为什么模型公司赢不了应用层：Glean 创始人的反共识

核心要点

• 90% 已开源可跑：Arvind 称 90% 或更多企业场景现在已能被众多模型（含开源）完全处理，模型层确实在商品化，Glean 的核心价值之一就是替客户自动选最合适、最便宜的模型控成本。
• 大厂垂直包很浅：他不认为 Anthropic 对 Figma/法律/金融的切入构成威胁，那些是"net new"增量市场——设计师仍用 Figma，只是非设计师开始用 Claude Design 做简单活。
• 模型公司是资产：对所有不做前沿训练的公司，应把 OpenAI/Anthropic/开源创新都视为巨大资产，Glean 靠它们交付了自己永远做不出的产品，不视其为竞争。
• 中国模型是真问题：真正的分歧不是开源 vs 闭源，而是企业敢不敢用中国模型——GLM 5.2 是团队首次愿意把大部分工作负载跑上去的开源模型，顾虑来自"会不会有后门"的恐惧。
• 一个 Agent 每月百万美元：Glean 的工程 triage agent 自动处理 95% 生产告警，替下 15 人待命团队，但月成本高达 100 万美元，Arvind 直言这笔账"是否比人更高效仍存疑"。
• 裁员逻辑是错的：他反对用 AI 替换自己——竞争对手同样有 AI，若他们保留更多人力去做 10 倍好的产品，你缩编就会被打败；Glean 现有 1000+ 人，目标 5 年到 5000 人。
• 资本过剩害了创业者：种子轮公司花 50 万美元招一个工程师，投资人和创始人都接受，但这条路根本不可持续，而 Google 深知自己无需这样买人。

章节时间轴

• 0:51 开场与创业者心态 — Arvind 自认是"怕输"型创始人，即便 Rubrik 已成功上市，每次新公司都是从零开始，尤其在每天都有颠覆的 AI 世界。
• 2:22 Glean 是什么 — 从企业搜索起步，演化为连接公司全部上下文的 AI 平台，一个"给员工的 co-worker"。
• 3:09 企业是否恐惧前沿模型 — 回应 Palantir 的 Alex Karp，企业既怕被吃掉，也怕把运营与制度性学习拱手让给模型公司。
• 6:13 转向开源的拐点 — 企业不接受只绑定 OpenAI/Anthropic，当前开源驱动力主要来自成本，数据外流的恐惧已减弱。
• 7:47 Anthropic 会不会蚕食你 — 逐一反驳投资人都追问的问题，认为大厂垂直包很浅，且 Glean 每天都在正面竞争。
• 11:37 模型层的商品化 — 三方竞争加开源使模型生意没那么赚钱，Anthropic 更像应用层公司（生态、MCP、skills）。
• 16:14 捆绑与 Microsoft Copilot — 承认捆绑策略有效，但消费计费正在瓦解捆绑优势，主持人反驳供应商管理难题。
• 20:51 AI 的 ROI 与吞吐 — 客服等场景已有明确价值，但编码提速未必带来更快出货；ROI 本质是上下文/吞吐问题。
• 27:04 该不该让员工替换自己 — Arvind 认为这是错误目标，AI 还没准备好，与主持人就裁员、团队规模激烈辩论。
• 37:07 Token 预算与使用幂律 — 公司几乎没做 token 预算，使用呈幂律：有人月耗 1.5 万美元，有人只花 20 美元。
• 39:24 招聘与人才战 — 顶级 AI/ML 人才空前抢手，连初创也被迫开出高薪，一个好工程师 30-50 万美元。
• 41:41 融资与投资人品牌 — 主张尽量多融，Series C 估值超 10 亿却几乎没营收，投资人声誉直接影响招聘。
• 44:00 最近改变的看法 — 自认过于自律保守、可能错失 land grab，正感受到改变的压力。
• 45:33 未来的复合型岗位 — 会出现能一人干工程/产品/设计或销售全流程的复合角色，数据分析师、sourcer 等岗位将消失。
• 47:50 主权模型与开源地缘 — 主权模型热度反而下降，唯一产出模型的非美国家是中国；美国缺开源模型因训练需巨额前期投入。
• 53:14 快问快答与创始人心得 — 谈学 CS 的建议、Google、资本过剩、退出困难，以及"当 CEO 要永远不满足"。

详细内容

一、模型公司会不会赢下应用层：Arvind 的系统性反驳

这是全场的核心冲突。每一位 Glean 投资人都让 Harry 追问：你担不担心 Anthropic 对你做它对 Figma、法律、金融做的事——切入你的空间、蚕食你的生意？8:33 Arvind 的第一层反驳是"要看清楚他们到底做了什么"：这些垂直包在他看来"相当浅"，他不知道有谁把工作负载真正从 Figma 或其他工具整体迁移到 Anthropic。它更像是 net new 的增量市场——9:19 设计师依旧用 Figma，只是非设计师、非该工具专家开始用 Claude Design 做一些原本做不了的简单活，AI 在扩大市场而非替换现有工具。

第二层，他承认竞争真实存在且很早就开始了。9:19 企业客户天天问："Claude 也能通过 MCP 连企业系统，那 Glean 有什么不同？" Glean 得去解释"context 究竟是什么、为什么构建它其实很复杂"。10:04 他甚至说模型公司比其他人更早和 Glean 竞争，因为 Claude 桌面/co-work 的头号用例一直就是问答——而信息检索与问答正是当今世界 AI 最大的应用。

第三层是他最反共识的判断：11:37 对几乎所有不做前沿模型训练的 AI 公司，应把模型公司视为巨大资产而非竞争。Glean 相信 Anthropic、OpenAI、Google 以及开源的所有创新都是好消息——"它们让我们交付了一个没有它们帮助永远做不出的产品"。首发优势 10:51 是资产但既非必需也非救世主：Glean 作为全球第一家企业 AI 公司、第一个把 RAG 带进企业、第一个做概念语义搜索的公司，获得了品牌与参赛资格，但这撑不了全程。

二、模型层的商品化与经济账

Harry 追问：我们是不是正见证模型层的终极商品化？12:23 Arvind 的回答很直接：就企业用例而言，90% 或更多场景现在已能被众多不同模型（含开源）完全处理，确实存在商品化。这正是 Glean 的核心价值之一——成本控制：13:09 用户完成任务时平台自动挑最合适的模型，若客户接受开源、且能给出高质量答案，就用开源。

关于开源的成熟度，他给了一个很具体的时间点：13:56 开源真正追到"前沿能力 3 个月内"是一个月前甚至更近才发生的事，GLM 5.2 是 Glean 自己团队第一次愿意把大部分工作负载跑上去的开源模型。13:56 他明确区分：真正的问题不是开源 vs 闭源，而是"敢不敢用中国模型"。为什么不敢？14:41 纯粹是"comfort"和恐惧——"万一有个我们根本理解不了的后门呢"，以及一旦被知道用了某模型，可能被竞争对手拿来做文章。突破靠的是谁敢当 bold 的早期行动者。

对模型生意本身，15:26 他判断即便是三方竞争的白热化格局也会带来可观的降价压力，加上开源便宜一个数量级，他甚至听到传言 OpenAI 会为应对开源和竞争大幅降价。结论：16:14 模型生意本身"可能没有大家以为的那么赚钱"。但他补充这两家已不只是模型公司——16:14 OpenAI 有极强的消费产品，Anthropic 则正在变成应用层公司：大量人在其平台上开发自动化、skills，创建连接内部系统的 MCP server，一个生态正在形成。三年后企业工作负载多数会跑在开源模型上 17:00。

三、裁员、团队规模与"替换自己"之争

这是全场火药味最浓的一段，两人立场完全对立。27:50 Arvind 认为"让员工用 AI 替换自己"是错误目标，一是高估了 AI（"它还没准备好"），二是逻辑上站不住。他反问 Harry：你举一个能被 AI 替换的岗位——你的 EA 能被替换吗？AI 能搞定大部分事，但搞不定最后那一点"无形的东西"，比如买符合妻子香水偏好的生日礼物。28:37 Harry 反驳这恰是引爆点：如果 90% 能做，那个角色终将被蚕食。Arvind 不同意，理由是竞争：29:24 你想在工作中做到最好，就不会接受 90% 方案；对手同样有你所有的 AI 工具，若他们额外还有人，你怎么竞争？

团队规模上分歧最大。29:24 Glean 现有 1000+ 人，Arvind 希望 5 年到 5000 人。Harry 说这非常反常——他见的最大 CEO 们都在缩编。Arvind 用可口可乐 vs 百事的类比反击：30:12 两家都能用同样 AI，若一家缩编、另一家保留更多人去做 10 倍好的产品或产出 10 倍的东西，后者会更大、会打败你。Harry 坚持"更多人不等于更好产品"、"更多人拖慢一切"30:59，Arvind 承认人多会互相拖慢（还引用了后疫情裁员 15-20% 反而提速的普遍现象 31:47），但强调人也是资产，关键是把人正确部署到对的项目上，"世界上最伟大的公司不会是 100 人的公司"——连模型公司自己也在激进招聘。

一个微妙的自我张力出现在结尾 45:33：Arvind 大力推动"复合型岗位"——一人身兼工程/产品/设计，或销售端一人兼商务谈判与产品演示。Harry 立刻指出：复合岗位恰恰意味着更小的团队，与你维持团队规模的主张矛盾。46:19 Arvind 承认"确实更小"，但辩解说未来要"做 10 倍的工作才能从客户身上拿到同样的营收"，人均产出会飙升、需求也会飙升，所以被迫做得更多。

四、AI 的 ROI 是一个吞吐与上下文问题

围绕 Alex Karp 说的"大家都在问回报在哪"，20:51 Arvind 承认价值兑现目前是"零散的口袋"。客服是最清晰的例子：21:37 支持坐席原本每天解决 10 个 case，用 AI 后能做 12 个，可量化，因为这类工作本质是读知识再总结给客户。但编码这个最大的 AI 支出方向更复杂：22:24 多数开发者已不再手写代码，写码速度显著提升，但绝大多数公司说产品实际出货速度并没有变快——因为写码只是出货的一小部分。

Glean 自己的出货是否更快？22:24 Arvind 坦承难以衡量——工程生产力是最难测、最模糊的。代码行数当然大涨，出货也更快，但这也可能只是团队更大、更资深的结果，很难拆解。Glean 现在的策略就是"继续投入"。23:10 他透露 Glean 几乎 100% 的初始代码由 AI 写成，但强制人工审查，比多数公司更保守——23:57 公司内部曾有提议干脆取消 code review（因为瓶颈从写码转到审码，很多公司已这么做），但他们选择宁可付出审查成本，因为 AI 写的百万行代码后期极难维护理解，而且 AI 做的 refactoring/安全"还不够完美"25:31。

ROI 的本质，26:17 他归结为吞吐问题：多数企业只是把 AI 用 MCP 粗暴接上所有系统，让模型自己去"暴力拼凑"完成任务所需的原材料——这样 AI 极慢、极贵（大部分 token 烧在拼上下文上），还被用在它并不擅长的地方。27:04 要让 AI 真正高效，必须"围绕它投资"，提供正确的上下文。

五、Token 定价：主持人与嘉宾的根本对撞

这是两人分歧的另一个焦点。44:00 Arvind 举 Glean 工程 triage agent 的例子：它自动处理 95% 生产告警，替下 15 人待命团队，但月成本高达 100 万美元——比人还贵，"是否真比人更高效仍存疑"。Harry 调侃"你是买了 C 罗吗"。

Harry 的立场是当前技术定价"荒谬地便宜"：33:18 Benioff 花 3 亿美元在 Anthropic 上只占开发者薪资的 3.7%，Cursor 等开发工具仍被严重低估。Arvind 反过来说它"贵得离谱"45:33。他给出两条论据：34:52 一是开源已能以十分之一成本做同样的活；二是历史上从未把"技术成本"和"人力成本"放进同一句话，"我宁可要更少的人和更多的 token"是头一遭，而这不符合技术规律——模型本该越来越便宜。35:37 Harry 激动反驳（"我不过是个播客主，你是 Glean 和 Rubrik 创始人"）：这恰恰正是技术的意义，agent 主动、有观点、做决策，就该被放进和人力同一句话里，因为它在替换我们过去花钱的人力。

Arvind 坚持推理成本会下降几个数量级 47:07，但也指出一个反常现象：35:37 过去 6-9 个月每个模型的每 token 价格反而上涨，而 15 个月前所有人都以为价格会像以前一样持续下跌。对此 Harry 给出他的解读：36:22"它们需要在上市前证明自己是好生意，这就是原因。"Arvind 的赌注仍是 AI 会比今天便宜得多——而 Harry 顺势推论：若真如此，这些已经亏损、几乎支撑起全球经济的模型生意就非常危险了。

六、主权模型、开源地缘与美国的开源缺位

结尾在欧洲录制，话题转向主权。48:36 Arvind 的观察是主权模型的热度反而在下降——一年前每个国家都以为自己能造模型，后来大多想通了不是这条路，转而接受本国企业使用 OpenAI/Anthropic。Harry 强烈反对，认为在 Trump 政府封禁 Anthropic 最新模型后，主权诉求"毫无疑问在上升"，欧洲人意识到不能依赖一个能随时切断智能访问的美国个人 49:25。

美国为何几乎没有拿得出手的开源模型？50:11 Arvind 澄清这不是因为美国开源社区弱（其实很强），而是模型需要巨额前期投入，这与"开发者拿不到资助、靠 skunk works 也能建出东西"的开源软件传统不兼容——模型没法这么造。50:56 唯一在美国之外产出模型的国家是中国，法国 Mistral 算一点点。Harry 抛出他在 OpenRouter 上的观察：51:42 流量前六全是中国模型，第一个美国模型（Anthropic）排第七。

随后是全场最尖锐的政治推演。52:28 Harry 反复推演 Sam Altman 给 Trump 5%、换取对 Anthropic/OpenAI 的监管俘获、对开源加税设禁的"quid pro quo"剧本。Arvind 明确不认同：53:14 他更相信美国体系，且"现在根本不需要打压开源，因为美国开源还太落后"；即便 Sam 和 Dario 意识到威胁，也无法靠监管解决 53:14。他把逻辑反了过来——54:01 正因为很好的开源模型都来自中国，美国不能被视为不创新的国家，所以造自己的开源模型对美国"至关重要"，且有大量顺风（包括 Nvidia 正大力投资推动美国优秀开源模型的发展）。

金句

对几乎所有不做前沿模型训练的 AI 公司来说，它们应该把模型公司看作巨大的资产，而不是竞争对手。 —— Arvind Jain 11:37

90% 或更多的企业用例，现在已经能被许多不同的模型完全处理，包括开源模型。 —— Arvind Jain 12:23

真正的问题不是开源对闭源，而是他们能不能接受中国模型——这才是唯一的问题。 —— Arvind Jain 13:56

这是我们第一次听到有人说：我宁可要更少的人和更多的 token。我就是觉得，技术不该是这么运作的。 —— Arvind Jain 46:19

我们绝对处在一场跑马圈地里，今天全世界每家公司都想要一个像我们这样的产品，要么今天进场，要么未来进场难十倍。 —— Arvind Jain 44:47

一旦转向按用量计费，捆绑就没有天然优势了，因为用户在哪工作，我就为那一份工作付费。 —— Arvind Jain 18:32

提到的书·产品·人物

• Arvind Jain（人物）：本期嘉宾，Glean 创始人、Rubrik 联合创始人。
• Glean（公司/产品）：企业 AI 平台，从企业搜索演化而来，被形容为"ChatGPT/Claude/Gemini 的超集"。
• Rubrik（公司）：Arvind 此前联合创办、已成功 IPO 的数据管理公司（字幕误写为 Rubric）。
• Harry Stebbings（人物）：20VC 主持人，本期与嘉宾激烈交锋。
• Alex Karp（人物）：Palantir CEO，节目开头引用其 CNBC 言论——大企业对前沿模型比以往更怀疑、且没人敢说 AI 没起作用。
• Anthropic / Claude（公司/产品）：被讨论是否会切入企业与应用层；被指做的垂直包"很浅"，但正变成应用层生态。
• OpenAI / ChatGPT / Sam Altman（公司/产品/人物）：模型层竞争与传闻降价、政治推演中的核心角色。
• Dario Amodei（人物）：Anthropic CEO，被引用其对营收规模的说法。
• GLM 5.2（产品）：开源模型，Glean 团队首个愿意跑大部分工作负载的开源模型。
• Microsoft Copilot（产品）：Glean 最重要的竞争对手之一，靠捆绑策略；被类比为"70% 够用但捆绑销售"。
• Figma / Claude Design（产品）：讨论大厂垂直切入的案例，非设计师转用 Claude Design。
• MCP（Model Context Protocol）（技术）：企业接入 AI 的方式，也是竞争与"粗暴接系统"讨论的核心。
• Google（公司）：被评为最好地采用了 AI 的"legacy"公司，但因本就是 AI 公司而被认为分类不公平。
• Nvidia（公司）：被指正大力投资推动美国优秀开源模型的发展。
• Marc Benioff / Salesforce（人物/公司）：花 3 亿美元在 Anthropic，占开发者薪资 3.7%，用于讨论定价。
• Cursor（产品）：被 Harry 认为定价仍被严重低估的开发工具。
• Uber（公司）：作为"坏商业模式靠规模变好"的例子被讨论。
• Nikesh Arora / Palo Alto Networks（人物/公司）：每周领导层"show and tell"AI 用法的做法被当作正面案例。
• Meta（公司）：作为持续裁员、总人数可能已低于 2021-22 峰值的例子。
• Mimoon（人物）：Harry 与嘉宾的共同好友，促成本期访谈。
• OpenRouter（产品）：Harry 用于观察模型使用与流量，发现前六名皆为中国模型。

适合谁听

关注企业 AI、模型层商品化、AI ROI 与组织规模决策的创始人、投资人和技术高管。