跳转至

"pre-AI 它是个好生意，post-AI 它不是风投级生意"：Town 砍掉已有收入的税务产品、token 分配机，以及"供给聚合不再值钱"（a16z，2026-10-19）

⚠️⚠️ 利益相关：主持人是嘉宾公司的投资人与重度用户，且两人在 Plaid 时期就共事过。 [00:01:00] Rampell 自述他主导了 a16z 对 Plaid 的投资、而嘉宾当时是 Plaid 的 CTO；[00:33:22] 他自述 "我既是 Town 的投资人也是重度用户"；[00:28:18] 他还当场说 "这是我现在对你候选人的招聘说辞"。✅ 本库据此把本期关于 Town 产品与前景的全部正面评价记为当事方口径，只取其中可独立检验的机制与框架。

⚠️ 嘉宾姓名只给到名。 转录稿里 Rampell 在 [00:01:00] 介绍为 "Jean-Denis, the CEO and founder of Town"，自动字幕在 [00:00:00] 与 [00:02:02] 把他写成 "John and Denise" 与 "John Donahue"（明显是同一人名的误听）。本库只写 Jean-Denis，不补姓氏。

⚠️ 术语还原（自动字幕）：Opus 4.5 → "Opus 45"（[00:11:09]）；Good Technology → "Good Technologies"（[00:17:12]，指 iPhone 早期的企业版邮件客户端）；townie = Town 的用户侧 agent 昵称（[00:21:14]）；FDE = forward deployed engineer（[00:32:21]）；CamelCamelCamel 照录（[00:59:34]）。

⚠️ 说话人归属无歧义：全程只有两人，Rampell 提问、Jean-Denis 回答，>> 换轮清晰。少数几处 Rampell 的长论证（Jevons、Goldilocks、broken covenant、CamelCamelCamel）本页已标明出自主持方。

概要

本库第一份"创始人主动砍掉一个已经在赚钱的产品线"的一手复盘——而且理由不是产品不work，是AI 把风投级的门槛抬高了。

  • 事实线（[00:03:04]–[00:04:04]）：前 Plaid CTO 离职创业，判断 SMB 报税可被 AI 自动化（"税务里有大量文本，而 LLM 很擅长文本"），做了一年，第一年收入"略低于一百万美元"，第二年预计 250 万到 300 万。
  • ⚠️⚠️ 本期标题那句判断（[00:04:04]）："如果我把这些数字给 pre-AI 的你看，你会说这完全说得通。但 post-AI，这就不会是一家风投级的公司了。"
  • ✅ 而他说"更重要"的是第二条理由：在位者会用同一种技术、为自己的存量客户把报税自动化掉，速度快过新进入者抢市场份额。
  • 他随后把公司掉头到 email + calendar 的工作助理（Town），拿到 PMF，本期后半是这条路线的完整产品与竞争论证。

本期对本库有三条独立价值：

  1. ⚠️⚠️ "token 分配机"这个产品框架（[00:23:14]）：把产品定义成替用户寻找"值得花 token 的地方"，并给了一个可算账的例子（餐馆批发商价目表：一个月一美元跑一次，十二个月里十一个月白跑，那一个月找回几百到几千美元）。
  2. ⚠️⚠️ "软件的价值单元从 app 变成了 computer"（[00:29:20]）："我们在把 app 这一层整个抽象掉，我认为 app 层的价值会下降。" ✅ 这句出自一个 app 层创业者之口，本库认为这是本期最值得单独引用的一条。
  3. ⚠️⚠️ "AI 扩散不开，瓶颈是 tinkerer 不够，不是智能不够"（[00:46:26]–[00:48:28]）："你不需要更多智能。智能已经在那儿了。问题是怎么把它有效地大规模部署下去。"

一、为什么砍掉税务（[00:02:02]–[00:10:08]）

来源：本期转录稿。

1. 当初为什么选税务

  • 选品逻辑（[00:02:02]–[00:03:04]）：离职后休息几个月，然后用很 B2B 的方式去找"AI 能真正改变产品体验的市场"。税务符合三条：税务里有大量文本、LLM 很擅长文本；输入是大量结构化格式（财务报表、租约文件）；企业报税和个人报税很不一样，整个流程可被自动化。
  • ✅ 他做了技术尽调再下注（[00:03:04]）："我做了工程师会做的事——做技术尽调，向我们自己证明这件事能做成。" 结论是两年内可自动化。
  • 一年后的判定（[00:03:04]）："从产品角度它成立，但从 go-to-market 角度不成立。" 他特意区分："我毫不怀疑报税会被自动化；问题是你怎么高效地触达数百万家企业并把产品卖给他们。"

2. ⚠️⚠️ 两条理由，他说第二条更重要

  • 第一条：绝对量级不够（[00:04:04]）。"第一年收入略低于一百万，第二年我们觉得能做到两百五十万到三百万。pre-AI 你会说这完全说得通。但 post-AI，这不会是一家风投级的公司。"
  • ⚠️⚠️ 第二条（他说"甚至更重要"）：在位者的时钟（[00:04:04]）："在位者能用这项技术，为他们的存量客户把报税自动化，速度比我们抢到市场份额更快。" 他把它写成一个创始人必须算的时钟——"新进入者的优势是你跑得更快、能做不同的产品、能用不同的 go-to-market；但墙上有个钟在走：在你的竞争对手——那些有分发优势的在位者——追上来并把你做的事抄得足够有效之前，你能多快拿到真正的口碑网络效应和市场渗透？"
  • ✅ 本库认为这条是本期最可迁移的框架，而且它不依赖 AI——AI 做的事只是同时缩短了双方的时钟，而在位者的分发优势不变。

3. ⚠️ 周期性业务这条结构性约束（本页认为被低估了）

  • 三重约束叠加（[00:05:06]）：税一年只能卖一次；它从根本上不可能是个 DAU 工具；它几乎没有口碑——"人们很少炫耀自己的报税体验，而且一年只能炫耀一次；而等你报完税开始夸的时候，通常也不是别人在找新会计的时候。"
  • ✅ 他给了一个同构的旁证（[00:06:06]）：一位做 EdTech 的朋友长期抱怨学校软件一年只有两个销售窗口（夏天卖秋季、秋末冬季卖年前），"这真的限制了我超高速扩张的能力"。⚠️ 他对自己的那句评语很诚实："我们做税务的时候，我选择性地忘了这件事。"
  • ⚠️⚠️ 但周期性也救了这次决策（[00:09:08]–[00:10:08]）："因为税是年度的，那个时点是我们唯一能做决定的时点。" 4 月 16 日不能掉头（已经答应给人报税），1 月不能掉头（合作方已签掉一半）；大约 10 月 15 日前后有一个月的窗口，两个宇宙还能同时活着。
  • ✅ 他给出的反事实很锋利："如果你不是周期性生意，你永远可以告诉自己——让我再试一个月下一个点子，再试三周下一个。" 时间压力"让我们比原本更高效地做了决定"。

4. 他怎么处理"承认失败"

  • 两条原始动机的检验（[00:07:07]–[00:08:08]）：① 影响世界 —— "我们不再相信自己能有应有的影响，因为我们不觉得业务能扩张得够快"；② 和团队一起工作 —— "我们团队每个人都有机会成本"，"如果你不再相信能有好结果，那每天走进办公室看着他们的眼睛就非常难，去说服一个手上有其它 offer 的候选人也非常难"。
  • ✅ 他把"难"归到了正确的地方（[00:08:08]）："难的部分是向别人承认你失败了"——而他给自己的解法是 "首先，别人怎么看你重要吗？我的朋友不管我成功还是失败都还是我的朋友。至于员工，我们可以帮他们找到下一份工作，可以在遣散和其它方面好好对待他们。" "然后你会发现，这个决定没有你最初情绪反应的那么难，而且它是对的。"

二、掉头之后：Town 怎么找到的（[00:10:08]–[00:13:10]）

来源：本期转录稿。

  • 过程（[00:10:08]）：认真探索了大约四个想法；落到 Town 的那个问题是——"为什么没有人做出一个在 email 和 calendar 里跑得很好的 AI？"
  • ✅ 需求信号来自上一条产品线的客户（[00:10:08]–[00:11:09]）：做税务时客户反复说——"你把报税自动化了很棒，但我还花很多时间和客户约会议；进了会议我忘了这会是干嘛的；客户总问我同样的税务问题，你能不能帮我预先起草答案？" 他的归纳是 "这些事都不复杂，但没人围绕这些极常见的知识工作者工作流做出好的 AI"。
  • ⚠️ 时点依赖被他讲得很明确（[00:11:09]）："我们做这件事的时候正好是 Opus 4.5 那会儿，agent 至少在写代码上已经能做越来越多的自主工作了。" ✅ 他把 PMF 归到"很简单的洞察 + 模型突然变得更 agentic"两者相乘。
  • ⚠️ 他自陈没做 TAM 分析（[00:11:09]–[00:12:09]）："我们根本没有坐下来问自己 TAM 能有多大、是不是所有人都会想要这个。我们只是觉得用户拉力很大，那就往死里做几个月、把市场搞明白。" ✅ 本库照录这处反方法论的自述，不替他合理化。 事后他给的 TAM 论证是"大多数企业跑在 email 和 calendar 上，尤其是任何对外的角色（销售、BD、招聘）"。

三、PLG 而不是 sales-led：客户不是用户（[00:13:10]–[00:21:14]）

来源：本期转录稿。

  • ⚠️⚠️ 本节的那条判据（Rampell 复述，嘉宾确认）（[00:13:10]）："如果客户不是用户——客户是签支票的人，用户是必须忍受产品的人——你可能会做出一个烂产品，因为你是在让 CISO 开心，你不是在让用户开心。"
  • ✅ Dropbox 带来的方向性经验（[00:14:10]）："你永远可以拿一个世界级的产品体验，再想办法让它适配企业——往这个方向走是难，但可能。而从合规 / IT / 企业需求出发，再去想怎么把产品体验做到极好，几乎不可能。"
  • 他们的赌注与现在的位置（[00:14:10]–[00:15:11]）："把产品做更好这件事里还有太多 alpha，那就该是我们的重心"，增长自然发生；企业侧只要数据安全与隐私的地基打好，管理端之后再补。现在的问题换成了"怎么从一笔大企业订单变成能高效做几十笔"，他说这"现在感觉是个可知的问题"。
  • ⚠️ 消费级预期倒灌企业的论证（[00:15:11]）："CIO、CEO 会对自己说——我在个人世界里拿到的这个超棒的私人助理体验，我想要公司也有。谁的企业体验感觉像消费级体验，谁就会赢。"
  • ✅ iPhone / BlackBerry 的对照里，他挑出的不是 BlackBerry 而是 Good（[00:16:11]–[00:17:12]）：Rampell 给的是 BlackBerry 因为 "那年每个 CEO 圣诞节都拿到一台 iPhone、给孩子拍照、说'我是老板，你去想办法让这玩意在公司能用'" 而迅速死掉；⚠️⚠️ 而嘉宾把风险精确化了一层——"这不只是 BlackBerry 的故事。还有 Good Technology，iPhone 上那个企业版邮件客户端。Good 最后不是个好生意，因为人们会说'是啊你在 iPhone 上是企业级，但你的品质够不上 iPhone 上其它每一个 app'。" "所以我们的风险不只是成为 BlackBerry，也包括成为 Good。"
  • 采纳曲线的位置（[00:18:12]）："助理这个品类今天全球也就几百万人在用，采纳曲线还非常早。" 他预计"像 iPhone 一样，大多数人在个人生活里体验到这种魔法还需要 6 到 18 个月"。
  • ⚠️⚠️ agent 的能力上限被数据访问权限卡住（[00:18:12]–[00:20:14]）："agent 只有在能访问驱动你业务的数据与 API 时才越来越有效……如果没有，它们的聪明程度就只到它能访问的数据为止。" 他给的路径是逐级赢得权限：先只连 email + calendar（不碰核心记录系统）→ 让人感到价值 → "我有没有挣到让你连 CRM 的资格？有没有挣到让你去找 IT 连其它工具的资格？"
  • ✅ 企业侧要同时具备的另一半（本库记为可复用清单）（[00:20:14]）：审计日志、让特权信息不被共享给 agent 的 posture、给 CFO 的成本控制（"让他们明白钱花在哪、token 用得是否高效"）。
  • 他的市场分工（[00:20:14]–[00:21:14]）：产品体验与自助增长主攻 SMB 与中端市场；安全、合规、财务功能主攻企业。

四、⚠️⚠️ "token 分配机"（[00:21:14]–[00:27:17]）

来源：本期转录稿。本节是本页主干之一。

1. 框架

  • 他给市场的定义（[00:23:14]）："我们在做的产品，是和人一起找到越来越多可以部署 AI 让他把工作做得更好的机会。" 再收成一句——"我把我们的产品想成一台 token 分配机。我们给人选项，告诉他可以把 token 用在哪儿，然后由人决定要不要那个结果。"
  • ✅ 成本下降 → 可做的事的集合扩张（[00:23:14]）："随着 token 变便宜，会有越来越多你以前绝不会用今天这么贵的 token 去做的地方，而那些地方你以前更不可能用人去做。"
  • 最小例子（[00:23:14]–[00:24:15]）：给你走进的每一场会议写准备笔记——"就算你有行政助理，他也不会为你每一个 30 分钟的会写完美的准备笔记，那不是好的时间分配。但 LLM 可以用大概一美分做到。"于是长尾调研变得值得做了（会上还有谁、他们上周在 X 上说过什么）。

2. ⚠️⚠️ 餐馆批发商那个例子（本页认为是本库目前最好的一笔 agent 单位经济学账）

（[00:24:15]–[00:26:16]）

  • 场景：美国的餐馆老板，食材批发商每月或每季发来一份 Excel 或 PDF 的全库存价目表，成千上万个条目，价格一直在变。
  • 理论上该做的事：一个兼职财务每季度比一次价差，看看哪些能换供应商、哪些涨了 20–30% 是不是被宰了。
  • ⚠️ 为什么没人做："大多数情况下你不做。因为这是件罕见的事，就算能省钱，它很烦，不属于你的日常运营，你也没有全职的人干这个。"
  • ✅ 换成 agent 之后的账："你能在五分钟里 prompt 出这个东西。一个月跑一次，花你大概一美元。有意思的是——十二个月里有十一个月它什么也没找到，而那一个月它会给你找回几百、甚至几千美元。"
  • ⚠️⚠️ 而他认为真正的产品难点在需求侧而不是供给侧（[00:26:16]）："我们的活儿是把这个机会摆到餐馆老板面前，因为他们不会——不是他们不聪明或不懂自己的生意，他们很懂——他们不会觉得那件事有价值。" 正确的话术不是"你要不要一个行政助理"，而是"你要不要我一直帮你盯着批发商有没有用对你不利的方式改价？"
  • ✅ Rampell 的归纳（[00:27:17]）："如果你去问一个餐馆老板'你要行政助理吗'，他完全不知道你在说什么。但如果你说'你想不想在生菜上省钱、我一年给你省 500 块、收你 50 块'，答案就是要。"

五、⚠️⚠️ "价值单元从 app 变成了 computer"与横向 vs 纵向（[00:28:18]–[00:33:22]）

来源：本期转录稿。

  • ⚠️⚠️ 那句被他自己"put a pin in"的话（[00:29:20]）："我认为软件里的价值单元已经从 app 变成了 computer。它真正的意思是——从一个 app 变成了任何人类能做的事，而人类用一台电脑几乎什么都能做。所以我们在把 app 这一层整个抽象掉，我认为 app 层的价值会下降。"
  • ✅ 本库上调这条的权重是因为说话人的位置：他自己就是 app 层创业者，这不是基础设施方的利益性断言。
  • 他由此推出的差异化前提（[00:28:18]–[00:29:20]）："大多数 AI 产品的能力会非常接近，大多数工作场景里的 harness 都能做同样的事"，所以"硅谷长期以来的主要差异化——你有领先市场的产品功能——会越来越难维持"。
  • ✅ 他们押的差异化是"AI 替每个用户定制产品"（[00:29:20]–[00:32:21]），而方法论本身值得记，因为它绕开了"不看用户数据"这条企业级约束：
  • 不看用户数据（"企业级的一部分就是你不能看用户数据"）。
  • 看聚合指标找出平台上的重度用户 → 直接去找他们聊。
  • 十个开餐馆的重度用户聊下来，会看到五件共通的事 → 内部做原型自动化（他们叫 routines）。
  • 新用户进来时读 email 判断"你看起来是个餐馆老板"，把手工打磨出来的模板推给他。
  • ⚠️ 然后把这个循环本身提速："你可以自动排访谈，给餐馆老板一张亚马逊礼品卡，做一次 AI 录制的访谈。于是你不再以人的速度运转，而是以 AI 的速度运转。"
  • 终局（[00:32:21]）："随着模型变好，推荐会越来越少依赖这个库"，目标是 "给人提供 80/20 的高度定制软件"；⚠️ 他补的那条观察本库认为有价值——"而且人不是只有一个角色：你是餐馆老板，但也兼管餐馆财务，还有一套出租的度假房，还有两个在上学的孩子。"
  • ⚠️⚠️ 他对实验室 FDE 路线的反驳（本页认为这是本期最该被检验的一条预测）（[00:32:21]–[00:33:22]）：
  • 描述：FDE 是"我派一个人进你的企业，搞懂你的业务怎么跑，然后用 AI 给你造定制软件，而那套软件用我家实验室的 AI"。
  • ⚠️ 他的判断："如果你是一家愿意一年花五百万美元请 OpenAI 的 FDE 的企业，现在看起来确实很好。但我认为随着模型变好，FDE 这条路会变得糟糕得多，而我们这条——更多是自动化、用 AI 造定制软件——会扩展得好得多。"
  • ✅ 可检验点：这条有明确方向（模型越强 → FDE 相对越差）但无时间窗，本库记为待检验预测。

六、⚠️⚠️ 怎么跟自己的供应商竞争（[00:33:22]–[00:44:25]）

来源：本期转录稿。本节是本库此前材料最薄的一块。

  • Rampell 把问题问到了点上（[00:34:22]）："和自己的供应商竞争总是有风险的。" 他给的历史对照是——"Cisco 和 Akamai 是 90 年代的基础设施公司，Amazon 和 eBay 是应用公司。但 Cisco 做梦也不会说'我们要去做个卖书的、做个拍卖网站、做个跟 Yahoo 竞争的目录'，它们乐于卖交换机和负载均衡器。" ⚠️ 而现在"基础设施正在变成应用"。
  • ✅ 嘉宾自己先否掉了弱答案（[00:35:22]）："小答案——也是不好的那个——是我们对 email 和 calendar 的用户体验有很不一样的信念，而不知为何别的玩家都没真正聚焦在这儿……但这是个小答案，因为显然 OpenAI、Anthropic、Google 的某个人明天醒来就可以决定去做。"
  • ⚠️⚠️ 他给的三条真答案（本库认为这是一份可复用的"app 层对抗模型层"清单）：
  • 中立性（[00:35:22]–[00:37:23]）。他对中端市场客户（500–1000 人）的话术是："你知道未来 3 到 5 年最好的模型提供方是谁吗？"——对方不知道。"那么如果你买 OpenAI 的产品，你的产品里就永远是 OpenAI 的模型。万一 OpenAI 在未来 3 到 5 年不是最好的，随着 AI 替你做的事越来越多，你可能会处在竞争劣势。" ✅ 他给的历史证据是现成的："有些公司两年前选了 OpenAI，然后 Anthropic 在写代码上好了 12 个月，那些公司不得不两家都用。" ⚠️ 而他把中立性的粒度切得比"哪家最聪明"更细："也不只是通用智能——谁在语音上更好、谁在视频上更好、谁在做 slides 上更好。"
  • ⚠️⚠️ 数据与上下文的所有权——而且他把判据设成了对自己不利的那一侧（[00:37:23]–[00:38:23]）。他把 context 列为企业的新资产类别（"以前你有实体资产、有人力资产；现在还有一类资产，是 AI 为了帮你跑业务而知道的关于你业务的一切"）。"我认为你应该拥有这一整桶，而且应该拥有到——如果哪天有个比 Town 更好的方案，你切过去只要一天。"
    • ✅ 他对这条的自我暴露很清楚："我承担的风险就是我客户的切换成本更低。但那正是我的卖点。如果我做不出市场上最好的产品，那也没关系，那就是我会输。"
    • ⚠️ 他对 FDE 的第二次攻击也落在这里："任何派 FDE 给你造软件的人，他们实际上想做的是让你以后更难切走。"
  • 不拿客户数据训练（[00:38:23]–[00:39:23]）："如果你的经营方式进了别人的权重、而那个人又把它转卖给别人，那基本等于你把自己成功的原因卖给了别人。"
  • ⚠️⚠️ 第四条是产品信念而不是防御（[00:39:23]–[00:41:24]）：Town 的 Teams 产品里有一个模式——由 agent 决定公司里哪些信息对其他员工可见。例子是"有谁认识这家潜在客户财务团队的人吗？"：Town 去和同公司其他员工的 agent 对话，找出和这条线索有连接的人。
  • ✅ Rampell 的那句总结是本期最好的一个短句（[00:40:23]）："人类是很慢的路由器。"
  • ⚠️ 而嘉宾的立场明确且有风险："对这类问题，我们决定信任 AI 来中介一家公司内部请求的安全与隐私。" 他的世界观是 "未来会比今天少得多的 human in the loop……我们的工作是让公司对那个宇宙感到自在，因为对他们而言经济收益远远超过他们今天在这种体验里看到的风险。" ⚠️⚠️ 本库标注：这是一条把安全判断交给 agent 的产品决策，而本期没有人追问失败模式。
  • ⚠️ 他点名的两个前车之鉴（[00:41:24]）："看看 Rogo 在发生什么、Harvey 在发生什么——OpenAI 在造和它们竞争的垂直公司。" 他的推论是反过来的——"如果你是一家在选合作方的中立企业，你就得想：他们还会往上走多远？所以从战略上讲，大多数大公司真的不应该被任何一家实验室绑住。"
  • ⚠️⚠️ Rampell 的 "Goldilocks zone of relevance"（[00:42:24]–[00:44:25]）：收入一万亿 → 你是 OpenAI 和 Anthropic 的头号目标；收入零 → 没人在乎你。 他认为写代码掉在了这个区间的错误一侧——"你不可能不在写代码这个市场里。"（原话是他自己绕了两次才说顺的双重否定）。他给的解释是"OpenAI 似乎从 Anthropic 那儿学到了教训：OpenAI 有 50 个赌注，而 Anthropic 全押了代码，结果非常好。" 所以医疗、法律、代码这些大赌注实验室几乎必须下，而横向铺开的这类反而更难让它们投入。
  • ⚠️ 嘉宾只部分同意，而他的反驳带时间窗（[00:43:25]–[00:44:25]）："对 SMB 和中端市场我同意你。但'AI 为企业多做事、帮企业更成功'这个市场比写代码的市场大。所以对我来说这是何时而不是会不会的问题——在当下的环境里它不会撬动那些公司的指针，但我认为 12 个月后会，而且会动得非常非常快。" ✅ 本库记为可检验预测：时间窗 12 个月（即 2027-10 前后）。

七、⚠️⚠️ 为什么 AI 扩散不开：tinkerer 瓶颈（[00:44:25]–[00:52:31]）

来源：本期转录稿。本库认为这是本期第二条最该被其它页面引用的内容。

  • Rampell 的提问框架（[00:44:25]）："硅谷几乎在过度炒作 AI——虽然我不觉得过度炒作 AI 是可能的，因为它每周都在变好。而世界其它地方我认为几乎是炒作不足的。" 他特意指出这不是"跨越鸿沟"那种例子——技术在全世界都有人用，只是分布不均。
  • ✅ 嘉宾给的轶事（他自己说"不在我的 128×128 宾果盘上"）（[00:45:25]–[00:46:26]）：一家在海岛上出租冲浪板和沙滩车的生意，用 Town 比对照片、检查器材有没有损坏，以此决定要不要退押金。
  • ⚠️⚠️ 他的归纳（本节核心）（[00:46:26]）："真正发生的事是——那家小企业里有一个 tinkerer，有件事让他烦，然后他用 Town 想出了怎么自动化。让它成立的是那个 tinkerer。问题在于世界上 tinkerer 不够多，或者说有时间去当 tinkerer 来帮自己生意的人不够多。我认为这就是 AI 扩散不开的原因。"
  • ✅ 他把这条做成了一个可证伪的对照（[00:46:26]）："过去 12 个月里，Claude 或 ChatGPT 里一直存在能让很多小企业省下大量时间的功能，但他们实际在做的是把它当成一个更好的 Google 搜索。"
  • ⚠️⚠️ 原因他归到产品形态而不是用户（[00:47:27]）："因为产品体验不能只是一个文本框。你没法教会一个人。你得直接把价值主张展示给他，并且替他做掉。"
  • ✅ 他给的 Town 留存判据（很具体，本库记下）（[00:47:27]）：连上 email、连上 calendar、理想情况下再连上一个对他生意重要的记录系统，然后搭出一个开箱没有的、有魔力的定制集成。 他现在要做的事是"把这个自定义集成这一步整个拿掉"。
  • ⚠️⚠️ 他给出的地理学解释（[00:47:27]–[00:48:28]）："硅谷我们都在工程师旁边上班，我们离这种天生的解决问题和折腾更近——我们公司里到处是 tinkerer，所以我们的公司在有效地用 AI。世界上绝大部分地方没有。" 落点是一句很干脆的商业判断——"如果你能把一个非 tinkerer 变成能拿到和 tinkerer 一样的价值，你今天就能做成一家巨大的公司，因为 AI 能解决太多业务问题了。你不需要更多智能。智能已经在那儿了。问题是怎么把它有效地大规模部署下去。"
  • ⚠️ "人们把两年前的印象固化下来"（[00:48:28]–[00:50:29]）：Rampell 讲了一个轶事——一位哈佛教授说 AI "几年前试过，还行但不够好"，他当场用 ChatGPT 把她二十多年前的论文按当下重写，对方问 "这是什么 AI？"；他的概括是 "硅谷倾向于按它能到哪儿来判断，所以有时会过度推销现实；而很多人按它今天是什么来判断"，而且早期采用者反而更容易把旧印象固化。
  • ✅ 嘉宾把这条翻译成了平台判据（[00:50:29]）："赢的平台会是那个持续把业务适配到最好的 AI 上的平台……人们对什么可能、什么不可能、什么难、什么不难的心智模型会一直是过时的。"
  • ⚠️ 他给的能力数字（自述、无来源）（[00:50:29]）："就拿 computer use 和 browser use 说，过去两个半月里助理能做到六个月前几乎不可能的事，而且 90% 的时候能做到，以前是 30%。" ⚠️⚠️ 本库按自述收录、不作为事实。
  • ✅ 他对"怎么营销这件事"的回答本库认为很实用（[00:51:30]）："你不能告诉别人'Town 现在有 computer use 了'，那什么也不是。得非常具体——'我可以给这个活动做海报，长得就像你一直在 Canva 里做的那些；我可以用你已经在付费的 Canva 订阅来做，要不要我试一版？'" 然后是"要不要我以后每次在你日历里看到这类活动都先做一版？"，再然后是改了品牌设计之后，下次做的传单就该自动用新设计，而且你不该需要开口。

八、⚠️⚠️ 分发的破约、agent 中立性与"供给聚合不再值钱"（[00:52:31]–[01:01:35]）

来源：本期转录稿。本节大部分论证出自主持方 Rampell，嘉宾在后半给出了本期的收尾命题。

  • ⚠️ Rampell 给的两个数据点均无来源，本库按断言记录："agent 流量已经大幅超过人类流量"（[00:52:31]）；CamelCamelCamel"美国有两千万人在用，存在了 18 年，是个联盟营销网站"（[00:59:34]）。
  • ✅ "破掉的契约"这个框架很清楚（[00:52:31]）：**"我去 Yahoo Finance 查股价，Yahoo 花钱从 Nasdaq 买行情，而我的眼球撞上一个 ETRADE 广告。契约是——我 Yahoo 给你免费股价，你给我你的眼球。这个契约已经被打破了。"* 由此分出两种姿态：对抗式（Amazon，因为它是广告公司）与协同式（"这就像新的 SEO"——怎么欢迎 agent 流量而不是怎么拦住它）。
  • ⚠️⚠️ 嘉宾的 agent 中立性主张（与第六节的"模型中立"是同一原则的消费侧版本）（[00:53:31]–[00:54:32]）：他先提出问题——"如果你不再信任你的 agent 本身没有自己的利益，分发会变成什么样？" 例子是你用 Meta 的 agent 订机票，而 United 在 Meta 上投放得比某家没名气的航司多得多。他的立场是："我坚定相信你要一个属于你自己的中立 agent，它唯一的钱来自你这个用户的钱包；那么造它的人的激励就是给你最好的信息，不被营销的伟力扭曲。" ✅ 他同时保留了广告的位置：你可以主动问 agent"Instagram 上大家在聊什么""上面在投什么广告"——那是你想被营销世界调味的时候。
  • ✅ "你享受的摩擦"与"你不享受的摩擦"（本库认为这是对 agent 设计最有用的一条反效率论）（[00:55:32]）："我在纽约 SoHo 逛街是我享受的摩擦——我喜欢要在店与店之间走，喜欢有人在排队因为我可以抄他们的穿搭。而我想在家订卫生纸，我只想要我一直在买的那款，越快越便宜越好。" 结论是 "我们想 agent 想得太多的时候，会太偏向减少摩擦和把一切做到最高效，但人类并不总是为效率做优化。"
  • ⚠️⚠️ Amazon 的处境与他给的反制（本页认为是本期最好的一段战略推演）（[00:56:33]–[00:58:34]）：
  • 他先承认广告的存在价值：给孩子买乐高时他想看到别的积木玩具的广告——可能是个他不知道的非乐高品牌，他会让 agent 去查评价然后可能下单。"在那种体验里 Amazon 能赚非常多钱。"
  • ⚠️ 但他的判断是 Amazon 不该拦 agent："我不认为你想拦住 agent，因为可能存在一家比 Amazon 更大的公司——一个 headless Amazon。" 代价是Amazon 得把"你想要广告"的那个体验单独做出来、并且做得够好、能自己立住。
  • ⚠️⚠️ 他给 Amazon 的落点很硬："只是作为供给的聚合者，在 agent 的世界里可能不再是个好的商业模式。所以他们真的没什么办法，他们会输。而他们诚实的反制其实是——他们应该有一个自己的私人 agent。不是去封杀 Muse，而是自己有一个 Muse。"
  • ✅ 他用 Muse 举的"货币化与 agent 体验解绑"的飞轮：Muse 保持免费，但它给的数据让 Instagram 上的定向更准——"你上 Instagram 不是为了效率，你是为了被娱乐"——广告在那头收。⚠️ 本库记为推演而非事实。
  • ⚠️ "时间比钱多"与"钱比时间多"（[00:59:34]–[01:00:35]）：Rampell 的框架——CamelCamelCamel 这类工具是时间比钱多的人在用；钱比时间多的人不会用。"但如果现在你能把全套工具给那些钱比时间多的人、而且由 agent 来做呢？他们当然会用。这是一道智商测试。" 同理："有钱就不该用优惠券，因为你要花两小时去找对的那张"——⚠️ 而这正是"另一条被打破的契约：一种非常整洁的分割世界的方式"。
  • ⚠️⚠️ "breakage 模型已死"（[01:00:35]）：两人就 Amex / Chase 的会员权益会被自动优化到用尽达成一致，Rampell 下的结论是 "breakage 模型已经死了"，嘉宾接 "于是我们都会把 Chase 和 Amex 的权益全榨干"，而发卡方"必须改规则"、关系会转为对抗式。✅ 本库标注这与 Terry Angelos（VGS，2026-10-15）的"任何带 breakage 模型的东西都会垮" 是同一频道、同一主持人、四天之隔的第二次出现——⚠️ 而两期都没有给出任何量化，本库把它记为一条正在频道内成形的共识叙事，而不是被证据支持的结论。
  • ⚠️⚠️ 本期的收尾命题（嘉宾给的）（[01:00:35]–[01:01:35]）："把这些全都串起来的那条线是——供给聚合比过去不值钱多了。它过去非常值钱，是因为人类注意力有限；而现在供给聚合不那么值钱了，因为人类注意力可以被自动化掉。"

本期未展开 / 本库不收录的部分

  • [00:00:00]–[00:01:00] 是预告剪辑，内容与正片重复，本页引用一律取正片位置。
  • ⚠️ 本期没有触及的问题：① Town 的任何收入、用户数或留存数字全程未给（只给了税务产品线的旧数字）；② 既然他说"我们不看用户数据"又说"我们看聚合指标找重度用户、读新用户的 inbox 判断他是餐馆老板"（[00:30:21]、[00:31:21]），这两条之间的边界在哪里本期没有被追问——本库标注为最该被追问而没有被追问的一处；③ 把"哪些信息可跨员工共享"交给 agent 判断的失败模式（[00:40:23]）无人追问；④ "中立路由"在实践中如何避免变成成本最优路由（即"对你最好"由谁判定）未被展开。

关联

  • 人物：Jean-Denis（Town） · Alex Rampell / a16z
  • 主题：
  • AI 商业与价值捕获 — "pre-AI 好生意 / post-AI 不是风投级"、在位者时钟、Goldilocks zone、app 层价值下降、供给聚合贬值、breakage 模型已死
  • LLM OS — "价值单元从 app 变成 computer"
  • 在实践中使用 LLM — token 分配机、tinkerer 瓶颈、"产品体验不能只是一个文本框"
  • AI 与就业 — 助理市场的 Jevons 悖论（"用硅做出来，市场就很大了"）
  • 可对照的其它视频：
  • a16z × VGS（2026-10-15） — 同一主持人、四天之隔，"breakage 模型会垮"的第一次出现，以及 Amazon / Walmart / SMB 三类商户的分类
  • a16z × Lassie（2026-07-30） — 同一主持人的垂直 agent 对照组，与本期"先横向再纵向"是相反的路线选择
  • All-In 2026-10-19（Dylan Field） — 同日另一期里的同一问题（能力趋同后靠什么差异化），Dylan 的答案是设计与观点，这里的答案是中立性与数据所有权