Town 不綁定任何大模型：企業真正該囤的是數據和記憶
沒人知道哪家大模型三五年後仍最強，Town 索性保持中立，把數據和記憶權留給企業，換取客戶永遠能隨時遷移。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
報稅軟件被判死刑：一年只能賣一次
離開 Plaid 後，Jean-Denis 選報稅作為首個 AI 場景，因為報稅文本多、結構化輸入多，LLM 天然擅長。團隊用一年把「財務數據+文件→報稅表」的流程自動化，產品本身做成了，但商業模式不成立：報稅一年只能賣一次，客戶很少主動安利報稅體驗，也沒有日活屬性，導致無法形成口碑裂變；與此同時，傳統報稅巨頭完全可以用同樣的 AI 技術把自己的存量客戶自動化，速度比新進入者搶市場份額還快。團隊判斷即便做到第二年營收兩百五十萬到三百萬美元，也撐不起一家風投規模的公司，於是決定放棄。
— Jean-Denis GrezOpus 4.5 一齣，產品立刻有了PMF
放棄報稅後，團隊探索了四個方向，最終聚焦在一個簡單問題上：為什麼沒人把郵件和日曆做成真正好用的 agent?起因是報稅客戶反覆抱怨「開會前記不清背景、客戶總問同樣的問題」。這類知識工作者的日常工作流從未被認真做過 AI 產品。恰逢 Opus 4.5 發布，coding agent 展現出更強的自主執行能力，簡單的洞察疊加模型能力的躍升，讓產品幾乎立刻拿到 PMF——從去年12月封閉測試到今年4月，產品每天漲1%到1.5%,客戶需求源源不斷，團隊才決定公開發布。
— Jean-Denis Greztoken 便宜到讓沒必要的事變得值得做
Jean-Denis 把 Town 定義為「token 分配機」:隨著 token 變便宜，很多以前人力不划算、AI也嫌貴的長尾任務突然變得值得自動化。典型例子是餐廳老闆：供應商每季度發一次報價表，漲價20%到30%很常見，但老闆通常沒空比價，因為這事太偶發、不值得僱專人盯。用 Town 搭一個每月跑一次的監控流程，五分鐘就能「prompt」出來，11個月可能什麼都不會發現、每月成本一美元，但抓到漲價的那一個月就能省下幾百上千美元。真正的產品工作不是技術，而是主動告訴用戶這件事現在值得做了。
— Jean-Denis Grez不綁定任何大模型，因為押錯會很貴
面對「Town 和 OpenAI/Anthropic 自帶的 connector 有什麼區別」的問題，Jean-Denis 給出的核心答案是中立性：沒人能確定未來三到五年哪家模型最強，如果企業把產品綁死在某個模型商的 App 上，一旦那家掉隊或漲價，企業就被動挨打。過去有企業原本押注 OpenAI,後來發現 Anthropic 在代碼上更強，被迫兩邊都用。所以 Town 的定位是「中立 App 層」:自己決定在語音、視頻、幻燈片等不同能力上該用誰的模型，並且承諾不用客戶數據訓練——因為模型商一旦把你的業務 know-how 煉進權重裡賣給別人，等於把你的核心競爭力賣給了你的對手。
— Jean-Denis Grez讓AI替公司做高速、可信的信息路由
Town 正在做一個內部版 CRM 模式：當你在公司裡問「有沒有人認識這家潛在客戶財務部的人」,Town 會直接讓你的 agent 去問公司裡其他員工的 agent,而不是像現在這樣在 Slack 裡發消息、等人慢慢回覆並自行判斷該不該透露。Jean-Denis 稱人類是「慢路由器」,這類問題交給 AI 中介隱私和權限判斷，答案可以秒級返回。他承認這需要極其謹慎的隱私設計，但認為這是必然方向：企業必須適應更少人在環的協作方式，因為由此帶來的經濟收益會遠遠超過今天看到的風險。
— Jean-Denis Grez編程是大模型的生死線，企業自動化不是，但更大
對比 Anthropic、OpenAI 在編程市場的「不能不做」和它們對中小企業市場的相對遲疑，Jean-Denis 認為後者整體市場比編程更大，只是時間窗口不同：編程現在就是鉅額收入級別的生意，輸不起；而「AI 幫企業把更多事情做得更好」這件事，在當下還不會立刻影響大廠財報，但他判斷12個月內就會快速起量。所以大廠目前更可能把重注壓在醫療、法律、編程這類單點超大賽道上，而把分散、長尾的中小企業場景留給 Town 這樣願意啃細分需求的公司。
— Jean-Denis GrezAmazon 的廣告模式在agent時代可能是負資產
討論轉向agent搶流量之後電商平臺該對抗還是擁抱agent。Amazon廣告業務規模巨大，靠的是用戶親自刷頁面看廣告，一旦購物決策轉交給中立agent,這套模式就會失效，Walmart因為沒有這攤廣告生意反而沒有負擔。Jean-Denis 舉例 Muse 這類免費個人agent:它不需要直接插廣告，只要把偏好數據餵給Instagram這類娛樂場景做更精準投放，再在那裡完成轉化，就等於把變現和agent體驗徹底切開。他認為這意味著純粹做供給聚合的生意在agent時代會貶值，Amazon真正的反制手段不是封殺Muse,而是自己做一個更好的Muse。
— Jean-Denis Grez比價網站預言了agent經濟的分水嶺
用存在了18年、有兩千萬美國用戶的比價網站Camel Camel Camel類比agent的未來：世界上一直分兩種人——時間比錢多的人才會花兩小時蹲優惠券、比價，錢比時間多的人不會。但一旦agent能替每個人免費完成這些操心事，錢比時間多的人也會毫不猶豫地用上它。Jean-Denis把這類現象——信用卡積分、會員權益——背後依賴的「大多數人懶得兌現優惠」的商業模式稱為即將失效的breakage model。他的結論收束到全場主線：供給聚合型生意之所以值錢，是因為人的注意力稀缺；而當注意力本身可以被agent自動化後，這類生意的議價權會系統性下降。
— Jean-Denis Grez原話 · 已逐字校驗
What if OpenAI is not the best model provider for the next three to five years? And so the first thing is we're just like, look, we're neutral. We will use whatever supplier we think is the best for you in the moment.
如果 OpenAI 在未來三到五年不是最好的模型供應商呢？所以我們的第一件事就是：我們保持中立。我們會在當下使用我們認為對你最好的那家供應商。
Jean-Denis Grez0:00
I think of our product as a token allocation machine. We're trying to give options to the human about where they could apply tokens.
我把我們的產品看作一臺「token 分配機」。我們想給人類提供選項，讓他們決定可以把 token 用在哪裡。
Jean-Denis Grez23:13
But the interesting thing is the one month out of a year where it finds something, it's going to find like hundreds, if not thousands of dollars for you.
有意思的是，一年裡真正發現問題的那一個月，它能幫你找回幾百甚至幾千美元。
Jean-Denis Grez25:14
I think the FDE approach, you know, if you're an enterprise that's willing to spend like $5 million a year paying open AI for FDs, like it looks really good right now. But I think over time, as the models get better, the FDE approach actually gets much worse.
我覺得FDE這種模式——如果你是願意每年花五百萬美元給OpenAI請駐場工程師的企業——現在看起來確實很不錯。但我認為隨著模型變得更好，這種FDE模式反而會越來越差。
Jean-Denis Grez33:36
Humans are slow routers.
人類是慢速路由器。
Alex Rampell41:01
And people that have more money than time, they're not going to use camel, camel, camel. People that have more time than money, they are.
錢比時間多的人，不會去用 Camel Camel Camel 這種比價網站。時間比錢多的人，才會用。
Jean-Denis Grez1:00:50
I just think supply aggregation is a lot less valuable than it used to be very valuable because human attention was limited. And now, supply aggregation is a lot less valuable because human attention can be automated away.
我認為供給聚合這件事，以前之所以非常值錢是因為人的注意力有限；而現在供給聚合變得不那麼值錢，是因為人的注意力本身可以被自動化掉。
Jean-Denis Grez1:01:28
數字與實體
| FDE模式企業年支出 | 約500萬美元/年 | 33:36 |
| Camel Camel Camel 美國用戶數 | 2000萬人 | 59:49 |
| 餐廳供應商漲價觸發閾值 | 20%-30% | 25:14 |
術語
- FDE (Forward Deployed Engineer)駐場部署工程師
- 大模型公司派工程師進駐客戶現場，定製開發AI解決方案的服務模式。
- Jevons Paradox傑文斯悖論
- 效率提升反而讓總消耗量增加的經濟現象，這裡被用來類比AI越便宜用得越多。
- PLG (Product-Led Growth)產品驅動增長
- 依靠產品自身體驗吸引和留住用戶，而非依賴銷售團隊推動增長。
- breakage model權益沉澱/未兌現模式
- 依賴大多數用戶不去兌現優惠券、積分等權益而獲利的商業模式。
收聽指南
AI應用創業者、企業IT/AI採購決策者，以及想看懂「模型中立」打法的投資人。
開篇對Plaid共事往事和寒暄部分可以跳過，不影響理解後續論點。