主题 先锋 趋势 方法 作者
返回

初创公司如何在 OpenAI 和 Anthropic 之外胜出 | HubSpot 的 Dharmesh Shah

·The a16z Show

正在生成长图…

本篇主题 AI原生应用商业化陷阱 AI推理网关与智能路由 Agent重构SaaS与软件形态 传统软件并购与AI改造 一人公司与端到端AI工作流
本篇先锋 Dharmesh Shah

摘要

  • Shah 判断创业机会的标准,是加上“还没”之后,机会是否依然成立。 “ChatGPT 还不会做”可能很快就会变成“ChatGPT 现在还不会做”,因为前沿实验室的“黄砖路”越铺越宽;创始人评估的不能只有 OpenAI 和 Anthropic 现有的产品,还要考虑它们作为公司的布局,包括未来可能推出的产品。在他看来,创业公司的护城河应来自结构性约束或激励不一致:技术上,实验室完全可以做 HubSpot 30亿美元以上的营收,但考虑到它们更广泛的野心,这种可能性极低。
  • 模型可以互换、市场上也有多种选择,降低了经营 AI 应用业务的风险。 Shah 说,2023年他担心前沿实验室领先太多,不知道其他公司能否承担所需资本;“好在我当时判断错了。”他不认为模型已经变成大宗商品,但 OpenRouter 让切换模型变得容易,加上按任务选择模型、开源代码和商业产品,都降低了对单一供应商的依赖。
  • AI 可以掌控交互界面,但不代表会自动拿走底层应用的价值。 Shah 把商业软件比作外卖平台:应用之外,履约能力和客户关系同样重要,“界面只是达成目的的手段”。他的优先级是客户成果、成本、延迟和摩擦;不需要推理时,就用数据库查询。
  • 写代码更快,让分发、聚焦客户和低成本学习变得更重要。 软件供给越多,争夺用户注意力就越难;而电子表格仍无法提前证明一个想法的好坏。Shah 的原则是:“迭代周期最短、学习成本最低的人会赢”;想做一家1000亿美元公司,也得先把目标落到具体的前30天。
  • 重建 AI 软件时,现有软件、结构化记录和评测仍是有用资产。 Shah 想象的“第二大脑”会把非结构化上下文与持久事实结合起来,并由可复用的软件基础组件支撑。他提出的假设场景是花20万美元买 token、重写软件,借此说明老牌公司如何用积累的评测检验替代架构。
  • HubSpot 正用内部创业项目探索新市场,并吸收其中有用的组件。 这个上线仅30天、面向个体创业者的 CRM,测试的是客户专属上下文,以及组织限制更少的智能体。先例是 agent.ai:Shah 总结说“这个想法有一半是对的”;HubSpot 吸收了它的智能体构建器,同时也意识到横向市场会受到 OpenAI 的冲击。
  • 个体经营者为 Shah 带来不断扩大的客户市场,也提供了早期付费意愿信号。 他提到,2025年美国新成立公司数量创纪录,约560万家、接近600万家;预计成立后2年内不会雇用员工的公司超过70%。他的个体创业者 CRM 项目早期信用卡付费表现,在这一点上超过了此前的 HubSpot 项目;更大的逻辑是,AI 扩大了软件可解决的问题范围,“现在的机会比以往任何时候都多”。

精读

1. 开发更快,客户学习成为稀缺优势

  • 在 Shah 看来,AI 延续了软件不断走向更高抽象层的进程:从机器语言到 C、C++,再到缩短创意与实现之间距离的工具。底层商业问题并没有变。做了30多年商业软件后,他称这是“我经历过最有意思的一次开发”。

  • 选择创意仍要靠实际验证:没有哪张“18列的表格”能提前证明一个想法好不好,成功的公司最后也可能只保留最初创意“基因库”中的一小部分。AI 降低了发布产品、找客户测试和放弃弱想法的成本。过去要花6个月、1年甚至2年才能得到的经验,现在可以更快获得。

  • Schmidt 问,开发速度提升后,从小处切入的价值会如何变化。Shah 认为,软件供给增加会让分发更难,因此聚焦更有利于触达客户和学习。1000亿美元的目标仍得从可信的前30天计划开始:“先有收入,再去冲1000亿美元。”他的原则是:“迭代周期最短、学习成本最低的人会赢。”(“whoever has the shortest iteration time and the lowest learning cost wins”)

2. HubSpot 从客户未解决的问题中找到平台方向

  • HubSpot 最初面向 SMB 的逻辑,是企业客户愿意付费与消费者市场的庞大客户基数可以兼得。企业软件销售周期长,客户还会左右产品路线图;消费者业务的结果往往两极分化,也常常需要广告补贴。SMB 则能提供付费的问题解决方案,同时避免收入过度集中。公司最初参加 MIT $50K 竞赛的构想是“小企业版 Oracle”,之后收窄为律所 ERP,项目名为 LegalSpot。

  • 与客户交流后,计划转了方向。律所关心的与其说是工时记录,不如说是网站和营销:“你能帮我找到更多客户吗?”Shah 说,在 SMB ERP 和 SMB 营销之间做选择,依据有限,几乎像抛硬币——但严格来说并不是抛硬币。最初的任何一版路演材料里,都没有把成为 CRM 平台列为目标。

  • 公司成立5、6年后,也就是 IPO 前约2年,一项客户调查发现,20%的客户在用 Salesforce,20%在用其他 CRM,60%没有 CRM。这些客户已经为获客服务付费,调查由此暴露出一段尚未打通的工作流程。系统复杂、预期实施成本高,是他们不用 CRM 的原因。HubSpot 为这60%的客户开发了尽可能简单的 CRM,并用营销收入补贴:“不是免费增值,而是免费。”

  • 这个选择也预判了 CRM 厂商向营销领域扩张的趋势。Shah 对“把一件事做到极致”的补充是,得解决客户的完整问题。HubSpot 把内容管理、SEO、落地页和表单打包,因为产品分散本身就让 SMB 望而却步。Schmidt 指出,看起来像是有意从零打造的战略,实际来自对客户需求的发现:他们缺这些系统;后来 HubSpot 要在 CRM 上胜出,就必须成为一个平台。

3. 开发者信任应纳入产品战略

  • 在 Shah 看来,Twitter 展示了平台风险:开放 API 曾支撑起客户端和一批公司,之后平台却变得不欢迎、甚至敌视开发者。HubSpot 希望成为“我们自己做产品时梦想中的那个平台”。它会坦诚说明正在做什么、合作伙伴可能有哪些机会、哪些领域不太可能涉足,但不会承诺永远不与合作伙伴竞争。

  • 生态系统需要产品设计,也需要把开发者当作客户。Shah 衡量的指标是“达到满意所需的时间”:缩短开发者从用 HubSpot API 做出可用产品,到“靠 HubSpot 生态赚到第一美元”的路径。开发者体验既包括技术上跑通,也包括实现收入。

4. 实验室的激励分歧留下了机会

  • Schmidt 说,“黄砖路”看起来很诱人,直到“整支前沿实验室装甲部队”沿路冲来。Shah 补充了两项检验:你能不能把“ChatGPT 做不到”变成“ChatGPT 现在还做不到”?你评估的是今天的产品,还是它背后的公司?OpenAI 可能推出新的产品线,让这条路越铺越宽。其他条件相同,他更倾向于离这条路远一些的机会。

  • 他认为,边界可以来自结构性约束,比如监管,也可以来自“激励约束”。Shah 披露自己既是 HubSpot 联合创始人,也是 OpenAI 投资者。OpenAI 完全可以争取 HubSpot 30亿美元以上的营收;但在 Shah 看来,正因为这些实验室有更广泛的野心,它们极不可能专门对 CRM 发起冲击。

  • 这个机制始于数千亿美元的预训练投入:实验室需要出售推理服务。它们既可以直接触达消费者和 JPMorgan 这样的《财富》500强客户,也可以向 SaaS 公司提供行业知识和分发能力。“这不是非此即彼的选择。”Shah 把它比作15年前 AWS 和云计算的发展。

  • Shah 说,2023年他担心前沿实验室领先太多,不知道其他公司能否承担所需资本:“好在我当时判断错了。”他补充说:“我不会说它们已经变成大宗商品。”但开源代码、众多商业产品、OpenRouter,以及根据具体用途路由到不同模型,都降低了对单一关键供应商的依赖。如果能避开实验室的主赛道,他认为如今创业做 AI 生意没那么令人担忧。

5. 工作本身比显示工作的屏幕更重要

  • 对于 ChatGPT 的接入是否会削弱 HubSpot 的长期价值,Shah 承认界面价值因产品而异。他认为,多数商业应用更像 Uber Eats 或 DoorDash:应用固然重要,但物流、餐厅关系和履约承载了大量价值。他明确表示,并不是说商业应用也拥有这些平台的网络效应;这个类比想表达的是,“价值在于完成的工作”。

  • HubSpot 在这次对话前一年多就推出了 ChatGPT 连接器,也为 Anthropic 做了一个;Shah 说 HubSpot 是首家这么做的 CRM 公司。他把这些助手看作“新的 OS”或新浏览器;浏览器的所有者并没有拿走每个 Web 应用的全部经济价值。他承认 AI 不同,因为它能完成认知工作。但“界面只是达成目的的手段”(“The interface is just a means to an end”);优化重点应是结果、成本、延迟和摩擦。

  • Shah 对模型使用的原则很明确:“凡是查询就能解决的问题,不要调用推理。”想知道有多少客户或多少收入来自爱尔兰,应该触发数据库查询。即使答案藏在800万条 Slack 消息和邮件里,去搜一遍也会把推理浪费在确定性软件本可以解决的任务上。

6. 上下文拓展架构,评测让变更可验证

  • 可复用的基础组件,是 Shah 架构思路的支点。HubSpot 的营销自动化——发送邮件、等待3天、点击后响应——后来成了销售自动化的基础。重新组合已有技术,让新产品获得了原本可能要花几年才能开发出的能力。现在的问题是,支撑 HubSpot 下一个20年的基础组件应该是什么。

  • 他的答案是在已知事实之外保留结构化记录,同时建立一套承载非结构化信息的上下文系统。过去就有这类数据,限制在于如何以合理成本有效利用。Shah 想象的是一个“第二大脑”,也许以图谱组织,把上下文和结构化记录结合起来,让智能体能够推理、行动并产出结果。

  • 智能体编程也让过去的架构决策有了可验证的办法。Shah 假设可以花20万美元买 token,换种方式重建;或者先用 Rust 重写一小部分,再对照现有测试和评测检查行为。老牌公司手里已有这些衡量资产。评测也能用来比较新模型:例如,质量下降约3%,是否值得换来相当的延迟或经济收益。重写只是一个假设实验。

7. HubSpot Next 让实验借用老牌公司的资产

  • HubSpot Next 把实验与核心公司的日常义务隔开。早期 CRM 团队可以不管 HubSpot 的技术栈、品牌和常规规则;现在的项目也在探索新的品类、市场或技术。Schmidt 把老牌公司的限制称为“包袱”:分发渠道、客户关系、评测和20年的代码仍然是资产,团队摆脱组织重担后,依然可以在需要时调用这些资产。

  • Shah 现在的项目 YouSpot,是一款上线仅30天、面向个体创业者的 CRM;在这里测试“第二大脑”,比在主平台里更快。Shah 说这个概念行得通。他提醒团队,不要去填 ChatGPT 或 Claude 会逐步补上的通用记忆缺口;应当选定一个客户类别、找到其数据入口,再确定上下文能支持哪些智能体或工作流程。

  • 先例是 agent.ai:一个横向市场,加上混合确定性与非确定性智能体的构建器。Shah 认为这个市场铺得太横向了,“这个想法有一半是对的”。HubSpot 吸收了构建器。实验可以发展成完整的 HubSpot 产品、独立运营,也可以只留下底层想法;核心团队会挑出有用的部分。

8. 个体经营者扩大了软件市场

  • Shah 很早就让 YouSpot 开始收费,以研究定价和付费意愿。按用量付费模式下,信用卡付费表现就这一点而言强于此前的 HubSpot 项目。Schmidt 补充说,垂直软件可以把年费或月费维持在低位,再靠支付收入和 interchange fees 弥补;AI 也为向小客户创造价值提供了更多方式。

  • 在9月30日录制节目时,Shah 提到,2025年美国新成立公司数量创纪录,约560万家,接近600万家;当年截至8月已超过400万家。他援引 Census 数据称,预计成立后2年内不会雇用员工的公司超过70%。他预计新一年还会创纪录,并认为面向个体创业者的软件市场正在扩大。

  • Shah 用 HubSpot 创立时的论点回应“SaaS末日论”:当时营销预算已经存在,只是互联网让营销变成了软件可以解决的问题。AI 同样在扩大可服务的问题范围。他预计一些软件公司会消失,就像过去几轮平台变迁中也有公司退场一样。但他对整体机会的判断仍然明确:“现在的机会比以往任何时候都多。”(“the opportunities are greater now than ever.”)