Vertical AI Agents 深度访谈

开场中，嘉宾回顾过去几个月 AI 能力持续提升，认为行业已经从讨论基础模型进展，走到讨论能够替代企业中整个团队和职能的垂直 AI Agent。主持人介绍本期主题后，Jared 强调创业者，尤其是年轻创业者，仍低估了这一类别的规模。他认为虽然垂直 AI Agent 不是全新概念，YC 也已经投资了一批相关公司，但市场尚未意识到其潜在体量，并提出这一领域可能诞生多家估值超过 3000 亿美元的公司。

Jared 用 SaaS 的发展史作为类比，指出许多年轻创业者低估 SaaS 的原因，是他们从消费者视角看创业，而消费者很少直接使用企业 SaaS。过去二十年，硅谷大量风险资本投向 SaaS，并产生了 300 多家 SaaS 独角兽。嘉宾随后回顾技术催化因素：XML HTTP request 和 Ajax 让网页能承载接近桌面软件的交互体验，推动 Gmail、Google Maps 等应用出现，也让软件从 CD-ROM 安装转向网页和移动端使用。Paul Graham 的 Viaweb 被视为早期 SaaS，但受限于当时浏览器能力，体验尚不成熟。

嘉宾将 LLM 视为一种新的计算范式，并借 2005 年云与移动兴起后的创业机会来分析价值流向。他把当时的十亿美元公司路径分为三类：第一类是显而易见的大众消费产品，如文档、照片、邮箱、日历和聊天，但这些机会最终几乎都被 Google、Facebook、Amazon 等既有巨头拿走；第二类是不明显的大众消费机会，如 Uber、Instacart、DoorDash、Coinbase 和 Airbnb，因出现路径难以预判，创业公司得以胜出；第三类是 B2B SaaS，这一类产生了数量最多的十亿美元公司。

讨论转向 B2B SaaS 为什么能诞生大量公司。嘉宾认为不存在一个能覆盖所有垂直行业和所有产品的“微软式 SaaS 公司”，因为每个 B2B SaaS 都要求团队深入特定领域，并长期处理大量晦涩细节。Salesforce 被视为真正意义上的早期 SaaS 公司之一，当年许多人不相信复杂企业应用能通过云端交付，这与今天一些人质疑 LLM 会幻觉、不完美、只是玩具的态度相似。嘉宾还提到 AI 时代的通用语音助手等显性机会可能由巨头争夺，而 Perplexity 对搜索的挑战体现了创新者窘境。

嘉宾进一步解释为什么既有巨头没有进入 Uber、Airbnb 或许多 B2B SaaS 领域。对于 Uber 和 Airbnb 这类公司，早期存在显著监管风险，Travis Kalanick 曾担心自己可能因 Uber 的模式而坐牢；大型公司员工没有动机冒这种个人风险。对于 B2B SaaS，原因则更多是领域深度和耐心不足，例如 Google 很难有人真正愿意深入薪资、税务和各州法规细节去做 Gusto 这样的产品。与此同时，SaaS 相比传统盒装软件和系统集成，证明了云端方案也可以足够强大，从而打开了垂直 SaaS 的闸门。

嘉宾指出，Oracle、NetSuite 等大型企业软件因为覆盖面过广，往往形成“什么都做但都不精”的复杂体验，终端用户实际感受很差。相比之下，垂直 B2B SaaS 可以针对具体工作流打造好得多的体验，甚至实现 10 倍提升。讨论还提到软件价格和销售模式的三档结构：面向消费者、SMB 和企业分别对应不同单价。企业软件长期糟糕的一个原因是购买者往往不是日常使用者，而是高层决策者，因此采购结果未必真正服务于一线用户。

讨论转向 LLM 对创业公司自身运营方式的影响。过去公司营收增长通常伴随员工数量增长，许多达到 1 亿或 2 亿美元年收入的独角兽已有数百到数千名员工。嘉宾认为，面向产品市场匹配后的公司，建议正在变化：相比尽早招聘大批销售、客户成功或运营负责人，创始人可能更需要优秀软件工程师，用 LLM 自动化增长瓶颈和后台流程，从而降低成本、减少招聘规模。他们还用 Triplebyte 的经历说明，在 LLM 之前，工程师思维已经能在营销等非传统工程领域创造高杠杆，而 LLM 会进一步放大这种杠杆。

Jared 明确提出“300 个垂直 AI Agent 独角兽”的论点：几乎每一家 SaaS 独角兽，都可以想象存在一个垂直 AI 独角兽版本。过去盒装软件被 SaaS 颠覆，而现在每个由某类人员使用的软件，都可能演化为“软件加人员”的一体化产品。讨论还提到当前企业对自己究竟需要什么 Agent 仍不清楚，因此出现了不同路径：一种是 Sierra 这类帮助企业部署定制 AI Agent 的平台，另一种是 VectorShift 这类通过无代码或 SDK 帮企业构建内部 LLM Agent 的工具。嘉宾认为这可能类似早期盒装软件阶段，先有宽泛平台，之后再逐步细分成更多垂直方案。