垂直 AI Agents 的市场规模可能是 SaaS 的十倍

在 YC 最近一期 Lightcore 播客中，几位投资人聊了聊垂直领域的 AI Agents，他们认为垂直 AI Agents 可能会完全改变企业软件格局，并在这一类别中会诞生价值 3000 亿美元的公司。

为什么这么说嘞，整一个省流版。

市场机会

AI 革命与 2000 年代的 SaaS 繁荣相似，但可能会更大
每一个 SaaS 独角兽公司，你都可以想象有一个等价的垂直 AI Agents 独角兽
在这个垂直 AI Agents 类别中，可能会看到价值 3000 亿美元以上的公司诞生
过去只有 OpenAI 一个玩家，但我们在最近一批中看到这种情况正在改变，竞争是肥沃生态系统的土壤

垂直 AI > SaaS

AI 同时替代软件和劳动力成本
公司在员工上的花费远超过软件，较小的公司需要更少的人力，因此将会更加高效
每三个月，AI 都在不断进步
我们已经到了谈论垂直 AI Agents 将取代整个团队和职能的阶段

Go-To-Market

如果你打算卖给那些将被 AI 取代的团队，他们可能会破坏 AI Agents
专注于那些不会因自动化而感到威胁的高层决策者

寻找机会

在某个地方找到一些无聊的重复性行政工作，如果你深入挖掘，可能会有一个价值数十亿美元的AI Agents 创业公司
寻找与行业的个人联系：一位 YC 里的创始人的母亲是牙医，所以他决定和她一起工作一天，意识到所有的索赔处理都可以由大型语言模型（LLM）完成
专注于“传递黄油的工作”——无聊、重复的行政工作，人们不喜欢做

成功案例

MTic：全面的 QA 测试自动化，获得了非常好的关注
Cap.Al：为开发者支持构建了最好的聊天机器人之一，开始使用它们的公司最终拥有的开发者关系团队要小得多
Salient：用于汽车贷款收款的 AI 语音呼叫，正在与许多大银行合作

未来展望

AI 工具可能通过扩展领导者的上下文窗口来帮助他们管理更大的组织
随着 AI 增强，公司规模/管理的传统限制可能会改变
像 SaaS 一样，垂直 AI Agents 可能会保持专业化，而不是整合成单一的大型平台

以下是原文内容。

01 开场

每隔三个月，事情都会逐步变得更好，当前我们正谈论的是能够取代整个团队和企业功能的全能型垂直 AI Agent。这种进展仍然令我震撼。

许多基础模型正在正面交锋。过去只有 OpenAI 这一个玩家，但我们最近发现这种情况正在发生变化。竞争就像是孕育一个繁荣市场生态系统的土壤，消费者有选择，创业者有机会，而这是我希望生活的世界。

欢迎来到 The Lightcone 的新一集。我是 Garry，这是 Jared Harge 和 Diana。我们共同资助了价值数千亿美元的初创公司，当时它们仅由一两个人开始创业。

今天，Jared 充满激情，他将谈论垂直领域的 AI Agent。

02 对垂直 AI Agents 充满热情

是的，我非常兴奋，因为我认为人们，尤其是初创企业的创始人，特别是年轻的创始人，并没有完全意识到垂直 AI Agents 将会有多么重要。这不是一个新想法；一些人已经在谈论垂直 AI Agents。我们资助了很多这样的项目，但我认为世界还没有意识到它将会发展到多大的规模。

因此，我将说明为什么我认为仅在这一类别中就会有价值超过 3000 亿美元的公司诞生。我将通过类比 SaaS 来解释，我认为类似的情况是，人们并没有意识到 SaaS 有多大规模。

因为大多数初创公司的创始人，尤其是年轻的创始人，往往通过他们作为消费者使用的产品来审视初创行业。作为消费者，你通常不会使用太多的 SaaS 工具，因为它们主要是为企业设计的。

所以我认为很多人忽略了一个基本点，如果你看看过去 20 年硅谷资助最多的是什么，大多数的项目都在创建 SaaS 公司。在那段时间里，超过 40% 的风险投资资金都流向了 SaaS 公司。

在这 20 年期间，我们培育了超过300家SaaS独角兽公司，这远远超过了其他类别。软件真的很棒。我回想起这方面的历史，因为我们总是喜欢谈论技术历史如何启发未来。真正推动 SaaS 繁荣的催化剂是……你们还记得 XML HTTP 请求吗？

我认为那确实是 SaaS 繁荣的催化剂。

像 Ajax？

在 2004 年，浏览器新增了一种名为 XML HTTP 请求的 JavaScript 函数。这个函数在构建丰富的互联网应用程序中起着至关重要的作用，是当时所缺少的关键部分。有了它，丰富的互联网应用程序能够在网络浏览器中得以实现。

于是，第一次你可以在网站上制作看起来像桌面应用程序的东西，然后这就催生了 Google Maps 和 Gmail，并基本上引发了整个 SaaS 繁荣。

关键的技术突破在于，软件从一种通过光盘（CD-ROM）获取并安装在桌面上的东西，变成了可以通过网站和手机使用的东西（网页浏览）。

是的，Paul Graham 实际上也在这一脉络中，他是最早意识到可以使用 HTTP 请求并将其连接到 Unix Prompt 的人之一。而且你实际上不需要，呃，另外运行一个计算机程序来改变网站。因此，Viaweb 是一个在线商店，有点像 Shopify，但那是在很久以前的事情了。

是的，它基本上是第一个 SaaS 应用程序。PG 实际上在 1995 年发明了 SaaS。只是那些最初的 SaaS 应用程序有点糟糕，因为它们没有 XML HTTP 请求。所以每次你点击一个按钮，你都必须重新加载整个页面，因此体验非常糟糕。直到 2005 年 XML HTTP 请求广泛普及，它才真正流行起来。

无论如何，我认为 LLM（大语言模型）与它其实非常相似。它就像是一种新的计算范式，使得从根本上做一些不同的事情成为可能。

在 2005 年，当云计算和移动端最终兴起时，存在这样一个很大的开放性问题，即：好吧，这项新技术已经存在了，你应该用它做什么呢？

价值会在哪里积累？创业公司的好机会在哪里？我回顾了一下所有成立的十亿美元公司名单，然后我意识到，你可以将人们采取的不同路径归为三类。

第一类人们一开始的想法是，我会称之为“显而易见的好点子”，这些可以成为大众消费产品。比如文档、照片、电子邮件、日历、聊天——所有这些我们过去在桌面上完成的事情，显然可以移到浏览器和移动设备上。有趣的是，在这些类别中，没有任何初创公司获胜。100% 的价值都流向了现有的大公司，对吧？比如 Google、Facebook、Amazon——他们拥有所有这些业务。大家忘了，Google Docs 并不是唯一尝试将 Microsoft Office 搬到在线平台的公司。大约有 30 家公司尝试将 Microsoft Office 搬到线上，但它们都失败了——是 Google 赢了。

然后是第二类，那些大众消费的想法并不显而易见，没有人预料到的。比如 Uber、Instacart、DoorDash、Coinbase 和 Airbnb。这些点子完全是从意想不到的领域冒出来的。从 XML HTTP 请求到 Airbnb 之间的联系是非常不明显的。因此，大公司甚至没有尝试在这些领域竞争，直到为时已晚。因此，初创公司在这些领域赢了下来。

然后是第三类，也就是所有的 B2B SaaS 公司。 这一类有大约 300 家公司。因此，按数量算，在第三类中诞生的十亿美元公司远远多于前两类。

我认为这发生的一个原因是，在 SaaS 领域没有“微软”这样一家巨头。没有一家公司能够覆盖每一个垂直领域和每一种产品的 SaaS 需求。从结构上看，它们似乎注定是不同的公司，这就是为什么会有这么多的 SaaS 公司。

我认为 Salesforce 可能是第一个真正的 SaaS 公司。我记得 Marc Benioff 来到 YC 演讲，他讲了一个故事，就是在早期，人们根本不相信可以通过云或 SaaS 构建复杂的企业应用程序。这真的……只是一种认知问题，对吧？人们认为：“不，你得买盒装软件，那才是真正的软件。” 这是一个相当反传统的观点，因为早期的网络应用程序真的很糟糕。它们就像 Viaweb 那样，你必须像 PG 那样有远见，理解浏览器会不断变好，最终会变得很好用。这让人联想起今天的情况，对吧？现在的情况很相似：“哦，不，你不可能用这些 LLM 或 AI 工具构建复杂的企业应用程序，因为它们会出现幻觉、不完美，或者看起来像玩具。” 但这就是早期 SaaS 的故事，完全一样。

03 早期 SaaS 与 LLM 的相似之处

所以，当我想到 LLM 的类似之处时，我很容易想象同样的事情会发生。

就是有许多类似大众消费类应用的类别，显然是巨大的机会，但这些机会可能都会被现有大公司赢得。比如一个通用的 AI 语音助手，你可以让它做任何事情，它都会去完成。这是一个显而易见的应该存在的东西，但所有的大玩家都会争相成为那个东西。

对吧？苹果在这方面有点慢。为什么 Siri 仍然这么笨？现在是什么年代了？这根本说不通。

我的意思是，反例是搜索这样非常显而易见的事情，也许 Google 在搜索方面仍会胜出。但 Perplexity 肯定会让他们面临挑战，对吧？

这最终就是经典的“创新者的窘境”。我的意思是，你可以回到你提到的 Uber 或 Airbnb——从监管的角度看，这些实际上是非常高风险的事情。所以，如果你是 Google，你基本上每个月都能确保拥有一笔巨额财富……你为什么要冒险追求那些可能让人害怕或者毁掉这笔财富的事情呢？

我认为这可能是现有大公司最终没有开发那些产品的主要原因，甚至在那些产品变得成功且显然会奏效后，他们也没有去复制它们。Google 从未推出过一个 Uber 的克隆产品，也从未推出过一个 Airbnb 的克隆产品。

我听过 Travis 的一个演讲，他说的一件让我印象深刻的事情是，在 Uber 的头几年，他非常害怕自己会因此坐牢很长时间。也就是说，他实际上是在冒着个人坐牢的风险来建立那家公司。所以，是的，没有任何高薪的 Google 高管会去冒这样的风险。

04 为什么大公司没有进入 B2B SaaS 领域？

你怎么看待现有大公司为什么没有进入 B2B SaaS 领域？部分原因是否是因为许多用例的分布范围非常广？

这是个很好的问题。我很想听听你们的看法。

我的观点是，作为一家公司，要做那么多事情真的太难了。每个 B2B SaaS 公司实际上都需要那些负责产品和业务的人在某一个领域非常深入，并且非常关注许多非常晦涩的问题。

比如说 Gusto，为什么 Google 没有打造一个 Gusto 的竞争产品？因为 Google 没有人真正了解薪资处理，也没有人有耐心去应对所有这些愚蠢的薪资法规的细节。而且对于他们来说，这根本不值得去做。他们更容易只专注于几个非常大的类别。

在 B2B SaaS 领域，这其实也涉及到经常提到的软件拆分与整合的问题。

为什么这些垂直的 B2B SaaS 产品能够发展，而不是 Oracle、SAP 或 NetSuite 垄断所有东西呢？我认为，这也可能与向 SaaS 和互联网的转变有关。

在旧的软件销售方式中，你有这种盒装软件，非常昂贵且难以安装，并且围绕它有一整个生态系统。每当你需要定制一些功能，集成商就会说：“哦，不，我们可以为你定制一个薪资功能”之类的。然后 Salesforce 推出了一个 SaaS 解决方案，看起来它似乎永远不会像你刚为之支付高价的企业安装版软件那样强大或复杂。但他们证明了事实完全如此，我认为这就为所有这些垂直 SaaS 解决方案的出现打开了大门。

另一个问题是，使用 Oracle 和 NetSuite 等企业软件的用户，由于它们需要覆盖如此广泛的领域，用户体验实际上非常糟糕。它们试图做到“万事通”，但结果是“样样松”。

是的，因此最终体验就像一个大杂烩一样。而在这里，如果你去构建一个 B2B SaaS 垂直公司，你实际上可以提供一个体验好 10 倍的产品，更令人满意。因为在消费品和企业用户体验之间存在显著的差异。

是的，软件中只有三个价格点，是吗？5 美元、500 美元或 55,000 美元。这直接对应于消费者、中小企业（SMB）或企业销售。

过去的经验告诉我们，企业软件总是很糟糕，但幸运的是，这种情况在新的软件中越来越少见了。因为购买这些软件的并不是使用者本身。而是某个《财富》 1000 强公司高层正在享受酒宴，为了一份高达七位数的合同而被款待。他们可能会选择一些对真正的终端用户——那些每天实际使用软件的人——并不是那么好的产品。

05 员工数量如何变化

我有点好奇 LLM 会如何改变这一点。到目前为止，无论是中小企业还是企业级软件公司，甚至所有软件公司和初创公司，比较显著的一点是，随着收入的增长，你需要雇佣的员工数量也会随之增加。

所以，当你看看今天 YC 的投资组合时，看到一家年收入达到 1 亿或 2 亿美元的公司，却已经有 500、1,000 甚至 2,000 名员工，这是非常常见的。我感到非常好奇。甚至是我现在开始给刚从 YC 毕业一两个月的公司提供的建议，与我一两年前给出的建议已经有点不一样了。

过去，你可能会说：“让我找到这些部门中最聪明的人，比如客户成功、销售或其他类似的领域。”然后，“我要找一个我合作过并且知道很优秀的人，然后我会坐在他们家门口，直到他们辞职来为我工作。”

“我希望他们是那种能够为我组建团队并雇佣很多人的人。”这可能依然有效，但我开始感觉到整体趋势正在发生一些变化。

比如，你实际上可能想要雇佣更多非常优秀的软件工程师，他们了解大型语言模型，能够真正地将你所需要的、同时也是你增长瓶颈的特定事务自动化。

因此，这可能会导致在初创公司产品市场匹配之后，其业务增长方式发生微妙但重要的变化。这意味着我将构建 LLM 系统来降低成本，从而不需要雇佣一千个人。

我认为我们正处在这一革命的开端。我指的是，我们在之前的一集中讨论过这件事。我们谈到了未来会有一家独角兽公司，如果我们将其推向极限，它可能只需要十名员工来运营。

这是完全有可能的。他们负责编写评估和 Prompt。我认为你所说的趋势早在 LLM 之前就已经出现了。比如，我记得当我在运营 Triplebyte 的时候，我们需要建立市场营销或用户获取相关的机制。尤其是在我们完成 B 轮融资之后，传统的做法是雇佣一名市场主管并建立一个市场团队。然后基本上启动一个销售和营销的机器。但实际上我遇到了一位 YC 创始人 Mike，他的公司基本上是在制造一款智能煎锅——听起来很奇怪。

但他是个 MIT 的工程师——你还记得这个吗？

他是个 MIT 的工程师，为了卖智能煎锅，他必须变得非常擅长理解付费广告、Google 广告等一系列内容。于是他用了一种工程师的思维方式来处理这个问题。我记得和他聊过这个问题，意识到让一个 MIT 的工程师来负责我们的营销工作会比我之前接触过的所有营销候选人都好得多。他成功让我们将营销规模扩大到每月花费 150 万美元，仅用于营销和各种活动。Triplebyte 的营销做得非常好。比如，我记得你们在 Caltrain 车站的全面广告投放——以及你们做的所有户外广告活动。

那些都是非常高质量的内容，让我印象深刻。你能看出来，这不是由某个市场副总裁完成的。那都是 Mike 的功劳。

在那段时间，当人们问我，“Triplebyte 有多大？”时，我经常会听到这样的评论。“我们大概有 50 个人。”人们的反应是：“天哪，这么少？”是的，人们会说：“我以为你们至少有几百人。”

我会回答：“不，主要是因为如果你让一个非常聪明的工程师负责这些任务，他们总能找到方法——找到杠杆点。”而现在，LLM 可以做到远远超过当时的杠杆效应，因为这是纯粹的软件。

06 支持更多垂直 AI 独角兽公司的论点

好的，这是我关于 300 家垂直 AI Agents 独角兽公司的论点。

基本上，每一家 SaaS 独角兽公司，你都可以想象在某个新领域中会有一个对应的垂直AI独角兽公司。因为，这些 SaaS 独角兽中的大多数，之前都有一些盒装软件公司在做相同的事情，然后被 SaaS 公司颠覆了。

你可以很容易想象同样的事情再次发生，现在基本上每家 SaaS 公司都开发了一些由某群人使用的软件。而垂直 AI 的等价物将是将软件和人整合到一个产品中。目前，企业总体上可能对他们究竟需要什么样的 Agents 还有点不确定。

我看到一种方法，特别是一些更有经验的创始人，比如 Facebook 的首席技术官 Brett Taylor，他创办了自己的公司 Sierra。我不知道所有的细节，但据我所知，它主要是帮助企业更广泛地部署这些 AI Agents。

并为企业定制化这些 Agents，而不是简单地说：“哦，我们有一个专门的 Agents 来做这个事情。”

这是我在一年前资助的公司 VectorShift 上看到的。他们是两个非常聪明的哈佛计算机科学家，他们发现，他们正在试图构建一个平台，让企业可以轻松地构建自己的使用无代码或 SDK，来构建他们自己的内部 LLM 驱动的 Agents。但是，企业往往并不完全清楚他们想用这些东西来做什么。

回到盒装软件的世界，我想知道是否一开始只有少数供应商基本上是在试图说服人们使用软件。然后他们会说：“它能做任何事情。”然后它变得更加复杂和精细，你就会得到许多垂直 SaaS 玩家。

我们是否会在 LLM 领域经历同样的阶段？最早的赢家可能是这些通用型产品：“嘿，我们让你轻松使用 LLM。”然后垂直 Agents 会逐渐出现？

或者你认为现在情况是否不同，垂直 Agents 是否会从一开始就起飞？

是的，这很有趣，因为如果你回顾 SaaS 的历史，消费者产品是最先奏效的。

比如，2005 年至 2010 年，主要是电子邮件、聊天工具和地图等消费者应用。个人用户习惯了自己使用这些工具，我认为这让向企业销售SaaS工具变得更容易了。因为你知道，同样的人既是员工也是消费者。

是的，我认为答案可能只是，这一切都只是软件的延续。没有理由需要重新设置回去。LLM 不需要回到只有少数几个通用型企业 LLM 平台做所有事情的状态。因为企业已经了解了点解决方案和垂直解决方案的价值。并且，用户体验不会有太大的不同。这些工具只是会变得更强大。

所以，如果企业已经形成了这样的认知——相信初创公司或垂直解决方案可以比传统的大型平台更好……他们可能会愿意赌一把，选择一家提供非常优秀的垂直AI Agents 解决方案的初创公司。我感觉我们现在都在看到这一点，我们的一些公司在企业中推广这些垂直 AI Agents 的速度比以往任何时候都快。我认为我们还处在这个游戏的早期阶段，对吧？所有的软件似乎一开始都是相当垂直的。

然后，随着行业真正得到更充分的发展，接着……就像，为什么一家公司最终会有一千名员工？实际上是因为在游戏早期，每个人都在做这些特定的点解决方案。

然后，到某个时候，你必须变得更横向化。比如，你已经在销售和市场营销上花费了大量资金，然后，一旦你获得了 100% 或者绝大部分市场份额，继续增长的唯一方法就是不仅仅提供点解决方案，而是提供能够协同工作的解决方案。

关于为什么垂直 AI Agents 的前景可能比 SaaS 还要大的另一个原因是，在 SaaS 中，你仍然需要一个运营团队或一组人来操作软件以完成所有工作流。

比如审批工作流，或者你需要输入数据。这里的观点是，你不仅会替代所有那套 SaaS 软件——这相当于一对一的替代——而且还会消耗掉很多的薪资支出。因为如果我们看企业的许多支出，很大一部分仍然在薪资上，而软件方面的支出很少。确实，他们在员工身上的花费比在软件上的花费多得多。

所以会是这些更小的公司效率更高，它们需要少得多的人来进行随机数据输入、审批或点击软件。我同意。我认为垂直 AI Agents 的市场规模很可能是它们正在颠覆的软件即服务（SaaS）公司的 10 倍。

我的意思是，有两种情况。可能垂直的解决方案的规模刚好足够大，那么你就不需要去做那么广泛的事情了，对吧？这可能是一个很好的情景。

07 当前公司/应用的实际例子

我们应该举一些例子吗？我感觉我们都在和许多垂直 AI Agents 公司合作。

我们有一些第一线的消息，关于这些公司实际上运作得很好。你之前的产品负责人 Aaron Cannon，现在正在一家名为 Outset 的公司工作，我曾与他们合作过。基本上，他们正在将 LLM 应用到调查和 Qualtrics 领域。

Qualtrics 几乎可以肯定不会开发最顶级的、具有推理能力的大型语言模型。

关于调查有趣的是，你知道，它实际上是为谁服务的？是为那些负责产品的人、营销团队，以及试图弄清楚客户真正需求的人服务的。那么，调查是什么？你猜是什么？就是语言。然后我感觉这些类型的业务实际上需要非常精准地操作。因为企业和中小企业的软件通常是根据一个特定的人——即关键决策者——来销售的。你必须向组织的高层销售，这样你销售的对象才不会害怕他们的工作——或者整个团队的工作——会因此消失。

完全正确。这是我看到很多公司需要采取的措施。因为如果你打算向即将被AI取代的团队销售产品，他们会破坏你的计划，这根本行不通。所以我认为这是一个很有趣的现象，许多这些产品是从上而下销售的。有时候，你甚至需要得到 CEO 的批准才能推进。

我正在合作的一家公司 MCH，实际上是一个 AI Agents ，至少他们从 QA 测试开始。他们现在的进展非常好。这很有趣，因为你记得十年前，在 YC，我们合作过 Rainforest QA。比如，Rainforest 是一家提供 QA 即服务的公司，他们面临的紧张局面正是无法完全取代客户的 QA 团队。因此，他们需要构建能让 QA 团队变得更高效的软件。但实际上，这显然意味着尽可能多地取代这些团队中的成员。他们无法完全取代整个团队，所以他们总是在这根“钢丝”上平衡，比如试图将软件卖给工程负责人，说“这将意味着你需要更少的 QA 人员”——很好！但同时你还需要将产品卖给 QA 团队，而他们并不希望被取代。因此，我认为这始终是他们业务的一种阻力，对其扩展和发展的阻碍。

但现在，像 MCH 这样的公司，通过AI实际上可以直接取代 QA 人员。因此，他们的推销重点不再是“哦，这会让你的 QA 团队效率更高”。而是“这意味着你完全不需要 QA 团队了”。因此，他们可以直接专注于向工程团队销售，而工程团队在这个阶段不需要 QA 团队的认可。此外，你还可以从那些目前甚至没有大规模 QA 团队的公司入手进行销售。他们只需要使用类似 MCH 的产品，然后随着公司规模增长，这种解决方案会一直适配，他们可能永远都不会建立 QA 团队。

是的，这是真实的案例，证明了 Diana 提到的，为什么这些垂直 AI Agents 公司将会比 SaaS 公司大十倍。我现在也在招聘领域看到类似的情况。在 Triplebyte 的时候，我也遇到过同样的问题。为了开发能够轻松筛选和雇佣软件工程师的软件，你需要得到工程团队和招聘团队的认可。

实际上，我们构建的软件试图取代招聘人员，但我们无法完全取代他们。所以招聘团队总是反对，因为它对他们构成了威胁。因此，当你试图销售的客户担心被取代时，这总是会造成一些阻力，限制你能走多远。

不过，是的，我认为现在仍然是早期阶段，但现在有了 AI，你可以构建覆盖整个招聘流程的解决方案。我们在上一期合作了一家公司，Nico 与他们合作过，叫 Apprura，他们实际上在做完整的技术筛选和初步的招聘筛选，并取得了非常好的进展。所以我认为，随着这些技术的发展，你不会再遇到类似“哦，我需要说服招聘人员使用这个”的阻力。你可能不会像以前那样组建招聘团队了。

另一个例子是开发工具公司，它们需要做大量的开发者支持工作。我和一家名为 Cap.AI 的公司合作过，他们基本上开发了最好的 ChatBots 之一，可以回答许多难以解答的技术细节问题。

我认为许多开始使用它们的公司，最终它们的开发者关系团队规模要小得多。因为它可以处理大量开发者文档，甚至是开发工具发布的 YouTube 视频，以及许多聊天记录，因此它变得越来越好，提供了非常优秀的答案。

实际上，这是我见过的最好的解决方案之一。是的，我也与一家名为 Parallel 的客户支持AI agents 公司合作过。实际上，我们上一期都与他们合作过。我从 Parallel 身上学到了几件有趣的事情。

第一件事是，用于客户支持的 AI Agents 是一类非常拥挤的领域。据说有大约 100 家这样的公司。如果你去 Google上搜索“AI客户支持 Agents ”，你会得到大约 100 个结果。但通过与 Parallel 的合作，我了解到，几乎所有这些公司实际上都在做非常简单的 zero-shot Prompt。这些方法实际上无法取代一个真正负责复杂工作流程的客户支持团队。它们只是看起来像是一个不错的演示而已。

要真正取代一个为大规模公司服务的客户支持团队——比如拥有 100 名每天负责许多复杂事务的客户支持代表——你需要非常复杂的软件。需要完成 Jake Heller 提到的所有那些事情。而实际上，只有三四家公司试图实现这些功能。累计起来，它们的市场渗透率甚至不到 1%。因此，这个市场几乎完全是开放的。

我还可以将其视为另一个超专业化或超垂直化的案例。可能最终会有，但目前还没有一家能够提供通用型客户支持 Agents 软件的公司。但我们还远未到达那种发展的第八或第九阶段。

实际上，我们才刚刚进入第一阶段。因此，会有像 GigML 这样的公司，他们为 Zepto 处理每天 3 万张工单，取代了一个 1000 人的团队。但这是一个非常具体的解决方案，它并不是一个通用型的演示产品。它涉及1万个测试用例，属于一个非常详细的评估集，基本上是为 Zepto 及类似 Zepto 的企业量身定制的。

是的，如果你是其他市场公司中的任何一家，你可能也会使用它。因为这是一个非常明确的市场类型——即时配送市场。

我认为正是这种动态导致了有 300 家十亿美元级别的 SaaS 公司，而不是一家提供全球所有软件的万亿美元级“大一统” SaaS 公司。因为客户需要的是非常高度定制化的解决方案。而且很难构建一个能够适用于所有人的解决方案。

确实如此。我们已经举了三个关于客户支持的例子，但它们涉及非常不同的垂直领域。开发工具公司需要的支持与市场平台在训练集中的需求非常不同。

我想无论你是使用 Agents 还是雇佣真人为你工作，最终你都会遇到同样的问题。也就是每家公司都会碰到科斯的公司理论，该理论认为任何公司在增长到某个程度后，规模变得更大就会导致效率降低。这也是为什么会出现网络、生态系统以及完整的经济体系，你明白吧？每家公司都会专注于做自己特别擅长的事情。然后这些公司能够扩展的极限——外部极限——实际上是基于作为管理者的能力。

是的，这部分有点让我感到烧脑。因为，当我们和 Rippling 的 Parker Conrad 交流时，他特别喜欢提到的一点是……你知道，大家都很痴迷于那些“石头”（AI）能够对话，甚至可以画画的事实。但对他来说更有趣的事情是——作为一个运营 HR IT 软件的人——那些“石头”可以阅读。从他的角度来看，他花了大量时间思考人力资源相关的事情。事实上，关于 LLM 最酷的事情是，这些“石头”可以阅读。从他的角度来看，我记得他有 3000 名员工，他仍然通过 Rippling 为所有 3000 名员工处理薪资。所以我想他花了很多时间思考，如何让一个人扩展其作为管理者的能力。我认为我们将在这一领域看到更多的进展。这可能是一个相反的论点——如果我们处在一个管理者和 CEO 的工具变得越来越强大的时刻……

哦，这可能——这可能会增加你能够运营的公司的规模，对吧？而这确实是 Rippling 正在尝试做的事情。他正在尝试构建一整套 HR 工具，如果他成功了，他将整合大量的十亿美元级 SaaS 公司，形成一家巨型公司。

这是一个非常有趣的观点，Garry。让我想到这一点的是，拥有所有这些 AI SaaS 工具，将赋予所有领导者和组织能力，基本上可以打开他们的上下文窗口，解析更多的信息量。因为我们能够维持有意义关系的人数是有限的。有一个被称为邓巴数字的概念——大约是 150 个人，这是你可以维持有意义关系的数量上限。但有了 AI，因为这些“石头”现在可以阅读了，我认为我们将能够扩展这个邓巴数字的限制。

是的，我认为 Flo Crull 在 Twitter 上有一个有趣的帖子引起了热议——我记得有人做了一个语音聊天，作为 CEO 的周末项目。但它可以打电话给公司所有 1500 名员工。是的，这是一种非常简短的电话——听起来就像是 CEO 亲自打来的，只是做一些个人问候。

这让我想起了电影《Her》中的一幕，镜头拉远，你知道，其实你跟随着一个人使用 Her 操作系统的体验。但实际上，那个 Her 操作系统同时在与数千甚至数万人对话。有多少人？8,316 个。我的意思是，大型语言模型可以对话，可以进行交流。那么，这种能力究竟能在多大程度上扩展一个人或少数几个人对公司动态的理解能力呢？

我听说过这个项目。这确实让我产生了一些思考，因为据我理解，这个产品会给所有员工打电话，然后员工可以随意说说他们最近在做什么。

然后它会从中提取意义，并给 CEO 提供一份要点总结：“以下是最重要的内容。”过去有很多 SaaS 公司尝试通过传统的 SaaS 软件来做这些“每周员工反馈”。但这个新版本比 LLM 之前的传统方法字面上好了 100 倍。但我想知道，对于那个特定工具，它不只是阅读和总结而已。

这是一个类似的论点：如果“写作即思考”，那么实际上有大量的工作涉及到确定谁是一个有效的沟通者。以及，作为一家公司，应该关注的最重要的事情是什么？我想知道，LLM 是否会在某个时刻超越仅仅总结和阅读的阶段，开始进行实际的思考？到那时，谁才是真正运行组织的人呢？这是一个有趣的想法。

我想另一个关于 Parker Conrad 的思考很有趣的是，我最近在听他的 COO Matt MacInnis 的采访时了解到的。

现在在 Rippling 工作的创始人有 100 多名，他们在公司内运营着一个完整的 SaaS 垂直领域。他组建团队的方式非常酷。Harj 可能对这件事非常了解，因为你和他做过许多采访。

我的意思是，他们显然非常注重招募创始人。而且我的意思是，Parker 的 Rippling 本质上是与垂直化对立的案例。他试图走横向化的路线——更多的价值。他希望招募创始人和团队在该平台之上开发产品。就像更接近 Amazon 的方式，有一种共享基础设施的感觉。

我认为他们发布的每一个产品，比如时间跟踪工具等，基本上在推出的第一天就能达到数百万美元的 ARR。这正是我们之前谈到的内容。一旦你有了一个垂直市场，一旦你有了立足点，你所说的是：“好吧，我反正需要在销售和营销上花钱。”“我是否可以基本上获得更高的用户生命周期价值（LTV），同时保持客户获取成本（CAC）不变？”如果你看看今天所有顶尖的软件公司——这就是 Oracle 的定位，Microsoft 的定位，Salesforce 的定位。

而 Rippling，或许会成为下一个。但是，这是一个有趣的替代方法，可以不用完全靠自己从零到一发展起来。

08 AI 语音通话公司

你们想聊聊我们的一些语音公司的情况吗？我认为这是一个非常有趣的子类别，现在确实非常热门。

我和一家名为 Salient 的公司合作过，他们主要通过AI语音拨打电话来自动化处理汽车贷款领域的大量催收工作。通常这些公司会打电话给人们说：“嘿，你的汽车贷款还欠 1000 美元。”是的，这类工作实际上就是所谓的“黄油传递”工作。

这种工作很糟糕，因为许多低薪工人在这些呼叫中心工作，工作既糟糕又无聊，导致流失率非常高，并且需要巨大的员工规模来运营。

这正是 AI 可以自动化的完美任务。Salient 做的事情是，他们已经能够非常准确地执行这一任务，而且已经在许多大银行上线了，这非常令人兴奋。这是一家来自去年公司的例子，展示了它们能够成功进入市场，因为它们通过自上而下的方式销售。

我猜这个领域发展得非常迅速，我们也有像 Vapy 这样的语音基础设施公司，这样人们可以迅速开始，零售方面也有类似的发展。这些公司能够迅速扩展，主要是因为这是你能在几个小时内启动并运行的最令人兴奋、令人震撼的事情之一。然后有一些问题仍然没有答案，我们希望他们能解决，比如如何保持客户，尤其是当你遇到像 OpenAI 新的语音 API 这样的挑战时。

你知道，你是直接走向客户吗？使用基础 API 可能会增加很多工作量，但这些平台显然降低了门槛。然后问题是，是否能不断提高上限，确保你能够长期留住客户？你之前提到一个有趣的观点，关于人们在 LLM 上构建的应用程序从 2023年初开始到现在的变化。

我们刚才讨论的语音就是这个变化的一个很好的例子。即使是回顾六个月前，语音还是不够逼真，延迟太高，我们当时感觉AI语音应用程序离能够真正替代人类拨打电话还有一段距离。而现在，我们已经走到了这一步。

是的，我刚刚回顾了一下，想起了第一批 YC 创业公司，那时 LLM 驱动的应用首次出现，大概是 2023 年冬天，也就是差不多两年前。那些应用基本上只是输出一些文本，甚至不是像完美的、流畅的对话。就这样。更像是营销编辑、电子邮件编辑等。

它更像是一个逐步改进的过程，我记得有一家名为 SpeedyBrand 的公司，他们做的就是让小企业轻松生成博客和内容营销。这是一个非常明显的创意，虽然不完美，但当时看起来非常新颖。这就是我们在节目中讨论过的内容，这就像是 ChatGPT。

它在那时突然崭露头角，嘿，“这就是 LLM 应用的样子。”它只是一个 ChatGPT 的包装，做一些非常基础的事，比如输出一些文本，并且感觉它会在下一个版本中被 OpenAI 碾压，而它确实被碾压了。

我不确定那个具体产品是否被碾压，但第一波 LLM 应用大多确实被下一波 GPT 版本压制了。我感觉我们经历了一种“煮青蛙效应”，从我们的角度来看，每三个月事情就逐渐变得更好。

现在我们已经到了讨论垂直 AI Agents 的地步，它们将取代整个团队、职能和企业，而这种进展让我觉得仍然难以置信，才两年时间，这还算是相对较早的阶段，进展的速度也超出了我们之前的任何预期。

我觉得有趣的是，我们在上一期节目中讨论过，许多基础模型正面交锋，过去只有 OpenAI 这一个玩家，但我们在最近的这批产品中看到，这种情况正在发生变化。Claude是一个巨大的竞争者。竞争就像是一个非常肥沃的市场生态系统的土壤，在这个生态系统中，消费者有选择，创始人有机会，这就是我想生活的世界。

09 作为创始人，如何选择合适的垂直领域？

所以，人们正在观望并考虑创办一家初创公司，或者可能已经开始创办了，他们听到了所有这些，你怎么知道哪个垂直领域适合你呢？

你得找到一些枯燥重复的行政工作，这似乎是所有领域中的共同点。如果你能找到一个枯燥重复的行政任务，那么很可能会有一个价值十亿美元的 AI Agents 初创公司，只要你深挖下去。但听起来，你应该去追求一些你有直接经验或关系的领域。

这是我在看到有潜力的公司中发现的共同点。另一个刚刚浮现在我脑海中的公司是 Sweet Spot。我想我之前提到过它。他们基本上在构建一个 AI Agents ，来投标政府合同，而他们在一年前发现这个想法的方式是，他们的一个朋友全职工作就是在政府网站上刷新页面，寻找新的投标提案。他们正在进行转型，觉得：“这看起来像是 LLM 可以做的事。”

最近一批公司转向了一个新想法，并取得了很好的进展，他们基本上在构建一个 AI Agents ，来处理牙科诊所的医疗账单。他们找到这个想法的方式是其中一位创始人的母亲是一名牙医，于是他决定和母亲一起工作一天，坐在那里看看她的工作内容。她说：“这些索赔处理工作看起来很无聊，LLM 完全应该能做这些。”于是他开始为母亲的牙科诊所写软件。

10 结束语

所以，我猜在机器人学中有句经典格言，那就是将会盈利的机器人并且能够工作的机器人将会是脏活和危险活。而在垂直 SaaS 领域，要找的就是那些枯燥无味的“传递黄油”的工作。

好吧，我们今天的时间差不多了。下次在 Lightcone 节目中再见。