开场0:00
欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚 AI 时代的 " 积极行动者 "， 和他们一起探索和拥抱新变化 、 新的可能性 。
我是主播 Koji 杨元成 ，是 《 新世相 》 和 《 躺岛 》 的联合创始人。
今天做客十字路口的也是一位 AI 时代的 " 积极行动者 "，Tony Gu。他先后在以色列美元基金 Go Capital 和金沙江创投负责 AI 和 SaaS 的投资 。
离开 VC 之后，Tony 在 18 年联合创办了 AI 智能语音公司 " 一知智能 "。在 " 一知智能 " 成为细分领域的第一名 、 年营收突破 1 亿元之后，Tony 并没有满足于现状 ，而是整奋于生成式 AI 的新技术浪潮 ， 选择再次创业 ， 挑战更大的机会 。Tony 创办的新公司叫做 FreeSpirit AI， 这是一家基于大语言模型的全自动销售 Agent 公司 ， 致力于用 AI 帮助企业销售那些超过 3000 元的高客单价的非
标产品 。 并且 Tony 说 ：" 我卖的不再是 SaaS 软件了 ， 我要直接拿到销售的结果 。"FreeSpirit AI 呢正低调地服务于两家企业客户 ，但 Tony 并不着急于发布官方网站 。在公司成立之后 ，他选择的第一件事 ，是带着团队所有的小伙伴一起 ， 到客户公司做了 2 个月的客服和销售 。
用他的话说呀 ， 就是 " 用笨办法去做一些聪明事 "。他为了招聘到最合适的工程师 ， 穿梭于各种黑客松 ，在即刻把自己迅速从 0 做到 1000 粉丝 ， 成功面试了 80 位工程师的候选人， 并且最终招聘到现在这 1 位满意的伙伴 。
这一次创业呢 ，在浮躁的 AI 领域 ，Tony 代表着一种截然不同的风格 ： 他稳扎稳打 、 思考具有框架性 ，并且很有耐心地建设团队 ， 很有耐心地探索 PMF 产品如何契合市场 。
Hello 大家好 ， 欢迎来到今天的 《 十字路口 》。 那我们今天的嘉宾呢是 FreeSpirit 的创始人 Tony。
大家好 ， 我是顾泽良 Tony， 很高兴认识 。 我呢 ， 这个 ， 嗯 ， 过去 5 年在做一家我们叫做 AI 1.0 的公司 。
嗯 ， 我离开的时候大概是一家小三百号人， 这个年营收一个亿的软件公司 。 然后现在呢 ， 我开始创业 ，在做一家基于大语言模型的自动化销售的一个公司 ， 叫 FreeSpirit。
所以其实你离开了一家自己作为重要的参与者做起来的 ， 一个收入已经到一个亿的公司 ， 然后来启动一个新的事业 。
新征程2:45
那这个新的事业 ， 它背后让你如此冲动地纵身一跃的原因是什么 ？
呃 ， 首先我们的目标呢是说 ， 我们看到了今天有大量的 ，其实尤其是服务吧 ， 就个性化高客单的服务 。
每家 deliver 这样工 ， 这样服务的公司呢 ， 今天其实动辄有上千号的销售人员坐在自己的办公室内 ， 少则几十号人 。在我看来 ， 销售的底薪 、 销售的提成和销售的五险一金和工位 ， 都是以边际成本的方式存在于这家企业的 。
而过往呢 ， 我们认为销售呢也是一个 know-how，但是在 AI 1.0 的时候 ， 这个 know-how 是没有办法被逆向工程去用 ， 对吧 ？
而今天我们觉得 ， 如果有一款对的产品 ， 这个事情是有机会 。 所以我们现在在看的是那些基于互联网和移动互联网无法被自动化销售的销售行为 ， 看看有没有机会去用一款对的产品去把它自动化销售掉 。
那这时候呢 ， 我们做的第一件事情是 ， 我们现在团队 4 个人， 我们的人到齐以后， 我带着我们的 engineer 和我们的 PM 等 ， 我们去了我们第一家客户的公司里 ， 做了整整 2 个月的销售 。
哦 ， 你们 4 个人一起做销售 ， 做了 2 个月 。
对 。
你们卖出去了吗 ？
是这样的 ， 我呢是每周会去一次 ，他们三个是从早上 10 点干到晚上 10 点 ， 然后一周干 6 天 。 做这件事情的核心原因是 ， 如果我们自己作为一个团队要去搭一个有 reasoning 能力的 agent，而你自己搭的人从来没有屁股坐在那个位置上去做过这件事情的 reasoning， 我不认为你能就是有血有肉打出一个对应的成绩 。
明白 。
所以我们的 6 个月的前 2 个月是没有写一行代码去做了这 2 个月的销售 。 也就是说 ， 坐到桌子另外一边 ， 你才能从第一性原理去判断 ， 如果你今天要定一辆汽车 ， 它面对的场景 ， 轮子到底是什么 ， 要不要方向盘 。
所以大家去做了 2 个月销售之后， 再回来 ， 再看目前做的这个产品 ， 带着哪些不同的想法 、 认知 ， 或者说就是在思路上有哪些不同了呢 ？
我觉得第一件事情呢 ， 就是确定自己不再是一家卖软件的公司 ，而是直接交付业务结果的公司 。
这个很有趣 ， 就不再是和之前的 SaaS 公司一样 ， 卖的是一个软件 。
对 ， 然后直接是交付业务结果的公司 。 这个背后带来两个优点在于 ， 你看传统软件公司其实有非常 ，有两个极其重的成本点 。
第一个成本点在于它有极高的销售成本 。 销售成本背后的第一性原理是在于 ， 它其实要花大量的信息传递的成本去跟对的人说一次对的话 。
而往往因为你卖的是一个效率工具 ，而不是一个效果工具 ， 你的对方的那个甲方绝大部分 care 效率其实是 CEO 本人， 甚至都不是 CMO， 都不是 CTO。
那这就导致你必须得找到能跟 CEO 平等对话 ， 至少在这个命题下平等对话的销售 ， 你的成本是很高的 。
然后如果每 10 个 CEO 你能成交 1 个 ， 那那 10 个 CEO 说过一次话的成本都得谈到那 1 个成交的 。 所以这就是导致绝大部分软件公司成本很高 。
那第一件事情 ， 我们确保了我们是一个效果工具 。 那效果代表就是说 ， 你不需要跟 CEO 聊 ， 你是一个 invest 10 万 ， 你能产 20 万 revenue 的公司 ， 你不需要 top down。
然后第二件事情是在于 ， 最终你不交付一款所谓的功能性的软件 ， 用户是没有后台 ， 你直接交付业务结果的话 ， 那代表 ， 这又是一个点 ， 就是过去 SaaS 公司有个痛点在于 ， 甲方就销售经常带着说 ：" 哦 ， 你把这三个功能做了 ， 对吧 ， 我这个 100 万单就有机会拿下 。"
所以最后你发现一款 SaaS 软件背后极其的臃肿 ， 用户有大量的 A 用 、B 不用 、C 不用的 ， 好 ， 看似上万个功能 ，但又是无奈情 。
那这时候代表我们如果我们交付结果 ，其实最终使用软件的人不是客户了 ，其实是我们公司的一个部门 ， 叫构成工部门 。
它是理解了用户的业务需求 ， 好比用户说 ：" 我每天会给你清一条线索 ， 你要在 1000 销售里面至少以 5% 的成交率完成大概每天 1 万块钱的营收 。"
那它是带着这个业务目的 ， 同时它有个优点在于 ，因为它是我们的自己人， 它是完全同频 ， 所谓的 AI 的能力边界是什么 ， 我们今天产业到底要做什么 。
所以它提出错的功能点概率是要远低于一个桌子对面完全不具备对 PE 能力边界了解的甲方 。 所以这样就基于去过以及自己过往的背景 ， 就这样的一个选择在我眼里 。
重要的选择 。
竞争定义7:30
对 ， 所以其实你等于重新定义了自己的战场和定义了自己的竞争对手 ，也定义了自己交付给客户的价值是什么 。在这样的这个定义里面 ， 就是不做软件 ，而是做一个交付结果的公司 ， 那你新的竞争对手可能是过去的老的销售外包公司 。
好 ， 好问题 。 首先呢 ， 就在销售环节 ，其实过往有不同种类的服务的公司 ，但是在我眼里 ， 我今天基本上没有看到一个 ， 就你看 ， 好比说过去一直是 ， 我上了上一家公司 ，是否有代理商 。
我觉得代理和销售外包是两类产品 ，因为代理他某种意义上是比较 commit， 对吧 ，他招了人， 围绕这件事情搭建了交付团队 ， 搭建了销售团队等一系列 ， 像创始人每天也要跟的等一系列 。
所以我觉得首先我惊奇地发现 ， 今天销售外包听这四个字 combined 在一起是非常 make sense 的 ，但其实基本上过往从来没有一家有一定规模的公司是真的意义上在做销售外包 。
就是甲方给例子 ， 你只做这个例子的所谓的中间的转化 ， 然后拿走提成 ， 交付成交用户给你 。
背后这个事情过去不 work 有两个点 。 第一呢 ， 双边要承担的风险巨高 。 就是如果我要真的外包你的销售 ， 首先你会发现我这边可能首先你自身讲在你内部的销售人员很充沛 ， 给的薪资也很高 ， 你可能都有 3-6 个月的 onboarding，因为它是一个非标的高客单的产品 。
那我的公司要外包你 ， 那我要承担这个对应的边际成本 ，而且还要承担说你销售的波峰波谷 。 然后另外呢 ， 甲方也很头疼 ，他要提供例子 ， 那例子背后的成本以及你万一不 work 的风险 。
所以过往销售外包这件事情 ， 就从就也不叫从未出现过 ， 从未有过一家 make sense 的 、 有意义的公司在里面挣到钱过 。
原因的核心原因是在于 ， 这里本质那个乙方交付的是一个叫销售的 know-how，而销售 know-how 在上一个时代从未以固定资产的方式存在过 ， 都是以边际成本 ， 它顶多是个边际成本外移 。
所以我觉得背后第一性原理是 ， 如果有家公司有机会能让销售的 know-how 从过去的边际走向固定 ， 那这样的公司就应该 。
所以你回到那个点 ，也许我们找的场景是没有竞争对手的 。
Never be defined before。 然后因为你们这个固定资产的投入 ， 包括它的成立是非常建设在大语言模型基础上， 那这会不会慢慢变成某种 commodity， 就是会有更多人拥有这样的能力 ， 那在那个时候你们的竞争力优势会体现在哪里呢 ？
当时为什么比较坚持选 ， 开玩笑叫 moonshot 销售这个场景 ， 即便我们今天过了半年， 我们不认为这个场景在当前的中间层和当前的就最好的 state of art 模型下， 我们能搭出一个对策 ，但我们仍然要 moonshot 它的原因有很核心原因是这个 。
因为
最终用层的绝大部分公司呢 ， 它的核心竞争力或者回答用户为什么要选你的核心原因其实是 ， 我们搭的是个 agent， 你的 agent 所谓的能力是怎么样 。
那所以这时候一定要找到一个关联 ， 就是你有越多的数据 ， 你的能力是否变得越强 。 首先我觉得看似好像每个场景都是越多数据能力越强 ，但是只有极少数的场景它是有这种极其正相关的关系 。
我觉得客服它很快可能 maybe 5 万组数据基本就已经摸到 99.99 了 ，但我觉得销售这件事情是 maybe 50 万组都不一定摸得到这个细分场景的边界的 。
所以我觉得销售呢 ， 你就是你越去做细分领域的成交的单量越多或多样数越多 ， 它的成交率就越高 。
同时因为用户左手交付给你的是一条一条值钱的线索 ， 所以它不会像过往软件所陷入那个所谓的成本价格之战说 ， 你做它做了 3 个功能 20 万 ， 我今天就愿意 17 万 、15 万 、10 万的干你 。
我这里可能用户发现我给我的另外一个没有太强销售能力 ， 入场比较晚的竞争对手 100 条线索 ， 发现它只有 7.2% 的转化 ， 我能有 15.4%。
那 obviously 那可能背后的竞争力就是来自于这个 。
明白 。 所以还是选择了一条更难的 ，因此也更有壁垒的一个模式 。
从理论逻辑上它会有一定数据的飞轮在背后 ，但是这个事要极其认真的去验证 。 首先在我眼里 ， 大语言模型本质是信息革命的一个重要的 milestone。
那信息革命本质改变的是信息的生产和传递的效率 。 那这时候你会发现我们身边所有的商品跟服务背后有两件 ， 一个是把它生产出来 ， 第二件事情把它销售出去 。
而信息革命核心改变的部分是将它销售出去背后的成本结构 。
明白 。 工业革命改变的是它的生产 。
对 ， 生产 。 回头看所谓的移动互联网 、 互联网所诞生的伟大公司 ，在我眼里 ， 亚马逊 、 阿里 、 抖音本质是三家超级自动化销售公司 。
它公司的核心营收其实来自于将过去一个商品基于线下， 我们叫做商铺 、 店铺 retail 的所谓的以边际成本存在的销售成本 ， 变成了一次对线上云计算 、 千篇匹配的广告的算法以及物流等一系列的固定资产投入 ， 从而每一分钱往里面投的时候 ， 用户在整个被销售和消费的过程中会有一次更好的体验 。
我觉得本质是一个让我们叫做 3000 元以下的标品 ， 从过去的销售成本从边际走向固定的一个过程 。 而我认为含有大量的商品和服务 ， 今天还没有完成它的自动化销售 。
而基于大语言模型 ， 我觉得这个事情是一个很有意义的命题 。
所以你们在努力想要销售的商品是非标的 ，3000 元以上高客单的 。
大概是这个逻辑 。 这是我们现阶段如果用一个 PMF 就 product market fit 的逻辑 ， 这是我们可能会比较认真看的一个 AM。
这些商品它原来更多的是靠销售人员 。
靠销售人员 。 基于销售的难度和客单价的高低 ， 基本分为了面销 、 电销和网络销售 。 网络销售在中国可以叫做私域销售或者叫微信销售 。
那今天你如果要用 AI 去 reverse engineer 整件事情 ， 你其实第一个前提是你整个销售的过程必须要被完全的数字化 ， 否则 AI 没有办法在里面做输出和输入 。
所以呢 ， 这就导致说面销基本上我们就不去碰了 。 第二件事情关于电销 ，因为阶段性在我的就 right nowright here 的认知是 ， 全球只有两类模型 ， 我们把 Cloud 3 先放一边 ，因为只有一个模型叫 GPT-4， 另外一个模型叫 the rest of others。
为什么我们做一家应用从这么看呢 ，是因为就 GPT-4 微微的展现出来 ， 就是你可以把这个模型当成一个叫 intelligence as a API 的逻辑去调用它 ， 让它去做过去人在某个业务环境中做的所谓的推理和判断的能力 ，但仍然不是很够 。
那这时候导致一件事情 ， 如果说我们今天这个场景是非常依赖于推理的这件事情 ， 那今天只有你只能顶着高延迟去使用 GPT-4 的方式去调用 。
那电话的场景是可能平均每一分钟电话有 5-10 次以上的用户之间的打断 。
明白 。
那延迟就基本让这个场景短期内不 work。
就现在技术的边界还没有满足电销 。
对 ， 满足电销 。 然后所以我觉得 maybe 是在文字类的这种异步沟通的销售行为是更有可能 。
但这个技术的边界其实推进的也是非常快 ， 就前几年看到那个 Hume 这样子 。
对 ， 这个就是让语音的沟通变得非常自然 。
对 ，是的 。 而且过去的语音的这种聊天 ， 包括 ChatGPT， 你也是需要说一段话发给它 。 但 Hume 一个巨大的改变是没有发送这个动作了 ， 它在一直监听 ， 甚至它会判断你什么时候停顿 ， 它该接话了 ， 或者它在说话的过程中你也可以打断它 ， 更加进入到一个自然语言的 flow 里面去 。
所以其实现在之所以选择网络销售 ，而不是电销 ， 还是技术边界嘛 。 如果技术边界能推进的话 ， 就也有可能可以这个打开更大的格局吗 ？
这个要打一个问号 ，因为当前我们认为 GPT-4 对应的 reason 能力仍然是一个告诉你我有 reasoning，而不是一个 reason 能力能直接很好地落地在商业环境中有价值的逻辑 。
对 ， 就是根据目前你的时间来看 ， 你接触了应该蛮多甲方的 ， 你认为哪种类型的甲方是比较有潜力成为你们最早的目标用户 ， 甚至愿意这个付出大价钱的 ？
客户选择16:08
OK。 首先呢 ， 浮在水面上的绝大部分的需求其实是客服需求 。
是的 。
因为客服就像我过去骑驴的 ， 我今天想要一匹快马的逻辑是很类似的 ，但我不认为这个需求是真正意义上能养出一家有意义的创业公司的需求 。
所以我看的点在于 ，
今天有哪些用户从第一性原理上它应该需要一个销售 ，但是呢 ， 过去并没有被人这个对应的销售产品所满足过的客户应该是我们最合适的 。
我举几个例子 。 首先我们看 ， 过去但凡能养得起人这个销售的 whatever 它背后是商品或服务 ， 往往呢是一个毛利率大于等于 70 的商品或服务 。
因为人这个销售呢 ，在绝大部分的场景里面其实是一个很昂贵的产品去购买 。 首先它的底薪要占掉你 10% 的营收 ， 它的提成要占你 10%， 它的入离值 、 培训等一切的边际成本 ， 它又占到 5-10%。
所以代表说你如果你没有 70 的毛利 ， 那去 cover 住这 30% 的这个我们叫做你购买了人这个销售产品的逻辑 ， 那你就没有办法 move on。
那就导致说 ， 那我们就反问自己 ， 今天是否有一些对应的商品或服务 ， 它的毛利率不到 70， 它 maybe 是 60、50、40， 甚至 30，但是它其实在售卖的是一个非标的较高客单的商品 。
因为只要你非标 ， 那代表卖给 A 用户 ， 你要讲跟 A 用户讲的所谓的解决性痛点去 ， 你卖给 B 用户讲的是 B 用户的痛点 。
所以只有非标的特点 ， 这些场景里面有机会有一个所谓的热土 ， 能去养出一家从早期你可能只有 10 分的销售能力 ，20 分涨到 30 分 、40 分 ，而不是一上来说你这个公司有 800 人销售 ， 我上来就要跟你 800 人销售去 PK。
那我觉得这种场景是根本养不出一家对应的创业公司 。 所以要找到一个 undefined market。
有意思 。
你认为最后你们有可能用自己的产品来销售自己的产品吗 ？
我觉得
比我这就很就 really depends， 就是这一定不是我们特别就是为了追求它而追求它的点 。 因为好比说举例子 ， 我的上一家公司我们有一个对应的团队叫 AI 训练师团队 ， 还有我们有一个这个以外包形式存在的这个录音师团队 ， 可能这样的团队一个月我们总体的 burn 是 50 万 ， 一年大概是 600 万的 burn。
那在过程中做我们一年营收可能要一个亿左右 ，600 万 burn 是我们 6% 的成本 。 那这时候很多人会说 ， 你为什么不用所谓的语音合成去 ， 没有太大意义 。
不是说我们不愿意改 ， 就是它改完以后在每次对话背后的体验的我们叫做缩减 ， 跟这个成本结构不一定 work。
那所以到那个节点你又问我们是否能用 ， 那我们核心要看我的产品的销售成本到底对我的占比是多少 。
明白 。
对 ，是否 fit 我 。 对 ， 大致逻辑 。 如果它 fit，of course。
了解 。 现在你的团队只有 4 个人 ，但其实你在这个 AI 前时代也创业 ，但在那个时候不太可能用 4 个人就开始启动一个 SaaS 或者 to be 的一个业务的创业吧 。
团队搭建19:30
要交付产品肯定需要更多的人。 然后在这个过程中你感受到的这个就是前 AI 时代和今天在创业搭团队的时候 ， 对团队能力的要求 、 规模的要求有哪些不同啊 ？
客户成功经理在你们公司也是要写 prompt， 你甚至对它的定义是一个 prompt engineer。
对 ，因为核心背后来源是
因为我们直接叫 view 结果的背后设计 ， 就是我们公司其实是甲方乙方都坐在了公司里 。 那 CSM 当它理解完用户的需求的时候 ， 它一定要把这个用户需求转化成每个环节业务的理解 。
那 AI 需要的是一段一段的 prompt。 那这时候呢 ， 所以我们的客户成功同学得懂得如何写 prompt， 懂得如何将业务需求变成 prompt。
这个是不是就让招聘变得更困难 ？
对 ，是的 。 这就你可以招想学愿意做 ， 就你很难在已有的 ， 包括这跟那个我们招 engineer 是类似的 ， 就是说最好的人选其实就是学习能力强 ， 对大语言模型这个事情有 fundamentally 的这个热情 。
然后过往呢 ， 一定做过一些跟后端开发相关的这些工作的人， 就是代码底子比较好的 ， 然后就非常适合做这个事 。
而且这个事你也找不到说干过什么 3 年、5 年的人。
所以其实对公司来说 ， 核心的资产不再是一个软件 ，而变成了一堆 prompt 或者一个 prompt engineer。
我觉得背后是这样 ， 今天呢 ，在实现一个所谓的以用户业务为目标的对话智能背后的一款产品 ，在我们看来背后的 engineer work 要占到 50-60%。
然后另外的 50-60% 是以 prompt 或者 RAG 或者部分 fine tuning 这种 ， 就是这三个手段是让大语言模型输出一个你想要的结果的方式输出 。
但是 50-50 开 ， 甚至部分场景做得更深 ，engineer work 变成 80%。 大语言模型的能力的调度以及跟它让它怎么做 ， 怎么给一个对的 feedback 出来 ， 可能是 20%。
大致是这样 。 但是随着模型能力的不断增强 ， 这 28 定律会往另外方向走 。
OK。
就是大语言模型会占得更多 。
所以现在 engineer 占得多 ，是因为还是需要用一些传统的这个 if else 这样的逻辑来去 。
因为要控制幻觉 ， 要在明确业务拐点或者业务点的时候去实现你的业务目标 。 你有时候像这样的逻辑下就不太容易直接把这个对应的判断交给 AI， 然后让它去 miss 掉这个在业务过程中我要的目标机会 。
明白 。
在这个过程当中， 你有发现就是做今天的一个 AI to be 的产品和过去做一个这个 to be 的产品 ，有哪些就是从竞争角度考虑的不同吗 ？
首先 AI to be 的产品核心竞争力或者核心回答用户说你为什么要买我的原因 ，因为你交付的是一个有能力的 agent。
你其实核心交就是你核心的竞争力一定来自于你的能力强 。 能力强一定来自于两件事情 。 核心一件事就是你在这个细分领域所积累的数据量的多和少 。
第二个点呢 ，在很多场景里面 ，其实这个数据量我打引号 ， 我们之前跟就是第一自动驾驶的 CEO 有过一次 ， 我就问他过一个问题 ，他表达两个很有意思的观点 。他说第一个观点 ， 人们往往会 overvalue 一个场景里面数据量和能力之间的关联 。他说当时说 Waymo， 当时很多人都说特斯拉一定对吧 ， 自动驾驶很强 ，因为有大量特斯拉的骑手在外面在采集所谓的数据
啊等一系列 。 后面发现 Waymo 好像只有五十几辆车跑了三个月 ， 最后实现的这个效果跟特斯拉基本一致 。
这是为什么呢 ？
这就是最后的 fact， 就是发现数据量这个事情被人们严重的用所谓的原理逻辑被高估了 。 所以第一个点就是我们也得警惕这个事 。
第二件事情是关于就自动驾驶里面有 copilot 和 autopilot，他们有个很有意思的点 ， 就是从 day one 做 copilot 公司永远是 copilot， 从 day one 做 autopilot 公司永远是 autopilot。
因为两家公司背后给社会带来价值和给你的甲方带来价值的投票逻辑会发生巨大变化 。copilot 的第一性原理是让主机场更好的卖车 ， 这是 copilot 的核心诉求 ， 让用户在自己驾驶的过程中有个更好的体验 。
但 autopilot 是完全不一样 ，autopilot 最后可能是主机场的甲方 ，他要从主机场买车 ， 自己运营车 ，他从单个用户给我的好比十五块钱的这个车程的这个费用里面 ， 我要拿走我该拿走的钱 。
这是完全两个 voting system。 回到我们的点在于我们所选择的 autopilot， 就从跟用户的第一次打招呼到最后用户的成交 ，是由我们全权负责的 。
那这个过程中所有对话数据 ， 所有我们希望它 reinforcing 我们 AI 的所谓的销售能力和销售转化率里面的事情 ， 都是我们所包揽的 。
对 ， 所以你放弃去做 copilot， 就是选择做 autopilot， 这是创业的时候一个特别关键的 ， 甚至是黑客党的一个选择 。
然后这里面你就是最主要的一个让你做出这个关键选择的认知是什么呀 ？
首先这两家就是如果我们以销售为例 ，copilot 跟 autopilot 两类公司分别在面对两个不同的风险 。 首先 autopilot 所面对的风险在于它需要找到一个过去并没有销售在满足的销售产品 ， 所以它去 define 一个 undefined market， 这是 autopilot 最难的点 。
那 copilot 的优势在于你但凡推开一家公司 ， 它公司里面坐了十个销售人员正在微信聊天 ， 正在打电话 ， 那某种意义上你都可以跟它聊聊我们怎么用 copilot 让你的刚入职的销售就离你的竞拍销售更近一些 。
但是它遇到的它最大的 challenge 在于它无法回答为什么过去十年绝大部分的效率类的软件工具在中国不 work，而你一个所谓的 AI， 就是有 AI 加的这个效率工具你就能 work。
所以你其实也认为自己回答不了这个问题 。
在研究用户消费心理 。 我觉得 to be 如果你去研究这些 to be 用户特别简单 ， 请给我一款能证明 ROI 的软件 ， 我愿意购买 。
但是 somehow 效率工具天然跟 ROI 是一个隐性关系 ，不是一个显性关系 。 所以就是即便今天在北美也有一个大家也在逐渐接受的一个逻辑叫 do not sell software, sell work， 就是不要再去卖软件本身 ，而是卖工作本身 。
就是卖 copilot 可能没有前途 ， 要卖 。
大概有这我的个人的偏见 ， 这也是我个人基于这个偏见在我自己创业中的左右 ， 我选了一个方向 。
招工程师26:54
有意思 。Tony， 我想知道 ， 我看到你在那个极客上有发 ， 说你这一次招工程师 ， 你面了 80 位 。 首先就是我比较想知道你从哪里找到 80 位对 AI 感兴趣的 ， 还有一定认知的工程师来和你面试的 ， 你怎么找到他们的 ？
第一件事呢 ， 就是我会问工程师 ， 我觉得这是一个工作习惯了 ， 就是我会问身边很不错的工程师 ， 你平时的眼睛会路过哪些地方 。
首先很多人跟我提了一个对应的名词叫极客 ， 当然很多人跟我提了 GitHub，GitHub 我懒了一点 ， 没有在 GitHub 上面去给大家发邮件 。
然后我就给自己定了一个 ， 就我早期找人是一步步来 ， 我早期定了一个目标是快速在极客上起号 ， 所以大概花了一周半的时间 ，在极客上积累了大概 1000 粉 ， 还挺快的 。
有了 1000 粉以后呢 ， 然后更神奇 ，因为发的内容都跟当时极客大家关注的事情有关 ， 所以很快呢 ， 光极客上主动来加我的人有 200 人。
就当时我大概有后面的一周半 ， 我在处理 200 人的这个问答 ， 然后一些大家背景状态所在城市等一系列彼此意愿 ， 我就去开始见他们 。
第二个在那个节点有一个就是招聘很好的 ， 就是 Hackathon 的这个我们叫做组队名单 ， 就当时所有的 Hackathon 组队名单都在我这儿 ， 然后我去看 ，因为他们得介绍自己嘛 ， 然后介绍自己的 idea， 介绍自己的背景 ， 然后介绍自己所熟悉的领域和介绍自己在 Hackathon 里面要扮演的角色 ， 我去联系里面的同学 。
所以然后再加上自己的亲朋好友的推荐等一系列 ， 或者过去同事的推荐 ， 所以这组成了 200， 见了小巴朝 。
有意思 。 可以快快讲一讲你在极客从 0 到 1000 粉的起号的这个过程吗 ？
我觉得两件事情 ， 首先走那些弯路 ， 好比说我认为关注大 V 就很快会被回关 ， 后面发现一点用都没有 。
做了几件事情 ， 第一呢 ， 就是你得真的输出观点 ， 然后呢 ， 你的观点如果你有标题这个逻辑 ， 你标题一定要有冲突性 ， 就是你不能说很平淡的说今天这是我的日记之类的 。
你可能会问说一个月薪 3000 的什么样的人完成了什么什么样的事情 ， 就大家会觉得三三千和这个事儿是有冲突感 ， 这样子就会带来更好的流量 。
很自然就把过往的一些观点做整理 ， 然后输出 。
所以其实还是做大家想看的内容 ， 吸引到你想吸引的人来关注你 。
对 。
那我们再说回来 ， 面了 80 位工程师 ， 最后你邀请了现在这一位同学加入 ， 就是他身上哪些点打动你啊 ？
就眼里有光 。 这是一个很俗套的话 ， 我现在女儿两岁半 ， 然后以及我身边同事 ， 我觉得创业呢 ， 既是一个要有结果 ， 就希望有结果的事儿 ，但是过程也很重要的事情 。
就我对我女儿的如果要有一个要求 ， 就是我不希望当我 60 岁 、70 岁老了 ， 我女儿坐我旁边 ， 我没有什么 ， 就我跟她聊天不觉得她是个有意思的人的时候 ， 我觉得这是某种意义上如果我培养她 ， 这是一个很失败的点 。
同事也是一样的 ， 我希望每次回去找到 whatever 是技术的同事 ， 跟他们聊 ，他们都应该有自己对业务 、 对世界 、 对当前行业等一系列就共同化解 ， 都有自己的独立思考 。
但这个事情其实要求一个 engineer 是比较 tough 的 。 然后同时两个点在于 ，因为面试呢 ， 我选人家其实很多时候也是人家选我的过程 。
因为在那个节点主氛围是什么 ？ 主氛围大家其实是在一个技术极其陡峭的过程中 ，其实大家都在很 high 于技术的变迁 。在技术变迁过程中， 今天有个词叫雕花 ， 就是大家会专注于我这个花能雕得更好不好 ， 这不是一个坏事儿 。
我们大部分的 engineer work 如果今天回看在模型不断的往前摸 ， 我们也在雕花 。 所以那时候是很多技术同学的主命题是在那点事情 。
就极少的技术会意识到说我希望找到一个好的有市场业务价值的产品 ，而且同时在过程中我愿意做妥协的 。
就拥有这个视角的人太少了 。
那是半年前 。
半年前 。
那你认为现在有变化吗 ？
没有 ， 这样的人永远的是每个人极少 。 就等于说就因为桌子有两面 ， 然后硬币也有两面 ， 好的销售某种意义上是他有机会其实坐到过桌子的对面去思考过 ，他才能今天做回来 。
那一个道理 ， 那是因为我们的 engineer 在加入我们之前 ，他其实是一家跟我们公司人数差不多的一家创业公司做 CTO。
OK。
那所以他也因为坐在那个位置上 ，他就开始思考说我们的产品到底能给谁用上 。 而这个问题如果发现可能思考的不够深 ， 摸索的不够深 ， 全靠碰 ， 那我觉得碰是碰不出一个未被 define 的东西 。
所以他过去做 CTO 那家公司的规模是和今天 。
我们现在公司差不多 。
就四个人的规模差不多 ， 所以他其实也是必须扮演极其重要的承担着压力的这个业务角色 。 因为现在其实你在造的是一个理论上可以帮到很多甲方的工具 ， 那你在现在会如何去选择就是先服务什么样的甲方 ？
我觉得这里面可能要 call back 一个就上一家公司五年创业 ， 如果用一些比较简单化总结的一些逻辑 。
可以快快介绍一下上一家公司吗 ？
PMF历程32:23
首先上一家公司呢的客户是亚沙纳欧拉 ， 交易是外媒机等一系列的这个消费品牌 。
消费品品牌 。
然后我们帮他做的事情呢是一个会员部门的 AI 语音外呼的工具 。 为什么要提一下， 然后再回答这个问题 ，是因为在过去一直的创业的五年里的前两年半呢 ，在我们眼里其实是我们对 PMF 这件事情的思考是不够的 。
我说出原因 ，因为我们做的产品是 AI 语音外呼工具 ， 所以呢在既定线上所有无论是投资人 、 候选人 、 自己 ， 包括客户都认为你应该去找到对吧 ， 呼叫中心 ， 去用 AI 的方式去帮助他们去解决效率 whatever 的问题 。
但可惜的点在于我们做了两年半 ， 最后两年半交付的结果是公司已经 110 号人， 很大了 ，但是一个月的营收可能就二三十万 。
这才让因为那是第一次创业 ， 所以这才让就是花了巨高成本的我们开始重新反思 ， 好像就感觉这不对 。
然后我们当时画了一张图 ， 这张图也很简单 ， 就是我们画 ，因为我们不想做那种所谓的 star 电话 ， 那所以我们就画了张图是哪些行业拥有海量的已经自己是自己的客户的客户 ， 然后我们按客单价往下捋 ， 那最高客单一定是房产 ， 对吧 ， 人生最高的一次消费行为 。
第二件事情是汽车 ， 第三保险金融 ， 然后是教育 ， 再后面是消费 。 那你会发现一件事情就是除消费品这个行业以外， 刚才提到的所有品类全部都已经被呼叫中心这个产品满足过了 。
你回头想想 ， 保险有没有呼叫中心 ？ 一定有 。 汽车有没有呼叫中心 ？ 一定有 ， 对吧 。 然后这时候你发现就是当你拿一个 AI 去用的 P，而这个 P 呢又不是那种传统所谓的效率软件 ，因为 AI 语音外呼直接交付的是呼叫这个工作本身 ， 它不是一个呼叫的什么最佳实践 ， 让你的人怎么怎么样 。
然后你这时候就发现说你过去这个对应的产品进到这种呼叫中心里面 ，其实很糟糕的点在于你的产品但凡能落地 ，而且你的汇报对象其实是那个呼叫中心的负责人， 不是不会是 CEO 的 。
那这个负责人就会发现一个点 ， 你的 AI 干得越好 ， 我这边我就会变成一个就是长期来看 ， 我会变成一个软件管理员 。
所以你会发现你本质在汇报给你一个上一个时代的解决方案的竞争对手 。 所以你会发现这个事情永远没办法落地 ，是违背人性的 。
即便提供了价值 ，因为它违背了人性 ， 影响到了一些人的蛋糕 ， 所以它推动起来非常困难 。
非常困难 。 所以这时候你要找到一块就是未被满足的一个需求 。 所以这是回到我们当时看到消费品 ， 我们当时发现两个原因 。
第一 ， 消费品公司从来不打电话 。 我们发现两个点 ， 第一个点是在于消费品平均客单太低了 ， 低到其实呼叫中心这样的产品的平均每个接通可能是我们假设是两块钱 。
不行 ， 我要看我今天卖一个奶嘴餐 25 块钱 ， 我怎么可能花两块钱做一次所谓的运营动作呢 ？ 那我 ROI 很难打正 。
那成本是一个点 ，AI 的特点是数量级的降低了 ， 每次外呼成功的成本 ， 我们的本身成本可能是一毛两毛 ， 我们对客户的收费是三毛四毛 。
那这时候就是一个数量 。 第二件事情呢 ， 就是消费品公司跟用户的触达 ， 它不是一个我们叫做今天招 10 个外呼人员 ，20 个 、30 个 ， 然后呼一年的逻辑 。
它是极其 campaign based， 就是好比三八女王节双 11、 双 12 种类 。 那所以他如果真要打电话 ，他的呼叫需求是你能否在三八女王节的前三天的下午 3 点到 5 点帮我呼完 600 万的人群包 。
那这又是一个呼叫中心这个产品不能满足的需求 。 当我们定义清楚说消费品公司有一个未被 define 的一个有意的市场 ， 那你去找他们的时候 ， 我们发现两件事情 。
我们找了前三家客户 ， 二家公司拒绝了我们 。他给我们两个理由 ， 你就无法反驳 。他说第一 ， 我们的会员不可以被打扰 。
你看 ， 然后第二件事情呢 ，他告诉我们说我接过很多个 AI 语音外呼 ， 体验非常的糟糕 。 那在这种上下文下， 我相信绝大部分的公司应该是 give up 的这个场景 ，而我们 insist 坚持了这个场景 。
最后我们把这个场景定义完以后， 变成整个行业的标准解决方案 。 对 ， 所以讲完这个就是一直的逻辑 。
所以你问我我们该找到什么样对的客户 ， 首先回到我在问自己说 ， 如果我再回到五年前 ， 我们能否从 day one 继续服务那些对的客户 ？
我觉得不能 ，因为你必须要在一个已经有呼叫数据 、 已经有对话数据的场景里面 ， 至少让你的产品从 0 涨到 0.5， 否则你是没有办法带着一个有我们叫做体验的产品去跟那些真正 undefined market 去开始合作的 。
所以现在的我们的客户呢 ，其实从长远来看都是错的客户 ，他们的销售场景的复杂程度都是没有办法被自动化的 ，而且一推进门都有销售人员在的 。
所以对 ， 大致是这样子 。 先从错的客户开始 ， 然后慢慢才能找到对的 。
所以你现在理解第一批客户是你的共建者 。
共建者 。他是在帮助你把自己变得更好 。
对 ， 然后过程中 。
摸清边界 。
摸清边界 ， 过程中再去找到真正就是具有这个足够大的空间的 PMF。
对 ，是的 。
那我们再说回一知智能的这个例子 ， 刚才其实你提到找到消费品 30 个 CEO，29 个拒绝 。其实如果你今天来找我说希望躺倒能用 ， 我的第一反应也和你刚才提到一模一样 。
第一 ， 我的会员 ， 我不想打扰他们 。 第二是我之前也接触过一些 ， 或者我自己都接到过一些 ， 我觉得体验不够好 。
那当时你们是怎么解决掉这些问题 ， 让一知智能就做到一个亿一年的收入的 ？
背后两件事儿 。 第一呢 ， 你会发现就是我觉得所有的我们生意的本质的秘密全部都藏在你们的生意经理 。
就你们是多少投入 ， 多少回报 ， 中间有多少利润 ， 分别分布在哪些环节 。 如果有一家公司愿意跟我分享这个 ， 我觉得我能在里面找到我们产品的机会 。
所以回到那个点 ， 我们当时发现绝大部分消费品公司呢 ，其实已经被做到了一个事情叫首单没有利润 。 就首单只要不亏 ， 我就愿意做这个首单 。
那代表一件事情就是大量的消费品公司已经被整个市场投票的机制变成了说用户是否第二 、 第三 、 第四次购买你的产品来投票你这帮人明天能不能来公司上班 。
那这时候你又发现一件事情 ， 今天你跟用户的二次 、 三次 、 四次的触达 ， 只有电话 、 短信跟企业微信这三个渠道是不用付流量 ， 就是打引号的那种就是竞价方式流量成本 。
那这三个渠道你再仔细看 ， 短信已经变成了一个就验证码通知的渠道 。 然后呢 ， 启威 99.99% 的品牌 ， 它的会员系统和启威的匹配率不会超过 10%。
那代表启威并不是一个规模化能触达你用户的渠道 。 那这时候电话这个通道呢 ， 它你看会让人觉得 annoying， 对吧 ？
我靠 ， 又接电话 。 那但是电话这个通道是一个从来未被采用过的一个解决方案 。 然后我们当时很简单 ， 就是因为我们的产品是一个效果工具 ， 所以呢我们打进品牌的逻辑有两个点 。
第一 ， 给他们看一些 case。 你看这个 case 比较亚沙纳的黑金用户 ， 这个七八百万的人群里面 ， 然后挑选出他在三个月前刚好买了一款马上三个月过期的 ， 就到用快用完的产品 ， 邀请到他到线下门店 ， 真的是免费的体验一个 1980 的这个线下 facial 的 spa。
这个 engagement 背后的 ROI， 我们其实作为男性都能算得出来 ，maybe 是很高的 。 那所以但这个事情如果没有规模化的外呼这个把信息 deliver 过去的通道 ， 这个事情就不会被发生 。
以此类推 。 所以品牌其实本质呢 ， 它在打造的是一叫 0 到 36 个月的用户体验的所谓的用户旅程 ， 不同的旅程 ， 会员节 、 会员的周年等一系列 ， 甚至有一些就品牌玩得很花的一些对应的电话 。他不是打电话 ， 喂你好 ， 我是躺倒 ， 我想卖你枕头 ， 你买不买 ？
不是的 。 所以按照这个逻辑往下 move on 的时候 ， 你会发现它既能解决很大一部分的打扰问题 ，因为我们发现接通率在 60% 以上 ， 平均对话时长在一分到一分半 。
那这时候代表说用户真的是有明确的来回的 engagement。 所以会有一些变化 。
怎么解决就是 CEO 他不想打扰用户的这个问题 ， 怎么说服他呢 ？
所以首先当用户就是品牌方意识到这是一个平均四毛一个的成功触达的这个 ROI 工具 ， 对吧 ？ 你要每次完成好比 100 万人群的呼叫给一直了 40 万的预算 ， 那这时候你就会发现 40 万在整个活动 campaign 周期创造了多少的营收 。
这是一个明确的 ROI 数字 。 好像这业务部门就拿着 ROI 数据给 CEO 看 。 第二件事是 CEO， 对吧 ？ 我是品牌 ， 我不是一个白牌 ， 我很在乎用户体验 。
那他就会首先让这个同学给他打一通电话 ， 两通三通我们都有 ， 或者给所有高管打一通电话 。
这时候就非常验证你的对话体验是否真的 solid。 那这时候可能他们会拼命打断 AI， 拼命问一些 AI 的 corner case。
如果你 AI 表现不好 ， 每一个 corner case 可能都可以把这个项目给 kill。
所以还是你们的体验做得足够好 。
做得足够好 。
这个是怎么做到 ？
就我觉得和每家公司进入赛道背后的思考都有关 。 最早一直做这个赛道的前提是我那时候还在看 AI 的 ， 我当时在做投资 ， 见了很多 AI 用层的公司 ，也见了很多 AI 语音外呼公司 。
当时就发现 AI 语音外呼这个赛道是有意思 ，但是所有人都在打骚扰电话 。
都在打骚扰电话 。
都在打 。 就是你接起来觉得传统意义上就喂你好 ， 房子要不要 ？ 喂你好 ， 贷款要不要 ？ 电话 。
但是你会发现如果你不想打骚扰 ， 核心点在于你要把用户体验极致体验 。 就是这是从公司 day one 创业的一个重要的每天的命题 。
所以我们当时就是为数不多 ， 就真的有自己的算法团队 。
所以你选择不做骚扰电话 ，因此 day one 就得投入非常多去建设自己的用户体验 。
对 。 然后你在就你产品的投票逻辑 ， 公司内部让对的人做对的事儿的逻辑都跟那些公司发生巨大变化 。
那些公司我们发现一个点就是因为骚扰电话最后核心的资源不是对话体验 ，因为只要用户点头马上转人工 。
那这就导致它的核心点在于它的线路资源 。 因为骚扰电话核心点就是用户看你接通率高不高 ， 接通率高 ， 触达率高 ， 我的转化率 ， 我的线索的价值发挥就大 。
所以后这些公司呢就变成要去搞很多的线路资源 ，而你这儿本质线路资源很轻量 。 对 ， 逻辑是不一样 。
所以当时你们在这个用户体验的提升上， 觉得做对的最关键的事情有没有 ？ 就如何让它显著的拉开了差距的 ？
你会发现因为我们不是在交付最终的业务结果 ， 那其实然后同时也有很多人问我们说那你们怎么 defense 好你的业务 。其实最后发现一旦你交付业务结果的时候 ， 就不再是一个平平无奇的软件了 ， 对吧 ？
第一个你会发现你的扣成功的实力某种上是特别重要的一个因素 。 对 。 第二件事情 ， 你的市场和销售团队是否能把对的客户和对的需求拉进我们的系统 ，也是一个变量 。
第三件事情是你的我们叫做短信跟我们叫做线路的资源部门 。 好比说我们顺时并发 ，有时候你可以理解在某一些节点我们是全世界最大的呼叫中心 。
如果把每个 AI 看成人的时候 ， 对 ， 那背后的并发 ， 然后同时你的产品研发能否保证如此高并发下， 你仍然能保证好对好的对话体验 。
同时还有个部门是我们的录音室部门和 AI 训练师部门 。 这两个对应的部门是在满足业务需求的 ， 满足用户业务需求的同时， 还要给用户带来好的体验 。
你刚才提到你们也是按这个呼叫的次数来收费 ，其实也不是卖软件 。 当时这个收费模式的定义的背后有什么样的不同的思考吗 ？
付费模式44:35
软件公司本质有三种收费方式 。 三种 ， 第一个是项目制 ， 一次性买断 。 第二个是叫按年付费的 SaaS。 第三个叫消耗充值 。
那你会发现这三个收费模式背后的本质其实不是收费模式 ，而是你在找不同的投票机制 。
不同的投票机制 。
对 ， 就 value 投票机制 。 然后你我举个例子 ， 项目制的公司 ， 无论公司你把什么创始人的价值观写在墙上， 刻在脑门上， 当你一个客户拿回就把 300 万好比他项目 3 万 ， 把尾款收回来以后， 创始人包括负责这个项目的人， 没有一个人会 care 这 300 万的项目能否给用户带来 900 万的业务价值 。
这是投票机制导致的 ， 所有人都会扑向下一个 300 万 。 那这是为什么我觉得 SaaS 公司要比项目公司要更有一定的活力的原因 ，是因为 SaaS 公司首单都是不赚钱的 ， 甚至部分要赔钱 ，因为销售成本很高 ， 研发成本还不能摊 。
那导致绝大部分公司就从第一个客户那收来的那第一笔钱就是是没有利润 。 核心的利润来自于用户第二年的续费这个动作的投票行为 ， 去投你们公司 300 号人 、100 号人明年能不能来公司上班 。
所以呢这个投票机制会导致公司是比较在乎用户价值 。 但我觉得对于一个还没有找到自己 product market fit 的早期公司来说 ， 这样的按年投票的机制太慢了 。
你基本上你能有几次一年一年的投票来验证你公司有没有在做对的事情 。 所以当时被数字 shock 完以后， 自己深度很认真思考完以后， 发现我需要把它变成一个按天投票的 。
所以你改成了一个事情 ， 就首先用户是充值的 ， 消耗型的 ， 然后用户但凡对自己的这个冲进去所产生业务价值最后不满意 ， 所有剩余的钱当天马上退 。
然后曾经因为这笔钱拿到过提成的所有的同学都得回算提成 。
然后大家就得去保证这个价值的交付了 。
对 ， 保证价值 。 然后正好你会发现因为这样的投票逻辑 ， 你的销售瞬间不会再去 over promise 用户了 。他实打实的你能做到什么 ， 我跟你讲是因为他发现你吹出去的东西没过多久用户就过来给你找退费了 。
第二件事情 ， 原来老被所有的 SaaS 公司认定为像客服一样的 CSM 同学是非常业务驱动的 ， 对吧 ？ 就是他不再是用户找你的时候 ， 你是每次主动找用户 。
我们觉得 A 用户有个最佳时间 ，在这时候做了一次什么样的外呼 ， 实现了什么样的业务价值 ， 你们要不要试一试 。他真变成 CSM， 包括 AI 训练师也是一样的 。他所做的话术不再像过去是 input。
所以这样的链路一设计完以后 ，其实整个业务部门的管理的动作就做完了 90%。
所以其实用这样的规则来让这个企业文化真正的实现了给用户带去价值 。
所以对 ， 所以我觉得这个投票机制是一个更高效率 ，而且这个投票机制它非常的危险 ，因为你是消耗 which means 用户从逻辑上不可能被一加绑定 ， 对吧 ？
那你只能靠最好的业务效果 。 那这时候你发现人是有很多潜力的 。 那在这个业务里面就每个环节的同学都在发挥你没有想象到的一些结果 。
Tony， 我们在这个播客里面有一个主题叫 AI 时代的哆啦 A 梦 ，是因为我们认为今天在 AI 领域创业的很多创业者投资人 ，他们是看到了未来是一个更好的未来 ， 所以呢他们愿意去创造这样的未来 。
哆啦A梦47:58
那假设你也是这样一个活在未来的哆啦 A 梦 ， 你要穿越回 2024， 你最想给今天的 2024 年的人们带回来什么样的产品 、 服务或者资讯 ？
好 ，OK， 这个我可以提 。 我是很早就购买了 Apple Vision Pro， 虽然我们公司并不为了 Apple Vision Pro 搭任何的应用 ，但是我觉得人还是个很简单的事 。
我觉得他是要先看到再相信 。 虽然他现在有一点机会 ，因为他里面没有 killer app，但给我的第一感受就是他就是下一个我们核心人可能每天要交互 10 小时以上的核心设备 。
哇哦 ， 对他的评价非常高 ，因为今天其实他的评价是很两极的 。
对 ， 这是一个比较武断的判断 。 首先我觉得那个设备有个厉害的点在于在脑机接口之前 ， 那里的设备我觉得是一个 temporary 的很好的 solution，因为那个设备开始就是人你看到的 、 听到的 ， 你所有五官除了你的嗅觉以外， 绝大部分的感官都会被那个设备信息化掉 。
极有可能就一个数据会有一个所谓的你的 personal assistant，他真了解你的一天是怎么过的 ，因为他看到你看到所有 ， 听到你听到所有 。
有意思 。
逆向思考49:22
有没有大多数人都认可 ，但是你其实不认可的一个理论 、 一个观点或者一件事情 ？
我有很多事都 。 我觉得今天有个主流观点是就中国的软件做不成 。
你看 ， 当然做不成这是一个客观 fact， 就你用数据统计发现我们过去的很牛逼的 VC 们投过的很牛逼的 portfolio 今天很多都很差 。
但是我在过去六个月里面呢 ，其实去见了很多个大概从 B 轮到 E 轮的过去所在的行业是 SaaS、AI、 科技 ， 就是大家都在关注的行业的创始人。
最多的人数是 4000， 最少人数是 200， 四家公司吧 ， 大概 。其中 30 家公司在过去 18 个月踩了 50% 以及 50% 以上 。
40 家公司当中的 30 家 。
39 家公司 。
39 家 。
39 家公司踩了 50% 及 50% 以上 。
那没踩那一家是谁 ？
没踩一家是我的 ，是我原来的公司 ， 反而还增长了从对增长了一些人数 。 那我想拿这个点在于是不说大家做的好和不好 ， 我觉得就整个行业还是很需要很多的 founder 去立性原理去做一些 define。
我觉得但凡大家比较认真的相信就所谓的独立思考这个词被用烂 ，但独立思考有意识的去定义一些事物 ，其实很多的机会 。
好比说那你愿不愿意只为中国那 15% 的市场下的 B 端公司去提供 ，因为显然可见的是 AI 在早期的前段时间就是一个 to B 的方式先落地的 。
我个人认为是就历史严格来说都是 to B 先行再 to C 的 。 那可能未来五年内绝大部分的最后在商业上拿到一定结果的公司还得是 to B。
那在这过程中如果大家都认为这事没法做 ， 那我觉得是不 make sense。
所以你自己认为在过去的这个职业生涯里面 ， 你做的最对的选择一次或多次是什么呀 ？
一个呢其实是一个也是很不好的事情 。 我会发现第一呢公司无论可能 10 个以上以后呢创始人或者 co-founder 就开始已经有象牙塔 ， 就你接收的已经不再是一手的信息了 。
那当时当一直遇到就是 PMF 比较头疼的时候 ， 我做的第一件事情并不是什么战略啊等这种 fancy 词 。
我做的第一件事情是跑到我们公司的电效部门 ， 我们那时候公司卖的产品很 low 的电效部门 ， 打了两个月电话 ， 每天保证在 80 分钟以上做 ，而且每个就两个半月 ， 然后每个月都是公司的 top sales。
这两个月告诉我了一件事情 ， 我们给错的客户卖了错的产品 ， 实现了错的社会价值和业务价值 。
而且这个错的边界到底在哪里 ， 你开始知道这也不是一个很有趣的事 ，但我相信绝大部分人不会做这个事 。
那为什么是要两个半月那么长呢 ？ 就是你这个认知是在那个时候才出现 ， 所以你停了 ， 还是其实你出现了你留了很长时间去验证 。
对 ， 就是两个半月说长不长 ，但说短也不短 。 就是你没有两个半月 ， 你很多的就是的逻辑你无法形成 。
就它不是一个靠聪明人推理能有 solid，因为我觉得你要获取的信息背后很重要一个东西叫体感信息 。 它就是要靠一些时间去积累的 ，而不是说 A 说 B，B 说 C， 所以我的结论是一个看似很聪明的东西 。
我觉得很多有益的东西不藏在聪明的推理里 。 我觉得第二件事情是在外人看做很多看似有风险的选择 ，但对内看是非常自洽的 。
包括为什么要创业 ， 最早在以色列做过一年的投资 ，在以色列那年非常的 fancy， 那打引号 fancy 全球飞 ， 见真正意义上的科技型的创业者 。
有一个点就是我发现我做了一年多 ， 我从不理解桌子对面的 founder。 我不知道他的一天是怎么过 ， 一个月是怎么过 ， 一年是怎么过的 ，不知道对他来说最有意义的那些 milestone。
我必须得让他翻译成所谓的营收数字 。 就是我当时最早创业创业的原因是因为我发现我不理解他 ， 我想去理解他 ， 所以我去创了业 。
但后面发现创业还是个很有趣的事 ， 就一直没有再回去 VC 而已 。 对 ， 所以我觉得这样的工作方式给我带来还是比较多的价值 。
所以你其实学习的一个办法是你要真的到一线去实践 。
用笨办法去做一些聪明事 。
有意思 。 那 Tony 我们最后一个问题 ， 就是在最近一个月里面 ， 你每天脑子里面最常思考的问题是什么呀 ？
PMF。 我觉得这是上我的 1 万小时定律还没有到 。
结尾54:15
那我们今天就到这里 ， 谢谢 Tony 的时间 。
好 ， 谢谢 。
今天我们也感谢两位这个十字路口的用户啊 ，他们也贡献了问题 ，是新宇和 Yolanda， 谢谢你们 。 好 ， 期待 Tony 再来十字路口 。
好 ， 谢谢 。
拜拜 。
拜拜
。
欢迎你加入十字路口的听友群 ， 我们和别的微信群都不一样 ， 我们在群里就干两件事 。 第一是发布 AI 新鲜事日报 ， 帮你掌握信息 ， 掌握优势 。
第二呢是我们在群里会鼓励大家谈恋爱 、 交朋友 、 找伙伴 、 寻找未来的同路人。 请到 show notes 里面添加小助理的微信 ， 请他加你入群
。 如果你认为有朋友也会喜欢十字路口的内容 ， 请转发微信推荐给他们 。 等十字路口有了更多的会员 ， 我们就能更有底气去邀请到更大牌的嘉宾们 ， 为大家创作出更多有价值的好内容 。
谢谢你们的支持 。