AI重塑软件商业模式

• Bret Taylor 履历堪称顶配，且「天才工程师 + 会卖货」的人少之又少。 他是 Google 第一届 APM（Associate Product Manager，培养年轻产品人的著名摇篮），留下「一个周末把整个 Google Maps 重写了一遍」的传说；之后创办 FriendFeed、去 Facebook 当过 CTO、创办 Sierra（Sequoia 投资），同时是 OpenAI 董事长（chair）。主持人介绍他「正在重新定义企业的『门面』」。RVY 形容请到 Jeff Dean 再请到 Bret，「就像工程师界的 LeBron 加 Steph」；核心点题是能被称为「一万倍工程师（10,000x engineer）」、同时又把 enterprise 销售做好的人极少——所以本场既聊「世界往哪儿走」的**高大上（high-falutin）**话题，也接地气聊「东西到底怎么卖」。开场插科打诨不少（RVY 自嘲「以前送菜、现在发钱，其实差不多」、Bret 误以为「传奇人物」说的是自己而「挺失落」）。→ 详细 → 点题

• 创业者常带着独到洞察（unique insight）起家，但容易退化成「单一议题选民」。 Bret 称这是「创业者要克服的最大挑战之一」。起家的洞察可能是技术、是 BD（商务拓展）/市场机会、也可能是「金融服务里某个市场低效（inefficiency）」。问题在于人会变成「单一议题选民（single issue voters）」——产品出身的人一遇问题就本能去改产品，于是出现公司被搞垮前那经典的一下「死猫反弹式的著名重设计（dead cat bounce redesign）」（dead cat bounce 是金融术语，指暴跌中的短暂反弹，这里指公司快不行了才搞的「最后一搏式」改版，看着像回光返照）。→ 详细
• 公司任何时间点的真问题，未必是你舒服的那个。 随着成长，瓶颈「可能是 go-to-market（GTM，市场进入/拿单打法）的问题，可能是产品的问题，也可能是竞争的问题」。最难的是：「当你带着自己擅长、舒服的那套去面对时，你会下意识退回到让自己舒服的方式里（regress to what makes you comfortable）。」→ 详细
• 金句（他拿去跟孩子分享的一句话）：「Don't let something you're good at become who you are.」 译：别让你擅长的某件事，变成了你这个人本身。RVY 回应这正是他从 Bret 身上学到、特别受用、且 Bret 在日常里确实在践行的一点。→ 详细

• 背景：29 岁的 Facebook CTO，最脆弱的时刻。 他29 岁当上 Facebook CTO，是当时公司里「岁数偏大的人之一（one of the older people）」。他坦言「我当时不会承认自己工作上有点吃力，但其实我是有的」——那时什么活都想自己一个人扛。（席间他还插科打诨，差点爆粗口，提醒 RVY「你不该把 OpenAI 的国家机密抖出来」。）→ 详细
• Sheryl Sandberg 的原话（时任 COO，把他拉到一边的「come to Jesus」谈话——即坦诚到刺痛的交心谈话）。 大意是：「你对团队的要求，得跟对自己一样高（hold your team to as high of a standard as you hold yourself）。你得别再什么活都自己干，你得识别出那些达不到你要求的人，把他们换掉。你现在这种干法根本撑不起规模（you're not scaling the way you're operating）。」→ 详细
• 难受一小时，第二天「打了鸡血」。 他「难受了大概一个小时，然后第二天醒来就跟打了鸡血一样、心里燃起一把火（a fire in my belly）」。事后他悟出一个 Sandberg 当时并没这么诊断的问题：他每天上班脑子里想的都是「怎么把这份工作改造成适合我、迎合我长处的样子（how do I conform this job to me and my strengths）」，而不是去想「今天这份工作里最重要的事是什么，哪怕那件事我并不觉得有趣或者享受」。→ 详细
• 「把自己当成自己的董事会」给自己提建议。 他换了个角度：「我一直把它想象成给自己提建议，好像我是自己的董事会（my own board of directors）」——有时关于人，有时关于业务，有时关于技术。结果他反而从中获得了更多快乐：他意识到「比起做这份工作里任何一件具体的事，我其实更看重自己能带来影响（having an impact）」。由此形成正反馈：「哇，我这个月比上个月更胜任这份工作了，因为我不再只挑自己喜欢的、做着舒服的事去干」——这变成「一个非常良性的循环（virtuous cycle）」。→ 详细
• 「变色龙」自述。 「我有点像个变色龙（chameleon）。要是我遇到 Facebook 出来的人，他们眼里我是个工程师；要是遇到 Salesforce 出来的人，他们眼里我是个穿西装的（a suit）、说得好听点是个领导。可这些身份我哪个都不是，我只是每天来上班，想着怎么去带来影响。」他把这段讲给在座创业者，是因为公司每个阶段需要擅长的东西会变——「一开始，产品就是一切（product is all that matters），关键是找到你最早的、满意的那批客户（first and happy customers）；等你做大了，你需要擅长的东西就变了」。能有足够的自我觉察和自我反思（self-awareness and self-reflection）去真正改变自己把时间花在哪儿，恰恰是「最大的挑战之一」，决定你的公司会不会失控（get away from you）、你能不能继续做一个有效的领导者。→ 详细

• Sierra 帮企业打造面向客户的（customer-facing）AI agent。 核心假设（hypothesis）：每家公司主要的数字界面，都会变成一个 AI agent。他用历史类比让人秒懂：「20 年前你主要的数字门面是你的网站、你的『dot com』。」——而且当年「能上 Yahoo 目录那可是顶顶厉害的事（listing on Yahoo directory was the bees knees）」（the bees knees 是老派俚语，意为「顶呱呱、最棒的」；Yahoo 早年靠人工编辑的网站目录，能被收录是品牌门面的标志）。后来品牌的数字触点又扩展到社交主页、手机 App——「企业如今有了一大堆不同的数字触点（digital touch points）」。→ 详细
• 5 年内绝大多数数字互动都会通过 agent 发生，所以每家公司只需要一个「唯一」的 agent。 他用触摸屏类比铺垫：触摸屏「从来不是完全取代，但确实会挤占掉一部分（it never replaces, but it certainly displaces）」键盘。同理，「往后快进 5 年，绝大多数的数字互动都会通过一个 agent 发生」。其结果：每家公司都需要它那个「唯一」的 agent——他特意强调「是单数，不是复数（singular, not plural）」——就是顶上挂着它品牌、**代表整个客户体验（represents the whole of their customer experience）**的那一个。→ 详细
• 合作客户与「很大一部分其实是业务」。 Sierra 跟很多公司合作过，从 ADT 家庭安防到 SiriusXM（美国卫星广播公司），帮它们打造面向客户的主力 AI agent。他强调一个反直觉点：「这里面很大一部分是 AI、是 agent，但也有很大一部分其实是业务。」具体场景：对 ADT，「可能是你家警报响了（your alarm might be going off），可能是警报坏了（your alarm might be broken）」；对 SiriusXM，「可能有人想要一个更划算的套餐价格，因为他的促销期到期了（because their promotional period expired）」。收尾愿景：「就跟你的网站一样——现在大多数人已经不把网站当成一项技术了，它几乎就是你品牌和业务的一种表达。这也正是那些公司在我们平台上打造的 agent 的样子。我希望，如果我们做成了，将来你在世界上随便撞见某个挂着品牌的 AI agent，它背后跑的就是我们的平台。」→ 详细

• 他的方法论立场：「strong opinion loosely held」（立场坚定，但随时准备松手）。 主持人指出 Bret 的视角最独特——他既是 OpenAI 董事长、又在做一家应用层公司，正好骑在「哪些归 foundation model、哪些归应用层」这道分界线上。Bret 说他看到「三个大市场」，并把最兴奋的留到最后说。→ 详细
• 市场一：Foundation model（基础大模型）——本质是建数据中心的资本密集生意。 「它本质上就是个资本密集型生意（capital intensive business），跟建数据中心一个道理。从成本核心来看，它实际上就是在建数据中心（effectively it is building data centers）。」逻辑链：「你要是有大规模的 capex（资本开支），你就能产出更多 capex，它天然偏向规模效应。」最终结局会像云基础设施市场：「玩家就那么几个（a handful of players），利润率相对较低，但规模极其庞大，相当于在向整个 AI 生态里的每个人『收税』（collecting taxes from everyone in the AI ecosystem）」，会出现「大量的整合（consolidation）」。→ 详细
• 市场二：造工具（淘金热里卖铲子和镐头）——但「离太阳越近」越危险。 这是「淘金热里那些卖铲子和镐头的（the proverbial pickaxes in the gold rush）」。Databricks、Snowflake 这类大语言模型出现之前就成立的数据公司归这一类，也会冒出一大批新公司。但他判断这「会是个很容易受到 foundation model 公司威胁的市场」：「我猜每家云基础设施公司做的事，大概都能找到一个 AWS 或 Azure 的对应版本。」一句精炼比喻：「你离模型本身越近，就越是『离太阳越近』（the closer you are to the models themselves, the closer you are to the sun）」——好处是规模可以做得非常大，坏处是随时可能被巨头「烤焦」。→ 详细
• 市场三（他最兴奋的）：应用 AI（applied AI），最终以 agent 形态呈现。 举例：Harvey（给法律行业做 agent）、Sierra（给客户体验做 agent）、还有给营销做的、给视觉特效（visual effects）做的公司。核心论断：「这基本就是新一代的 SaaS（the new software as a service）。以后采购 AI 的形式，就是采购一个能干某项活儿的 agent（the form factor of purchasing AI will be purchasing an agent that does a job）。」他估计在座很多人做的就是 AI 应用层。→ 详细

• 原因一：这才是软件本该被消费的方式——破解「buyer's remorse」。 ChatGPT 出来后那股兴奋劲里，很多大型 enterprise「license 了一大堆模型（licensed a lot of models）」（license 指购买软件/模型的使用授权）。但他点出一个生动比喻：「软件就像一片草坪（software is like a lawn），你得不停地打理它（you have to tend to it）」——买回来不养护就会荒掉。结果现在普遍存在「买家后悔（buyer's remorse）」：「花了一大笔钱、做了一大堆概念验证（proofs of concept），但没产生多少价值（not a lot of value）。」言下之意：直接买模型让客户自己拼装，远不如买一个开箱即用、直接交付价值的 agent。→ 详细
• 原因二：它改变了市场格局（TAM）——从「卖律师效率」到「卖反垄断审查」。 「把『提升效率』卖给律师」这种市场 TAM 本来就不大，「你很快就会撞上一个天花板：哪怕你拿下 80% 的市场份额，这家公司又能做到多大呢？」但如果你卖的其实是「反垄断审查（antitrust review）」这种产出，逻辑就变了：「你本质上是在提供过去靠高成本人力（very high cost labor）才能产出的东西。」（他自嘲：「我对法律不太懂，所以刚才那个例子是我瞎编的」「你是那种行业里数一数二的律师，但你对法律一窍不通，这听起来很矛盾」——这个梗后面还被 RVY 反复拿来调侃。）结论：把「所有这些垂直领域、特定行业的 AI agent」加起来，「它们加起来的整个潜在市场是极其庞大的（the market is gigantic）」。→ 详细

• 现状：主导标普 500 的前五大软件公司，没一家是纯 SaaS。 「它们没有一家是纯粹的 SaaS 公司（none of them are pure play software as a service）」：Microsoft 算（也有一些 enterprise 软件）、Amazon 有 AWS（但「更像基础设施公司，也做消费业务」）。而真正的纯 SaaS——ServiceNow、Salesforce、SAP、Oracle——「市值大概都在两千亿到三千亿美元（200 to 300 billion）这个区间」。→ 详细
• 预言：agent 新世界会出现「第一家市值上万亿美元」的应用型 enterprise 软件公司。 「你会想，在 agent 这个新世界里，我们会不会看到第一家市值上万亿美元的应用型 enterprise 软件公司（our first trillion dollar applied enterprise software company）？我觉得答案是肯定的。」根本原因：「因为你正在从卖生产力提升，转向卖结果，而结果是有价值的，有些结果价值极高（outcomes are valuable, some outcomes are extremely valuable）。」→ 详细
• 对模型本身的兴奋「有点过头了」——价值在别处。 他坦言「大家对模型本身的兴奋有点过头了，这也可以理解——当然在 OpenAI 我们对模型非常兴奋」，但作为创业者，「卖铲子这件事是显而易见的（the pickaxes are obvious），可在我看来真正的价值在别处（the value is elsewhere）」。他给出一条近乎「白送钱」的创业公式：「拿这项了不起的新一代技术，去解决一个非常有价值、过去成本很高的商业问题，然后把这个有价值的东西用比现有成本低一个数量级（an order of magnitude less money）的价格卖出去——这其实很容易（really easy）。」一个数量级 = 10 倍，意思是你定价只要现有成本的十分之一，客户也会觉得划算，而你仍有巨大利润空间。→ 详细

• Sierra 的定价模型，对「中位数客户」的具体规则。 名字叫 outcomes-based pricing（按结果付费）。对「中位数客户（median customer）」（即典型客户，不是极端个案）来说：「当 AI agent 自主帮客户解决了问题（resolves the issue for the customer autonomously），就按事先谈好的费率（pre-negotiated rate）收费；如果我们不得不转交给人工处理（escalate to a person），那就免费（it's free）。」做法的目的：「为了跟客户的商业模式对齐（align with the business model of our customers）」——客户花钱买的就是「问题被搞定」，搞不定（要靠人）就不该付钱。→ 详细
• 类比：销售拿提成，AI 为什么不行？ 「感觉答案就是——为干得好的活儿付费嘛（pay for a job well done）。销售人员能拿销售提成（sales commission），那为什么 AI 不行呢？」→ 详细

• 从第一性原理（first principles）看三段演进。 ①盒装软件 + 永久授权（box software with a perpetual license）——买一份用一辈子；②软件交付到浏览器后，「一旦这样，几乎所有人都用同一个版本（most everyone's on the same version）」，于是「你就得发明一种新的商业模式来支撑研发投入（sustain R&D）」，催生了基于订阅的 SaaS（subscription based business）；③现在 Sierra 从第一性原理推出第三段：「如果你卖的软件是完成一项工作的（completes a job），那它最自然的商业模式（secular business model）是什么？」——答案就是为干得好的活儿付费。→ 详细
• 但这「彻底颠覆」了做软件公司的方式——传统厂商「跟结果主动脱钩」。 传统 enterprise 软件生态里，厂商和客户往往是「保持距离的关系（an arm's length relationship）」：「你通常把一套软件卖出去就完事了，然后系统集成商（systems integrator）进场——对于大型 enterprise 软件部署——花上半年甚至一年（6 months or a year）去实施那套软件。」等软件真正被用起来，厂商「虽然不能说彻底走人了——他们大概率还会再卖给客户更多东西——但实际上已经有六到十二个月不在场了（effectively gone for 6 to 12 months）」。结果是一种荒诞局面：厂商几乎是在「主动跟最终结果脱钩（an active disassociation with the outcomes）」——拿了钱却跟「客户最终有没有用好、有没有产生价值」毫无关系。→ 详细
• 核心难题：怎么让公司去承担「对结果负责」。 （他提到上台前刚有人问「会写代码的 agent 会对整个专业服务行业产生什么影响」，引出一堆有意思的因素交织。）落到定价上：「如果 AI 软件该卖的是结果，那你到底要怎么让公司去承担那种责任、跟结果对齐（align your company with that kind of accountability）？我觉得这会把很多旧模式都炸开（it sort of blows up a lot of the model）。」→ 详细

• 金句（Steve Jobs）：「当海盗比当海军有意思」。 「就像 Steve Jobs 说的——当海盗比当海军有意思（more fun to be a pirate than to be in the Navy）。我觉得现在是做创业公司特别好的时候，因为在座大多数人都没被某种商业模式束缚住（not encumbered by a business model）。」（海盗 = 灵活、无包袱的初创；海军 = 体量大、被规章和既有模式捆住的巨头。）→ 详细
• 软件史佐证：颠覆者靠的不是技术，而是模式。 「你看软件的历史，Salesforce 打败 Siebel Systems，ServiceNow 打败它之前那一堆 ITSM 公司（ITSM = IT Service Management，IT 服务管理）。」结论性判断：「在产品上追平技术差距是难，但并非不可能（closing a technology gap in your product is hard but not impossible）；真正难的是改变你的商业模式（changing your business model is really hard）。」→ 详细
• 两个正面转型案例 + 一片「CEO 墓地」。 正面：Microsoft 从 Windows 转向 Azure——「那个转型有多么别扭（how incredibly awkward that transition was），Satya（Nadella，微软 CEO）确实功不可没（deserves a bunch of credit）」；Shantanu（Narayen，Adobe CEO）在 Adobe 转向订阅式经常性收入（ratable revenue，指可按期摊销、稳定可预测的经常性收入）也做得很出色。反面：「但有一大批 CEO 就是因为没能完成这种转型而被炒掉，墓地里堆满了他们（a graveyard of CEOs）——部分原因是上市公司的投资者在这些事情上极其没耐心（public company investors are horribly impatient）。」→ 详细
• 给创业者的建议：别忽视商业模式这把武器。 「AI 让人兴奋的地方在于，它会催生新的交付模式、新的技术模式，但同样重要的是，还有新的商业模式（new delivery models, new technology models, but as importantly, new business models）。如果你去想创业公司相对 incumbent 的机会在哪，千万别忽视商业模式（don't lose sight of the business models）——我其实觉得，这通常是创业公司相对 incumbent 最大的优势之一。」主持人补充：「历史上速度（speed）一直是个优势，但在这一点上，你还有一个巨大的好处，就是你不被旧的商业模式束缚。」→ 详细

• FriendFeed「机房绊电线」段子 → 今天虚拟基础设施全是别人帮你搭好的。 FriendFeed（他口中「我那家不太成功的社交网络」）当年自己搭服务器、搬进机房（colo），「有一次我们在机房绊到一根电源线，把整个网站搞挂了」（他甩锅 Sanjeev，又「开玩笑的，我们爱他」），「那真的是完全不同的年代了」。而今天，随着基础设施虚拟化（virtualized infrastructure），整套软件开发生命周期已齐备：从 Azure、AWS 云基础设施，到 GitHub、GitHub Actions（代码托管 + 自动化流水线），再到「那些了不起的开源库」；加上 Ramp、Rippling 这类「支撑公司运转的虚拟基础设施」（Ramp 企业支出/卡管理，Rippling 人力/IT 一体化）。痛点对比：当年「光是给员工办信用卡有多难，他们每个人都得做信用审查（credit check）」，现在「用 Ramp 直接生成一张虚拟信用卡，太简单了」。结论：过去那些搭脚手架（scaffolding）、铺基础设施的活，如今很多创业公司帮你搞定了，于是你可以「纯粹去专注于真正定义你公司、真正让你与众不同的东西」，「脑力上的负担（intellectual overhead）少了太多」。→ 详细 → 续 → 续

• 很多小公司犯的错：把资源时间砸在非核心的事上。 「我其实觉得很多小公司犯的一个错误，就是把资源和时间花在那些对自己业务并不核心的事情上。这不只是一笔隐性成本（more than a hidden cost）——你花在那些本质上应该是商品化（commodity）的东西上的每一分钟，都是你没有花在『把产品卖给更多客户』、或者『打磨真正差异化（true differentiation）』上的时间。」（commodity = 大宗商品化、无差别、谁做都一样的东西。）→ 详细
• 难，是因为那些事「像猫薄荷一样诱人」。 「这需要很强的自律（discipline），因为那些事很多都像猫薄荷一样诱人（like catnip）——做那部分业务其实挺好玩的。」（catnip 猫薄荷，对猫有强烈吸引力，比喻明知没必要却忍不住去碰的诱惑。）→ 详细
• 他和联合创始人 Clay 的衡量标准：「什么能让我们一年后开心？」 「Clay（就在这附近某处）和我总会聊：什么能让我们一年后感到开心（what will make us happy a year from now）？这一直是我们的衡量标准（metric）。」也可以把时间尺度拉到十年——「但没人知道十年后会发生什么鬼事；顺便说一句，如果你不知道十年后会怎样，那别人也都不知道」。他还坦白自己也常翻车：「总让我意外的是，我自己也常常会被那些到了今天已经完全没有差异化（wholly undifferentiated）的事情吸引过去。」→ 详细

• ADT 的「T」=Telegraph（电报）——一个跨越百年的反差梗。 「ADT 里那个 T 代表什么？Telegraph（电报）。」Bret 觉得「用电报做家庭安防」这事挺酷：「我都能想象当年有人跑去找那个时代的 Sequoia，说我要做『电报版家庭安防』，就跟今天说『给猫看的 YouTube（YouTube for cats）』一样听着离谱——然后他们真把这门生意做起来了。而现在他们居然在用 AI agent 做家庭安防。」他补刀：「这个缩写也比『AD-AI』顺口多了。」→ 详细
• 机会：AI 能在「过去被软件严重忽视的部门」带来惊人生产力。 对身处家庭安防这种竞争激烈市场的公司，或像 SiriusXM 这样「有非常独特的原创内容、但面临大量用户剪线（cord cutting，弃用有线/卫星、转向流媒体）和激烈竞争」的公司——AI 能在「那些过去被软件严重忽视的部门（previously incredibly underserved by software）里带来惊人的生产力提升」：「从大规模的客服中心（large-scale contact centers），到我们提到过的法务部门、大型运营部门（legal departments, large operations departments）」。→ 详细
• 成本结构数字：两万人客服中心、每年好几亿美元。 「有些公司光客服中心就有两万人（20,000-person contact centers），每年要花掉好几亿美元（hundreds of millions of dollars every single year）。」如果能把这一整块运营开支（opex）拿过来、把省下的钱投回业务，「你可以降价（lower prices），也可以投入增长（invest in growth）」。他把这类机会称为「现成可用的 AI 应用（shovel-ready applications of AI）」（shovel-ready 原指「拿起铲子就能开工」的工程，比喻无需大量前置准备、马上能落地见效）——「哪怕影响是间接的，因为它们能给那么多公司的 unit economics（单位经济模型，即每单位业务的成本/收益结构）带来结构性的改变，我觉得它会重新洗牌市场份额（change market share）」。→ 详细
• 历史类比：像互联网刚诞生——Walmart 活下来，Blockbuster 死了。 「这有点像互联网刚诞生那会儿。你想想，自从浏览器问世以来，Walmart 即便面对 Amazon 也活得很好（Walmart did very well even in the face of Amazon）；但也有很多像 Blockbuster 那样的零售商就没撑下来。」（Blockbuster 是曾经的录像带租赁巨头，被流媒体/线上模式淘汰，是「老牌龙头被新技术拍死」的经典案例。）为什么这次老牌公司更有戏？「现在掌舵这些公司的大多数高管都经历过浏览器时代，见证过智能手机的诞生，也看着 Instacart、DoorDash 这些公司一路成长起来——他们看得懂这一切（they see this），他们不是傻子，他们正在推演自己这个行业的未来会长成什么样（modeling what is the future of our industry going to look like）。」→ 详细

• 卖任何东西的第一原则：说客户听得懂的话 + 同理心。 「我觉得卖任何东西最关键的一点，就是说客户听得懂的话、对客户有同理心（speaking the language of your customer and having empathy）。」最常见的错误：「我经常看到一些创业者，一走进会议室就开始推销自己的产品（go into a meeting and sell their product）。」→ 详细
• 真正厉害的销售的动作顺序：问 → 听懂 → 映射。 「如果你见过真正厉害的销售，你会发现他们做的第一件事是问一大堆问题（ask a lot of questions）。但接下来你真正要做的，是认真听、是搞懂对方在说什么（listen and understand what they're saying），然后把你的技术能提供的价值，映射到他们刚刚描述的那些问题上去（reflect the value your technology provides through the problems they just described）。」痛点：这些企业「每天都被二十家 AI 厂商轮番推销（pitched by 20 AI vendors every single day），而且这些厂商听起来全都一个样，真的是一模一样（they all sound the same, literally）」——「你会看到那些做着完全不同业务的创业公司，他们的第一次路演 PPT（first call deck）上写的词几乎都是一样的」。所以「现在真正的机会在于：在这么饱和的市场里，你到底怎么才能脱颖而出（stand out in such a saturated market）」。→ 详细
• 实操小窍门：见客户前用 ChatGPT 的 deep research 做功课。 「在见客户之前，先对他们做一次 deep research——我说的就是字面意义上的 deep research 功能，就在 ChatGPT 里（the actual feature deep research in ChatGPT）。带着功课去谈，做个有备而来的人（show up educated）。」一条因果：「你花在研究客户、理解他们需求上的时间越多，花在琢磨『自己下一个要发的功能（the next feature you're going to launch）』上的时间越少，那场对话的效果就越好。」最终找到那个甜蜜点（sweet spot）——「也就是『你与众不同的地方』和『真实的商业价值（actual business value）』这两者的交集（intersection）」。→ 详细

• 当年是「你死我活的厮杀」，真正决定生死的不是想法而是执行细节。 「我们当时还年轻，没在 dotcom 泡沫的最中心。那时候不光有 Google，还有 AltaVista、AllTheWeb；还有 InfoSpace（一个挺受认可的 B2B 搜索玩家）；还有 amazon.com、buy.com、half.com，还有 eBay、PayPal 以及一堆做支付的公司。」他点出史观陷阱：「现在是胜利者在写历史书（victors write the history book）……你会忘了当年那其实是一场你死我活的厮杀（a fight to the death）。」落点：「『也许我们应该去搜索整个互联网』这个想法本身并不算多新颖（was not exactly novel），真正关键的是这些想法在执行细节上做到了极致（the actual detailed execution of those ideas was paramount）。」花絮：他和 Clay 高中时都在泡沫期开过网页设计公司——Bret「挨家挨户去给花店跑业务」，Clay 偏图形设计、把公司命名为「Claymation（黏土动画）」（被吐槽「这名字起得不太妙」），「还被 California Raisins 给告了，不过那是另一个故事」。帮 ADT 这类公司成功的第一步：「以合作伙伴的姿态出现，帮他们解决最棘手的业务难题（show up as a partner）」——但「这种对话其实挺让人不舒服的，因为很多人并不觉得自己有能力去做这件事」。→ 详细 → 续

• 强烈看好垂直——因为「每一个应用其实都相当专业化」。 「我真的非常看好 AI 里的垂直方向（really believe in verticals in AI）。」他逐个数行业差异：电信公司的 agent，对比商业银行（commercial bank）、零售银行（residential bank）、保险公司（可能最关心理赔处理 claims processing）、健康保险公司（要处理「福利说明 explanation of benefits」这类事）——「每一个应用其实都相当专业化（quite specialized）」。结论：现在那些能围绕这些企业真正有价值的核心工作流（core workflows）、快速交付价值的公司，就是占了上风（have a leg up）。→ 详细
• 对横向 AI 平台「相当怀疑」——过不了「维生素还是止痛药」那道门槛。 「我对横向的 AI 平台是相当怀疑的（fairly skeptical）——不过这并不代表它们就一定不会成功，凡事总有例外。」他点名：「像 LangChain，我觉得它大概率会成（probably will succeed），它是开源的，但你最终得用一种不同的方式去把横向业务做起来。」为什么纯 enterprise 业务里横向很难？「因为市面上已经有太多『够用就行（good enough）』的东西了，有太多自研方案（homegrown solutions），还有太多『非我所创（not invented here）』的抵触心理。手里只是握着一个稍微好一点的捕鼠器（a slightly better mouse trap），这种东西很少能过得了『维生素还是止痛药（vitamin vs painkiller）』那道门槛。」（维生素 = 锦上添花、可有可无；止痛药 = 解燃眉之急、非买不可——这是 B2B 销售经典判断框架。）→ 详细
• 经验法则 + Marc Benioff 的客户复制公式。 「我的经验法则是：你越接近于替一家公司解决一个具体问题，你的业务就会越成功，前提是我们说的是 enterprise 业务。」引 Marc Benioff（Salesforce 创始人）：「如果你有一个成功的客户，就想办法变成两个；有两个，就变成十个；有十个，就变成一百个（one successful customer, make it two; if you have two, make it 10; if you have 10, make it 100）。」他强调 B2B 软件需要「一定的战术执行力（tactical excellence），那种空中楼阁式的小聪明（ivory tower cleverness）很少能赢」——「如果你专注于让你的客户成功，真相就在那里（that's where the truth is）」。他补一个平衡：偶尔机制也会把你带偏（比如「你的第一个客户其实并不具代表性」），「但这种情况其实很少见；真正常见的问题，反而是你的战略太『聪明』、太空中楼阁了。所以这就是我为什么这么爱垂直方向」。→ 详细

• 两种都有人感兴趣——被 PE 控股的公司「一天念二十遍 EBITDA」。 「这两种我们都看到有人感兴趣。」其中：「如果你被一家私募股权公司（private equity firm）控股、背着一大笔债，那你大概一天得把『EBITDA』这个词念上二十遍（say the word EBITDA like 20 times a day）」——这类公司「会非常在意成本节省（care a lot about cost savings）」。（EBITDA = 未计利息、税项、折旧及摊销前的利润，PE/负债公司最看重的盈利指标；席间 RVY 还调侃「那基本上就是你每天干的全部事」，Bret 反将一军「你从来没让一个『官方版的自己』拖慢过你的节奏」。）→ 详细
• 反观竞争激烈市场的 CEO「更在意增长」——Jevons 式反直觉逻辑。 「如果你处在一个竞争非常激烈的市场，你去问任何一个 CEO，他们通常更在意增长，而不是成本节省（care more about growth than cost savings）。」一个反直觉点（即经济学里的 Jevons 悖论——效率提升反而拉高总消耗）：「外面有很多人在讨论：随着模型越来越便宜，对基础设施的需求会不会下降？不会，事实上需求反而会上升，因为会有新的用例（new use cases）冒出来。」同理推到成本节省：「我认为大多数成熟的公司会把这些省下来的『软成本（soft cost savings）』重新收回去，再投到增长上……因为资本主义本来就是这么运作的——你省下一大笔钱是为了什么？你是想增长，你是想打败你的竞争对手」。→ 详细
• 结论：topline 更重要，但成本节省也重要——并引出 30 年生产率之问。 「营收（topline，指顶线收入）这件事更重要，这一点毫无疑问。如果你能驱动一个可衡量的营收成效（a measurable topline outcome），那永远是更有价值的。但成本节省确实也重要。」宏观佐证：「你回头看过去三十年全球的生产率增长（productivity growth），其实并没有像很多人在九十年代之后预期的那么夸张——那会儿我们见过一次生产率增长的巨大飙升（a huge spike）。」所以「从根本上说，就跟整个经济一样，我们是在为经济驱动效率和生产率，答案绝对是『两者都要（definitely both）』」。→ 详细
• 关于成本节省的深层洞察：它是「一种短效药」，价值会随时间被压缩。 「成本节省的价值，我估计会随着时间被不断压缩（will be compressed over time）。 你看，现在大多数 AI 创业公司是拿来跟人力成本（labor costs）作比较的。但十年后，当一切都是 AI agent 的时候，你就要去跟其他 AI agent 比了。所以成本节省的另一面是，它是一种短效药（a temporary drug），因为这些东西的成本本身会因为技术的存在而不断变化。」类比：「这有点像你的手机套餐，或者我其实更愿意拿小时候、八九十年代我们买的那些电脑来打比方——它们每隔一段时间就变得更便宜、更好（cheaper and better every single time）。我们现在在 AI 市场里大概就处在这么个位置。」→ 详细
• 最爱的故事：LinkedIn 招聘业务为何从「按用量」改成「订阅」。 「我最喜欢的故事之一——我不确定这事是不是真的，但我听来的，而且就算它不是真的，我觉得它也改变了我（even if it's not true, it changed me）——就是当年 LinkedIn 有一阵子想把招聘业务（recruiting business）做大，他们一开始用的是某种按用量计费（usage-based）的模式，但结果发现 HR 部门并没有太多『那种可以随用量浮动去花钱的额度（license to spend in a variable amount）』。所以把它改成 subscription（订阅）模式，反而帮他们理顺了采购流程（help with the procurement process）。」深层洞察：「HR 在大多数公司里通常是一个成本中心（a cost center），不像市场部那样『钱就跟从天花板上往下掉似的（money flowing from the ceiling）』。HR 是那种必须走一套相当严格采购流程的部门，所以改成 subscription 模式，反而成了把产品卖进这个部门的必要条件。」→ 详细
• 总结定价四问 + 一条反直觉心得（预付费有时更容易）。 收成一套可操作清单：「①成本节省还是营收？答案是两者都是。同时也要看——②你卖的对象是谁（who are you selling to）？③他们是怎么采购的（how do they buy）？④谁是审批他们怎么花钱的那个把关人（gatekeepers to approving how they spend）？这才是你把一门 enterprise 软件生意做大的方式。」「你真的得搞清楚你的决策者（decision makers）是谁、谁来拍板、以及他们到底是怎么做预算的（how do they budget）。」一条反直觉心得：「有时候对公司来说，预付费（prepay）反而比按需付费（pay on demand）更容易些——你真的得深入去琢磨自己的采购周期（get into the details of your buying cycle），才能准确地回答这个问题。」→ 详细

• 主持人结语。 「差不多该收尾了。Bret，谢谢你。人们常说，做生意要找你喜欢、信任、又敬佩的人合作（do business with people you like, trust, and admire），而你对我来说就是这样的人。所以真的很感谢你来参加，我们大家也都很感激。」→ 详细

本场无嘉宾联系方式分享。