深思圈

内容要点 1. 过去软件的价值在于 “能不能写出代码”，AI 时代执行不再稀缺，判断力（judgment） 成为核心 —— 包括需求理解、边界处理、合规、信任机制、长期维护等无法被简单编码的经验。价值重心转移：从执行到判断力 2. AI 擅长实现，但不擅长读懂隐性上下文。工程师的核心工作从敲代码，转向明确意图、对齐需求、校验假设，避免技术上正确、业务上不可用的 “坏代码”。从写代码到清晰表达意图（intent） 3. AI 并非全能：代码的可规范化差异 * 易规范化：数据库、协议、CRUD 等，AI 效率极高 * 难规范化：架构设计、API 抽象、用户体验、业务策略等，高度依赖人的品味与判断 1. 优秀团队不再比拼代码产量，而是把判断力系统化：用约束、测试、流程保证质量，实现决策可复制、可扩展，即 “判断力工程”。组织能力取代个人英雄主义 2. 行业与职业的终极启示 * 代码门槛降低，但优秀系统的天花板更高 * 竞争优势从技术执行，转向领域理解、需求洞察、长期决策 * 人与 AI 最佳关系：人负责判断与意图，AI 负责执行与细节 金句总结 代码廉价化的时代，判断力才是新的杠杆，意图才是新的瓶颈。

本期主题 AI 时代的约会革命：跳过左滑右滑，让 AI 直接帮你安排真实约会 —— 解析融资 920 万美金的初创公司 Ditto 的破局之道 核心话题 1. 传统约会 App 的死胡同：为什么我们刷了无数次匹配，却难遇真爱？ 2. Ditto 的反直觉模式：无需 App、一周一次匹配，AI 如何直接安排线下约会？ 3. 技术内核揭秘：AI 真的能预判人与人之间的 “化学反应” 吗？ 4. 校园切入策略：为什么大学生成为 Ditto 的核心突破口？ 5. 商业模式悖论：帮用户快速脱单的服务，如何实现长期盈利？ 6. 行业趋势前瞻：AI agent 会成为下一个十年的约会科技主流吗？ 关键亮点 * 融资背景：UC Berkeley 辍学生创立的 Ditto，获 Peak XV 领投的 920 万美元种子轮融资 * 核心数据：加州 4 所 UC 院校 42,000 名注册用户，25% 匹配转化为真实约会（传统约会 App 不足 5%） * 独特体验：通过 iMessage 完成全流程，用户仅需填写理想型问卷，每周三收到含时间、地点、活动的约会安排 * 技术创新：构建 “智能体系统”，通过照片分析、氛围检查、约会模拟等多维度匹配，而非表面标签比对 * 营销巧思：针对不同校园文化定制话术（如 Berkeley 将约会包装为 “romantic coffee chat”），线下举办游艇派对强化真实社交场景 深度思考 * 矛盾点：传统约会 App 的商业模式依赖用户 “持续单身”，而 Ditto 以 “促成线下见面” 为核心，反向重构行业逻辑 * 技术边界：AI 能捕捉价值观、幽默感等深层匹配因素，但无法替代真实面对面的互动化学反应 * 用户需求：Gen Z 对 “滑动文化” 的厌倦，反映出年轻一代对真诚、高效、低压力社交的渴望 * 隐私与信任：AI 掌握用户私密偏好与约会反馈，如何平衡个性化匹配与数据安全？ * 未来想象：从约会延伸到商业合作、兴趣结伴，AI 社交智能体或重构所有人际关系的建立方式 延伸讨论 * 你是否经历过约会 App 的 “匹配焦虑” 或 “聊天内耗”？ * 你愿意让 AI 为你筛选约会对象并安排见面吗？顾虑是什么？ * 除了约会，你还希望 AI 帮你建立哪些类型的人际关系？

核心话题 当用户从 “人类” 变成 “AI Agent”，传统数字营销体系面临崩塌，品牌该如何在 “Agentic Web” 时代被发现、被推荐、被选择？ 关键背景 * 一家名为 Limy 的创业公司完成 1000 万美元融资，由 Flybridge 领投，a16z speedrun 等机构跟投，其核心业务直指 AI Agent 时代的品牌营销痛点。 * 现状：AI Agent 正成为新的流量入口和购买决策者 ——OpenAI 测试 ChatGPT 广告功能，Google 在 AI 搜索结果中引入广告，传统营销漏斗（SEO、广告投放、用户界面优化）逐渐失效。 核心概念：Agentic Web * 定义：以 AI Agent 为核心的全新商业生态系统，品牌与消费者的交互界面从网页、应用转变为 AI Agent，消费者只需表达需求，Agent 即可完成信息搜集、决策与行动（无需可见用户界面）。 * 颠覆本质：打破 “人类主动浏览、点击、决策” 的核心假设，AI Agent 通过结构化方式获取信息、综合分析，传统营销指标（页面浏览量、点击量）失效。 Limy 的创新解法 核心洞察 区别于行业关注 “用户提示词数据”，Limy 聚焦 “AI Agent 行为数据”——Agent 访问了哪些网站、获取了哪些信息、为何推荐某品牌、是否触发购买，这些数据才直接决定商业结果。 技术与功能 * 部署方式：插入品牌的内容分发网络（如 Cloudflare），识别和解码 AI Agent 与网站的互动，检测信息获取、行动执行情况。 * 核心能力：建立 “提示词→Agent 行为→商业结果” 的归因链路，精准追踪 AI 流量带来的转化与收入； 生成专有数据洞察，帮助品牌优化内容，提升在大语言模型回答中的可见性； 覆盖电商、零售、媒体、金融等多行业，支持自助式仪表板与定制化部署。 商业价值 * 已服务 Fortune 100 公司，部分客户 10% 的收入归因于该平台，验证了 AI Agent 流量的商业潜力。 创始团队优势 * CEO Aviv Shamny、COO Ido Zabarsky、CTO Ori Reichman 均为顶尖数据专家，深入理解大语言模型运作机制； * 两位创始人曾任 a16z speedrun scout，拥有深厚的 AI 行业资源与前沿洞察力； * 公司 2024 年成立于纽约，2026 年已启动全球扩张，计划将团队从 25 人增至 120 人。 对品牌营销的关键启示 1. 策略重构：从优化 “人类浏览体验” 转向优化 “AI Agent 信息获取效率”，需提供结构化、准确、易提取的产品信息； 2. 广告逻辑转变：聚焦 “触发 Agent 行动的提示词”，而非传统关键词，需理解 Agent 如何解读广告、是否转化； 3. 内容重心转移：从 “吸引人类读者” 到 “满足 Agent 信息需求”，弱化花哨形式，强化信息质量与相关性； 4. 指标体系更新：抛弃页面浏览量、停留时间等传统指标，关注 Agent 访问量、信息获取类型、提示词转化效率等新指标。 未来展望 * 短期：更多聚焦 Agentic Web 的创业公司涌现，解决内容优化、AI 推荐位争夺、归因等细分问题； * 中期：OpenAI、Google 等主流平台完善 AI 广告系统，催生全新广告产业； * 长期：Agentic Web 重塑互联网商业生态，购物体验更个性化高效，但品牌需应对 “与消费者直接接触减少” 的品牌建设挑战； * 潜在争议：AI 推荐的公平性、透明度，小品牌竞争机会，商业利益对推荐结果的影响等。

核心主题 软件股遭遇史无前例暴跌，市场恐慌 AI 将颠覆整个行业，但并非所有软件公司都面临同等风险。本期播客基于分析师 Daniel Pronk 的深度研究，拆解 AI 时代软件公司的生存逻辑与投资机会。 关键框架：软件公司的三类分型 1. 横向软件（Horizontal Software）特点：通用解决方案，覆盖多行业（如 Salesforce、monday.com、Atlassian），聚焦数据可视化与表层工作流，切换成本低。 AI 风险：极高，核心功能易被 AI 复制（如自然语言指令替代点击式仪表盘）。 2. 纵向软件（Vertical Software）特点：聚焦特定细分市场（如水表计费、行业专用运营系统），深度嵌入客户核心业务，切换成本极高。 AI 风险：低，粘性强且依赖度高，AI 难以复制其行业专属逻辑与业务深度。 3. 生成式软件（Generative Software）特点：以内容生成为核心（如 Adobe、Duolingo、Wix），价值在于降低内容创作门槛。 AI 风险：极高，AI 本身擅长内容生成，可能让核心产品沦为免费功能。 重点公司风险评级与分析 1. 极高风险（易被 AI 颠覆） * Duolingo：语言课程本质是生成式内容，AI 可零成本创建同类课程，谷歌等巨头已入局。 * Wix：网站搭建功能被 AI 快速复制，无代码 AI 工具让建站成本趋近于零。 * DocuSign：在线签约已成为商品，Google、Adobe 等均能提供替代功能，无核心护城河。 2. 高风险（面临显著冲击） * Adobe：AI 提示词可直接生成 / 编辑视频、图片，威胁 Photoshop、Premiere Pro 核心地位。 * monday.com/Salesforce：横向工具的工作流自动化、客户管理功能，易被 AI 代理工具免费替代，且按席位定价模式受裁员潮冲击。 * Workday：企业办公协同工具，AI 初创公司正推出低成本简化版替代方案，且其 AI 功能存在低质量问题（40% 节省时间因返工流失）。 3. 中等风险（有护城河但需转型） * Atlassian：Jira/Confluence 虽为横向工具，但在开发协作场景有一定深度，AI 功能用户增长迅猛（季度增长 50%）。 * Autodesk/Nemetch：设计领域行业标准，AI 提升设计师效率但可能减少席位需求，正转向基于使用的定价模式。 * Intuit：税务申报依赖准确性与合规性，短期 AI 难以完全替代，但面临免费政府税务系统与 AI 竞品双重压力。 4. 低风险 / 受益于 AI * Snowflake：数据云基础设施，AI 对大规模干净数据的需求使其价值提升，新 AI 产品收入提前达标。 * ServiceNow：IT 运维与安全自动化平台，AI 代理（Now Assist）可自主诊断修复问题，85% 财富 500 强为客户。 * Constellation Software：拥有超 1000 个纵向细分市场软件，关键任务属性 + 低替换回报比形成强护城河，AI 恐慌降低收购成本。 * 网络安全 / 监控公司（Palo Alto、CrowdStrike、Dynatrace）：AI 增加系统复杂性与网络风险，催生更多安全与监控需求。 深度思考与核心观点 1. 市场误区：将 “软件行业” 视为整体，忽视不同类型公司的护城河差异，恐慌性抛售导致大量错杀。 2. 护城河关键：软件在客户业务流程中的 “深度” 决定粘性，表层功能易被颠覆，核心业务嵌入型软件难以替代。 3. 定价模式变革：按席位定价受冲击，基于使用的定价成趋势，但需平衡客户预算稳定性。 4. 生成式软件困境：核心价值被 AI 直接替代，转型 “AI 生成界面” 是唯一出路。 5. 投资机会：纵向软件、数据基础设施、网络安全公司估值已达历史低位，具备长期配置价值。 6. 风险提示：股票薪酬过高（如 Snowflake）、AI 功能低质量、竞争对手跨界冲击需重点关注。