢肯定這幾乎就是SaaS繁榮的催化劑。也就是大家所熟悉的AJAX。

在2004年，瀏覽器增加了這個JavaScript功能——XML HTTP請求，這個功能是構建豐富互聯網應用程序的主要部分。因此，這是第一次，在網站上創建出像桌面應用程序一樣的功能。此功能開創性的帶來了諸如谷歌地圖和Gmail這樣的應用，開啟了整個SaaS行業的繁榮?；旧?，Locke的關鍵技術是軟件從一種可以在CD-ROM上獲取并安裝到桌面的形式，變換成了一種可以通過網站和手機應用使用的形式。

保羅·格雷厄姆實際上也為這個變革做出了貢獻，因為他是最早將HTTP請求與Unix提示符連接起來的人之一。因此，你實際上不需要一個單獨的計算機程序來修改網站。VIAweb是一個在線商店，類似于Shopify，但其歷史早于Shopify。它可以看作是最早的SaaS（軟件即服務）應用程序之一，由PG在1995年開發。然而，最早的SaaS應用程序較糟糕的原因在于它們并未使用XML HTTP請求，導致每次點擊都必須重新加載整個頁面，這使得用戶體驗較差。因此，直到2005年XML HTTP請求廣泛應用后，SaaS才真正流行開來。

我從中觀察到的是，大型語言模型（LLM）有著類似的情況。它是一種新的計算范式，讓我們能夠實現不同于以往的事情。在2005年，云計算和移動技術的崛起，給我們留下了一個重大挑戰，您可能為此感到困惑：新技術已經出現，如何應用它？它的價值在哪里？創業公司又有哪些機會？

我有幸能夠瀏覽到眾多估值超過十億美元的公司名單，我發現它們的成長軌跡可以大致分為三類。第一類是人們創立公司時，他們有的明顯的好想法，可以發展成為大眾消費產品，如文檔、照片、電子郵件、日歷、聊天等。它們曾經通過桌面使用，但顯然可以轉移到瀏覽器和移動端。然而，令人感到有趣的是，這些類型的創業公司并未獲得成功，100%的價值流向了谷歌、臉書、亞馬遜等現有企業。例如，谷歌文檔并非唯一一家嘗試將微軟Office搬到線上的公司，還有大約30家公司試過，但它們都未能成功。

然后是第二類，這種想法并非一開始便顯而易見的，未被普遍預料到。例如優步、Instacart、DoorDash、Coinbase、愛彼迎等公司，他們所做的事情是完全出乎意料的，像XML HTTP請求和Airbnb之間的關系，非常不直觀。因此，現有企業甚至沒有嘗試在這些領域競爭，直到無法迎頭趕上。所以初創企業能夠在這些領域獲勝。

而第三類是所有的B2B SaaS公司，這有大約300家。根據創造價值的標志數量，這一類創建了比前兩類都多得多的超過十億美元的公司。我認為其中一個原因是，SaaS沒有像微軟那樣的公司競爭。不存在一家公司能夠為每個垂直領域和每個產品提供SaaS服務，看來它們都是不同的公司，這就是為什么會有如此之多的公司。Salesforce可能是第一個真正的SaaS公司。

我記得馬克·貝尼奧夫曾在YC演講中分享過一個故事，他講述的是早期人們懷疑云端或SaaS能否構建復雜的企業應用程序。這只是因為存在認知問題，他們認為應購買的是盒裝軟件，而真正運行的應是那些已經安裝的軟件，以這種方式運行軟件似乎是他們習以為常的方式。這與早期的網絡應用程序形成鮮明對比，因為它們十分糟糕。但你必須像PG那樣有遠見，理解瀏覽器將持續改善，并最終變得更好。讓人感到這與今天的情況非常相似。確實，完全一樣。你可能會發現自己無法利用這些大型語言模型或AI工具來構建復雜的企業應用程序。由于它們可能產生幻覺、并不完美，甚至就像玩具，但這就像早期的SaaS故事一樣相似。

在我思考與大型語言模型的相似性時，我可以很容易地想象同樣的事情會發生。這就像有一堆類似大眾消費應用程序的類別，這絕對是一個巨大的機會，但現有企業可能會獲得所有這些機會。打個比方，這就像一個通用的AI語音助手，你可以要求它做任何事情，它都能去實現。這個產品顯然應該存在，但所有大公司都會爭奪它。

若談及蘋果，人們可能覺得他們在這方面行動較慢。為什么Siri還顯得那么愚蠢？為何要采用它？這似乎沒有什么意義。一種反駁觀點是，搜索顯然是一個重要的領域，盡管谷歌可能仍然占據主導地位，但完全有可能面臨來自各個新興競爭者的激烈競爭。

這實際上是創新者困境的典型案例。你可以爭辯說，回顧你提到的Uber或Airbnb，從監管角度來看，這些都是非常大的賭注。如果你是谷歌，你已經有了每個月可以穩定收入的大筆財富，為什么還要冒風險去追求那些可能讓你害怕，甚至可能會毀滅你的財富的事情呢？這大概就是現有公司為什么沒有創造出這些產品的原因，即使它們已經變得如此龐大。

很明顯這些產品會成功。然而，谷歌并未推出Uber的克隆產品，也未推出Airbnb的克隆產品。我聽過Travis的演講，其中有一部分讓我印象深刻，他在第一次使用Uber時，害怕自己會因此被長期監禁。實際上，他是冒著切實可能被判刑的風險建立了那家公司。所以，肯定沒有哪個待遇豐厚的谷歌高管會愿意冒這樣的風險。

你認為現有的公司為什么沒有進入B2B SaaS呢？這是否是因為有太多廣泛分布的用例？這是個好問題，我很想知道你們的觀點。

我的看法是，作為一家公司，同時做很多事情非常困難。每個B2B SaaS公司實際上都需要在某個領域有深入的理解，并且對許多冷門問題持有強烈的興趣。舉個例子，為什么谷歌不創建一個與Gusto競爭的產品呢？答案是，沒有人在谷歌真正了解薪資管理，也沒有耐心處理所有這些復雜的薪資法規。這根本不值得他們去做。他們更愿意將重心放在一些真正的大類別上。

在B2B SaaS世界中，關于軟件的拆分和捆綁的觀點也同樣適用。那么為什么所有這些垂直的B2B SaaS產品會發展起來，而不是簡單地依賴Oracle或SAP等公司呢？NetSuite就宛如一站式信息管理系統。這種模式的背后，我認為或許可以追溯到軟件服務(SaaS)和互聯網轉型的趨勢，這種趨勢相對于舊有的銷售軟件方式而言，顯得十分突出。傳統的盒裝軟件，安裝成本較高，并且伴隨著一整套周圍的生態系統。若你需要任何定制功能，以往的集成商常常會否決，然后提出為你打造一個定制的功能，比如薪酬功能等。然而，在Salesforce引入SaaS解決方案之后，這種情況發生了改變。這種解決方案看似并沒有你之前支付的高昂的企業級部署那樣強大或復雜，但實際上，情況恰恰相反。

我認為這就是為所有這些垂直SaaS解決方案的出現打造了環境，它們正是依靠這種模式來運行。然而，另一個問題是，對于很多企業軟件，如果你是Oracle和NetSuite的用戶，由于它們必須覆蓋眾多領域，用戶體驗實際上很糟糕。它們試圖成為萬能的解決方案，但卻無法深度掌握任何一方面，結束的結果就是體驗混亂、復雜。相反，如果你選擇一個針對B2B SaaS垂直公司的解決方案，你就能享受到十倍的體驗，因為消費者產品和企業用戶體驗存在顯著的差異。

軟件一般只有三種價格定位：每個席位5美元，每個席位500美元，或者每個席位5000美元，分別對應著消費者、中小企業及大型企業的消費動向。我開始思考的是，過去的教訓告訴我們，以前的企業軟件體驗較差，因為購買軟件的人并非實際的用戶，常常是一些財富1000強公司的高管，他們購買的是高額的合同，而并非是那些終端用戶每天都必須使用的軟件，讓我想到了大型語言模型（LLMs）如何改變這種現象。

至今，我們在小型和中型企業以及企業軟件公司中，看到一個相當明顯的現象是，隨著公司收入的增加，你需要雇傭的人數也要相應增加。即使是沃田科斯投資的初創企業，他們的年收入可以輕松達到1億或2億美元，但是員工數量也相應達到了500人、1000人甚至2000人。

這也引發了我的一點好奇，在我對那些剛剛加入我們的初創企業提供建議時，我發現這些建議與我一兩年前的建議開始有所不同。過去，你可能想要挖掘公司內在客戶成功或銷售等部門表現出色的人才。你希望他們能為你建立一個團隊，并雇傭大量的員工。這種策略可能仍然有效，但我感覺，現在更應該聘請出色的軟件工程師，他們了解大型語言模型，并能夠自動化一些增長的瓶頸問題。這可能會帶來微妙但明顯的轉變，影響初創公司在找到產品市場契合后的發展方式。這表示我將建立能降低成本的大型語言模型（LLM）系統，使我無需雇傭一千人。我相信我們現在正處于這場革命的起步階段。在過去的節目中我們討論過，未來會出現一家只需雇傭十名員工就能運營的獨角獸公司，如果我們將這個想法推到極端，完全有可能實現。他們正在編寫評估和指導，而我認為這是一種在LLM出現之前就已經開始的趨勢。

我記得在運營TripleByte時，我們需要建立營銷或客戶用戶獲取，尤其是在我們完成B輪融資后，通常的做法是雇傭一名市場營銷主管，組建一個營銷團隊，然后啟動這個機器進行銷售和營銷。但是我認識到一個Y Combinator的創始人，邁克，他的公司主要是生產一個智能煎鍋。這聽起來很奇怪，但他是麻省理工學院的工程師。為了銷售他的智能煎鍋，他必須非常擅長理解付費廣告和谷歌廣告等一系列事物。因此，他以工程師的思維來解決這個問題。

當我和他談話時，我意識到，聘請一個麻省理工學院的工程師來幫助我們的市場營銷將比任何我接觸過的市場營銷候選人都要好。而他確實成功擴大了我們的規模，我們有一段時間每月在市場營銷和各種活動上的支出超過一百萬美元。TripleByte的市場營銷表現非常出色，我記得你做的所有精彩的戶外廣告和Caltrain車站接管活動，這讓我印象深刻。這顯然不是副市場總裁的工作，這全都是邁克的貢獻。

我經常接到這樣一個問題，當人們問我Triplebyte有多大的時候？當時我們大約有50人，但感覺卻像幾百個人。因為如果你交給一個非常聰明的工程師一些任務，他們總能找到實現這個任務的方法……他們找到了杠桿作用。而現在，大型語言模型（LLMs）可以遠遠超過你僅依靠純軟件所能獲得的杠桿。

這就是我對300個垂直AI智能體獨角獸的預測。你可以想象，每一個現在擁有SaaS獨角獸的公司，在某個新的宇宙中，都有一個對應的垂直AI獨角獸。這些SaaS獨角獸在之前，大多數都是盒裝軟件公司，在生產相同的產品，后來被SaaS公司顛覆。你可以很容易地想象同樣的事情會再次發生。現在，基本上每個SaaS公司都在構建一些軟件，供人們使用。而垂直AI的對等體將會將軟件與人力結合在同一個產品中。

現在可能的一個問題是，企業可能對他們究竟需要什么樣的智能體一頭霧水。但我看到的一種解決辦法，尤其來自那些更有經驗的創始人，例如Facebook的首席技術官布雷特·泰勒，他創辦了自己的公司Sierra。盡管我并不了解所有細節，但根據我所知，這個模式更傾向于讓企業部署和啟動這些AI智能體，使其定制化，而不是我們提供特定的智能體來完成特定的工作。我從我投資的一家叫做VectorShift的公司了解到這一點。大約一年前，我們對這家公司進行了投資。該公司的兩位創始人是非常聰明的哈佛計算機科學家，他們正在構建一個讓企業能輕松自建類似于無代碼或SDK的內部LLM驅動的智能體的平臺。然而，企業往往不知道他們想用這些工具做什么。

因此，我開始思考，在盒裝軟件的早期，只有少數一些供應商設法說服人們使用他們的軟件，這些軟件就像是一體化的解決方案。隨著時間的推移，它變得越來越復雜，高度精細化，出現了許多垂直SaaS公司。在LLM的初始階段，我們看到類似的情況，早期的贏家可能是那些提供通用工具，意在方便用戶使用LLM的企業。然后隨著時間的推移，垂直智能體將會嶄露頭角。我有個疑問，你認為這次的情況會不同嗎？垂直智能體會在一開始就快速崛起嗎？

是的，這個問題很有意思，因為如果你回顧SaaS的發展歷史，初期的成功主要來自消費者產品，比如2005年到2010年間的電子郵件、聊天和地圖等消費者應用程序。人們習慣于自己使用這些工具，我認為這讓銷售SaaS工具給公司變得更簡單，因為同一個人既是消費者，也是員工。我傾向于認為，這個過程只是軟件發展的一部分。沒有必要回退到一種狀態，即大型語言模型必須像一體化的企業LLM平臺一樣來完成所有的工作。因為企業已經接受過有關碰點解決方案和垂直解決方案的價值。

用戶體驗不會有很大的變化，這些工具只會變得更加強大。企業如果已經建立了相信初創公司或垂直解決方案可能比傳統的全平臺解決方案更優的信念，他們可能愿意投注于那些現在承諾能提供優秀的垂直AI智能體解決方案的初創公司。我看到一些投資的公司已經在企業中迅速吸引了垂直AI智能體，而且速度更快。我認為我們仍處在這個游戲的初始階段，所有的軟件最初都是垂直的。

但隨著行業的推進，我對我之前的問題已經有了答案。問的是，為什么一家公司最終會擁有1000名員工呢？實際上，在早期階段，各自都在投入努力解決特定的問題。然后在某個時刻，為了減少銷售和市場營銷的成本，我們必須尋求擴大業務范圍。一旦我們占有了100%或者大部分的市場份額，想要繼續增長就只能通過擴展其業務范圍。也就是說，我們需要做的不僅僅是解決一個點的問題，還有協同工作的問題。另一個可能的觀點是，垂直AI智能體的前景可能會超過軟件即服務（SaaS）的規模，因為在SaaS的運營中，仍然需要一個運營團隊或一組人來操作軟件，以完成所有的工作流程，例如審批工作流程，或者輸入數據。而垂直AI智能體的出現，不僅能替換一整套的SaaS軟件，從而實現一對一的映射，還可減少大量的工資支出。因為許多公司的支出中，大部分依然是工資，軟件的支出只占一小部分。更準確地說，公司對員工的支出遠超過對軟件的支出。而現在，這些規模較小的公司將變得更有效率，需要更少的人去進行數據錄入、審批或點擊軟件。

我傾向于認同，垂直等價物的規模可能會是被它們顛覆的SaaS公司的十倍。這么說，其實有兩種可能的情況。首先，垂直解決方案有可能足夠大以至于你不需要去做更廣泛的事情。第二，也存在另一種可能。

以我們合作的一些垂直AI智能體公司為例。像我曾經合作過的一家叫做Outset的公司，該公司前產品負責人是亞倫·卡農。他們把大型語言模型應用到調查和 Qualtrics 領域。而Qualtrics 不太可能真正構建出最佳的大型語言模型和推理能力。然而，問卷調查適用于誰呢？調查服務的對象其實是產品經理和市場營銷團隊，都是那些試圖理解客戶需求的人。問卷調查到底是什么呢？你猜對了，就是語言。

我認為，這類公司其實必須要在兩者之間找到平衡，因為企業和中小企業的軟件通常是基于一個特定的決策者來銷售的。而你必須向組織內的高層人員銷售產品，以確保他們不會擔心他們的工作或團隊的工作會因此消失。

這就是我所看到的，許多需要出售產品的公司必須面對的問題，因為如果你的銷售對象是那些可能會被AI替代的團隊，他們可能會從內部破壞這個過程。這樣的方式并不合理。因此，我認為這是一種有趣的方式，通常是自上而下的銷售模式，必須得到組織層面的同意，甚至需要CEO的簽字。

我曾經合作過的一家公司叫做Momentic，它是一家AI智能體公司，起初類似于質量保證測試。而現在，他們的發展勢頭非常好。也許你還記得十年前，我們在 Y Combinator 與 Rainforest QA 合作過。Rainforest QA 是一家提供質量保證服務的公司，他們面臨的挑戰就是不能完全替代質量保證團隊。他們需要提高質量保證團隊的效率，但這也意味著要取代他們的工作，盡管他們無法取代整個團隊。

因此，他們始終在嘗試銷售軟件與保持質量保證團隊之間保持平衡，因為這意味著你需要更少的質量保證人員。然而，你又必須要向那些不愿被取代的質量保證團隊銷售這個想法。我認為這一直都是行業內的一個摩擦點，關于如何擴展和增長。目前，Momentic已經通過AI技術，成功實現了全面代替質量保證（QA）人員的可能。他們的宣傳并未簡單準備振作QA人員的工作速度，而是直言不諱地表明，客戶通過使用Momentic，其實完全無需設立QA團隊。這樣，客戶就可以將主要精力投入到工程項目本身，而無需再向QA團隊尋求支持。

此外，Momentic也為客戶提供了參與的機會?？蛻魞炏瓤紤]向那些尚未設立大型QA團隊的公司銷售，他們可以選擇像Momentic這樣的產品，并且隨著業務的持續擴展，這些公司將永遠無需設立自家的QA團隊。這實際上是一種垂直AI智能體公司，其規模可以達到SaaS公司的十倍以上，是一份有關Diana所闡述的真實案例研究。

同時，我在招聘領域也發現了同樣有趣的現象。在TripleByte，我們面臨著同樣的問題，即如何設計出能簡化篩選與招聘軟件工程師流程的軟件，同時還要得到他們加入的工程團隊和招聘團隊的支持。實際上，我們正在研發的軟件本質上就是取代招聘人員的工具，但顯然，我們還無法完全無需靠人力招聘，紐約市正在發生的情形就是如此。

在推銷我們的產品時，我們總會接到客戶的反對觀點，畢竟這對他們的職位構成了威脅，讓他們擔心自己被替換。然而，我認為AI的便利性正逐步減少這種矛盾?，F在正是初級階段，但隨著技術的發展，未來可以構建出可以完成完整招聘流程的AI工具。

我們曾與一家名為Apriora的公司合作，依靠Nikko這個技術，實現了全面技術篩選以及初步招聘篩選的任務，并得到了相當厚實的反饋。隨著技術的發展，他們以此為契機創新一種全新模式，不再需求招聘人員的支持，而是用全新的方式建立招聘團隊。

此外，我還與一家名為Kappa.AI的公司有過合作，他們創建了一個最佳聊天機器人，能夠精確回應大量復雜技術細節。我發現，許多開始使用他們的公司，最終擁有的開發者關系團隊要小得多，因為Kappa.AI能夠有效獲取大量開發者文檔，甚至是開發工具發布的YouTube視頻以及聊天記錄，使得自身技術公開呈現。

我也與名為PowerHelp的客戶支持AI智能體公司有過合作，我發現一個真實的趨勢，這是一個眾所周知的熱門領域，據說有一百個左右的產品提供客戶支持AI智能體服務。然而，通過與PowerHelp的合作，我發現市面上存在大量簡單的零樣本LLM提示，雖然幾乎無法替代一個專業的客戶支持團隊與其復雜的工作流程，但卻能呈現出不錯的演示效果。為了真正替代一家擁有100名客戶支持代表的大規模公司的客戶支持團隊，處理每天大量復雜的事務，我們需要一種復雜的軟件，這樣才能完成Jake Heller所談論的所有工作。然而僅有三或四家公司嘗試過這樣做，而且這些公司的市場滲透率總共還不到1%。因此，市場機會尚未被充分利用。

我想這可能是超專業化或超垂直化的另一個案例。也許最終會有一家提供通用的客戶支持智能體軟件的公司，但這可能要進入比賽的后期，而我們實際上還處于初期階段。像GigaML這樣的公司已經出現，他們為Zepto處理每天30,000個工單，替代了一個1,000人的團隊。但這是一個非常具體的例子，這并不是一種通用的示范軟件。它有10,000個測試用例和一個非常詳細的評估集，主要是針對Zepto和與Zepto類似的業務。

如果你是其他任何市場公司，你可能會使用它，因為這是非常明確的市場類型——即時交付市場。我認為這就是為什么會出現價值3,000億美元的SaaS公司，而不是一個價值10萬億美元的MetaSaaS公司，為全世界提供軟件。因為客戶需要的是高度定制的解決方案，而構建一個對所有人都有效的解決方案非常困難。

我們已經提供了三個客戶支持的例子，但他們屬于非常不同的領域。就像開發工具公司，你需要的支持類型都大相徑庭。同時，針對各種市場的培訓集也是差異巨大。

無論你是否有智能體或真正為你工作的人員，你最終都面臨同樣的問題——即每家公司都會遇到科斯的公司理論：任何公司只能增長到一定程度，超出這一點就會變得低效。這就是為什么公司是網絡和生態系統，以及一個全面發展的經濟。每家公司都會專注于自己特別擅長的領域。這些公司的外部界限實際上取決于你作為管理者的能力。

我對這部分感到困惑，因為在與Rippling的帕克·康拉德共度時光時，我發現他最喜歡的觀點之一是人們對大型語言模型（LLMs）的癡迷。他認為關于LLMs最令人著迷的是它們可以閱讀。我認為對他來說，運營人力資源IT軟件，想法如何提升經理的工作效率更加重要。

我預測我們會在這方面看到更多的進展。這可能會增加你能夠管理的公司的規模。而這正是Rippling正在嘗試做的事情。他正在構建一套人力資源工具，如果成功了，這可能會在擴大經理管理范圍的戰爭中勝出。他計劃將眾多價值數十億美元的SaaS公司整合為一家大型公司。這是一種引人入勝的看法。我認為，這讓我思考的原因是，擁有這些AI SaaS工具將為所有領導者和組織提供打開他們在解析信息方面上下文窗口的機會。盡管我們人類在建立有意義關系方面有限制，比如Dunbar數字（能夠保持有意義社會關系的人數），大約在150人左右，但我認為AI可能讓我們能夠擴展這個限制。

我記得看到Flo Crivello在Twitter上發的一個帖子，這帖子走紅了。帖子提到，有人開發了一個應用，周末CEO能用它給所有1500名員工打電話。這個電話就如同CEO親自撥打一樣，而且時間很短。這讓我想起了電影《Her》中的一幕，鏡頭逐漸拉遠，透露出一個人正在使用Her OS，而實際上，這個Her OS還在同時與成千上萬的人交流。

那么，大型語言模型（LLMs）這種能夠進行對話和交流的能力，能夠在多大程度上幫助一個人或幾個人理解發生的事情呢？我聽說過，該產品可以給所有員工打電話，員工們可以隨意談論他們正在做的事情，然后它能解析出有用的信息，并給CEO一個關鍵點的總結，告訴CEO哪些是最重要的內容。傳統的SaaS軟件只能從員工這里做每周的調查，但我認為這個場景在許多方面都比原始版本的LLM要好很多。

但我想知道的是，這個工具的使用不僅僅限于閱讀和總結。如果寫作就是思考，那么，在找出誰是有效的溝通者及公司的重要事物時，是否還需要進一步的工作？會不會有一天，LLMs超越了簡單的總結和閱讀，開始真正的思考？那時，究竟是誰在實際上管理這個組織？

關于帕克·康拉德的思考也有一個有趣的方面，經過我與首席運營官馬特·麥金尼斯的一次采訪，我了解到現在在Rippling公司工作的一百多位創始人，他們都在Rippling內部管理各自負責的SaaS業務領域。康拉德組建團隊的方式是值得稱贊的，我相信哈希對此非常了解，因為哈希進行過很多次相關的采訪。我意識到這種方法還著重于招募創始人。帕克的Rippling基本上是一個垂直化的案例，闡述了軟件的垂直化如何實現橫向擴展，接管所有人力資源和IT軟件。這個理論核心是，有一個潛在的平臺是具有巨大價值的，因此他尋求招募愿意在這個平臺上建立的創始人和團隊。這種模式類似于亞馬遜的共享基礎設施。

他們發布的每款產品，例如時間追蹤等，常常一經推出，第一天的年度經常性收入（ARR）就能達到數百萬美元。這正是我們之前所討論的內容。當你擁有一個垂直市場，既已穩定立足，將不可避免地投入銷售和市場營銷的資金。然而，問題是我們是否能夠基本保持客戶獲取成本（CAC）的同時，實現增加客戶終身價值（LTV）的目標？

如果你看看今天的頂級軟件公司，你會發現它們都是這種模式。這就是甲骨文的樣子，這就是微軟的樣子，這就是Salesforce的樣子。Rippling，也在努力成為下一個。但這并不輕松，它需要一種有趣的替代方案，那就是從零開始，完全依賴自己。

舉例來說，我們有一些語音公司，我覺得這是一個相當有趣的及其子類別，現在處于快速增長的階段。例如，我正在合作的一家名為Salient的公司，它主要利用AI語音通話技術來自動化汽車貸款領域的催繳工作。通常情況下，他們會打電話給拖欠車款的人提醒償還。這個工作場景相對較糟，因為許多低收入工人都在做這些呼叫中心的工作，這是一項非常單調而糟糕的工作。由于這些銀行需要處理的賬戶數量較大，于是就導致了高客戶流失率，同時需要大量員工來運營這些賬戶。而這樣的工作恰恰是AI可以自動化處理的完美任務。Salient所做的就是能超精準處理這些，目前已經與許多大型銀行合作，進展令人感到興奮。

這是去年成立的一家公司，其成功案例展示了他們能夠進入這個領域的部分原因，因為他們的銷售方式是自上而下的。這個領域的變化非常之快，像Vappy這樣的語音基礎設施公司也在我們的布局中。人們可以立即開始實施，這對零售業務也是一樣。成功的原因，主要是它們能迅速擴展規模，短時間內就準備投入使用。盡管其中還有一些尚未解答的問題，我們希望他們能找到答案，那就是如何在遇到類似新的OpenAI語音API這樣的新事物時，如何留住他們。

使用這個API會帶來新的問題，嘗試直接使用底層API可能會花費更多的工作，但入門門檻顯然更低。然后問題是，你能否不斷提高上限，以保持永久留住客戶？早些時候你提到的一個有趣點是，自2023年初以來，人們基于大型語言模型（LLMs）構建的應用程序發生了變化。語音就是一個很好的例子。我認為即使回溯六個月之前，人們可能還感覺語音的真實性仍然有所欠缺。我們的AI語音應用還遠未達到有意義地替代人類通話的程度。我回想起了在2023年冬季，也就是大約兩年前，首次出現的由大型語言模型(LLM)驅動的應用。這些應用實質上只是一些輸出文本的程序，并沒有達到完美的程度。它們更像是編輯校對、營銷編輯、電子郵件編輯，并不是一蹴而就的，而是漸進的進程。

我記得有一家名為Speedy Brand的公司，他們的工作是幫助小企業輕松生成博客并輸出內容營銷，這是一個非常直觀的想法。雖然并不十分完美，但在那個時期來說非常新穎。我們以前在節目中討論過很多，那時我們剛看到了ChatGPT的外包裝。它只不過是一個做一些基礎工作然后輸出一些文本的大型語言模型應用，像是ChatGPT的一個外殼。當LLM應用在下一次發布時，它們會被OpenAI所取代。結果，可能并不是全部，但是在下一波GPT的沖擊下，第一波LLM應用大部分都被淘汰了。

不過，我們似乎正在經歷一個青蛙沸水般的情況。從我們的角度看，每隔三個月，狀況就有所改善?，F在我們正在討論全垂直的AI智能體，它們可能會取代整個團隊、崗位甚至公司，這讓我感到震驚。過去兩年的發展進程還是相當初級的，但發展速度卻與我們之前看到的完全不同。

我們在前一期節目中討論過，很多基礎模型正在逐漸正面對抗。以前只有OpenAI在這個領域活躍，但是在上一批中，我們看到這種狀況正在發生變化，如今Claude也成為了一個大競爭者。競爭就像是肥沃市場生態系統的土壤，既能給消費者更多的選擇，也能給創始人更多的機會，這就是我期待的世界。

因此，那些現在正在關注并考慮創業的人，甚至已經開始創業的人們，你們應該思考如何找到適合你們的行業。試著在某個地方找到一些無聊、重復的行政工作。這似乎是所有成功的共同點，即如果你能找到一項無聊、重復的行政工作，那么可能就有一家十億美元的AI智能體創業公司在等待你去深挖。不過，你更應該追求一些與你有直接經驗或關系的事情。

有一個我認為非常有潛力的公司--“甜蜜點”，他們正在建立一個AI智能體，并競標政府合同。他們一年前有個機會，就是他們的一個朋友全職工作在一個政府網站上，刷新頁面尋找新的投標提案。他們開始轉變，想到大型語言模型可能就能做到這些。近期，一群公司開始嘗試新的業務轉型，這個想法引起了廣泛的關注。他們主要構建的是一款針對牙科診所，用于處理醫療賬單的AI智能體。這個想法的來源是，其中一位創始人的母親是一名牙醫。他決定花一天時間陪同母親工作，親眼觀看她的日常工作流程。他的母親表示，處理索賠的工作既繁瑣又無聊。這種工作完全可以由一個大型語言模型來完成。于是，他開始為母親的牙科診所編寫這樣的軟件。

在機器人領域，有一句經典的格言，即能盈利且可行的機器人，是從事那些令人厭煩和危險的工作的。因此，在垂直SaaS（軟件即服務）領域，我們應尋找那些看似無聊、無足輕重的工作。