五度妙笔
企业透视镜
API商城
数据库巨头都想做的 Personal AI，Town 为什么成了最受关注的那个？
在硅谷，面向消费者的 Instinct 刚刚以 25 亿美元估值融资，仍在通过免费产品获客。面向工作场景，有主打邮箱和日历的 Town。更近一些，GrokBot 也加入竞争。再往上看，OpenAI、Anthropic、Google、Apple、Meta 都不可能放弃这个入口。
Town 创始人 Jean-Denis Greze 对这种处境并不避讳：「我很清楚，我正在做的事情，会是未来 12 个月 Google 和 Apple 的前三大优先事项之一。不是前十，是前三。」
Jean-Denis Greze 曾担任 Plaid CTO，此前也在 Dropbox 负责工程工作。今年 6 月，Town 完成由 a16z 领投的 5500 万美元 A 轮融资。两个月后，又传出在以 10 亿美元估值洽谈约 9000 万美元的新一轮融资。
Town 的产品叫 Townie，存在于用户的邮箱和日历里。它会观察用户怎样安排日程、经常发送哪些邮件，再主动推荐相应的自动化，把原本需要人亲自完成的工作放到后台。当一个 Townie 不知道答案时，它还可以向同事的 Townie 寻找信息。
这让 Town 站到了巨头必争的主赛道上。但 Greze 认为，眼下还没到讨论谁已经拥有坚固护城河的时候。这个市场甚至没有一款产品真正找到足够深的 PMF 场景。大公司或许会迅速复制已经成功的产品，但在那之前，总要先有人把面向主流用户的产品做出来。
在与 20VC 主持人 Harry Stebbings 的对话中，Greze 给出了几条值得关注的判断：
AI 产品已经能以机器的速度开发，团队却仍然只能以人类的速度学习。
AI 助手真正的网络效应，可能发生在 Agent 之间。多人协作形成的网络，比单纯积累个人数据更难迁移。
每个人最终只会保留一到三个 AI 入口。专业 Agent 不会全部出现在用户面前，会被主助手在后台调用。
AI 助手的商业模式最终会是付费，应该尽快验证用户是否愿意为它付费。
大多数人不关心哪个模型在某个时间点更擅长什么，但产品的人格要保持一致。
以下是对话全文，经 Founder Park 编译整理。
⬆️关注 Founder Park，最及时最干货的创业分享
我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。
如果你正在做 AI 相关的事，欢迎和我们聊聊。
01
Instinct、Grokbot 甚至 Meta，
都在争夺 Personal AI 的入口
Harry Stebbings：现在几乎每家公司都会被投资人追问，大公司会不会做出同类产品，把你的市场吃掉？你这个赛道简直正中靶心，再加上最近的 GrokBot，你怎么看这些威胁？
Jean-Denis Greze：说实话，我很清楚，自己正在做的事情会是未来 12 个月 Google 和 Apple 最优先的三件事之一。不是前十，是前三。
我入睡很快，这是我的一项超能力，但我会在凌晨三点醒来。创始人的生活就像轮盘赌，今天会是哪一个阴暗的念头让我再也睡不着？Town 正站在球道正中央，所有人都会冲着你来，这当然是我的恐惧。
但谈护城河多少是一种奢侈。我觉得，只有做到比 Town 今天更成功的程度，才有资格奢侈地谈护城河。我现在首先想的是，怎样在一个潜在付费用户可能达 10 亿人的市场里，先拿到 10 万甚至 100 万付费用户。
今天没有任何产品已经拥有很深的 PMF。GrokBot 很酷，但仍然是面向高阶用户的产品，不是大众产品。Town 很不错，可我们同样还有很多工作，才能真正成为主流产品。
所以在担心防御性之前，我还在想，什么样的产品体验能真正打动主流用户？
大公司通常不会率先创新出这种体验，它们会复制已经获得成功的产品。但在复制之前，总要先有人把主流产品做出来。
Harry Stebbings：Town 和 Instinct 看起来非常相似，算是直接竞争者吗？
Jean-Denis Greze：我不认为 Town 和 Instinct 在做同一件事，也不认为两者会以相同方式变现。
Town 从企业和工作场景获得收入，在多个团队成员之间形成网络效应。Instinct 目前更像用完全补贴的免费产品获客。产品能力可能类似，但几乎所有 Agent Harness 的能力都相似。如果看各自的 ICP（Ideal Customer Profile，目标客户画像）和营销方向，差异其实很明显。
相较 Instinct，我更关注 GrokBot，因为它在争夺和我们更相近的市场。所以我思考得更多的是，我们的策略怎么和 GrokBot 差异化？怎么获取不同的客户？以及我们的能力和 Harness 怎样才能在用户眼中真正与众不同？
不过，这个市场仍然是蓝海。我们接触的大多数客户甚至没听过这些产品，他们只是把 ChatGPT 当作增强版 Google。
Harry Stebbings：GrokBot 集成进 X，是优势还是负担？
Jean-Denis Greze：它的品牌会让一部分人永远不愿触碰，这是他们必须长期面对的问题。但从分发和早期增长看，X 对某些人群很有帮助。
不过，赢下 X 上的高阶用户和 KOL，不等于赢下整个市场。那只是早期采用者，不代表产品已经找到主流用户的 PMF。我相信 GrokBot 团队也很清楚这一点。
Harry Stebbings：Apple 的 Agent 路线呢？
Jean-Denis Greze：Apple 有几重问题。第一，它不是一家云公司，这不在它的 DNA 里，它不知道该怎么把云做好。Agent 能访问的数据越多，效果越好，而数据并不全在手机上。
第二，Apple 把隐私和端侧计算绑定得太紧了，结果离能力前沿越来越远。手机上的本地模型当然很了不起，但就是比云端前沿模型更慢、更笨。
第三，这种隐私立场让手机上的数据互通变得困难，即使是 Apple 已经拥有的数据也难以充分利用。
传闻中的新 Siri 会比今天的 Siri 好得多，但能力上我觉得会比 Town 或 GrokBot 落后大概九个月。
Apple 有了新 CEO，接下来怎么走还有待观察。我认为它需要请来一个 DNA 完全不同的人，对内部说：「你们没有意识到，人类与数字数据交互的方式正在改变。我们要么真正弄明白这件事，哪怕抛弃许多既有原则，要么就无法赢下这一代战争。」
如果问我最担心谁，在个人使用场景，是 Meta 和 WhatsApp。WhatsApp 里一定会出现个人助手，我不知道是明天发布还是三个月后，但它肯定会来。它们已经拥有分发，所有人本来就在 WhatsApp 上发消息。如果里面再出现一个能替你做事的 Agent，会非常强大。
Harry Stebbings：产品构建中，最出乎意料的困难是什么？
Jean-Denis Greze：市场变化的速度太疯狂了，我从没见过这样的情况。
过去，团队和客户交流，开发一个功能，观察他们怎样使用，再把学习带到下一个功能。等到别人终于复制你的第一个功能，你已经领先了三轮学习。你可以利用已有的 PMF，产生更多 PMF。创业公司通常能把这些用户洞察吃很多年，可能十年后才会耗尽。
现在，只要某件事在一家产品上奏效，所有人都会注意到，在两到四周内迅速复制跟进。你可以用机器的速度去构建，但只能用人类的速度去学习。
今年一、二季度时，我认为创业公司里大概有 15 家值得注意的竞争者，现在可能只剩两三家。但创业公司还要同时面对 Apple、Google、GrokBot、Cursor、OpenAI 和 Anthropic。
现在 Anthropic、Cursor 和 GrokBot 都以创业公司的速度运行。我在 GrokBot 有个好朋友负责工程，每次聊完我都很丧。我必须击败硅谷最优秀的人之一，他们所在的公司既有创业公司的 DNA，又拥有巨大的成本和规模优势。
你一分钟也不能休息，不能再指望竞争者需要 6 到 12 个月追上来。这种压力前所未有，但也正因如此，这是最有趣的创业时代。
02
让用户开箱就能感受到 Magic Moment 很重要
Harry Stebbings：我记得你最早做的是金融领域的项目，说实话挺无聊的。后来怎么转型的？
Jean-Denis Greze：我们花了一年做 AI 企业报税，做到了一定程度的 PMF，但还不够。说白了，就是失败了。
一年之后我们重来，花了三个月在「旷野」里摸索方向。我们注意到，为什么没有人做一个基于邮箱运行的 AI 产品？这么多人用邮箱和日历来管理工作和生活，却没有一个好产品。
恰好当时 Opus 模型开始具备完整的 Agent 能力。模型不再只能完成几个步骤，终于能做真正的工作了。我们用两周搭了个原型，几乎立刻就出现了 PMF 的迹象。
很幸运，我们没有先访谈一百名客户再整理笔记，是为自己做。技术恰好在那个时间点发展到足以实现我们的设想的地步，大家也正愿意尝试 AI 产品。
OpenClaw 当时也在起步，我们看到后想，这跟我们做的很像。但开源产品再好，也只有爱折腾的技术用户才会用。Town 从一开始就聚焦于怎么让几乎所有人都能从产品中获取价值。
Harry Stebbings：Town 的试用付费率超过 15%，对 PLG（Product-Led Growth，产品驱动增长）来说非常高。你们做对了什么？
Jean-Denis Greze：产品背后的核心洞察只有一个，一开始就要求用户连接邮箱和日历。
有了这些数据，我们才足够了解用户，主动建议 AI 能替他做哪些事情。ChatGPT 不强制连接邮箱，普通用户面对的还是一个聊天框，很容易不知道可以要求它做什么。
Town 会明确告诉用户，不连接邮箱和日历就不能使用。但连接之后，我们就能告诉你，「这是你平时在做的工作，我们推荐自动化方案来帮你做」，这个时刻就是魔法。
Harry Stebbings：有多少人在连接这一步流失？
Jean-Denis Greze：30%，你必须愿意承受这个损失。这有点像强制付费墙，只不过是数据连接而不是付款。
Harry Stebbings：Time to Wow，也就是让用户第一次感到惊艳所需的时间有多重要？
Jean-Denis Greze：非常重要。说实话，Town 今天能够奏效，正是因为单个用户获得价值的时间很短，所以一开始就会喜欢它。
能在开会之前就准备得非常充分、让会后的行动项自动得到处理，对销售、招聘人员和小企业主等很多角色来说，真的像魔法。用户无需配置，开箱就能感受到这个 Magic Moment，然后开始问：「这项技术还能帮我做什么？」
我们的重点一直是把这一刻做对，尽快让用户获得价值。至于其他集成，我们可以打持久战。这种方法目前效果很好。
03
能解决多人协作，
可能才是 AI 助手的终极护城河
Harry Stebbings：找到主流产品体验之后，Town 最终能靠什么防守？
Jean-Denis Greze：我认为，这个品类最终的赢家会在 Agent 层拥有网络效应。Town 有一项 Agent-to-Agent 功能。你向自己的助手 Townie 提问，它发现自己没有答案，但某位同事的 Townie 知道，就会直接去询问对方的 Agent，再把答案带回来。
目前这个功能藏在产品比较深的位置，但它确实构成了网络效应。一旦整个团队都在使用，就很难想象他们会迁移到别的产品。今天还没有人真正解决多用户协作的 AI，这可能才是最终的护城河。
在实际扩展中，我们发现两个有趣的规律。
第一，如果一家公司里有一个喜欢折腾的人，愿意创建团队 Skill、集成和 Routine，其他成员都能免费使用这些积木，那么整个团队的采用速度就会快得多。
我们在努力做到不依赖这个折腾者，但当一个 Power User 出现在普通用户旁边时，效果确实不同。所以我们一直在想，能不能识别出这些人，让他们更容易为队友创造传播效应。
另一个发现是，企业内部很多职能仍然严重缺少 AI。销售团队已经被各种 AI 产品轰炸了三年，但行政助理、Chief of Staff、HR、初级财务和招聘等角色，日常工作中真的没有多少 AI，很多工作仍然在邮箱里进行，他们反而更渴望新工具。
Town 经常从这些看起来不够「性感」，但对技术有真实渴求的岗位中获得早期采用，再通过他们服务的管理者和运营团队渗透到更多部门。
Harry Stebbings：Town 出现以后，Instinct 又在最近两三周迅速走红。最近，我就已经收到四五家「欧洲版 Town」或「欧洲版 Instinct」的融资推介。有的做企业端，有的做消费端，还有的两边都做。如果要给投资人建议，我们该如何理解这个领域？
Jean-Denis Greze：Town 自己也押了几件事，认为它们能让产品长期存在。
第一，我们押注每个人只会拥有一个 AI 助理。它有名字，有自己的形象。我们称它为 Townie，围绕人与 AI 的关系建立了一整套品牌。很多用户很喜欢这一点，他们希望拥有一个自己信任、可以塑造的东西，给它取名，让它具有与自己相符的色彩和形象。听起来也许有点傻，但我认为这确实是一种防御力。
Snapchat 就是类似的例子。虽然它的商业规模远不如 TikTok、Facebook 或 Instagram，但它对产品如何运作有非常鲜明的主张，一部分人就是会被这种主张吸引。
第二，是我们刚才谈到的网络效应。
第三，我们相信，大量预处理可以带来更好的用户结果。甚至在用户提问之前，我们就会投入不少算力来构建用户的心智模型，理解你在做什么项目、你的公司是什么样的。
如果我是投资人，面对所谓的欧洲版产品，我会问：它凭什么有资格在欧洲胜出？靠的是分发、GDPR 和隐私优势，还是因为 Town 目前根本没在法国做营销，所以它可以成为「法国的 Town」？它必须有一个非常具体的理由，证明自己能赢到最后，因为这种产品的开发成本很高。
我们很大一部分研发投入，就是为了跟上行业基准。无论采用什么分发策略、在工作场景里做得多好、网络效应功能有多强，Agent 的基础能力至少必须与别人相当。如果 Codex 能做一件你做不到、而且对用户很重要的事，比赛就结束了。用户会问，我为什么要每月付 50 美元用 Town，花 24.99 美元用 OpenAI 不就好了？
04
用户可以不关心模型，
但产品人格必须保持一致
Harry Stebbings：Town 底层的模型基础设施是什么样？怎样为不同任务做模型路由？会锁定在某一家模型上吗？
Jean-Denis Greze：我们在做面向所有人的产品，大多数人不关心哪个模型在某个时间点更擅长什么。我们的工作是针对你的需求，找到性价比最高的模型来完成任务。
比如生成图像时，我们内部对什么时候用 Gemini、什么时候用 OpenAI 有自己的判断。做语音任务时，也会判断何时用 ElevenLabs。技术几乎每周或每两周就会出现一次根本变化，我们的工作就是保证用户始终获得合适的 ROI。
这并不容易。有些任务很容易判断结果对不对，另一些任务则非常开放，事先无法确认。我们只能估计任务有多难，以及需要多接近能力前沿。
但模型路由还有另一个维度，人格的一致性。不同模型的表达方式并不相同，用户不喜欢自己的 Townie 突然像换了一个人。
Anthropic 很重视让不同 Claude 模型维持相近的性格，它们可能表达详略程度不同，用词也有差异，但整体听起来还是同一个助手。如果一个产品长期用 Anthropic 生成面向用户的最终回复，突然切到 Kimi，语气就会明显不同，用户会觉得自己的 AI 被换了一个人。
有意思的是，写代码时这件事没那么重要。因为用户最关心的是，代码能不能运行、能不能完成目标。你也许会看它的代码风格是否合意，但现在已经越来越少这样做了。
可当你是在跟助手说话，或者通过短信交流，如果它突然啰嗦了一倍，以前发四句话，现在发八句，用户会很不喜欢。甚至真的提交工单，「三周前我已经给过明确指令，但我的短信 Agent 最近好像又开始频繁使用大写字母。」
所以，我们的技术栈里有一层负责用户界面的感觉与人格。在这一层，我很难任意路由，因为体验必须保持一致，不同模型家族很难做到。再往下，如果只是纯推理和智能，尤其是不需要向用户展示太多推理轨迹时，就更适合针对任务选择最佳模型。不过整个行业仍处在很早期的阶段。
Harry Stebbings：你们怎么平衡能力和成本？ElevenLabs 很好，但价格也出了名地贵。
Jean-Denis Greze：几乎所有 AI 创业公司的答案都是，希望 18 到 24 个月后，成本曲线能让一切变得划算。在此之前，公司实际上会承担一部分补贴。为了让这些场景达到 PMF，我们仍需要让前沿模型完成太多工作。
比如 Town 会给邮件打标签，这显然不需要 Opus 级别，甚至不需要 Sonnet 级别的智能。这类任务已经可以离开前沿模型，成本最终会逐渐接近纯算力成本。我们会考虑使用开放权重模型，甚至对自己的小模型进行后训练。这部分成本未来肯定会比今天低很多。
安排会议、管理日历、回复以前处理过的邮件、每天研究竞争对手等任务，也都在快速远离前沿。开放权重模型已经能做得很好。模型成本每 9 到 12 个月减半，公司今天就可以按照 18 个月后达到 20%—30% 毛利的预期定价。
Harry Stebbings：Town 今天有多少任务在使用开放模型，多少在使用前沿模型？
Jean-Denis Greze：目前大部分还是前沿模型。
很多用户会让 Town 做困难的事情，建立的自定义工作流相当复杂，这些地方我们会大量使用前沿模型。邮件分类目前还没有使用开放权重模型，但会用前沿厂商提供的便宜得多的小模型。
更重要的原因是公司的注意力分配。如果把一小时工程时间花在切换到开放权重模型上，只能降低 COGS，却不会让产品更好。同样的一小时，我可以做更强的网络效应、接入新的数据源、改善某类用户的 Agent 运行轨迹。
当前限制公司成功的不是经济模型，所以我们把增长 PMF 放在理想成本之前。
我们眼下更关注加速产品增长，而非把经济模型优化到理想状态。现在的经济模型并不差，当然还能更好，我们也能更快沿着成本曲线下降，但它不是取得成功的限制因素，所以暂时没有优先做这件事。
Harry Stebbings：两三年后，你对价格会有多敏感？现在可以为了 PMF、增长和击败竞争对手而大量花钱。但之后，你必须让经济模型以更高效的方式成立。如果到时有两三百万用户都在使用语音，利润率一定会受到影响。
Jean-Denis Greze：语音质量达到足够好后，尤其是在语气、表达和情绪理解方面，我会选择尽可能便宜的方案。用户并不需要它无限变好。
但我真正担心的是，一家公司最终有多大比例的工作负载必须留在前沿，是 10%、20% 还是 30%。没人知道答案，而它会改变这类公司的经济模型。
其他任务我都能想象成本下降，前沿任务却没有定价权。这就是 Cursor 后来遇到的问题，即便拥有巨大的市场份额，用户也很热爱你的产品，但如果你既要把 70% 的收入交给供应商，又要与供应商竞争，最终就会变得很困难。这才是我担心的终局。
当然，中间有很多前提。Town 要先做到数千万付费用户，公司必须达到很大规模，才会真正遇到这个终局问题。到了那时，如果我们仍有 20% 到 30% 的工作负载必须交给 OpenAI、Anthropic 等前沿供应商，经济模型就需要新的解法。
05
与其用补贴换增长，
不如尽快验证用户是否愿意付费
Harry Stebbings：为什么不再融资 2 亿美元，把产品完全补贴掉，优先追求增长？
Jean-Denis Greze：我确实想过。但我相信，要证明企业端的价值，就必须让客户付钱。
也许 PLG 部分可以获得更多补贴，但当一个团队有 3 到 5 名成员开始使用时，我真的希望从企业侧获得收入，以此确认自己确实交付了价值。
产品最初上线的前五个月，Town 一直没有定价。那段时间，有些用户每月消耗 2000 美元、4000 美元的算力。我没有夸张，甚至有一个用户五个月就花掉了 2.6 万美元。因为没有任何对 Token 消费的约束，他们可以不断创建 Routine，自动化越来越多事情。
我们会打电话过去，和他们一起研究，你们确实一直在用平台，但它真的创造了相应价值吗？我非常相信，必须接受市场反馈，判断自己在哪里创造了价值、在哪里没有。
补贴当然有很多做法，比如让套餐更便宜、完全免费，或者给企业赠送 Token。但我也发现，企业反而不喜欢免费，因为他们不知道未来会被收多少钱。你不能对一家 500 人公司说，「先在内部免费使用我们的产品吧。」它也许会产生大量使用，所有业务流程都跑到 Town 上，结果某一天你突然宣布免费服务结束。企业不愿承担这种不确定性。
我也怀疑纯消费、广告模式的 AI 助手。一是今天的 Token 成本太高，广告还支撑不起它。二是广告激励会冲突，用户让助手订机票，如果它因为航空公司付费而优先推荐某个航班，体验就不再可信。
我坚信 AI 助手的商业模式最终会是付费，所以希望尽快验证用户愿意为它付费。
Harry Stebbings：你们有 15 美元、49 美元和 99 美元三档，哪个最赚钱？
Jean-Denis Greze：15 美元档的单位经济最差，补贴最多。它主要让用户充分体验产品，再升级到真正强大的 49 美元档。
99 美元档可能整体最赚钱，因为它面向高阶用户，但不是追求无限消耗的人。超过套餐限额后，我们还有按量计费，让支出与用户实际用量匹配。
Harry Stebbings：你会选一亿人每月付 20 美元，还是一百万人每月付 100 美元？
Jean-Denis Greze：更多用户、更少单价。因为在企业场景中，AI 会为一个人做越来越多的事情，每用户收入的长期增长空间非常大。
比如有一家招聘公司用 Town 自动化流程，不增加员工就能多接一个客户，每月增加 3000 美元收入，全团队只需向我们支付五六百美元。只要能继续帮它多接客户，即使 Town 再收 500 美元，它也愿意。商业端的弹性增长空间大得多。
Harry Stebbings：你怎样定义一个成功的用户？
Jean-Denis Greze： 很简单，每个月继续付我钱的人。如果用户持续付费，就说明我们大体交付了足够价值。
不能靠「用了多少 Token」来衡量成功，因为用户可能花很多 Token 做低 ROI 的事情，直到某天发现费用太高，生气离开。
Token 过度消费有两个问题。第一，公司以前跟员工说「你在 AI 上想花多少就花多少」。这是错的，你需要人们思考 ROI。
第二，有些 ROI 又很难量化。比如「为会议做更好的准备」值多少钱？对全天连续开会、需要发言的人价值很高，对只需要旁听、有人替他准备的人几乎没有价值。两者消耗的 Token 一样，价值完全不同。
我们最近很受欢迎的一项功能是，当检测到用户有「失控的 Routine」在大量消耗 Token 时，我们会主动发邮件提醒。用户的反应是：「谢谢，我现在信任你了，你是在帮我避免浪费。」这就是我追求的，你付费，同时信任我们是一个帮你高效使用 AI 的平台。
06
未来 Agent 替你分享信息，
人负责设定方向
Harry Stebbings：未来每个人会分别拥有消费、企业和硬件 Agent，还是只需要一个统一 Agent？
Jean-Denis Greze：每个人大概只会有一到三个进入数字世界的入口。
用户不会愿意为了销售去找 Salesforce Agent，为项目管理再找 Linear Agent，做另一件事又切到另一个 Agent。更自然的体验是，按一下按钮直接开始说话，由统一入口处理。
出于隐私原因，在数据层面你可能还是需要把个人和工作分开。这两个部分甚至可能由不同公司提供。
但在用户界面上，不会出现 50 个 Agent。你跟主 Agent 说话，它在后台跟 Salesforce、任何需要的系统完成任务。用户不需要感觉自己正在切换 Agent。
Harry Stebbings：当下看起来很疯狂、但五年后会非常普遍的人与 Agent 关系是什么？
Jean-Denis Greze：五年后，你会信任 Agent 自行决定哪些数据可以分享给别人，不需要逐次获得你的许可。
比如，你和两位朋友规划旅行。朋友们问你的饮食偏好、什么时候能飞，Agent 都能回答。即使你从没明确告诉它「这些是好朋友，但不能透露我的病史」，朋友开玩笑问起时，Agent 也会拒绝。
今天，每个人自己充当信息过滤器。别人提问时，我们判断什么能说、什么不能说。未来，AI 会越来越多地承担这个角色。
从信息论角度看，一个 LLM 能访问的信息越多，就越容易找到完成任务需要的正确 context。但现实里，信息分散在公司、政府和个人的系统中，过去只能由人来搬运，信息从一个地方流向另一个地方的效率很低。
传统做法是让合规和安全团队给数据分类、制定访问政策。成本很高，真正有用的信息仍可能困在某个人的邮箱或没有集成的系统里。未来，我们会逐渐让 LLM 判断哪些信息能够离开个人的数据孤岛。
举个具体例子。一家有 1000 名员工的公司里，一位销售想联系某个客户。他知道公司里一定有人认识对方，但不知道是谁。今天，他只能去 Slack 群里问：「谁在负责客户 X？谁认识他们？」
未来，他的 Agent 可以直接询问公司里其他人的 Agent。那些 Agent 能访问各自用户的收件箱，最后返回：「Liz 和你想认识的人有私人关系，可以问问她是否愿意引荐。Bob 和对方有工作往来，而且下周正好要开会，要不要问他能否把你也邀请进去？」
这正是公司想要的优秀业务结果。但前提是员工必须相信，Agent 能从邮箱中提取恰当的信息，同时守住工资、病史等不可分享的边界。
Harry Stebbings：我朋友讲过一个故事，为了提升公司文化，他的 Agent 自作主张，想替他购买六台 Apple 显示器，幸好因为需要刻字才阻止了。Agent 这种近乎疯狂的目标追逐倾向，究竟是功能还是缺陷？
Jean-Denis Greze：我没有确定的答案。应该允许 Agent 多大程度地追逐目标，又该让它自主运行多久，是非常有意思的问题。
一种思维方式是，LLM 本质上是把能源转化为 GDP 和收入。电力和芯片产生智能，我们再把智能应用到商业结果上。如果它们足够聪明，另一端产出的就是 GDP。那我们是否只要告诉它「替我赚钱」，然后让它长时间运行、想做什么就做什么？
还是说，人类的职责应该是设定方向，并确保所有行动符合某种人类价值体系？
我属于后者。我认为人首先要负责分配资源，也就是决定愿意为一个目标花多少 Token。还要设定目标，并监督系统为实现目标而采取的整体行动。
随着智能越来越强，也许资源分配和监控本身也可以由 Agent 来做。但我不认为，负责监督的 Agent 应该与那个一心冲向目标的 Agent 是同一个。
Harry Stebbings：Town 成为千亿美元公司的乐观情景是什么？
Jean-Denis Greze：能拿到大约一千万付费用户，并且市场相信用户规模还会增长。现在 Town 每名用户每年收入超过 700 美元。
我离开 Dropbox 已经很久了，印象中它拥有非常庞大的免费用户群，成本很高。但增长在某个阶段趋于平缓，单个用户已经无法带来更多收入或增长。
AI 领域的不同之处在于，随着产品完成越来越多工作，收入理应可以持续增加。一家公司一旦把 Town 作为 AI 工作的核心平台，Token 支出越高，平台就越有机会获得不断增加的收入。
OpenAI 和 Anthropic 都在谈的 RSI，今天走到哪一步了？
首发｜数千万元种子轮融资，Articuler.ai 在职场社交找到了真痛点
带着 idea 来，让一屋子人帮你「想清楚」
Meshy 胡渊鸣：GPT-6 Astra 能做 3D 之后，3D 生成产品的价值在哪里？
