企业 IT 部门是 AI 转型的最大阻力？| 任鑫 x 徐文浩
- 发布
- 2025 年 10 月 28 日
- 时长
- 59 分
- 主播
- 任鑫、徐文浩
- 收听
- 小宇宙（节目主页）Apple Podcasts喜马拉雅
任鑫与徐文浩从Sora 2的「AI感」减弱、篮球视频总投不进等细节聊起，讨论Agent与Workflow的辩证关系：B端重流程确定性，C端的随机性反而像抽卡一样带来成瘾性。徐文浩分享了公司用Cherry Studio、n8n等搭建内部Agent的实例——云账单分析、给不会写SQL的产品经理做数据查询、垂类竞品监控与主动推送。后半段两人辨析这一轮AI To B为何不同于上一代SaaS，并指出企业IT部门常成为落地阻力。最后聊到Cursor十亿美金ARR、ChatGPT Pulse、AIO套路、健康与「多买彩票」。
- AI产品从讲MVP转向讲MMP（Minimum Marketable Product），设计之初就要想好怎么传播、怎么go viral。
- Agent和Workflow不是非此即彼：越偏B端、对结果准确性要求越高越需要Workflow，越偏C端越适合Agent。
- 结果的不确定性本身有价值，抽卡式的随机反馈是多巴胺和成瘾性的来源，提供「全新维度」（如心理侧写）比准确分析更受欢迎。
- 这一轮AI To B更像「咨询+培训的增强版」：有用、定制容易、可跨客户泛化、能在一个个场景上不断升单。
- 传统企业IT部门既缺外部公司的技术能力、也不懂内部业务，却想主导AI落地，往往成为变革阻力。
- AIO（AI搜索优化）本质与SEO套路一致：逆向工程AI引用的网站（如Reddit），投喂「十大xx」类内容并持续监控。
- ChatGPT Pulse这类「信息流/被动投喂」形态比对话内插广告更容易商业化，因为能拿到更多上下文且用户容忍度更高。
- 在快速变化中要多「买彩票」、做自己想做的事：任鑫靠一次无心插柳的下午茶谈成合作，徐文浩强调坚持积累和身体是本钱。
本期制作
- 片尾
- Josh Fudge - 7 in the Morning
目录
点击跳到对应位置
- 开场：一个休假带娃，一个加班搞产品营销00:00
- 从MVP到MMP：先想好怎么卖02:25
- Sora 2：AI感减弱，与那个投不进的篮球02:57
- Video Agent 的焦虑：基础模型迭代太快05:55
- Agent与Workflow之辩：B端要确定性，C端要抽卡08:03
- 内部实践：用Cherry Studio做统一Agent入口13:10
- 实例一：云账单与SaaS订阅的自动提取分析14:27
- 实例二：给不会写SQL的产品经理搭数据分析Agent20:29
- 实例三：垂类竞品监控与主动推送24:19
- 这一轮AI To B为什么不同于上一代SaaS28:49
- 国内SaaS之难与企业IT部门为何成为阻力30:21
- Cursor的高增长 vs Palantir的高毛利39:09
- 新趋势：AI电商支付与ChatGPT Pulse的被动投喂41:45
- AIO就是新SEO：逆向工程与Reddit埋伏47:06
- 身体第一、多买彩票、干自己想干的事51:17
文稿
共 742 句 · 点段首时间或句子从该处收听，双下划线是重点词条，其他词条悬停可见
01:19大家好，欢迎大家来到AI炼金术。因为我最近主要就在休假和带娃。徐文浩老师应该现在最近很忙。
01:27我最近主要在加班。
01:28我现在相当于在世外桃源里面，刚刚回来。
01:36那肯定还是得用一下，我在，对，我在美丽的小岛上，然后跟朋友圈全在发屏，我就只好，只好也要用一下。但是整体上来讲就是，你你肯定是在其中嘛，你最近主要在忙啥呀？搞搞营销还是搞产品？应
02:52都小小关心一下，但都没有特别关心，就是因为还在埋头做自己的事嘛。第一个我觉得大家都反正有感觉嘛，都是就是Sora 2嘛，就因为这个东西就特别吸引眼球嘛。今天比你一个编程是不是能提个五分十分，效果又好了一点，就更能吸引眼球嘛。
03:10因为编程再好一点，其实说实话我觉得大家会有些审美疲劳。这重度的用户会能够体会到它当中的好坏，会去有一些预测跟判断。但是普通的消费者其实很难说花很多精力去关心，对吧？就像那个Claude出了那个4.5的Sonnet跟Haiku，对吧？
03:28那虽虽然肯定也是有价值的事儿，对吧？但是其实已经大家很少去很重度的聊这个产品了。对，我觉我觉得这是一个嘛，就是所以大家关注的还是Sora 2嘛，Sora 2至少原来在视频生成上，就是我觉得又上了一个台阶吧。就是至少它生成出来的很多视频的AI感弱了很多嘛。
03:52之前大家做视频，我们也能看到，所有在做视频生成的这些公司，在推的都是一些更偏特效化的内容。比如说我们去看什么变声毒液呀，什么我在最早就像Stable Diffusion最早那个sample是我在火星上这个宇航员骑着一匹马，对吧？
04:09就是为什么推这些东西呢，我觉得其实也很简单，因为你要做一个特别真实的视频，就特别容易穿帮，对吧？对啊。那如果特别容易穿帮，大家就会觉得，哎，这东西吧，但是呢，我去做一个特效，对吧？就是它已经是一个想象出来的场景，那么它就它就大家就会觉得很惊艳嘛，所以大家之前在做的视频都更偏特效类。
04:28很多做的偏真实类的视频，有些甚至用的还是上一代的技术，比如说数字人，很多其实大家用的还是原来的那个更偏上一代的lip sync或者怎么样，而不是完全生成出来的。但是Sora 2出来，我觉得一个比较大的特点是说它能生成很多视频，嗯小广告片或者小的一个故事，
04:47就是它不是那么离奇或者那么科幻的效果，它也还不错了。当然它还有很多问题啊，它我们我们也，就就周围的同事啊什么试了很多场景，非常奇怪的，我们有个同事。就是他把自己作为主角代入进去，让他显示在NBA赛场上打篮球的各种场景。他总结为，他有一个重大的特点就是每个球都没有不都没有投进或者扣篮都没有扣进，但是这个故事后面大家还是鼓掌，
05:12就好像这个球进了一样。就感觉你要搓一段视频让这个球投进去特别难，不管是扣篮还是投篮，这个球都没进。但是呢，这后面的氛围都是好像这个球进得非常精彩一样。
05:25这是为什么？因为理论上来讲应该是投进的那些，比如是精彩集锦啊什么的，他应该训练语料更多
05:50OK，了解。
05:51对。但如果他是用精彩进球集锦，那可能就是都是进的，对吧？
05:55我最近其实也用了一下Sora 2嘛，然后呢也用了一下那个，嗯，同时因为我们也在看那个Video Agent的项目嘛，然后有几个Video Agent的东西我也在用，尤其是在Sora 2出来之前，它其实就是在拼工作流嘛，对吧？
06:10其实就是帮你先画好图，这个主角长什么样子，然后去编故事，然后做好首尾帧，然后首尾帧做好之后，他把用那个用那个图去串那个主角的那个consistent的一致性去串，然后把它给弄出来，然后再配音乐，然后再配台词什么什么。然后我看Sora出来的时候，其实就觉得说，嗯，他其实把一部分的那个编剧和切镜头和那种什么串一致性的事情已经帮你解决了一半了。
06:35然后就觉得那个Video Agent，就感觉这些做应用的真的就真的就很惨烈啊，就是感觉你一直要在被那个基础模型在那边跟的那种感觉。
06:45其实还好，或者说所有做应用的人应该做好这个心理准备来想这个事儿。就是你做好了心理准备，这个事儿出来，你觉得就没什么，必然会发生。就是这个在语言模型上已经发生过了呀，对吧？原来的context window小，我对吧？现在context window大，原来成本高，指令遵循能力弱，现在成本低，指令遵循能力强。
07:04即使是这样，你今天的其实语言模型的LLM也没有，Agent也没有说就被语言模型一次性干掉的。即即使是像Claude自己做了Claude Code，很多人说，哎，我用Claude Code做一个Agent的中台，其实也很好用，我就把各种工具提供给他，即使他不是个编程的场景，其实也用起来还不错。
07:25所以我觉得这个事儿是如果说大家做workflow或者去做这种偏Agent的工作，其实不要太不应该太担心说模型能力会出来，因为即使Sora 2它各种能力再怎么强。今天你想拍一部电影，我们我也不觉得是一个导演或者一个制片人，他一个人就能用Sora 2，
07:46Sora 2。我说他所有今天我们认为的bug他都没有，他只是那个足够强，可能他还是得拆的。而且这个拆可能是一个迭代过程嘛，就是我一开始要做什么其实我也没有完全想清楚，对吧？他可能甚至在交互中才能完成这个，我想清楚我的任务是什么。
08:03你刚刚讲到那个工作流的话，我就想到哪里讲聊到哪里啊，就是那个，其实之前我们内部对于工作流其实是一直是一种偏否定的态度，就觉得说这个东西非常的不优雅嘛，非常不AI嘛，然后想的其实应该都是像比较偏Manus那一套，我们会觉得好像更work一点，就不要那么丑的这大工作流。
08:22结果就被OpenAI结果发了一个Agent Builder嘛，然后我也是看了发布会的，对，然后抽空看了一下，然后就觉得说，啥？你们怎么出了个这个东西？讨论的时候会觉得它的设计思想跟工作流还是不太一样，它比较偏Agent一点，但是它的演示的时候是非常的机械工作流的，
08:40它甚至给了你一个if else。就是那个classify，它它它这个就是纯，就是纯纯的那个工作流。你对那个什么Agent Builder这些东西你有看吗？就是OpenAI为啥出个这种这种东西
08:53啊？Agent跟工作流其实不是一个矛盾或者非此即彼的关系吧，在不同的场景或者不同的需求下，我们会更Agent一点或者更工作流一点。就是怎么怎么讲呢，就是其实我们做一个Agent，其实你在那个prompt里写了一很写了很多类似if else的东西，
09:12对吧？或者你说不要做这个不要做那个对不对，什么如果这样你要去那样做，就就呃说实话大大量的prompt已经写了很多东西，这个其实是你希望模型啊用它的指令遵循能力帮你把一部分工作流给实现了。那我理解说大家需要呃更工作流的东西是因为有真实的需求，说我其实我这个流程想的就是我的流程想的特别清楚，
09:37特别是在B端的场景下，我的流程想的比如说我为了B端服务说我今天要复刻小红书上的爆款文章，对不对？那可能说我原来是一个团队是靠人手工去负责，他可能有一个套路，说我先去网上搜有哪些火的文章。我把它总结成什么模板或者标签，然后我在网上去找一些什么资料，然后就是我觉得每个人工作其实都有个套路嘛，
10:01所谓的工作流无非就是说我强制你规定你用去实现这个套路。所谓的agent就是你prompt里可能写了一些套路，但是你让它更自由发挥一下。那么越偏B端，你对交付的结果的准确性要求越高的东西，你会越偏工作流。越是你今天偏C端，你想用户有一些有一定的随机性、经验体验的东西，你可能会更偏agent。
10:24我我自己最近有一个体会是什么呢？就是其实这个结果不稳定或者有一定的随机性不一定是坏事儿。随机性某种程度上是成瘾性的来源之一嘛，就人人都喜欢抽卡。因为抽卡这个事情是很短时间内得到一个反馈，并且我很快的能继续去抽。本质上今天你看抖音刷信息流也好，或者你今天玩一些游戏有这个什么掉落也好，然后包括你今天去拼多多，
10:51它给你随机给你抽个什么呃优惠券也好，其实都是抽卡的一部分。只是说这一轮的agent的能力使得很多结果也很像抽卡。
11:20是的，换句话说就是，就是你这个抽卡成功率是100%，就是我每次抽之前我就知道会得到什么，其实也不好。然后抽卡成功率太低也不好。最好是说其中有一些失败，但是我可以立刻快速重试，其中有一小部分是中庸的，我能预测到的，但是有一部分是哎，
11:39我没想到，是一个有意思的新东西，对吧？我或者这样讲，就当我用ChatGPT去给我做调研的时候，它越是给我了一些哎呀，我意料之外，我没有想到会从这个角度去思考这个问题，或者原来还有这样的数据的时候，我会觉得它特别厉害。但如果说是它只是今天帮我完成工作的时候，比如说我让它帮我写一段代码，我觉得它一定能写出来，它写完了我贴了能运行，
12:03其实我今天就很把它当工具用，我其实没有什么惊喜，它就是我的工具人。我让它去帮我做一些调研，想一些idea，帮我拓宽我的边界，哎。原来这个东西我都没想到的时候，我觉得它会比较有意思。
12:17我们在设计产品的时候也在刻意这样设计。我们内部我们刚做了个小工具，是就是相当于内部的各种会议啊什么的，帮助做一些决策的。但是实际上你就会发现说，它帮助你做比如说公司的分析和那个投资决策的时候，其实大家都不是很瞧得上它的，
12:35就它的分析。但是你要给它讲一些花里胡哨的，比如说从这个人的用词当中，我们测写了这个人，对吧？心理学侧写，或者说搞一个玄学的时候，从这个人语音语调当中有什么，有什么分析。这个东西大家反而还乐意看一下，因为这是一个全新的维度。
12:52自己的维度上大家都觉得自己，我最牛逼嘛，对吧？我干这行的，你不如帮我算个命，说他生辰八字跟我们处不处。哎，这个反倒大家会觉得还挺好的。工作流方面，你们之前不是你你说你在你公司正在搭各种各样的那个相当于也是呃用AI的workflow吗？
13:10因为我们其实比较重的在用一个呃产品叫Cherry Studio。我觉我觉得公司中原来有很多日常的嘛，说我遇到这个问题，我得找其他同同事来帮我查一下，这是挺常见的，就不管是研发还是产品，就以及说哎这个东西我不太会用。其实你在做任何一个具体的业务，其实它涉及到的工具是非常多的。
13:33比如说我们今天说我们去做营销，营销也有时候做广告投放的，有做SEO的，然后有做这个什么KOL的，有做什么内容，反正反正有一堆，对吧？但是往往是其他人，就是做这个人觉得习以为常，非常正确的事儿。非常简单的事儿，对其他人来讲，可能是一个很大的门槛。
13:53很大的门槛的原因，未必是这个东西到底有多难，而是每个人精力都很有限嘛。即使那个工具已经做得很好用了，我不知道你有没有这个感受啊，就是很多今天有很多SaaS，它都很好用，但是一旦你想要用它，你就发现你还得花个三四天时间研究一下。
14:10我还
14:10不如自己搭一个简单的。
14:11对对对，那我觉得说agent更多的是说我把入口从效率角度把入口收集到一个chat的入口，以及把很多简单的东西能够在这个chat的入口能够完成掉吧。
14:24你是怎么用Cherry Studio的？你可以举几个例子吗？
14:27不一定是他去执行动作，而往往是排查跟获取信息。因为今天大家用很用各种各样的模型，然后GPU啊，有什么算力啊，比方说，那我们其实是有公司内有很多账单，就是云服务上用了多少，租的机器用多少，SaaS用了多少，云服务可能还有每个用户用的不一样。
14:46那传统意义上我们会去做一个，说哎，我们总结一些需求，做一个报表，然后每天有人去看，或者再设更复杂的告警，发现哎有没有什么异常。那然后要排查问题的时候说不行，需要有个人为这件事情负责。你可能在运维团队或者基建团队有一个人说啊，他要负责成本，或者说去负责，当有问题了，他先要查出来是到底谁用的多了，
15:10谁用的少了。那但今天你可以说因为他后面的数据都是在的，他可能就是确定的几张呃数据库里的表，对吧？你只要那么那么你今天其实很容易的就去能搭一个agent说哎，围绕这个你可以提问题，然后你可以快速的得到，最近花钱多了是谁花多了，或者说在哪个模块花钱花多了。
15:31传统意义上它其实对组织的执行能力要求挺高的，可能大家定期有会议，有人得准备数据，然后讨论复盘。那么今天更多的能够通过一些agent。不管是你主动询问还是他自动推送的方式去拿到这些信息。
16:06到这个Excel里就
16:07可以。第三个的话，打到那边之后的话，他要理解说什么事情跟什么事情是一类，然后第四个可能被查的时候还被查得到。呃，你说的agent，但是这四件事情都是你已经交给AI去做了，还是他比如说主要做的是第四，比如说第三件第四件事情。
16:22很多事都。比如说账单这个事，一般是人家账单他都会发你邮箱，然后邮箱背后有一个LM说我就提取一下，这个账单是哪个东西，然后但是它是分开的，它不是一个agent，因为账单牵涉到最后财务做账什么的，对吧？你最后还是会每个月或者定期会去汇总的嘛，会或者去对账的嘛，但是你去汇总出出这个报表的时候，
16:46你是不需要说我在人工手工去整理的。你其实是一个LM把你的把一个账单的邮件组邮箱里的，就是可能所有的你买的SaaS都用这个邮箱去订阅。然后那意味着这个账单你它能自动提取出来。提取出来你就有一个Excel，我们我甚至会Excel，你不管它是数据库还是什么Google Sheet还是Excel Online的版本。
17:08然后那个那个数据其实就是一部分数据，第二个云它会有一个自己的详细的账单数据，你通过这两个数据能够把大部分你想分析的东西都能分析出来。
17:17好。那还有一个就是这些数据，比如说你们还要看看说这个这个它的相关责任人是谁，或者这个东西对应是哪个哪个，它是不是需要人类也要填一部分数那个字段上去，就比如说这个项目是徐文浩负责的。
18:02然后你之所以要用到Cherry Studio，是因为比如说你们这个不管是Google Sheet也好，还是Excel也好，你是把它做成了一个MCP，或者开了权限给到了这个Cherry Studio。然后，因
18:13为我觉得用Cherry Studio还是用什么，其实其实是这样的，你Cherry Studio本质上是帮你解决说所有人都用一个统一的，呃可以中心化管理的AI的agent的客户端。那Cherry
18:24Studio适合团队协作吗？
18:26它有企业版，它企业版你是可以有中心化的配置，说我这些agent下发给这些人，那些agent下发给那些人。当然Cherry Studio我们用下来，我觉得它他们虽然是个很小的团队，但我觉得迭代也很快，做的很不错。呃。这也是为什么我们用我们是他们的企业版的客户嘛，对吧？
18:42第二个是说我觉得其实是呃我称之为这样，就是AI使用有两种方式，一种叫做自顶向上，一种叫自顶向下。自顶向上是说我们会给大家去报销，说你想买Cursor就买Cursor，你想要买什么就买什么，反正给你定的额度，你爱用什么用什么。
18:58这个是一种大家都会通过自己的方式去去提升效率。一种是自顶向下嘛，当我们觉得这个东西好用，我们希望或者说我们觉得有一些东西是我做了可以share给其他人的，那我就需要有一个嗯叫企业版的这个agent去分发的这么一个机制。它可以是Cherry Studio也可以不是，就像我相信啊，就假假设我们Cherry Studio我们现在用的比较多。
19:20我相信未来，Slack，什么飞书，什么钉钉，其实都会尝试把Cherry Studio的能力融入到自己的平台当中。它本质上它的入口还是一个对话聊天框嘛。理论上钉钉、飞书、Slack其实都能做这个事。
19:42我们也会用n8n，但是n8n的license其实挺复杂的，所以我们现在有一些同事单独搭了一些开源、在license上更友好的一些产品，就这这类产品还挺多的，嗯。什么LangFlow啊，n8n啊或者怎么样，但是你你得看好它的协议嘛。
19:59好像是自己用，是随便用的，你不能拿它去服务第三方，是吧？
20:04每个产品企业都不一样，反正我们n8n我已经忘了是啥了。反正因为我们有同事专门去调研这些，去调研或者使用，他们就会考虑部署的成本，也会考虑license嘛。
20:14了解，哎，刚刚你举的那个账单的例子很好啊，我也可以想到个人，比如说发票报销啊什么的，就显然可以复用这个工作流嘛。那你还有什么其他的、其他的可以说的例子吗？就是你们内部怎么用这种这种工作流？AI的，也是。
20:29一类比较多的例子还是在数据上的。传统一个公司做任何一个业务，其实一个比较大的瓶颈是数据分析。这个瓶颈不是说真的有非常非常多的数据需要分析，而是说往往组织上团队互相之间的能力是错位的。虽然这个错位，我觉得其实很多时候你觉得不合理或者不对，但是它客观情况就是这样。
20:53就比方说有很多产品经理想看数据，也有很多产品经理他不太会写SQL。特别是在今天的这个国内的互联网大厂这个环境下，因为大家分工都很细，越来越多的变成上下游的一个协作关系。但是你在一个创业公司里，如果说你发现干任何一个事儿都得三四个人联动，那这个事儿效率肯定就特别低。
21:14就是说，哦，产品经理我提个需求，然后啊，然后数据分析师去再单独跑SQL，跑出来跟我想象的还要不一样。所以我们更多的还是希望说，把一些我们觉得其实是比较简单、你比较快能学会的事儿，能不能你，但是你今天你的确还不会，对不对？
21:31那然后呢，我要迫使你学，其实也挺高成本。那是不是这个AI就已经能替代掉，或者AI部分能够替代掉？因为我觉得这个是一个挺常见的。就是尽管大家都说自己是创业公司，大家不要想不应该一个人能做更多的事儿。但是因为不是每个人都是，就是一个创业公司里也不是每一个人都是原来就是个superman，一个人全栈把所有事情都搞了。
21:58其中个别人可能创业干过很多事儿，或者个别人经历过很多创业的早期阶段。但是也有很多人是他今天其实想好好做一些事儿，但是他其实没有那个经验，所以他会有一些习惯，还是说分工是明确的。那在这个场景下，其实是希望把一些没有那么难的事儿，就是你可能招一个实习生培训。
22:19他一个礼拜两个礼拜他就能帮你干活的事儿，慢慢的都挪到agent里嘛。我觉得大家至少目前比较常见的还是偏向于信息获取，即简单的数据分析，简单的市场情报的调研，通过各种工具。也不要今天我想搭建一个产品原型，其实它本质上是几个模型的流程的组合。
22:47那你刚刚讲到那个，比如说大家，呃，大厂比如说来了一个同学，他数据分析，他希望有一个专门的其他人来支持他。你们是会把比如说所有的数据放到一个地方，然后做成MCP，然后在上面搭一个agent，相当于他叫做数据分析师，然后以后就问他就好了，是这样吗？
23:34我现在也会有一些to B的合作嘛，大家其实对于那个所谓的知识库，然后搭一个agent的这事儿现在其实挺不满意的。就搭完之后都觉得没什么用。因为其实是因为期待比较高，他们就希望把所有数据放进去，答所有问题嘛。你这个其实就非常具体，甚至于比如说那个叫做云账单啊，然后专门它就是一个MCP，那就用它。
23:56那其实只有跟这个相关的一些问题。那这样子其实数据源是明确的，然后它的问题可能也就那么几类。虽然听起来就没有那么大的用处，因为云上的分析可能一个月你们也就搞一次两次，但是它确实就好用一点，规模比较小一点。比较明确，就大数据。
24:14然后你获取信息呢，获取信息你不就搞一个Deep Research就好了嘛，不需要内部搞什么东西了。我
24:19们做的一个事儿还是比较重的事儿嘛。所以我们采集了大量的海外的商品啊、内容的这个数据。比方说我们要的不是一个通用的Deep Research，比如说我们要的是一个根据我们的数据给我们自己的很多问题或者答案。
24:36根据我的数据给我做Deep Research。
24:39我举个例子啊，比方说今天有一个公司是做亚马逊的3C的品类的品牌，它可能有一个需求是不是一个通用的Deep Research。它其实会很关注说，啊，市场上还有十家竞争对手，他们最近有什么PR呀，他们最近有什么新产品发布呀，然后我这个领域有一些特定的科技、特定的技术的进展。
25:00我可能需要的是一个始终提示我了解最新的竞品跟行业趋势的一个产品。但它不是一个通用的Deep Research，因为Deep Research可能只是Google搜一下，它给我的答案可能跟我想要的东西不太一样，它可能是觉得说谁谁在媒体上报道得多。
25:19他就会老跟你提这个事儿。但你可能你作为业内人士，你可能知道其实那个特别低调的公司特别厉害。打个比方。
26:51的？其实也是做那个agent，写了一点代码吧，写了一些代码，不是说完全没有写代码，写了一些代码，但是因为它其实还是个research工作。我还是举以Anker为例，我今天还是个research工作。这research工作意思是说，我还是希望模型有时候能给我点惊喜，以及很多的agent未来我希望它就是它更自主的工作。
27:10自主的工作是说不是我来问它，而是它每天研究完了推一个来通知我。某种程度上是有点像嘛，就是因为我觉得很多场景都是这样的，就是你做了那个工具，如果你要让用户主动去用一下，这个的门槛跟启动成本是高的。如果是这个工作本身就是每周都得做，做了之后它推给你去看一下，这个其实是会让这个东西真真正能被使用起来嘛。
27:38对。我仔细研究了一下，写了篇文章，然后就是为了测试一下。你有用这些东西吗？觉得怎么样？
28:07你最近有看到什么好玩的东西吗？或者公司里面有什么发现？公司
29:34我还正好还请教，既然你聊了很多公司，其实我也很好奇，因为我原来也做过这种偏to B、像SaaS一样的。我觉得其实大家面临的挑战就是，美国它SaaS相对比较标准化，它也有很多中部、中小的、腰部的客户啊，中小的客户，所以它然后用户的付费能力比较强。
29:52就国内我的感觉说SaaS其实挺难，上一轮挺难做的是，你其实有，我们我称之为三类客户。第一类叫做enterprise，就是巨头们。巨头们的问题就是说，你在他那里也做不了太大的业务。因为做到一，如果你的业务真的很大，你要问他收很多很多钱，他就决定内部自己做了。
30:10就是一般来说大家只是用来打标杆。国内呢相对来讲是比较缺这种腰部的客户。比如说我标准化产品卖给你，一年也能收个十万到一百万之间，其实是比较难的。基本上你要问用户收到几万块钱以上，用户就期望有服务了。
30:26然后一旦有服务，然后算人工进去，这个事情这个账就开始就算不过来了。你就会发现说你的所有的利润，那你所有的毛利率都被服务成本给吞噬掉了。然后再更小的这种，你一年收个比如几百几千的，那感觉国内之前缺少这个氛围，或者大家缺少这个习惯。
30:46虽然我觉得这一点呢，反而是逐渐一直在变好的，因为随着微信啊、支付之类的这个支付变得容易。然后这个大家对效率开始看重，所以最差尾那部分其实是变好的。但是呢，就是我前两天也看了一篇文章，就是说的这个FDE，对吧？叫什么Front
31:05Forward Deployment Engineering。
31:08但是我我当时在想，这个不就是我们以前to B的驻场外包吧？
31:12对呀，就是这样。但是它就就可以
31:14work啊。第一个是为什么它可以work呢？就是因为一旦有人驻场，就意味着这个人的成本你必须打进去，对不对？
31:22呃，我觉得你先跳开这个逻辑啊，我们先先回到更宏观的逻辑。第一个就是SaaS有没有用？大部分的之前的SaaS工具，比如说我们讲一个数据分析工具好了，呃。大部分的工具是没有用的。就比如说什么，就包括我认识好多的公司，他们就建CDP都建过好几套。
31:40其实你建完之后，你要真的离落地产生效果，真的是离十万八千里。所以第一个就是这东西有没有用？其实大部分的SaaS是没有用的。然后那为什么AI的这批SaaS我觉得有用呢？其实你可以把它们理解成，它们根本不是AI SaaS，它们其实就是一帮培训的，然后跑到你公司来教你公司。
32:00比如说，哎，你这边可以，哎，你看你这些什么什么账单，可以把它们拼起来，然后可以我帮你们搭了一个agent，以后就可以分析这个账单，你们公司以后就省事。它其实是一个个场景去挖掘。其实你可以把它理解成他们就是纯套壳，纯粹的就是帮助企业用好AI。
32:17你把他们的那个所有的产品包装给放弃了，其实放弃的。这AI这个东西实在太牛逼了，但是企业现在的那个企业层级的应用实在太弱了，所以这边其实有很大一口红利可以吃。我们先不讲它能不能赚到钱，第一个就是有用没用。现在帮搞AI的有用程度其实比以前的SaaS还是要强的。
32:36它是帮你去发现场景，然后告诉你可以用哪个工具，然后再然后自己帮你define啊，或者用那个毕昇啊什么的，拖一点工作流啊什么什么，然后然后然后把知识库给你建建好啊。你们以后的账单就放到这个知识库里，以后你就可以问这个agent了，对吧？
32:51它帮你把这个场景定义清楚了，大部分人不会像你一样，就是把这个东西理得清楚嘛，也不会自己搭嘛。你想你搭这个东西可能就花了你两个小时。对。但是他们可能花两周啊，帮人家搞搭出来，对吧？但是搭出来这个东西真的就是，它就是一个真实应用场景嘛，对吧？
33:08它是真的work了。然后你下面还有一套什么agent平台，布拉布拉布拉布拉。但agent的平台就是通用的嘛。所以的话我觉得第一个事情其实是，它其实从没用到有用了。而这个有用可以，我把它更粗暴地想，就是这个有用甚至你可以理解成这家公司什么增量都没有做，它就是帮助AI在企业落地。
33:27你可以把它们当作是一个培训的增强版。假设一个传统企业，它用AI的程度朝向你们公司的用AI的程度走一步，它肯定有收益的嘛。但是它自己真的走不过去。有一个公司你把它想象成它就是做培训和帮你装装软件的，那其实就有收益，帮你梳理咨询什么的，帮你帮你干这些的。
33:47所以呢我觉得第一层它是有用的。第二层的话呢。就是它的这个定制化相对还是容易的。以前的定制化真的就是大家在定制化那个界面啊，而且以前开发界面也麻烦嘛，然后接这个系统那个系统。现在其实就是你，其实其实就是接数据，然后他说我有这个场景，然后他就说那你这个要接这个数据，对吧？
34:04然后要干嘛，大家已经已经被训练过，就是觉得这个东西应该用一个对话框，那你至少界面不用大改。然后你无非就是改的是你背后怎么接数据和怎么调那个prompt的，对吧？然后数据怎么怎么调的可以通用一点。所以的话，它其实就是一个一个界面不改，它背后改改的其实是数据源和背后的处理的工作流，对吧？
34:26那个什么，agent的什么workflow。那这些东西的话，其实它背后其实这一层确实是标准的。以前我们讲故事的时候，肯定会讲我的SaaS是标准的，我是一套什么乐高，我会拼起来。但其实就不是嘛。但是现在的话，很多的交付的，他们就比如说用毕昇，用define，然后他们其实就拖拖拉拉给你搞嘛。
34:44那拖拖拉拉这一层确实是确实是标准的嘛。然后那个RAG这一层，你说标准不标准，反正我处理数据不标准，但是那个那个处理完了之后，其实算法什么的，确实是我内部在积累嘛，什么re-rank啊。啊，什么乱七八糟的，对吧？
34:59所以所以它定制化也比较容易。那第三个就是它泛化起来也稍微容易一点。因为你这个搞好之后，说实在的，你给比如说工商银行，把那个比如说它的合同审计的那个银行的那套agent搞好之后，你这个东西确实是，呃，训练聪明了之后，你拿给农业银行大概也能用的。
35:16然后你又根据它的再改一改，但是不像以前就是这套系统要搬过去，你界面也长得不一样，你这边工作流也不一样，对吧？但这边都是叫做，哦，我帮你搭了一套agent，agent的那个，就比如说Cherry Studio在你们公司能用，
35:29在我公司也能用，因为它长得就是非常的标准嘛。比如说你公司有一个特殊的什么管理软件，那调到我公司我还要学半天，但是Cherry Studio就是一样的嘛。然后我们的不同是在Cherry Studio上调用的具体的agent和workflow的不同嘛。
35:43那这个时候的话其实就好改了。所以它它通用，你做完这家拿着这个东西去卖另外一家。其实还挺好卖的，然后把这另外一家数据再洗一洗，灌一灌，few shot一下，干嘛一下，prompt，其实我已经存好了，对吧？我其实就给你用。
35:58目前看下来的话，就是就就比上一代AI确实，我不知道最后通不通，但是至少在故事上，在大家现在，但当然现在也因为中国的问题是很卷嘛，确实已经卷到很多很很健康的市场现在也没有没有毛利了，大家还是想往外走。但是光看逻辑上的话，它确实比以前要好做，只是这个好做能不能收到原来一样的钱。
36:21比如说SaaS公司收五十万的话，现在会不会卷到说你只收七万五，对吧？那还是没有钱赚。但是至少我觉得在空间上和那个成本上，相比上一代是有优势的。而且更更好的一点就是上一代的公司，虽然每一家都是想说，就是进去之后蚕食，就是我我我扩大订单嘛，
36:43但是其实讲不太通。就是比如说比如说你以前做营销的，你说我去抢你的，比如说合同审计，对吧？其实这事儿有点隔行如隔山。但现在嘛，就是大家其实讲的都是我帮你搭了agent的平台，然后以后我们再一个一个场景做。那这个时候的话，其实一个一个场景做，很多场景其实长得，我觉得百分之八十的场景就是一个一个一个知识库RAG。
37:04对。然后加上一支，对，那那那这种一个个场景扩的话，确实是升单的概率很高。就你都会不断的有新订单进来，然后甚至维护性的订单要发展。所以你只要进去了，确实好像背后就嗯可以吃比较可以吃比较久，然后而且还可以一块一块肉接着吃。所以我觉得to B反正我现在看会觉得说，比SaaS目前来看哦，可能明年就卷到又没有钱赚了，但目前看好像还是挺健康的。
37:33但这个跟那个话题没有关系，我现在很强烈的感觉到就是，传统企业的IT部门好像就是这一次变革的阻力。对。就是他们如果要自己要做什么事情的话。
38:13就我我有好几次，反正有各种机缘巧合，会跟一些特别大公司的他们IT负责这个事情的人聊天的话，就是我经常跟你聊天，你就会很委婉的跟我讲说，嗯。这个地方其实你理解的有点不对，就是你会发现我有很多的基础知识、基础概念其实没有特别理解嘛。
38:31就是比如说太久没碰技术或者怎么样，然后以我的对技术的理解能力，我经常发现他们有很多的理解都是错的。然后你又会觉得说，天哪。你不是说商业上这边是错的，然后然后技术的底层理解也是错的，这边也是错的，这个道歉的往后怎么怎么走啊？
38:48所以这如果他们能用外包的话，其实我觉得用外包挺好，就是大家都都用一点第三方的公司。你第三方公司主要是主要是你可以选，对吧？这家不靠谱，你每家你还可以说，你还可以说，你还可以赛马，对吧？同时用三家，这家不行，下个月不跟他合作了。
39:04但自己家IT的话，你就真的是会卡死在那里，很可怕。反正我觉得to B还挺好的啦。现在也是因为Palantir的话，把那个整个的一个整个大家看这件事情的那个热情又点回来了。但另外也是因为你刚刚讲的那个Cursor，就是虽然它量长得很大，但是大家就发现它账死，我算不过来。
39:25但是就觉得Palantir那边虽然看起来长得很慢，但是它那边好像就是别人要抢它也挺抢，它也挺难的，它那边说不定是可以做出毛利的。但Cursor从目前来看，就永远不知道它它的毛利会从哪里来，大家就只能赌未来它会想到办法的。
39:42但是从现在逻辑上来讲，完全想不出来它未来毛利可以从哪里来。
40:16的。那个Cursor，你刚说涨到十亿，它它没有被Claude Code和ChatGPT那个Codex抢掉份额吗？它还在疯狂地涨吗？
40:26我可以去再确认一下，因为我是前两天看到了这个新闻。但但我的理解是说，其实涨也很正常啊，因为这个市场本身还在快速增长。
40:36所以如果在这种情况下，那它确实就比我想象中还牛逼一点。
40:40最近我觉得可能比较难了，因为竞对也很多嘛，有好多产品。比如我们之前用一个产品叫做Warp，相当于是个terminal，是个终端，对不对？原来终端打命令我都记不住，然后它其实也是Bollett AI，让你终端打命令tab一下，它就其实背后调一下LLM，
40:54然后或者你不知道这个命令怎么，你问它，这样你就不用切来切去的嘛。它现在其实也在终端里提供了AI coding的能力，对吧？当然这个能力其实它也是套个壳嘛，对吧？就是换句话说，就AI coding这块需求大家都看见，其实都都进来做了，所以这个产品也特别多。
41:11但Cursor本身还在涨，我觉得还是面临那个那个问题嘛，就是所有人的模型能力虽然在增长，但是模型能力强的公司不只有一家，所以这个始终是给了一个三方一个机会的。至少有三家嘛，有Gemini，
41:31那我再去看一下，我可能早两个月对它的印象是它正在被那个很多人从Cursor跳到那个Claude Code嘛。所以如果它还在增长的话，那我脑子里面有一部分的那个关关于这个世界的模型得修正一次。
42:25补一个就是我觉得如果你关心这个的话，其实可以更认真看一下Pulse，就是它可能跟你关注那事儿会更近一点。就是它从那个每天你要提问嘛，其实用户根本提不了，提不出问题的嘛，变成一个类似于今日头条这种，它来主动搞嘛。一方面它自己削峰填谷，可能用好它的算力啊，然后给你更多的东西啊什么的。
42:48但是还有几件事情，一个就是它在里面其实更容易商业化了。比如说我们微信聊天框里面插个广告的话，你会打死微信，但是它在朋友圈插广告你觉得很正常。所以这里面它是可以插商业广告了，像你刚刚讲什么购物的什么东西啊什么的，它它加在这里就很合适。
43:03它加在那个对话里面就还是如果是广告性质的话，还是很突兀嘛。对。所以它它加在每天，所以。你昨天提到什么？我给你加一个，我帮你看看，这边有一个折扣，你要不要？
43:14对，这就很顺。所以它它可以往这里加，它它就比如说我一用，它就开始问我说，诶，帮你这件事情的话，你能不能把你的Google Calendar连给我？对。然后你就会发现它就会它就会尝试着给你扩各种各样的东西。然后它就会，比如说它本来本来有一个人可能只是用它写作文的，它就会说，诶，你昨天提到的这件事儿的话，
43:34其实你去买个什么设备就更好了。它就可以把它的，它它其实可以做主动的各种，就是稍微跟主话题没有那么近，但是离商业或者离呃用户更近的一些suggestion了。因为你你坐在对话里面就耽误我事儿嘛，但是你坐在那个批奏折里面其实很正常的，它就可以朝那边走了。
43:54所以我整体觉得它的Pulse那个东西的话，就是ChatGPT那个Pulse的话，变成这种信息流的形态，变成一种用户只有需要被动地去处理的形态的话，它首先它的那个频次就会抬起来嘛，就是频次可能从一周两两次抬成一周七次。然后那再另一次的话，就是里面再加商业化，再加shopping的话就会顺很多很多。
44:17直接加到对话里面还是会有点尬，但加这边，尤其是它还可以加成广告，直接加到对话里面，真的你就只能是为人民服务。就是真的是加真真东西是可可能可以加的，但是真东西是反倒是赚不到那么多钱的嘛。广告是只能加在那个信息流上面。所以我觉得Pulse可以看一下。
44:50倍。这个某种程度上是说明说，能不能更自然地把我有价值的信息暴露给AI，如果说这个广告更原生，对吧？就有点像什么呢？我称之为说以前电视购物，父母们都以为这是电视台节目，所以你会下单去购买，对吧？
45:10但是Pulse这个事情我觉得难就难在于说，呃，竞争对手太强大了。就是虽然我们很爱好AI，但是我每到周末啊，比如说有时候非常累了，也要刷一下抖音，对不对？那刷一下抖音这个过程中，我其实根本不在乎它是不是AI，它有多高质量，呃，就你只是为了have fun嘛，
45:29就是有有乐趣嘛。就是寓教于乐这件事情我觉得是不成立的。就是就是你做产品一开始不能寓教于乐，就是你就是个娱乐的东西，它慢慢可能会长出一些，因为各个细分，有些人就感觉它它变成一些有价值的东西。不对，我现在不应该这么下结论，我还是仔细研究一下Pulse。
45:46对，你看一下，主要其实我们把它抽象来看，就是它拿到了更多的上下文，并且它有被动推荐的渠道。我们先把它纯抽象，纯抽象。第一个，它它肯定会连接你大量的已有的跟AI相处的上下文，以及比如说要你的各种各样的权限嘛，对吧？让你的邮箱让你干嘛。
46:05OK，那上下文拿得越多，推荐理论上比较准。第二个呢，就是它有一个被动推荐权，就有点它有点像有抖音类似的推荐，可能对这个不太一样。就是但凡你做成像，比如说我做成一个穿衣助手，你的那个推荐的压力是巨大的。或者我我单独你去问ChatGPT说我今天应该怎么买东西，买什么东西。
46:28这个推荐的一个阈值是巨高的，很难满意的。但是它是刷抖音的时候，你刷到一个包，然后你可以把它马上刷没掉，那个其实成本是很低的。所以我是觉得说它其实主要占上下文和占被动异步被动，这个时候的话，你对它的要求就会低很多。反正我觉得被动嗯异步其实可以做的事情还挺挺挺多的，实时的那个要求真的太高。
46:53但是总归觉得说它它好像可以打开很大的空间，说不定那个3M不是要要十亿日活嘛，就要靠这个了。它它靠靠靠对话不不大可能嘛。你刚讲还有另外一个东西是啥？
47:34下。这本身就是啊，本身就是我觉得GEO是一个跟AI相关性不大呀。GEO SEO本质上还是怎么埋伏在哪里嘛，就是你把你的内容能够在AI的这个路径上让它选择你嘛。所
47:47以他们其实是与终为始的去看说哪一些的他们关注的品牌关注的那些搜索，然后去搜，所有的都搜，搜完之后他们会去看这些拿到的答案取信了哪些网站。首先是他们取了哪些网站，其次是他们取的就是看过哪些网站，另外一个是他们的最终摘的那个内容里面用了哪些网站。
48:12然后他们就要去那些网站里面埋伏东西嘛，像你讲的。然后另外他们再去反向研究，他们其实还不懂算法，我后来跟他们讲说其实这里面用的是什么Rewrite啊什么的，其实都用几个开源的嘛，就大家你去看一下。然后他们再去研究说那到底是哪些文章会被摘进去，比如说他们就发现说最容易被摘进去的就是十大什么什么什么，
48:34他们就铺了很多很多关于那个问题的什么十大什么什么什么什么什么东西把自己放进去，然后就发现效果很好，然后他们就每天监控。所以后来我发现说这个东西它很多跟以前SEO的套路一毛一样，以及它有很多的工作其实监控性的工作。就你其实是在在看别人在做什么，然后也不不一定是真的去看论文，而是你去看实际上怎么怎么怎么发生了，
49:00然后我怎么去hack。
49:02是的。就就最近有有CMU跟一个公司合作不是发了篇paper嘛，然后我还我看了一下，它的本质上是什么呢？就是我想想我是哪个品类，我就用户会问哪些问题，然后你去问，然后ChatGPT搜索给你结果，然后你看它引用的到底是哪些文章，
49:19那些文章到底写什么，你反就是它本质上也是个印象的过程嘛，就是你去看搜索引擎带AI加search的东西到底会引用什么，然后你就去想办法去做这个内容跟以及想办法去把这些内容放到一些它会引用的网站里，比如说之前很喜欢引用Reddit，那你就搞很多Reddit号去在Reddit里去回答问题，那它比较喜欢你这种类型的标题。
49:41你你的你的内容就去取这种类型的标题嘛。对对对，
49:45就是这些套路。你们要做这个吗？你们其实做这个离钱近啊。
50:20我那个前几天聊了一个To B的公司，然后他们规模还蛮大的。然后让我觉得非常之神奇的事情是，他们做了很高的毛利和很少的人，做的是To B服务公司。后来发现他们全是走渠道，就脏活累活全是渠道做。然后因为渠道已经有了那些服务关系，然后但是但是他们的那些客户都在买AI啥啥啥，卖的都是他们家东西。
50:46当然他们讲的故事是这样，我现在还没有核实过真假，因为实在是too good to be true，你知道吗？所以他们走的全是渠道，他们就相当于在卖那个产品，渠道拿着他们产品去包、去实施、去干嘛，然后渠道可能还是渠道分大头，
51:01但是他们的利润率也很高。实在是too good to be true。就是太…太美好了，我…对，所以我们还要再看一下。但是好像存在这个路径，就假设他们的数据是真的的话。对。
51:12至少建了一家这么很神奇的是可以的，而且规模还挺大的，应该很快就可以上了。
52:37对。我现在所以把运动放在了第一优先级，哪怕就火烧眉毛了，我可能也会去运动一下。对，我就会想着说事情砸了就砸了吧，但是我得把我运动习惯要保保留保持一下。那
52:50那不行，那不行，我我不能这样，我我这个事情不能砸的。你
52:53还有两个搭档呢，你看他们怎么就那么心大，对吧？
53:19对，我一个是觉得身体比较重要，另外一件事情我就是最近越来越觉得说我要多约人聊天。不是最近前一段时间，比如说我搞了一个那个下午茶嘛，我开始我都已经跟同事说，就是因为其实也没什么人参与，然后而且其实聊下来对我跟我一开始的设计的目标也完全不搭，所以其实没什么用。
53:39但是就偏偏有一位同学来约我，然后那位同学聊着聊着我就发现说他他是一家公司的联创，然后他的那家公司刚好是我在找的一个标的，然后这两天我们应该已经达成合作，就已经达成合作了。然后就发现说就完成了一个很大的事情，然后就觉得说就是完全是无心插柳。
53:59对。因为现在变化大的话，也就就也有一些这种这种纯粹的拼接型的这种这种这种机会嘛。对。所以就完全没有想到，然后就就现在就觉得说我应该多买彩票，既然老天爷给我买彩票的那个中奖率这么高，就就相当于你买你去买了一些报纸，结果里面夹了一张彩票给我。
54:17然后就我觉得是老天爷暗示我要多买彩票，所以我最近打算多找各行各业的人聊聊天去，然后看看有还有什么彩票可以捡。对。像很多东西的一些发布的话，你会觉得说就就都很纠结。就是一方面觉得说，哎，这个东西要是早做的话，其实能做，但现在把bar设到这么高，已经做反正也做不了了，
54:38整个赛道。另外一方面也会想说，早做了然后它出来，你虽然也很尬。就就都挺难受的。我
54:44是另外一个心态，我越来越又回到那个心态，就是说你还是做你自己想做的事儿。如果一个你喜欢你擅长你想做的事儿，别人就算快一点，你其实你的内心的想法往往是说，哎，就我也能弄，或者我有更好的想法。如果是你更过于，就我有时候觉得说过于面向市场其实是不对的。
55:02你你你就变成算账，算账呢你算来算去，很多账是很难预测对的。就是换句话说，ChatGPT也不是算账算出来的，对吧？就是就我就预测一个事儿是说它其实没有办法，比如我们今天去预测很多东西，我们都会说，哎，用户可能没有需求。那用户没有需求的原因是原来没有这个东西。
55:19你创业你创业也好，或者做什么事儿，最后只能干一个。第一个呢，你得干一个自己想干的。就不至于说生活困顿，你尽量还是干一个自己想干的事儿，跟自己想待的人待在一起，干一个自己想干的事儿，剩下的事情呢就只能但行好事，莫问前程了。
55:35交给天
55:36意，对吧？就是天意呢，你你你你和我都反正错失了。对。在上一轮已经错失过一个巨大的机会了，对吧？所以呢，现在就要更相信天意，像我们这样行善积德的人，老天爷会给我们一个更好的回报的。
56:48对，我现在就有的时候在感叹，就我跟我太太在感叹说那个，就老天爷对我很好，因为我发现我每天在做的百分之九十五的事情是，如果没有回报也没有钱。也没有什么环境或者做的事情。就比如说你会看看这个看看那个呀，玩一下这个玩一下那个呀，然后研究一下，然后在里面总结一些小道理啊，
57:09然后然后甚至于跟一些人吃饭，然后再跟他说，哎。这个产品怎么做，然后做做顾问啊什么的。好像有没有回报，我本来就很乐此不疲的喜欢搞这种有的没的。不是有一个测试嘛，说如果你完全不考虑钱，你一周会干嘛？我还想啊，我一周还是会干这些事情啊。
57:26没有什么区别。好的呀，好的呀，那也欢迎大家继续关注那个活人感比较强的AI炼金术，然后把这个转发给其他朋友们。对，所有的活人都可以转发，然后发朋友圈啊。好。拜拜。
57:41嗯，拜拜。
本期词条
重点词条
本期重点讨论的人、公司、产品和概念，按出现顺序。
本期还提到
常见名词，文稿里悬停可见，右侧数字是本期提到的次数。