本文来自微信公众号： 深思圈
上周二晚上，我挤在旧金山金融区一栋楼里，手里攥着一张打印出来的评分表，看着十二个创始人一个接一个上台。每人三分钟，没有PPT，没有提词器，全靠一张嘴把自己的公司讲清楚。台下坐着四家风投的合伙人，Redpoint Ventures、Battery Ventures、Bling Capital，还有Plug and Play，讲完立刻现场提问，回答不上来当场就会被问懵。
这场活动是Rippling和Corgi联合办的，地点就在Corgi的总部，楼下是旧金山唯一一家24小时营业的咖啡馆，专门留给创业者和投资人半夜写代码、聊事情用。三分钟能讲清楚一家公司吗？我原本是有点怀疑的。但在那两个小时里坐下来看完全场，我发现三分钟其实什么都藏不住，创始人自己想没想清楚，投资人一个追问就能戳破。
Corgi的咖啡馆，三分钟的规则
规则很简单。十个创始人是提前筛选好的，活动进行到一半又临时加了两个，凑成十二个。每人三分钟，不许用幻灯片，只能站在原地讲。讲完投资人当场提问，一轮下来大概五到八分钟。四位投资人轮流坐镇，讲完所有pitch之后现场投票，评出前三名，第一名奖金一千美元，第二名五百，第三名两百五。我手里那张打印的评分表就是干这个用的，公司名字、创始人、在融什么轮次、投资人打不打勾，一目了然。这种赤裸裸的三分钟加实时打分，比任何路演工作坊都更接近真实的融资现场，因为投资人根本没时间给你面子。
两个关于健康的赌注
第一个上台的是Christina，她在做一家叫Pinpoint的公司。她开场就说，四年前自己被确诊了一种罕见且进展很快的癌症，即便在全世界最好的肿瘤医院治疗，医生也很早就告诉她，能选的治疗方案不多。她说自己是每年大概一百万个被确诊为罕见癌症或晚期癌症患者中的一个，这些人常常觉得自己是孤立无援，得靠自己去摸索还能做什么。她讲到，百分之九十九的患者最后都是自己上网查，拼凑出一套自己的治疗方案，吃各种听说有用的补充剂和药物，甚至众筹去国外做实验性治疗。只有极少数人能接触到那种一年收费几十万美元的顶级私人医疗服务。Pinpoint想做的，就是把这两群人之间的差距填上，患者上传自己完整的诊断资料，AI根据具体的生物标志物匹配出最对症的超适应症用药和补充剂方案，价格是几百美元，而不是几千几万。Christina和联合创始人之前都在Charlie Health共事过，那家公司在他们任职期间从十几个人做到了四十万员工规模，是美国最大的青少年心理健康服务机构之一。她还提到自己发起了第一个针对她这种癌症的非营利组织，已经有几千名患者加入，上周刚开完第一次大会，董事会里有来自MSK、哈佛和MD安德森的顶尖肿瘤专家。这些人是Pinpoint最早的一批客户，获客成本几乎是零。
听完这段我心里挺不是滋味的，一个创始人拿自己的病史做产品的第一张幻灯片，这种真实感是编不出来的。轮到投资人提问，有人问她具体的患者旅程是什么样，Christina说患者通常是在确诊之后，通过肿瘤科医生或者自己上网搜索，很快发现没有太多选择，这时候他们会尝试医生给的方案，同时也会去网上找各种偏方，Pinpoint想做的就是把这个混乱的过程变得更有组织、更安全。她还提到长远看想从罕见癌症这个切入点，扩展到更大的癌症生存管理市场，那是一个五百亿美元规模的市场。
中段还有一家做肾病的公司叫Canary AI，创始人叫Kaushik，来自明尼苏达的Medical Alley。他讲了个类似的故事，说自己之前做过一款诊断产品，失败了，正打算放弃的时候，一个病人家属找到他，说自己的家人过去一年里因为同样的问题反复住院了二十四次。这句话点醒了他。医院再入院是医疗系统最烧钱的问题之一，光是肾病这一项，美国每年花在再入院上的钱就接近三十亿美元。Canary AI在做的，是从电子病历里抓取结构化和非结构化数据，包括医生笔记、化验结果、用药记录、生命体征，训练模型预测病人三十天和九十天内再入院的风险，同时给医生解释清楚是哪些因素导致了这个预测，以及这背后大概会有多少财务影响。他们已经进了梅奥诊所的Accelerate项目，能接触到梅奥在罗切斯特、佛罗里达等多个院区的高质量数据集。目前还没有正式商业化，计划是先在肾透析和肾移植病人里验证效果，之后再扩展到代谢类疾病。投资人追问他保险公司是不是更该为这个买单，他说确实在跟联合健康的子公司谈，但现阶段成本压力在医院这边，所以先从医院切入更现实。
这两家公司放在一起听，我突然意识到一个共同点。他们都不是在做又一个"更聪明的AI诊断工具"，而是在解决一个纯粹的信息和资源不对称问题，有钱有关系的人能拿到最好的医疗资源，普通人只能自己上网瞎摸索。AI在这里扮演的角色，与其说是医生，不如说是一个把顶级医疗资源里那套决策逻辑，用便宜得多的方式搬给普通人的翻译器。
写代码的AI已经多到需要专门伺候
接下来两家公司让我对"AI基础设施"这个词有了新的理解。第一家的创始人是两个从伯克利出来研究coding agent的年轻人，他们讲的问题是，三四个月前coding agent突然变得足够好用，企业开始真的敢把它们生成的代码用到生产环境里。但一个新问题冒出来了，这些coding agent还是活在本地，一个工程师同时能开的会话数量有限，环境变量和密钥全都堆在一个人的脑子里，一旦这个人休假或者离职，别人根本没法接手。他们做的事情，就是帮团队把编码环境从本地搬到云端。这事听起来简单，做起来很麻烦，因为一套开发环境背后是一整套脚本、变量和权限设置，反映的是一家公司真实的协作方式，现在从零配置一套可测试的环境要四十五分钟到一小时，他们想把这个时间压缩到十到十五分钟。他们还提到一个很有意思的现象，现在最活跃的工程师团队，每天晚上能推送一两百个PR，多到没人能完全看懂同事都在干什么，所以他们做了自动生成文档和自动生成PR摘要的功能，你可以直接跳进同事的实时会话里看他们在干嘛，不管对方用的是Claude Code、Codex还是别的工具。有投资人问他们怎么证明这事有价值，他们说第一个合作的公司里，有个工程师每天早上第一件事就是花时间去研究同事们的代码变更，他们把这个任务自动化之后，那家公司直接裁掉了两个专门做这件事的工程师。
另一家叫Phantm，创始人是耶鲁毕业的Rohan，他讲的是另一个正在快速膨胀的痛点，AI的账单。现在几乎每个做agent产品的团队都要在每一次调用里做一堆决定，用哪个模型、怎么组织上下文窗口、调用哪些工具、缓存什么内容，这些决定大部分公司根本没时间去优化，钱就这么白白流走了。Phantm做的是一个几乎不需要改代码就能接入的网关，你原来怎么调用OpenAI的接口，现在照样调用，只是把请求指向他们，他们会分析每一次请求，判断用什么模型、什么价位档位能在保证质量的前提下把成本降到最低，同时还会压缩传给模型的上下文。他们说自己拿真实的几万条工作流做过测试，在不降低回答质量的前提下把推理成本削减了一半以上。有个客户的合同审查工作流本身就比大多数场景更容易压缩，系统发现了这一点之后自动加大了压缩力度，进一步省了钱。听完我去查了一下他们的官网，确实是一个即插即用的网关产品，兼容OpenAI的接口格式，主打的就是每一次优化都能拿出前后对比的证据，而不是空口讲省了多少钱。
这两家公司让我意识到，coding agent和LLM调用已经普及到了一个新阶段，不再是炫技的demo，而是真的在企业里天天跑，跑到需要专门的团队去管环境、管账单。基础设施这个词以前听起来很枯燥，但现在它意味着真金白银的成本和真实的生产力损耗，这才是投资人愿意坐下来听的原因。
品味和内容，AI也要学着理解
有一家公司让我想了很久，创始人是刚从伯克利毕业的Mayan，她在做的公司叫Galya。她开场就说了一句挺扎心的话，说这个屋子里每一个AI产品都有同一个问题，AI不知道你的用户到底是谁。她讲了自己独自去越南旅行一个月的经历，用ChatGPT和Claude问推荐，得到的全是最泛泛的回答。她说自己明明是个很爱分享的人，AI却说没办法推理她的偏好。于是她和团队做了一套模型，专门看用户和内容互动时的行为信号，停留了多久、划走了什么、放大看了什么，再把这些信号和内容本身的特征融合起来，构建成一张品味图谱，用自然语言表达出来，让AI能在这张图上做推理，而不只是简单检索。她特意强调这不是把一堆向量嵌入随便贴个"品味"的标签就完事，而是从感知开始，一层层往上叠加，先是用户对内容的反应，再叠加时间维度，才慢慢形成真正意义上的品味。他们上线五天就有了四十个活跃用户，两个付费客户，还有几个正在谈的大合同。免费试用期只剩两周，之后就要收费了。投资人问她怎么解决冷启动问题，她说因为完全不碰个人身份信息，反而绕开了很多合规上的麻烦，模型从第一次互动就已经在学习了，冷启动阶段的效果已经比原来提升了四倍。我后来顺手查了一下，确认这家公司官网上把自己定位成给旅游平台做审美智能匹配的基础设施，同时也在往电商推荐、销售营销agent这些更广的场景扩展。
另一家叫strinkl的公司，创始人Benjamin讲的是内容运营这件事。他说几乎所有大公司都知道自己该做内容营销，不管是消费品牌还是B2B公司，但你要是问创始人内容项目的投入产出比是多少，十个有九个答不上来，不管这个项目是外包给代理公司还是自己团队在做，原因都是数据分散在太多平台里，彼此不互通。他和联合创始人做的是内容项目的运营层，帮团队做创作者的入驻、跨平台数据聚合、打款结算，还能把创作者上传的内容、内容带来的点击、点击最后变成的注册和转化，全部串起来，实时告诉你哪条内容、哪句文案，在打动哪一类目标客户。他说自己上一个YC项目做的就是这类归因追踪，联合创始人则在Twitter和Spotify做过运营和广告技术，两人加起来有二十年的经验。从三月份接第一个客户到现在，已经有十五个客户，一半来自最近几期YC。有投资人问他们怎么处理多平台抢归因的问题，他说他们直接看客户自己的资产数据，大概只有一成的流量是能被明确归因的，但只要开始给创作者上量，这个比例就会越来越准。
把Galya和strinkl放在一起看，我发现他们其实是在解决同一类问题的两端。一个是把散落在用户行为里的模糊偏好，变成AI能理解的结构化信息；另一个是把散落在各个平台里的内容效果数据，变成团队能拿来做决策的结构化信息。品味和内容这两样东西过去一直被当成很主观、很难量化的事，现在都在被塞进数据管道里，变成AI时代的原材料。
当AI agent开始替你做决定，谁来担责
Bhavani做的Rover，前身叫Retriever AI，她开场问了个挺扎心的问题，你有没有试过用一个产品，却怎么也搞不明白该怎么用，然后转身就走了。她说现在有大量的AI导购agent在从产品外部帮用户完成任务，但这些agent怎么跟你的产品互动，产品方几乎毫无洞察。Rover是一个直接嵌进网站里的agent，一方面能给访客做实时的、高度个性化的产品演示，帮你把访客直接转化成用户，另一方面能帮已经是用户的人自动完成产品内的引导和设置。她和联合创始人过去在做发布方相关的工作时，服务过几百家出版商，帮他们提升过用户转化率，现在把这套经验搬到了给企业卖agent这件事上。三个月时间已经接入了两千多个网站，她说自己的浏览器agent比OpenAI和Anthropic的同类产品准确率更高，速度快十一倍。投资人问她们怎么处理不同产品的界面差异，她说很多同行是靠抓接口、跑脚本，覆盖不了产品里那些靠界面交互才能完成的操作，而她们是实时理解网页本身，哪怕页面改版了也能跟上。
另一组创始人做的是一家叫Novarch的公司，产品名字是Lark，讲的是agent执行动作之后谁来负责的问题。他们说现在企业不敢真的把agent用起来，不是因为agent不够聪明，而是因为它们会用一种意想不到的方式失败，而且企业根本没有一套机制去判断哪些失败是可以接受的。Lark是一个坐在agent动作路径上的执行层，agent每次要做一个有实际后果的动作之前，Lark会先给出裁决，是放行、拦下，还是转给人来复核，不管结果如何，全程都有审计记录。他们说自己和市面上一堆做agent安全的产品不一样，别人大多把这当成一个安全问题去解决，做身份认证、权限校验、防注入，他们把这当成一个运营问题，核心是搞清楚agent这一整个会话里到底做了哪些推理、调用了哪些工具，再把这些和真正懂业务流程的人对上。他们现在专门瞄准那些涉及真金白银的动作，比如发票处理、理赔、退款结算，因为这类场景能最快证明投资回报。他们签下的第一份合同是一家水管工程总包公司，一年三万美元，专门用来做预算对账的审计。有投资人问他们要怎么定价，他们说是按动作数量收费，agent经济规模越大，他们的收入天花板也就越高。
这两家公司放在一起，我看到的是同一个硬币的两面。Rover想让agent替用户把事情做完，Novarch想在agent做完事情之前多加一道人为可控的关卡。前者在拼命把agent推向前台去执行，后者在拼命把人重新拉回决策链条里，这两股力量今天正在同一个屋子里，被同一群投资人认真听着。
获客这件事，AI也想插一脚
Clean的创始人开场先问了台下一个问题，谁的outbound回复率超过百分之五，举手的人寥寥无几。他接着抛出一个数字，现在整个行业outbound的平均回复率只有百分之三。大家觉得解决办法是发得更多，市面上大部分工具卖的也是这个逻辑，但真正做出效果的团队，靠的是精准找到最合适自己的那群客户，而且要在最合适的时间点找到他们。他说这只是他们做的事情里的八成，剩下那两成才是关键，他们会去搞清楚一家公司具体是怎么赢单又怎么丢单的，追踪outbound是怎么进行的，交易最后是怎么谈成或者黄掉的。第一个月，Clean帮客户找到该联系谁、什么时候联系；到第六个月，Clean已经比客户自己的销售团队更懂谁才是真正的买家。上线不到一个月，月经常性收入做到了九千八百美元，有个客户一周内谈成了一笔十二万美元的单子。投资人追问他们的护城河在哪，他说不只是提高回复率，而是能陪着一家公司一起，慢慢摸清楚自己到底哪里在丢单。
Helena做的Sense Space，瞄准的是完全不同的一群客户，小型电商和本地服务商家。她说这些小商家没有能力把自己的业务变成能被AI agent直接访问和购买的形态，在跟大玩家的竞争里正在被慢慢甩开。而对独立开发者来说，缺的是一个能让自己做的agent被发现、被变现的市场。Sense Space想做的是这两边之间的桥梁，一个agent完成本来的任务之后，还能顺手推荐相关的产品和服务，从中抽成，抽成比例大概是购买金额的百分之十到二十，是普通服务费的三到四倍。她举的例子挺生动，摩托车改装、家装方案、理发店和美甲店这类夫妻老婆店，都是她们想切入的场景。这家公司我后来查了一下，是伯克利SkyDeck加速器的在孵项目，团队自己把这个方向定义为agentic creator economy，就是agent的创作者经济，用户靠意图去发现合适的agent，开发者靠agent的使用和嵌入式购物来变现，品牌方则借此拿到一个新的、转化率更高的销售渠道。
Clean和Sense Space表面上一个做outbound，一个做电商基础设施，但骨子里都在回答同一个问题，AI把内容和agent的生产成本打下来之后，谁来帮你把这些东西真正卖出去、卖给对的人。这可能是这一波AI浪潮里最容易被忽略，但其实最赚钱的一层。
剩下两个，一个教你造软件，一个想替代名片
Jack和搭档做的产品叫Bobby，他管自己的公司叫"给不会写代码的百分之九十九人用的Duolingo"。他说自己上一家公司是独立创始人，靠一张原型图去融资，因为自己写不出真正能用的产品，差点错过了后来AI真正爆发的窗口期。他的联合创始人是自学成才的技术人员，两人已经带过两三百对印度高校的学生，从零基础一路带到能用AI做出网站、电商店铺、各种应用。Bobby现在有一款叫What We Learn的游戏化学习产品，用一个个具体功能点教你怎么造出真正能用的软件，还有一款叫Go To Go的产品，能跟着你在任何工具里走，不管是在桌面软件还是浏览器里，随时可以问它该怎么写，帮你补充基础设施相关的细节，本质上是把所有工具的经验都汇总成一个中枢大脑。他们这个夏天就在旧金山，参加了一个叫Possible的加速器项目，已经有十八个付费用户，月付和年付都有。
最后一个上台的是Kinos，做的是一家叫Purple Labs的公司，产品叫agentic business card，直译是有agent能力的名片。他先问台下，有没有人参加线下社交活动时，跟人重复过同样的对话，加了LinkedIn，第二天这段关系就死掉了。他说他们想做的是，让你把自己的背景和意图随身带在口袋里，每次见到人，拿手机一碰，两边的信息就开始自动交流，找出彼此有哪些可以合作的地方、能给对方带来什么价值，甚至该互相介绍认识谁。团队背景横跨机器学习和心理学研究，两周前刚上线，已经有四百个用户。他现场演示了一个数字版本，用手机碰一下就能完成，还提到未来也会做实体卡片。他半开玩笑地说，以后见面别再问他要LinkedIn了，来试试这个新方式。
这两家公司看着离AI agent的核心叙事有点远，但仔细想，其实也在回答同一个问题，当造软件和发现信息的成本都被AI打下来之后，人和人之间怎么重新建立信任、怎么重新分配注意力，会变成新的稀缺资源。
投资人在台下都在想什么
十二场pitch讲完，主持人问了台下的投资人一个问题，现在整个AI行业感觉大家都在做agent，你们有什么大胆的看法。有个投资人说现在不只是软件值得做，物理世界的很多问题也终于到了值得动手的时候，因为过去卡住大家的很多硬逻辑问题正在被打开。另一个投资人说，现在做到下一轮融资的门槛已经指数级抬高了，他们最近见到的一家公司，几天之内产品就有了实打实的用户增长，另一家公司几个月就冲到了七位数收入，这在过去是很难想象的速度。他建议创始人趁着现在做东西的成本这么低，一定要真正找到自己有热情去解决的问题，因为现在的竞争烈度已经到了残酷的地步，投资人手里的钱是有限的，只会投给增长最快的那一批公司。
还有个投资人的话我印象特别深，他说现在你想被人看到，从来没有这么容易过，随便一个人都能几分钟内做出一个网站、上线一个产品，看起来跟谁都差不多。但与此同时，想真正被记住，也从来没有这么难过，因为你做的任何东西，三个月内很可能就会被别人抄走，做得比你还好。他给创始人的建议是，一定要想清楚自己为什么真心想解决这个问题，那种发自内心的独特视角，才是别人抄不走的东西。到了最后关于怎么接触到这些投资人的问题，几乎所有人给出的答案都差不多，最好的方式是通过他们已经投过、信任的创始人来做引荐，创始人和创始人之间的信任，是这些投资人愿意认真花时间的第一道门槛。
十二个创始人讲完，我看到了一个共同的词，Layer（层）
两个小时坐下来，我发现这十二家公司几乎都在抢着当同一个角色，层。Phantm说自己是成本优化层，Novarch说自己是执行层，Galya说自己是品味层，strinkl说自己是内容运营层，Sense Space说自己是agent经济的基础设施层，rtvr.ai把自己嵌进网站变成产品和用户之间的一层，Clean想变成你销售团队背后那一层。几乎没有人说自己要做一个终端产品直接面对所有用户，大家抢着要做的是夹在别人和AI之间的那一层。
这背后的逻辑我后来想明白了，做终端产品意味着要跟巨头正面竞争获客，成本高、周期长，而做层意味着你只要说服一小撮已经有产品、有用户的团队把你嵌进去，增长曲线是跟着宿主一起走的。这是一种很聪明的打法，但风险也很明显，一旦大模型厂商自己把这层功能内置进去，或者宿主平台觉得这层没那么难做，这些创业公司很容易被绕过去。真正能活下来的，大概率是那些积累了专有数据、专有信任关系的层，比如Canary AI手里那些梅奥诊所的临床数据，Pinpoint手里那些顶级肿瘤专家的关系网，这些东西没法靠一个更好的模型一夜之间复制出来。
走出Corgi那间会议室的时候，我心里其实挺感慨的。三分钟真的很短，但十二个创始人愿意站在一群陌生投资人面前，把自己这几个月甚至几年琢磨出来的东西压缩成一百八十秒讲完，这件事本身就挺让人尊敬的。硅谷现在到底在赌什么，答案其实没那么复杂，赌的就是这些愿意站起来讲三分钟的人，能不能把自己相信的那件小事，做成别人绕不开的那一层。