面向《财富》2000 强企业的 AI：Tenex 如何构建 AI 原生 SDLC——Alex Lieberman 与 CJ Hess

去年，Alex Lieberman 和他的联合创始人加入我们，解释 Tenex 的不同寻常之举：根据 AI 工程师交付的工作付费，而不是按他们在键盘前花费的时间付费。如果 AI 让工程师效率更高，按小时计酬可能会让工程师完成同样的工作却赚得更少。Tenex 希望激励机制朝相反的方向运作。

在 AIE New York 上，Alex 与 CJ Hess 再次做客，谈论将这一理念扩展到工程团队后会发生什么。我们还分享了自己的一项实验：Kill My SaaS。我们请参赛者替换一款会议演讲者管理工具，而这款工具的报价是每年 $43,000。

这两个故事都提出了同一个问题：当构建产品的成本变低时，你该如何判断好工作值多少钱？

工作内容不断变化时，如何按产出付费

Tenex 仍将故事点作为工程师薪酬的重要组成部分。Alex 表示，人们担心的失败模式——员工虚报估算或交付糟糕的代码来刷高点数——并非最大的问题。Tenex 的 AI 策略师负责客户留存和增长，因此有动力抵制那些对客户无益的工作。

更棘手的问题是，如何奖励那些无法整齐地归入工单的工作：了解客户的问题、设计架构，或决定最初应该构建什么。CJ 说，随着模型能力增强，他直接编写代码的时间减少了，更多时间花在将客户背景整理成模型能够使用的形式上。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 已发展到 75 人，客户分布于《财富》2000 强企业和中型市场公司。公司最初是一家 AI 驱动的软件开发服务商；如今，客户越来越多地寻求帮助，以在整个公司推进 AI 转型。跳转至薪酬讨论 →

MetaHarness：让项目留在代码仓库中

CJ 介绍了 Tenex 的 MetaHarness：围绕项目工作建立的一套共享技能、项目文档和 CLI。计划和决策与代码一同提交到 Git。当智能体重新处理某项任务时，它不仅能读到构建了什么，还能了解团队为何选择这样构建。

Tenex 自己的 AI 原生 SDLC 文章展示了这一理念：将项目记录作为人和智能体共同开展工作的依据，并提供查看 Linear、GitHub 和客户更新的视图：

来源：Tenex，《构建 AI 原生 SDLC》。

关键区别在于：让智能体更快地编写代码，与让周边工作清晰可见，并不是一回事；后者包括计划、验收标准、决策和依据。Tenex 的文章也指出了代价：对于只有一个项目的小团队来说，如此繁复的结构可能有些过头。CJ 讲解工作流程 →

Kill My SaaS：拥有自己构建的产品要付出的成本

我们的 Kill My SaaS 节目介绍了 72 个替换演讲者管理软件的参赛方案。经人类评委评选获胜的团队，在 AI 评委的排行榜上仅列第 19 名。这提醒我们，检查软件是否满足一系列场景要求，与判断人们是否愿意使用它，是两项不同的工作。

我把这个项目作为一家公司选择自研软件的真实案例介绍给了 Alex。他提出异议：越是面向高端市场，替换成熟系统的成本和风险就越高。即便是小型工具，也得有人维护。节省的成本是否足以证明持续投入精力是值得的？

我的回答是，收益不只是省钱。我们的团队长期以来一直在用一款平庸的产品。如果工作流程由我们自己掌控，就能为演讲者和运营人员改进产品，并在几分钟内迭代，而不用等供应商几个月。这种潜力必须与 Alex 所说的维护成本权衡。观看这段对话 →

垂直 AI 的利与弊

Alex 总体上对垂直领域专用 AI 产品持悲观态度：如果每家企业都期待一套独一无二的解决方案，如何才能在软件的利润率下交付？而随着前沿模型不断进步，底层任务又有多少会被通用工具吸收？

我以 Harvey 和 OpenEvidence 等为例提出了不同看法。即使底层模型人人都能使用，领域专属数据、专业界面、集成和用户习惯仍可能至关重要。Bloomberg 是个很好的参照：交易员可以从别处获取市场数据，但终端将数据、工作流程、沟通和既有习惯整合在了一起。

CJ 区分了两类产品：一类垂直产品的主要功能是由智能体执行任务；另一类工具则是改进围绕该任务的实际工作流程。由此产生的问题比“垂直 AI”是胜是负更有意思：哪些产品会成为人们长期工作的场所，哪些则会成为他们现有智能体的一项功能？观看这场辩论 →

节目说明

Tenex — Alex 和 CJ 的应用 AI 公司，与企业合作推动 AI 应用和工程实践。
Alex Lieberman 谈 Tenex — Alex 对公司的介绍及其理念。
打造 AI 原生 SDLC — Tenex 对其智能体辅助开发流程和 MetaHarness 的说明。
我们早前与 Alex 和 Arman 的对话 — Tenex 最初提出的观点：按产出向 AI 工程师付费。
Kill My SaaS — 将一款年费 $43K 的演讲者管理工具替换为 AI 智能体后，我们的收获。

时间戳

0:00 开场片段
0:26 介绍嘉宾
0:51 Tenex 的业务
1:32 CJ 加入 Tenex 的原因
3:17 按成果向工程师付费
7:20 深入了解 MetaHarness
10:25 模型与长时间运行的任务
15:11 Token 支出与投资回报率
19:29 企业 AI 应用差距
23:22 智能体部署为何困难
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 生态系统
42:28 Tenex 招聘

文字记录

根据访谈自动生成；措辞可能有误，且未标注发言者。

0:00 我只是觉得自己的产出越来越好、越来越快，最终拿到的报酬却越来越少。比如，我按小时向客户收费。我对团队的说法是：流程尚不存在，就无从自动化。

0:26 好，我们现在来到 AI Engineer，和 Tenex 一起录节目。欢迎回来，Alex。谢谢，谢谢你们邀请我们。你带来了工程总监 CJ。欢迎来到播客。Tenex 的特别项目负责人。好，特别项目负责人。也就是说，你们是特遣队。没错，没错。你之前上过我们的播客，大家对 Tenex 的故事也算有些了解，但能不能从头介绍一下，到了 2026 年，你会怎么介绍自己？当然。简单来说，Tenex 是一家应用 AI 合作伙伴，服务于全球一些最大的公司，帮助它们从没有 AI 转型为 AI 原生。我们相信 AI 非常强大，但它只是原始智能。

1:04 最难解决的问题，是最后一公里：如何让 AI 真正扩散到整个经济中。因此，我们的理念是成为推动者，帮助企业弄清楚这一切。我能说脏话吗？把这些破事都搞明白。可以，可以。是啊，我们在 Apple Podcasts 上明确标注了成人内容。不过我最近才发现 YouTube 不喜欢这样。哦，真的吗？他们就是……对，你不能说 F 词。所以我刚才是不是把你们的视频搞砸了？你们打算怎么办？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？其实我是他们招的第一个人。我甚至不确定 Alex 和 Armand 当时是不是已经想好了 Tenex 这个名字，

1:40 但在 Tenex 之前，我尝试创办过一堆创业公司，最后开了自己的工程咨询公司。我在那里做了一段时间传统工程，后来转去做 AI 咨询，也开始越来越多地用 AI 来构建东西。我是职业软件工程师。我感觉自己的产出变得更好、更快，结果收入反而更低了。我当时按小时向客户收费。而我很认同 Alex 最初发布的 Tenex 理念，

2:16 我在 Twitter 上看到那条帖子时，他们提到要根据工程师的产出而不是投入的时间来给他们回报。我想，快进两年就能看到，工程师现在可以并行处理大量工作，产出也多得多。当时有 Sonnet 3.5、Gemini 2.5 Pro，情况可能还没那么明显，但我基本上是在押注：凭借我的技能，并更多地借助 AI，我能大幅提高产出，最终也能拥有更高的收入上限。

2:53 从那以后，我就爱上了这种模式。我认为这才是工程领域真正的未来。最终，当 AI 能解决所有这些技术问题时，公司会根据结果付费，而不会想按完成某件事所需的时间付费。是啊。想了解更多细节的话，大家可以回去听我们之前的播客，你们确实是按故事点给人付费。没错。只要双方对故事点达成一致就行。但这也意味着，有些 10x 工程师一年确实能赚数百万美元，而其他人可能赚不了那么多，因为他们的效率没那么高。是的，没错。我们的核心论点是，AI 本质上就是对人类智力的一种杠杆式投资

3:29和职业道德。因此，你的收入能力将比以往任何时候都更有差异。我们的看法是，我们的模式并不适合所有人，但对于那些基本上想要靠自己闯出一片天地、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、尽可能延长有效工作时间并保持高质量产出的人来说，没有比这更好的赚钱方式了。上次我和你聊的时候，我记得你们可能有两三个人年收入达到或超过100万美元。现在有什么新进展吗？有，有，有。先简单介绍一下情况，

4:05我们在18个月前创办了Tenex，也就是开始经营这家公司的时候。最初，我们其实是一家由AI驱动的开发公司。最初的想法是，工程领域就像AI时代矿井里的金丝雀。促使我们创业的一个原因是，我的联合创始人Armand本来就是技术出身，他开始大量使用编程智能体。后来他发现，有些熟人还在自己的集成开发环境里手动敲代码，完全没有采用这项技术。所以我们就想，为什么不帮助那些还没采用这项技术的公司，为它们的工程团队注入强大动力呢？我们就是从这里起步的。后来，我们开始从初创公司和中型市场客户向更大的市场拓展，

4:42如今，你知道，我们50%的客户是《财富》2000强企业，另外50%是营收在1亿到5亿美元之间的中型市场公司。他们要的不只是人员配置和AI工程服务，还希望获得AI转型即服务。如今，公司有75名员工。其中90%是工程师或AI策略师，后者基本上可以看作技术顾问。我认为，我们的论点已经得到验证：Tenex收入最高的工程师和收入最低的工程师之间，收入能力差距非常大。

5:20差距可能在4倍左右。哦，不是10倍？不是10倍，没错。那才是我们的梦想。没错。不过，论点的其他方面都得到了验证。我认为，围绕我们按故事点付酬模式的一些经验教训很有意思。我们早就知道这种模式有局限，也一直在思考未来该如何应对。总体而言，人们对这种按产出付酬模式的担忧，典型的说法是：故事点带有主观性。员工会故意低估故事点，或者只是

5:55交付一堆糟糕的代码。敷衍了事。没错。实际上却没把工作做好。是的，没错。我想说，由于有AI策略师，这两点完全没有成为问题。我认为，我们的激励机制与工程师的激励机制恰好相反：AI策略师的激励与客户留存和业务增长挂钩。实际上，最大的挑战是，如何补偿工程师那些没有花在写代码上的时间，比如做架构设计、与客户开会。因此，我们必须在薪酬模式上做出细致调整，

6:30 但这在很大程度上仍然是由产出驱动的。还有什么要补充的吗？有，关于这一点，我花了很多时间思考。因为回想我在 Tenex 任职期间，我写了很多代码，后来写得少了一点，而现在我们差不多到了这样一个阶段：只要给模型提供合适的上下文，它们就能给出大约 90% 的解决方案。我确实认为，这里有一些机会：真正的价值在于坐下来和客户交流，听他们畅所欲言地倾倒所有想法，然后把这些内容提供给模型，

7:05 让它真正更接近解决方案。所以我想，未来我们会更多地关注产出的实际内容、运作方式和呈现效果，而不是像传统的故事点模型那样，不过仍会以故事点作为衡量单位。我还觉得有一点——不知道我们之前有没有聊过——就是所谓的元框架，也就是我们在 Tenex 使用的工程工作流，它让我们能够在长周期任务上取得非常有意义的成果。你想聊聊我们的流程吗？我觉得大家会感兴趣。有。我们基本上是从尝试标准化一套技能开始的。

7:44 嗯，我想现在大多数工程团队都做过类似的事。嗯，对我们来说，这逐渐发展成了一套非常结构化的文档，放在代码库里，此外还有一个围绕它构建的 CLI，模型会使用它来实际推动工作，无论是制定计划、制作可视化内容，还是为客户创建某种总结；实际上，就是把围绕编写代码的流程各个环节搭建起来，让它们在团队中更加自动化、更加统一。我们有几样东西，比如一份大型的规范性计划文档，它有一些类似的

8:20结构，但我觉得随着模型变得更好，我们实际上减少了对这套结构的强制要求。其他方面也大致如此。不过有了计划之后，你就会实际着手落实。我们对智能体如何记录决策、记录正在做的事以及跟踪进度，有一套非常明确的主张。所有内容都会提交到 Git。没错，所有这些都会提交。现在，这些内容对我来说基本上都以 Markdown 的形式记录下来，不，更多是 HTML。我喜欢看智能体生成的这些绘本。不过，这些内容都会提交到代码库，然后形成一个载体，让你不仅能把代码作为事实来源，

8:55我知道，大家会争论是否真的需要文档——代码本身可以成为代码库的记忆。我确实认为文档是必要的。你需要知道自己为什么做出某个决定，也需要了解相关讨论的背景。但归根结底，有了这些记录和代码库，如果遇到问题，有事情需要解答，或者需要回顾为什么要做某件事，我们始终都能在某个持久记录中找到相关内容。它不会只存在某个人的脑子里，而是始终保存在代码库中。这就赋予了我们的智能体和工具超能力，让它们拥有所有上下文；我认为很多工程团队仍然只是把这些信息放在

9:31 对话中提到的，或者他们脑海里想到的东西。我们的目标是继续推动这一进程，让所有上下文都集中在一个地方，越来越多的工作由智能体直接完成，而不是由我们事先提供所有信息。是啊，太棒了。我们衡量这些流程是否奏效的一种方式，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。那你觉得呢？比如和今年年初相比？我不知道。你觉得呢？你认为……增加50%？我觉得这确实要看情况，因为有些人……

10:09 我在 Twitter 上看到过一张图，一个人站在巫师水晶球上方，天空中还有这些东西。我觉得我们有些工程师指挥智能体四处干活时，就像那样。总体来说，我会说今年尤其如此，产出增加了2倍。我认为，基本上，如果把12月看作 Opus 4.5 时刻——模型真正开始承担这些长时间运行任务的阶段——一直到今天，我们又回到了 Opus，不过是 Opus 5.5。我的意思是，这真是个出色的模型，能完成大量工作。在这段时间里，我看到工程师的实际产出，我会说，

10:44 就他们现在能完成的工作量，以及能在同样时间内覆盖的范围而言，大约翻了一倍。现在一个故事点的价值和一年前一样吗？我们一直在努力校准。这是个棘手的计算。是通胀还是通缩？我的意思是，理论上应该是通缩，对吧？对。是啊。我也不知道。大致上我们就是这么考虑的。我会说，我们差不多每季度都会坐下来评估一次：故事点的评判标准是什么？我们实际上如何估算这些项目？要在两者之间取得微妙的平衡：一方面仍然奖励这些

11:19 产出，另一方面随着模型越来越好，我们也确实需要校准自己创造的价值。总的来说，我会说，这个2倍左右的增长在我们的估算方式中一直发挥着类似的作用。但如果我只看人们现在正在构建并推出的一些功能和项目，再和去年这个时候相比，差距简直惊人。所以这个问题我可以从几个角度回答，不过我想先问问大家对模型的偏好，因为这一直是个热门话题。我觉得你们就是让大家选择自己喜欢的工具，但也许你们有一些统计数据

11:55 能反映办公室里大家偏好什么。看起来 Opus 领先。你能估算一下市场份额之类的吗？我觉得现在大家的倾向是 Opus 5.5。没人用 Fable 吗？我个人不太用 Fable，而且我觉得现在很多人都不再默认选它了。Opus 太棒了。速度快，价格便宜。基本符合我所有的要求。我想以前我会根据模型是否便宜且快速、是否足够聪明、能否解决特定问题，在两到三个模型之间切换。而现在 Opus 基本涵盖了我的所有需求。

12:30 我觉得，团队里很多人在需要做一些可能更偏计算机操作领域的事情时，仍然会选择像 codecs 这样的工具。就工作流而言，我认为两者结合使用仍然是最佳选择，具体取决于你用哪个驱动工具。我觉得我们团队大多数人用的是 Opus 5.5。用 codex 做审查，再让它们在你的机器上来回协作，我认为仍能产出最好的结果。不过目前我们对这两者的看法相当一致。你现在还在 AMP maxing 吗？哦，我还在 AMP maxing。所以你是通过 AMP 使用 Opus？是的，他们最近……

13:05 或者说，那是 AMP 的默认模型。是的，他们最近推出了接入 Cloud Code 订阅的功能。这对我来说改变很大，因为这样能把成本降低大约 80%。完全同意。我喜欢 AMP，因为它把所有事情都从我的电脑上移走了。他们有一套云端配置，也就是 orbs。我们上周还和他们一起举办了欢乐时光活动，见到团队、体验 orb 挺不错的。这绝对不会成为流行说法。哦，我想让它流行起来。这可能是历史上第一次有人类说出这句话。

13:41 我们正在 orb out。我们当时正在 orb out。不，他们确实会说“该 orbing time 了”。是啊。不过，这就是我最喜欢的界面选择。如果我主要用 codex，模型就会在这边切换。我用的是 Sol6 one。你试过 CloudTag 吗？Anthropic 从来没像 Orbs 那样实现远程环境功能，这是不是很奇怪？是的，我觉得这里面有一部分原因是 AMP 的做法非常有主见，并不打算构建通用解决方案。我认为 CloudCode in the cloud 和 CloudTag 这类工具能为那些想要协作处理非技术任务的团队提供价值

14:16。但我喜欢 AMP 的一部分原因是它具备这些跨模型功能，我可以这样操作。Opus 负责编写。我甚至可以切换到另一个 orb，说：“看看那个 orb，帮我审查一下。”所有这些功能仍然能整合起来，基本上复现我在自己机器上的操作。而使用 Cloud Code in the cloud 或 Cloud Tag，我就是没法完全做到这一点。嗯，嗯，有道理。我一直在追踪、今年开始追踪的另一项指标，是比如说 token 支出占员工支出的比例。我不知道你们有没有这个数字。大致来说，大多数公司每位员工的支出可能在

14:53 10 到 200 美元之间。更偏 AI 原生的公司会把它换算成比例，大约是 10%。平均而言，AI 初创公司的员工支出和 token 支出大约是 1 倍；有些公司则会升至 5 到 10 倍的 token 支出。你们大概处于这个范围的什么位置？我现在一下子想不起具体数字。如果说的是原始 token 数量，我会说大概在 1 比 1 到 2 比 1 之间。

15:29 真的吗？这还挺高的。我们经常会想，什么时候该用最大的模型。我觉得每家公司都开始考虑这个问题了。不过我得说，最近我们的成本因为 Opus 5.5 大幅下降了。我们曾有过一段时间，大家都在用 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。而且你知道，自从上次我们聊过之后，很多人都陷入了某种 token 拉满的误区，什么 token 排行榜之类的。然后他们就说，哦，不不不不，现在成本太高了。可是，这本来就是全世界最容易预测的事。你以前担心过这个吗？还是说你们一直都能获得不错的投资回报？

16:07 不管怎样？是啊，我的意思是，我看这件事有几个角度。我们肯定担心过，尤其是当时我们的员工人数还在增长。而且我想，虽然我们团队里的人，我觉得从来没有谁真的认同 token 拉满的风潮，因为……我有过几次。对，我也是。但问题是，如果老板愿意买单，那我就放手去用，对吧？因为这样你才会做那些奇怪的尝试

16:42，这样你才能逐步收敛。不过你得先做那些奇怪的尝试，才能发现可以吸取的经验。没错。我的意思是，这听起来可能有点疯狂，也很想听听你的看法。不过我刚才跟人聊到了一个一直在持续的争论……大致上是这样，我保证这跟我们聊的话题有关。我刚才在跟人聊数据公司，对吧？比如 Micro One、Mercore、Handshake。以及这些企业的长期发展前景会是什么样，对吧？因为它们 90% 以上的收入都来自各家实验室。

17:17 而且有好几位创始人认为，情况会反过来，接下来几年收入将由企业客户驱动。接着我想到的是，假如企业将成为这类数据的核心买家，那你还得相信企业会在自己的模型上进行大量微调。然后问题就变成了，这么做在什么情况下才有意义？要么你认为这样能提升质量，但前沿模型的水平还会继续提高。所以这很难成为一个可靠的押注。那就只能看价格了。价格这个理由对我来说也站不住脚，因为我们看到这些模型的 token 成本还在不断下降。

17:52所以我想，我们内部不担心的部分原因是，我们似乎已经到达了某种帕累托拐点：按任务计算的成本正在下降。如今要让某人把 token 用到极限、在成本上把公司彻底搞垮，比六到八个月前难多了。我甚至觉得，六到八个月前才是真正该担心的时候。是啊。你认同吗？是的。我觉得未来有几种可能的发展方向，比如说，假如存在这样一种世界

18:30 那里有 Astra 6.5、Fable 5.5，它们非常昂贵，但能取得最好的结果。我能想象我们会再次朝那个方向发展，但总体而言我同意，你看像 Muse Wonder 这种他们昨天或今天发布的产品，它已经处于前沿水平，但价格极其便宜，竞争正在升温，无论是开源领域还是闭源领域。我认为这只会继续推动成本下降。而当你真正审视它时，许多具有经济价值的任务都可以用 Opus 5.5 完成。所以问题在于，像是——

19:08 一个聪明 10 倍的模型，真的足以证明把一些单元格移到电子表格中的成本是合理的吗？可能不值得，对吧。所以回到你的客户以及你从市场上看到的情况，你们最常收到的需求是什么？还有，有什么事情是人们来找你们做，而你会说，不，我们其实还不想接这种工作？是的。我思考这件事的一种方式，是把企业采用 AI 看作一场比赛中的不同里程碑。我认为，尤其是在 AIE，当我告诉人们有多少比例的公司已经达到这些里程碑时，他们往往会对此感到非常震惊。

19:45 但情况是这样的：企业 AI 竞赛的第一个里程碑，只是向员工部署一个通用 LLM。就我们目前正在洽谈的企业来说，姑且称之为 100 家吧，我会说其中 90% 已经向员工部署了 Claude 或 Codex。下一个里程碑则是真正教会员工如何使用它，比如培训和能力建设。这一点从未得到应有的重视，但可以说它与技术本身同等重要，甚至更重要。我会说目前大约有 60% 达到了这一阶段。

20:21 哦，这已经很不错了。是的，是的。有些公司的想法是，我们的员工自己就能摸索出来。但也有相当一部分公司认为，好吧，我们需要教会员工具备哪些技能。我们需要教会员工如何使用这些界面的特性和功能。在通用 LLM 内完成培训和能力建设之后，下一个阶段就是编码代理。令人难以置信的是，我问了这里的几个人：你们觉得在企业中，有多少比例的公司已经向工程产品部门部署了编码代理？大多数人都说，肯定有 70% 或 80%。但实际数字更接近 50%。

20:57 我们接触的企业中，每两家就有一家尚未部署编码代理，或者它们正在使用的东西，与其说是编码代理，不如说不是编码代理。再下一个阶段——我认为这里的掉队最严重，也是从原始智能到企业使用之间扩散差距最大的地方——就是将代理用于非工程工作并投入生产，这一比例降到了大约 5%。我的意思是，你整天都在参与这些对话，但我们接触的大多数企业，哪怕就说是拥有超过 1000 名员工的企业，都没有一个已经投入生产、能够实际执行工作的代理

21:33 那不是构建软件。所以我认为有几件事。一方面，这整个浪潮是由两类人共同推动的：一小群人以更大的群体因 FOMO 驱动的方式理解这项技术能够实现什么。顺便说一句，FOMO 并不是坏事。它会带来一些前进的动力，但也意味着人们会追逐那些最符合时代潮流的事物。我想，在过去一年半的时间里，人们一直在说这是智能体之年，或者不管这股趋势持续多久。每一年都是智能体之年。

22:08 比如企业会说，你们能不能帮我们为组织内部某项后台任务构建一个智能体。这是最常见的事情之一。这也是为什么现在 Tenex 的许多工作，都是在为企业部署智能体，让它们在 entor 之外投入生产，用于处理企业反复进行的工作。第二个问题是权限管理和 RBAC。基本上，随着公司里的每名员工都拥有 CLAWD 或 codecs，并且需要访问某些数据，这已经变成 CIO 和 CISO 的一场噩梦。他们基本上没有一个好的网关来轻松实现，

22:46 几乎就像是一个数据权限管理控制面板。确切地说，就是你能读取什么、不能读取什么。没错。这是一个非常大的问题。所以这也是我们投入大量时间解决的事情。你们是为人们构建这些系统，还是会直接购买现成产品？基本上，我们一开始是为企业构建定制化方案，现在实际上已经将其产品化，我们有自己的网关解决方案。对，没错。还有没有其他你能想到的事情？客户有没有经常向你们提到什么？我认为这涵盖了我们在智能体部署方面听到的情况。我认为，总会被发现的一个痛点是，

23:22 我对团队的表述是：你无法自动化一个并不存在的流程。所以，当有 40 个人都大致在执行同一项职能，但每个人的做法又略有不同的时候，实际上，要构建一个能够在后台主动执行这项工作的智能体会困难得多。你当然可以和他们坐下来，给他们提供工具，带着他们了解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，是在拥有这些能够向你呈现工作成果的智能体之后：你审查这些成果，把它们退回去，然后你会更像是——你知道，大家一直在谈论成为智能体

23:57 管理者。我认为我们正处于这一转变的边缘，但当你把视角拉远时，我们通常给企业的建议是：首先，我们需要围绕这件事，在你的公司内部建立一个流程。然后，接下来是我们实际将这项工作交给后台智能体处理的步骤。但如果没有某种形式的标准化，智能体就不可能知道自己做得是否正确；我们也无法围绕这个系统构建评估机制，无法真正交付一个执行这项职能的智能体所能带来的价值。而且还有一件事，我很好奇你怎么看，我们就在刚才还在讨论这个问题

24:35 是，而且，呃，CJ，你介意我分享一下吗？我们刚才在聊垂直领域的 AI 解决方案，以及这些解决方案的未来会是什么样子。我们总体上对针对不同职能或行业的垂直领域 AI 解决方案表达了看空态度。部分原因在于，从我们每天深入企业内部工作的视角来看，其中有太多细微差别、太多惯性，还有太多需要梳理的系统和需要协调的人。而且，当垂直领域解决方案的买家

25:11 期待的是一种真正独一无二的体验时，我们正处于一个人们期待独一无二的软件解决方案的时代。因此，如果你对此有所期待，那么每家软件公司基本上都在组建一支 FDE 团队也就不足为奇了，因为当每家公司都想要软件过去通常不需要提供的所有这些细微差别时，服务与软件正在发生融合。所以我觉得，想想垂直领域解决方案的未来真的很有意思。要么，他们将如何做到这一点

25:47，同时又保持软件的利润率，毕竟每个人都期待独一无二的解决方案？而且，我们为什么不该期待前沿模型直接把它们吞并？是啊。举几个具体例子，你说的是面向律师的 Harvey。没错。面向医生的 Open Evidence。这些都是在各自领域胜出的经典案例。而你看空它们？我会说总体上看空。没错。哇。不过到目前为止，你都错了。是的。我觉得答案很简单：它们能接触到 ChatGPT 无法获取的数据，

26:22 这非常常见。这就是护城河。显然，Anthropic 和 OpenAI 也在获取这些相同的数据源，但他们不像这些公司那样专注。他们确实有创新。如果你试过 Harvey，他们有 Tabular Review。Legora 也有。我们曾在播客中邀请过他们的 CTO，他们提供的功能、用户界面等等都是定制的，因为他们只服务这类客户。基本上，他们的卖点就是专注。专注、功能适配，也许吧。你说的功能适配是什么意思？某种程度上，你关心的是为客户做好最后一公里；他们关心的是软件方面的最后一公里。只要人们在那款软件上接受培训，它就永远不会消失。比如，作为一名银行家，或者说，在我的金融职业生涯中，我随时都能从 NASDAQ、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 50,000 美元订阅 Bloomberg 呢？嗯，这只是因为大家——我所有的同行——都在用它。所有信息都整合在一起，而且都是为我量身定制的。所以我不会犯错，或者说，它还和我的交易系统、聊天工具之类的东西，或者我的新闻系统连在一起。不，我认为人们付费使用 Bloomberg，是因为它是一个社交网络。我觉得大家喜欢 Bloomberg 上的私信功能。

26:57 他们在软件方面的最后一公里。只要人们在那款软件上接受培训，它就永远不会消失。比如，作为一名银行家，或者说，在我的金融职业生涯中，我随时都能从 NASDAQ、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 50,000 美元订阅 Bloomberg 呢？嗯，这只是因为大家——我所有的同行——都在用它。所有信息都整合在一起，而且都是为我量身定制的。所以我不会犯错，或者说，它还和我的交易系统、聊天工具之类的东西，或者我的新闻系统连在一起。不，我认为人们付费使用 Bloomberg，是因为它是一个社交网络。我觉得大家喜欢 Bloomberg 上的私信功能。

27:33 有这个，有这个。不过作为一名交易员，我知道我确实会用它来……是啊，是啊，是啊。所以，我的意思是，我觉得这里有很多集成和工具，而且我认为归根结底，很难看空其中任何一个，主要是因为对软件、对能帮你完成工作的工具的需求实在太大了。其中一部分确实会由 Claws 和 ChatGPT 这类横向通用工具来满足，而另一部分需求，你就是会想要更好的东西。你知道，我总会想到 Superhuman 作为电子邮件客户端的成功。人人都有 Gmail，但它就像是高级版 Gmail，功能更多，面向那些整天都在处理邮件的人。

28:09 而且，这就是一个市场。它可能不是全球规模最大的初创公司，但我认为，理性的人完全可以对每个市场的规模有不同看法。是啊，完全同意。我觉得有一点毋庸置疑：整个市场会增长，水涨船高，所有船都会被抬起来。接下来讨论的就只是市场份额的争夺了。是啊，是啊，我同意。完全同意。我觉得这里甚至还存在一种区别：有些是从零开始构建、融入 AI 的新应用。我想到 Superhuman 时，脑海里浮现的就是这种产品。我喜欢 Superhuman。我其实也没花很多时间处理邮件，但凡是有很酷的快捷键的产品，我都喜欢……

28:44 不，你每个月付 30 美元，就是为了不用操心这件事。凡是有很酷的快捷键的产品，我都喜欢。是啊。但我想到那些把某种智能体作为产品、让它在某个特定垂直领域里干活的产品时，除非它们拥有非常有战略价值的合规数据之类的护城河，否则我觉得它们今后会很难发展，因为我们开始看到，人们确实能够很快搭建自己的智能体；随着模型变得更好，这种能力还会不断增强；或者，这些任务干脆就会逐渐融入模型的世界里

29:21。不过，围绕应用和工具构建、能改变流程并在其上叠加智能体的产品，正如我前面说的，我认为这延续了同一种理念；我觉得这仍然会非常有用，这类产品也会取得成功。是啊。哦，好，好。所以，这里还有一种相关观点，或许没有你的观点那么犀利：其实不是说没人想用……人们可能不想用你打造的智能体，而是想用他们已经在用的智能体，并把你的数据接入他们的智能体。所以每个人都掌握着你数据的一部分，

29:58 然后他们就会说：请用我的智能体吧。每月付我 20 美元吧。但你不可能把所有这些每月 20 美元的订阅都叠加起来。归根结底，可能只有少数公司会掌握这个交互界面，然后其他人都接入这个整体智能体。我同意这一点。有意思的是，Salesforce 作为一家记录系统公司，可能是规模最大的，或者说最知名的一家，却在拥抱这条道路——也就是说，你不会用我们的智能体；我们只会提供 API 和 MCP，让你接入自己的东西。是啊，这还挺酷的。好，我其实还想讲一个例子。

30:35 我刚刚公布了「Kill My SaaS」竞赛的结果，我们在竞赛中替换了一款中端 SaaS。我说它是中端，基本上是指它可能没那么简单，但也不是 Salesforce。它处于两者之间。我觉得市面上有很多中端 SaaS，人们总是在谈论软件的消亡，对吧？我们收到的报价是每年 40,000 美元。我们花了 1,000 美元就把它替换了。它将在下一场会议上投入生产。我们就是那种客户：会说「我想要这个一对一工具」，并且期待它具备所有这些功能。我们正在为自己的业务构建一个特定领域或垂直行业的产品。目前进展还不错。

31:10 说说进展不顺的地方吧。另外，我想知道这要算多少个故事点。嗯，CJ 可以估算一下故事点数。我的总体看法是，我认为随着企业业务越做越大，替换现有系统并从头开始构建的难度也会越来越大。我同意。有人说过，虽然这么说的人很少，但他们认为 Salesforce 确实面临风险，SAP 也确实面临风险。我完全不同意。在我看来，此时这些企业只会不断积累价值

31:48。它们积累价值的部分原因是，背后牵涉的资金实在太多。如果公司替换它们时出了差错，损失可能高达数亿美元，甚至数十亿美元。你自然会规避风险。对，正是如此。我认为对于中端产品，关键其实在于机会规模有多大，以及它是否会成为公司内部最值得重建的项目。我甚至在试着想一想。就拿一家企业来说，假设它有某款中端 SaaS，每年要花几百万美元。

32:23 我认为首先要问的是，从营收或成本的占比来看，这件事能否产生足够大的影响，值得投入工程师或其他资源？我觉得得具体情况具体分析。对某些企业来说，答案可能是肯定的；对另一些企业来说，答案可能是否定的。我认为更多时候，关键在于这件事是否超出了公司的能力范围。你知道，我们聊过那个仓库是谁创建的。我忘了。那基本上就是那个逆向工程仓库。RIA。对，没错。现在大家都在讨论这个。即使是在 Tenex，我们也从零开始构建了自己的 CRM。

33:05 我们构建了什么？我们的操作系统是从头开始构建的。我认为我们意识到了一点，而每家公司最终都会意识到：软件的好处不只是它带来的效用。软件不属于你的核心业务时，你就不必操心维护和改进它所带来的种种麻烦。所以我认为，归根结底要看的是，潜在收益是否足够大，值得让公司投入一定的资源，承担相应的认知负担，去培育一个并非业务核心的东西？

33:41 显然，我觉得对你的业务来说，每年基本上 39,000 美元的差额，你其实是在说这笔钱花得值。这不只是成本问题，那是防守。我也会从进攻的角度考虑：不，事实上，我们可以让所有相关方的体验都好得多。完全同意，完全同意。所以，是的，我觉得这里的部分想法其实是，这有很大的意义，基本上不只是这样。这里有两点。第一，不只是我们为一款产品付了过高的价格，而是这款产品长期以来表现平平。是啊。这款产品好上 10 倍会是什么样子？

34:17 是啊，因为我们是客户，而且我们可以用分钟而不是几个月的时间来迭代。完全同意。实际上，我觉得有意思的是，初创公司，甚至是高速增长的中型公司，都能在这方面保持灵活。我觉得对企业来说，它们在某项能力上根深蒂固，很少会出现这样的情况——很少有企业会说，哦，我们可以做出一款比现在使用的 SaaS 好 10 倍的产品，还可能把它单独拆分出来，或者怎么样。我只是不认为企业会这样运作。确实。是啊，这个话题已经讨论过了。

34:52 事实上，我想说，你提到了自动化。更尖锐的问题是，他们是在自动化取代人类，对吧？一旦一切都实现自动化、顺利运转，我们会取代那些工作岗位吗？我不知道你对此能谈多少。是啊，我觉得这里有两点。我由衷相信 AI 会造福人类。它会增强人们的工作能力。它绝对会带来变化并取代一些岗位。但我觉得这更像是一场变革，而不只是简单地削减工作。我记得 A16Z 发过一篇文章，说的是

35:28 呼叫中心如今确实在走下坡路，而 AI 开始承担越来越多这类工作。归根结底，如果这是你整个职业生涯积累起来的一项技能，那么有某种东西进来接管这项职能，会是毁灭性的打击。话虽如此，我们和客户讨论“嘿，现在有个智能体要来做这项工作”时，部分讨论内容实际上是关于如何重新分配工作。我不认为有哪家企业会说，一旦我们解决了这个问题，这群人就没事可做、也没什么问题需要他们去解决了。所以我们的方法重点是：哪些工作可以替代，然后接下来要关注的最大问题是什么？

36:05 我认为，在大多数大型公司里，这种循环会一直持续下去。总会有下一个问题。看看我们的发展历程，需求是无穷无尽的。总会有下一个问题。实际上，可以把那些可能是这方面资深专家的人带出原有的工作领域，让他们开始更多地跨团队协作，或者不再只从电子表格里的销售额层面看业务，而是思考这些团队如何协同工作。长远来看，我认为这能让大多数人继续留在公司里

36:41 这让这些企业变得更加灵活，能够真正解决那些重大而复杂的问题，而不是陷在大多数人日常工作中那些枯燥乏味的事务里。比如说，财务部门的人大多都在处理电子表格，但我们如何才能让他们提升视角，战略性地思考业务、资金分配之类的问题呢？是的，我也觉得，每当我们谈到岗位被取代或重新分配时，总把它说成是发生在人们身上的事情。我不喜欢这种说法，其中一个原因是，我觉得这没有充分肯定人们

37:17 对自己生活拥有自主权。我的意思是，我认为……你可以调整。是的，人们确实应该认真思考。说到赋能或帮助员工重新掌握技能，我认为这既是雇主的职责，因为他们希望推动业务增长，也是员工的职责。我觉得，人们说人工智能会接手所有大家不喜欢做的工作时，这有点像是在自我安慰，回避一个现实：人们将会失业，因为很多人没有挑选自己喜欢或不喜欢的工作的余地。他们工作就是为了赚钱。而且我认为，只要条件允许，人们

37:53 就应该有自主权，问问自己：好，未来几年我的工作稳定性如何，被取代的可能性有多大？如果我要提升技能，让自己更有保障，那具体该怎么做？人们有自主权，可以这样问自己，并采取行动。是的，是的，是的。我觉得这是个值得大家思考的好建议。放你们走之前，我想聊的最后一件事就是纽约。你知道，有些人认为它是世界上最伟大的城市。人们普遍是什么样的心情呢？不管是在工作中还是私下里，你们接触到的人有什么感受？

38:28 我整天都待在旧金山。大家整天都在聊智能体。讨论的话题是 Instincts、Grok 或 Muse。没人会问你喜不喜欢人工智能，对吧？我觉得我想暂时跳出那个圈子一会儿，但这里毕竟还是纽约。这里依然进步，也依然着眼未来。是的，我想说的是，基本上，纽约也有一个圈子，只是比旧金山的小。如果说旧金山像一个大圈子，我觉得我们在 Tenex 会觉得，嗯，我们身处一个——我会说是旧金山的一个缩影，

39:03 因为选择来公司工作的人都是如此；还有与我们合作的公司，以及我们在纽约接触的人。不过我肯定也会说，事实确实如此：相比旧金山，这里的圈子要小。当你去旧金山时，会觉得整个世界都被这件事包围着，好像无论走到哪里都能看到有人在聊。就像我之前说的，有个人上台后，如果人们上 Twitter 或 X，是因为他们觉得自己身处 Edge City，生活在未来，那么 AIE 就是它的加强版。我觉得旧金山就像 AIE 一样。

39:40 我的意思是，通常对 AIE 感兴趣的人和人生中曾在 SF 生活过的人，重合度可能非常高。我们现在大约占这座城市人口的 1%。真的吗？为了世博会，没错。这太疯狂了。是啊。不过说到这一点，我只是觉得，SF 的文化和基因里就有这么一条：有很大一群人活在未来。我觉得你在纽约也能找到这样一群人。我们 Tenex 也找到了这些人。我们的目标之一，就是推动 AI 成为一个中心，或者让纽约成为美国的 AI 中心，

40:16 因为这里的商业活动非常多，所以技术在这里的普及确实会对这个国家的 GDP 产生重大影响。我觉得现在这个圈子规模更小了，我们几乎把扩大这个圈子当成自己的使命。也许我不知道能不能达到 SF 的规模，但我确实认为，我们可以发挥重要作用，让更多人在这里活在未来。这种变化也体现在实体环境里，比如你能在广告牌上看到。它正在慢慢渗透进来。哦，完全是。还记得以前那个 Friend 的宣传活动吗？当时有人会在上面喷各种涂鸦。我觉得那多少是故意激怒人们、博取关注。但现在你能看到那些不带讽刺意味的 AI 广告牌，人们会想：我想，

40:52 这现在已经成了生活的一部分。完全是。是啊，我觉得这里有个机会，可以带来 SF 所塑造的那种前沿气息，以及那种活在未来的感觉。这种氛围源于当地的经济环境，源于风投、科技公司，也源于被吸引到那里的人。但我也觉得，我们处在一个很奇怪的局面：AI 领域里，我们是个更小的池塘；但我认为在……领域，我们的池塘同样大，甚至更大

41:29 商业价值，所以我实际上的说法是，我在纽约做 AI 的原因，是把所有来自 San Francisco 的人带到这里见客户，也让他们认清现实。完全同意。而且我确实觉得这里有很有意思的套利机会。是啊。是啊。是啊，完全同意。好，太棒了。招聘启事。我知道你们一直在招人。没错。你们在招什么职位？有什么变化？没错。我们 Tenex 正在招聘前线部署工程师。直接访问 tenex.co 就行。我们也一直在招聘 AI 策略师，他们基本上是负责主导客户项目的技术顾问。团队在 New York City 有 75 人。我们会继续以 New

42:07 York City 为家。如果你是一家企业，想真正实现 AI 原生化，而且已经尝试过但行不通，联系我们。我保证我们会比其他很多传统咨询公司做得更好——就不点名了。哇，有点辛辣。CJ？是的，我完全赞同这些说法。我尤其在找工程师。特别项目是什么？那是什么？特别项目包括我们客户工作之外的所有事项。我想想我现在脑子里在做什么：就是在内部构建那套元框架和系统，基本上它……

42:45 就是找出模型能力的前沿，并为它们提供工具，增强它们的能力。然后也在内部开发 Alex 提到的平台。那里的大目标是推广这些后台智能体，并以真正、真正有帮助的方式将它们带给企业。对，还要解决我们之前提到的很多棘手的 IT 问题。老兄，等你们有了一些解决方案，我们的 Latent Space 博客接受客座文章。我很乐意欢迎大家来分享知识。除此之外，非常感谢你抽出时间。

43:20 很高兴又在纽约见到你。对，我也很高兴。谢谢。每年一次，每年一次。太棒了。谢谢。