Tenex谈按产出付费模式与企业AI落地的真实渗透率

去年，Alex Lieberman 和他的联合创始人做客我们的节目，解释了 Tenex 的非同寻常的赌注：为 AI 工程师交付的工作付费，而不是为他们坐在键盘前的时长付费。如果 AI 让工程师更快，按时计费会让工程师做同样的工作赚得更少。Tenex 希望激励机制朝相反的方向运行。

在 AIE New York 上，Alex 带着 CJ Hess 回来，谈论当把这个想法扩展到整个工程组织时会发生什么。我们还把自己的一项实验摆上了台面：Kill My SaaS，我们请开发者们替换掉一款会议演讲者管理工具——我们曾被告知该工具每年费用为 43,000 美元。

这两个故事都提出了同一个问题：当构建变得更便宜时，你如何决定一份好工作值多少钱？

当工作不断变化时，如何为产出付费

Tenex 仍将故事点作为工程薪酬的重要组成部分。Alex 表示，人们担心的失败模式——虚报估算或发布糟糕代码来刷点数——并没有成为最大的问题。Tenex 的 AI 策略师负责客户留存和增长，这激励他们抵制对客户没有价值的工作。

更难的问题是如何奖励那些无法整齐归入工单的工作：理解客户的问题、设计架构，或者决定首先应该构建什么。CJ 描述说，随着模型变得更好，他直接编码的时间变少了，而把客户的上下文整理成模型可用形式的时间变多了。围绕已交付任务设计的薪酬体系也必须为这类工作留出空间。

Alex 表示 Tenex 已经发展到 75 人，客户分布在财富 2000 强企业和中端市场企业之间。这家公司最初是一家 AI 驱动的开发工作室；如今，客户越来越多地寻求全公司的 AI 转型帮助。跳到薪酬讨论 →

MetaHarness：让项目留在仓库里

CJ 详细介绍了 Tenex 的 MetaHarness：围绕工作构建的一套共享技能、项目文档和 CLI。计划和决策与代码一起提交到 Git 中。当智能体回到某项任务时，它不仅能读到构建了什么，还能读到团队为什么选择这样构建。

Tenex 自己的 AI 原生 SDLC 文章将这一理念展示为人类和智能体共同参照的项目记录，并可查看 Linear、GitHub 和客户更新：

来源：Tenex, Building an AI-Native SDLC。

有用的区分在于：让智能体更快地写代码，与让周边工作变得可读——计划、验收标准、决策和证据。Tenex 的文章还指出了代价：对于一个只做一个项目的小团队来说，如此多的结构可能过于繁重。CJ 解释这一工作流 →

Kill My SaaS：拥有你所构建之物的成本

我们的 Kill My SaaS 节目涵盖了 72 份替换我们演讲者管理软件的提交。在我们人类评委那里获胜的团队，在我们 AI 评委的排行榜上排名第 19。这是一个有用的提醒：检查软件是否满足一系列场景，与判断人们是否想使用它，是不同的工作。

我把这个项目作为企业选择自建软件的真实案例讲给 Alex 听。他的反驳是：越往高端市场走，替换掉一套既有系统就越昂贵、风险也越大。而且即便是更小的工具，也总得有人维护。省下的钱够不够支撑这种持续的投入？

我的回答是，好处不只是账单。我们的团队长期忍受着一个平庸的产品。如果我们掌握这个工作流，就能为讲者和运营人员做得更好，并且以分钟为单位迭代，而不是等上几个月等供应商。这个潜力必须与 Alex 描述的维护成本放在一起权衡。观看这段对话 →

支持与反对垂直 AI 的理由

Alex 总体上不看好垂直领域的 AI 产品：如果每家企业都期望一对一的定制方案，你怎么在软件的利润率下交付？而且随着前沿模型不断进步，底层任务中有多少会被通用工具吸收？

我用 Harvey 和 OpenEvidence 这样的例子反驳。领域专属的数据、专业化的界面、集成和用户习惯，即使底层模型对所有人开放，也可能很重要。Bloomberg 是一个有用的对照：交易员可以在别处获取市场数据，但终端把数据、工作流、沟通和既有习惯整合在了一起。

CJ 区分了两种产品：一种是主要功能由智能体执行任务的垂直产品，另一种是改善该任务周边实际工作流的工具。这就留下了一个比「垂直 AI」胜负更有意思的问题：哪些产品会成为人们开展工作的持久场所，哪些又会变成他们已在使用的智能体的一个功能？观看这场辩论 →

节目笔记

Tenex — Alex 和 CJ 的应用 AI 公司，与企业合作推进 AI 落地与工程实践。
Alex Lieberman 谈 Tenex — Alex 对这家公司及其方法的介绍。
构建 AI 原生的 SDLC — Tenex 对其智能体辅助开发流程与 MetaHarness 的说明。
我们早前与 Alex 和 Arman 的对话 — Tenex 最初关于按产出为 AI 工程师付费的主张。
Kill My SaaS — 我们用 AI 智能体替换一套每年 43,000 美元的讲者管理工具所学到的东西。

时间轴

0:00 冷开场
0:26 开场介绍
0:51 Tenex 做什么
1:32 CJ 为何加入 Tenex
3:17 按成果为工程师付费
7:20 MetaHarness 内部
10:25 模型与长时任务
15:11 Token 支出与 ROI
19:29 企业 AI 落地的鸿沟
23:22 为何智能体部署很难
24:42 垂直 AI 与企业软件
30:32 Kill My SaaS
35:23 AI 与就业
38:18 纽约的 AI 生态
42:28 在 Tenex 招人

文字稿

由访谈自动生成；措辞可能有误，且未标注发言人。

0:00 我只是觉得自己的产出越来越好、越来越快，而最终拿到的钱却越来越少。我以前是按小时向客户收费的。我对团队的说法是：你无法自动化一个并不存在的流程。

0:26 好的，我们现在在 AI Engineer 现场，和 Tenex 一起。欢迎回来，Alex。谢谢，谢谢邀请我们。你带来了你们的工程总监 CJ。欢迎来到播客。Tenex 的特别项目负责人。好的，特别项目负责人。好吧，你就是特勤小队。是的，是的。你之前上过播客，大家对 Tenex 的故事也大致有所了解，但你能从头重新介绍一下，2026 年是什么样的，你们会怎么自我介绍吗？是的，很简单，Tenex 是世界上一些最大公司的应用 AI 合作伙伴，帮助他们从没有 AI 走向 AI 原生。我们的信念是，AI 非常了不起，但它只是原始智能。

1:04 而最难解决的问题是最后一公里，真正让它渗透到整个经济中。所以我们的观点是扮演这个角色，帮助企业弄清楚这一切。我可以说脏话吗？把这堆破事全弄明白。是的，是的。是的，我们在 Apple Podcasts 上有明确的分级标签。虽然我最近发现 YouTube 不太喜欢。哦，真的吗？他们是那种，是的，你不能说 F 开头的那个词。那我是不是搞砸了你的视频？你打算怎么办？我不在乎。好吧。我们是给成年人看的。CJ，是什么吸引你加入 Tenex 的？其实我是第一个员工。我甚至不知道 Alex 和 Armand 当时是否已经有了 Tenex 这个名字，

1:40 但在 Tenex 之前我有一堆尝试过的创业公司的坟墓，最终演变成我自己的工程咨询公司。我在那里花了一些时间做传统工程，后来转去做一些 AI 咨询，用它构建的东西越来越多。我本职是软件工程师。我只觉得我的产出越来越好、越来越快，但最终拿到的钱却越来越少。我按小时向客户收费。而我真的很喜欢 Alex 最初发布的 Tenex 的理念

2:16 当我在 Twitter 上看到它时，是关于奖励工程师的产出而不是奖励他们的时间。我认为你知道，快进两年，你可以看到工程师现在如何并行处理大量工作，产出也多得多。当时有 Sonnet 3.5、Gemini 2.5 Pro，可能还没那么明显，但我基本上押注了，我认为凭借我的技能组合，更深入地投入 AI，我可以有高得多的产出，最终拥有更高的收入能力。

2:53 从那以后我就爱上了这种模式。我认为这就是工程的未来。最终当 AI 解决所有这些技术问题时，公司会根据结果付费，而不会想根据构建某样东西所需的时间来付费。是的。关于更多细节，大家可以回看我们上一期播客，你们真的是按故事点数付钱的。是的。你们只需要就故事点数达成一致。但这也意味着一些 10 倍工程师一年真的可以赚几百万美元，而另一些人可能赚得没那么多，只是因为他们没那么高产。是的，完全正确。核心论点是，AI 其实只是对人类智力的杠杆化押注。

3:29 以及职业素养。所以你在赚钱能力上的波动会比以往任何时候都大。我们的观点是，我们的模式并不适合所有人，但对于那些基本上想靠自己长期做下去、拥有扎实的软件工程基础、同时又不断推动自己利用前沿技术、尽可能扩展自己的时间以获得高质量产出的人来说，没有比这更好的赚钱方式了。上次我和你聊天的时候，我想你可能有两三个人年入百万或超过一百万。这方面有什么新进展吗？是的，是的，是的。为了让大家有个概念，

4:05 我们在 18 个月前创立了 Tenex，当时我们刚开始这项业务。最初，我们其实是一家 AI 驱动的开发公司。最初的想法是，工程领域有点像 AI 的金丝雀（预警信号）。一部分动力来自我的联合创始人 Armand，他是技术出身，开始大量使用编码代理。然后他认识的一些人还在往 IDE 里敲代码，完全没有采用这项技术。于是我们想，为什么不为那些没有采用这项技术的公司的工程部门提供超级助力呢？所以我们从那里起步。然后随着我们从初创公司和中端市场

4:42 公司向上拓展，现在，你知道，我们 50% 的客户是 Fortune 2000 企业。另外 50% 是营收在 1 亿到 5 亿美元之间的中端市场公司。他们要求的不仅仅是员工组织和 AI 工程。他们要求的是 AI 转型即服务。如今，公司有 75 人。其中 90% 的员工要么是工程师，要么是 AI 策略师——你可以把他们看作技术顾问。我认为这个论点已经得到了验证，那就是 Tenex 薪酬最高的工程师和薪酬最低的工程师之间，

5:20 在赚钱能力上存在非常大的差距。差距大概在 4 倍左右。哦，不是 10 倍吗？不是 10 倍，是的。那是梦想。是的，没错。但关于这个论点的一切都得到了验证。我认为围绕我们按故事点数付费的模式，有一些有趣的发现，这个模式有我们已知的局限性，以及我们未来如何考虑这个问题。但总的来说，我认为人们对这种按产出付费模式的担忧——经典的担忧是，故事点数是主观的。人们要么会故意压低故事点数，要么就只是

5:55 发布一堆糟糕的代码。敷衍了事。没错。但并没有真正完成工作。是的，完全正确。我想说这两个担忧根本不是问题，因为有我们的 AI 策略师。我认为我们的激励机制与工程师完全相反，AI 策略师的激励与客户留存和增长挂钩。实际上，最大的挑战是如何补偿工程师所有没有花在编码上的时间，无论是架构设计还是与客户开会。这就是我们不得不在薪酬模式中寻找细微差别之处，

6:30 但它在很大程度上仍然是基于产出驱动的。还有什么要补充的吗？是的，关于这一点，我花了很多时间思考，因为如果回想我在 Tenex 的经历，我一直在写代码，写很多代码，后来写得少了，而现在我们差不多到了这样一个阶段：只要给模型提供正确的上下文，它就能帮你完成 90% 的解决方案。我确实认为这里有一些机会可以思考，比如真正的价值在于坐下来和客户交谈，听取他们能倾吐的一切，然后把这些提供给模型

7:05 以真正更接近解决方案。所以我想象，在未来，我们会更多地去看真正的产出是什么、它如何运作、它是什么样子，而不是那种传统的故事点模式，但仍然以故事点作为单位。我觉得还有一件事，我不知道我们之前有没有聊过，就是这个元框架（meta harness）的想法，也就是我们在 Tenex 使用的工程工作流程，它让我们能够在长时间运行的任务上完成非常有意义的工作。你想不想讲讲我们的流程是什么样的？因为我觉得大家会觉得这很有意思。好的。所以我们基本上开始尝试标准化一套技能。

7:44 嗯，我想到目前为止大多数工程团队都做过类似的事情。对我们来说，这发展成了一套实际上非常结构化的文档体系，放在一个代码仓库里，然后外面包着一个 CLI，模型使用它来实际驱动正在进行的工作，无论是创建计划、可视化，还是为客户生成一些报告，基本上就是把流程中的所有环节都围绕着实际编写代码构建起来，使其在我们的团队中更加自动和标准化。所以我们有几样东西，比如一个大型的规范计划文档，它有一些类似的

8:20 结构，但我想说，随着模型变得越来越好，我们实际上减少了那里的结构强制性。所有这些都类似。但一旦你有了计划，你就可以把它构建出来。我们有一个非常有主见的方式来让智能体记录它们的决策、记录它们正在做什么，并持续跟踪它们的进展。所有内容都提交到 Git。是的。所有这些都被提交了。所有这些现在对我来说更像是被记录下来的，更多是 HTML。我喜欢看这些智能体生成的图画书。但所有这些都会被提交，然后它就充当了一个界面，在这里不仅

8:55 代码是源头，我认为存在一个争论，比如你是否真的需要文档？代码实际上可以成为一个代码库的记忆。但我确实认为你需要。你需要知道你为什么做出某个决定。你需要知道当时对话的上下文。但最终，加上代码库，如果有问题，如果有需要回答的内容，如果我们需要回顾为什么做了某件事，我们总是能在某个持久的记录中找到它。它从不只存在于某人的脑子里。它总是在代码仓库里。所以这给了我们的智能体和工具这些超能力，让它们拥有所有上下文，而我认为很多工程团队仍然只是把这些放在

9:31 的对话，或者他们脑子里的想法。我们的目标是继续推动这一点，让所有上下文都集中在一处，越来越多的工作由智能体来驱动，而不是由我们提前提供一切。是的，太棒了。我们衡量这些流程是否奏效的一个方式，就是看公司里每位工程师每月的平均故事点数是否呈上升趋势。对。那你觉得相比今年年初，增长了多少？我不知道。你觉得呢？你觉得……加 50%？我觉得，这真的要看情况，因为我们有些人……

10:09 我在 Twitter 上看到一张图，一个人站在一个巫师水晶球上方，天上飘着这些东西。当我看到我们的一些工程师指挥智能体时，我就是这么想的。总体来说，我会说今年实现了 2 倍的增长。基本上，如果你把 12 月看作是 Opus 4.5 的时刻，那时模型真正开始承担这些长时间运行的任务，而到了今天，我们又回到了 Opus，不过是 Opus 5.5。我的意思是，那是一个非常出色的模型，真的能完成大量工作。在那段时间里，我认为工程师的实际产出，

10:44 大致翻了一番，也就是他们在相同时间段内能完成和覆盖的工作量。现在的一个故事点和一年前的价值一样吗？我们一直在努力校准。这是一个棘手的等式。是通胀还是通缩？我的意思是，理论上应该出现通缩，对吧？是的。是的。我不知道。我们大致就是这样考虑的。我会说，我们至少每季度坐下来评估一次，比如，我们对这些故事点的标准是什么？我们实际上是如何估算这些项目的？需要在仍然奖励这种

11:19 产出与随着模型变好我们需要能够校准我们创造的价值之间取得微妙的平衡。所以总体而言，我会说大约 2 倍的增长在我们做这些估算时起到了类似的作用。但如果我只看人们现在构建和推出的一些功能和产品，与去年这个时候相比，这种差异简直疯狂。所以我可以从几个角度来谈这个，但我还是想聊聊模型偏好的话题，因为这一直是个热门话题。我想你们只是让人们选择他们喜欢的工具，但也许你有一些统计数据

11:55 关于公司内部更偏好什么。看起来 Opus 领先。你能估计一下市场份额之类的吗？现在的风向是 Opus 5.5，我觉得。不用 Fable 吗？我不太用 Fable，而且我觉得现在很多人也都在默认避开它。Opus 太棒了。它快，又便宜。基本上满足了我所有的要求。我会说，我以前会用两到三个模型，取决于它们是便宜快速的，还是真正聪明的，或者能否解决特定问题。而现在 Opus 基本上覆盖了我的全部需求。

12:30 我觉得团队里很多人在需要做更偏向 computer use 领域的事情时，还是会去用 Codex 这类工具。而从工作流的角度来说，我认为同时使用两者仍然是最好的选择，无论你的主力模型是什么——对我们大多数人来说，那是 Opus 5.5。用 Codex 来做审查，让它真正在你的机器上与你来回协作，我认为仍然能产出最好的结果。不过目前我们在这两者上是相当一致的。你还在用 AMP maxing 吗，还是不用了？我当然在用 AMP maxing。所以你是通过 AMP 使用 Opus？是的，他们最近……

13:05 那是 AMP 的默认模型。他们最近推出了接入你的 Cloud Code 订阅的功能。这对我来说是个相当大的改变，因为它真的能把你的成本降低大约 80%。完全同意。我是说，我喜欢 AMP，因为它把所有东西都从我的电脑上拿走了。他们有这种云端设置，也就是 orbs。我们上周还和他们合办了一场 happy hour，所以能见到团队、一起 orb out 很酷。orb out 这个说法永远不可能流行起来。哦，是吗。我想把它变成一个流行说法。这可能是历史上第一次有人说出这句话。

13:41 我们正在 orb out。我们刚才在 orb out。不，他们确实会说现在是 orb time。是的。不过，是的，这就是我首选的界面。而模型基本上就在那之间，如果我倾向于用 Codex 的话，是 Sol6 one。你试过 CloudTag 吗？你不觉得奇怪吗，Anthropic 从来没有像 Orbs 那样拿下远程环境这块？是的，我觉得其中有一部分原因，在 AMP 这边，他们非常有主见，不试图构建一个通用解决方案。像云端的 CloudCode 和 CloudTag 这样的工具，我认为能为那些真正想要协作、也许是非技术任务的团队提供价值。

14:16 但我喜欢 AMP 的部分原因在于它具备所有这些跨模型的功能，我可以做到这一点。Opus 来写代码，我甚至可以跳到另一个 orb 上，说，看看那个 orb 并审查它。所有这些加在一起，基本上就复刻了我在本机上所做的事情。而用云端的 Cloud Code、Cloud Tag，我就是没法完全做到这一点。是的，是的。有道理。另一件我一直在追踪的事情——我今年开始追踪——是 token 支出占员工支出的百分比。我不知道你有没有这个数字。粗略地说，大多数公司大概是，

14:53 每位员工 10 到 200 美元的支出。更偏 AI 原生的公司会把它换算成一个百分比，大约 10%。AI 初创公司的普通员工在员工支出和 token 支出方面大约是 1 比 1，然后 token 支出可以达到 5 到 10 倍。你们在这个区间里处于什么位置？我其实脑子里没有一个确切的数字。我会说我们大概在，如果我们说的是原始 token 的话，在 1 比 1 到大概 2 比 1 之间。

15:29 真的吗？那相当高了。我们经常思考的一个问题是，什么时候该动用最大的模型。我觉得每家公司都开始在想这个问题了。但我要说的是，最近我们的成本已经因为 Opus 5.5 而大幅下降了。我们曾经历过一个时代，所有人都在用 Astra 和 Fable，因为它们能给出最好的结果。但归根结底，这些模型很贵。而且，自从上次我们聊过之后，很多人都陷入了这种 token maxing 的狂热、token 排行榜之类的。然后他们就说，哦，不行不行不行，现在成本太高了。这简直是世界上最可预测的事情了。你有没有为此担心过，还是说你只是获得了很好的投资回报？

16:07 不管怎样？这个，是的，我的意思是，我有几种思考方式，就是说我们确实，我们确实很担心，就像我们的人数在增长一样，而且，嗯，我觉得还有，虽然我们的团队，我会说，我不觉得我们团队里有任何人真正认同过 token maxing 的时代精神，因为……我有过几次这样的时刻。是的，我也是。但感觉就是，嗯，既然老板愿意买单，那我就放开手脚干，对吧？因为这样你才能去做那些奇怪的事情

16:42 这样你之后才能缩减规模，但你必须先去做那些奇怪的事情，才能发现那些你可以带走的经验教训。是的，完全同意。我的意思是，这听起来可能很疯狂，我也很想听听你的想法，但我早些时候在和一个人聊一个持续存在的争论……基本上，我保证这有关联。我早些时候在和一个人聊这些数据公司，对吧？比如 Micro One、Mercore、Handshake。就是说，这些业务的长期前景是什么样的，对吧？因为它们 90% 以上的收入都来自实验室。

17:17 这些创始人中有一些人会认为，他们觉得未来几年情况会反转，变成由企业驱动。然后我想到的是，如果企业将成为这些数据的核心买家，我认为你接下来必须相信的是，企业会在自己的模型上做大量的微调。那么问题就变成了，这在什么情况下才有意义？要么你认为质量会更好，但同样，前沿领域的标准只会不断提高。所以这是一个很难下的赌注。那就只能是价格了。价格这一点对我来说感觉很难，因为我们看到这些模型的 token 成本在持续下降。

17:52 所以我想，我们内部不担心的部分原因在于，这几乎让我们感觉已经达到了某种帕累托最优，即每个任务的成本都在下降。现在，有人想通过 token maxing 来坑公司成本，比六到八个月前要难得多。我几乎觉得六到八个月前才是你真正该担心的时候。是的。你同意吗？是的。我觉得未来可能会有几种发展方式，比如如果存在这样一个世界……

18:30 那里有 Astra 6.5、Fable 5.5，它们非常昂贵，但能带来我所见过的最佳效果。我觉得我们可能会重新朝那个方向发展，但总体上我同意，你知道，像 Muse Wonder 这样的产品，他们昨天或今天发布的，已经处于前沿，而且价格极低。竞争正在升温，无论是在开源还是闭源领域。我认为这只会继续压低成本。而当你真正审视时，很多具有经济价值的任务用 Opus 5.5 就能完成。所以就存在这样一个临界点，

19:08 一个聪明 10 倍的模型真的值得为在电子表格中移动几个单元格付出成本吗？可能不值得。对吧。那么回到你的客户以及你在市场上看到的情况，你们收到的最常见的需求是什么？然后有没有人们来找你们，而你们会说，不，我们实际上还不想接这个活儿？是的。我思考这个问题的一种方式是，我把企业采用 AI 看作几乎像一场比赛中的不同里程碑。我觉得，尤其是在 AIE，当我告诉人们有多少比例的公司达到了这些里程碑时，他们会觉得非常震惊。

19:45 但这就像，好吧，企业 AI 竞赛的第一个里程碑就是向你的员工推出一个通用 LLM。我会说，在我们今天接触的，比如说 100 家企业中，90% 已经向员工推出了 Claude 或 Codex。然后下一个里程碑是真正教人们如何使用它，比如培训和赋能，这从来得不到它应得的重视，但可以说和技术本身一样重要，甚至更重要。我会说这个比例大约在 60%。

20:21 哦，那相当不错。是的，是的。确实有一部分公司觉得，我们的员工自己就能搞明白。但还有很大一部分是，好吧，我们需要教员工什么是技能。我们需要教员工这些界面的功能和特性。然后在通用 LLM 的培训和赋能之后，下一个就是编码代理。而疯狂的是，我在这里问了一些人，你觉得有多大比例的企业已经向公司的工程产品部门推出了编码代理？大多数人会说，肯定有 70% 或 80%。而实际数字更接近 50%。

20:57 我们接触的每两家其他企业中，就有一家要么没有推出编码代理，要么他们使用的更接近于没有编码代理而不是有编码代理。然后下一个，这也是我认为最大的，我会说，流失点，也就是从原始智能到企业应用之间最大的扩散鸿沟，是用于非工程工作的生产环境代理，这个比例降到了 5%。就像，我是说，你整天都在参与这些对话，但我们接触的大多数企业，就说是员工超过一千人的企业，都没有一个在生产环境中实际做工作的代理。

21:33 那不是在构建软件。所以我认为有几件事。其一是，因为就像，这整波浪潮是由一小群人理解这项技术的可能性，加上一大群被 FOMo 驱动的人共同推动的。顺便说一句，FOMO 并不坏。它创造了一些前进的动力，但也意味着人们会抓住那些最热门的东西。我想现在过去一年半了，人们一直在说这是智能体之年，或者不管多久了。每一年都是智能体之年。

22:08 就像企业会说，你能帮我们为组织内的某个后台任务构建一个智能体吗。这是最常见的事情之一。这也是为什么现在我们在 Tenex 做的很多工作是将智能体部署到生产环境中，为公司处理可重复的工作。第二是权限管理和 RBAC。基本上，当公司里每个员工都有 CLAWD 或者他们有 codecs，他们需要访问某些数据时，这对 CIO 和 CISO 来说已经变成了一场噩梦。而且他们基本上没有一个好的网关来轻松实现，

22:46 几乎就像一个数据权限的控制面板。字面上就是你能读什么，你不能读什么。没错。这是一个巨大的问题。所以这是我们花很多时间在上面的事情。所以你是为人们定制的，还是你买现成的东西？基本上我们开始是为公司定制构建的，现在我们实际上已经将其产品化，我们有了自己的网关解决方案。是的，没错。还有什么让你想到的，比如，我们从客户那里听到了很多？我认为这涵盖了我们在智能体部署方面听到的内容。我认为其中一个总是被发现的痛点，

23:22 我对团队的表述是，你无法自动化一个不存在的流程。所以当你有 40 个人都在大致做同样的职能，但他们每个人做的方式都略有不同时，实际上构建一个能在后台主动执行的智能体要困难得多。你完全可以坐下来和他们一起，给他们工具，教他们如何增强自己的工作流程，但当你真正开始获得杠杆效应时，是当这些智能体向你呈现工作，你进行审查，你把它退回去，你变得更像这种，你知道，每个人都在谈论成为智能体

23:57 管理者，我认为我们正处于那个临界点，但当你拉远视角时，我们对公司的建议通常是，嘿，首先，我们需要围绕你公司内的这个组织建立一个流程。然后这是我们实际将这项工作交给后台智能体的步骤。但如果我们没有某种形式的标准化，智能体就不可能知道它是否做对了，我们也就无法围绕这个系统构建评估，真正交付一个执行此职能的智能体所能带来的价值。甚至有一件事我很想听听你的想法，我们刚才就在讨论这个

24:35 是的，而且，呃，CJ 应该不会介意我分享这个，就是我们在讨论垂直领域的 AI 解决方案，以及这些解决方案的未来会是什么样子。我们总体上对不同职能或行业的垂直 AI 解决方案持看空态度，部分原因是我们整天泡在企业内部，深知其中有多少细微差别、多少惯性、多少需要摆平的系统和人。而且，当一个垂直解决方案的买家

25:11 期望获得真正独一无二的体验时，我们正处于一个人们期望获得独一无二软件解决方案的时代。所以如果你期望这样，那么每家软件公司基本上都在组建 FDE 团队也就不足为奇了，因为服务和软件正在融合，每家公司都想要那些传统上并不指望软件提供的细微定制。所以我认为思考一下，是的，关于垂直领域的解决方案，很有意思。第一，他们如何才能做到

25:47 在每个人都期望独一无二的解决方案的情况下，还能保持软件的利润率？而且，我们为什么不认为前沿模型会直接把它们吞噬掉呢？是的。举些具体的例子，你说的是像律师用的 Harvey。对。医生用的 Open Evidence。这些是各自领域获胜者的经典案例。而你对它们看空？我基本上对它们看空。没错。哇，到目前为止你都错了。是的。我认为答案非常简单，就是获取 ChatGPT 不会有的数据，

26:22 这很常见。这就是护城河。显然，Anthropic 和 OpenAI 也在获取相同的数据源，但他们不像这些公司那样专注。它们确实有创新。如果你试过 Harvey，他们有 Tabular Review。Legora 也有。我们请过他们的 CTO 上播客，他们有专门定制的功能和界面等等，因为他们只为这些客户服务。卖点基本上就是专注。专注，也许还有功能特性。你说的功能特性是什么意思？在某种意义上，你关心客户的最后一公里，他们关心

26:57 他们软件的最后一公里。只要人们在那套软件里受训，它就永远不会消失。就像作为银行家，或者，你知道，在我的金融职业生涯中，我总能从 NASDAQ、从纽约证券交易所获取完全相同的信息。但我为什么要每年花 5 万美元买 Bloomberg？嗯，就像那是我所有同行都在做的事。而且它为我整合了一切，为我做了专门定制。这样我就不会犯错之类的。或者它和我的交易系统、我的聊天、或者我的新闻系统绑定在一起。不，我认为人们为 Bloomberg 付费是为了社交网络。我觉得人们喜欢 Bloomberg 里的私信功能。

27:33 有这回事，有这回事。但作为一个交易员，我知道我实际上用它来干嘛。对对对。所以，我觉得有很多集成和工具，而且我认为最终很难对它们中的任何一个看空，主要是因为对软件的需求、对完成工作所需的工具的需求是巨大的。其中一部分，是的，会由横向的通用工具来满足，比如 Claude 和 ChatGPT，而另一部分，你就是想要更好的东西。你知道，我总会想到 Superhuman 作为邮件客户端的成功。每个人都有 Gmail，但这就是高级版的 Gmail，为那些整天活在邮件里的人提供更多功能。

28:09 而且，那是一个市场。它可能不是世界上最大的初创公司，但我认为理性的人可以对每样东西有多大持不同意见。是的，完全同意。我认为没什么可争议的是，整个市场会增长，水涨船高。到那时你谈论的就只是市场份额的百分比之争了。是的，是的，我同意。完全同意。我认为甚至有一种区别，是关于一些从零开始构建、融入 AI 的全新应用。当我想到 Superhuman 时，这就是我脑海中浮现的。我喜欢 Superhuman。我甚至不怎么花时间在邮件上，但任何有……

28:44 不，你每月付 30 美元就为了不用操心它。任何有很酷快捷键的东西我都喜欢。是的。但当我想到，我猜，那些真正把某个智能体作为产品来推销、让它在某个特定垂直领域干活的产品时，除非存在某种非常战略性的合规数据、无论它可能是什么、护城河，我认为它们未来会举步维艰，因为我们开始看到，要么你能非常快速地自己搭建一个，随着模型变好而不断复利，要么那些任务开始落入

29:21 模型通用能力的范畴。但任何围绕它构建了应用和工具的东西，就像我之前说的，改变了流程，并在其上有一个智能体。我认为这建立在同样的理念之上，我认为这仍然可以非常有帮助，那些会成功。是的。哦，好吧，好吧。关于这个有一个相关的观点，可能不像你的那么辛辣，基本上就是不是没人想用……人们可能不想用你构建的智能体。他们想用他们已有的智能体，他们想把你的数据接入他们的智能体。所以每个人都持有你的一部分数据，

29:58 然后他们说，用我的智能体吧，求你了。请付我那每月 20 美元。但你没法把所有这些每月 20 美元的订阅都堆起来。最终，可能只有少数几家公司会拥有这个界面，然后所有人都接入那个总的智能体，这一点我同意。然后有意思的是，Salesforce 作为记录系统公司之一，可能是最大或最知名的，正在拥抱这条道路，就像你不会使用我们的智能体。我们会只提供 API 和 MCP 让你接入你自己的东西。是的，这还挺酷的。好吧，其实我还想再过一个例子。

30:35 我刚刚发布了我的 Kill My SaaS 比赛结果，我们用它替换了一个中端 SaaS。我说的中端，基本上是指它可能没那么简单，但也不是 Salesforce，而是介于两者之间。我认为市面上有很多中端 SaaS，人们总在谈论软件的消亡，对吧？我们收到的报价是每年 40,000 美元，我们花了 1,000 美元就把它替换掉了。它将在下一次会议上投入生产使用。所以我们就是那种客户，会说，我想要一对一的工具，我期待所有这些功能。我们正在为自己的业务构建一个领域特定或垂直特定的东西。而且到目前为止进展还算顺利。

31:10 告诉我哪里出了问题。另外，我想知道那相当于多少故事点。是啊，嗯，CJ 可以评估一下那里的故事点。我的总体看法是，我认为拆掉并从头构建——我的总体看法是，你在业务中越往高端走，拆掉并从头构建的主张就越难。我同意你的观点。就像人们说的，只有一小部分人说，Salesforce 真的很危险，SAP 真的很危险。我完全不同意这个说法。在我看来，这些业务只是在当下不断积累价值

31:48。它们积累价值的部分原因在于，其中涉及太多资金，如果一家公司拆掉它们时搞错了，你谈论的可能是数亿甚至数十亿美元的损失。你会规避风险。是的，完全正确。我认为对于中端市场，这实际上取决于机会有多大，以及这是否永远会成为企业内部值得重新构建的机会。我甚至在想，在企业中，假设有一些中端 SaaS 每年价值几百万美元。

32:23 我认为第一个问题是，从收入或成本的百分比角度来看，这是否足以真正产生影响，从而基本上分配工程师或资源去做？我认为这要视具体情况而定。我认为对一些企业来说，答案可能是肯定的。对其他企业来说，答案可能是否定的。我认为更多的是，这将成为让企业超出自身能力范围的事情。比如，你知道，我们谈到过，我忘了是谁创建了那个仓库。那基本上是逆向工程仓库。RIA。是的，没错。现在每个人都在谈论这个。甚至在 Tenex，我们也从头构建了自己的 CRM。

33:05 我们构建了什么？我们的操作系统是从头构建的。而且，我认为我们意识到的一件事，每家公司都会意识到这一点，就是软件的美妙之处不仅在于你从中获得的效用，还在于当它不在你的核心业务中时，你不必为维护和改进它而操心的所有麻烦。所以我认为这基本上归结为：奖品是否足够大，以至于值得你公司投入一定资源去培育一个非核心业务的东西，从而承担相应的认知负担？

33:41 显然，我认为对于你的业务来说，基本上每年 39,000 美元的差额，你其实是在说这是值得的。这不只是成本问题。那是防守。我还会想到进攻的一面，就是说，不，实际上我们的体验对每一个相关方来说都可以好得多。完全，完全同意。所以，是的，我认为这部分想法其实是，有一个重大的，基本上不只是这样。所以有两方面。一是，不只是我们为某个产品被多收了钱，而是这个产品长期以来一直很平庸。是的。这个产品好上 10 倍的版本会是什么样子？

34:17 是的，因为我们就是客户，我们可以以分钟而不是以月为单位进行迭代。完全同意。我认为，我其实觉得有趣的是，我认为初创公司甚至高增长的中型公司都可以在这方面保持灵活。我认为对于企业来说，他们在某种能力上已经根深蒂固，很少会成为那件事，很少他们会说，哦，我们可以为我们使用的这个 SaaS 创建一个好上 10 倍的版本，然后可能会把它作为一个独立的东西推出，或者不管它是什么。我只是不认为企业的运作方式是那样的。确实。是的，这已经被讨论过了。

34:52 实际上，我想说的是，你谈到自动化。更劲爆的问题是，他们是在自动化人类，对吧？一旦一切都实现了自动化，一切顺利，我们会取代那些工作岗位吗？我不知道你能就此说多少。是的，我的意思是，我认为这里有两方面。我真的深信 AI 会为人类带来好处。它会增强人们的工作。它绝对会改变和取代。但我认为这更像是一种运动，而不仅仅是削减工作。我认为 A16Z 发布了一些关于

35:28 呼叫中心现在真的在衰落，AI 正在开始处理越来越多这类工作的内容。最终，如果那是你整个职业生涯建立起来的技能，那么有东西进来接管那个职能，那是毁灭性的。话虽如此，当我们与客户谈论，嘿，一个智能体现在将要做这项工作时，我们所做的一部分实际上是关于重新分配。我不认为任何企业会声称，一旦我们解决了这个问题，这群人就无事可做、无问题可解决了。所以我们的方法真的是关于我们能替换什么，然后接下来要解决的最大问题是什么？

36:05 而且我会论证，在大多数大公司里，这种循环会永远持续下去。总会有下一个问题，如果我想想我们是如何成长的。无尽的需求。总是有另一个问题，实际上，让那些可能拥有超级深厚专业知识的人浮出水面，开始更多地跨团队工作，或者更多地思考业务的各个部分，而不是电子表格里的某个单元格，而是更多地思考这些团队如何协作。最终，从长远来看，我认为这能让大多数人留在那里。

36:41 让这些企业变得更加灵活，真正去解决那些重大棘手的问题，而不是纠缠于大多数人日常的琐碎工作。当你想到财务部门的人时，他们大部分时间都在处理电子表格，但我们如何能提升他们，让他们从战略层面思考业务、资金分配之类的事情。是的，我也觉得当我们讨论岗位替代或岗位重新分配时，我们把它说成是发生在人们身上的事情。我不喜欢这样做的一个原因是，我觉得这没有充分认识到人们

37:17 在自己生活中拥有主动权，也就是说我认为……你可以调整。是的，人们真的应该去思考。当我想到赋能或人们重新掌握技能时，我认为这是雇主的工作，因为他们想要推动业务增长，但这也是员工的工作。当人们说 AI 将会取代人们不喜欢做的所有工作时，我认为这有点像对现实的一种自我安慰，实际上很多人会因此失业，因为很多人并没有挑剔工作喜不喜欢的奢侈。他们做一份工作就是为了赚钱。而且我认为人们在可能的情况下，

37:53 应该有主动权对自己说，好吧，我的工作在未来几年的稳定性或可替代性如何，如果我想通过提升技能来更好地保护自己，那应该是什么样子。人们有主动权对自己说出这些话并真正采取行动。是的是的。嗯，我觉得这是一个值得人们反思的好信息。在让你们离开之前，我想谈的最后一件事就是纽约。嗯，你知道，呃，根据某些人的说法，世界上最好的城市。某些人。你和人们交谈时，无论是在工作中还是私下里，总体上人们的情绪是怎样的？是什么感觉，对吧？

38:28 我整天都住在旧金山。每个人整天都在使用 agent。讨论的话题是 Instincts、Grok 或 Muse。不是你喜不喜欢 AI 这种问题，对吧？我觉得我想暂时跳出那个圈子，但它仍然是纽约。它仍然是进步的。它仍然是前瞻性的。是的。我想说的是，基本上，我会说纽约也有一个泡沫，但比旧金山的泡沫要小。如果旧金山是一个大泡沫，我觉得我们在 Tenex 感觉就像是，你知道，我们身处一个，我会说是一个旧金山的缩影

39:03 因为那些自我选择来这家公司工作的人。还有我们合作的公司以及我们在纽约接触的人。但我肯定会说，确实，这比旧金山的圈子要小，当你去旧金山时，感觉无处不在，每个人，无论你看向哪里。有个人，类似于 AIE，就像我之前说的，当我上台时，如果人们去 Twitter 或 X，因为他们觉得自己身处 Edge City，生活在未来，AIE 就是那个的加强版。我觉得旧金山类似于 AIE。

39:40 我是说，AI 从业者总体人群与曾在旧金山生活过一段时间的人群，其重叠部分可能非常大。我们现在大约占这座城市人口的 1%。真的吗？就世界博览会而言，是的。这太疯狂了。是的。但话说回来，我认为这已经融入了旧金山的文化和基因里——很大一部分人是活在未来的人。我觉得你在纽约也能找到这样的人群。我认为我们在 Tenex 就找到了这样的人。我们目标的一部分就是推动 AI 成为一个中心，或者让纽约成为一个中心，成为

40:16 美国的 AI 中心，因为这里有如此多的商业活动，技术的扩散将在这里产生对美国 GDP 有实际意义的影响。我认为泡沫现在变小了，我们几乎把扩大我们的泡沫视为己任。也许我不知道能否达到旧金山的规模，但我确实认为我们可以在让更多人在这里活在未来这件事上产生有意义的影响。这是有形的，比如你在广告牌上就能看到。它正在慢慢渗透进来。哦，完全同意。人们以前，还记得 Friend 的营销活动吗，人们在那上面喷各种涂鸦？我觉得那有点像是故意的引战诱饵。但现在你有了不带反讽的 AI 广告牌，人们就会觉得，我想

40:52 这就是生活的一部分了。百分之百。是的，所以我认为，有机会把旧金山所具有的那种前沿、那种活在未来的状态带过来，这得益于那里存在的经济环境，得益于风投，得益于科技公司，也得益于被那里吸引的人。但我也认为我们……这很奇怪，我们在 AI 方面是在一个较小的池塘里，但我想说在商业价值方面，我们所在的池塘即便不是更大，也是同样大的，就像

41:29 商业价值方面一样。所以我实际的说法是，我在纽约做 AI 的原因，就是我把所有来自旧金山的人都带到这里，让他们见见自己的客户，同时也接受一次现实检验。完全同意。而且我确实认为这里面有一个非常有趣的套利机会。是的。是的。是的，完全同意。好的，太棒了。招聘宣传。我知道你们一直在招人。是的。你们在招什么人？有什么变化吗？是的，我们在 Tenex 招聘前沿部署工程师。直接访问 tenex.co 就行。我们还一直在招聘 AI 战略师，他们基本上是主导客户项目的资深技术顾问。团队在纽约市已有 75 人。我们继续把纽

42:07 约市作为我们的家。然后，如果你是一家企业，想要真正实现 AI 原生化，你已经尝试过了但行不通，那就联系我们。我保证我们的工作会比……我不会点名，但会比很多其他传统咨询公司做得更好。哦，够犀利。CJ？是的，我完全同意以上所有。我特别需要工程师。特殊项目是什么？那是什么？特殊项目涉及我们客户工作之外的任何事情。所以我想想我现在的脑子在做什么。它在构建那个内部的元框架和系统，基本上它就是

42:45 探索模型能力的最前沿，并为它们提供工具来增强其能力。同时也在内部开发 Alex 提到的那个平台。那里的宏大目标是，把这些后台智能体（background agents）推广开来，以真正、真正对它们有帮助的方式交付给企业。是的。并解决我们之前提到的那些棘手的 IT 问题。老兄，等你有了一些解决方案，我们 Latent Space 博客接受客座投稿。我很欢迎知识分享。不过除此之外，非常感谢你抽出时间。

43:20 很高兴在纽约再次见到你。是的，彼此彼此。感谢。一年一次，一年一次。太棒了。谢谢。