AI 时代最值钱的不是智能，是审计轨迹
Rogo 创始人 Gabe Stengel 说，模型已经比任何他认识的人都聪明，剩下的全是管道工程——谁把管道铺进银行的合规和系统记录里，谁就赢。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
模型公司是炼油厂，垂直公司是化工厂
Gabe 用 Dario 的话推演：如果明天有一整座装满天才的数据中心出现在 Goldman、Millennium、Citadel 门口，这些机构也要花很久才能想清楚怎么改变工作方式、怎么把它接进自己的系统。所以他认为未来五年每个伟大投资者最大的挑战，不是拿到智能，而是把 AI 接进投资生命周期。这也解释了他为什么不担心 Anthropic 和 OpenAI：金融是一堆数据、定义、监管要求各不相同的利基集合，Anthropic 停下来捡这个硬币，等于在从 1000 亿收入走向 1 万亿的路上靠边停车。
— Gabe Stengel应用 AI 公司有先发劣势
Gabe 说早期做应用 AI 的公司反而吃亏：你以为知道世界往哪走，为那个终局建产品，但模型还没到，用户试完只会说「这是垃圾」。Rogo 自己也经历过这个阶段。他的判断是，如果你对终局的判断是对的、并且一直在朝那个方向建，等模型追上来那一刻就是魔法时刻。他把 Rogo 的产品纪元直接绑在模型纪元上：01 Pro 是第一个可靠性够用的版本，至少能当搜索工具；到 Opus 4.5、2025 年底到 2026 年初，模型基本能做一个初级投资或投行专业人士做的任何事，前提是你给对指令和上下文。
— Gabe StengelMD 用 iPad 批注，才是真正的最后一公里
Gabe 举了一个具体到不能再具体的例子：投行 MD 的典型工作流是把 deck 的批注用邮件发给分析师，Rogo 让这个 MD 把批注邮件发给 AI 分析师，20 分钟拿回修改稿而不是两天，同时自动通知交易上的初级分析师，并展示所有小改动的完整审计轨迹。他点出关键：这个金融专业人士十年没登录过电脑，但他有 iPad，他知道怎么在 iPad 上批注。这种对特定终端用户的产品细节，只有对这份工作有「spidey sense」的人才做得出来。
— Gabe Stengelharness 比模型本身更重要
Gabe 用 Claude Code 和 Claude Cowork 对比 ChatGPT 举例：模型其实差不多，但 Claude 的 harness 和呈现方式好得多，让模型能发挥更多长程能力，于是用量和扩张都跑起来了。他进一步用大脑类比：人类有高能动性不只是因为原始记忆、IQ 和知识，而是因为脑子里有一堆微服务——怎么存知识、怎么检索、怎么触发，情绪就是一种触发微服务的方式。伟大投资者的判断力，来自看到市场里某种东西时触发了对某个事件的回忆，从而做出创造性决策。这些微服务就是垂直公司要建的东西。
— Gabe Stengel从按席位收费，直接跳到按结果收费
Rogo 现在是经典企业软件：按席位定价，因为买家习惯拿它跟 Bloomberg、FactSet、Capital IQ、PitchBook 类比，每签一单都要 AE 加解决方案架构师去握手、解释集成。Gabe 说 Anthropic 卖给他们很容易，付的钱指数级上涨还不需要人介入，因为是 token 消耗模型；但很多行业没法搭 token 消耗的便车，Rogo 就是其中之一，所以必须用五倍速度建 GTM 机器。他的定价判断是每家企业都要经历两次定价革命：先转 usage based，再转 outcome based。他更想跳过 token 和 usage，直接问客户：每个好投资想法收你多少钱？每份给 LP 的季报收你多少钱？每份投行的 CIM 收你多少钱？
— Gabe Stengel可审计比准确更重要
Gabe 说准确当然还是超级重要，但可审计比准确更重要，这两件事经常被混为一谈。逻辑是：如果答案不准、你又不知道怎么检查、看不出它从哪来，那不管准不准你都没法用，因为你不信任它。反过来，如果大多数时候准，即使不准的时候也能清楚看到假设和取数来源，它仍然可行动、仍然省时间。当工具从 copilot 走向 autopilot——不只是检索信息，而是有能动性、真的做投资决策或发邮件——你必须能回看它为什么这么决策，因为你要 debug 它，就像个别投资者做烂决策后你要查是数据输入错了还是有人骗了他。在受监管的资本市场，解释不了决策依据根本过不了关。
— Gabe Stengel公司大脑叫 Shrek，所有对话都被录下来
Rogo 内部所有对话都被录制，新人入职第一天就被告知「你永远在被录音」，这些内容被过滤进公司大脑，名字叫 Shrek，因为工程师觉得这么叫很好笑。有一个 dashboard 能看到所有人正在做什么的「沼泽」，它连着公司各个系统，对公司目标、价值观、要交付给客户的东西、北极星指标非常明确，所以能塑造每一个答案和交付物。它既被动也主动：你可以进去问「我该怎么跟一家大型机构讲模型路由的价值主张和节省」，它把信息拉出来；它也会主动提醒「Patrick，我看到你周四要见这家 private credit 公司，这是你该知道的信息、会共鸣的用例、以及过去合作过的公司想听的 ROI 指标」。Gabe 说这就是 enablement 的核心问题：把信息吸进来，在人们需要的时候给出去。
— Gabe Stengel被 40 个投资人连续拒绝是什么体验
Gabe 说最难的低谷是 A 轮融资：当时 cap table 上还没有明星投资人，David Tisch 把他介绍给 40 个投资人，他见了 Sequoia、Kleiner、Benchmark 等等，40 个人全 pass。而且不是发个 deck 没兴趣那种，是「有意思，见见 Gabe」「挺喜欢 Gabe，聊一小时」「来 IC 吧」「一起吃个饭」「周末再来一趟」——然后「我们决定不投」。他说那个阶段跟任何事都无关，只跟你有关，像被 40 个女朋友分手，每次你都爱上了，每次对方都说不是给你的。最后 Thrive 也没投，Keith Rabois 在所有人拒绝后大约一个月才来，Gabe 反问 Keith：如果这不是逆向押注，为什么你所有朋友都说这是坏主意、都不相信我？他总结投资人没投的三个原因：低估金融 TAM、产品当时确实烂、以及没有足够数据点相信他能嚼着玻璃把下一版做出来。
— Gabe Stengel金融业第一次遇到创新者窘境
Gabe 说过去 10 到 20 年，做资本配置、做投资是很赚钱的生意，行业极难进入，尤其私募市场，募完一只基金再募一只，业务自带惯性，很难搞砸。所以很长时间里没有一次市场冲击让每家投资公司、每家银行说「我得彻底重新想我在做什么」。现在有了：会出现几百家 AI 原生的颠覆者、AI 原生投资公司、AI 原生投资银行来攻击现有商业模式。他把 AI 原生定义为愿意不断重新发明一切、AI 上瘾到不在乎什么看起来完全不现实，只是朝着把这种外星基础技术整合进一切的方向走，业务里没有任何一部分神圣不可侵犯。
— Gabe Stengel原话 · 已逐字校验
And Dario has the great line about everyone's going to have a data center full of geniuses or a country full of geniuses in the data center. What would Goldman do? What would Millennium do? What would Citadel do if they had a country full of geniuses show up?
Dario 有句名言：每个人都会有一个装满天才的数据中心，或者数据中心里有一整个国家的天才。如果一整个国家的天才出现在 Goldman 面前，Goldman 会怎么做？Millennium 会怎么做？Citadel 会怎么做？
Gabe Stengel2:03
I mean, I think there was a first movers disadvantage for a lot of applied AI companies because you thought you knew where the world was going and you wanted to build a product for it, but the models weren't quite there. And so people would try it and go, this is terrible. This is garbage.
我认为很多应用 AI 公司有先发劣势，因为你以为你知道世界要往哪走，你想为那个终局建产品，但模型还没到那个水平。于是人们试用之后说：这太糟了，这是垃圾。
Gabe Stengel4:04
The models were actually fairly similar, but the harness and the way that it was presented from Cloud was far better. And it just allowed the models to exercise more of their long running capabilities.
模型其实相当接近，但 Claude 的 harness 和呈现方式要好得多。它让模型能发挥更多长程运行的能力。
Gabe Stengel16:57
I think that every business needs to go through two different pricing revolutions. You need to move to some sort of usage based and then you need to move to some sort of outcome based.
我认为每家企业都要经历两次定价革命。你得先转向某种按用量收费，然后再转向某种按结果收费。
Gabe Stengel23:43
I think it's actually more important to be auditable than it is to be accurate. And obviously those two things are conflated.
我认为可审计其实比准确更重要。显然这两件事经常被混为一谈。
Gabe Stengel31:19
And it's so personal because at that stage, it has nothing to do with anything but you. Right. It's like somewhere it's like being broken up with by 40 girlfriends who like every time you fell in love and then every time they said, not for you.
而且这太针对个人了，因为在那个阶段，这件事跟任何东西都无关，只跟你有关。就像被 40 个女朋友分手，每一次你都坠入爱河，然后每一次她们都说：不是给你的。
Gabe Stengel42:18
If you knew for sure that right now, 90% of your enterprise value is in your people, your best investors, your best bankers are the people that bring in deals, bring in revenue. And actually, that's what accrues enterprise value. And in 10 years, the world's best investment firms, best banks will have 90% of their enterprise value, not in people, but in software and data and systems. What would you start doing?
如果你确定地知道，现在你 90% 的企业价值在人身上——你最好的投资人、最好的银行家，是那些带来交易、带来收入的人，实际上正是他们累积了企业价值；而 10 年后，世界上最好的投资公司、最好的银行，90% 的企业价值不在人身上，而在软件、数据和系统里。你会开始做什么？
Gabe Stengel53:09
数字与实体
| Rogo 团队中曾在投行或投资机构工作过的人数 | 超过 100 人 | 21:26 |
| Rogo 收购的早期金融 AI 创业公司数量 | 6 家 | 50:14 |
| Gabe 在 A 轮前被拒绝的投资人数量 | 40 人 | 42:18 |
| Gabe 认为 Rogo 能靠深耕金融各利基达到的收入规模 | 50 亿美元 | 17:19 |
| 美国房贷中由线上平台（如 Rocket Mortgage）完成的比例 | 40% 到 50% | 27:41 |
| Gabe 对 Rogo 产品路线图的完成度自评 | 1% | 27:41 |
| Gabe 认为金融业所有人做 AI 采购决策的窗口期 | 18 个月 | 44:07 |
术语
- harness外壳/承载层
- 包裹模型、决定它怎么被调用和呈现的那层工程，比模型本身更影响体验。
- MNPI重大非公开信息
- Material Non-Public Information，投行和投资机构合规上最敏感的一类信息。
- IC memo投资委员会备忘录
- 投资机构提交给投委会、论证一笔投资的核心文件。
- DDQ尽职调查问卷
- Due Diligence Questionnaire，交易或募资中对方发来的一长串标准问题。
- CIM保密信息备忘录
- 投行卖公司时给潜在买家看的核心推介文件。
- compaction记忆压缩
- 让 agent 在长对话中把记忆压进有限 token 里、又不丢关键上下文的能力。
收听指南
垂直 AI 创业者、投行与 PE 从业者、看企业软件和 AI 应用层的投资人。想知道模型之外那层管道怎么建、怎么定价、怎么卖进大机构的人。
开头 1:24 到 6:14 的产品纪元回顾偏铺垫，可快进到 16:57 之后的机制部分。