Tenex 访谈：按产出付酬的 AI 原生软件工程如何落地 Fortune 2000

去年，Alex Lieberman 和他的联合创始人做客我们的节目，解释了 Tenex 的一次非同寻常的尝试：按 AI 工程师交付的成果付费，而不是按他们坐在键盘前的时间付费。如果 AI 让工程师变快了，按小时计费反而可能让工程师做同样的工作挣得更少。Tenex 想让激励机制朝相反的方向运行。

在 AIE New York 上，Alex 携 CJ Hess 回来聊聊，当你把这个理念扩展到一个工程组织时会发生什么。我们还拿出了自己的一项实验来讨论：Kill My SaaS。在这个实验中，我们请开发者来替换一款会议演讲者管理工具——该工具给我们的报价是每年 43,000 美元。

两个故事都提出了同一个问题：当构建变得更便宜时，你如何决定好的工作值多少钱？

Tenex 仍然把故事点作为工程薪酬的重要组成部分。Alex 说，人们担心的失败模式——虚报估算或为了刷点数而交付劣质代码——并不是最大的问题。Tenex 的 AI 策略师要对客户留存和增长负责，这让他们有动力去否决那些不能服务好客户的工作。

更难的问题是如何奖励那些无法整齐地归入某张工单的工作：理解客户的问题、设计架构，或者决定一开始到底该构建什么。CJ 描述说，随着模型越来越好，他花在直接写代码上的时间变少了，而更多时间用于把客户的上下文整理成模型可用的形式。一套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 说 Tenex 已发展到 75 人，客户分布在财富 2000 强企业和中型市场企业之间。这家公司最初是一家 AI 驱动的开发工作室；如今越来越多客户在寻求覆盖全公司的 AI 转型方面的帮助。跳转到薪酬讨论 →

CJ 介绍了 Tenex 的 MetaHarness：一套围绕工作构建的共享技能、项目文档和 CLI。计划和决策与代码一起提交到 Git 中。当智能体回到某个任务时，它不仅能读到构建了什么，还能读到团队为什么选择那样构建。

Tenex 自己的 AI 原生 SDLC 文章将这一理念展示为一份由人类和智能体共同使用的项目记录，并提供 Linear、GitHub 和客户更新等多个视图：

来源：Tenex，Building an AI-Native SDLC。

有用的区分在于：让智能体更快地写代码，与让周边的工作变得清晰可读——计划、验收标准、决策和证据——是两回事。Tenex 的文章也指出了代价：这么多结构对只有一个项目的小团队来说可能过于繁琐。CJ 讲解这个工作流 →

我们的 Kill My SaaS 节目收到了 72 份替换我们演讲者管理软件的投稿。在人类评审那里获胜的团队，在 AI 评审的排行榜上只排第 19 名。这很好地提醒了我们：检查软件是否满足一列场景，与判断人们是否想使用它，是两份不同的工作。

我把这个项目拿给 Alex 看，作为一家公司选择自建软件的真实案例。他的反驳是：越是往高端市场走，拆掉一套既有系统的成本和风险就越高。而且即便是一个小工具，也得有人来维护。省下的钱够不够抵得上这种持续投入？

我的回答是，收益不只是账单。我们的团队已经被一个平庸的产品折磨了很久。如果我们掌握工作流，就能让它对演讲者和运营者都更好，而且几分钟内就能迭代，而不是等供应商好几个月。这种潜力必须与 Alex 所说的维护成本相权衡。观看这段对话 →

Alex 总体上对垂直领域专用 AI 产品持看空态度：如果每家企业都期待一对一的定制方案，你怎么能以软件的利润率交付？而且随着前沿模型不断改进，底层任务会有多少被通用工具吸收？

我用 Harvey 和 OpenEvidence 这样的例子反驳了他。即使底层模型人人可用，领域专用数据、专门界面、集成和用户习惯依然重要。彭博终端是个有用的类比：交易员可以从别处获取市场数据，但终端把数据、工作流、沟通和既有习惯整合在了一起。

CJ 区分了两种产品：一种是以智能体执行任务为主要特性的垂直产品，另一种是改进该任务周边实际工作流的工具。这留下了一个比“垂直 AI”输赢更有意思的问题：哪些产品会成为人们持久工作的场所，哪些会沦为他们已在使用的智能体的一个功能？观看这场辩论 →

Tenex — Alex 和 CJ 的应用 AI 公司，与企业合作推进 AI 落地与工程。
Alex Lieberman 谈 Tenex — Alex 对这家公司及其方法论的介绍。
构建 AI 原生的 SDLC — Tenex 对其智能体辅助开发流程和 MetaHarness 的说明。
我们此前与 Alex 和 Arman 的对话 — Tenex 最初关于按产出付费给 AI 工程师的理由。
Kill My SaaS — 我们用 AI 智能体取代一个年薪 43,000 美元的演讲者管理工具后的心得。

0:00 冷开场
0:26 介绍
0:51 Tenex 是做什么的
1:32 CJ 为什么加入 Tenex
3:17 按结果付费给工程师
7:20 MetaHarness 内幕
10:25 模型与长时间运行的任务
15:11 Token 支出与 ROI
19:29 企业 AI 落地差距
23:22 为什么智能体部署很难
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
42:28 Tenex 的招聘

由访谈自动生成；文字可能有误，且未标注发言人。

0:00 我只是感觉自己的产出变得更好更快，最终收入却变少了。因为我当时是按小时向客户收费的。我跟团队的说法是：你无法自动化一个不存在的流程。

0:26 好，我们现在在 AI Engineer 大会，正在和 Tenex 交流。欢迎回来，Alex。谢谢，谢谢你们邀请我们。你还带来了工程总监 CJ。欢迎来到播客。Tenex 的特别项目负责人。好，特别项目负责人。行，你就是特警队。是的，是的。你之前上过我们的播客，大家对 Tenex 的故事大致有点印象，但能不能从头再介绍一下，2026 年的 Tenex 是什么，你怎么介绍自己？很简单，Tenex 是一家应用型 AI 合作伙伴，为世界上一些最大的公司服务，帮助它们从 AI 缺席走向 AI 原生。我们的信念是，AI 非常强大，但它只是原始的智能。

1:04 最难解决的问题，就是让它真正渗透到经济体系中的“最后一公里”。所以我们的定位就是充当帮手，帮助企业把这些事情全部搞定。我能说脏话吗？把这些鬼事情全部搞定。哈哈，可以可以。我们在 Apple Podcasts 上可是有明确标签的。不过我最近发现 YouTube 不喜欢这个。哦是吗？他们好像……对，你不能说 F 开头的那个词。那我这是毁了你们的视频吗？你打算怎么办？我无所谓。好。我们是给成年人看的。CJ，是什么吸引你加入 Tenex 的？其实我是第一个员工。我当时甚至不确定 Alex 和 Armand 有没有想好 Tenex 这个名字，

1:40 但在 Tenex 之前，我尝试创办过一堆失败的创业项目，就像一个创业坟场，最终做成了一家自己的工程咨询公司。我在那里做了一段时间传统工程，后来逐渐转向 AI 咨询，用 AI 构建的东西越来越多。我本来就是软件工程师出身。我只是感觉自己的产出变得更好更快，最终收入却变少了。因为我是按小时向客户收费的。我非常喜欢 Alex 最初发的那种 Tenex 的理念，

2:16 当时我在 Twitter 上看到的，大致是按工程师的产出来奖励他们，而不是按时间奖励。我觉得快进两年再看，你可以看到现在的工程师如何并行处理大量工作，产出多得多。当时还是 Sonnet 3.5、Gemini 2.5 Pro 的时代，可能没那么明显，但我基本上押了一个注：凭借我的技能，并更深入地拥抱 AI，我可以有高得多的产出，最终也拥有更高的赚钱能力。

2:53 从那以后我就爱上了这种模式。我觉得这就是工程领域的未来。而且最终，当 AI 解决所有这些技术问题时，公司将按成果付费，而不是按构建某样东西所需的时间付费。是的。关于这方面的更多细节，大家可以去听我们上一期播客，我们是真的按故事点给员工付钱。是的。你只需要就故事点的定义达成一致。但这也意味着一些 10 倍工程师一年真的能赚数百万美元，而另一些人可能赚不了那么多，只因为他们生产力不够高。没错，正是如此。我们的论点是，AI 本质上是对一个人的智力的杠杆押注，

3:29 以及对工作态度的押注。所以人们在赚钱能力上的差异会比以往任何时候都更大。而我们的观点是，我们的模式并不适合所有人，但对于那些想要做多自己的人，那些在软件工程方面有扎实功底、又不断鞭策自己去运用前沿技术、在保证产出质量的同时尽可能拉伸自己时间的人来说，没有比这更好的赚钱方式了。现在的状况是，上次我跟你聊的时候，我记得你大概有两三个人年薪达到一百万或以上。这方面有更新吗？有，有，有。简单描述一下，

4:05 我们在 18 个月前创立了 Tenex，刚开始创业的时候。实际上，我们最初是一家 AI 驱动的开发服务公司。原始想法其实是，工程就像是 AI 时代的煤矿金丝雀。其中一个动因是我的联合创始人 Armand，他本是技术出身，开始大量使用编码智能体。而他认识的一些人却还在往 IDE 里敲代码，完全没有采用这项技术。于是我们想，为什么不帮助那些还没采用这项技术的公司来强化他们的工程组织呢？所以我们从那里起步。然后随着我们从初创公司和中型市场

4:42 公司向上拓展，现在我们 50% 的客户是财富 2000 强企业，另外 50% 是年收入 1 亿到 5 亿美元的中型市场公司。他们要的不仅仅是配备团队和 AI 工程服务，而是“AI 转型即服务”。如今公司有 75 人。其中 90% 的员工要么是工程师，要么是 AI 策略师——后者基本上可以理解为技术咨询顾问。我认为我们的论点得到了验证，那就是 Tenex 收入最高的工程师和收入最低的工程师之间，

5:20 在赚钱能力上确实存在非常大的差异。差距大概是 4 倍左右。哦，不是 10 倍？不是 10 倍，是的。那是梦想。没错，正是如此。但这个论点的所有方面都被证明是对的。我确实认为，在我们按故事点付费的模式中，有一些有趣的教训，就是我们事先就知道这个模式存在一些局限，以及我们今后如何看待这个问题。但总的来说，人们对这种按产出付费模式的担忧——经典的担忧是：故事点太主观了。人们要么会故意把故事点往低了报，要么干脆

5:55交付一堆糟糕的代码。就像勉强勾选了复选框。没错，对。但并没有真正把工作做好。对，正是如此。我想说，这两个担忧根本没有成为担忧，这要归功于我们的 AI 策略师。我们的激励机制，我认为，和工程师的激励完全相反：AI 策略师的激励与客户留存和增长挂钩。实际上，最大的挑战在于如何为工程师那些不写代码的时间付酬，无论是做架构、与客户开会等等。所以我们不得不在薪酬模型里找到一些细微的平衡，

6:30但总体上仍然是基于产出驱动的。有什么要补充的吗？有，关于这一点，我花了很多时间思考，因为回顾我在 Tenex 的任期，我写了很多代码，写了很多代码，后来写得少了一些，现在我们基本上到了这样一个阶段：只要给模型正确的上下文，它们就能完成大约 90% 的解决方案。我确实认为这里存在一些机会，去思考真正的价值其实在于坐下来与客户交流，听他们把所有想法倾倒出来，然后把这些提供给模型，

7:05从而更接近最终方案。所以我可以想象，未来我们会更多地去关注产出的真实效果——它如何运作、看起来怎么样——而不是那种传统的故事点模式，但仍以故事点作为锚定的单位。我想还有一件事，不知道我们之前有没有聊过，就是这个“元工具链（meta harness）”的概念，也就是我们在 Tenex 使用的工程工作流，它让我们能在长时间运行的任务上做出真正有意义的工作。你想谈谈我们的流程吗？因为我觉得大家会对此感兴趣。好的。我们基本上是从尝试标准化一套技能开始的。

7:44嗯，我想大多数工程组织到这个阶段都已经做了类似的事情。对我们来说，这逐渐演变成仓库里一套非常结构化的文档，以及围绕它的一个 CLI，模型会借助它来驱动实际的工作，无论是制定计划、做可视化，还是为客户生成某种汇报材料，实际上就是把围绕真正编写代码的流程的各个部分自动化，并在整个团队中实现标准化。所以我们有几样东西。比如，这是一份大型的权威计划文档，它有某种相似的结构，但我要说，随着模型变得更好，我们实际上减少了结构上的强制约束。这些方面的情况都类似。但一旦你有了计划，你就真正开始构建它。我们有一套非常明确的方式来规定智能体如何记录它们的决策、记录它们正在做的事情，并持续跟踪它们的进展。所有东西都提交到 Git。是的，所有这些都提交进去。这些内容现在对我来说更多是 Markdown，不过现在是 HTML 了。我喜欢看这些智能体整理出来的“图画书”。所有这些都会提交进去，然后它就成为一个界面，

8:20并不是……

8:55 代码本身就是源码，你知道，我认为有一个争论：你到底还需要文档吗？代码本身其实可以成为代码库的记忆。而我确实认为你需要。你需要知道当初为什么做出某个决策，需要知道当时对话的上下文。但归根结底，这些加上代码库，如果有问题、有需要回答的东西、需要回顾当初为什么这么做，我们总能从某种持久化的记录中找到答案，而从来不是在某个人的脑子里，而是一直都在代码仓库里。这就给了我们的智能体和工具超能力，让它们拥有全部上下文——而我认为很多工程团队仍然把这些上下文

9:31 留在对话里或留在脑子里。我们的目标就是继续推动这件事，让所有上下文都集中在一处，让越来越多这样的工作由智能体来驱动，而不是由我们预先提供所有信息。是的，太棒了。我们衡量这类流程是否有效的一种方式，就是看公司里每位工程师每月平均故事点数是否呈上升趋势，对吧。那你觉得它现在是多少，比如和今年年初相比？我不知道，你觉得呢？你觉得……+50%？我觉得，这真的取决于情况，因为我们有些人……

10:09 我在 Twitter 上看到过一张图片，一个 guy 站在巫师法球前，天上有这些东西在飞。我们的一些工程师挥舞智能体的样子，在我脑中就是那样的画面。总体来说，我真的认为产出翻了 2 倍，尤其是今年。基本上，如果你把 12 月看作 Opus 4.5 时刻——模型真正开始接手这些长时间运行的任务——直到今天我们回到了 Opus，不过是 Opus 5.5。我是说，那是一个出色的模型，能真正完成大量工作。在这段时间里，我观察到工程师的实际产出，

10:44 大致翻了一倍，无论是在同样时间段内他们能完成的事情，还是能覆盖的范围上。现在单个故事点的价值和一年前一样吗？我们一直在尝试校准。这是个棘手的等式。是通货膨胀还是通货紧缩？理论上应该是紧缩，对吧？是的，是的。我不确定。我们大概就是这么看的。我想说至少每个季度一次，我们会坐下来评估：我们给这些故事点定的标准是什么？我们究竟是怎么估算这些项目的？这里有一个微妙的平衡：既要继续奖励这种

11:19 产出，同时随着模型变得更好，我们也需要能够校准我们所创造的价值。所以总体来说，我会说那大约 2 倍的提升在我们做这些估算时起到了类似的作用，但如果我看看人们现在构建并推出的一些功能和成果，和去年同期相比，差距简直是惊人的。这个问题我可以从几个角度来回答，但我只想先问一下模型偏好这个话题，因为它总是大家谈论的话题。我想你是让人们自由选择自己喜欢的工具，但也许你有一些统计数据

11:55关于办公室里大家更喜欢用什么。看起来 Opus 占主导。你能估计一下市场份额之类的吗？我觉得现在的风向是 Opus 5.5。不用 Fable 吗？我不太用 Fable，而且我觉得现在很多人都默认放弃它了。Opus 太好了，速度快，价格便宜，基本上满足了我所有的要求。我以前会同时用两三个模型，取决于它们是否便宜快速、是否足够聪明、能否解决特定问题。而现在 Opus 基本覆盖了我的全部需求。

12:30我认为团队里很多人在需要做更偏计算机使用领域的事情时，还是会去用 codecs 这类工具。就工作流而言，我觉得两者结合使用仍是最佳选择，不管你常用的是哪个，我认为对我们团队大多数人来说就是 Opus 5.5。用 codex 来做审查，让它们在你的机器上实际来回协作，我认为仍然能产出最好的结果。但现在我们在这两者上已经相当统一了。那你还在 AMP maxing 吗？哦，我还在 AMP maxing。所以你是通过 AMP 用 Opus 的？对，他们最近……

13:05或者说那是 AMP 的默认模型。对，他们最近推出了接入你 Cloud Code 订阅的功能。这对我来说是个相当大的改变，因为它能帮你把成本降低大约 80%。完全同意。我很喜欢 AMP，因为它把我电脑上的所有事情都接手了。他们有这种云端设置，就是 orbs。我们上周还和他们共同举办了一场 happy hour，所以见到团队本人、一起“orb 出来”感觉很酷。“Orb 出来”这话永远不会流行的。哦不，我想让它流行起来。这可能是人类历史上第一次有人说这话。

13:41我们正在 orbing out。我们当时正在 orbing out。不，他们确实会说“是 orbing 时间了”。总之，这就是我首选的界面。至于模型，如果我偏向用 codex 的话，就在这两者之间选。是 Sol6 one。你试过 CloudTag 吗？Anthropic 始终没能像 Orbs 那样抓住远程环境这个方向，是不是挺怪的？是的，我觉得有一部分原因在于 AMP 方面他们非常有主见，不打算做这种通用解决方案。像云端 CloudCode 和 CloudTag 这类工具，我认为对那些

14:16真正想在非技术任务上协作的团队是有价值的。但我喜欢 AMP 的部分原因是它具备所有这些跨模型功能，我可以这样做：Opus 写代码，我甚至可以跳到另一个 orb 上说，看看那个 orb 并给它做审查。所有这些功能组合在一起，基本上能复刻我在自己机器上的工作方式。而用云端 Cloud Code 和 CloudTag 我就是达不到这个效果。是的，有道理。今年我开始追踪的另一件事是，比如说，token 支出占员工支出的百分比。不知道你有没有这个数字。大致来说，大多数公司可能在……

14:53 就叫它每位员工 10 到 200 美元的支出吧。那些更偏 AI 原生的公司会把它换算成百分比，大约 10%。AI 初创公司员工的平均支出（员工支出与 token 支出）大约是 1 倍，而 token 支出最高可到 5 到 10 倍。你们处于这个区间的什么位置？我一时说不出具体数字。如果算原始 token 的话，我猜我们大概在 1 比 1 到 2 比 1 之间。

15:29 真的吗？那挺高的。我们经常思考的是什么时候该用最大的模型。我想每家公司都开始考虑这个问题了。但我得说，最近我们的成本因为 Opus 5.5 大幅下降了。我们经历过一个阶段，大家都在用 Astra 和 Fable，因为它们效果最好。但这些模型终究很贵。而且，你知道，自从我们上次聊过之后，很多人经历了那种 token 拉满的风潮、token 排行榜什么的。然后他们就说：哎呀不好不好，成本太高了。这其实是世界上最可预测的事情。你有没有担心过，还是说反正 ROI 一直不错

16:07？嗯，我是这么看的：我们确实确实担心过，尤其是在我们人手增长的时候。而且我觉得我们团队里，其实没人真正迷信 token 拉满的那种风潮，因为……我有几个那样的时刻。我也是。但那就像：反正老板出钱，那我就放开用，对吧？因为你得先做那些奇怪的事

16:42，之后才能收缩回来；但你必须先做那些奇怪的事，才能发现能带走的经验。对，完全同意。这么说可能很疯狂，我很好奇你的看法：我之前跟人聊到一直持续的一个争论……我保证这跟主题相关。我之前跟人聊的是那些数据公司，对吧？比如 Micro One、Mercore、Handshake。还有这些业务长期来看会是什么样子，对吧？因为它们 90% 以上的收入都来自实验室。

17:17 这些创始人中有一些会认为局面会翻转：未来几年会变成企业驱动。那么接下来我会想到的是——如果企业要成为这些数据的核心买家，你必须相信企业会在自己的模型上做大量微调。那问题就变成：这在什么情况下才说得通？要么你认为质量会更好，但前沿的门槛一直在提高，所以这是个很难下的赌注。那就只剩价格了。而价格这点在我看来也很难，因为我们看到这些模型的 token 成本一直在下降。

17:52 所以我想我们内部并不担心的部分原因是，感觉我们几乎已经达到了这样一个帕累托点：按单个任务计算的成本正在下降。如今有人想靠刷 token、在成本上狠狠坑公司一把，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。是的。你同意吗？同意。我认为未来可能有几种走向，比如在一个世界里

18:30 出现了 Astra 6.5、Fable 5.5，它们超级昂贵但效果最好，我能看到我们有可能重新回到那个方向，但总体上我同意，你看看像 Muse Wonder 这种昨天今天刚发布的东西，它处于前沿水平，却便宜得要命，竞争正在升温，无论开源还是闭源都是如此。我认为这会持续把成本压下去。而且真正去看的话，很多有经济价值的任务用 Opus 5.5 就能完成。所以问题就在这个悬崖上：

19:08 一个聪明十倍的模型，真的值得为移动电子表格里的几个单元格付出那个成本吗？大概不值得。对。那么回到你的客户以及你从市场上观察到的情况，你们收到最多的请求是什么？以及有没有什么人们找上门来、你却说“不，我们其实还不想干那个活”的事情？有的。我看这个问题的一种方式，是把企业采用 AI 想象成一场赛跑中的一个个里程碑。尤其是在 AIE 上，当我告诉人们有多少比例的公司已经达到这些里程碑时，他们都惊呆了。

19:45 比如说，企业 AI 赛跑的第一个里程碑就是向员工推出一个通用 LLM。在我们今天接触的大约 100 家企业里，我会说 90% 已经向员工部署了 Claude 或 Codex。下一个里程碑是真正教人们怎么用它，也就是培训和能力建设，这一步从来得不到应有的重视，但可以说它和技术本身一样重要，甚至更重要。我觉得这一步大约达到了 60%。

20:21 哦，那已经很不错了。对，对。有一批公司抱着“我们的员工自己会摸索出来”的心态，但也有相当大的一批会说：好，我们需要教员工什么是技能，需要教他们这些平台的各项功能和特性。在通用 LLM 的培训和能力建设之后，下一个里程碑就是编程智能体。不可思议的是，我问过这里的几个人：你觉得有多少比例的企业已经向公司的工程与产品部门部署了编程智能体？大多数人说肯定有 70% 到 80%。实际数字更接近 50%。

20:57 我们交谈过的每一家企业，要么还没部署编码智能体，要么他们所使用的与其说是拥有一个编码智能体，不如说更接近于没有。接下来这个，我认为是最大的落差所在，也是从原始智能到企业应用之间最大的扩散鸿沟：在非工程工作中投入生产环境的智能体比例降到了大约 5%。我是说，你整天都在进行这些对话，但我们交谈过的大多数拥有超过一千名员工的企业，并没有一个真正在做工作的智能体投入生产

21:33 也就是不从事构建软件的工作。所以我认为有几个原因。其一是因为，这整个浪潮是由一小部分人真正理解这项技术的可能性，而更大一群人则是由 FOMO（错失恐惧）驱动的组合所推动的。顺便说一句，FOMO 并不是坏事，它带来了一些向前的推动力，但这也意味着人们会紧抓那些最时髦的东西。我猜在过去一年半的时间里，人们一直在说这是智能体之年，或者不管说了多久。每年都是智能体之年。

22:08 比如企业会说，你能帮我们为组织内部的某个后台任务构建一个智能体吗？这是最常见的需求之一。这也是为什么现在我们在 Tenex 做的很多工作，就是把智能体部署到生产环境中，为公司可重复进行的工作服务。第二是权限管理和 RBAC（基于角色的访问控制）。基本上，当公司里每个员工都用着 CLAWD 或者 codecs，并且需要访问某些数据时，这对 CIO 和 CISO 来说就成了一场彻头彻尾的噩梦。他们基本上没有一个好的网关来轻松实现，

22:46 就像是一个数据权限管理的控制面板。说白了就是你能不能读、能不能读哪些数据。没错，这是个巨大的问题。所以我们在这上面花了很多时间。那么你们是为客户定制开发，还是直接买现成的方案？基本上我们最初是为企业定制构建的，现在我们把它产品化了，有了自己的网关解决方案。对，就是这样。还有什么其他想到的、从客户那里经常听到的痛点吗？我觉得关于智能体部署方面我们听到的就这些了。我认为还有一个总是会被发现的痛点，

23:22 我是这样跟团队说的：你无法自动化一个并不存在的流程。当你有 40 个人大致做着同样的职能，但每个人做法都稍有不同时，要构建一个在后台主动执行这类工作的智能体实际上要难得多。你完全可以坐下来跟他们聊聊，给他们工具，引导他们如何增强自己的工作流，但真正的杠杆来自当你拥有这些智能体，它们把工作呈现给你，你进行审核，再把它们打回去，你就变得更像——大家都知道的——成为一个智能体的管理者

23:57 管理器，我认为我们正处于这个转折点上。但如果你把视角拉远，我们给企业的建议往往是：嘿，首先，我们需要在公司内部围绕这个业务建立一套流程。然后，再按这些步骤把这项工作真正交给后台的智能体去完成。但如果我们没有任何形式的标准化，智能体就无法知道自己做的是否正确，我们也无法围绕这个系统构建评测，也就无法真正交付一个执行该职能的智能体应有的价值。还有一件事我很想听听你的看法，我们刚才就在聊这个

24:35 话题——嗯，CJ 应该不介意我分享——我们当时在聊垂直领域的 AI 解决方案，以及这些解决方案的未来会是什么样子。我们整体上对面向不同职能或行业的垂直 AI 解决方案表达了一种看空的态度。部分原因在于，我们整天泡在企业的内部核心里，看到了太多的细微差异、太多的惯性、太多需要你去摆弄的系统，还有太多需要你去协调的人。而且当垂直解决方案的买方

25:11 期待的是真正独一无二（one-of-one）的体验时——我们正处于一个人们期待一对一量身定制软件方案的时代。所以如果你有这样的期待，那也就难怪每家软件公司都在组建 FDE（前沿部署工程师）团队，因为服务和软件正在发生融合：每家公司都想要那些传统上软件并不提供的细微定制。所以我觉得思考垂直领域解决方案的未来非常有意思。要么，他们如何做到这一点——

25:47 在人人都期待一对一方案的情况下，还能保持软件级的利润率？另外，我们凭什么不担心前沿模型直接把它们吞掉？是的。那举一些具体的例子，你说的应该是面向律师的 Harvey？对。面向医生的 Open Evidence。这些都是在自己领域里胜出的经典案例。而你看空它们？可以说总体上看空。没错。哇。嗯，到目前为止你都判断错了。是的。而我认为答案很简单：它们拥有 ChatGPT 不会有的数据，

26:22 这很常见。这就是护城河。当然，Anthropic 和 OpenAI 也在获取同样的数据源，但它们不会像这些公司那样专注。它们确实有创新。如果你用过 Harvey 的话，它们有 Tabular Review 功能。Legora 也有类似功能。我们请过它们的 CTO 上播客，它们有一些专门定制的交互设计和 UI 等等，因为它们只服务这一类客户。说到底，它们的卖点就是专注。专注，也许还有交互设计。你说的交互设计（affordances）是什么意思？就是在某种程度上，你关心客户的最后一公里，而它们关心……

26:57 谈到了他们在软件方面的“最后一公里”。只要人们在这个软件中受过训练，它就永远不会消失。就像作为银行家，或者你知道的，在我的金融职业生涯中，我总能从纳斯达克、纽约证券交易所获取完全相同的信息。那我为什么要每年花 5 万美元买彭博（Bloomberg）呢？嗯，就是因为那是所有人、我所有同行都在用的东西。它为我做了整合，为我做了专业化。这样我就不会犯错什么的。或者它和我的交易系统、我的聊天工具、我的新闻系统等等绑定在一起。不，我认为人们为彭博付费是为了它的社交网络。我认为人们喜欢彭博里的私信功能。

27:33 有这个，有这个。不过作为交易员，我知道我确实用它来……对，对，对。所以，我的意思是，我觉得有很多集成和工具，而且我认为最终很难对其中任何一家看空，主要因为对软件的需求、对工具来完成工作的需求实在太大了。其中一部分，是的，会由那些横向的通用工具来满足，比如 Claude 和 ChatGPT 之类的；而另一部分，你就是想要更好的东西。你知道的，我总会想到 Superhuman 作为邮件客户端的成功。每个人都有 Gmail，但这就像是高级版 Gmail，为那些整天生活在邮件里的人提供了更多功能。

28:09 而且，那就是一个市场。它也许不是世界上最大的初创公司，但理性的人对不同事情的市场规模可以有不同看法。是的，完全同意。我认为没有争议的是，总市场会增长，水涨船高。到那时你讨论的就只是市场份额的百分比压力了。对，对，我同意这一点。完全同意。我认为甚至还存在一种区分，就是有些应用是从零开始、把 AI 融入其中的。这就是我想到 Superhuman 时脑中浮现的。我很喜欢 Superhuman。我甚至不在邮件上花太多时间，但任何有……

28:44 不，你每个月付 30 美元就是为了不用操心这事。任何有酷炫快捷键的东西，我都很喜欢。对。但当我想到那些真正把某种智能体作为产品、让它在某个特定垂直领域做工作的产品时，除非有某种非常具有战略性的合规数据或其他什么护城河，我认为随着我们开始看到人们几乎可以非常快地自己搭建一个智能体、并且随着模型变好不断复利提升，或者这些任务开始落入模型的一般能力范围，这些产品未来会遇到困难。

29:21 但任何围绕这个模型构建了应用和工具的东西，正如我之前所说，会改变流程，并在其上叠加一个智能体。我认为这在同样的理念上更进一步，我认为这仍然会非常有帮助，这些会是成功的。对。哦，好的，好的。关于这个有一个相关观点，也许没有你这么犀利，基本上就是，并不是没人想用……人们可能并不想用你构建的智能体。他们想用自己已经拥有的智能体，想把你的数据接入他们的智能体。所以每个人都坐在你的某一部分数据上，

29:58他们就像是说，请用我的智能体，请把每月 20 美元付给我。但你不能把这些每月 20 美元的订阅无限叠加下去。最终，可能只有一小部分公司会拥有这个界面，然后所有人都接入那个总的智能体，这一点我同意。有意思的是，Salesforce 作为系统记录（system of record）类公司之一——可能是最大或最有名的——正在拥抱这条路径，就像说你不会用我们的智能体，我们只会提供 API 和 MCP 让你接入到你自己的东西里。对，这挺酷的。好，其实我还想走一个例子。

30:35我刚刚公布了我的 Kill My SaaS 竞赛的结果，在这个竞赛里我们替换掉了一个中端 SaaS。我称之为中端，意思大概是它没那么简单，但也不是 Salesforce，处于中间地带。我觉得市面上有很多中端 SaaS，人们总是在谈论，比如，软件之死，对吧？我们被报价每年 40,000 美元，我们花了 1,000 美元把它替换掉，它将在下次大会上线投入生产。所以我们就是那种客户，说，我想要那个一对一工具，并且我期望所有这些东西，我们正在为自己的业务构建一个特定领域或特定垂直领域的东西。目前进展还不错。

31:10告诉我哪里出了问题。另外，我想知道这算多少个故事点（story points）。嗯，CJ 可以为它估算故事点。我的总体看法是，我认为那种替换——我的总体看法是，你越往业务的高端市场走，把系统拆掉从零重建的难度就越大。我同意你的看法。就像有些人说的——只有非常少的人说过——比如 Salesforce 真的很危险，SAP 真的很危险，我完全不同意这种说法。在我看来，这些业务在当前这个时刻只会不断积累价值

31:48。它们积累价值的原因之一是，其中的资金规模太大，如果一家公司在替换它们时搞砸了，你面对的可能是数亿甚至数十亿美元的损失。你会规避风险的。对，没错。我认为对于中端产品，关键其实在于机会有多大，以及它是否真的会是公司内部值得重建的最优先机会？我甚至很难想出一个例子。假设在企业里，有一个每年几百万美元的中端 SaaS。

32:23我认为第一个问题是，从收入或成本占比的角度来看，它是否大到足以让公司为此分配工程师或资源？我觉得这要具体问题具体分析。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。我觉得更多的会是这样的事情让公司超出自身能力范围。比如，我们聊过，我忘了是谁创建的那个仓库，基本上就是那个逆向工程仓库。RIA。对，没错。现在所有人都在谈论它。甚至在 Tenex，我们也从零开始构建了自己的 CRM。

33:05 我们构建了什么？我们的操作系统完全是从零构建的。而且，我想我们都意识到了一点，每家公司都会意识到这一点：软件的好处之一不仅是它能带来的实用价值，还在于你不必去操心维护和改进它时的种种麻烦——当它不是你的核心业务时。所以我认为归根结底就是：这个奖赏的规模是否足够大，值得你付出认知负担，占用公司的一部分资源去培育一个非核心业务的东西？

33:41 显然，对于你的业务来说，每年大约 39,000 美元的差距，你其实是在暗示这是值得的。这不仅仅是成本问题。那是防守。我也想到进攻的一面：不，实际上我们的体验对相关各方来说都可以好得多。完全正确。所以，我觉得这里的一部分思考其实是，这不只是那么简单。这里面有两层因素。一层是，不仅仅是我们在为某个产品支付过高的费用，而是这个产品长期以来一直平庸。是的。这个产品的 10 倍好版本会是什么样子？

34:17 是的，因为我们既是客户，又可以以分钟为单位迭代，而不是以月为单位。完全正确。我想，我觉得有意思的是，我认为初创公司，甚至高增长的中型公司都可以在这方面保持灵活。而那些在某种能力上根深蒂固的企业，很少会说出这样的话：哦，我们可以把我们用的这个 SaaS 做出一个 10 倍好的版本，然后可能把它拆分成独立的产品什么的。我觉得企业就不是这样运作的。确实。是的，这一点已经被讨论过了。

34:52 实际上，说到自动化，更尖锐的问题是：他们是在自动化人类，对吧？一旦一切都自动化了、一帆风顺了，我们会取代那些工作吗？我不知道你能谈到什么程度。嗯，我觉得这里有两点。我非常坚信 AI 会为人类带来福祉。它会增强人们的工作。它也绝对会改变和取代一些工作。但我认为这更像是一种转变，而不是简单地砍掉工作。我记得 A16Z 发过一些内容，讲的是

35:28 呼叫中心如今确实正在衰落，而 AI 正开始处理越来越多这类工作。最终，如果那是你整个职业生涯积累起来的技能，有东西进来接管了那个职能，那是毁灭性的。话虽如此，当我们和客户谈论“现在将由一个智能体来做这项工作”时，我们所做的一部分工作其实是围绕岗位重新调配。我认为没有任何企业会宣称：一旦我们把这个问题解决了，这批人就没事可做、无问题可解决了。所以我们的方法真正是关于：我们能取代什么，然后接下来最大的问题是什么？

36:05我想在大多数大公司里可以提出这样一个论点：这种循环基本上会永远持续下去。如果想想我们是如何成长的，总会有下一个问题。需求是无限的。总会有新的问题出现，而实际上，把那些可能拥有极深专业知识的专才提拔上来，让他们开始更多地跨团队工作，或者从更宏观的角度思考业务——不再局限于电子表格里某一单销售的水平，而是思考这些团队如何协作。从长远来看，我认为这能让大多数人留下来

36:41并让这些企业变得更加敏捷，真正去解决那些重大而有实质意义的问题，而不是被大多数人日常的琐碎事务所拖累。当你想到一个财务部门的人，他们大部分时间都泡在电子表格里，但我们如何能让他们提升到战略层面去思考业务、资金的分配等等。是啊，而且我也觉得，当我们讨论岗位取代或岗位重新分配这些话题时，我们总是把它说成是发生在人们身上的事情。我不喜欢这种说法的原因之一是，我觉得这没有给人们足够的信任

37:17去在自己的生活中掌握主动权，意思是我觉得……你可以去调整。是的，人们确实应该去思考。当我想到赋能或者员工的再培训时，我认为这是雇主的责任，因为他们想推动业务增长，但同时也是员工自己的责任。我觉得当人们说 AI 将取代所有人们不喜欢做的工作时，这多少有点像是在自我安慰，回避一个现实：很多人将会失业，因为很多人并没有喜欢或不喜欢一份工作的奢侈，他们工作就是为了赚钱。而且我认为，在可能的范围内，人们

37:53应该拥有主动权，对自己说：好吧，我的工作在未来几年里的稳定性或可替代性如何？如果我想通过提升技能来更好地保护自己，那会是什么样子？人们有主动权对自己说这些话，并真正采取行动。对对对。我觉得这是一个值得人们反思的好讯息。在放你们走之前，我想聊的最后一点就是纽约。你知道，有些人眼中最伟大的城市。有些人。你和人们交谈时——无论是工作中还是私下——他们整体的情绪、感受是怎样的？

38:28我整天住在旧金山。每个人整天都在聊智能体。讨论的是 instincts 还是 grok 还是 muse。已经不再是“你喜欢 AI 吗”这种问题了，对吧？我觉得我想暂时跳出那个泡泡，但这依然是纽约。它依然前卫，依然面向未来。嗯。我想说的是，基本上，我会说纽约有一个泡泡，只是比旧金山的泡泡小一些。如果旧金山是一个大泡泡，我觉得我们 Tenex 所处的，可以说是一个旧金山的缩影

39:03 因为选择来这家公司工作的人本身就自带筛选性。还有我们合作的那些公司，以及我们在纽约打交道的人们。不过我也确实承认，这里的圈子比 SF 小。你去 SF 会感觉一切都被包围了，放眼望去到处都是同类。就像我之前上台时讲的 AIE 的例子——如果人们上 Twitter 或 X 是因为他们觉得自己像身处 Edge City、活在未来，那 AIE 就是这种体验的加强版。我觉得 SF 和 AIE 很类似。

39:40 我是说，AIE 的参与者和曾在 SF 生活过的人，重合度可能非常高。我们现在大概占这座城市的 1%。真的吗？就 World's Fair 而言，是的。太疯狂了。是啊。但说到这个点，我认为这就是 SF 的文化和基因：有相当大一部分人活在未来。我相信你能在纽约找到这个群体，而我们 Tenex 也确实找到了这些人。我们的目标之一，就是推动 AI 或者说纽约作为一个枢纽——

40:16 作为美国 AI 的枢纽，因为这里的商业活动如此密集，技术的扩散将会对这个国家的 GDP 产生实实在在的巨大影响。我觉得现在这个圈子还比较小，我们几乎把扩大我们的圈子当作一项使命。也许我们无法达到 SF 的规模，但我确实认为我们能有意义地让更多人在这里活在未来。现实中你都能看到——看看那些广告牌就知道了。它正在慢慢渗入。哦，完全是的。人们以前……还记得 friend 那个广告牌被喷满涂鸦的事吗？我觉得那有点像是故意的激怒式营销。但现在你已经能看到不带讽刺意味的 AI 广告牌了，人们的反应是：好吧，

40:52 这已经是生活的一部分了。百分之百。是的，所以我认为这是一个机会，可以把那种前卫感、那种活在未来之类的气质带到纽约——SF 正是因为那里的经济环境、因为风险投资、因为科技公司、再因为被吸引到那里的人，才形成了这种气质。但我也觉得我们的处境很奇妙：在 AI 这个池塘里我们相对小，但我要说，在商业价值这个池塘里，我们即使不比 SF 大，也至少一样大——

41:29 所以我的说法是：我在纽约做 AI 的原因，是我把 SF 的人全都带到这里来见他们的客户，同时也让他们接受一次现实的检验。完全同意。我其实觉得这里面存在一种非常有趣的套利空间。是的。是的，完全同意。好，太棒了。接下来是招聘环节。我知道你们一直在招人。对。在招什么？有什么变化？对。我们在 Tenex 招聘前置部署工程师，直接访问 tenex.co。我们也一直在招 AI 战略顾问，本质上是负责主导客户项目的技术顾问。团队在纽约市已有 75 人。我们会继续让纽

42:07 纽约市是我们的家。如果你是一家想要真正实现 AI 原生、而且已经尝试过但效果不佳的企业，欢迎联系我们。我保证我们的工作会比——不点名了——很多其他传统咨询公司做得更好。哦，够火药味儿的。CJ？是的，我完全同意上面说的。我目前尤其需要工程师。什么是特别项目？特别项目是什么？特别项目包括我们客户工作之外的任何事情。可以想想我现在脑子里在想什么。那就是在内部构建那个元框架和系统，基本上它就是

42:45 找到模型能力的前沿，并给它们配备工具来增强它们的表现。另外还在内部开发 Alex 提到的那个平台。大目标是把这些后台智能体推广出去，真正真正地帮到企业。是的。并解决我们之前提到的那些棘手的 IT 问题。伙计，等你们有了解决方案，Latent Space 博客接受客座文章。我很欢迎大家来分享知识。不过现在，非常感谢你们抽出时间。

43:20 很高兴在纽约再次见到你们。是的，我也是。感谢。一年一次，一年一次。太好了。谢谢。