AI助手大战：一场正在重写手机App格局的百亿美元赌局

你有没有认真想过，手机上那五十几个App的时代，可能真的快结束了？不是因为它们不好用，而是因为有一种更自然的方式正在取代它们——你只需开口说话，或者打一行字，剩下的事情有人替你办。这不是科幻，这是现在硅谷最热的赛道正在发生的事。

最近我看了一期 20VC 对 Town 联合创始人兼 CEO Jean-Denis Grèze（以下简称 JD）的访谈，他之前做过七年 Plaid 的 CTO，在那之前是 Dropbox 的工程总监。Town 是一个 AI 工作助手，最近有消息说它正在以 10 亿美元估值洽谈新一轮融资。这个访谈我从头听到尾，里面有很多东西让我停下来反复思考。我想把这些思考整理出来，因为我觉得这个赛道接下来发生的事，对我们每一个做产品、做投资、或者只是在用 AI 工具的人来说，都非常值得认真对待。

从AI报税公司到AI助手，这个pivot是怎么发生的

JD 在访谈里坦率地说，他们之前花了一年时间做 AI 报税，做到了一些 product market fit（产品市场契合），但不够。他用了一个挺直白的说法——我们失败了，我们没能建起一门足够好的生意。之后他们花了三个月在迷茫中摸索方向，然后有一天他突然想到一个问题：为什么没有人在 email 这个场景里认真做 AI？

这个问题本身其实挺有意思。email 和 calendar（日历）是绝大多数人管理工作和生活的核心工具，尤其是对白领和中小企业主来说，所有的协调、确认、跟进几乎都在这里发生。但过去那么多年，没有一个产品真正把 AI 能力深度整合进这个场景，给出一个让普通人一上手就觉得"这东西真的在帮我"的体验。

时机也刚好对。JD 提到他们决定做这件事的时候，大概是去年十一月到十二月，正好是 Claude Opus 模型完全进入 agentic（自主执行任务）能力的时间点。也就是说，在那之前模型只能做几个步骤，但从那时开始，模型真的可以完成有实质深度的工作了。他们花了几周做了一个原型，几乎立刻就看到了 product market fit 的信号。

我觉得这个故事背后有一个值得认真想的点：很多我们以为"没人做"的方向，其实不是没人想到，而是技术还没到那里。JD 他们做 AI 助手这件事，时机和技术能力的成熟几乎是同时到来的。这种感觉他在访谈里描述得很直接，他说那段时间 open source 浪潮也在爆发，他们看着这一切发生，然后意识到自己在做的东西和这股浪潮是同一件事。但有一个关键区别——开源工具很厉害，但只有真正懂技术的人才能用好；而 Town 从一开始就想做的，是让任何一个普通人都能从中获得价值。

这个赛道最大的恐惧：Google、Apple、OpenAI 随时可以来抄你

主持人 Harry 问了一个每个这个赛道的创始人都躲不掉的问题：你怎么看大厂随时可能把你做的事直接内置进去？JD 的回答很坦诚，他说他清楚自己在做的事是 Google 和 Apple 未来十二个月内的前三优先级，不是前十，是前三。

他承认自己会在凌晨三点突然醒来，然后脑子里转过各种黑暗的念头，这是创业者的日常。但他也说了一句让我印象很深的话：他现在的心态不是去想护城河，而是先想怎么把产品做到一百万甚至一千万付费用户，因为大厂的打法是看到有人在主流用户里跑通了再来抄，而不是自己去创新这个体验。他说得很直接：他们不会靠创新走到那里，他们只会在有人先跑通之后再来复制。

这个判断我非常认同。大厂的基因决定了他们在新形态的消费级产品上几乎永远是跟随者，不是开路者。iPhone 发布之前，诺基亚和摩托罗拉也知道移动互联网会是大事，但他们跑不出来。Google 和 Apple 在 AI 助手这件事上有分发优势、有资源优势，但他们很可能在产品形态上落后于那两三家最先跑通的创业公司。问题只是谁能先成为那个让大厂不得不来复制的对象。

JD 提到他最担心的大厂竞争对手，不是 Google 或 Apple，而是 Meta 和 WhatsApp。原因很简单：他们已经有了分发，几乎所有人都在用 WhatsApp 发消息，如果有一天 WhatsApp 里突然有一个真的能帮你办事的 AI agent（智能代理），那种分发优势几乎是无解的。这个判断让我觉得他想得比很多人深——赢得这场战争的人，最后可能不是技术最好的那个，而是分发渠道在用户生活里最根深蒂固的那个。

这个赛道真正的护城河：agent 层面的网络效应

说到 moat（护城河）这个词，JD 说得很清楚，他认为讨论护城河对 Town 现在来说是一种奢侈，因为他们还没到那个阶段。但他也分享了他对这个赛道最终格局的判断：赢家会是那个在 agent 层面建立起网络效应的产品。

他举了 Town 里一个叫 agent to agent（代理之间的交互）的功能作为例子。你问你的 AI 助手一个问题，它发现自己没有答案，但知道你某个同事的 AI 助手有这个答案，于是它自己去问那个助手，然后把答案带回来给你。整个过程你完全不需要介入。JD 说这个功能藏得很深，很多用户找不到，但凡是用到过的人都对它最上瘾。原因很简单：一旦你的整个团队都在用同一个平台，你几乎没有办法再切换到别的产品，因为那个网络效应是真实存在的。

我觉得这个思路点出了一件事，是目前市场上大多数人还没有认真对待的：AI 助手的最终形态，不是一个人用一个工具，而是一群人共用一套协作智能体网络，信息在这个网络里流动，每一个节点的智能都在帮助整个网络变得更好。这不是比谁的单点功能强，而是比谁先把这个网络搭起来、让更多人进来。这才是真正意义上的网络效应，也是这个赛道里最难被复制的东西。

他也提到了另外两个 Town 押注的方向。一个是用户对自己 AI 助手的情感认同——Town 把每个用户的助手叫做"towny"，可以命名，有品牌，有专属感，这个看起来很软的东西在用户留存上产生了很真实的效果。另一个是大量的预处理：在你还没开口之前，系统就已经在后台建立你的工作模型，理解你的项目、你的人际关系网络、你的工作节奏。这种预处理让 AI 在你真正问它问题的时候，能够给出远比冷启动更精准的答案。

人类会不会把数据控制权交给AI

这是整个访谈里我觉得最有哲学深度的一段。Harry 问了一个问题：在五年后，什么东西现在看起来很荒唐，但到时候会变得极其普通？JD 的回答是：你会信任你的 AI agent，让它自己决定哪些数据可以分享给哪些人，而不需要你每次都去介入审批。

他打了一个很生动的比方：假设你让你的 AI 助手和两个朋友的助手在一个"房间"里沟通，大家在帮你安排一次旅行，那些朋友的助手会问你喜欢吃什么、你哪天能飞之类的问题。然后其中一个朋友开玩笑，让你的助手分享你的病历。你的 AI 直接回绝了，一个字都没说出去，但你之前从来没有给它设过这条规则。它是自己判断的。

JD 说这件事现在听起来很科幻，但他认为我们会走到那里。他解释了背后的逻辑：今天，人类自己就是信息的过滤器，有人问你问题，你在脑子里判断什么可以说、什么不能说，然后开口。这个判断过程我们信任自己去做。他认为，越来越多这样的判断，我们会开始信任 AI 去做，因为 AI 在这件事上犯错的概率，可能比人类更低。

他举了一个经典的人类失误案例：一个非常聪明的人，在回复一封邮件的时候本来想只发给几个人，结果按了"全员回复"，把一句"不敢相信公司招了这群蠢货"发给了全公司所有人。这种错误 AI 几乎不会犯。

我对这个观点的看法是：这件事的核心不是技术能不能做到，而是人类愿不愿意把这个控制权让渡出去。这是一个信任的建立过程，不是一个功能发布的过程。而且这个信任是分层的，你可能先愿意让 AI 帮你决定会议纪要发给谁，但在很长一段时间内不愿意让它决定你的健康数据分享给谁。这中间会有一个很长的过渡期，产品设计的挑战在于，怎么在这个过渡期里给用户足够的信心，让他们愿意一步一步地把控制权交出来。

一个人到底需要几个AI助手

JD 对这个问题的回答是：每个人可能会有一到两个入口，但不会更多。他说，没有人想要在一天里频繁切换——哦，我现在要做销售，让我打开 Salesforce 的 agent；哦，我现在要做项目管理，让我打开 Linear 的 agent。人类的本能是想要一个入口，你按下去，开始说话，事情就发生了。

但他也说，两个入口的理由是真实存在的，主要是数据隐私。工作数据和个人数据，大多数公司都不希望它们混在一起，员工在处理公司事务时使用的 AI，和他们管理私人生活的 AI，底层数据层最好是分开的。但从用户体验的角度，界面层可以做成一个，后台在数据上做隔离。

他用了一个很有趣的例子：如果你是律师，你可能在用一个专门针对法律场景深度训练的 AI 工具，比如 Harvey 或者 Lagora。但在你的感知里，你并不觉得自己在用一个"律师专用 agent"，你只是在和你的主助手说话，它在后台自动调用了那个专业工具帮你完成任务。这个架构思路让我觉得，未来 AI 助手的竞争可能分两层：一层是用户端的入口和信任关系，一层是背后专业能力的生态接入。这两层的玩家可能根本不是同一批人。

建的速度可以是机器的速度，但学的速度只能是人类的速度

JD 在访谈里说了一句话，我觉得是整期最值得单独拎出来的观点："You can build now at the speed of machines, but you can only learn at the speed of humans."（现在你可以以机器的速度来建，但你只能以人类的速度来学。）

他描述了一个以前大家习以为常的创业节奏：你做了一个功能，用户用了，你从中学到东西，这些学习进入下一个功能，再下一个，竞争对手可能要几个月后才能跟上你的第一版。但现在，因为 AI 让实现的速度极快，你某个功能一跑通，竞争对手可能两到四周内就能跟上。那个窗口期，从过去的六到十二个月，压缩到了几周。

但学习速度没有变。你从用户身上提炼出真正有价值的 insight（洞察），仍然需要时间。你需要观察真实使用行为，需要和用户对话，需要消化和判断。这个过程是人类的，没有办法用 AI 提速。结果是，过去靠"我比你更懂用户"来建立优势的那条路，变得越来越难走，因为你"更懂"的时间窗口被极度压缩了。

我对这件事的判断是：在这个新节奏里，真正有价值的能力变了。过去是"谁能把功能做出来"，现在越来越变成"谁能更快地找到正确的方向"。实现不再是瓶颈，判断力才是。那些能够更快地识别哪个 insight 是真实的、哪个方向值得押注的团队，在新的竞争环境里会有更大的优势。这和 Andrew Ambrosino 说的 taste 是同一个东西，只是从不同角度描述了同一个稀缺资源。

Apple的困境：隐私立场和云能力的双重枷锁

JD 对 Apple 在这场竞争里的处境，说了一些非常坦率的话。他认为 Apple 面临两个结构性问题，叠加在一起，让它在 AI 助手这场仗里非常难打。

第一个问题是 Apple 不是一家云公司。这不是说他们做不好云服务，而是这不在他们的基因里。而 AI agent 越强，依赖的数据就越多，这些数据不可能都在手机本地，必须在云端。Apple 在这件事上的先天不足，是一个很深的结构性劣势。

第二个问题是 Apple 为了强调隐私保护，把自己绑在了 on-device（本地处理）这个故事上太紧了。本地模型确实让隐私保护变得更可信，但本地模型的能力跟不上云端前沿模型，这是现实。JD 说得很直接：本地模型速度更慢，能力更弱。只要 Apple 坚持这个立场，它就永远在能力上落后于那些可以自由调用云端前沿模型的对手。

他也承认 Apple 有设备优势，新的 Siri 会比现在好很多，但他判断在真正的 AI 助手能力上，Apple 可能会有九个月左右的落差。九个月在这个行业里是很长的时间。他说 Apple 需要有人能站出来告诉他们：人们和数字世界交互的方式正在根本性地改变，要么彻底想清楚该怎么应对，要么就是在输掉这一代的战争。

我觉得 Apple 的困境很有代表性。它代表了一种更大的困境：当你之前的优势和立场，恰好成了你在新时代适应的障碍，你能不能认清这件事并且真的做出改变？这对 Apple 来说是一个非常非常难的内部政治问题，不只是技术问题。

不要把token用量当成成功的指标

JD 对"什么是成功用户"的定义，我觉得比大多数 AI 公司想得都要清醒。他说，成功用户就是每个月继续付钱给他的用户，如果他们一直付，说明他一直在交付足够的价值。他明确反对把 token（模型调用量）消耗当成衡量成功的指标。

他解释了原因：如果你的目标是让用户用更多 token，你很容易掉进一个陷阱，用户在消耗 token 完成一些他们其实并不那么在意的事情，直到有一天他们觉得这笔钱花得不值，然后一下子就流失了。Token 的消耗量和真实价值的交付之间，有一条非常隐蔽的鸿沟。

他举了一个很具体的例子来说明价值因用户而异：会议前简报这个功能，对那些每天背靠背开会的人来说可能是救命稻草，在会议开始前一分钟让自己看起来准备充分，对他们来说价值极高。但对那种会议里基本不需要发言、全程旁听的人来说，这个功能几乎没有任何价值。同样的功能，同样的 token 消耗，ROI（投资回报率）可以天差地别。

Town 有一个做法我觉得特别值得学习：他们会主动给用户发邮件，告诉他们有些 routine（自动化流程）在消耗大量 token 但可能没有对应的价值。用户的反馈是：谢谢你，我现在更信任你了。这个细节说明了一件事，在 AI 助手这个品类里，长期信任比短期的使用量重要得多。一个帮你省钱、帮你避免浪费的 AI，比一个拼命让你多用的 AI，更能活得长。

企业用户才是真正的增长飞轮

JD 被问到一个假设性的问题：一亿用户每人付 20 美元，还是一百万用户每人付 100 美元？他选了更多用户付更少钱。理由是：在工作场景里，AI 能帮用户创造的价值是可以持续增长的，你每找到一件新的事情让 AI 来做，用户就能在业务上多创造一笔收益，他们自然愿意付更多。这是一个正向循环。

他举了一个招聘公司的例子。这家公司用 Town 把招聘流程自动化到了一个程度，可以在不新增人手的情况下多接一个客户，每多接一个客户多 3000 美元月收入，而他们付给 Town 的钱只有大概五六百美元。这个 ROI 对他们来说是显而易见的，他们不需要说服，他们自己就愿意付更多。

相比之下，个人消费场景是有天花板的。你能帮我订餐厅、帮我安排旅行、帮我整理孩子学校发来的通知，这些需求是有限的，不会因为你做得更好就无限扩张。但商业场景不一样，因为商业的本质是可以扩张的，只要 AI 能持续帮助一家公司多赚钱，他们就有动力持续付更多。

这是我在这个赛道里看到的最清晰的商业逻辑之一。不是所有 AI 产品都适合这个逻辑，但对一个 AI 工作助手来说，企业端的天花板远高于消费端，而且增长曲线更陡、粘性更强。Town 押注 B2B 这件事，我觉得从长期来看是对的。

前沿模型的成本是这个生意最后的风险

访谈的最后，JD 谈了他真正睡不着觉的那个问题。不是语音，不是竞争对手，而是一个非常具体的经济学问题：如果未来在他的所有工作量里，仍然有 20%-30% 必须依赖前沿模型才能完成，而前沿模型的供应商同时也是他的竞争对手，那他几乎没有任何议价能力。

他提到 Cursor 的例子：你可以有很大的市场份额，用户可以非常喜欢你，但如果你的供应商拿走了 70% 的毛利，并且这个供应商同时在跟你竞争，那长期的经济模型是很难成立的。

他的应对思路是两条线并行：一条是把那些不需要前沿智能的任务（比如邮件分类、标签整理这类事情）迁移到更便宜的模型，包括开源模型；另一条是指望计算成本每九到十二个月减半的趋势，在时间上赌一个更健康的成本结构。他判断如果自己能做到几千万付费用户的规模，这个问题是可以解的，但在那之前这个风险是真实存在的。

我觉得这个问题不只是 Town 的问题，这是整个 AI 应用层创业公司都面临的结构性挑战。你在一个技术栈上面建应用，但这个技术栈的所有者同时在做和你一模一样的事情，而且他们有成本优势和分发优势。解法只有两个：要么在他们覆盖不到的地方建立足够深的差异化，要么在成本曲线改变之前，先把用户规模和粘性做到让人无法忽视的程度。没有其他路。

这个行业现在的状态，让我想起了早期移动互联网的那段时期。那时候大家都知道有一场很大的战争要来，但没有人真的知道谁会赢，也没有人能够预见最终的格局会长成什么样子。唯一确定的是，那些今天在认真跑、认真学、认真试的团队，比那些在旁边观望的人，要多出一个很重要的东西：真实的经验。而在这个学习速度决定一切的时代，真实的经验可能是最值钱的资产。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

两个“特别坑”的AI产品创业方向，你知道吗

速度将成为AI时代唯一的护城河

a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来