跳转至

Lighthouse 还是 Landgrab：AI 创业公司怎么选销售打法（a16z，2026-08-13）

  • 嘉宾: Joe Schmidt（a16z 合伙人，Lighthouse or Landgrab 一文作者）、Andy McCall（a16z，曾在 Samsara 与 Meraki 建销售组织）
  • 主持: Elena Burger（a16z）
  • 来源: YouTube · 44 分钟（自动字幕）
  • 转录稿: sources/a16z/20260813-aakZLqxRQfo

三人姓名来自视频简介（简介原文点名 Elena Burger、Andy McCall、Joe Schmidt），转录稿正文只出现 "Joe"、"Andy"，未播报姓氏。

⚠️ 自动字幕专名错误较多，对照表（本库照录原文、在此列出判读）：

转录稿写法 判读
Moroi / Morai（[00:18:08]、[00:19:08]） Meraki（2006 年创立，源自 MIT RoofNet，2012 年被 Cisco 收购——三条均对得上）
Sanssara / Centara / Sam Sar（[00:10:04]、[00:18:08]、[00:29:12]） Samsara
Heavia（[00:13:04]） 疑为 Hebbia（与 Harvey 并列举为 lighthouse 例子），⚠️ 本库未核实
Stut / STO / Stuart / Stu（[00:13:04]–[00:15:05]） 同一家做 accounts receivable 的公司，创始人转录稿作 "Tark and Ben"；⚠️ 拼写未核实，本库不裁决
Deagon / DecaGon（[00:13:04]、[00:25:11]） Decagon，本库已有 人物页
applied to tuition（[00:36:13]） Applied Intuition，本库已有 人物页
Pylon、Further AI、ELD mandate、ACV 照录，判断为正确

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： | 标签 | 占比 | 认定 | 依据 | |---|---|---|---| | SPEAKER_02 | 44.6% | Joe Schmidt | 主持说"Joe, tell us about the piece…"后由此标签作答（[00:01:01] 块，61%）；"what Andy just said is actually…"（[00:12:04] 块，100%），所以不是 Andy | | SPEAKER_01 | 47.0% | Andy McCall | "[the companies] I worked for, both Meraki and Samsara, we started with land grab"（[00:27:12] 块，83%）；高纯度块讲 Meraki 2012 年被 Cisco 收购、2006 年创立（[00:19:08]，100%） | | SPEAKER_00 | 8.4% | Elena Burger（主持） | "Joe Schmidt just wrote a piece… Joe, tell us about the piece"（[00:01:01]，100%）；"And Andy, we'll get into your back[ground]"（[00:05:02] 块） |

概要

本库此前的 AI 落地材料几乎全在讲产品与部署——Decagon 讲护城河、Retell AI 讲最后一公里、Kavak 讲买方怎么拆自己的组织。这一期讲的是这些产品怎么被卖出去，是本库第一份企业 AI go-to-market 打法的系统材料，而且提供方是一位有两轮完整周期经验的销售组织建设者（Meraki、Samsara）。

框架本身很简单，价值在两条：① 它把"该去 SF 卖给知名 logo 还是去俄亥俄卖给需要的人"这个选择变成了一个可判定的问题；② Andy McCall 拿 2016–2019 年的 ELD mandate 做了一个完整的历史对照，而 Joe Schmidt 明确把当下的 AI 采用潮类比成"没有政府强制令的 ELD mandate"。

本期最该被单独引用的五条：

  1. 2×2 框架：Y 轴是买方曝险（buyer exposure），X 轴是proof 会不会在这个市场里传播。右上（高曝险 + proof 传播）= lighthouse，卖的是 proof；左下（低曝险 + proof 不传播）= land grab，卖的是 math（[00:03:02]–[00:05:02]）。
  2. ⚠️ 判定 land grab 的实操检验不是分析，是"他们愿不愿意买"——"人们愿不愿意真的从你这买，是 land grab 这道数学题的一部分：他们愿意接你电话吗？愿意买你的产品吗？"如果做不到，那就只能去做很深的 forward-deployed 式 lighthouse（[00:12:04]）。
  3. ⚠️ "现在是重新去卖大软件（big software）的时刻"——Joe Schmidt 认为过去 15 年 PLG 主导是被采用周期的位置决定的，不是永恒规律；因为大平台类目在 2000–2010 年就被占了，新公司只能做楔子产品、land and expand。现在企业愿意重新考虑 CRM/HR/ITSM 这种最根本的东西，因为这次不是把按钮从绿色换成蓝色（[00:32:12]–[00:34:12]）。
  4. ⚠️ POC 的两个纪律，以及一个 AI 特有的新风险：必须有结束日期和事先定义的成功标准，否则会变成"科学项目"（[00:22:10]–[00:23:11]）；而 AI 特有的麻烦是——"产品有没有效"和"产品有没有被正确使用"是两件事，创始人很容易同时替客户背下这两个风险（[00:23:11]–[00:24:11]）。
  5. ⚠️ 创始人最大的错误是花太多时间选打法："策略上花 1%，执行上花 99%。""难赚的收入没有奖金——你拿到大 logo，你的收入也不会有额外倍数。"（[00:37:14]–[00:38:15]）

核心观点

一、框架：两个轴，两种卖法

  • 问题的由头（[00:01:01]–[00:02:02]）：Joe Schmidt 说这篇文章起于开车走 101 高速时的一个观察——同一类软件的两家竞品，广告牌就立在高速两侧，"不知为什么它们都认定这个软件唯一相关的公司都在旧金山、都在 101 上开车"。现在还升级到了包公交车和飞机拖幅。他的落点是"你不是非得这么干"：去俄亥俄、去芝加哥、去圣路易斯，找真正需要你方案的人。
  • 两个轴（[00:03:02]–[00:04:02]）：
  • Y 轴：买方曝险（buyer exposure）。他特意用 exposure 而不是 risk，因为它同时包含三层——买错东西的暴露、这个方案会不会被展示给买方自己的最终客户、以及买这个软件的整体风险。
  • X 轴：proof 在这个市场里传不传得开。
  • 两个象限（[00:04:02]–[00:05:02]）：
  • 右上 = lighthouse：高曝险 + proof 传播。典型是受监管行业、logo 数量有限、买错的后果可能是"惹上监管机构，甚至做了违法的事"。
  • 左下 = land grab：低曝险 + proof 不传播，但已有既定预算，买方早就习惯为某类服务付钱。你进去给最终买家算一笔账：我的方案比你现在用的（无论是软件驱动还是人力驱动）更好。
  • ⚠️ 一句话的区分：右上卖 proof，左下卖 math（[00:04:02]–[00:05:02]）。
  • Andy McCall 的补充判据（[00:05:02]–[00:06:02]、[00:12:04]–[00:13:04]）：
  • lighthouse 那侧的公司通常在做品类创造——"今天还不存在，所以你必须靠大名字来证明自己"。
  • land grab 那侧在 AI 世界里通常是替换或改进已经存在的工作流，有现成预算，"我们造了一个更好的方式"。
  • 最干净的一条：有没有现成预算 + 是不是替换型产品 → 是则偏 land grab；如果需要大量市场教育、买方没有预算、要先带他们走一遍教育旅程才能在内部立项 → 那是 lighthouse，"这更像传教工作，而不是'把你花在 A 供应商的钱挪到我这来'"。

二、Samsara 与 ELD mandate：一个被监管强行制造出来的 land grab 窗口

这一段（[00:07:02]–[00:11:04]）是本页最完整的历史对照，也是 Joe Schmidt 明确拿来类比当下 AI 的那个案例。

  • 背景：2016 年前，美国长途卡车司机用纸质行车日志本记录开车与休息时间，被公路巡警拦下就查本子，属于安全监管。约 2016 年美国实施 ELD mandate（electronic logging devices，电子行车记录仪强制令），用技术直接记录车辆何时在动、休息够不够，"把人这个环节从数据里拿掉"。
  • 它做了什么：2016–2019 年分阶段实施，整个行业突然都必须找出预算来买这个东西。Samsara 2015 年创立、Andy McCall 2017 年加入，当时是新进入者，而 AT&T、Verizon 以及一批已经做到"几亿到五亿美元收入"的公司都在场。
  • ⚠️ 他自己的定性——本页最该保留的一条反浪漫化表述（[00:10:04]）："可能有点对不起'战略'这两个字，但当时并没有多少战略上的思考说我们要追 lighthouse 账户还是 land grab。"实际发生的是：谁愿意给我们钱？"给全球最大的运输公司打冷电话，作为一家 18 个月大、他们没听说过的公司，用不了几通就会听到'我们不买'"，于是就去搞清楚"我们能卖给谁"。
  • 为什么选中端市场（mid-market）（[00:10:04]–[00:11:04]）：两个理由——① 不需要那么多社会证明，对方只问"你满不满足我的 telematics 需求"；② 反馈回路短："销售周期短、部署快……账户越大，部署越长、反馈回路越长"，所以这个选择同时是产品迭代速度的选择。
  • ⚠️ Joe Schmidt 把它类比到当下（[00:11:04]–[00:12:04]）："我们现在并没有美国政府发一道'你必须采用 AI'的强制令，但到处的 CEO 都在说你必须采用 AI，每家大企业现在都有 AI 委员会在说我们要买什么、要在什么期限内买完。" 他同时给了这个窗口一个时效判断："这当然会过去"，但眼下大公司内部存在一种"疯狂的动能"。

三、判定自己在哪个象限：不靠分析，靠对方接不接电话

（[00:12:04]）这是本页最具操作性的一条，因为它把象限判定从纸面移到了行为上。

  • 检验方式："人们愿不愿意真的从你这买，是 land grab 这道数学题的一部分——他们愿意接你电话吗？愿意买你的产品吗？你在走 POC 吗？你搞得清楚怎么让人真的用起来吗？" 如果这些做不到，那就是"去做非常深的、forward-deployed 式的 lighthouse 安排，再想办法从那里走到下一个客户"。
  • ⚠️ 他紧接着的批评："愿意拿起电话、愿意坐上飞机、愿意真的坐到那些客户面前的人太少了，因为他们觉得这是个新品类时刻，我必须去 JP Morgan Chase 谈成这单。"片头把这句剪成了更尖的版本（[00:00:00]）："卖给 JP Morgan Chase 听起来就是比卖给 Morgan Chase 性感得多。"

四、举出来的具体公司

（[00:13:04]–[00:16:06]、[00:25:11]–[00:26:11]）本库照录，⚠️ 注意所有被点名的公司都在 a16z 投资组合内或与之相关，这是一份带利益相关的样本。

公司 归类 说法
Harvey lighthouse 拿下了对的律所。"当他们赢下市场里最初那几个关键的 lighthouse 账户，那个 proof 传播得非常厉害"，于是曝险极高的买方意识到"买这个方案对我是安全的"（[00:15:05]–[00:16:06]）
Heavia（疑为 Hebbia） lighthouse 与 Harvey 并列被主持人举出（[00:13:04]）
Further AI（保险） lighthouse Joe Schmidt 是董事会成员。保险"一般不是技术的首批采用者"，但客户里有全球最大的几家保险公司——因为提供的是"治理优先（governance first）、安全的 AI 方案"，并配 forward-deployed 团队做落地（[00:25:11]–[00:26:11]）
Stut（AR，⚠️ 拼写未核实） land grab 做应收账款催收。原来是人工团队 + 大软件；他们的说法是 AI 擅长与人对话、擅长翻内部信息，可以端到端重做，并把"我们比你现在的方案和人力团队更能收回钱"用数学算给中端市场看——改善营运资金、省钱、甚至多赚钱（[00:13:04]–[00:15:05]）
Decagon（客服） land grab / 但被单独表扬 "有人可能把客服这件事看轻了——做好客服非常难，这是一个高风险、高曝险的市场，你不能搞砸。"他表扬的是他们把要打到的 benchmark 事先说清楚，然后在约定时间内打到（[00:25:11]）
Pylon（AI native 客服） land grab Andy McCall 参与投资。"从相当朴素的 ACV 起步，一路往上爬 ACV 阶梯"，靠替换旧方式和一支执行力强的 GTM 团队（[00:16:06]）
Applied Intuition ⚠️ 永远 lighthouse "有些公司真的就是全程 lighthouse"——买这类自动驾驶软件的主体和全球汽车厂商数量本来就有限，"这些都是 trade market，每一家都必须极其小心地对待，因为它们是巨大的 ACV 机会"（[00:36:13]–[00:37:14]）

五、ACV 纪律：过了门槛就别再想它

（[00:16:06]–[00:18:08]）Andy McCall 对"早期该不该盯着客单价"的回答。

  • 两段式："你会想很多，然后你试着完全不去想它。"
  • 含义：先确认这个 ACV 能不能过门槛——看单位经济学是否健康，"你不想接那些对你单位经济学是负的单子"。一旦过了门槛，就别再想了，去尽可能多拿。
  • 他给的具体数字：如果你的 GTM 引擎理论上能靠 15K ACV 活下来，那就很好——别去接 8K 的单，但把 15K 的单尽可能多拿，建一个可复制的引擎然后往里浇油。
  • 之后会自然发生的事：你会一点点往上挪，公司越接越大，沿着 ACV 阶梯往上走（[00:17:07]–[00:18:08]）。
  • Meraki 的免费 AP 案例（[00:18:08]–[00:21:09]）：作为 land grab 的战术样本。Meraki 在 2009–2010 年做企业网络，"人们觉得我们疯了——这个市场十年前就被 Cisco 和 HP 赢完了"。他们的判断是大企业根本进不去（那是 lighthouse，已被锁死），但可以对中端市场说"我们配置更快、部署更快、更简单"。怎么让人相信更简单？让他们试。 做法是办 webinar，参会就寄一个免费的 access point，插上试。⚠️ 这会影响毛利（有硬件成分），但他说"即使公司成熟之后我们在试用和评估上也一直非常大方，因为你根本上就是想让客户体验到这个技术"。
  • ⚠️ Joe Schmidt 把这条接到 AI 上的一个限制（[00:21:09]–[00:22:10]）：现在的 AI 产品有很强的可配置性，"你要是直接丢给别人一台法拉利，他可能都不知道怎么打着火"——所以 Meraki 那种"寄一个盒子让他插上"的交付机制未必能平移。

六、POC 纪律，以及 AI 特有的第二种风险

这一段（[00:22:10]–[00:25:11]）是本页对 demo 到生产 那条线最直接的补充。

  • ⚠️ AI 时代 POC 的头号危险是"科学项目"（[00:22:10]）：因为"东西每天都在变"，POC 很容易变成"我部署了，那它能不能做这个？能不能做那个？给我看看这个？"——而且答案很可能真的是"能"，于是 POC 无限期地拖下去。
  • 两条纪律（[00:23:11]）：
  • 必须有结束日期：30 天、45 天、60 天，"句号，讲完"。时长取决于产品复杂度——"如果部署要花两周，你就不能做两周的试用"。
  • 必须事先定义成功标准："这是我们要证明我们能为你做到的事"，双方同时同意"如果 45 天后做到了这个，就算成功，你就往下走采购"。
  • ⚠️ 他也给了例外：有些公司根本不能做 POC——可能是监管原因，可能风险太大，对方不会允许。
  • ⚠️ Joe Schmidt 加的那一层，是本节真正新的东西（[00:23:11]–[00:25:11]）：如果你在自动化一件从来没被自动化过的事，配置量很大、要花钱，而且产品可能是对的但被部署错了，或者结果需要的时间超过 30–45 天。
  • 他的拆分："产品要能工作"和"产品要被正确使用、被指向对的对象"是等式里两个不同的部分。他用销售工具举例——工具本身得管用，然后你还得拿它去打对的客户。
  • 落点："如果你突然把'产品灵不灵'和'它有没有被正确使用'两个风险都揽到自己身上，那就非常棘手。"所以创始人和早期收入负责人必须教育客户："我们签下的是这件事，我们没有签下'你的员工会不会正确使用我们的工具'。"⚠️ 他自己也留了余地："也许你签了，也许你没签。"

七、没有公司能一直只用一种打法

（[00:26:11]–[00:29:12]）

  • Andy McCall 的通则："每家小公司都想变成大公司。我不知道有多少非常成功的大公司，在某个时点没有同时部署过这两种策略。" 可能从 land grab 起步、成熟后做 lighthouse，也可能反过来。
  • 他自己两家公司的路径：Meraki 和 Samsara 都是从 land grab 开始；等做到进入企业级市场之后，做法是"垂直化"——"前五大运输公司是谁？前五大仓储公司是谁？前五大公共部门是谁？"然后逐个拿下。
  • ⚠️ 最早的 lighthouse 例子都出现在公共部门（[00:28:12]）：Meraki 是学区——"任何卖过学区的人都知道他们彼此之间都在说话、都认识。你要拿下每个州最大的那个学区，它下面的所有学区就会问'那家买了什么？'——社会证明一下子就有了。"
  • 为什么必须换打法而不是让同一支队伍硬上（[00:29:12]）：销售动作根本不同——销售周期不同、卖法不同、决策人不同、采购方式不同。"要求同一支销售队伍从卖中端市场/企业客户切换到卖给市政、县、学区，这就是不一样的事。"
  • lighthouse 之后做什么（[00:36:13]）："如果我拿下了全球前五的金融公司，接下来我要把这个品类往下跑完"——这时花在社会证明上的时间变少，变成"这里有推荐人，你要就拿去；不然的话，这就是我的产品最好的理由，买吧"。

八、两种打法要的销售员不是同一批人

（[00:29:12]–[00:31:12]）本页对 AI 与就业 的贡献落在这里，因为它是一份具体岗位画像随打法变化的一手描述。

  • ⚠️ Andy McCall 先声明"一概而论总是很难"，然后给出：
  • lighthouse（他的画面是"金融行业前 15 个账户，logo 都在这，这季度能进几个、下季度几个"）：要更资深的企业级销售，懂怎么在这类账户里推进，懂销售周期和采购流程。
  • land grab（"我们有更好的技术，我们在替换这个工作流、这个产品"）：按态度和资质招（hire for attitude and aptitude），可以招职业生涯更早期的人，"你就是要他们出去、尽可能多地触达客户……尽可能快地堆积胜利"。
  • Joe Schmidt 的附带判断（[00:30:12]–[00:31:12]）：给早期职业销售的"未经请求的建议"是现在是进这类公司最好的时候。

九、"现在是重新去卖大软件的时刻"

（[00:31:12]–[00:35:12]）本节是 Joe Schmidt 本期最完整的一次论证，也是本页与本库 SaaS 之死 那条线接口最紧的部分。

  • 提问的起点（主持人，[00:31:12]）：还有第三种扩散方式——开发者自下而上的 grassroots 采用，是不是让销售这个角色变得没那么必要了？
  • 他的回答分两层：
  • 短答：不，PLG 还在。人们一直在以消费方式买东西，新的购买行为在不断被发现，"我们是 Cursor 的大投资人，大家都看到那是怎么发展的"。
  • ⚠️ 长答：PLG 的主导地位是被周期位置决定的（[00:32:12]–[00:33:12]）。他引自己一年到一年半前写的 trading margin for promote（⚠️ 标题按转录稿照录，未核实）：
    • 2024 年之前的 10–15 年之所以 PLG 遍地，是因为 CRM、HR、ITSM、安全这些大云平台生意大多创立于 2000–2008/2010 年，它们已经解决了大平台机会。
    • 于是在企业里破门而入的唯一方式就是造一个楔子产品——"我先替你解决你这套 suite 里的这一块，再慢慢扩展"，land and expand 因此变得极度流行。
    • 为什么当时没人能正面重做 CRM：从本地部署到云是一个足够大的切换理由；但从云到云不是。⚠️ 他的原句很值得照录："我不在乎那个按钮是绿的还是蓝的，我不在乎有没有一个小功能差异。我不会切换。"
  • ⚠️ 他认为现在不同的理由（[00:33:12]–[00:34:12]）：企业内部现在有一种"疯狂的动能"，连 CRM、HR、ITSM 这种最根本的东西都在被重新审视——"我们现在看的是一种完全不同的做生意方式。这不是一次拟物的、一对一的替换，不是绿换蓝。我们现在想的是人会去做完全不同的、价值高得多的事，重复性的琐碎工作会做得少得多，而那些由 agent 来做。"
  • 落点："所以现在有一个重新去卖大软件、去卖平台的时刻"，并且他建议创业者回头研究前 15 年那批平台公司是怎么建起来的、生态是怎么长的。
  • ⚠️ Andy McCall 在同一段里给了一条方向相反的长期趋势（[00:34:12]–[00:35:12]），本库并列记录："只要我干这行，一个恒定的趋势就是每一年、每一次技术转换，买方都变得更有见识。" 今天的买方比 5 年、10 年、15 年前更清楚自己想要什么——所以"它应该比 10、15、20 年前那种要带着人走完整个教育旅程的卖法更容易……你的工作只是说服他们你的公司是那个对的方案"。他明确说这不一定意味着 PLG，但意味着可以更自助（self-serve）。
  • ⚠️ 本库标注这处张力：Joe 说"现在可以重新卖大平台了（销售动作变重）"，Andy 说"买方越来越懂了（销售动作可以变轻）"。两条不必然冲突（一个讲买什么，一个讲怎么买），但方向不同，本库并列不裁决。

十、创始人最大的错误，以及几条零散但具体的经验

  • ⚠️ 最大的错误是花太多时间选打法（[00:37:14]–[00:38:15]，Andy McCall）："我在早期阶段看到创始人犯的最大错误，老实说就是花太多时间去想清楚这件事——太多时间花在策略上。策略重要，但你应该在策略上花 1% 的时间，选定它，然后把 99% 的时间花在执行上。"
  • 替代做法：别坐着想该 lighthouse 还是 land grab，出去和客户谈，找出谁愿意买你今天就能交付的功能和服务，然后追那条路。
  • ⚠️ 本页最值得单独引用的一句："难赚的收入没有奖金。你拿到大 logo，你的收入并不会因此有额外的倍数。" 一年之后收入目标都达成了，再回头重估策略也不迟——"别在分析瘫痪里待太久"。
  • 给早期职业销售的建议（[00:39:16]–[00:40:17]，Andy McCall 自陈是他自己早年犯的错）：他当年追的是哪里佣金最高、哪里技术最热、哪里能拿到最大的头衔，"说到底这些都不重要"。要找的是一家会成长的好公司——"那就像一部职业电梯，你会随公司一起长"。"你不能让自尊心挡道。"
  • ⚠️ 该更早招的岗位：sales operations / revenue operations（[00:40:17]–[00:41:18]）。他不主张建一个庞大的 revops 组织，"可以真的就是一个人"，但需要有人每天在想地盘划分、名单、佣金纠纷、制定一套"销售章程"。理由是规模化之后你希望这些已经理顺，否则它们会变成减速带；而且这个人通常不该是销售负责人——后者在想"我怎么招下一个人、怎么把下一单拿进来"。
  • ⚠️ 配额达成率应该是 100%（[00:41:18]–[00:42:19]）：他的论证是早期销售团队靠势头运转，"你要招赢家，然后给他们赢的机会"。目标要合理、单位经济学必须成立、"数学改不了"，但吸引最好的销售人才的方式就是给他们打到配额的机会。
  • ⚠️ 他对现状的批评："今天有些公司只有 40%、50% 的团队打到配额，我觉得他们大概是在坑自己——要么配额定得太高，要么招聘画像不对。"
  • 他对早期"销售成本"的态度：早期销售成本没那么重要，"等你成了上市公司、征服了你的市场，没有人会回头说'哎呀你六年前的销售成本真糟糕'"。

与本库其它观点的关系

  • ⚠️ "现在可以重新卖大软件了"与本库 SaaS 之死 那条线是同一现象的两端。Airtable 卖身那期 与 Garry Tan 的"纯席位 SaaS 定价失效" 讲的是旧 SaaS 这一侧在塌；Joe Schmidt 讲的是塌出来的那个位置正好是新平台生意的入口，理由是同一个——这次不是拟物替换。⚠️ 但注意两者的证据类型不同：Airtable 是一个已发生的交易，Joe 的是一条关于当下窗口的销售侧判断。
  • ⚠️ "没有政府强制令的 ELD mandate"给 Lassie 的"监管拐点" 补了一个反向样本。Lassie 讲的是监管变化打开垂直市场；Samsara 的 ELD 是同一机制的教科书版本，而 Joe Schmidt 的贡献在于指出当下 AI 的"强制令"来自企业内部的 CEO 与 AI 委员会，而不是监管机构——并且明确判断它会过去。本库把这条记为"采用窗口有时效"这条线上第一个带历史对照的表述。
  • ⚠️ 与 Decagon 的"FDE 是陷阱" 构成同频道内的一处呼应而非冲突：Joe Schmidt 把"很深的 forward-deployed 式安排"定位成当你无法证明自己在 land grab 象限时的退路（[00:12:04]），Decagon 的批评则是把 FDE 当成产品本身是陷阱。两条其实相容——FDE 是打法不是商业模式，但本库并列记录，因为同一频道在 13 天内对 FDE 给了两种语气。
  • ⚠️ POC 的"两种风险"与 Retell AI 的"最后一公里要花将近一年"、Kavak 的"evals 是刹车" 组成一条完整链条：Retell 从卖方说落地时间长；Kavak 从买方说自己建 eval、投入与建 agent 约 1:1；Joe Schmidt 补的是签约那一刻的责任边界——"产品灵不灵"与"有没有被正确使用"应当被分开写进成功标准。本库认为这三条应该被一起读，它们分别是时间、度量、合同三个侧面。
  • "land grab 靠 math，lighthouse 靠 proof"给 Elad Gil 的"投出去的 token 的回报率" 提供了销售侧的对应物：能算出 ROI 的市场就是能卖 math 的市场。⚠️ 但方向要注意——Elad 谈的是买方内部的资源分配，这里谈的是卖方选择进攻哪一侧。
  • Applied Intuition"永远 lighthouse"与本库 该公司自己那期 的"横向物理 AI 供应商"自我定位一致：客户数量天然有限、单个 ACV 极大。这是本库第一次从投资方视角给这家公司的 GTM 形态一个归类。
  • ⚠️ 与 Kavak 的"自上而下" 在"该花多少时间做战略"上直接相反。Kavak 的 Ali Massa 说必须非常清楚地说明公司三到五年后是什么样，然后垂直地引导部队走过去，并点名批评 hackathon 式的自下而上；Andy McCall 说策略只配 1% 的时间，选定就去执行。⚠️ 两人谈的对象不同（Kavak 说的是买方重建自己组织，McCall 说的是卖方选进攻方向），但对"想清楚再动"的态度差别很大，本库并列不裁决。

事实性断言与预测（可验证）

  • 美国 ELD mandate 约 2016 年实施，分阶段推进到 2019 年；此前长途卡车用纸质日志本（[00:08:03]–[00:09:04]）。
  • Samsara 创立于 2015 年，Andy McCall 2017 年加入（[00:07:02]–[00:08:03]）。
  • Meraki 创立于 2006 年，源自 MIT 的 RoofNet 研究项目（大规模 mesh Wi-Fi），2012 年被 Cisco 收购，至今仍是 Cisco 内部的健康业务（[00:18:08]–[00:19:08]）。⚠️ 转录稿此处写 "at this point 20 years ago"，与 2006 年创立的说法在年份上不完全自洽，本库照录。
  • ELD mandate 之前，市场上已有 AT&T、Verizon 以及数家收入在"数亿到五亿美元"量级的既有玩家（[00:09:04]）。
  • Joe Schmidt 的两篇文章：Lighthouse or Landgrab（本期主题，视频简介给出 a16z 站内链接）、trading margin for promote（约一年到一年半前，⚠️ 标题按转录稿照录，未核实）（[00:32:12]）。
  • 预测（Joe Schmidt）：当下企业内部"必须采用 AI"的动能会过去（[00:11:04]–[00:12:04]）。
  • 预测（Joe Schmidt）：当下是重新销售平台级大软件的窗口，因为这一轮不是拟物式的一对一替换（[00:33:12]–[00:34:12]）。
  • 预测/趋势判断（Andy McCall）：买方见识随每次技术转换单调上升，销售动作会持续向更自助方向移动（[00:34:12]–[00:35:12]）。
  • ⚠️ 利益相关：本期点名的公司（Harvey、Decagon、Pylon、Further AI、Applied Intuition、Cursor、Stut）均为 a16z 投资组合内或与之相关；Joe Schmidt 自陈是 Further AI 的董事会成员（[00:25:11]），Andy McCall 自陈参与投资 Pylon（[00:16:06]）。