← 顶级AI播客总结
20VC

9个月扩张到7000人:从卖牛到造50亿美元帝国

From 7 to 7,000 Employees in 9 Months | Curative Co-founder & CEO
节目时长 90 分钟 阅读约 15 分钟
▶ 在 YouTube 收看原片
9个月扩张到7000人:从卖牛到造50亿美元帝国 插画

从测牛到测新冠再到卖保险,Fred Turner用AI把整个后台裁到极限。

核心要点

150美元 vs 2700万:2019年底关停公司时,Fred 以15万美元卖掉实验室的 CLIA 执照还债;5个月后疫情爆发,被迫花2700万美元收购一家南加州公司拿回同类执照。时机就是一切。

7到7000人:Curative 在最初9个月从约7人扩张到7000人,单日峰值检测2.6万人(Dodger体育场站点7条车道、每天约1万人),三年累计营收约50亿美元,是最大的非 LabCorp 类检测公司。

正交供应链:面对全行业抢购同款耗材,Fred 拒绝用只有中国两家工厂供货的磁珠,改用可快速扩产的玻璃塑料滤板、把电子测试用棉签消毒后使用,靠"用别人不用的东西"实现10倍产能。

认证部门归零:一个跑在 Claude 上的 agent 端到端完成医生资质认证,把原本5、6人、平均2-3个月、成本约50美元的流程,压缩到约12小时、20美分。

Gwen 一天签100份合同:网络拓展 agent Gwen 每天发1.5万封定制邮件、谈判改红线、用 Fred 的签名点 DocuSign,8周签下3500份合同(此前全团队一年才2300份),单份成本从1500-2000美元降到约70美元。

砍80% SaaS:今年计划削减约80%的 SaaS 支出,已取消60万美元/年的 Salesforce(内部 vibe coded CRM 两个月替代),Anthropic 账单过去半年每月6倍增长,从几万美元到每月数百万。

估值13亿的保险公司:疫情检测赚的钱中约5亿美元投入健康保险业务;最新一轮由老股东领投、1.5亿美元、估值13亿,早期投资人曾拿回10倍现金分红后还保留全部股份。

9个月扩张到7000人:从卖牛到造50亿美元帝国 信息图
一图速览本期内容(点击查看大图)

章节时间轴

详细内容

一条离奇的产品线:从牛、性病到败血症

Fred 的起点纯属偶然。他赢得英国国家科学工程竞赛后上了电视,一个农民找上门请他帮忙测牛——样本原本要寄到荷兰、耗时数周。他起初拒绝("我对牛没兴趣,我对人类遗传学感兴趣"),但农民把支票别在样本前面寄来,他动心了。做完第一批,农民的朋友们纷纷寄来样本,公司 TL Biolabs 就此长出来,测肉牛肌肉量、测奶牛产奶量。

在英国融不到钱,2015年底他到旧金山参加投资会议,遇到一个刚做完 YC 的人,被建议申请 YC 并把公司搬到美国。回酒店发现申请截止只剩6天,"那就是天意",于是进了2016夏季批次,拿到 a16z 生物基金约165万美元种子轮——Fred 打趣他们"没算 TAM"。到 A 轮时投资人算了:美国约1亿头牛、每头15-20美元,即便全测也才15亿美元市场,撑不起 A 轮。

于是他把核心 DNA 检测技术转向人类诊断——先做高通量性病检测(含居家性病测试),逻辑是"所有这些东西里都有 DNA,你只是去找更在乎 DNA 检测、更愿意付费、市场更大的领域"。他们锁定抗生素耐药性这个切口:通过 DNA 预测最有效药物,避免滥用最强抗生素。随后进入败血症——一种细菌入血、真正致命的是自身免疫系统失控的疾病,每延误1小时治疗死亡率上升约12%。

第一家公司之死与最珍贵的教训

Shield(TL Biolabs 更名)的败血症诊断技术运行良好,正在推进 FDA 审批。Fred 从数据里看到一个关键洞察:新败血症检测在学术医疗中心试验效果极好,一到社区医院的大规模研究就失败——因为社区医院人手不足、急诊超负荷,根本没人足够早地怀疑败血症,"再好的检测,没人用也没意义"。这后来直接催生了 Curative 最初的商业模式。

但公司死于时机。B 轮从一家大型上市诊断公司拿到 term sheet,签了、做了三周文件、进入第二轮尽调,对方 CEO 却因"与核心产品竞争"叫停。而 Fred 已经告诉所有投资人"我们有领投了、稳了",结果只剩约三周现金,公司于2019年底关停。

Fred 的反思很诚实:第二次创业容易得多,因为第一次犯的错——第一次开除人、搭面试流程、建招聘漏斗——都是踩过才会。"把所有时间精力投入的东西归零是世上最糟的事,但只要你从中学到东西、拿着教训去解决更大的问题,你就没白来。"主持人追问:如果那轮成了,你会有今天吗?Fred 直言不会——因为不会那么狠地转向新冠。

疫情:时机、执照与洛杉矶那条推特

2019年12月清算时,Fred 以15万美元把 CLIA 执照卖给圣地亚哥一家公司还债——这在没有疫情的世界里就是市价。5个月后,为拿回同类执照他花了2700万美元。他在2月中旬看到 Twitter 上的数据意识到"这会比人们想象的严重得多"。首席科学官早在1、2月就利用业余时间开发出了新冠检测(初衷只是让员工安心、练手),所以他们有测试、缺实验室。

没人愿意在场地里搞任何和新冠沾边的事。一位同 YC 批次、后来做 VC 的朋友把他引荐给洛杉矶(其实在 San Dimus,一个约3万人的小城)一家做体育兴奋剂检测的实验室。起初是50/50合资:Curative 出检测和专业能力,对方出执照。但对方很快跟不上扩产节奏、甚至在拖后腿,于是 Curative 用客户预付的检测收入把他们买断——这就是那2700万美元的来源。

首批客户全靠人际与运气。San Dimus 警长在 LinkedIn 上找他;接着消防局;第一个大合同——洛杉矶市——源于 Laura Deming 的一条推特(她开车载着满车 PCR 机把 Fred 送到洛杉矶、参与早期研发),洛杉矶副市长直接私信"我们要"。因政府付款限制,最优条件是货到后 net-1:每天送检、次日派人去市政厅取支票,用这笔钱买耗材扩产。最大的单子是佛罗里达州全州养老院检测,数亿美元、每周测每一名员工、持续三个月——其他实验室都说"不可能",Curative 说"能做"并交付了。

规模的经济学:波峰暴利,波谷失血

Fred 认为自己看到别人没看到的:传统实验室(Quest、LabCorp)是为极致效率和平稳流量而生的机器,"你让他们把某个环节优化到多赚1%的毛利他们很擅长,但让他们10倍扩产恰恰是他们的反面"。所以 Curative 从零重建"正交供应链"——一个听起来像麦肯锡术语、实则意为"不用别人用的东西"的做法:全行业抢磁珠(全球基本靠中国两家工厂),他们就改用可快速扩产的玻璃塑料滤板;棉签从电子测试供应商采购再消毒。

峰值单日检测2.6万人(2020年12月),8个月从零做到这个量。经济学是极端的:波峰时产能填满、极其赚钱;波谷时只用20-30%产能,固定成本不变、7000人照付,每一次回落都在亏钱、甚至每份检测都亏。政府之所以在波峰提高报销价,正是为了激励厂商"过度建设"产能以备浪涌——不然浪涌来时无人能测。三年约50亿美元营收,最终净投入健康保险业务的约5亿美元。

关于疫苗,Fred 坦言当时并不清楚长期有效性会如何演变——早期无人有暴露、接种收益大,等大家都感染过几次、且变异株越来越弱,疫苗收益就小得多。他们做了250万剂接种,"另一门赔钱生意":政府付的钱不够,每一剂都亏,做它是出于"回馈"和政府合作方的要求。

转向保险:为什么"付款方"主导一切

Fred 从一开始就告诉员工"这是3个月的活"(现任总裁当初是"6个月的活",如今6年了还在)。每熬过一次浪涌他都以为结束了,结果一次次再来。2020年中就开始想下一步,2021年底认真锁定健康保险。

路径是排除法:实验室行业太小——就算干掉 LabCorp 和 Quest 也只有约300亿美元市值,"经历过新冠后我想造一家远大于此的公司"。他们看过买医院(佛州、德州各一家),结论是医院端能改变的太有限,因为付款方结构太碎(约50%是政府、其余是各怀心思、每5分钟变卦的小保险计划)。反复兜回来都指向一个结论:在美国医疗体系里,付款方才是驱动行为的人——你付钱买什么,人们就去做什么。

若给他一根魔杖改造美国医疗,他会"把谈判拆成更小的单元"。他的论证很具体:同样资质、同样服务,隶属医院系统的初级保健医生平均比独立医生多拿一倍报酬,因为医院系统用"我们有床位、有你需要的特殊手术中心"的筹码抬价。市场已高度集中——付款方端约四大巨头,医院则被迫抱团做大以求生,双方僵持、人人多付、处处低效。玩家都小的时候,才会有真正高效的市场。他也确认:如果生了大病,美国仍是全世界最好的治疗地——最前沿的技术、设施和药物。

AI 吞噬后台:具体数字与三条护城河

Fred 最大的"事后诸葛"是"真希望早知道 AI 要来"——他们2022年设计保险业务时对 LLM 浪潮一无所知,而过去18个月几乎每个工作流都变了。"健康保险本质就是搬比特——我们没有实物产品,给你一张塑料卡,其余就是在数据库里挪动比特让医疗被支付。"

一线数字极具冲击力:认证部门(核验医生执照、是否被控医疗事故)第一个归零——原本5、6人、平均2-3个月、约50美元,如今一个跑在 Claude 上的 agent 端到端完成,约12小时、20美分。核保与理赔同样收缩。一个反直觉的关键做法:模型不擅长直接解析五花八门的 PDF/表格,但极擅长写代码——于是让 agent 针对每份文件现写 Python 转换成标准格式、循环测试到跑通、然后把这段"一次性代码"扔掉。"以前几百人搬表格,现在模型写 Python,每次用完即弃。"同理,模型不擅长直接改 Word,但让它写 Python 改 Word 就很行。

Gwen 是网络拓展 agent:给一个线索(如某初级保健诊所地址),她会 Google 研究、查透明度文件里别家付多少、从 ZoomInfo 找邮箱、用定制内容反复跟进(很多医生第9封才回)、多轮谈判改红线、最后打开 DocuSign 用 Fred 本人的签名点确认。产能从"每周100份合同"变成"每天100份",8周签3500份(全团队去年一年才2300份),单份成本从1500-2000美元降到约70美元。Fred 说被追问"若 Anthropic 涨价5倍还划算吗"——依然划算,因为"你不是用 agent 做和人一样多的量,而是做10倍、20倍的量"。他们每天发约1.5万封定制邮件,"这种不知疲倦的跟进正是有效之处,人做不到发9封还不觉得难堪"。

关于 SaaS:今年砍约80%支出。已取消60万美元/年的 Salesforce(内部 vibe coded CRM 两个月替代、原本还养着一名全职 Salesforce 管理员);自建理赔系统替换难用的现成平台。但基础设施型软件会留下——Sentry 这类后端、以及集成太深的 Slack。Anthropic 账单过去六七个月每月6倍增长,从几万美元到每月数百万。

Fred 的三条护城河判断:公司会变小、层层裁掉后台,但会在技术能力关系两处重投人。工程师不再写码甚至不读码,用 Claude Code / Codex 部署一群下游 agent,一个资深工程师产出远超一年前;而保险的关系面(会员要能打电话找到人、大型医疗集团和经纪商要吃饭打高尔夫、越大的合同越需要"看着对方的眼睛"建立信任)短期不会消失。他还提出"agent 主管"将成为5年后的大职业——当工作量翻10倍、即便只有1%需要人工审批,例外请求的绝对量也暴增,如何有纪律地管理这些 agent 是新瓶颈。

金句

我获得了那种当一切都在你身后、所有势能都推着你时能达到的速度的滋味,此后我一直在追逐它。 —— Fred Turner 1:33
在英国他们像是在为规避最坏的下游结果而优化——"我怎样才能不被开除";而在硅谷,他们优化的是"如果一切成功,十年后能有多大"。 —— Fred Turner 3:07
再好的检测,如果没人去做,也毫无意义。 —— Fred Turner 16:15
我们买断了他们,那就是那笔2700万——钱来自客户的预付收入。 —— Fred Turner 22:25
健康保险所做的一切就是搬动比特——我们没有实物产品,只给你一张塑料卡。 —— Fred Turner 40:48
我们不是让 agent 也做每周100份,而是说:现在有了它,今年就做10倍、然后20倍的合同量。 —— Fred Turner 56:13

提到的书·产品·人物

适合谁听

适合创业者、医疗与保险从业者,以及所有想看 AI agent 如何真实、量化地重塑传统行业后台的人。

← 返回全部观看原片 ↗