Linkloud 引言
AI 助理可以说是今年 VC 押注最密集的赛道之一了。Instinct 据报道估值已到 25 亿美元，20VC 甚至把 Town、Instinct 和 GrokBot 放进一场“1,000 亿美元 AI Assistant 竞赛”。
资本盯着下一代软件入口，质疑者盯着付费率、补贴和毛利，泡沫争论几乎与融资热度同步升温。20VC 随即邀请了 Town 的 CEO Jean-Denis Grèze（JD），在这期播客里 JD 用付费率和模型成本详细拆解了这门生意。
Town 正式上线时就宣布已完成 5,500 万美元 Series A，资金来自 a16z、Forerunner 等机构；3 个月后，又传闻正在洽谈一笔估值约 10 亿美元的新融资。JD 过去 7 年曾担任 Plaid CTO，早前还是 Dropbox 工程总监。融资速度、创始人履历和品类卡位，让 Town 很快成了观察 AI 助理商业模式的一张样本。
同一波热潮里，我们之前写过的 Poke 走了另一条路：它根植于 iMessage，把调用 Agent 变成发一条消息。Town 则扎进邮箱和日历，先从工作场景切入。超过 15% 的试用用户最终付费，大部分任务仍要调用昂贵的前沿模型。真实需求确实存在，但公司最终能留下多少利润，还要看模型成本能降到什么程度。Enjoy！
01. 15% 付费率，说明 AI 助理有人买单
Town 在用户第一次打开产品时，就会要求连接邮箱和日历。拒绝授权的人无法继续使用，这一步会直接流失 30% 的用户。
这种 Onboarding 很像一道收取数据的硬付费墙，只是 Town 愿意承受这种流失。因为只有读到邮件和日程，AI 才能理解用户每天怎样工作，继而推荐可以自动执行的任务，并且让销售、招聘和小企业主无需配置复杂的 Workflow，也能立即得到会议简报、跟进事项和邮件处理建议。
授权之后，产品价值开始显现：Town 的所有试用用户中，超过 15% 最终成为付费用户。这个比例远超 PLG 产品，对 Town 来说，判断用户是否成功使用产品，只需要看一个结果：他是否愿意每个月继续付钱。
只要用户每个月继续付钱，我的工作就算做到了。
Token 消耗量无法替代这个指标。同一份会议简报，对一天排满会议的人来说可能很值钱，对只需旁听的人而言却几乎没有价值。把 Token 用量当成“成功”，很容易鼓励用户运行一堆回报模糊的任务，直到某天收到高额账单后离开。
Town 会主动识别消耗异常的 Routines，并发邮件提醒用户检查。这个功能上线后，用户最直接的反馈是：“谢谢，现在我觉得你们在替我把关。”
企业客户的账更容易算。一家招聘公司用 Town 自动化部分招聘流程，不增加人手就能多接一个客户，每月可以新增约 3,000 美元收入。而公司所有账号加起来，每月只向 Town 支付约 500 至 600 美元。只要产品持续带来这样的回报，AI 助理就有真实需求。
需求成立，只回答了这门生意的第一道题。
02. 大厂围堵近在眼前，要先争夺主流用户
JD 直言未来 12 个月，AI 助理很可能是 Google 和 Apple 等巨头前三优先级。所有大公司都会冲进来，这种竞争压力甚至会让 JD 在凌晨 3 点惊醒。
可对此进行防御暂时是一种奢侈。Town 眼前的任务，是要先从一个拥有约 10 亿潜在付费用户的市场里，拿到 10 万甚至 100 万付费用户，因为现有产品距离真正服务主流用户还有很长一段路要走。Grok Bot 能吸引 Power User，Town 也还需要继续降低普通人的使用门槛。
大公司擅长复制已经得到验证的体验，创业公司得先造出那个值得复制的产品。
竞争又把留给创业公司的学习时间压得很短。Instinct 最近两三周势能明显上升，欧洲也出现了 4 至 5 家类似 Town 或 Instinct 的团队。过去，一项功能被追上可能要 6 至 12 个月；今天，只需两到四周。
现在，产品可以按机器的速度做出来，但对用户的理解，只能按人的速度一点点积累。
年初时，Town 的竞争雷达上大约还有 15 家创业公司。几个月后，名单缩到了两三家。功能领先正在快速折旧，产品需要把短暂的领先沉淀成更难复制的关系。
03. Agent 协作效应成立之前，数据信任必须先过关
Town 为长期防御力押了三件事。
- 第一件是人格化。每位用户拥有一个带名字和形象的 Townie，Town 围绕人与 AI 的关系建立品牌。
- 第二件是深度预处理。用户提出要求之前，系统已经花费算力理解他的工作、项目和公司。
- 第三件是 Agent To Agent，让不同用户的 Townie 在后台彼此协作。
人格化和深度预处理都能改善体验，竞争对手也可以很快跟进。Agent To Agent 会更难复制，因为它的价值来自已经加入网络的人和他们建立的协作关系。一个 Townie 遇到自己回答不了的问题，可以向同事的 Townie 寻找答案。
当全体成员都进入这张协作网络，换掉产品也意味着放弃已经建立的连接和工作方式。
团队里的 Tinkerer 会进一步加速这种效应。只要有一个人搭好 Team Skills、Integrations 和 Routines，其他成员就能直接使用这些成果。Town 因此会主动识别这类用户，帮助他们把个人使用扩散成团队采用。
这套机制还有一道更难的门槛：信任。
五年后，你会相信 Agent 可以自行决定该向别人分享哪些数据。
设想一家有 1,000 名员工的公司。销售人员想找客户引荐时，无需再去 Slack 群里问“谁认识这个人”。他的 Agent 可以询问全公司的其他 Agent，然后给出两个答案：Liz 与对方有私人关系，可以先问她是否愿意介绍；Bob 与对方有工作往来，下周恰好要开会，可以申请加入。
完成这件事，需要 Agent 读到分散在不同邮箱里的信息，也需要它守住工资、病史和家庭信息等边界。个人数据与工作数据依然会分层，Agent 开始承担过去由人完成的信息过滤。
Agent To Agent 的网络效应最终取决于这种判断能否稳定发生。数据越丰富，产品越有用；边界一旦失守，整个网络都会失去价值。
04. 前沿模型调用占比，决定最终利润
Town 会按照任务难度选择模型：邮件分类等低复杂度工作已经可以交给便宜模型，未来也可能转向开放权重模型。复杂的自定义 Workflow 仍然需要前沿模型的能力，目前大部分任务都在这一层运行。
但是现阶段，Town 把工程资源更多投向网络功能、连接新数据源和改善增长，压低前沿模型调用成本的工作排在后面。对一家高速增长的公司来说，工程时间有限，成本优化和扩大产品能力必须竞争同一份资源。只要毛利还没有成为增长约束，后几项工作的优先级就更高。
模型价格预计每 9 至 12 个月减半，Town 希望在 18 至 24 个月内让经济模型变得高效。即使价格持续下降，最终利润仍取决于稳定状态下有多少任务必须留在前沿模型。10%、20% 和 30%，会导向完全不同的利润空间。
低复杂度任务的成本会沿着算力曲线下降。前沿模型的定价权掌握在模型公司手里，Town 在这里几乎没有议价能力。
一家公司既要向供应商付费，又要和供应商竞争，还想维持 70% 的毛利率，非常困难。
Cursor 已经展示了这种处境：产品拥有巨大市场份额，用户也很喜欢它，上游供应商却在争夺同一批客户。Town 同样要向 OpenAI 和 Anthropic 付费，同时面对它们在 AI 助理市场的直接竞争。
这才是“泡沫论”最有力的部分。高付费率可以证明客户价值，补贴也可能遮住价值捕获问题。一家公司即使拥有 PMF，也要回答利润最后留在哪一层。
05. 低价获取用户，企业和家庭如何选择？
1 亿消费者每月付 20 美元，或 100 万客户每月付 100 美元，Town 选择了更多用户、更低价格。
这条路线追求更大的用户规模，主要增长空间仍在工作场景。餐厅预约、旅行计划和病历转发都天然会有频次上限，企业却可以不断产生新的高价值任务。AI 每多创造一份收入，客户就更愿意把下一份工作也交给它。
Town 目前有 15 美元、49 美元、99 美元和 199 美元四档套餐。15 美元档补贴最重，作用是让用户体验到足够多的价值，再升级到 49 美元档。99 美元档整体最赚钱，用户足够重度，又没有无限消耗。超过套餐上限后，价格会转为按量计算。
不过，Town 意外在家庭用户中找到了很强的 PMF。学校邮件、运动安排、夏令营报名和日程协调，恰好都是它擅长处理的任务。这些用户愿意付钱，也会在 WhatsApp 家长群和 Facebook 群里主动传播。
但问题在于，家庭口碑很难像企业客户那样，从一个用户扩展到整个组织。Town 是否要为这批用户投入更多资源，取决于口碑能否带来足够增长，以及父母会不会把 Townie 带进工作场景。
相比之下，企业市场还有大量明确的需求没有满足。不少客户要等到 Integrations、Audit Logs 和 SSO 上线才肯签合同。为了更快交付这些功能，Town 每年为每位工程师投入至少 7.5 万美元购买 AI 工具，公司整体算力年支出约 100 万美元。按现金成本计算，这笔钱相当于 3 至 4 名工程师；算上硅谷工程师的股权成本，大约相当于 1.5 人。
只要这些工具带来的产出高于 1.5 名工程师，继续投入就比节省 Token 更划算。目前真正限制增长的，是招聘速度、融资能力和收入增速。
估值涨到多少，回答不了 AI 助理这个赛道有没有泡沫。Town 已经证明有人愿意付钱，接下来要证明的是钱能留在自己手里。
