這是 Newsletter 的第二期，我們篩選了海外 200+ 篇文章和 100+ 期播客。

上期很多朋友反饋希望以郵件的形式訂閱，所以我們給 AI Newsletter 的新專(zhuān)欄單獨(dú)開(kāi)了一個(gè)網(wǎng)站 ( https://42chapter.substack.com/ )，感興趣的朋友可以轉(zhuǎn)戰(zhàn)網(wǎng)頁(yè)版閱讀 。

目錄 1. 1 年 1 億美金 ARR，F(xiàn)al 做對(duì)了什么? 2. 為什么說(shuō) AI 還沒(méi)到泡沫? 3. 250 家公司的經(jīng)驗(yàn)：AI 產(chǎn)品要如何定價(jià)? 4. 增長(zhǎng)的冪律定律

他們做的是所謂 “AI 生成式媒體云”，簡(jiǎn)單說(shuō)，就是為開(kāi)發(fā)者提供各種圖像、視頻和音頻模型的優(yōu)化 API 服務(wù)，可以理解為 AI 模型的金牌中介+超級(jí)加速器。

這家公司有多猛呢？一年時(shí)間，ARR 從 200 萬(wàn)美金干到了 1 億美金。而且，目前整個(gè)團(tuán)隊(duì)還不到 50 人。

于是，我最近連聽(tīng)了三期采訪創(chuàng)始團(tuán)隊(duì)的播客，想知道他們是如何做到這一切的。

這里摘取一些重點(diǎn)：

1）關(guān)于戰(zhàn)略選擇

Fal 的起點(diǎn)和現(xiàn)在毫無(wú)關(guān)聯(lián)。他們最早在做一個(gè)數(shù)據(jù)處理相關(guān)的產(chǎn)品，對(duì)標(biāo) Databricks 和 Snowflake。

轉(zhuǎn)折點(diǎn)發(fā)生在 Stable Diffusion 出現(xiàn)的時(shí)候，在 GPU 危機(jī)最嚴(yán)重的時(shí)候，在 Hugging Face 上運(yùn)行一個(gè) Stable Diffusion 1.5 的 Demo，前面排了 3000 個(gè)人。這種極端的供需失衡，讓他們意識(shí)到，眼前有一個(gè)明確的用戶(hù)痛點(diǎn)，未來(lái)對(duì) “推理優(yōu)化” 的需求會(huì)暴增。

但老產(chǎn)品當(dāng)時(shí)已經(jīng)有了穩(wěn)定的付費(fèi)客戶(hù)，所以他們?cè)趦蓷l產(chǎn)品線(xiàn)上痛苦地并行了兩三個(gè)月。

最后幫他們下定決心的是投資人的一個(gè)靈魂拷問(wèn)：

“你覺(jué)得哪個(gè)點(diǎn)子能讓你先到 100 萬(wàn) ARR？哪個(gè)點(diǎn)子能讓你先到 1000 萬(wàn) ARR？”

當(dāng)時(shí)他們覺(jué)得老產(chǎn)品到 100 萬(wàn)更快，但新方向到 1000 萬(wàn)更快，于是就此完成了這次關(guān)鍵的取舍。

決定轉(zhuǎn)向 Inference 后，他們又面臨第二個(gè)關(guān)鍵決策：做 LLM 還是做 Image/Video（生成式媒體）？

當(dāng)時(shí) LLM 顯然是更熱的賽道。但 Fal 做出了一個(gè)極度反共識(shí)的決策，做后者。

CEO 提到，當(dāng)時(shí)去融資，VC 們都不信，覺(jué)得 “推理平臺(tái)不都一樣嗎？”，而且還覺(jué)得圖像市場(chǎng)太小。

但他們的判斷是：LLM 和圖像是兩個(gè)完全不同的市場(chǎng)。兩者的優(yōu)化方式、技術(shù)取舍截然不同，買(mǎi)家也完全不一樣。

而最核心的是：LLM inference 最大的 use case 是搜索，這是在跟 Google 搶地盤(pán)。Google 為了守住搜索業(yè)務(wù)，在必要時(shí)甚至?xí)?LLM 推理免費(fèi)送給用戶(hù)，這對(duì)創(chuàng)業(yè)公司來(lái)說(shuō)是死路一條。

但圖像和視頻是凈增市場(chǎng)，它不搶奪任何巨頭的存量蛋糕。這個(gè)版圖剛開(kāi)始小，但增長(zhǎng)飛快，是很完美的創(chuàng)業(yè)公司游戲，F(xiàn)al 可以陪著行業(yè)一同野蠻生長(zhǎng)。

此外，他們還發(fā)現(xiàn)，在大模型領(lǐng)域，技術(shù)的 SOTA 紅利期短得可憐（SOTA = State of the Art，但在這里= Soon Obsolete Technology Also...)，最多只能帶來(lái) 3-4 個(gè)月的領(lǐng)先優(yōu)勢(shì)。

原因有三：

• 獨(dú)家的研究成果總會(huì)泄露。

• 一旦某件事被證明可行（比如 Sora），其他人就很容易復(fù)制。

• 模型的 API 可以被蒸餾，對(duì)手能用更便宜的成本抄作業(yè)。

基于此，他們判斷未來(lái)的模型會(huì)越來(lái)越多，越來(lái)越碎片化?，F(xiàn)在，圖像模型的競(jìng)爭(zhēng)已進(jìn)入 “差異化” 階段，各家都在尋找自己的生態(tài)位（例如，Imagen 擅長(zhǎng)角色一致性，F(xiàn)lux 強(qiáng)在工具生態(tài)）。

而市場(chǎng)越是碎片化，F(xiàn)al 這樣的聚合平臺(tái)就越有價(jià)值。他們能把所有模型（目前超過(guò) 600 個(gè)）都接入并深度優(yōu)化好，為開(kāi)發(fā)者提供一個(gè)統(tǒng)一的入口。

這逐漸演變成一個(gè)強(qiáng)大的雙邊市場(chǎng)飛輪：

先用最快最全的模型 API 吸引開(kāi)發(fā)者，再用海量開(kāi)發(fā)者吸引更多模型入駐。

播客中一個(gè)有趣的細(xì)節(jié)是，這個(gè)雙邊市場(chǎng)模式不是他們一開(kāi)始想到的，而是被一個(gè)爆款單品意外點(diǎn)燃的。當(dāng)神秘的中國(guó)模型 Kling 剛出來(lái)時(shí)，F(xiàn)al 率先將它引入了西方市場(chǎng)并提供 API，結(jié)果一夜爆火。這反過(guò)來(lái)讓其他模型實(shí)驗(yàn)室意識(shí)到 Fal 是絕佳的分發(fā)渠道，于是紛紛主動(dòng)尋求上架，整個(gè)生態(tài)被瞬間激活。

2）關(guān)于 GTM

在最早期，F(xiàn)al 的客戶(hù)全是獨(dú)立開(kāi)發(fā)者和愛(ài)好者，投資人擔(dān)心他們做的東西看起來(lái)很像“玩具”。

但 Gorkem 對(duì) “玩具” 有一個(gè)評(píng)判標(biāo)準(zhǔn)：看用戶(hù)愿不愿意花錢(qián)。

“當(dāng)用戶(hù)一天能在你平臺(tái)上花幾萬(wàn)美金時(shí)，這絕對(duì)不是玩具。人們正在用它做嚴(yán)肅的產(chǎn)品?！?/blockquote>

有了這些高潛客戶(hù)，他們的 GTM 策略非常清晰，是一個(gè) PLG + Sales 閉環(huán)：

第一步，自助服務(wù)：開(kāi)發(fā)者用信用卡注冊(cè)，直接開(kāi)跑，按需付費(fèi)。

第二步，篩選高潛客戶(hù)：當(dāng)系統(tǒng)監(jiān)測(cè)到某個(gè)用戶(hù)的日消費(fèi)超過(guò)一個(gè)閾值（比如 300 美元/天），Salesforce 里會(huì)自動(dòng)生成一個(gè)商機(jī)。

第三步，銷(xiāo)售轉(zhuǎn)化：銷(xiāo)售馬上跟進(jìn)這個(gè)線(xiàn)索，聯(lián)系對(duì)方，說(shuō)服他們簽一個(gè)年度合約，并給一個(gè)折扣。

這套打法讓他們?cè)谠缙诰瞳@得了持久的企業(yè)收入，回應(yīng)了投資人對(duì)他們收入質(zhì)量的質(zhì)疑。

此外，F(xiàn)al 的品牌營(yíng)銷(xiāo)也很有品位。他們深深理解：“傳統(tǒng)的營(yíng)銷(xiāo)方式對(duì)開(kāi)發(fā)者沒(méi)用，他們覺(jué)得很尬”。

所以 Fal 的思路是做一個(gè)鮮活的 “自己人”。

舉兩個(gè)例子：

• GPU Poor or GPU Rich：

他們做了兩款標(biāo)志性的帽子作為活動(dòng)周邊：一款是鄉(xiāng)村俱樂(lè)部風(fēng)的 GPU Rich，另一款是黑底白字的 GPU Poor。結(jié)果到了現(xiàn)場(chǎng)，“GPU Poor” 那一款簡(jiǎn)直被搶瘋了，所有人都愛(ài)不釋手。

• 公開(kāi)直播部署：

一有新模型發(fā)布，他們的工程 VP 就會(huì)立馬開(kāi)直播，現(xiàn)場(chǎng)挑戰(zhàn)極速部署，全程屏幕共享。這種對(duì)技術(shù)實(shí)力的展示，是開(kāi)發(fā)者最認(rèn)的品牌營(yíng)銷(xiāo)。

3）下一個(gè)大機(jī)會(huì)

播客的最后，主持人問(wèn)了一個(gè)問(wèn)題：你認(rèn)為生態(tài)里還缺什么？有啥財(cái)富密碼可以給想創(chuàng)業(yè)的朋友分享一下。

Fal 因?yàn)閾碛?“上帝視角”，能看到所有開(kāi)發(fā)者在構(gòu)建什么，在頭疼什么，所以他們給出了幾個(gè)非常具體的方向：

1）針對(duì)圖像和視頻領(lǐng)域的 Scale AI：現(xiàn)在每個(gè)模型公司都在重復(fù)造輪子，自己去收集和標(biāo)注數(shù)據(jù) (比如各種視頻特效、運(yùn)鏡角度)。這里有機(jī)會(huì)出現(xiàn)一個(gè)平臺(tái)級(jí)的公司。

2）圖像/視頻的 RL：視頻模型的 reward function 應(yīng)該是什么？ 這是一個(gè)值得探索的前沿方向。

3）更垂直的廣告應(yīng)用：現(xiàn)在大家都在做水平平臺(tái)，但針對(duì)特定行業(yè)、特定廣告網(wǎng)絡(luò)的垂直解決方案還有大量空白。

（對(duì)以上方向感興趣的朋友，歡迎找我們交流?。?/p>

Reference：

• How Fal.ai is Making AI Video Faster & Easier | A16Z

  http://i71i.com/aj9z

• A Technical History of Generative Media | Latent Space

  http://i71i.com/aj9t

• How Fal found explosive growth in gen

  erative media | In Depth

  http://i71i.com/aj97

(二) 為什么說(shuō) AI 還沒(méi)到泡沫？

最近資本市場(chǎng)出現(xiàn)了一個(gè)有趣的大動(dòng)作，Michael Burry 高調(diào)復(fù)出。

Michael Burry 這個(gè)名字，在金融圈外可能有些陌生。但如果提到電影《大空頭》，很多人就有印象了。Burry 是這其中的主角原型，他在 2008 年金融危機(jī)前，精準(zhǔn)預(yù)言并重倉(cāng)做空了美國(guó)的房地產(chǎn)市場(chǎng)。

在投資界，他幾乎等同于 “泡沫預(yù)言家”。

這周，他所在基金的 Q3 持倉(cāng)文件顯示，他進(jìn)行了一次徹底的 “持倉(cāng)換血”。其中接近 80% 的倉(cāng)位，都用來(lái)買(mǎi)入了英偉達(dá)和 Palantir 的看跌期權(quán)，對(duì)應(yīng)股票的名義價(jià)值超 10 億美元。

這種決絕的手法，和他 2008 年的操作如出一轍。

于是，硅谷最近最熱的話(huà)題就是：AI 現(xiàn)在到底是不是泡沫？

最新的調(diào)查結(jié)果是，到今年 10 月，已經(jīng)有 54% 的基金管理人認(rèn)為 AI 市場(chǎng)進(jìn)入了泡沫階段。

帶著這個(gè)問(wèn)題，我們也翻閱了大量資料。

過(guò)去三周，在所有關(guān)于泡沫的文章、播客、Twitter 討論中，我們讀到最扎實(shí)、最詳盡的內(nèi)容來(lái)自 Coatue。

他們回溯了 400 余年歷史，閱讀了 10 多本書(shū)，深入分析了 30 多個(gè)泡沫案例。

最后出乎意料地得出了一個(gè)樂(lè)觀的結(jié)論：AI 目前還沒(méi)有到泡沫階段。

我們一起來(lái)看一下他們的拆解。

首先，我們要捋清一個(gè)概念，泡沫究竟是什么？

Coatue 給出的定義是：泡沫是資產(chǎn)價(jià)格遠(yuǎn)超內(nèi)在價(jià)值的狀態(tài)，通常由投機(jī)、寬松信貸或從眾行為推動(dòng)，破裂后往往引發(fā)嚴(yán)重后果。

而當(dāng)前市場(chǎng)對(duì) AI 的質(zhì)疑，主要集中在幾個(gè)點(diǎn)上：

質(zhì)疑 1: 估值是不是太高了？

這是最直觀的擔(dān)憂(yōu)，很多人認(rèn)為現(xiàn)在科技股的估值倍數(shù)已經(jīng)遠(yuǎn)超歷史平均水平，證明市場(chǎng)很可能已經(jīng)過(guò)熱了。

但 Coatue 表示，從歷史對(duì)比看，現(xiàn)在的估值雖然不便宜，但也絕對(duì)談不上瘋狂。

如果和 2000 年互聯(lián)網(wǎng)泡沫的頂峰比，當(dāng)時(shí)納斯達(dá)克 100 指數(shù)的動(dòng)態(tài)市盈率高達(dá) 89 倍，而現(xiàn)在僅為 28 倍，還遠(yuǎn)沒(méi)到失控的程度。

質(zhì)疑 2: 錢(qián)是不是太集中了？

2000 年泡沫高點(diǎn)，美國(guó)前 10 大公司市值占 GDP 比例是 34%，而到了 2025 年，這個(gè)比例達(dá)到了 77%。

但 Coatue 說(shuō)，此集中度非彼集中度。

2000 年的巨頭，業(yè)務(wù)相對(duì)單一。而今天的巨頭，更像是集合了多個(gè)業(yè)務(wù)的八爪魚(yú)。比如亞馬遜，它同時(shí)布局了零售和云業(yè)務(wù)，這幾乎是兩個(gè)獨(dú)立的產(chǎn)業(yè)。

所以，用 77% 對(duì)比 34% 并不公平，今天頭部巨頭的市值承載了更多領(lǐng)域的價(jià)值。

更重要的是，高集中度并非是負(fù)面信號(hào)。MIT 的一項(xiàng)研究指出，在集中度較高時(shí)，“買(mǎi)入并持有”這種策略的回報(bào)反而會(huì)好于頻繁賣(mài)出。

質(zhì)疑 3 : 天量的資本開(kāi)支 (CapEx) 對(duì)勁嗎？

還有人擔(dān)心：資本開(kāi)支過(guò)高，會(huì)不會(huì)拖垮企業(yè)的盈利數(shù)字？

從數(shù)據(jù)來(lái)看，S&P 500 公司的 CapEx 已經(jīng)占到了美國(guó) GDP 的 1.6%，這個(gè)比例已經(jīng)超過(guò)了互聯(lián)網(wǎng)泡沫時(shí)期的 1.4%，并且市場(chǎng)共識(shí)是它會(huì)進(jìn)一步漲到 2.0%。

但 Coatue 認(rèn)為，關(guān)鍵問(wèn)題不是花了多少錢(qián)，而是錢(qián)從哪里來(lái)。

2000 年泡沫頂峰時(shí)，CapEx 占到了企業(yè)現(xiàn)金流的 75%；而當(dāng)前，這個(gè)比例僅為 46%。

這一點(diǎn)和 2000 年有根本區(qū)別。它不是債務(wù)推動(dòng)的狂歡，而是巨頭的內(nèi)部造血。

質(zhì)疑 4：AI 是不是在玩障眼法式的融資循環(huán)？

這個(gè)是我最關(guān)心的：這個(gè)圈子是不是在 “左手倒右手”？

現(xiàn)在發(fā)生的事情似乎是，OpenAI 承諾向甲骨文下一個(gè) 300B 的大單，然后甲骨文股價(jià)大漲；甲骨文作為英偉達(dá)的大客戶(hù)，向其采購(gòu) GPU；英偉達(dá)作為投資者，又把錢(qián)投給了 OpenAI；OpenAI 再用這筆融資款，去兌現(xiàn)給甲骨文的付款。

許多個(gè)這種嵌套式的資金閉環(huán)，讓人不得不懷疑 AI 收入的含金量。

Coatue 對(duì)此的回應(yīng)是，這并不新鮮?；ヂ?lián)網(wǎng)時(shí)期，也存在大量的“易貨收入” (barter revenue)，企業(yè)通過(guò)資源互換而非實(shí)際現(xiàn)金交易來(lái)創(chuàng)造收入。 (但這個(gè)回應(yīng)感覺(jué)有點(diǎn)避重就輕，我們不能拋開(kāi)劑量談毒性，關(guān)鍵是今天這種 “空轉(zhuǎn)” 收入的占比是不是有點(diǎn)過(guò)大了？)

質(zhì)疑 5： 企業(yè)采用率低，且無(wú)法盈利

看空者說(shuō)，AI 的采用率正在放緩。MIT 調(diào)研顯示 95% 的機(jī)構(gòu)沒(méi)在 AI 投資上獲得回報(bào)。企業(yè) AI 采用率（按員工數(shù)計(jì)）在最近三個(gè)月也開(kāi)始不升反降，從 13% 回落到了 12%。而且，ChatGPT 都推出 3 年了，還沒(méi)看到廣泛盈利。

Coatue 的回應(yīng)是： 請(qǐng)給基礎(chǔ)設(shè)施一點(diǎn)時(shí)間，并看看 C 端用戶(hù)的表現(xiàn)。

首先，ChatGPT 的 MAU 增長(zhǎng)曲線(xiàn)，其普及速度遠(yuǎn)超互聯(lián)網(wǎng)和 PC。這種爆發(fā)式的用戶(hù)增長(zhǎng)，恰恰說(shuō)明了 AI 有多強(qiáng)的用戶(hù)需求。

其次，盈利需要周期。以 Azure（微軟云服務(wù)）為例，它花了 6 年時(shí)間才實(shí)現(xiàn)了正的 ROIC (資本回報(bào)率)。AI 的邏輯與云服務(wù)一致，需要時(shí)間沉淀。

延續(xù)前面對(duì) AI 盈利能力的擔(dān)憂(yōu)，Coatue 還做了一個(gè)浩大的工程，他們拆分了各種指標(biāo)，試圖把 AI 的經(jīng)濟(jì)賬真正算清楚。

他們把 AI 的回報(bào)分成了兩部分：

• 直接效用：這部分很直觀，比如 ChatGPT 的訂閱收入，因?yàn)?AI 提效而減少的薪資成本等等。

• 間接效用：這部分就比較模糊。比如 Google 用 AI 優(yōu)化廣告投放，帶來(lái)了更多收入，或者員工用了 AI 工具，生產(chǎn)力變高了。

這樣算下來(lái)，AI 的盤(pán)子有多大呢？

他們最終建模得出的結(jié)論是，未來(lái) 5 到 10 年內(nèi)，AI 的收入大概會(huì)增長(zhǎng) 10 倍，相關(guān)利潤(rùn)可以達(dá)到 1 萬(wàn)億美元。

目前，整個(gè)行業(yè)還在巨額投入期。

但轉(zhuǎn)折點(diǎn)在 2030-2035 年，這時(shí)候年收入預(yù)計(jì)會(huì)飆升到 1.9 萬(wàn)億美元，EBIT 轉(zhuǎn)正到 8500 億美元。

這樣，ROIC 將從現(xiàn)在的 -3% 躍升到 +20%。

+20% 是什么概念？這已經(jīng)接近 AWS、Azure 這些成熟云服務(wù)的盈利水平了。

這樣來(lái)看，當(dāng)下對(duì) AI 領(lǐng)域的投資會(huì)是完全合理的。

但這是否意味著股市還有上漲空間呢？畢竟，市場(chǎng)已經(jīng)連續(xù)漲了 3 年了，是不是該到頭了？

我們可以進(jìn)一步看兩項(xiàng)很有意思的歷史研究：

1）如果分析過(guò)往的標(biāo)普 500 指數(shù)，我們會(huì)發(fā)現(xiàn)，在市場(chǎng)連續(xù)上漲 3 年后，第 4 年繼續(xù)上漲的概率是 48%。雖然上漲動(dòng)能確實(shí)放緩了，但基本還是一個(gè)五五開(kāi)的局面。

2）如果我們復(fù)盤(pán)1990-2000 年納斯達(dá)克 100 指數(shù)的回報(bào)，會(huì)得到一個(gè) lesson：過(guò)早賣(mài)出的機(jī)會(huì)成本極高。

舉個(gè)例子，如果你在 1999 年的市場(chǎng)高點(diǎn)買(mǎi)入了納指，那么到 2003 年，你的平均年增長(zhǎng)率為 -4%，但如果你能堅(jiān)持拿到 2007 年，你的平均年增長(zhǎng)率就會(huì)達(dá)到 +2%。

當(dāng)大浪潮來(lái)臨時(shí)，市場(chǎng)的上升周期往往比想象的更長(zhǎng)。尤其在 AI 這種可能持續(xù)十年的技術(shù)浪潮里，耐心往往比時(shí)機(jī)更重要。

所以，未來(lái)究竟會(huì)怎樣？

Coatue 內(nèi)部的結(jié)論是：

• 大于 2/3 概率，市場(chǎng)欣欣向榮，科技板塊繼續(xù)領(lǐng)漲。

• 小于 1/3 概率，泡沫破裂，引發(fā)崩盤(pán)。

總的來(lái)說(shuō)，Coatue 理性看多。

最后想補(bǔ)一句的是，AI 泡沫可能現(xiàn)在還沒(méi)有到來(lái)，但它也終將會(huì)到來(lái)。

Sam Altman 也在最近的 BG2 播客上親口承認(rèn)，算力泡沫和過(guò)剩未來(lái)「肯定會(huì)發(fā)生」，這是人性。

現(xiàn)在科技巨頭就像進(jìn)入了一場(chǎng)不斷加注的撲克游戲。

為了在市場(chǎng)站穩(wěn)腳跟，他們必須不斷加大投入，只要 AI 進(jìn)步?jīng)]有停止，巨頭就會(huì)不斷加碼，但問(wèn)題是，模型每升級(jí)一次，燒的錢(qián)都是 10 倍起跳，誰(shuí)也不知道 GPT-7，GPT-8 的 ROI 是多少。

目前百億級(jí)別的 Capex 即使踩空，市場(chǎng)也能承受；可一旦牌桌上的籌碼堆到萬(wàn)億、十萬(wàn)億，而收入?yún)s沒(méi)能跟上，那才是真正的清算時(shí)刻。

而在此之前，游戲還會(huì)繼續(xù)。

Reference：

• Coatue Public Market Updates

  http://i71i.com/aj9p

• Michael Burry effect? | The Economic Times

  http://i71i.com/azlk

• 目前 OpenAI 發(fā)展面臨哪些問(wèn)題？ hrel 的知乎回答

  http://8cc7.com/aj9q

(三) 250 家公司的經(jīng)驗(yàn)：AI 產(chǎn)品要如何定價(jià)？

最近看到的另一條好內(nèi)容，來(lái)自 Lenny 和定價(jià)專(zhuān)家 Madhavan 的對(duì)談。

Madhavan 曾經(jīng)為超過(guò) 250 家公司和 30 家獨(dú)角獸設(shè)計(jì)過(guò)定價(jià)策略，所以他在這期播客里系統(tǒng)地講解了 AI 產(chǎn)品定價(jià)的正確打開(kāi)方式。

信息密度很高！這里梳理一下。

首先，公司在不同階段，定價(jià)的側(cè)重點(diǎn)不同。

在公司早期，定價(jià)的首要原則是簡(jiǎn)單。簡(jiǎn)單到什么程度呢？你可以試著讓客戶(hù)復(fù)述一遍你的定價(jià)策略，如果他說(shuō)不清楚，那就說(shuō)明你的方案太復(fù)雜了。

另外，報(bào)價(jià)的時(shí)候最好能講出一個(gè)漂亮的故事。比如 Superhuman 每月 30 美元，聽(tīng)起來(lái)很貴，但他們的說(shuō)法是：“每天花 1 美元，每周幫你省下 4 小時(shí)?！?聽(tīng)起來(lái)就劃算多了。

第二個(gè)階段，等公司開(kāi)始上規(guī)模后，談判能力會(huì)變得更加重要（主要指 2B 領(lǐng)域）。

這里有幾個(gè)重要的技巧，我覺(jué)得很有意思，在其它商業(yè)談判場(chǎng)合也適用：

1) 有舍必有得

談判時(shí)不能一味讓步。你每給出一個(gè)折扣，就必須從對(duì)方那里要回點(diǎn)什么。

一個(gè)很好用的索求是要求對(duì)方出具一份 “價(jià)值審計(jì)報(bào)告”。你可以說(shuō)：“折扣可以，但作為交換，我需要你們每半年內(nèi)部出具一份報(bào)告，用你們的數(shù)據(jù)來(lái)量化我們產(chǎn)品帶來(lái)的價(jià)值?！边@份報(bào)告就是你后面續(xù)約和漲價(jià)的王牌，因?yàn)檫@是客戶(hù)自己蓋章認(rèn)證的價(jià)值。

2) 讓客戶(hù)自己說(shuō)服自己

很多創(chuàng)始人在談判中只會(huì)單向輸出，這是大忌。你必須在對(duì)話(huà)中不斷設(shè)下圈套，讓對(duì)方親口承認(rèn)你的價(jià)值 。多問(wèn)一些類(lèi)似 “你覺(jué)得這個(gè)功能在你們公司能怎么用？” 或 “這個(gè)儀表盤(pán)你最喜歡哪一點(diǎn)？” 的問(wèn)題。當(dāng)客戶(hù)自己開(kāi)始幫你吹噓時(shí)，后續(xù)的商務(wù)談判會(huì)順暢得多。

同理，POC 結(jié)束時(shí)，千萬(wàn)別自己做好一個(gè) ROI 模型去給客戶(hù)匯報(bào)，沒(méi)人會(huì)信你單方面的假設(shè)。正確的做法是，從第一天起就拉著客戶(hù)一起確認(rèn)模型里的每一個(gè)變量，當(dāng)所有輸入都得到他認(rèn)可后，最終的結(jié)果他們就很難反駁了。

3) 永遠(yuǎn)帶著選項(xiàng)去談判

不要只提供一個(gè)產(chǎn)品和一個(gè)價(jià)格，這樣對(duì)方的注意力只會(huì)集中在價(jià)格上。你應(yīng)該提供 “好、更好、最好” 三個(gè)選項(xiàng)，比如 10 萬(wàn)、20 萬(wàn)和 30 萬(wàn)。這會(huì)把對(duì)話(huà)從 “價(jià)格” 引向“價(jià)值”，客戶(hù)會(huì)開(kāi)始討論 “我喜歡 20 萬(wàn)方案里的某個(gè)功能，但預(yù)算只有 10 萬(wàn)”，這時(shí)你就可以順勢(shì)把話(huà)題帶回價(jià)值探討。

4) 讓步的幅度要遞減：

最糟糕的談判方式，是先給 5% 折扣，不行再多給 5%，再不行再給 5%，這等于在告訴對(duì)方 “我這還有的是空間，繼續(xù)壓價(jià)”。高明的談判者恰恰相反，先給一個(gè)大的折扣，比如 10%，不行再讓 5%，再不行再讓 2%。這種遞減的方式，會(huì)給對(duì)方一個(gè)強(qiáng)烈的心理暗示：這已經(jīng)是我的底線(xiàn)了。

接著，Madhavan 介紹了 AI 產(chǎn)品定價(jià)的標(biāo)準(zhǔn)流程：

先通過(guò) POC（Proof of Concept，概念驗(yàn)證）和客戶(hù)一起算出 ROI，然后盡量找到能按效果付費(fèi)的定價(jià)策略。

這引出了 AI 創(chuàng)始人最常問(wèn)的兩個(gè)問(wèn)題：

1）POC 怎么做？ 2）價(jià)格到底怎么定？

我們先來(lái)看 POC。

很多創(chuàng)始人會(huì)把 POC 當(dāng)成一個(gè)技術(shù)測(cè)試，看產(chǎn)品在客戶(hù)那兒跑不跑得通。

但這就抓錯(cuò)了重點(diǎn)。Madhavan 說(shuō)，POC 的唯一目標(biāo)，就是和客戶(hù)一起共創(chuàng)一個(gè)商業(yè)案例，用實(shí)打?qū)嵉臄?shù)字證明你的產(chǎn)品到底能為他創(chuàng)造多少價(jià)值。

隨后 Madhavan 沒(méi)有細(xì)講 POC 要怎么做，而是回答了一個(gè)創(chuàng)始人經(jīng)常有的問(wèn)題，就是 POC 到底該不該收費(fèi)？他認(rèn)為要收。收費(fèi)能區(qū)分那些只是隨便看看的人和認(rèn)真購(gòu)買(mǎi)的人，避免浪費(fèi)時(shí)間。

但收錢(qián)也有講究：

1) 你要非常明確地告訴客戶(hù)，POC 這一個(gè)月的費(fèi)用（比如 1 萬(wàn)美元）只是為了共建商業(yè)案例，和未來(lái)正式的商業(yè)合同完全是兩碼事。否則，客戶(hù)會(huì)想當(dāng)然地認(rèn)為一年的合同價(jià)就是 12 萬(wàn)，你就給自己挖了個(gè)大坑。

2) 如果客戶(hù)在 POC 之前就想探探底，問(wèn)最終價(jià)格大概是多少，這時(shí)候不要直接給一個(gè)具體的數(shù)字，你可以換一種說(shuō)法：“根據(jù)我的經(jīng)驗(yàn)，我們至少能幫你創(chuàng)造 1000 萬(wàn)美元的價(jià)值，然后我們大概就收這其中的 1/10?！?/p>

如果客戶(hù)一定要給一個(gè)具體數(shù)字，那就給一個(gè)寬泛的區(qū)間，比如“最終價(jià)格會(huì)在 70 萬(wàn)到 130 萬(wàn)美元之間，具體取決于我們最終能給你創(chuàng)造的商業(yè)價(jià)值?！?/p>

等 POC 做完，價(jià)值也驗(yàn)證了，就到了正式定價(jià)的環(huán)節(jié)。

這里 Madhavan 提了一個(gè)簡(jiǎn)潔的分析框架，主要就看兩個(gè)維度：價(jià)值的歸因難度和 AI 的自主性 (后者指的是多大程度上 AI 能自己把活干了)。

• 左上角（難歸因 & 高自主）：比如一些后端或基礎(chǔ)設(shè)施類(lèi)的 AI，可以按實(shí)際用量計(jì)費(fèi)，用多少算多少。

• 左下角（難歸因 & 低自主）：傳統(tǒng)的 SaaS 工具大多落在這個(gè)區(qū)間，只能按席位訂閱，賺個(gè)辛苦錢(qián)。

• 右下角（易歸因 & 低自主）：像 AI Copilot 這類(lèi)產(chǎn)品，價(jià)值很明確，就是提升效率。適合“訂閱+用量”的模式。

• 右上角（易歸因 & 高自主）：像 AI Agent 這種能直接出結(jié)果的，可以按效果付費(fèi)，這是定價(jià)權(quán)的頂層。

除此之外，Madhavan 還提醒了幾個(gè)創(chuàng)始人經(jīng)常踩的坑：

1) 產(chǎn)品里 20% 的功能，往往決定了 80% 的用戶(hù)付費(fèi)意愿。但諷刺的是，這 20% 的功能常常是最好做的，所以很多創(chuàng)始人隨手就把它做出來(lái)免費(fèi)送了，后面的高級(jí)版只能用大量零零碎碎的低價(jià)值功能硬撐，用戶(hù)自然不買(mǎi)賬。

2) 定價(jià)要頻繁迭代：傳統(tǒng) SaaS 兩年改一次價(jià)，AI 至少要一年甚至半年就重新評(píng)估，因?yàn)槭袌?chǎng)和技術(shù)變化太快。

3) 降低 churn rate 的第一要義是找出最穩(wěn)定、最長(zhǎng)久的客戶(hù)畫(huà)像，把獲客預(yù)算砸在這群人身上。但很多公司會(huì)反過(guò)來(lái)，花太多力氣去思考哪些客戶(hù)可能流失，我要怎么留住他，后者通常得不償失。

最后還想再補(bǔ)充一點(diǎn)，我們和市場(chǎng)上好幾個(gè)創(chuàng)始人、增長(zhǎng)負(fù)責(zé)人交流后的 learning 是，現(xiàn)在絕大多數(shù) AI 產(chǎn)品都定價(jià)過(guò)于保守了，大家都有非常大的漲價(jià)空間，應(yīng)該大膽測(cè)測(cè)試試。

巴菲特說(shuō)過(guò)的一句話(huà)送給大家：“評(píng)估一家公司，最重要的就是定價(jià)權(quán)。如果漲價(jià) 10% 得讓你在內(nèi)心祈禱，那你做的肯定是一門(mén)糟糕的生意。”

Reference：

• Pricing your AI product: Lessons from 400+ companies and 50 unicorns | Lenny's Podcast
  

  http://i71i.com/1bgi

(四) 增長(zhǎng)的冪律定律
最后再分享一期 20VC 的播客，嘉賓是 Sandy Diao。

她大概是近十年最頂尖的增長(zhǎng)操盤(pán)手之一，在 Meta、Pinterest、Descript 都帶過(guò)增長(zhǎng)團(tuán)隊(duì)，把產(chǎn)品做到過(guò) 2 億用戶(hù)。

這期內(nèi)容也確實(shí)精彩。就像主持人說(shuō)的，這是他近年來(lái)做過(guò) “最細(xì)致 (most granular)” 的一期節(jié)目。

摘錄一下對(duì)我們最有啟發(fā)的幾個(gè)要點(diǎn)：

1) 為什么“數(shù)據(jù)驅(qū)動(dòng)”會(huì)殺死增長(zhǎng)？

Sandy 提出一個(gè)觀點(diǎn)：要讓團(tuán)隊(duì)保持 Data-inspired（數(shù)據(jù)啟發(fā)），而不是 Data-driven（數(shù)據(jù)驅(qū)動(dòng)）。

增長(zhǎng)團(tuán)隊(duì)容易掉入一個(gè)陷阱：看到數(shù)據(jù)漏斗里有個(gè)值不好看，就覺(jué)得 “這比競(jìng)品基準(zhǔn)差太多，我們必須把它提上來(lái)”。

她分享了一個(gè)慘痛教訓(xùn)。早期 Descript（一個(gè)音視頻剪輯工具）只有桌面版，增長(zhǎng)團(tuán)隊(duì)發(fā)現(xiàn)，從 “注冊(cè)” 到 “下載” 這一步流失率巨大。

于是她想，桌面版摩擦力太大了，我們應(yīng)該推出一個(gè)無(wú)摩擦的 Web 版，這樣轉(zhuǎn)化率一定會(huì)暴漲。

團(tuán)隊(duì)花了兩年時(shí)間開(kāi)發(fā)了 Web 版，結(jié)果呢？

轉(zhuǎn)化率、激活率、收入全面暴跌。

她復(fù)盤(pán)時(shí)才想通：摩擦力是一種篩選器，一個(gè)人愿意花時(shí)間去安裝應(yīng)用，證明他的使用意愿非常高，而且他已經(jīng)投入了沉沒(méi)成本，所以更愿意花時(shí)間深入探索產(chǎn)品。而 Web 版吸引來(lái)的，全是大量隨便看看的觀光用戶(hù)。

所以她總結(jié)出了一個(gè)重要認(rèn)知：

增長(zhǎng)假設(shè) = 數(shù)據(jù)洞察 + 背景解讀。

一定不能只有前者，而沒(méi)有后者，不然推導(dǎo)出的決策很可能就是錯(cuò)的。

2) 增長(zhǎng)的冪律分布定律（Power Law of Distribution）

Sandy 認(rèn)為，創(chuàng)業(yè)公司做增長(zhǎng)，常踩的一個(gè)坑是廣撒網(wǎng)，在資源極其有限的情況下，如果一上來(lái)就同時(shí)測(cè)試十幾個(gè)渠道，最終的結(jié)果往往是廣種薄收。

她發(fā)現(xiàn)，真正高速增長(zhǎng)的公司，往往都符合“增長(zhǎng)的冪律分布”：公司 80% 的增長(zhǎng)，是由 1-2 個(gè)核心渠道驅(qū)動(dòng)的。

所以最重要的是找到你的 “不公平優(yōu)勢(shì)”（Unfair Advantages）。比如，Descript 的一個(gè) “不公平優(yōu)勢(shì)” 是：

對(duì)于一個(gè)服務(wù)于創(chuàng)作者的產(chǎn)品，用戶(hù)天然會(huì)基于它來(lái)創(chuàng)作內(nèi)容。

她當(dāng)時(shí)給 Descript 做增長(zhǎng)的時(shí)候，意外發(fā)現(xiàn)，很多早期用戶(hù)會(huì)自發(fā)在 YouTube 上做 Descript 的評(píng)測(cè)和教程視頻。

她靈光一閃，做了兩個(gè)實(shí)驗(yàn)：

• 實(shí)驗(yàn) 1：主動(dòng)聯(lián)系這些博主，請(qǐng)他們加上產(chǎn)品鏈接。結(jié)果：流量增加了。

• 實(shí)驗(yàn) 2：推出聯(lián)盟計(jì)劃（Affiliate Program)。你推薦來(lái)的付費(fèi)用戶(hù)，我們給你 15% 的永久傭金。

結(jié)果是，ROAS (廣告回報(bào)率) 高到不可思議。這個(gè)渠道在當(dāng)年貢獻(xiàn)了 25% 的新用戶(hù)，而且?guī)缀跏侨詣?dòng)的。

(所以做個(gè)總結(jié)：“不公平優(yōu)勢(shì)” 往往藏在產(chǎn)品和用戶(hù)的自然交互中。增長(zhǎng)團(tuán)隊(duì)的核心能力是發(fā)現(xiàn)這種杠桿，并系統(tǒng)地撬動(dòng)它。）

3) 一個(gè)巧妙的搭配：水平定位 + 垂直獲客。

傳統(tǒng)建議是定位要窄，但 Sandy 認(rèn)為，Prosumer 產(chǎn)品可以在功能和定位上做得 “大而全”，但是用 “垂直入口” 來(lái)切入獲客。

Descript 的品牌定位是 “一體化音視頻編輯器”，這是寬泛的。但它的獲客入口非常垂直，具體分為兩類(lèi)：

• 按場(chǎng)景劃分：針對(duì)一個(gè)相對(duì)完整的使用場(chǎng)景。比如，“播客剪輯工具”、“視頻會(huì)議轉(zhuǎn)錄”。

• 按具體任務(wù)劃分：針對(duì)一個(gè)具體的痛點(diǎn)或問(wèn)題。比如，“如何給音頻去噪”。

用戶(hù)通過(guò)一個(gè)非常具體的需求點(diǎn)進(jìn)落地頁(yè)，但數(shù)據(jù)發(fā)現(xiàn)，超過(guò)一半的用戶(hù)，第二個(gè)動(dòng)作是點(diǎn)擊 Logo 返回首頁(yè)，他們想看看“這個(gè)能解決我小問(wèn)題的工具，到底是個(gè)什么東西”。 結(jié)果，那個(gè)“大而全”的首頁(yè)，反而比最開(kāi)始的垂直頁(yè)面轉(zhuǎn)化率更高。

（插一句，針對(duì)這一點(diǎn)，Monica 當(dāng)時(shí)一定程度上也是這樣做的，而且它還有助于挖掘細(xì)分的價(jià)值場(chǎng)景，做精細(xì)化的運(yùn)營(yíng)和商業(yè)化測(cè)試。

作為一個(gè) all in one 的瀏覽器插件，Monica 集成了多種功能：總結(jié)網(wǎng)頁(yè)、總結(jié) YouTube 視頻、編輯圖像、Chat with PDF... 他們會(huì)把每一個(gè)功能單獨(dú)拎出來(lái)，做成一個(gè)獨(dú)立的 web 頁(yè)面，拿這個(gè)頁(yè)面去測(cè)試這個(gè)單一功能場(chǎng)景下的商業(yè)化前景，以及最合適的定價(jià)方案。

針對(duì)不同的流量來(lái)源，他們也會(huì)設(shè)計(jì)不同的產(chǎn)品界面承接，比如區(qū)分廣告來(lái)的用戶(hù)和非廣告來(lái)的用戶(hù)，在廣告來(lái)的用戶(hù)身上，做更激進(jìn)的商業(yè)化測(cè)試，彈出更多的 push 來(lái)刺激對(duì)方付費(fèi)，但對(duì)自然增長(zhǎng)來(lái)的用戶(hù)不做這個(gè)動(dòng)作。這樣可以很好地平衡核心用戶(hù)的體驗(yàn)和商業(yè)化目標(biāo)。）

4) 創(chuàng)業(yè)公司該什么時(shí)候招第一個(gè)增長(zhǎng)負(fù)責(zé)人？

傳統(tǒng)建議是：等有了 PMF 再招。但 Sandy 有一個(gè)不同看法：最好盡早。

她不認(rèn)為存在一個(gè) “招增長(zhǎng)太早了” 的階段。增長(zhǎng)就應(yīng)該在最早期介入，把增長(zhǎng)能力構(gòu)建到產(chǎn)品里，這樣可以解決很多早期找 PMF 和 PCF (Product Channel Fit) 的問(wèn)題。

而且，在 YC 最新幾期項(xiàng)目中已經(jīng)明顯有了這個(gè)趨勢(shì)，很多團(tuán)隊(duì)還不到 5-10 人，就已經(jīng)在招增長(zhǎng)負(fù)責(zé)人了，“極早期招增長(zhǎng)” 只會(huì)變得越來(lái)越普遍。

至于這個(gè)人該是 “經(jīng)驗(yàn)豐富的老炮”，還是 “饑渴的年輕人”？ Sandy 說(shuō)：都行。

她唯一看重的特質(zhì)是，必須有 “無(wú)法抑制的、保持 Hands-on 的渴望”。

增長(zhǎng)是一個(gè)高度依賴(lài)體感的學(xué)科，而不是純粹的戰(zhàn)略管理。

尤其是 AI 時(shí)代，玩法每天都在變，老手的經(jīng)驗(yàn)如果不能結(jié)合一線(xiàn)實(shí)操，很快就會(huì)過(guò)時(shí)，甚至成為決策的阻礙。

Reference：

• 20Growth: How to Build a Paid Marketing Machine | 20VC

  http://i71i.com/aj9n