深思圈 - 节目列表

本期核心内容 本期播客深度拆解 AI 产业五层价值链，揭秘资本流向与财富创造逻辑，对比电力革命与互联网浪潮，厘清 AI 投资机会与核心风险，帮你跳出表层认知，看懂 AI 真正的赚钱逻辑。 核心观点提炼 1. AI 产业由能源、芯片、云计算、模型、应用五层构成，下层为上层提供核心支撑，大众只关注最顶层的应用层，却忽略了占 80% 价值的底层基础设施。AI 五层技术栈全貌 2. 反直觉的资本流向 * 2026 年全球四大云厂商将投入 6500-7000 亿美元资本支出，75% 用于 AI 基础设施建设 * 收入向上流动，资本向下沉淀，用户聚焦顶层产品，利润集中在底层基础设施 * OpenAI 等高调模型公司营收暴涨，但现金消耗巨大，利润持续流向芯片、云服务、能源等底层环节 1. 类比电力革命与互联网早期，每次新计算平台崛起，镐和铲子类基础设施先收割利润，应用层虽获关注，却滞后于底层价值兑现，英伟达、台积电等底层企业已实现垄断级盈利。历史规律印证：基础设施先赢 2. 五层产业机会拆解 * 能源层：AI 数据中心耗电激增，电力供应、储能相关企业迎来刚需红利 * 芯片层：设计、制造、设备、内存、封装全链条高度集中，英伟达、台积电、ASML 占据主导 * 云计算层：云厂商巨头主导，服务器、网络、冷却、数据中心地产等配套产业链规模爆发 * 模型层：高炒作、低盈利，算力成本增速远超收入，竞争极度残酷 * 应用层：市场空间最大但利润最薄，拥有独家专有数据的企业才能建立长期优势 1. 核心区别：AI 需求已真实存在且快速增长，芯片、算力供不应求；同时面临资本配置、产业链集中、低成本模型突破三大核心风险。AI 并非互联网泡沫重演 2. 当前处于 AI 基础设施建设黄金期，3-5 年最佳回报在底层；未来基础设施成熟后，价值将向应用层转移，普通参与者无需全覆盖，聚焦高价值底层赛道即可。核心策略：在正确的层级布局 关键金句 * 消费者看产品，投资者看供应链，顶级投资者看供应链前端 * 对模型和时间表可怀疑，但不能对 AI 供应链无知 * AI 是人类历史上最大规模的基础设施建设，看不见的部分才在创造真金白银 延伸思考 AI 产业的价值迁移规律，不仅适用于投资，也为创业者、从业者指明方向：当下聚焦底层刚需，未来抢占应用层数据壁垒，才能抓住 AI 时代核心机遇。

核心内容 1. 企业软件正从命令行、图形界面、可视化编辑器，走向AI Agent 全民构建时代，非技术员工无需编程即可搭建自动化工作流，释放全员生产力。企业软件民主化新拐点 2. 2023 年中成立的 Gumloop 获 Benchmark 领投、多家知名机构跟投，已被 Shopify、Instacart、Ramp 等企业采用，是企业 AI 自动化范式转变的标志性事件。Gumloop 5000 万美元 B 轮融资 3. 过去半年大模型能力大幅提升，任务成功率达 95% 以上，可靠性满足企业规模化落地要求；Gumloop 提前布局认证层、可观测性与安全能力，踩准技术拐点。AI Agent 普及的关键时机 4. Gumloop 三大核心组件 * Gumloop Agents：几分钟快速搭建，嵌入 Slack/Teams/ 邮件等现有工作场景，无需改变使用习惯 * Gumloop 平台：支持团队协作、分享与编排自动化流程，自下而上加速企业普及 * Gumstack：企业级安全管控，全链路审计与数据监控，解决 AI 落地合规顾虑 1. 不绑定单一 AI 模型，支持 OpenAI、Anthropic、Gemini 及开源方案，可按需选最优模型，兼顾性能、成本与风险分散，聚焦编排层核心价值。核心优势：模型无关性 2. 竞争突围关键 * 极低学习曲线，平衡易用性与强大功能 * 原生企业级安全、权限与治理能力 * 提供场景化预构建模板，快速落地见效 1. 员工从自用 AI Agent 到分享传播，形成病毒式普及，推动组织从被动接受技术转向主动构建 AI 能力，真正实现 AI 原生转型。自下而上的 AI 原生文化 2. 企业海量重复性任务具备巨大自动化空间，AI Agent 突破传统工具限制，可覆盖复杂决策型工作流，带来生产力与效率的指数级提升。企业自动化：万亿级市场机会 3. 未来趋势展望 * AI Agent 能力持续升级，自动化边界不断扩大 * 市场走向专业化整合与巨头入场，模型无关、安全、体验成核心竞争力 * 工作模式根本转变，人类聚焦创造、决策等高价值工作 * 资本持续涌入，赛道进入高速发展期 关键信息 * 融资：Gumloop 5000 万美元 B 轮，Benchmark 领投 * 定位：零代码 AI Agent 构建平台，面向全员企业自动化 * 核心：模型无关、极简体验、企业级安全 * 价值：推动组织 AI 原生化，释放企业生产力

本期核心主题 AI 工具普及让人人都能快速产出，但 90% 的人陷入提示→接受→发布的机械陷阱，产出大量无记忆点的 AI 垃圾内容（AI slop）。我们仅剩约 12 个月窗口期，必须建立品味、传播分发、高主动性三大不可被 AI 取代的护城河，才能在 AI 时代真正脱颖而出。 核心内容要点 1. AI 时代的普遍陷阱多数人把 AI 产出量等同于质量，快速发布却产出平庸内容，陷入 AI 工具使用的浅层误区。 AI slop 泛滥成灾，消费者对 AI 生成内容信任度下降 50%，即便 AI 广告点击率更高，得知是 AI 制作后购买意愿仍暴跌 33%，核心原因是内容缺少人的痕迹与温度。 80%-90% 的 AI agent 项目落地失败，海量同质化网站、内容上线，功能性门槛降低，卓越的门槛反而变得至关重要。 2. AI 时代三大核心护城河品味（Taste）：AI 是概率机器，默认输出平均化、通用化内容；品味是知道什么是好、更知道该拒绝什么，是推翻默认设置的判断力。需通过大量观察、刻意练习培养，遵循80% AI 执行 + 20% 人为品味打磨的黄金法则，拒绝优化错误的提示词环节。 传播分发（Distribution）：AI 拉平创作门槛，但信任门槛依旧极高。被动受众与粉丝数是虚荣指标，主动社区与长期信任才是核心；AI 可处理内容后勤，精力应聚焦打造值得传播的优质内容，品味会反哺传播效率。 高主动性（High Agency）：三者中最核心的人格特质，是无人指引时主动解决问题、直面不确定性的能力。AI 是乘数而非平衡器，只会放大使用者本身的特质，高主动性才能让品味与分发能力真正落地。 3. 12 个月窗口期的关键警示当下懒惰使用 AI 与 intentional 使用 AI 的差距极大，拥有三大护城河可领先 95% 的人。 12 个月后，品味会成为标配，传播分发竞争加剧，现在布局才能享受复利先发优势。 最终胜出的关键，不是更快的工具或更妙的提示词，而是愿意为 AI 产出注入人的在意与判断。 本期金句 * 功能性现在是免费的，卓越仍然需要付出代价。 * AI 是乘数，不是平衡器；被动加 AI 等于零。 * 没有质量的生产力只是运动，没有信任的分发只是噪音。 * 工具只是工具，真正重要的是你用它们做什么以及你在过程中投入了多少自己。 互动与延伸 欢迎在评论区分享你在 AI 使用中避开平庸、打造独特内容的经验，一起探讨 AI 时代的个人竞争力构建方法。

主题：从 “健忘工具” 到 “全上下文伙伴”，下一代 AI 助手的核心变革与隐私平衡 本期核心内容 1. 主流 AI 工具（ChatGPT/Claude/Notion AI 等）普遍缺乏用户上下文，每次使用都需重复解释背景、撰写长提示词，反而增加工作负担，无法真正理解用户的工作全貌与进度。当前 AI 助手的核心痛点 2. Littlebird：重新定义 AI 助手 * 获1100 万美元种子轮融资，由 Lotus Studio 领投，定位 “全上下文 AI 助手” * 核心技术：Screenreading 屏幕文本读取（非截图），轻量化、低侵入、更精准 * 自动读取屏幕文本、忽略敏感信息，支持自定义屏蔽应用，可对接日历 / 邮件 / 待办等工具 1. 全上下文 AI 的核心价值 * 无需手动投喂信息，自动构建用户工作与生活完整画像 * 核心功能：智能问答、会议自动记录与准备、定期工作复盘（Routines） * 实测效果：84% 用户每周节省半天时间，80% 用户工作焦虑显著降低 1. 隐私与安全设计 * 数据：AES-256 加密存储、TLS 1.3 传输，用户数据不用于训练模型 * 控制权：支持暂停收集、应用黑名单、一键删除数据 * 合规：获得 SOC 2 认证，符合 GDPR/CCPA，仅存储文本、不保存视觉信息 * 云端存储权衡：为支撑强模型能力选择云端，以加密与合规保障安全 1. 对 AI 行业的 3 大启示 * 上下文是 AI 效用的核心，比模型能力更关键 * 尽早上线、快速迭代，找到核心刚需场景（killer use case） 比追求全能更重要 * 走向 “安静的 AI”：后台默默工作，不抢夺用户注意力 1. 未来趋势：从工具型 AI 到伙伴型 AI * 提示词工程将被弱化，极简意图交互成为主流 * 单一全上下文 AI 替代多类专用 AI 工具 * 面临心理适应、用户依赖度等新挑战 * 行业将进入 “上下文全面性、AI 理解力、隐私可信度” 三维竞争 关键观点摘录 * 使用电脑的感觉越来越像是一种对抗，我们本应控制工具，却被工具控制。 * AI 的好坏取决于它拥有的上下文，而它对你的一天了解得太少了。 * 全上下文 AI 才是 “思维的自行车”，让 AI 真正服务于人，而非增加负担。 相关信息 * 产品：Littlebird（Mac 桌面应用） * 模式：基础免费，高级版订阅 20 美元 / 月起 * 定位：安静、全自动、全上下文的个人 AI 工作伙伴

本期核心亮点 从传统 AI 问答模式，升级到目标 - 结果自主执行的 AI Agent 工作流，实现个人 / 团队生产力 10–20 倍提升，真正开启「一人公司」高效工作时代。 核心内容概览 1. AI 使用的代际跃迁：问答 → 目标 - 结果 * 传统 AI：你来我往、手动收尾，人仍是执行者 * AI Agent：给定目标，自主规划、执行、交付结果 * 核心转变：从工具使用者变为数字团队管理者 1. Agent 底层运作逻辑：观察 - 思考 - 行动循环 * 自主拆解复杂任务、循环推进，直到完成标准 * 跨平台通用原理，技能不绑定单一工具，可迁移复用 1. 搭建 AI Agent 的核心四件套 * agents.md（大脑）：一次性写入角色、业务、偏好、工作方式，告别重复输背景，实现「上下文工程」 * memory.md（记忆）：自动记录偏好与修正，越用越贴合你的习惯，可控可清理 * MCP 协议（连接工具）：通用翻译器，一键打通邮箱、日历、Notion、Stripe 等全工具，实现跨平台无缝协作 * Skills（技能 / SOP）：一次配置、永久复用，把重复流程变成自动化技能，累积复利效率 1. 高阶玩法：技能链接与任务调度 * 多技能级联，打造全自动工作流（如晨间简报、会议自动准备、竞品监控） * 支持定时执行，解放手动刷新、重复检查的时间 1. 系统化组织：业务级文件夹架构 * 按客户 / 部门分文件夹，每个 Agent 独立配置大脑、记忆、技能与工具连接 * 模块化、可扩展、易维护，像管理真实团队一样管理数字员工 1. 零基础起步 7 步走 2. 选友好型 Agent 框架（推荐 Cowork） 3. 新建执行助理文件夹 4. 用访谈式提示生成 agents.md 5. 配置自动更新的 memory.md 6. 连接 3–5 个核心工具 7. 用真实任务打磨技能 8. 每周自动化 3–5 个小流程 9. 深度思考与价值 * 新型自动化：适应性强，能处理复杂多变任务 * 能力重心转移：不需编程，更需业务理解与流程设计 * 核心价值：压缩琐事，专注创意、决策等高价值工作 * 长期复利：技能堆叠后，一天完成过去一周工作量 关键结论 AI Agent 不是替代人，而是把重复性工作交给数字员工，让个人拥有小团队级产出能力，重新定义个人竞争力与工作边界。

本期内容要点 1. 创业的三大阶段：开局・中局・终局开局（Opening）：从想法到创业公司的关键跃迁，核心是完成从 “有想法的人” 到 “创始人” 的身份转变，早期决策决定长期根基。 中局（Midgame）：达成产品市场契合度后，真正挑战才开始，重点是团队扩张、建立流程、保持文化、实现业务规模化增长。 终局（Endgame）：永远未抵达的长期愿景，是公司的价值锚点，宏大目标能凝聚人才、穿越中局困境。 2. 创始人陷入线性思维，只关注当下阶段，用成熟公司管理方式对待仍在起步的业务，丢失创新活力与长期视野。为什么公司会卡在 A 轮后走下坡 3. 不同公司的天生阶段优势AI 热门公司：擅长开局，易获融资与人才，但易缺中局商业化路径。 垂直 SaaS 公司：开局艰难，一旦契合市场，中局扩张清晰。 深科技公司：终局愿景极强，但要熬过漫长且艰难的中局 “死亡谷”。 4. 同时运营三个阶段：公司多年仍保早期创新感，开局就展现中局增长力，早期就传递终局的确定性，策略调整更快、文化更灵活。顶级创始人的 “时间旅行者” 能力 5. 多数创始人做不到的核心原因认知负荷过高，难以兼顾多维度思考 投资人、员工等外部压力，被迫聚焦单一阶段 线性思维惯性，无法适配创业动态系统 梦想家、管理者、愿景家三种角色难以快速切换 6. 可落地的实践方法每周做 “时间旅行” 练习：回顾初心、复盘当下、展望长期 搭建三维团队：配置擅长创新、执行、战略的核心成员 决策做三维检查：兼顾创新、增长、长期愿景 打造反脆弱文化：鼓励实验，保持组织灵活 动态分配精力：不平均用力，但绝不放弃任一维度 本期关键启发 创业不是线性通关，而是三维并行的博弈。能同时活在开局、中局、终局的创始人，才能在任何环境里找到出路，成为 “无论发生什么都会赢” 的创业者。

核心内容速览 1. 美国患者 Nancy 被误诊狼疮 35 年，使用 Lotus Health AI 数小时后被识别为 MCAS（肥大细胞活化综合征），调整方案后症状快速改善；另有脑动脉瘤幸存者、耳鸣患者通过平台获得有效医疗支持。真实医疗案例 2. 美国医疗系统三大核心痛点 * 医疗数据碎片化：病历分散在不同机构，信息孤岛易引发误诊漏诊 * 医疗资源短缺不均：初级医生紧缺、职业倦怠严重，弱势地区医疗可及性差 * 经济激励错位：按服务收费模式重治疗轻预防，偏离患者核心需求 1. Lotus Health AI 解决方案 * 统一健康数据仓库：整合电子病历、可穿戴设备、用药、保险等全维度健康数据 * 临床验证 AI 模型：LotusAI-Predict 疾病预测准确率较基准模型提升 142% * 医生在环机制：所有 AI 诊断、处方、方案均经哈佛、斯坦福等顶级机构认证医生审核 * 服务特性：24/7 全天候服务、支持 50 + 语言、免费向患者开放，具备智能分诊与处方、转诊能力 1. 不向患者 / 医院 / 保险公司收费，以应用内优质赞助为核心收入来源，未来或探索订阅模式；激励机制从 “靠疾病盈利” 转向 “靠健康服务盈利”。创新商业模式 2. 爆发时机三大关键 * 医疗数据互操作性监管完善，FHIR API 与远程医疗框架扫清合规障碍 * 大语言模型突破，AI 具备复杂医疗推理与循证决策能力 * 消费者习惯养成，超 4000 万人用 AI 咨询健康问题，用户基础成熟 1. 团队与资本背景 * 创始人：KJ Dhaliwal，成功连续创业者，深耕消费级产品与医疗公平领域 * 临床团队：哈佛、斯坦福、UCSF、约翰霍普金斯等顶级医学院医生组成顾问团 * 融资与投资：4100 万美元融资，Kleiner Perkins、CRV 联合领投，汇聚医疗科技、AI、消费科技领域顶尖投资人 1. 面临核心挑战 * 美国 50 州医疗监管合规与执业资质难题 * AI 幻觉风险与严格质量控制、医疗责任界定 * 规模化过程中服务质量与医生效率平衡 * 赞助模式伦理边界与利益冲突管控 * AI 中介下医患信任与医生角色演变 1. 行业趋势与价值 * 医疗交付模式变革：虚拟优先、AI 辅助、按需服务成主流 * 医疗模式转型：从反应式治疗走向主动预防 * 提升医疗公平性：降低语言、时间、经济、地理门槛 * 医生角色重构：从行政与重复工作解放，聚焦复杂决策与人文关怀 * 赛道竞争升温：AI 初级医疗成资本与创业热门方向 关键信息总结 Lotus Health AI 以AI + 医生模式破解美国初级医疗痛点，用免费服务 + 赞助商业模式重构医疗激励，借助监管、技术、用户习惯三重窗口期，推动初级医疗向普惠、高效、预防导向升级，是 AI 医疗落地的标志性实践。

本期核心话题 当 ChatGPT 等大语言模型（LLM）成为用户日常决策入口，传统互联网平台（Marketplace）将面临怎样的生存危机？哪些平台会被取代，哪些能安然无恙？本期结合科技分析师 Dan Hockenmaier 的核心框架，拆解 AI 对平台经济的颠覆性影响。 关键概念：DoorDash 问题 当 AI 代理介入用户与服务方之间，用户不再直接打开平台 App 完成交易，平台依赖的重复获客免费、广告变现、向上销售等核心商业模式将彻底崩塌，流量与交易主导权被 AI 夺走。 决定平台命运的三大关键因素 1. 供应越碎片化、异质化、难以标准化理解，平台防御性越强；标准化、易整合的供应（如酒店），极易被 LLM 替代。供应聚合难度 2. 平台承担搜索、交易、风险管控、服务交付的工作越多，防御性越高；仅做线索导流的轻管理平台，最易被淘汰。平台管理程度 3. 高频、低考虑度的交易（打车、外卖），用户更习惯直接用平台；低频、高考虑度的交易（旅游、订酒店），用户更倾向通过 LLM 决策。客户参与性质 不同平台的抗 AI 冲击评级 * 极度危险：酒店预订平台（Expedia、Tripadvisor），供应易聚合、轻管理、低频高考虑，5 年内或面临生存危机。 * 面临挑战：本地服务平台（Thumbtack、Angi）、房屋租赁平台（Airbnb），需转型重度管理模式。 * 相对安全：电商平台（Amazon、Walmart），重度管理 + 长尾供应，但高考虑度交易易被分流。 * 几乎不受影响：外卖（DoorDash）、打车（Uber、Lyft），高频低考虑 + 全流程服务管控，LLM 无法复制实体运营能力。 平台应对 AI 冲击的四大策略 1. 做 LLM 不擅长的事：深耕实体服务交付、交易风控、难聚合的供应网络，构建运营护城河。 2. 原生搭建 AI 搜索：缩小与 LLM 的搜索体验差距，守住高考虑度交易场景。 3. 高份额平台强势谈判：行业头部平台掌握供应链话语权，可掌握合作定价权。 4. 放弃短期贪婪：优化用户体验，减少广告干扰，避免被 LLM 的极简体验替代。 深度思考：行业变革本质 1. 流量逻辑从平台为中心转向用户意图为中心，用户只表达需求，由 AI 完成最优匹配。 2. 数字化程度越高、越标准化的行业，越易被 AI 冲击；重线下运营、复杂服务交付的赛道更安全。 3. 平台价值从信息中介转向服务交付者，管理能力成为核心护城河。 未来 3-5 年行业预测 1. 轻管理、易聚合平台快速衰退，旅游预订平台率先洗牌。 2. 电商平台平衡广告收入与用户体验，头部平台转向 AI 原生体验。 3. 外卖、打车平台深化服务能力，拓展产业链价值。 4. 诞生 AI 原生平台，专为 AI 代理提供标准化接口与数据服务。 5. LLM 公司聚焦决策与搜索层，不涉足重度平台管理业务。 结语 AI 不会彻底消灭平台，而是重塑平台格局。坚守实体运营、深度服务、难复制供应链的平台，将在 AI 时代活得更稳更强。

本期核心主题 跳出代码与客服的固有认知，拆解 AI Agent 真实落地格局，揭秘销售、金融等低渗透领域即将爆发的核心逻辑与机遇。 核心数据速览 * Anthropic 近百万次真实工具调用数据：软件工程以49.7% 占据 AI Agent 部署绝对主导； * 低渗透领域占比：销售与 CRM 4.3%、财务会计 4.0%、法律 0.9%、医疗 1.0%； * 企业部署痛点：46% 组织认为系统集成是核心挑战，75% 企业将安全合规与可审计性列为关键要求； * 行业预测：2026 年底 40% 企业应用将集成 AI Agent（2025 年不足 5%）。 关键内容要点 1. 并非 AI 能力倾斜，而是数据可访问性 + 即时反馈循环的成熟度优势：代码库、工单系统数据结构统一、验证高效，无复杂集成与合规门槛。编程与客服率先爆发的本质 2. 销售、金融等领域进展缓慢的核心原因 * 数据分散：CRM、邮件、产品数据、合同等无统一入口，API 集成难度高； * 反馈循环滞后：销售成交、财务结果周期长，难以快速验证 Agent 决策效果； * 合规与风险严苛：金融、医疗等领域容错率低，对可观察性、可审计性要求极高。 1. 行业拐点已至：基础设施快速完善 * CRM/ERP 厂商加速开放数据，推出原生 Agent 框架； * 企业 IT 预算向集成基础设施倾斜，互操作性成为核心诉求； * 真实案例验证：SaaStr AI 销售 Agent 已搭建 480 万美元销售管道，240 万美元完成交易，新 AgentMonaco 自主完成 10 万美元交易。 1. 给不同角色的行动建议 * 创业者 / 开发者：低渗透领域是蓝海窗口期，提前布局可建立品类壁垒； * 传统 SaaS 厂商：需快速搭建原生 AI Agent 能力，否则面临用户流失风险； * 企业买家：从小型可量化用例切入，先验证价值再逐步扩展，避免项目失控。 核心洞察总结 AI Agent 的落地瓶颈不是模型能力，而是数据基础设施与治理层。当前低渗透领域的占比，是基础设施未就绪的阶段性表现，而非 AI 无效的证明。2026 年起，销售、金融、法律等领域将迎来 AI Agent 爆发式增长，提前布局者将抢占市场先机。 延伸信息 * 本期参考：Anthropic《AI Agent 自主度实践测量》报告、SaaStr 创始人 Jason Lemkin 分享 * 相关内容：Peter Thiel 投资 3500 万美金的销售领域 AI Agent 项目分析

本期核心话题 AI 大模型浪潮下，垂直软件是否会被取代？高盛最新数据与行业深度观点，拆解垂直软件的真实价值与未来护城河。 核心内容提要 1. 高盛 2026 年 2 月最新数据显示，垂直 SaaS 企业销售配额完成率、入站线索热度全面领跑财务 ERP、营销、协作工具等企业软件品类，销售业绩创历史最佳。市场数据打脸唱衰论 2. 企业软件的核心不是代码、界面与数据接口，而是对行业流程、组织协作的深度理解，流程工程是垂直软件的底层优势，通用 AI 无法替代。企业软件的真正价值 3. 不是产品上线的最后配置，而是贴合特定团队、部门、管理者的个性化工作细节，这 10% 的独特流程，是垂直软件的差异化与护城河所在。重新定义 “最后一公里（Last Mile）” 4. 软件封装了团队协作方式与工作标准，是固化的组织共识；通用 AI 追求普适性，无法适配特定机构的专属协作逻辑。软件是社会契约，而非中立工具 5. 以彭博社为例，垂直软件的粘性源于行业共同语言、协作规范与制度记忆，而非单纯的界面迁移成本，网络效应让替换成本极高。网络效应构筑坚固护城河 6. 大模型能力提升不会弱化应用层，反而需要更精准的编排、约束与验证；金融、法律等专业领域，100% 可靠是刚需，通用 AI 无法满足。AI 越强，流程工程越重要 7. 大模型厂商聚焦通用能力，无法深耕行业流程细节；垂直软件坚持模型无关（model-agnostic） 设计，保持灵活性与中立性。基础模型公司难赢垂直市场 8. 金融领域对精准度要求极致，正确与错误的边际成本极高，是 AI 垂直化落地最快、付费意愿最强的领域。金融：垂直 AI 价值最大化赛道 关键观点总结 AI 时代垂直软件不会消亡，反而价值升级；真正的护城河是行业流程深度理解 + 专属协作网络 + 可靠流程编排，深耕流程工程的垂直厂商将构建难以撼动的壁垒。

本期核心看点 1. 硅谷顶级资本 Founders Fund 领投，Sam Blond 推出AI 原生一体化营收平台 Monaco，获 3500 万美元融资，Stripe 创始人、YC CEO 等重磅天使加持 2. 直击早期创业公司销售痛点：技术创始人不懂销售、无力组建高端销售团队、传统销售工具碎片化且被动低效 3. Monaco 核心创新：将顶级销售方法论嵌入产品，以AI Agent替代传统 CRM 与零散工具，实现销售全流程主动自动化 4. 销售技术迎来关键转折：从被动工具时代，迈入主动智能 Agent 时代 5. 产品定位、竞争格局、市场机遇与挑战，以及对销售行业与创业生态的深远影响 本期要点梳理 一、融资与背景：顶级资本重仓的销售新物种 * 项目：Monaco，全栈式一体化营收平台，非传统 CRM 或简单 AI 销售助手 * 融资：3500 万美元，Founders Fund（Peter Thiel）领投 * 天使阵容：Stripe Collison 兄弟、YC CEO Garry Tan、Greenoaks 创始人 Neil Mehta 等 * 创始人：Sam Blond（前 Brex CRO、Founders Fund 合伙人）、Brian Blond（资深 CRO 与投资大佬），自带顶级销售实战经验 二、创业公司的致命软肋：为什么销售总拖后腿 * 技术创始人天然抗拒销售，迷信 “好产品自带流量”，缺乏系统化获客能力 * 早期公司无力承担高薪销售高管与团队，人力成本极高 * 传统销售工具栈极度碎片化：CRM、线索库、邮件自动化、会议记录等互不打通，数据割裂、操作繁琐 * 传统工具被动依赖人工录入，数据滞后、流程低效，完全靠人的执行力 三、Monaco 到底强在哪：AI Agent 重构销售全流程 1. 产品定位：端到端统一平台，替代 CRM + 所有零散销售工具，AI 原生设计 2. 核心能力自动构建并评分目标客户池（TAM），智能排序高价值线索 叠加人脉、职场变动、业务信号，精准定位决策人 自动生成并执行外联序列，智能跟进、无需人工盯办 自动记录通话、更新商机、生成跟进建议，Pipeline 自动管理 内置 CRO Copilot，实时给出销售策略与成交指导 3. 人机协作理念：不替代真人销售，只自动化繁琐重复工作，搭配真人专家监督 AI，保障沟通质量 四、行业拐点：销售工具→AI Agent，挑战 Salesforce * 传统巨头（Salesforce/HubSpot）：AI 为附加功能，底层仍是人工驱动架构 * 新兴 AI 销售工具：多为单点解决方案，缺乏一体化闭环 * Monaco 对标：成为销售领域的 Cursor，以原生 Agent 架构定义下一代销售平台 * 核心判断：销售技术从 “数字化自动化” 进入主动智能执行时代 五、机遇与挑战 * 优势：精准聚焦种子轮 / A 轮早期创业公司，匹配其低预算、快决策、缺销售经验的需求；“软件 + 真人销售专家” 混合模式形成差异化 * 挑战：市场拥挤，需与传统巨头 + 百家 AI 初创竞争；需快速验证产品价值、规模化获客 六、行业影响：重新定义销售与创业 * 销售角色转变：从执行者→监督者 / 决策者，聚焦高价值客户沟通 * 创业效率提升：小团队可实现大覆盖，降低销售门槛，提高创业成功率 * 人才市场变化：初级销售需求减少，高端销售与 AI 监督型人才更稀缺 延伸观点 * Peter Thiel：没有产品能自己销售自己，Monaco 已经无限接近 * Garry Tan：Monaco 解决无销售背景创始人的市场推广风险 * Ryan Petersen：每个创始人都应抢先让公司用上 Monaco 订阅与互动 欢迎关注深思圈播客，每日更新全球最新 AI 产品解析、出海增长实战策略，扫码订阅小宇宙，一起捕捉科技与商业新机遇。

本期核心主题 AI Agent 正彻底重构商业交易底层逻辑，交易成本崩塌、买家从人变成软件，传统营销与销售规则失效，全新的机器购买时代已经到来。 核心观点提炼 1. 交易成本的颠覆性改变经济学家科斯的企业理论核心是交易成本，而 AI Agent 让搜索、评估类交易成本趋近于零，毫秒内完成服务发现、比价与调用。 企业决策从 **“自己构建”转向“开放市场购买”**，中小企业运营门槛大幅降低，专业化分工进一步深化。 超专业化微型服务成为可行商业模式，按请求付费替代传统订阅，长尾服务生态快速崛起。 2. 注意力经济的终结人类买家靠注意力驱动消费，AI Agent 只查询、不浏览，不受情感、品牌故事、视觉设计影响。 机器决策核心：能否解决问题、响应速度、成本、可靠性，品牌重新定义为可机器评估的可靠性分数。 服务必须机器可发现，依赖能力注册表、结构化 API 数据，传统营销网站对 AI Agent 无效。 3. 买与建的新计算逻辑AI Agent 的核心决策：委托专业服务 VS 自主计算，关键指标是成本与速度。 专业化完胜泛化，专业服务比通用 AI 推理更便宜、更快速、更准确，信息套利驱动购买行为。 能存活的服务需具备 AI 无法复制的优势：专有数据集、实时数据源、特殊硬件依赖。 4. 向 AI Agent 销售的新规则定价协议化、机器可读，替代网页模糊定价，启用 HTTP 402 状态码实现标准化付费提示。 按请求微定价，单一功能端点可独立盈利，适配 AI Agent 的轻量化调用需求。 入门流程全自动化，程序化完成注册、验证、授权与支付，无人工干预摩擦。 5. 商业逻辑中不变的核心信任不会消失，只是转为可验证数据：运行时长、响应准确率、延迟指标、置信度分数。 合规与政策约束仍存在，可转化为机器可读合规条款，成为服务竞争优势。 机器市场存在对抗性风险，验证、透明度与可证明性是服务的核心护城河。 面向服务提供商的行动清单 * 发布机器可读的服务能力清单（结构化 JSON 格式） * API 响应中直接返回标准化定价，实现协议内透明计费 * 搭建全自动化接入流程，支持 AI Agent 程序化开通服务 * 公开可验证的可靠性指标，建立机器信任体系 * 确保服务比 AI 自主计算更快、更便宜、更准确 * 完善机器可读的 API 文档，适配 OpenAPI 等行业标准 本期总结 当买家从人类变为 AI Agent，商业底层逻辑被重写：营销不再靠吸引注意力，销售不再靠谈判，核心是为机器提供可验证、透明、无摩擦的价值。率先适配机器购买规则的服务商，将抢占下一代市场先机。