两年前，我们写过一篇关于美国市场的万字长文。
那篇文章的开头，是一组让人坐不住的对比：Salesforce 花了 25 年做到 364 亿美元收入，而 OpenAI 只用了不到 2 年就摸到了 34 亿美元 ARR。
两年过去了，我们既看到了 OpenAI 完成了巨额融资和 ARR 飞涨，还在今年“意外”地见证最大的竞对 Anthropic 以史上从来没出现过的收入增速完成了反超。
而我们则陆续带了百位创业者往返中美，跑了硅谷大大小小无数个会议室，从跟 AI Lab 的研究员聊技术，到与当红的 AI Infra 与应用公司聊 0 到 1 的故事，还有与华人全球化老兵回顾 10 到 100 的不易，当然还有许多一线 VC。
以下是过去两年我们六次来往硅谷后，整理完几十万字的会议纪要，然后发现一件挺魔幻的事：
两年前大家讨论“AI 已来，SaaS 何去何从?”，如今各自都有了答案。
而且比当时假想的还要激烈。
软件股的估值集中在三个月内被腰斩。模型公司发布一款法律插件，直接带动相关软件板块市值蒸发了上千亿美元。一位从 OpenAI 出来的投资人，在分享时说了一句让全场安静的话：
软件这个商业模式，已死。
当然，“已死”这两个字需要严谨的定义。软件还在，代码还在，工程师还在。死掉的是一种具体的生意：
把工具卖给人用，按席位收年费，靠续约活着的那种生意。
之所以写这篇文章，我们想认认真真做一次复盘：过去两年，美国 SaaS 及 AI 市场到底什么变了，什么没变，以及哪些问题连硅谷自己都还没想清楚——
资本市场给 SaaS 重新定价的逻辑是什么?“斩杀线”到底长什么样?
从卖工具到“卖员工”，产品范式发生了什么质变?
PLG、SLG 那套 GTM 打法还管用吗?新共识是什么?
两年过去，哪些判断、哪些公司穿越了周期?
对 Global AI 创业者来说，组织和人才发生了什么重要变化?
01
软件股的“斩杀线”
这一轮 SaaS 上市公司的重新定价，可能是过去十年软件行业最大的一次估值范式切换。
做过二级市场的朋友都熟悉“Rule of 40”：增长率加利润率超过 40，就算一家达标的优质 SaaS 公司。在 AI 出现之前，达标企业拿 10 到 18 倍 PS 是常规操作。
现在呢?投资机构和上市公司高管给出的口径出奇一致：即便四零法则达标，现在市场也只给 5 到 8 倍。
更扎心的是下跌的方式。这轮软件股普遍腰斩，而且跌幅集中在过去三个月，中间没有财报，没有任何新的业绩数据点。市场不需要证据，直接改预期。
为什么这么狠?
因为市场找到了一个新的锚：人效。
看一组数字。Workday 约 2.1 万人，人均创收 45.7 万美元;Salesforce 约 7.6 万人，人均 54.6 万;而 Anthropic 用大约三五千人，做到了人均 600 万到 1,000 万美元。Salesforce 花了 20 年才摸到 300 亿美元收入，Anthropic 用了大概 15 个月。
这个对比一出来，一个尘封已久的问题就藏不住了：传统软件公司那几万名员工，到底在干什么?
答案大家心里都有数。Salesforce 里接近 80% 的员工和销售相关，从 SDR、AE 到 Solution Engineer，再到 Customer Success，整条 Pipeline 全是人堆出来的。上一个时代，这叫护城河，这个时代，这叫成本。
一个头部基金合伙人的原话是：靠庞大销售团队维持的软件模式，不会再回来了。
如果说二级市场是温水煮青蛙，那一级市场的采购端，已经开始出现更直接的信号。
一个在硅谷做企业级 Agent 的创始人跟我们分享了一件事。某大型咨询机构受托对一家待售软件公司做尽职调查，调查做着做着，干脆花时间把这家公司的核心产品自己复刻了一遍。
然后，收购就不用谈了。
买，还是自己造?Buy vs Build 这道选择题，过去半年成了美国企业采购会议上出现频率最高的议题。大家的心态很微妙：永远买 Microsoft 不会错，但除此之外的每一笔采购，都要先问一句：这东西我们自己用 AI 搭一个要多久?
这直接斩断了 SaaS 产品最骄傲的增长线：Upsell。
一位做 AI 营销工具的华人创始人说得非常坦率。他们服务 80 多家美国上市公司和中大型客户，产品与 Salesforce、Marketo 这些老系统做了极深的集成，按理说壁垒足够厚。但现在跟客户谈续约加价，对面的表情变了：
“我虽然没法 100% 复制你的产品，但我花一个周末至少能做出 50% 的功能。你凭什么一年收我 10 万美元?”
他总结说，沿着老路走下去，可能是一条死路(即使他 2 年前还在强调系统集成的复杂度和重要性)。
当然，硬币还有另一面。软件股被砍估值的同时，大厂的算力豪赌反而在加码。几家 Hyperscaler 的资本开支预估已经逼近年化 8,000 亿甚至 1.1 万亿美元，自由现金流集体掉头向下，激进一点看，明年可能整体转负。而云业务的收入确实也跟上来了，Google Cloud 的同比增速一路飙到 80% 以上。
一边是软件估值塌方，一边是算力开支狂飙。钱没有离场，它只是搬家了：从“卖工具给人”的生意，搬到了“造智能本身”的生意。
所以你看，资本市场做的事情其实很朴素：它只是提前把一个新共识写进了价格里。这个共识就是我们接下来要讲的。
02
“Tool”，还是“Hire”?
如果只能用一句话概括这两年美国软件市场的变化，我们会选这句：
客户买的东西，从 Tool 变成了 Hire。
先看一张时间表。一位 2023 年就开始做 AI 营销产品的创始人，给我们完整还原了客户心态的四年演变：
2023 年：客户会审核 AI 生成的每一封邮件，一百封都要人工过一遍;
2024 年：大家适应了用 AI 写邮件、做 Summary，没人再大惊小怪;
2025 年：客户接受了 Autopilot，整个 Campaign 设置一次，AI 自动跑，无需人工审核;
2026 年：客户的开场白直接变成了，能不能把这个职能整个接过去?Demand generation、Events marketing、甚至 AE，打包交付!
从审核每一封邮件，到交出一整个岗位，只用了三年。
驱动这个变化的，是两股方向相反的力，把传统 SaaS 夹在了中间。
换句话说就是，Coding agent 让“造软件”这件事商品化，运营团队不需要再买一套 5 万美元一年的平台，一个下午就能自己搭一个;Work agent 让“用软件”这件事商品化，如果 Agent 能直接把活干完，客户为什么还需要 Dashboard?
造和用，两头一起塌方，SaaS gets hit from both directions。
那新的产品形态长什么样?硅谷给它起的新名字是：从“System of Record”，走向“System of Action”。前者是记录信息的系统，CRM、ERP 都算;后者是直接干活的系统，它了解公司的一切，然后亲自动手。
概念有点抽象?讲三个故事。
第一个故事，关于一份没有发出去的 Offer
一家硅谷 VC 今年年初招 Analyst，目标画像是毕业两三年的年轻人，负责写 Deck、筛项目、做会议纪要。面试了一个多月，给一位候选人发了 Trial offer，合作了一段时间，表现不错。
到了决定要不要转正的那天，合伙人犹豫了。她花了一个下午，把这位 Analyst 在试用期里展现的所有工作能力，逐一转写成了 Agent 的 Skill 文件。写完之后，她没有发那份 Return offer。
她的原话是：与其发这份薪水，不如多买点 Token。
第二个故事，关于一家 10 周做到 1,500 万美元 ARR 的公司
这家公司叫 Viktor AI，今年 2 月才发布产品，10 周做到 1,500 万美元 ARR，投资人预计年底能摸到 1 亿。它本质上可以理解为一个企业版的通用 Agent：接入公司的 Slack 和全部上下文，你交代一件事，它直接干完再来汇报，全程不需要你喂材料。
它的增长方式更有意思，我们放到下一章细讲。这里只说一个细节：它官网首页最显眼的位置，挂着一句话。
Not a tool, but a hire.
人家把话直接挑明了：我卖的是一名员工。定价对标的参照物，从软件预算变成了人力预算。
(我们之前也写过文章分析这家公司的增长模式：10周15M美金ARR，AI应用最大A轮，Viktor狂奔成为真正的AI coworker!)
第三个故事，关于两个 00 后和一家保险公司
两位本科辍学的 00 后创始人，募了 3,000 万美元。这笔钱没有拿去开发产品，直接收购了一家传统保险公司，然后用 AI 重写全部业务流程，再针对 AI 时代的新需求(比如 AI 创业公司投保难)推出新险种。6 个月，从 0 做到 4,000 万美元 ARR，C 轮估值 13 亿。
这类打法有个名字，叫 AI-Native services。服务这门生意在硅谷被鄙视了几十年，理由永远是 Not scalable。而 AI 第一次让服务变得 Scalable 了：判断力可以规模化复制，成本却不再随收入同比增长。一家律所、一个设计工作室、一家保险公司，第一次成了 VC 眼里 Venture-backable 的标的。
讲到这里，一个自然的追问是：那垂直 AI 应用们怎么办?那些做法律 AI、医疗 AI、营销 AI 的公司，不就是在卖更聪明的工具吗?
硅谷给出的答案，比我们预想的冷酷。
投资人们把它叫做“斩杀线”：你的产品必须比通用大模型好 10 倍，否则用户会直接去用模型。一位专注 AI 的基金创始人复盘说，他们 2023 年最看好垂直 AI 应用，如今 Portfolio 里所有卖“智能”的垂直公司，几乎都转型去做垂直服务了。她的判断很夸张：所有垂直领域里卖智能的公司，都会被通用 Agent 吃掉。
这不是危言耸听。法律圈今年发生了一件标志性事件：一位法律 AI 领域的 KOL 发了篇帖子，标题是《How to use Claude as Harvey》，用一张对照表逐条演示头部法律 AI 产品的功能如何用通用模型复现，十几万人围观。
他告诉我们，硅谷不少公司的法务部已经全员被要求使用通用模型，内部培训的主题就是怎么写自己的 Skill。
那垂直公司就没活路了?倒也不是。大家反复验证下来，还剩三样东西是模型厂一时半会吃不掉的：
一是真正的私有数据和领域 Know-how(不是网上能爬到的那种);
二是安全、合规、稳定性这些“准入线”(法律行业的原话是：安全性不是一个功能，是一条准入线);
三是那些又脏又重、没人愿意干的集成和运维。
用一位创始人的话说：通用 Agent 再强，它也不想自己干 Dirty work。帮它把脏活干了，再包一层抽象让它调用，这是软件公司新的生存方式。
顺便说一句，Token 经济学也在重塑所有人的账本。硅谷流传的一个段子是，某出行巨头把全年的 AI 预算，4 个月就烧完了。一家投行的研报写得更直白：企业的推理开销正在以数量级速度超出预算，按当前曲线，几个季度内就会追平人力成本。
所以 Outcome-based pricing(按结果付费)几乎成了必然。做客服 AI 的 Sierra 估值约百亿美元，收费方式简单粗暴：解决一张工单，算一张的钱。上一个时代按席位收费的逻辑，正在被按“人头”收费的逻辑替代。只不过这一次，人头指的是被替代的那个岗位。
03
GTM 的新节奏
两年前那篇文章里，我们花了大量篇幅讨论 PLG 和 SLG 的殊途同归，讨论怎么搭销售团队，怎么定价。
到了今年，牌桌上的玩法有了迭代。
第一个节奏：PMF 从里程碑，变成了易逝品
Lovable 的增长负责人说过一句扎心的话：AI 时代，PMF 基本上每三个月就要刷新一轮。模型每升级一次，你能做的事和别人能抄的事，就同时变了。
湾区知名增长工作室 HockeyStickGrowth 的创始人给我们看了组数据：某知名机构每季度发布的 AI 产品百强榜，去年每期还有 30% 到 40% 的新面孔，今年 1 月这个比例大幅下滑，头部产品的流量和体量反而更集中了。留给新产品的突围窗口，一个季度比一个季度窄。
窗口变窄，节奏就变了。以前是先磨产品、找 PMF、再放量;现在很多团队反过来，先把品牌和故事推出去，哪怕手里只有一个 Demo，再用极速迭代去接住市场反馈。
PMF 从一条直线，变成了一个循环。
这方面最生猛的案例是 AI 视频公司 Higgsfield。某天上午 11 点，一个重磅模型宣布开放接入，7 家 AI 视频产品同时行动，都想抢第一波流量。Higgsfield 下午 2 点就完成了全部产品集成、发布 Brief、KOL 名单和预算分配;其他团队拖到晚上九十点甚至凌晨。
就慢了几个小时，抢到的只能是第二波流量，难免有炒剩饭的感觉。我们与 Higgsfield 创始人 Alex 也曾在一期播客《对话Higgsfield AI创始人：AI视频谁是赢家?如何一年冲到1亿美金ARR?》里谈到他的增长哲学。
天下武功，唯快不破，古人诚不欺我。
有意思的是，同一个市场里也存在完全相反的路线。Gamma 从创立至今没投过一分钱广告，做到 1 亿美元 ARR 时全公司只有 20 个人，靠的是一场接一场的用户社区活动，甚至组织团队做“世界巡演”，飞到各个国家和用户面对面。极致的快和极致的慢，都能跑通。跑不通的是中间那种：既没有别人快，也没有别人跟用户贴得近。
第二个节奏：一个全新的获客渠道诞生了，客户是 AI
数据库公司 Neon 被以 10 亿美元收购前，创始人披露过一个数字：平台上 80% 的数据库实例，是由 AI agent 创建的，人类用户反而是少数。Lovable、Replit 这些 Coding agent，成了基础设施公司最大的分销渠道。
需求侧也一样。好几家 ToB 公司告诉我们，现在问新客户“你从哪知道我们的”，回答 ChatGPT 的比例已经到了六七成。一家做企业自动化的公司统计，Qualified inbound leads 里六七成来自 AI 推荐。
这带来一个很哲学的问题：以前你讨好的是 Google 的算法和人类的眼球，现在你要讨好一个大模型。人类看你是不是 500 强，AI 看你的文档写得清不清楚、官网专不专业、有没有可验证的证据。GEO(针对 AI 引擎的内容优化)已经被一些从业者列为 B2B 第三大获客渠道，转化率 8% 到 10%。
当然了，这里要泼一盆冷水。一位做了十几年增长的老兵提醒我们：SEO 被宣判死刑已经 20 多次了。目前 GEO 做得最好的公司，这部分流量占比也就 10% 到 15%，而且 GEO 和 SEO 共享同一套地基(域名权重、内容质量)，并不存在跳过基本功的捷径。
第三个节奏：KOL 的红利结构，翻转了
2023 年，AI 垂类 KOL 是价格洼地，几千美元就能撬动一条爆款。现在呢?同样的账号报价翻了四五倍，转化率却在肉眼可见地下滑。原因不复杂：这些账号的粉丝一天要被推送 30 多个 AI 新产品，阈值早就被拉满了。
反直觉的机会出现在圈外。一家做语音输入法的公司，直接投了 MrBeast 这个量级的超头部创作者，一条视频接近 1 亿播放，转化效果好于大多数中腰部账号。逻辑在于信任：中腰部账号的评论区都在问“是不是恰饭”，超头部的评论区在说“连他都在用”。
还有更接地气的。做 B2B 的公司发现，与其砸钱投放，不如认真经营创始人的 LinkedIn。一位华人创始人给我们算过账：他每天花在个人 IP 上的时间不超过 10 分钟，但通过品牌词搜索进来的用户，充值率是普通渠道的两倍还多。用户先信了这个人，再买这个产品。
过去一年硅谷最火的一家 AI 聊天助手产品 Poke，7 条视频收获超过一千万播放量，其中核心方法论是创始人自己要去回答一个关键问题：你的产品有没有一个 3 秒内就能让用户看懂的使用瞬间也就是 Aha moment?我们也在《7 条视频千万播放，火遍硅谷的 Poke 让所有人记住那个会聊天的AI助手!》这篇文章详细分析到。
第四个节奏，也是最意外的：AI 越强，线下越值钱
先讲个湾区段子：除了科技公司，旧金山增长最好的生意是花店和蛋糕店。因为大家总要庆祝客户融资。
再讲个真事。一个从名校辍学创业的团队，某天下午 4 点收到一个包裹，是 Cursor 寄来的一台 Switch 游戏机。下午 6 点，Cursor 的销售带着游戏卡上门了。当天晚上，合同签了。
我还听说有增长团队买了一整车定制蛋糕，每个蛋糕上写着目标客户的名字，三个人花一天时间在旧金山挨家挨户送。这种线索的转化率，高得吓人。
为什么会这样?一位营销负责人的解释很到位：AI 让线上的一切都变得便宜了，一封邮件、一篇博客、一个 Demo，都可能是 AI 批量生成的。于是稀缺的东西换了位置：见过你的脸，记住你说过的话，一起吃过一顿饭，这些东西 AI 生成不了。
硅谷 B2B 公司今年在线下活动上的预算普遍在涨。用一位企业级 Agent 创始人的话说：AI 时代到最后，拼的还是那张脸。
最后说说前文提到的 Viktor AI 的 GTM 策略，就非常有代表性。
它的打法是：任何人都能以个人身份注册，送 100 美元免费额度;个人用爽了，自然会把整个团队拉进来;团队进来后按用量付费。看起来是标准 PLG?精髓在两个反常识的细节。
第一，注册必须用公司邮箱，而且必须是公司 Slack 的管理员，普通员工连试用的资格都没有。
第二，它从不投技术社区，广告全部打在 Instagram 上，逻辑是：C-level 也是人，也刷社交媒体。
为什么只让管理层进来?因为它卖的是“替代人力”，这个故事只有拍板的人爱听。中层不但不爱听，还会拦着。(有位国内创始人在现场苦笑：我 Pitch 完，客户中层说这东西很好，但有了它，我向老板汇报的机会就没了，让我再等等。大家笑完之后是长久的沉默。)
结果就是一条很新的增长曲线：Consumer 的增长速度，Enterprise 的合同体量，单笔几十万到几百万美元。
04
那些穿越周期的“不变”
写到这里，你可能会觉得整个世界都被掀了桌子。
别急，我们还有另一份清单：两年前写下的很多判断，今天拿出来看，几乎一个字都不用改。
美国依然是必争之地，更加坚定
两年前我们讲市场规模、讲付费习惯。这次一位 Infra 公司的 GTM 负责人给了个更底层的视角：看钱从哪来。
全球 AI 应用的收入，大头依然由美国客户贡献，单客支付能力和 Subscription 付费意愿都摆在那里。他们平台上各国用户都有，但支撑 ARR 的核心永远是美国市场本身。
而且美国市场的结构性优势依然成立：它足够分散。一位在中美都创过业的老兵打了个比方，他在中国生活时一个支付宝走天下，回美国对接客户要同时开七八个通讯工具。这种分散意味着，每个细分市场都大得惊人，做细分领域的顶尖者就有无穷空间。这个判断，2024 年成立，2026 年依然成立。
本地案例大于大 Logo，一字未变
两年前的共识是：中国最头部的客户案例，打动不了美国公司。这次有不止一个分享嘉宾提到了相似的经历：见一家美国企业级客户，报出全球 Top 10 的大客户合作名单，对方毫无兴趣，直接问：有没有北美案例?哪怕很小的都行。后来他讲了一家名不见经传的美国小创业公司怎么用他们的产品，对面反而听得入了神。
Evidence-based trust，靠证据积累信任，这条铁律没有任何松动。变化只在于证据的呈现方式多了一条：现在连 AI 都会先看你的证据，再决定要不要把你推荐给它的用户。
从问题讲起的叙事方式，依然是正解
有位华人创业者分享自己的客户路演，讲得最好的那场，花了一半时间讲他要解决什么问题、这个问题为什么重要，客户说“我听完前一半就已经被说服了”。而讲得最差的那场，上来就摆架构、秀 Benchmark，“我根本不知道他在解决一个什么问题”。
同理，ICP 越细越好这条也没变。一位 GTM 顾问的说法是：最好做的生意，是卖水给沙漠里缺水的人。饭店里也有人缺水，但他不会为你掏钱。“电商小企业主”这种定义毫无意义，真正有意义的 ICP 要细到：“Series A 阶段、3 到 7 人团队、已付费使用两个以上工具的 B2B 公司”才行。
全球化是一把手工程，更重要了
两年前我们写“有客户了才招销售，顺序千万不能反”。今年看到的版本更极致，一家 GPU 云公司的销售负责人刚入职时，把前任留下的整套美式销售班底(SDR、AE、SA 一共 7 个人)全部送走，回到创始人和他两个人亲自跑客户的状态。
理由有二：AI 时代的销售周期已经被大幅压缩，几百万美元的合同，两三轮沟通就能和创始人直接谈完;而在跑通之前招销售，你根本分不清是人不行还是方向不行。
他交了 6 到 8 个月的学费换来一句话：创始人自己没被客户打得满脸血之前，不要招第一个销售。
与之配套的还有一个老话题的终结。“找个白人销售敲门”这个执念，我们在两年前就劝过，这次一位投资人给出了逻辑上的完整证伪：好销售靠提成吃饭，加入你之前要先相信你能赢，所以这个销售就是你要搞定的第一个客户。你能搞定他，说明你自己就能卖，不需要他;你搞不定他，能招来的也一定不怎么样。
(这是个完美的悖论，建议每一位准备发招聘 JD 的创始人先读三遍。)
信息泡沫与本土化，永恒的必修课
今年有一场分享，嘉宾用自家三代人的经历把“本土化”讲成了一部编年史。他的祖父在六七十年代接待过大举进入美国的日本企业代表团，当时清一色日本高管，如今活下来的日企，管理层几乎全是本地人。他的父亲在 80 年代代表美国汽车巨头去中国建厂，去的是全白人团队，快 40 年过去，那家巨头在中国的外籍员工只剩下一位。他自己 07 年去中国创业，当年圈子里几百个外国创业者，如今还在牌桌上的，一只手数得过来。
三代人，三个方向，同一个结论：融入当地，是唯一活法。
他还留下了一句我们准备裱起来的话。有创业者问，能不能待在旧金山远程做美国市场?他说，旧金山华人活动太多太舒服，“就像你想健身，身边就别放蛋糕”。
合规，还是合规
AI 让合规变得更重要了。
一位 Infra 公司的销售负责人过去一年进了 20 多家上市公司，他说自己大部分时间其实在干一件事：
给对方的律师解释什么是 AI、什么是模型、什么是 API。大公司的法务框架还是按 SaaS 时代设计的，AI 合同没有模板可套，每一单都要从头教育。
另一位创始人补了个细节：他拜访某家头部投资机构时才知道，对方作为持牌金融机构，内部连 Slack 都不能用，只能用 Email 和 Teams。你的客户是谁，直接决定了你的沟通方式和合规清单。SOC2、HIPAA、PCI，这些证书最好在见客户之前就准备好，拖下去只会错过单子。
真实感的价值
美国文化对 Authenticity 的执念，在 AI 内容泛滥之后反而更强了。多位从业者的建议出奇一致：你的文案宁愿带点 Chinglish，也要是真人在讲自己的故事。观众可以原谅口音，没法原谅一张完美但虚假的脸。
两年前我们说：服务，服务，服务。
这一次，我们想把这三个词换成：真实，真实，真实。
05
新共识：组织被重写，护城河搬家
如果说前面讲的是市场，这一章想讲人。因为最近几次调研里印象最深刻的对话，一半发生在组织话题上。
一位管理着近百人团队的华人创始人，给我们看了他公司的两个数字。第一，从两个月前开始，公司的 Token 消耗超过了人力成本。第二，他把整个组织重新划成了三种角色：Builder，Reviewer，和 Agent。
Builder 是能用 AI 直接把想法变成产品的人，往往是有技术背景的创始人自己。
Reviewer 是对某个领域有深度认知和品味的人，负责让 Agent 跑得稳、跑得快。
剩下的执行，交给办公室里十几台 Mac mini 上日夜运转的 Agent。
那中间那些角色去哪了?
公司里最尴尬的岗位是产品经理，“纯在脑子里想而不动手的人，基本没价值了”。他前不久刚送走两位 PM，理由是他们自己不知道该做什么。
这种工作方式已经卷出了各种民间发明。有位创始人因为每晚都想让 AI 把没干完的活干完，长期熬到凌晨两三点，后来干脆写了一套“夜班 Skill”：睡前给 Agent 一个目标，它自己拆解成任务，再让另一个模型做对抗式 Review，两个 AI 左右互搏，连续工作 8 个小时，第二天早上看结果就行。
一个过去要排期两三个月的大功能，两个晚上搞定，成本是每月几百美元的订阅费。
这不是孤例。Google 内部最新的说法是 70% 以上的代码由 AI 生成，各大厂在推动“人人都是 Builder”，砍掉 Manager、Senior、Staff 之间的层级。
有位投资人给了组更宏观的数字：以前在美国搭一套基本的企业级产品，没有七八百万美元下不来;现在几个 AI 编程工具的账号，一两周就能做出来，成本压到了原来的百分之一。
一位 AI Lab 的研究工程师甚至把自己每天的重复工作(跑实验、做分析、写报告、迭代)封装成了 Benchmark，测下来模型的完成率“高得让人睡不着觉”。
Anthropic 里现在有 7 位来自 10 亿美元级公司的前 CTO，头衔全是 IC，不带一个兵。一位投资人的解读是：当 Builder 能一个人撬动过去一个团队的产出，没人愿意再把自己架在管理层上，“那种感觉像赌场里的老虎机，试过一次就会上瘾”。
组织被压扁之后，护城河也搬家了。
这次几乎每一场对话都会落到同两个词上：
Memory 和 Taste。
Memory 指你积累的专有知识：几百家客户沉淀下来的 SOP、只有你知道的行业 Know-how、那些外部大模型永远拿不到的上下文。工具会过时(今天最好用的 Harness，半年后未必)，但这些东西喂给任何模型都是你的。
Taste 指审 AI 产出的判断力。有个特别生动的案例：一位创始人帮懂交易但不懂技术的朋友搭了一套自动化交易系统，起初胜率惨不忍睹，朋友每天用、每天反馈、持续调整因子，几周后胜率爬到了 87%。创始人自己拿去用，加了杠杆，很快爆仓。
同一套系统，两种命运，值钱的从来不是那套代码，是那位朋友的判断。
那对中国团队来说，位置变好了还是变坏了?
坏消息是，传统优势清零了。全球程序员价格趋于拉平，“我们更有性价比”这张牌基本作废。一位投资人甚至建议反着打：AI 时代张嘴要价更高，反而更容易被信任。
好消息是，新的牌发下来了。多位嘉宾不约而同提到，中国团队对人性的理解和产品细节的打磨，在 Agent 时代是真实的稀缺品(有创始人的原话：最好的产品永远是最符合人性的，这方面中国 ToC 产品一直很能打)。
执行力就更不用说了，这已经是美国投资人对中国创始人的默认预设。加上开源模型的崛起，牌桌上属于中国团队的位置，其实比两年前更清晰了。
06
三个没有答案的问题
按照惯例，复盘的结尾应该给一份“总结清单”。这次我们想换个方式，因为有三个问题，目前硅谷都还没想清楚。
第一问：终局是通用平台垄断，还是垂直 Agent 百花齐放?
未来的工作流，会全部长在两三家模型公司的通用 Agent 之上，还是像今天的 SaaS 一样，做营销用一个 Agent、做招聘用另一个?一位创始人和他的联创为这个问题辩论了一年，没有结论。
唯一的共识是：所有 AI 公司都只有一到两年的窗口期，窗口里做成的事，才有资格参与下一轮讨论。
第二问：当 Agent 比员工多，谁来管它们?
这个问题两年前听起来像科幻，现在是实打实的工程难题。企业里的 Skill 要不要分级管理?员工的个人 Agent 和公司的 Agent 冲突了听谁的?出了错谁负责?一位 AI Lab 的 Agent 平台负责人说，今年企业客户问得最多的已经从“怎么搭 Agent”变成了“怎么管 Agent”。
顺便一提，那个流传很广的场景真实发生了：有人在斯坦福给一群非科技行业的 CEO 讲 Agent 定制，说到“写个 Markdown 就行”，台下齐刷刷举手提问：
What is Markdown?
硅谷跑得再快，世界的大部分还在起点。这条时间差，本身就是创业者的机会。
第三问：软件的定位，会从 Use case 变成 Job title 吗?
以前软件介绍自己：我帮你解决什么问题。以后可能变成：我来接替哪个岗位。如果定位方式真的这样迁移，那市场规模的算法、销售的对象、定价的锚点，全部要重算一遍。两年前大家算 Coding 工具的市场规模，用程序员数量乘以 200 美元月费，算出 100 亿美元就到顶了;今天光是头部模型公司的 Coding 收入就远远越过了这条线。P 和 Q 全错了，因为对智能的需求，目前看不到上限。
(黄仁勋的说法更简单：如果一个岗位一年的人力成本是 50 万美元，那你在工具上花 25 万都是合理的。)
写到最后，想回答一个这两年被问过无数次的问题：两年前那句“AI 已来，SaaS 将死”，现在到底应验了没有?
我们的答案是：死掉的是 SaaS 这三个字母的旧排列。Software as a Service 的时代确实在落幕，但它让位的对象，恰好是把这几个词反过来念：Service as a Software。
软件没有死，它只是不再满足于当工具，开始上岗当员工了。
而对每一个 Global AI 创业者来说，穿越这两年剧变、依然稳稳立在原地的，还是那几件朴素到近乎无聊的事：去客户在的地方，讲他听得懂的问题，用证据换信任，把最难最脏的活干了。
变化是水面上的浪，这些是水面下的锚。
今年 10 月，我们再来对一次答案。