先说结论

这期 a16z 访谈（《Why a $1M Startup Wasn’t Worth Building in the Age of AI》，2026-10-19 发布，约 62 分钟）的嘉宾是 Jean-Denis Greze——Plaid 前 CTO、AI 助手公司 Town 的创始人兼 CEO（转写把他的名字误作「John Dennehy/John Denis」，经查证应为 Jean-Denis Greze）；主持人是 a16z 合伙人 Alex Rampell（转写误作「Alex Ramel」），他当年主导了 a16z 对 Plaid 的投资，如今也是 Town 的投资人与重度用户。三条主线值得记住：其一，一个第一年做到近百万美元营收的 AI 报税产品，因为「一年只卖一次 + 在位者有分发优势」被判死刑——选市场的框架比执行更重要；其二，Town 的新产品哲学是把助手当成「token 分配机器」，随着 token 变便宜，无数低频但真金白银的任务第一次值得自动化；其三，面对 OpenAI、Anthropic 这些既是供应商又是竞争对手的实验室，应用层的防御是「模型中立 + 客户真正拥有 context 层 + 不训练」，而访谈最后把画面拉得更大——当 agent 流量大幅超过人类流量，靠聚合供给、贩卖注意力的商业模式（Amazon 广告、优惠券、会员 breakage）可能整体贬值。

一、「成功」产品的死亡：为什么百万美元营收不够

故事从一次尴尬的咖啡开始。Greze 离开 Plaid 后探索 B2B 方向，选中了中小企业报税：税务材料全是文本、输入高度结构化（财务报表、租约文件），正是 LLM 擅长的形态；技术尽调后他判断，两年内「从财务资料到一份完成的报税表」可以全自动。团队做了一年，结论是：产品成立，市场进入不成立。第一年营收「略低于一百万美元」，预计第二年做到 250–300 万——Greze 的原话是，放在前 AI 时代这是一门说得通的好生意，但在 AI 时代「这不是一家能长成风险投资规模的公司」。

他给出的机制解释比结论更有价值。第一，报税一年只发生一次，产品「根本不可能成为日活工具」；第二，口碑的时点错配——人们只在报完税之后夸自己的报税体验，而选报税服务商发生在来年，赞美早已被遗忘；第三，也是最关键的：在位者拥有分发优势，可以用同样的技术更快地为存量客户自动化报税。新进入者唯一的优势是更快，但「墙上挂着一口倒计时钟」——你必须抢在在位者复制之前建立真实口碑和网络效应，而报税的年频特性让这不可能。他用朋友的教训作类比：做教育科技的人一年只有两个销售窗口（暑期卖秋季、年底短窗口），永远无法超线性增长——「我选报税时偏偏忘了这条」。

止损决策本身也有机制。因为报税是年度生意，转向的窗口只有一个：10 月 15 日（延展报税截止）之后约一个月——过了这个窗口，1 月已签一半合作方、4 月中旬已收客户资料，就再也无法回头。Greze 认为，周期性业务反而逼出了决断力；连续性生意里人总可以骗自己「再试一个月」。组织上的配套动作是承认失败：帮税务团队的人找下家、给体面的遣散，「先想清楚谁会因为你失败而受损，就没那么难开口」。

二、新产品哲学：不是助手，是「token 分配机器」

转向的线索来自报税客户的顺嘴抱怨：约会议、会前忘了上次会议内容、客户反复问同样的税务问题。这些需求都不复杂，但「没有人围绕这些最常见的知识工作者工作流做好 AI」。时机上，Claude Opus 4.5 前后模型开始能做越来越自主的 agent 工作，Town 从 12 月做到 4 月，产品「每天增长 1% 到 1.5%」，被用户拉着走完了闭环。

Greze 拒绝把市场定义为「助手」。他的定义是：帮人找到越来越多「部署 AI 把工作做得更好」的机会——他把产品称为「token 分配机器」。逻辑是 Jevons 悖论式的：当 token 越来越便宜，大量以前不配占用人工的任务第一次值得做。他的招牌案例是餐厅批发价：美国的食材批发商每月或每季度发来一张有上千甚至上万条品项、价格随时变化的 Excel/PDF 价目表；理论上餐厅应该定期比价、发现某样东西涨了 20–30% 就换供应商，但实际上没人做——低频、麻烦、不在运营流程里。让 Town 每月自动跑一次比对，「每月成本约 1 美元，12 个月里 11 个月一无所获，但剩下那一个月会帮你捞出成百上千美元」。Rampell 接得妙：你去问餐厅老板「要不要一个行政助理」，没人要；问「要不要在生菜上省钱、一年省 500 美元收你 5 美元」，人人都要——这是 Geico 式的话术。

定制化则是一个人肉与自动化衔接的飞轮。因为企业级产品的前提是不看用户数据，Town 的做法是看聚合指标找出重度用户、去访谈：比如访谈十个开餐厅的 power user，找到五个共性需求，内部手工打磨成「routines」种子模板，新用户接入时识别出角色就推送；随着 AI 录音访谈、亚马逊购物卡激励这套流程自动化，「能替餐厅老板做的事从 5 件涨到 15 件」。Greze 的终局判断是提供「80/20 的定制软件」，而且一个人本就身兼多角色——既是餐厅老板，也管账，还有一栋度假 rental、还要给孩子排暑期活动。与实验室的 FDE（前向部署工程师）模式相比，他认为现在花 500 万美元一年买 OpenAI FDE 的企业体验很好，但模型越强，人力定制相对越差，自动化库的模式会规模化得更好。

增长策略上他同样给了可迁移的原则。联合创始人出身 Dropbox，带回来的经验是：世界级的产品体验可以倒推出企业版，但几乎不可能从合规、IT 需求出发倒推出好体验——所以先做 PLG、先做中小企业和中等市场，企业级的审计日志、特权信息隔离、CFO 要的成本看板后置补齐。访谈里最生动的类比是 Rampell 的 iPhone 叙事：2007 年每个 CEO 圣诞节收到了 iPhone，然后命令下属「让这玩意儿在公司里能用」，黑莓迅速死掉。Greze 补了第三种死法：当年有一家给 iPhone 做企业级邮件客户端的 Good Technology，产品「丑得惊天动地」，最后也死了——做企业 AI 的风险不只是当黑莓，更是当「Good」：有企业功能、没有消费级体验。而体验的扩散以「人的速度」进行：助理类产品全球今天也只有几百万用户，企业接入更慢——agent 需要拿到业务数据和 API 才真正聪明，「它们只和能接触到的数据一样聪明」。

三、应用层如何在实验室眼皮底下活：中立、所有权、不训练

既然 OpenAI、Anthropic 都在做带连接器的助手，Town 凭什么活？Greze 承认与自己的供应商竞争天然危险，先给了个「小答案」：邮件和日历的复杂度被大厂长期忽视。大答案是三件事，件件都是采购逻辑。

第一是模型中立。他反问一家 500–1000 人的中等市场公司：「你知道未来三到五年谁家模型最好吗？」没人知道。买 OpenAI 的产品就永远绑死 OpenAI 的模型；节目引用的例子是，两年前选了 OpenAI 的公司，在 Anthropic 编码能力领先的约 12 个月里被迫两家都买，否则没有竞争力。Town 的立场是「按当下、按模态（语音、视频、幻灯片）替你选最优供应商」，前沿模型与开放权重皆可，既省钱也对冲了押错宝的风险。

第二是 context 层所有权。Greze 的框架：前计算时代企业的资产是物理资产加人力资产，现在多了一桶「AI 对你企业的全部所知」。他要卖给客户的是真正的所有权——「如果有一天出现比 Town 更好的方案，切换过去只需要一天」。他点名 FDE 模式的实质是抬高你的切换成本，而 Town 反其道而行：主动压低自己客户的切换成本，「如果我做不出市场上最好的产品，那我就该输」。第三是不拿客户数据训练——足够大的公司实验室不会直接训练你的数据，但如果你的经营方式进了权重、又被卖给同行，等于「把你成功的秘诀卖给了别人」。

更激进的赌注在产品内部。Town 的 Teams 模式做了个内部 CRM 式的实验：问「有谁认识这家潜在客户的财务团队的人」，你的 townie 会去问公司其他员工的 townie，立刻返回答案——而 Slack/Teams 里广播同样的问题，全公司读完想一想，一天后才有回复。Greze 的说法是「人是慢速路由器」，对这类请求他们选择信任 AI 在公司内部中介安全与隐私，让公司以 AI 的速度运转。他相信未来「human in the loop 会远比今天少」，Town 的工作就是让企业适应这个宇宙。Rampell 则补了个竞争格局的观察：coding 落在了 Goldilocks 区间的错误一侧——对 Anthropic 而言大到「不能不做」（all-in 编码让它大获成功，OpenAI 也在学），而横向助手短期动不了那些巨头的 needle；Greze 的回应是，「AI 帮企业做得更好」的市场比编码市场更大，问题只是「什么时候，不是会不会」——他认为 12 个月内就会显形。

四、更大的画面：agent 流量与「供给聚合」的黄昏

访谈后半段从产品跳到分发格局。Rampell 称 agent 流量已大幅超过人类流量，并给出框架：互联网长期存在一个契约——雅虎财经免费给你股价，你的眼球喂给 eTrade 的广告——这个契约正在被 agent 打断。Amazon 作为广告公司选择对抗 agent，而 Greze 的判断是「Amazon 的损失应该是 Walmart 的收益」：Walmart 没有那么大的广告业务，激励结构不同。接住 agent 流量而不是封杀它，是「新 SEO」。

中立性问题随之而来：如果用 Meta 的 agent，而联合航空在 Meta 投的广告远多于小航司，航班推荐还会中立吗？Greze 的立场是「你要一个属于自己的中立 agent，它唯一的收入来源是你的钱包」，营销与广告可以是你主动索要的「风味」（「Instagram 上大家在聊什么」），而不是被塞进结果里的扭曲。他还给了一个反直觉的二分：人在 Soho 逛街的摩擦是享受——走路、排队、抄别人的穿搭——而买卫生纸的摩擦应该被消灭。所以广告位不会消失（给儿子买乐高时他确实想看到竞品积木并让 agent 查评价），但大量场景下用户只要最便宜最快。若他是 Amazon（年约 700–800 亿美元的广告业务），「无头 Amazon（headless Amazon）可能比 Amazon 本身更大」，该做的是开辟一个用户真心想看广告的独立体验，而不是封 agent——尽管他也承认 AI 改变分发与习惯的速度没人能预测，「会有巨大的输家」。

Muse 案例展示了另一种解法（从上下文看，Muse 指 Instagram 生态里讨论度很高的免费个人助理）：免费 agent 也许永远不用塞广告——它沉淀的数据让 Instagram 的定向更准（你在 Instagram 本来就要娱乐、不要效率），钱包余额、全网比价又能顺滑完成交易。变现与 agent 体验解耦，这恰是 Amazon 的软肋。最后一个证据来自现在时：比价网站 camelcamelcamel（「Dr Pepper 降到 6 美元时提醒我」）在美国有约 2000 万用户、活了 18 年、靠联盟佣金为生——Rampell 与 Justine（转写如此）写过「预测未来最好的方式是观察现在」：以前只有「时间多于钱」的人用比价工具，agent 把这套工具发给所有「钱多于时间」的人，「这是一场 IQ 测试」。同理，优惠券、信用卡与会员积分的 breakage 模式（转写中的「MX premium membership」从上下文疑为 Costco 会员）都会被 agent 榨干，然后发行方被迫改规则。Greze 的收束句：供给聚合之所以值钱，是因为人类注意力稀缺；当注意力本身可以被自动化，供给聚合就大幅贬值。

五、扩散的真瓶颈：缺的是 tinkerer，不是智能

整场访谈最落地的部分是对「AI 为什么还没扩散」的解释。Town 的用户里出现了小岛上的冲浪板租赁店：用 Town 检查设备照片有没有损伤、决定要不要退押金——「这不在任何人的 bingo card 上」。Greze 说，真正的模式是每家小企业里恰好有一个 tinkerer（爱折腾的人），AI 正在经济的各个奇怪角落被使用，瓶颈是「世界上 tinkerer 不够多」。Claude、ChatGPT 里存在了 12 个月的功能，足以帮大多数小企业省大量时间，但人们只把它们当更好的 Google 用——「产品体验不能只是一个文本框，你没法教会一个人，只能做给他看」。用户留下的公式也很具体：连上邮件、日历，再连一个真正重要的业务系统，然后搭一个自定义集成。

认知层面的障碍则是「讽刺性的早期采用者」：两年前试过、被幻觉劝退的人，把旧印象固化成了现实。Rampell 的实验讲了十遍：一位哈佛的资深教授说自己几年前试过 AI、「还行但不惊艳」，他当场让 ChatGPT 用当下信息重写她二十年前的博士论文，教授的反应是「这是什么 AI？」「是 ChatGPT。」「不可能是。」技术侧的变化速度也确实在惩罚不看的人：嘉宾称过去两个半月，computer use 类能力从「六个月前几乎不可能」变成「90% 的成功率」（此前约 30%）。所以赢家平台必须「持续把业务适配到最好的 AI」，营销必须具体到场景——不说「Town 支持 computer use」，而说「我可以用你已付费的 Canva 订阅、按你一贯的设计风格做这场活动的海报」，五分钟、20–25 美分交付一次惊喜，然后主动化：每次活动前自动做、你改版后自动跟随新设计、能做视频时主动提议。产品的想象力就是沿着模型能力曲线走。

边界与启发

把访谈里的断言和信念分开看：中立代理会不会被平台广告扭曲、Amazon 能否转身做出自己的「Muse」、企业内 agent 互联的权限模型怎么设计，嘉宾都承认是开放问题；Town 的留存率、获客成本、企业订单转化等数据节目并未给出，「每天增长 1%」也是创始人自述。可迁移的链条至少有四条：选市场看三个变量——交互频率（年频产品难成日活工具）、在位者追赶速度（新进入者只有速度优势且有倒计时）、口碑时点是否与购买时点重合；token 成本的 Jevons 效应意味着「低频但真金白银」的任务（供应商比价、票据、权益薅羊毛）是自动化最佳标的，每月几美元成本撬动数百美元回报，个人与企业都适用；采购中立——智能层别绑死单一供应商，合同里要 context 可导出、可迁移、不训练三条；供给方——把 agent 流量当新 SEO 迎接，重估一切依赖「聚合供给+人类眼球」的商业模式。而对每一个写过「AI 我试过、不行」的人，这期节目最刺的一句话是：你评价的是过去的它，赢的平台会永远把你带向最新的它。

ASR 修正记录：Alex Ramel→Alex Rampell；John Dennehy/John Denis→Jean-Denis Greze（经外部检索确认其为 Plaid 前 CTO、Town 创始人）；「Mincer slow routers」→「humans are slow routers」（人是慢速路由器）；「MX premium membership」疑为 Costco 会员；Muse 依上下文为 Instagram 生态的免费个人助理；其余专名（Rogo、Good Technology、camelcamelcamel、Opus 4.5）按转写保留。