【案例】别卷SaaS：直接买公司改造，硅谷AI Rollup新玩法

00:02AI是人类历史上最激动人心的技术革命，也是我们这一代人最大的挑战与机遇。我们这些从业者就是一群充满好奇的炼金术士，想通过不断的猜想、实验，搞出黄金或者放个烟花。不论结果如何，过程应该都会很好玩。我是任鑫，创业过两次。卖过两家公司。

00:212011年我创业，金叶酒店特价卖给了京东，在京东内部做了京东到家。2015年我再次创业，做了对话式人工智能公司Get。这一轮AI浪潮里，我加入了美元基金云九资本，积极投资和孵化AI产品。

云九资本

00:38我是徐文浩，曾经做过国内最早的机器学习广告系统，每天处理百亿的广告流量，最终呢公司被收购。2016年呢，我创办过一个AI聊天机器人的公司BotUp。这轮的AI浪潮里啊，我再次创业，来做AI for Shopping，担任首席技术官。

00:56我和任鑫呢是大学同学，现在都在搞AI，都算是一线实战的AI炼金术士。在这档播客中啊，我们会定期交流彼此最新的实践和观点，也会邀请我们欣赏、有动力的朋友们啊，一起来分享碰撞。希望通过这些深入的对话与交流，能帮助我们所有人点燃炼金的炉火。

01:19Hello hello，大家好，欢迎大家来到AI炼金术。今天是一期单口，主要原因呢是因为最近我在研究一批AI原生的产品和公司。啊，研究着研究着呢就会把它发成公众号，但是呢公众号看的阅读量太低了，我就想说那不如干脆把它录成播客再跟大家介绍一下，

01:40就是这些公司，这些AI的产品，它们是怎么做起来的。我对它们的分析是什么，反正分析已经做了嘛，那一鱼多吃啊，不浪费嘛。本着，对吧？所以呢，今天主要就是给大家介绍一点AI产品和我背后对于它们的想法。不是介绍怎么用啊，而是介绍说我觉得这个产品是怎么做成的，有哪些我们可以参考和借鉴的一些打法。

02:01很多时候我其实一直觉得，大部分人其实不是卡在认知上面，而是卡在信息量上面。就是熟读唐诗三百首，不会吟诗也会偷嘛。那你至少把所有的产品你都见过，然后他们怎么起盘的，然后他们独特的商业设计、增长设计、产品设计在哪里。你见过一百个两百个，然后分析过其中五六十个，那你大概率会有一些概念，对吧？

02:29不会错到哪里去，但是经常也会发现有一些朋友跟我讲的点子的话，一开口就说，哎，这三个你有没有看过？那三个你有没有看过？对。就会发现说，呃，对于他自己要做的一模一样的那个市场，他都没有没有见过同类产品，并没有做过市场研究，太缺乏信息了。

02:46所以希望说我这边也可以给大家补充一些信息和知识，补充一点信息量吧，聊胜于无。OK，好。那介绍产品，第一个产品叫什么呢？叫Crescendo。那介绍这个产品之前，问大家一个搞笑的问题啊，就是如果你要来做一家公司，你怎么可以24小时获得8万美金的年收入的增长？

Crescendo

03:07一天，怎么搞定？然后回答呢，很简单，就是你去买一家有8000万美元收入的公司就可以了。这不是一个笑话，对吧？这其实是真实发生的事情。而且是现在新兴的一种孵化和增长模式，叫做AI roll-up。

03:23不是从零到一去做一家AI公司，然后把这家AI公司的产品推销给传统企业，而是呢，VC啊，像我们一样，VC啊，直接通过并购传统企业，然后在里面灌入AI，把它改造成AI公司。我最近比较关注这个模式，因为我自己也在做孵化器嘛，对吧？

03:42所以的话呢，就在看看看看看，很自然的就会关注到Crescendo这家公司。那这家公司就是一个VC孵化的，叫General Catalyst。这家公司孵化的，他们先是做了一个AI客服Agent，然后呢，他们花5000万美元并购了一家做AI客服中心外包的一个BPO公司，

03:59叫PartnerHero，然后把对方改造成了一个AI公司。然后呢，再用AI赋能以后的效率去抢传统的那个客服中心的外包市场。这个就很有意思啊。然后我现在也在考虑这个模式，所以如果你也在开一个比较大规模的外包公司的服务，比如说客服啊、代记账啊、律师啊，

04:18欢迎联络。OK。这家公司有什么特别的地方呢？它最特别的地方的话就是它的交付方式。它不是说一个AI公司说，哎呀——我有一个技术，我有一个软件，这是我的Agent，你好好学习啊，

04:29我把它嵌入到你的工作流里。它其实更像是外包公司，它就说我就是一个外包公司啊，你把客服啊这摊活包给我。AI搞不定的话呢，我背后有人类客服接着，然后百分之百帮你搞定，按效果付费。这个体感就不一样了，对吧？那本质上它是怎么做到的呢？

04:46啊？啊，其实它就是我们刚刚已经讲了嘛，它其实是拿了那个GC的钱，然后买的一家那个客服公司，所以它有钱、有人、有科技，对吧？它直接收购的那家公司呢叫PartnerHero。在它收购的时候的话呢，它其实就一次性地买断了这个AI行业比较缺的几个东西。

05:07一个就是它一次性地搞了很多人过来，拿到了那个PartnerHero旗下三千多个干活的人。那这样子的话，它就有人兜底嘛，并不是要求说对方啊，我推销一个AI软件，我会要求我的甲方说你要去学AI软件，你要学会用我们的流程，你要学会如何用我们的Agent，你还要学会如何配置我们的Agent。

05:27那现在的话呢，我只需要教会这三千人，哪怕教三个月，那只要他们会了的话，他们就可以向外面直接提供这个高效以后、提效以后。AI增效以后的这个服务。那这样子的话，我直接用人力的话，我就可以把我的科技和人力的服务把它包起来，作为一个解决方案来售卖，

05:46对吧？所以它买PartnerHero的话，首先拿到的是人力，然后的话呢，直接拿到了很多的客户，然后它直接拿到PartnerHero所有的商务合同和客户群。最后的话呢，它拿到了海量的真实的、多样化的客服的交互数据。这些客服是怎么接电话的呀？

06:03你们已经在那边三千多个人在天天干活嘛，那哪里答对了，哪里答错了呀？那么在这个过程当中，AI帮他答的哪里答得好，哪里答得不好呀？哪里需要还要转人工啊？那它就直接拿到了大量的数据，通过这个数据它就可以去调自己的系统了，对吧？

06:18这个时候其实是一个极大的一个加速的一个过程。它就不需要去一家家磕大客户啊，然后求爷爷告奶奶说啊，用我系统用我系统，然后也不需要面对大企业内部无数的政治阻力。因为，嗯，我是觉得说你去做外包公司的效率改造是比较容易的，因为外包公司是一个明确的生意，它是一个交付，

06:39比如说它是客服中心，它就是明确的我要提高我的效率，我去赚这个钱的。但是很多公司里面的这个，假设它有一个客服部门，这就是它的一部分。你要去改一个生意，那大家当然是见钱眼开嘛，比较好谈。你要去改人家的一部分，里面的关系错综复杂，那你怎么搞得定呢，对吧？

06:58所以它就啊直接收购外包公司还是比较顺的一个路径，直接买一家公司，对吧？然后直接在闭环里面开始练兵，那这上阵子环境跑起来。那结果就是呢，Crescendo这家公司号称2025年的ARR就能超过1亿美金，啊，这一点都不神奇啊，

07:14因为他们收购了那家公司，依旧有8000万美金，所以我也不知道1亿美金有什么好吹的。但是实际上的话呢，你可以说那个如果我们把那个科技这件事情算进去的话，那其实你去并购传统企业，然后把BPO的收入算进来的话，这也是一种吹泡泡的，硅谷这边发明的一种比较神奇的套路，对吧？

07:36这就是那个GC提出的一个venture buyout的一个理论，也是一个AI roll-up的一个剧本嘛。那这个模式为什么能打呢？我们可以对比一下传统的SaaS公司。传统的AI SaaS公司的话，它卖的是工具，它它帮你提效嘛。

07:52但是前提是什么？前提是你得把它用好。那就可难了，对吧？就是什么叫用好？你要自己去配知识库，要去拖拉拽那些工作流、workflow，然后折腾半天。

08:05那你想说你身边到底有几个人真的把ChatGPT用好了？其实也很少嘛。大家都会说我卡在这里，我卡在那里，这里没有用，那里没有用。真正能够发挥呃最好的AI的能力的人其实就很少。那个体转型且如此困难，那组织转型就更更更差了嘛，做不到。

08:27所以的话呢，那你哪怕你的产品很好，大概率呃公司也是用不起来的，客户也是用不起来的，那体感就很差。总的来说就是如果他真的能把软件用好，或许是有效果的。但是怎么用好这个本身就是一个巨大的门槛啊，就是每个人跨过去都累得半死。那Crescendo就不跟你聊这个，他就说那你这些破事我都包了，我不是不是让你说你要用我的软件，

08:49这活我都帮你干了。他并不是号称说我给你一个更好的，比如说流程编排器啊，是号称说我没有流程编排器，我没有workflow builder，你把非结构化文档丢给我，我就会自动学。然后号称是高科技，但是大概率就是后面人工团队就总要有人去清洗那些数据嘛，总要有人去搞一搞这些呃杂活，

09:10总有百分之一的事情。你哪怕技术上解决说你提效几倍，那还有一些脏活累活需要有人搞。我估计就是他们用人力搞定的，背后有大量的人力在兜底。那这其实就是AI产品交付的一个很真实的模板嘛。就是当下的AI其实，呃，虽然自媒体写得很嗨啊，但是你真的去用，你就会发现很多事情上其实就是，

09:31就是还差一点。它现在很有可能就是只做到七十分到八十分，但是它做这七十分到八十分可以做到，比如说人类效率的一百倍、一千倍。但是，啊，用户可以接受的及格线是九十分，那怎么办呢？一条路就是你吭哧吭哧去优化产品，等AI搞到了九十分再说。

09:50那另外一条路呢，就是Crescendo的路，就是我用人把这二十分给补上。然后先把市场给抢下来再说嘛，那以后AI优化了我的人力，人效就更高了嘛。这个时候它的价值主张就变了，它提供的不是一个十倍好的AI agent，它提供的是你可以把客服中心这块业务包给我，

10:08我帮你解决问题收钱。那这样子对于客户就太省心了，我不需要去学，我不需要去改。我买的不是一个工具，我买的是结果，那都可以试一试嘛。所以我觉得这个真的是还蛮巧妙的一个方式。啊，当然了。

10:23也不是一步到位的。他在收购那个Panda Hero之前的话，他早期找那个PMF的打法也比较有意思，就是选点的话就是还蛮蛮蛮有趣的。他选的是一些DTC的电商，就是网上直销卖一些复杂电子产品的这种电商。为什么选这个呢？第一个就是容错率高，他没有选医疗啊保险，因为医疗保险要求的那个准确度很高，错一点都不行。

10:47但是实际上你做一个电商客服的话，错一点就错一点了，适合AI练手。那第二点呢就是，呃，DTC电商的话大家都知道会有淡旺季，就比如说我们的那个双十一这边的那个客服量就会暴增。那商家自己的人搞不定，那这时候的话，他们上来说，哎，我们辟一个单独的AI客服小组接你这个活儿，

11:08那大家就会比较乐意，因为反正闲着也是闲着，对吧？这这这我接不过来。这个就让我想起那个Airbnb，其实早期起盘也是这个，它不是打的那种正常的市场，而是打美国各地开展会，然后订不到酒店，你只有订不到酒店的人才会愿意第一次去尝试说住在别人家沙发上嘛。

11:27然后还有一个呢，就是这些产品比较乱，比较复杂，比如说你现在要买一个大疆的无人机，很可能你就会提出各种奇奇怪怪的需求。但是如果是一个比较平凡的一个一个什么被子啊，一个桌子呀什么，你可能就不会有那么多奇奇怪怪的一个需求。那没有那么多问题，那AI的效果就发挥不出来嘛。

11:47那它怎么卖呢，它就跟你讲说旺季之前，我给你一个AI的辅助队伍。免费接入你一个小渠道，你可以试一下。那一旦接进去了，那效果就立竿见影啊，因为有人兜底啊，它不会差到哪里去，准确率又很高。对。2015年我们当时做过一个对话式人工智能的一个助理，然后当时那个我们的那个准确度就远远的超过像Siri之类的竞争对手，

12:10因为我们是人工智能，背后放了很多人，对吧？所以这个这个是很正常的一个事情。然后客户当看到Crescendo说，哇，这个准确率这么高，然后就说，行，那就慢慢换。他就早拿到了早期的客户和数据。那这套打法打下来护城河是什么呢？

12:27那早期可能就是有钱有人，然后收购了Panda Hero之后的话呢，它就可以把更重要的一个东西建起来了，就是每个PPT都会写，但是实际上很少有人能跑通的那个东西，叫数据飞轮。你给大企业做SaaS，就是你其实虽然说是说你有数据飞轮，但是理论上来讲，就是大企业你敢说你你把数据，

12:49呃，客户数据拿来微调嘛，对吧？客户不一定同意嘛，但是Crescendo它自己是个BPO公司，我优化我自己的数据那就天经地义嘛，然后这个数据飞轮是真的可以转起来的。然后更深一层的话呢，它的真正的护城河可能是商业模式，就是它提供的是一个全面成果保证。

13:08那纯SaaS厂商它其实挺难给这个保证的，因为它不控制人力嘛。然后AI搞砸了它没法兜底，但是它又不大可能去招那么多人，你招那么多人的话，你不会管呀，你会损失你的那个所谓的先进性。传统的BPO也保不了这个保证，因为它没有AI技术，按结果付费会亏死。

13:28这个时候其实里面你会发现，哎。为什么他们做不了？其实就少了一个珍贵的佐料嘛，就是要有像GC，对，像GC这样子比较狠的一个VC，然后往里面狂砸钱。所以这是一个资本壁垒加上运营壁垒的一个复合的护城河。它既需要VC敢于下重注，然后又要管理几千人的BPO的精细化管理能力，这个要拼起来，然后再加上科技，

13:52这个门槛的话就把比如说所有的黑客松上要创业的AI创业公司想复制的这种可能性给堵住了。那这个故事的话其实给了我们一个还蛮有趣的一个模型啊，就是AI rollup，就是直接搞一个技术。然后花钱买BPO，买这种外包公司，然后把业务装进来，然后用AI把业务提效改造，然后直接对外，

14:16不是说我提供一个AI agent的AI SaaS，而是提供一个呃完整的解决方案，按效果付费去抢市场。因为你既然号称你这个用了这套方法，用了这些AI，你提高了效率，那理论上来讲，你把它封装成一个外包服务，理论上来讲，你就可以在市场上抢生意嘛。

14:36这就是一种规模化的降维打击，就可以洗传统市场。然后它洗的不是传统企业，因为改造企业内部太难了，政治阻力无穷多，对吧？搞都搞不动。然后我自己给几个好朋友的传统企业顾问那个搞什么AI转型，就是难度和复杂度比想象中大十倍。百分之九十九的问题跟技术没有关系。

14:56Crescendo它就没有去洗这种传统企业洗甲方，它洗的是服务商。然后服务商它就是更好的目标了嘛，对吧？因为服务商天然有竞争压力，因为你你稍稍微工作效率差一点，你的单子就被别人抢掉了。但是如果你是一个部门的话，其实你工作业绩差一点，也挺难被看出来的。

15:14甲方呢就不像乙方，乙方服务商天天被甲方会逼着降本增效。然后的话呢，乙方那个业务内部同质化比较强，一家公司里面经常有几百上千人在做同一件事情。然后你只要把这一件事情搞定，然后用AI提效了之后的话，那个成果就会放大很多倍，而不像是一家比如说一千人的公司，

15:34里面只有三十个客服，你提效了这三十个客服最多也就给你三十个客服的工资嘛，天花板是比较低的。最后呢就是我们只要搞定了一家乙方，一家服务商，把效率提上去，他就可以去抢其他乙方市场。这个这个天花板听起来就比你死磕某家公司里面的某个部门帮他提效要性感很多，然后实际上那个扩张的效果也会快很多。

15:56这个剧本就可以复制嘛，对吧？客服中心可以，那其他劳动密集型的产业，服务业，理论上都可以，是吧？比如说招聘啊，会计师事务所啊，物流啊，代记账啊，对吧？是不是都可以。所以这个剧本的核心就是找一个庞大的分散的利润率低的服务行业，啊，建一个技术加行业的梦之队，

16:17然后给钱，然后去收一个中等规模的有稳定业务的行业玩家。然后的话呢，用AI技术对它改造，把它利润率打上去，把它的效率打上去。然后呢，用保证结果的商业模式去降维打击那些还在卖工具的传统的对手。这样子的话，就把整个嗯那个圈给转起来了。

16:36真的建立壁垒的话，我觉得它Crescendo给我的启发就是可能不要怕碰那个深水区。我其实是天然就不是很想碰深水区的，因为总觉得行业太重太传统。就不太敢碰。但是他这个故事就讲说，你在深水区，你聚焦一个很小的点，反复打磨，你很有可能就可以给行业提供十倍的价值，

16:55十倍的增长。但是你在浅水区做10%的优化的话，其实也没谁搭理你，而且你会发现，你看到的竞争对手有一万个都在做这10%的这个事情，你还不如狠狠地去做一个深水区的看起来很难，但是实际上做透了就会有一百倍增长，一万倍增长的事情。

17:14Crescendo这个例子，所以还是想跟大家就是录个播客分享一下。现在就是我也做一些所谓的顾问啊，什么方面的事情嘛，但是落地就是真的很难。成本这么高的话，其实降本增效其实就很不够看。很容易发生你花了六百万降本增效三百万的事情。

17:30所以如果是企业自己改造的话，自己AI转型很，如果你真的要请好的团队来做的话，很有可能是亏本生意。所以我觉得，嗯，这个给了我一个很好的思路，就是如果你要效果可规模化的话，就不要给单体的企业去做所谓降本增效，而是要给BPO公司去做，给外包公司去做。

17:52因为前者改的是一个内部流程，就是空间是很有限的。而BPO公司外包公司它改的是一个交付产品的效效率和品质，它改的是它的产品本质上，那空间可就可就大了，只要你能够性价比高的话。它是可以无限扩展的，继续抢别人的生意嘛。然后的话呢，但是帮BPO公司去转型升级的话，大概率就要新的团队，然后要建新的技术，然后这个时候成本就很高嘛。

18:18那用rollup的方式看起来比较靠谱。但是这个时候的话呢，在中国能不能跑通就又是个问题，因为中国的to B的SaaS一直没有被证明是能赚钱的。之前投过SaaS的都亏了嘛。所以这个时候的话就要挑选，就要赌说，首先要挑到真正靠谱的团队和公司。

18:39其次的话，你也要赌说到底AI SaaS在中国是不是可以成立，因为之前就是传统的SaaS。你看美国都是to B的SaaS企业一个比一个贵，一个比一个过得滋润，中国的SaaS企业一个比一个惨烈。对。那你要赌说AI是不是这次不一样，并且能够挑到好的公司。

18:58所以我觉得这是Crescendo引发我的一些思考吧。然后再介绍一个公司的话，它叫Merkur，看起来像Mercur。那为什么关注这家公司呢？是因为其实之前孵化过一个相关的公司，所以很关注这个领域，那时候就关注它。然后它短短时间就做到了一亿美金年收入ARR，然后二十亿美金，估值很强。

19:24然后今天看新闻说他好像做到4.5亿美金ARR了，但是没有证实，但是就很很吓人很吓人很吓人，增长非常的快。仔细的我又研究了一下他，然后觉得非常适合用来讲商业案例，因为基本上他把所有的步骤都做得非常的经典教科书般走对了。那首先回到原点，他是干嘛的？

19:44他是做AI招聘的。因为招聘市场本质上呢就是一个非常巨大但是效率极低的双边市场。他的几个创始人的话呢，早期其实就是在帮他的印度老东家在招聘，然后总是招不到合适的人。然后关键就是这不是一个个例嘛，大家都知道就是每个公司都哭着喊着招不到人，但是其实有无数的求职者又找不到工作。

20:07一边是十万加嗷嗷待哺的公司，另外一边呢是一百万个正在找机会的求职者，这就是一个很典型的一个匹配的问题嘛，匹配的难题。一边有N个人，N个男生，一边有M个女生，但是大家就是找不到所谓的soulmate，对吧？就找不着。现实当中的话，这个这个过程充满了玄学和低效，因为一般来讲，我们就通过筛简历，通过面试来匹配。

20:32但是筛简历的话，你一般是公司里的HR小朋友来筛嘛。那他筛简历，比如说你要一个资深的技术岗，他他看看简历，看那些关键词有没有匹配，他能筛什么呢？然后他来做这个出面的话，他除了聊聊感觉，又能聊什么呢？所以整个筛选和匹配路径就是非常不科学，也没有办法规模化。

20:53每个人都要被无数的公司去面试一遍，折腾一遍。每家公司又要浪费时间浪费钱，把无数候选人在面一遍，对吧？巨大的资源浪费啊，为为什么要N乘以M嘛，对吧？为什么每个人都要这样搞一遍呢？那么扩最大的价值的话，就是用AI把一个N乘以M的问题变成了一个N加M的问题。

21:15呃，什么意思呢？就是不再让每一家公司去重复地评每一个人，而是扩他们中间商，然后把M个候选人，让他们做一套标准化的、由AI驱动的流程，然后过一遍啊，笔试一遍，面试一遍。然后的话呢，也把N个公司的需求精准地理解一遍，然后平台来做这个匹配和分发。

21:36然后给用户讲的故事就是，就是说你申请我这边一遍，就相当于你投了十万家公司了，我们就已经帮你评估好了。然后相当于出面，你哪些公司过了，哪些没公司没过，你就直接进他的那个复试了。这就相当于在中间做了一个规模化的、智能化的超级猎头公司。

21:56传统猎头公司其实也能干这事儿啊，但是没有办法规模化嘛，因为一个人最多你收两百个人，他们就可以收二十万人，收五十万人，他就用AI解决了这个问题。然后如果说他是把招聘流程从N乘以M优化到N加M，是他的第一次的价值发现。那他们真正迎来爆发式增长的是第二次，就是更关键的一次。

22:18哈哈，其实你真的去看美国的AI招聘这个领域，会发现很搞笑的一个事情就是，嗯，大家基本上都往这条路上走了。什么路呢？我们慢慢讲。就时间来到那个2024年年底，然后他就敏锐地转到了一个全新的市场，其实就是给那些大模型厂商提供高质量的专家验证过的数据，

22:41专家创造的数据。这次转型为什么说重要，而且重要到或者说显著到，其实吸引了很多类似的公司都其实朝这个方向转。呃，第一就是，招聘其实是一个萎缩的老市场。他们从一个萎缩的老市场切换到了一个爆炸增长的新市场。传统的科技招聘呢市场其实就是大家看最近的论文和行业新闻也能感受到嘛，程序员的招聘量其实是在下降的，

23:10而且市场上的供给在变多，很多的人被大厂释放出来了。所以在一个逐渐萎缩的市场，虽然你在存量市场里做得很好，但是整个大盘是往下走的。那什么市场在往上走呢？就是高质量的数据标注，尤其是专家级别的。我们以前谈数据标注的话，想到的就是标这张图里面是猫还是狗。

23:29但是这种工作现在大模型自己做得比人都好。所以当下的话呢，这个AI模型进入了深水区。它需要的是高质量的代码，复杂的数学题，专业的法律文书，或者说那种呃医疗影像的识别，这种专家级别的数据。这个背后的话，那个竞争就很惨烈了，大家看看那个Meta花了多少钱去买那个Scale AI，三四百亿美金吧，

23:51对吧？然后就知道就很很吓人。然后这是军备竞赛，所以像OpenAI、Anthropic、Google、Meta。他们其实在数据方面他们已经耗尽了互联网上的公开数据嘛。那现在PK的就是谁能挖到最好的科学家，搞到最多的算力，搞到最好的数据，然后搞到更高质量的专有数据，

24:10谁的模型可能就好一点。好一点，那你可能就好很多。就你差一点的话，就比如说Llama 4，Meta训练Llama 4掉队了，那它整个就好像被大家已经瞧不上了，就觉得它彻底要完了，所以它就百亿百亿美金的在买公司，十亿十亿美金的在挖人，对吧？

24:28这就像打仗嘛，数据就是弹药。那你为了打仗打赢，最后假设你认为最后站在战场上的人能够拿到收益，其他人都会死的话，那你就会把身上的每一分铜板都拿去买弹药嘛。数据就是弹药之一，然后那在这种情况下，预算就几乎是无限的，就是我也跟硅谷的一些做数据的朋友聊了，

24:49然后也不都不是大公司，然后然后我说那你们这个数据的话，他们会跟你们做生意吗？然后大家表示说，问题是你能不能搞到他们要的那个高质量数据。他们根本不care，重要的就是你只要能够搞定啊，然后价格好谈，但是你能不能搞到，就要求越来越高。

25:08问题是你能不能搞到，而不在于说我买不买得起，就你你报价就好了。所以的话，他们是挑了一个更蓬勃向上的一个市场，然后做军火商嘛，这这个赚的肯定比那个做媒婆介绍雇主和雇员要划算。然后第二个呢，就是这个转型让他们的双边市场模型其实变得更加的稳固了。

25:31一个人找工作可能是两年一次，可能是一年一次，这是一个低频需求。但是如果大家是这样子，标注数据打零工，那就不一样了。这个月模型需要一万道数学题，下个月可能要识别野生动物，下个月可能要分析金融财报。这个数据是临时的多样化的，然后那这个时候让我们的所谓的N和M，刚刚讲的那个双边市场，都变碎了。

25:56然后那变碎了的话，需要的次数就变多了。那你N加M和N乘以M之间的差距就更大了嘛，中间的平台的那个价值就增加了。而增加之后的话呢，我们经常讲就是一个梦幻的词汇，数据飞轮，它就真的可以work了。大家商业计划书里面都会写一个啊，就是我们服务的客户越多，积累的数据就越多，我们的模型就越聪明，

26:19就能吸引更多客户。那么CodeBP里也有这些。说的是雇主那边的满意度就会用来优化他们评估这个工程师的模型，就听起来很美好嘛。但是呢，这其实只是一个融资故事。因为这个反馈周期太长了。

26:35传统的招聘里面，你招了一个工程师，可能要等个一年半载才能真正判断他行不行。而且就算这个判断准确啊，这么长的反馈周期，数据拿回来大概率也没有用，你鬼知道是这个工程师自己还是他老板反馈的，不知道呀。你没法拿这个数据回来训练你的模型，因为很非标。

26:53那么Co转型之后很爽的就找到了这个高速反馈的业务场景。因为专家标注的数据集你交给AI实验室之后很快的就能得到验证反馈，说你这批数据标的好还是不好，对吧？然后这个反馈是明确的，量化的。然后这个任务完成的好不好，不再就是主观感受，而是有客观标准了。

27:13这个时候数据飞轮才真正从一个PPT上的故事，然后变成了真的一个壁垒，它就真的能转起来。每一次成功的交付或者失败的交付，成功的匹配，失败的匹配，都在给Mocore的那个AI评估模型提供宝贵的一个真实世界的反馈的燃料。然后这个时候他们的对于人才的那个所谓的评估就会越来越强。

27:37而他们这个对于人才的评估能力越来越强之后的话呢，他们这个能力又可以反哺到他们整体的那个所谓的那个招聘市场。虽然我不太确定他们现在是不是还有精力做这种不赚钱的生意，那他整体的能力就更强了。这就是一个很好的一个AI native的一个护城河。

27:55那我们复盘Mocore的路径的话，我觉得就是他的打法还是挺有启发意义的。首先我们可以呃选一个N乘以M的低效市场，就匹配市场，你可以看一下你的市场，你的行业是不是就是这样，像传统招聘市场一样，就是大量的重复沟通，信息不对称，依赖主观判断。

28:13如果是这样的话，背后可能就可以被AI重塑一下，就是把N乘以M变成一个N加M。那然后的话呢，就是可以想一想。现在我们有没有可能把让自己被巨头当枪使？就我们的价值其实不是自己说了算的，而是由我们对世界的影响来决定的。那么扩选择就是他们被呃那个顶级的AI实验室当枪使，然后选服务他们当切入点，成为大家的那个军火商。

28:41那这个时候才踩到了时代浪潮上面。其实大家想一想，就是早期我们滴滴和快滴在竞争的时候，每天烧上亿，然后这个时候后台在凶猛的补贴。这个补贴不是因为他们自己牛，他们融得到那么多钱。而是因为他们被阿里和腾讯当枪使，去抢所谓抢夺移动支付场景，所以他们就会有无限的子弹。

29:06你的价值和你拥有的子弹的数量其实是取决于你被谁当枪使。所以我觉得我们也可以看一下整个的时代发展过程当中的话，有哪些巨人在神仙在打架，然后有没有可能被当枪使，这也是一个发展的思路。那最后呢就是我们在设计产品和商业模式的时候，呃大家都会画那个增长飞轮嘛，也可以想一想说，那我的核心价值主张的话，

29:32这个这个增长飞轮的验证，这个这个数据飞轮的验证，能转多快，我不要光在逻辑上说它是它是它是个圈儿，对吧？它在能能不能转多快？那我们可以聚焦在那些可以更快的拿到真实客观反馈的业务上，因为这样子我们拿到的数据可以滋养我们，不管是我们所谓的战略复盘，让公司的发展更pivot到一个更好的方向。

29:57还是说我们真的把它反哺到AI的模型上，反哺到我们的设计上，把数据的反馈速度和质量重视起来，也可以创造我们的一个增长和竞争优势。OK，所以我觉得这几个点值得我们参考的。再跟大家分享一家公司，OpenEvidence吧，对。

OpenEvidence

30:19OpenEvidence是医疗方面的一家公司。之所以关注到它，原因也非常朴素。大家会发现我关注很多公司的原因非常朴素，就是因为他们估值涨涨太快。今年的二月份，红杉领投了七千五百万美金，然后公司就涨到了十亿美金的估值。然后五个月之后，GV和凯鹏华盈就投了二点一亿美金，然后把它的估值推到了三十五亿。

30:43那这个时候就很吓人了，然后你就去翻它背后的数据的话，说那凭什么你能够估值那么那么高嘛，就会发现说它号称七月份的时候，超过百分之四十的美国执业医生，就四十多万人已经是它的注册用户了。相比较的话，类似的一个传统的临床决策支持工具UpToDate，花了三十年才到类似的一个渗透率。

31:05OpenEvidence的话，它覆盖了超过一万家医疗机构，然后每个月现在号称处理一千万次的临床查询。然后场景的话，从一些比如说高血压、二十一用药，到罕见的什么CAR-T疗法、副作用管理，就是什么都有了，已经介入了医生的核心工作流。

31:24那所以就关心一下说它是怎么做起来的，因为这些事情，就是我的逻辑还是说你得见过。对，我经常看到一些产品就会觉得说，诶，这个已经有二十几家做得比你好的了。你不知道吗？所以我们都得见过，对。那我们就分析一下啊，它是哪里做的比较好。

31:42首先我觉得它做的比较有意思的一个点的话，就是它巧妙地构建了自己的信任。我们在讨论严肃领域的AI的时候的话呢，就是会很关注啊，模型先不先进啊，智能水平啊什么的。但是对于医生这种高风险的决策来说的话呢，其实这不是最重要的事情。

32:02最大的障碍从来不是够不够智能，而是我凭什么相信你。或者我们阴暗一点想，就是最大的那个产品的诉求不是说这个东西好不好用，而是呃我要不要背锅，锅能不能甩给你。因为一个决策失误如果那个东西不能用来甩锅的话，那决策责任完全在我自己，那我就不太敢信嘛。

32:23OpenEvidence的高明之处就在于，它从第一天开始就不是打算自下而上的构建信任，说你要信我，你要信我，而是核心战略就是借或者叫蹭。这个打法的话就是非常简单啊，其实我觉得我们应该也很容易学。第一层就是权威背书，那公司一开始进的就是梅奥的加速器，品牌贴金嘛，你想你要做个医疗的话，可能肯定也搞个什么协和的一个什么招牌，

32:49什么主任，什么站台，诸如此类一样嘛。那微商最适合干这一类，干这个。然后他拿到了梅奥脱敏之后的高质量的病例数据和顶级专家的一个验证反馈，那这个能启动资源就会让别人更相信他。除此之外的话呢，他又再拿了那个新英格兰医学杂志和美国医学会杂志，然后签了多年战略合作协议，

33:12然后就会说你查出来的东西，就是你问我的问题，我不是我来找大模型回答你，我是去这些你最认可的那个医学杂志，最权威的医学杂志查出来的给你的。大家可以把它理解成一个垂直版，约定好了那些查询数据版本的Meta搜索或者Perplexity。

33:32这不简简单单是一个简单的那个内容授权，对吧？他就是把那个那个期刊的全文图表，然后视频、多媒体全部嵌到了自己产品里面。其实要的不见得完全是这个内容，而是要的是这个信任。他的价值主张就从请你相信OpenEvidence，相信我们的AI，就变成了你相信那个新英格兰医学杂志和美国医学会杂志。

33:59这当然相信啊，他就把一个技术信任问题变成了一个商务合作的一个问题，这就是可解的一个问题了。那第三层的话就是他会搞一些合规啊，其实我觉得你越合规的话，对于呃决策者来说甩锅就越容易嘛，那我的心理压力也就越低嘛。那解决了信任问题之后，下一步就是怎么把产品交到医生的手里。

34:21传统的医疗软件的销售路径呢是自上而下搞定医院的决策层，然后周期可能有18到24个月，就是成本非常高。OpenEvidence它就做了一个反共识的一个搞法，它绕开了医院，它用那个PLG，产品驱动增长，直接搞医生。它的那个逻辑其实就是，只要足够强大的那个效果，足够能帮你省事儿，那每一个B2B场景下的专业人士其实跟C端用户没区别，

34:52他看的也是说哪个能让我受益。哪个能帮我省事儿，对吧？那这套打法其实大获成功。医生用那个有一个专门的证嘛，那就可以免费的，那个用国家医护标志就可以免费注册使用。然后然后每个月他们自己报出来是有六点五万认证用户的惊人增长。

35:09其实，对吧，就是以前马云讲的嘛，说B2B其实最后你to的也是businessman，他也是个人嘛。我之前好像还听过一个数据说，Plaud就是那个那个录音器，那个是没有合规的，在早期的时候，但是听说早期大量的也是医生在用。只要足够能够解决问题，那么场景当中的个体会做出理性的选择。

35:32他在打这些那个医生的时候。他选择的场景的切入口的话也是很精准的，就是他不是在做什么呃我帮你做医疗诊断这些高难度的场景高风险的场景。他专注的是叫做床旁检索Point of Care Search。其实我理解就是，就医生要查一查Perplexity，查查Google，查查查查那个Meta的这种场景。

35:56当然医生其实是在查他们自己的一个一个原有的那个我刚刚说的那个比如说UpToDate这种老的数据库。这就是一个高频的场景嘛，因为医生每天要查几次，然后呢又高痛点，因为传统的工具就是很低效，然后又低阻力，因为你只是偶尔查一个信息，你不需要嵌入什么ERP啊什么PS、HIS这种系统，那就是一个很完美的一个切口。

36:19传统那个叫PubMed，产品体验方面它肯定比那个PubMed或者谷歌搜索的体验好十倍嘛。你用自然语言提问，然后就可以拿到说整合提炼后的，然后每一句话都有那个权威引用、备注的一个答案，那就是，那就当然很方便嘛。你也不敢说医学上的东西的话，一个医生他就直接用Perplexity或者Meta，但是你告诉我说所有的东西都是来源于什么论文，

36:45来源于那个什么医学杂志，那我就会相信一些嘛。所以这就很巧妙。而在渗透路径上的话呢，他们先做这么一个就是好像与世无争的一个点，那个体用户形成依赖，那么在所有人都在用的时候。再去提供那工作流整合的其他功能，去比如说，哎呀，你要不要诊断的时候开个录音啊，我帮你把那个笔记给写了。

37:08然后那你把那个病人的那个是系统要不要对跟我对接啊，他就一点点在蚕食别的市场，把自己做大。这个模式其实我在好像很多的企业都看到了，他们都不是一开始的时候说去我要去取代传统的什么ERP，需要取代传统的CRM，而是说我我是一个录音机，我是一个什么笔记整理软件，都用一种，或者我是一个帮你接电话的，

37:32都用一个非常轻快的，之前没人做的一个小功能切进去。然后切进去之后的话，他掌握你的大量的信息。然后的话呢，在信息之上他再帮你做了一些决策和行动，然后再问你说，哎，我能不能帮你接上什么系统，然后再说，那个系统的数据我这里都有了，然后我这边可不可以帮你替掉。

37:51所以这也是一种进入市场的一种策略吧。那讲到这里也只是讲了OpenEvidence是怎么进入市场的，但是呢，我们说了它是免费给医生用嘛，那怎么实现商业化？那这个就很简单啦，大家看看百度是怎么赚钱的是吧？百度是怎么为什么那么遭人骂啊？

38:08就是OpenEvidence的答案就是，将流量卖给真正的经济受益方，就是药厂和医疗器械公司嘛。这才是一个大的金矿啊。很典型的一种商业模式，就是医生只愿意为工具付很少量的钱，你让他付几千个美金一个月，他杀了你吧。但是药企，他为了影响一个处方，他是愿意付高昂的营销费用的。

38:32好像上个月有人跟我讲说，他们平均算下来的话，为了跟医生见面十分钟推销东西，好像是要花，就是美国花两千美金的一个成本。跟医生见十分钟说他东西好。然后他们愿意付两千美金，我当时都惊呆了。所以OpenEvidence它就找到了这个市场真正稀缺的东西，其实是医生，就是经过验证的专业人士，

38:55在他要做高价值决策的一个精准的时刻，他表达出的清晰的意图。这个是最值钱的东西，他卖的是这个，他不是收那个月费。当然这个跟那个百度我们刚刚说的有点像，就是当你清晰地表达自己怎么生病啊什么的时候的话，其实百度就开始给你推那个莆田系的医院的那个广告嘛。

39:15所以他就可以问那些，其实赚钱的也不是那些骗子，赚钱的是中间百度嘛。我说的是以前的百度啊，可能现在好了吧，不知道。所以其实有点像，但是呢就是呃OpenEvidence他们会做得合规一点，他们会明确地把那个广告的部分和那个建议的部分清晰地分割开，

39:33然后的话呢会做很多合规的操作，他们首先是要求合规不要被灭掉。那医生在查某个具体的病症可能的诊疗的可能性的时候，那这这个时候就是相关的药品和医疗器械最好的展示自己的广告位啊。那这个时候的话，所有的广告主就扑上来要要这个精准曝光了。

39:52所以他们号称他们的年化的广告收入已经到五千万美金了，然后可售的广告库存的话超过三点五亿美金。就商业模式已经跑通了，这是一个很好的一个模型嘛，所以他们就非常在乎合规，不要被干掉了。所以他们就说，广告系统和档案系统的话是物理隔离的，广告内容不会影响任何的临床信息，然后所有的广告均要明确的标识。

40:16所以他们变现的并不是一个决策的本身，而是决策的邻近权，我在你边边上。对啊。这个也很好了呀，这样子的话，他们这种打法就会启动一个强大的一个增长飞轮，就是用优质的免费产品吸引海量的医生用户，然后海量的用户又提升了平台对药企的价值，然后就给OpenEvidence也带来了丰厚的收入，

40:40他们就可以赚钱，然后广告费，然后丰厚的收入的话呢，他们又可以开发出更好的产品和内容，然后护城河就会更深，更好的产品和内容就吸引了更多的医生，对吧？循环就加快了。就很多人会看不起这一类应用，就觉得说你不就做了个知识库查询，然后你讲的话也就是大语言模型讲的那些嘛，

40:59这不就是个套壳嘛。抽象来看啊，所有的AI应用都只是模型的套壳。所以如果用套壳来归纳产品，就是一种思考和表达上的懒惰而已。那你在OpenEvidence这个里面也会看到说，其实真的我们除了所谓的套壳之外，当然套壳本身也很有技术含量啊，

41:18大家去看一看那个Manus，最近的一些分享，你会觉得他已经写到后面我都看不懂他在分享什么了。就是就是其实还是很深的一个，很深的一个东西，不是那么简单的。就是不是大家哎一下子就做得出来的。但除了那些技术性的东西之外，就是，那你要做一个产品，你选择要抱什么大腿，你到底是要抱协和还是要抱三甲，

41:39对吧？你到底是要抱什么大腿，你要你要谈什么数据，然后那这些决策可能就决定了你的产品是不是被用户信任。然后你选择打哪个细分市场，然后哪一个采购路径，如果是to B的话，你是走哪一个预算包，然后你是打哪一个具体的场景，可能就决定了产品是否能够落地生根，是还是说被很多政治啊什么其他原因给给给挡住。

42:06然后你选择从谁身上赚钱，为谁提供补贴，又可能决定了商业上是否能够跑通，是否能够推动这个飞轮真的转起来。所以这些事情的话，其实才是真正的产品设计。啊，这些东西都很值钱，这些思考都很值钱。就不是说你套个壳就好了。所有人都会套壳，但是真正能做起来的又有几个呢？

42:24真的功夫还在这些地方。那我们今天就跟大家介绍了三个产品，一个是OpenEvidence，这个我记得。然后一个是Makor，还有一个是那个Crescendo，Crescendo。那Crescendo讲的是AI roll up这个模式，怎么样可以通过资本运作，然后我们把AI和BPO公司的能力给拼起来，

42:46然后发展更好。然后Makor的话主要讲的就是，怎么把N乘以M的市场变成N加M的市场，然后怎么可以转型，能找到真正有钱赚的，做军火商的机会是最赚钱的。然后怎么转，OpenEvidence讲的是说你这些事儿都得选，你怎么样建立信任，做商业化，

43:05这其实每一步都是要精巧的一个设计的，不是说你一句简单的啊你不就套个壳，啊还真不是这样的。所以呢啊我定期给大家分享一些对于我觉得比发展的比较好的公司，然后的分析，说说它可能，这其实都是我的一厢情愿的臆测，可能是哪些打法造就了他们的成功。

43:28当然了。其实从我的本心上来讲，我觉得一切成功都是偶然的。一切的成功最后其实最重要的事情是运气。但是呢，我们也没有别的办法呀，你得学习呀，对吧？我就觉得说，那相当于收集兵器也好，你至少见过，哎，世界上有过这个打法。

43:44呃，然后这个人至少没有被这个打法给搞死，然后看着还挺有道理的。那你至少唐诗三百首你先看一遍，那个不一定要照着他写，也不一定他是这样写才导致他是唐诗三百首。但是这些遣词造句的方法你都见过，到时候你再按照自己的方法去遣词造句会相对靠谱一点。

44:02好的。那我们改天再见。啊，大家如果，嗯，我觉得这种内容还是比较稀缺的，欢迎大家把那个AI炼金术推荐给自己的朋友们，因为也不收钱，对吧？这个这也没卖课，希望说那个数字增长以满足我的虚荣心，也欢迎大家在留言区讨论啊。

44:19好，谢谢，拜拜。