核心要点
自主化企业：Netic 的北极星是 autonomous enterprise——除了真正上门的服务与蓝领劳动力，企业里其他一切都由 Netic 自动完成，让公司把全部资源押在交付质量和客户体验这个真正的差异点上。
6 亿美元：这家两年历史的公司称已通过 AI 处理的客户互动为客户累计创造超过 6 亿美元收入；卖东西不靠 demo，直接调出线上部署，给对方看真实客户此刻正在如何与系统互动。
70% AI 优先：早期客户多把 Netic 当作接不过来时的溢出接线员，如今超过 70% 的客户是"Netic first"（内部叫 N1），其终端消费者与公司的第一次接触就发生在 Netic 的 agent 上。
不做 rollup：Melisa 拒绝 AI rollup 路线的理由有三——rollup 的核心能力是 M&A 而她是工程师和产品人，她不想做一门自己最强项并非关键的生意，更重要的是 rollup 造的产品只服务你买下的那几家公司，无法外溢到整个行业。
实验室做不了最后一公里：她反问"十年前这个问题是'Google 能不能做'"；实验室追求最泛化的解法，"等有了 AGI 再去问它怎么为必要服务解决"在运营和智识上都偷懒，而全国数百万口音、语境、诉求各异的客户需要的最后一公里，要靠 harness、编排和产品三层一起做。
机器人还差得远：她把机器人称作同一本书的另一个章节——今天的灵巧性远不足以应付各种螺丝和狭小空间，往往得拆墙才知道要修什么；要匹配现实住宅的千差万别，除非每栋楼都被 3D 打印或彻底标准化。何况客户常处在人生最糟的一天，人的因素还在。
只降本太可惜：私募股权开口第一句仍是砍成本，Melisa 要把对话拉到净新增收入——比如给屋顶公司接入卫星数据判断飓风对不同屋顶的影响，自动喂进 agent 的上下文，既接得好来电也知道该去敲谁家的门。
章节时间轴
- 0:05 Netic 是什么 — Melisa 介绍公司定位：为 HVAC、水电、宠物、健身、酒店、汽车等必要服务的大型企业提供 AI，站在企业与终端客户之间。
- 1:39 一次 HVAC 报修会发生什么 — 零下二十度暖气坏了，从找服务商到 agent 接电话、判断机型与紧急度、评估客户终身价值、派出合适的技师。
- 3:57 Netic 之前：靠几百个人扛 — 这些公司靠数百人支撑客户流程，早班四五点无人接线、当天有人离职有人不到岗，而热浪一来客户从六点开始堆积。
- 6:16 为什么不做 AI rollup — 主持人自陈也投过 Long Lake 这类 AI rollup，Melisa 给出三条不选这条路的理由。
- 7:04 从 Scale AI 到土耳其小镇 — 四年建起政府与大型企业业务线；土耳其小镇出身、拿全奖到斯坦福时还没有自己的电脑，家乡人都在这些行业里。
- 10:56 机器人是同一本书的另一章 — 灵巧性、住宅的千差万别与人的因素，让机器人在这些行业里还很遥远。
- 12:28 大实验室能做这件事吗 — 十年前的版本是"Google 能不能做"；实验室是好伙伴不是威胁，但泛化偏好和产品节奏让它们做不了这块。
- 15:31 创业心态与招人标准 — 创始人过度害怕实验室源于"想尽快退出"；她看 agency 与坚持，唯一固定的问题是"你这辈子做过最难的事是什么"。
- 22:29 北极星：自主化企业 — 除服务与劳动力外的一切都自动化；以及她对"只和卓越的人共事"的执念，参照 Palantir、SpaceX、Notion。
- 23:16 传统行业其实很技术前倾 — 把这些行业当成守旧是大误解；一笔约 50 万美元的合同端到端只花了 14 天。
- 26:20 私募股权的新剧本 — 未被发现的"宝石"不存在了，playbook 转向创造实际价值；PE 开始设 AI 运营合伙人，但话题仍先落在降本。
- 30:54 最期待的 AI 未来 — 教育与她自己的成长故事；以及把 AI 的公共叙事从"谁的工作没了"拉回正面影响。
详细内容
Netic 在做什么：企业与客户之间的那一层
Melisa 给 Netic 的一句话定义是：造 AI 去运行数百万家让世界运转的现实世界生意。具体客户是必要服务领域的大型企业——营收十亿美元级的家庭服务公司（HVAC、管道、电力），可以办会员去做各种运动的消费健身公司，酒店、汽车、宠物服务等等。她强调这些都是相当大的生意，各自要与数以百万计的终端用户打交道，这些用户可能是消费者，也可能是企业。Netic 存在于公司与它的客户之间：理解客户需求、把需求与这家公司的运营规则匹配上、乃至最终部署服务与劳动力，全部发生在 Netic 上。
主持人请她走一遍具体流程。她的例子是：你在荒郊野外，零下二十度，暖气停了。你要先找到一家服务商，市面上有很多家，你想挑最值得信任、且在这种天气下真能来的那一家——你可能还有孩子或老人。你从聚合平台、搜索引擎，或者现在从 LLM 里找到这家公司，然后用任何你喜欢的渠道联系它：打电话、发短信、上官网约时间。如果这家公司用了 Netic，接住你的就是 Netic 的 agent：你住什么样的房子？我们这边有没有你的记录？主持人确认这确实包括语音通话，Melisa 说完全包括。
她特别强调这不是"Eli 家暖气坏了，那就派 Melissa 去"这么简单，运营复杂度正是他们从必要服务切入的原因：你家装的是什么机型？你的具体需求是什么？我们能不能上门？是今天必须去还是明天也行？你作为客户的终身价值是多少——所以今天该不该派出那位只会修锅炉或只懂新式系统的最强技师，还是留到之后？整条链路要先判断客户的需求是什么、这家公司能否服务、如果能那么由谁在什么时候去，还要让这一切被优化到既能创造客户满意、又能为公司创造更多收入。
在 Netic 之前这些事怎么做？答案是靠人。Melisa 说这些公司规模极大，但恰恰因为任何增长都必须继续往人力上砸钱而长不动；它们是看 EBITDA 的生意，很多被私募股权持有，必须在意利润率和可再投资的现金。而生意里最重要的劳动力其实是真正上门干活的人——因为很多这类服务本质是商品化的，"你不接我电话，我就去 Google 的下一条搜索结果"，所以钱应该投给蓝领劳动力。她描绘了一个真实的日常：一家十亿美元营收的公司，业务通常凌晨四五点开始，那时公司里没人；技师六点上工，但在那之前无人值守；你作为经理来上班，发现当天有三个人离职、五个人没到岗，而全国正在热浪之中，客户从六点开始不断堆积。这些还都是周期性生意——冬天、夏天、假期、人们开始健身的季节，必须在这些月份把价值抓住，才能养活自己和员工。
主持人问她是不是在做溢出接线的活。Melisa 说很多客户确实是这么开始的，但今天超过 70% 的客户已经是"AI 优先"，他们内部叫 Netic first、代号 N1——超过 70% 的客户，其终端消费者与公司的第一次接触就是 Netic 的 agent。
为什么是产品公司，不是 rollup
主持人自陈也投了 Netic，同时投过 AI rollup——比如 Long Lake 这类去买下一堆生意再用 AI 优化的公司，而且这些标的与 Netic 的客户画像有重叠，很多本就被私募股权持有。他问 Melisa 当初怎么决定造服务而不是去买下并经营这些资产。
Melisa 给了三条理由。第一是她想在世界上造什么。她在 Scale 待了约四年，建起了很多现实世界的业务线，从政府到大型企业；她说这种在世界上留下可触摸影响的成就感在科技行业里其实很多人拿不到，但她热爱这个。第二是个人技能匹配：rollup 里最重要的能力是 M&A 本身，而她不是做 M&A 的人，她是建造者、工程师、产品人——"我不想做一门我能提供的东西显然不是最重要的那件事的生意。"第三是产品的规模上限：她见过很多成功的 rollup 和技术驱动型 rollup，但最终你造的所有产品都只服务于你刚买下的那家公司，无法真正套用到别的公司；你等于承诺去买下若干行业里的几家公司，然后用你的产品服务它们。而她感兴趣的是每一家现实世界的生意都能跑在 Netic 上——如果不用限制它们，如果它们能专注在自己真正擅长的地方，也就是劳动力、服务质量这种差异化，那么其余的部分能不能由 Netic 来跑？
从 Scale AI 到 Netic：一条个人动机线
主持人向听众补充了背景：Scale 起家于数据标注，最终与 Meta 达成某种授权或协议，Meta 支付了约 280 亿美元（Melisa 更正说"大概 300 亿上下"）。他形容 Melisa 是 Scale 非常早期且重要的人物，且是在这笔交易发生之前选择离开去创业的。
Melisa 说对她重要的有两件事。一是 Scale 让她看到了大量现实世界的生意——她在那里建的业务单元包括政府，以及物流、制造、金融服务、医疗等大型企业业务，她相信在这些地方能做出的实际影响是惊人的。她随后交代了个人来处：她在土耳其一个很小的镇上长大，"一无所有"，拿到斯坦福全额奖学金才来到美国，此前甚至没有自己的电脑；而她家乡的所有人都在这类行业里工作。"我们都来到这里谈技术、谈创造影响，但大多数公司真正服务的只是别的创业公司或科技公司。"这让"我们在为现实世界造什么"成为她的核心问题。
二是一个她自称"自私的"技术追求：AI 擅长辅助消费者、做副驾驶，但下一个最未被解决的问题是——如何在任务关键的工作流里使用 AI，一个真正能完全自主执行的系统是什么样子。Netic 就是这两条线的交汇。她补充说自己很爱在 Scale 的日子，文化上非常合拍，最好的朋友有几个来自那里，直接与 Alex 这样的创始人共事也很棒；但对她来说，那门为 AI 造基础设施的生意在运营上很重，产品的锋刃是缺失的——她知道自己想造一个能规模化、能复利的产品。
机器人与大实验室：两个必答题
主持人问，人们说"现实世界的 AI"其实指两三件事：Netic 这类服务企业的软件，以及机器人、自动驾驶——它们最终会收敛吗？Melisa 的回答是：这大概是同一本书，但不同章节；我们现在谈的是接下来几十年的章节。她相信未来存在一个属于机器人的章节，但在她所服务的一些行业里那非常遥远。她补充了一条方法论：了解这些行业极其重要，Netic 每一位工程师都必须去客户现场，才能回到旧金山造出对的产品。
她的具体论证有两层。第一层是物理与多样性：看看窗外每一栋楼，如果机器人要做他们今天为这些公司做的事，每一栋楼都得是 3D 打印的，或者被彻底标准化——她不认为这会发生。今天机器人在灵巧性上还差得远：如何处理不同类型的螺丝、你面对的是什么样的房子、怎么上去、怎么钻进狭小空间去修东西；很多时候你甚至得先把整面墙拆开才能看清要修什么、怎么修。第二层是人的因素：很多人接触这些行业时正处在人生最糟的一天——家里被水淹了，或者只是想抽一天减压去 Bay Club 打打网球，但无论如何他们正在经历某件事，其中有人的成分。
第二个必答题是大实验室——OpenAI、Anthropic、Google、Meta——会不会做这件事。Melisa 说这个问题很公道，因为今天确实有大量创业公司在功能和外观上都做得跟实验室的核心产品很像，无非是聊天机器人或编码 agent。但她也忍不住笑：十年前一模一样的问题是"Google 能不能做这个"，现在变成了"实验室能不能做"。有些核心能力它们当然做得到，但另一些事它们并不投入。就 Netic 而言，她不把实验室视为竞争风险——领先的那两家是了不起的生意，也是像 Netic 这样的公司的好伙伴。
她给出的差异有三点。第一是专注度，而且她建议把这个问题拿去问这些企业客户：OpenAI 造产品极快，但杀产品也极快，她不认为这些行业的企业在寻找那种"极快"；Anthropic 的例子则相反——硅谷的共识是它们在编码 agent 上跑到前面靠的是专注，但在企业侧你看到的是二十来个产品，"到底在发生什么"。第二是研究者的偏好：他们真正在意的是找到问题最可泛化的解法，落到 Netic 这个问题上，答案会变成"等我们有了 AGI，再去问它怎么为必要服务解决"——她认为这在运营上和智识上都有点偷懒。第三是最后一公里：要为全国数百万各有担忧、口音、互动偏好和语境的人解决这类极难的问题，还要让他们成为回头客，这部分不只来自模型，必须来自你的 harness 和编排、来自你在上面造的软件和产品。所以像 Netic 这样的公司反而必须在三层上都做得好。
主持人接了一个观察：四年前他在投 Harvey、Perplexity，稍晚一点是 Decagon、Abridge 这类垂直应用，而现在很多创始人对实验室过度担心，以至于不敢进入新垂直、或刻意避开他们认为在实验室路线图上的东西——放在过去人们会更愿意正面打一场。Melisa 认为这是因为当下有大量创业是围绕"我怎么才能尽快退出"展开的。她说在她看来，当创始人在以前是件更荣耀的事，你知道你在把一生投进去；她自己在创业前认真找过工作，问自己有没有想造的第四件东西、有没有别的感兴趣的事、有没有谁的使命值得她去帮忙推进。创始人是一件必须投入几十年、不该被轻率对待的事。
招人：agency、坚持与"造最好的鞋"
Melisa 说 Netic 要的人是自己就深切在意所造之物、长期客户导向、有 agency 去启动事情和紧迫感去解决问题，同时还有把它一路推下去的严谨与耐心。她提到自己在招聘中看到 Gen Z 身上一种"永久底层心态"：如果我不在接下来 18 个月里赚到钱，或者不在接下来六个月里学完世界上的一切，我就永远穷了；或者一种 AGI 化的视角——18 个月后 AI 会吞掉大量人的技能，所以你的价值在下降。她认为这是非常危险的心态，因为造出真正好的东西需要很长时间。她说自己人生中最重要的一些教训，正是来自对一件事的长期投入并带着所有问题坚持下去，尤其是在 Scale 的那四年和现在建公司的过程：你必须看到的不只是第一版长什么样，还有它在世界上做了什么、你要改进什么、怎么跟上研究、怎么跟上人。所以他们极力避开"追亮闪闪东西的人"。
她引了一句被归给 Martin Luther 的话：基督徒鞋匠不是靠在鞋上刻小十字架来荣耀上帝，而是靠做出最好的鞋，因为上帝在意的是手艺。她说作为创始人思考"你在造什么、你为什么做这个"时，这句话让她很有共鸣——归根结底是造出最好的产品，去解决你在意的那群人的问题。而且更专注、更少的人反而能做成更多："一小群真的走到一起、想拿下整个世界的人。"
主持人追问怎么筛 agency——是面试题、是经历，还是别的？Melisa 说她看的不是"有没有 agency 这个特质"，而是：如果你真的在意 agency，你这辈子应该持续地展示过 agency。所以她会往下挖：如果你是应届生，你不需要有过工作，但你在大学里做过什么？你为进大学做过什么？有没有一个你真正在意的项目？而且不只是"我做了一个周末"，你有没有一直坚持下去？她固定会问一个问题——你这辈子做过最难的事是什么，可以是任何领域——但不是问完就算，而是会顺着追问"为什么"。她真正在意的不是拿到一个 agency 的例子，而是：在你活着、有意识的这些年里，你在你做的事情上有没有持续展现 agency，并且坚持下来了。
主持人说自己以前也问同一个问题，但因为答案太差而不再问了。Melisa 说她得到的答案都很好，只是彼此非常不同：有人会真正敞开，而她不是在找一个"工作类"的答案，任何人生中真正最难的事都可以。有时你会因此了解到某个人不得不经历、并非自己选择的处境，而重点全在他们如何反应、控制了什么、如何把能掌控的东西握在手里去改变未来。她举了一个刚招进来、下周入职的人的例子：这是她第一次听到这样的回答——"我过着非常简单的生活，我极其在意我的工作，我对健康有一套疯狂的作息规程"，然后简单描述了那套规程；这个人说除此之外自己没有太多东西，但最难的事是这些年每一天都保持下来，几点起床、每隔几小时做什么、晚上做什么、为同事出现，最难的是坚持了超过 15 年而不觉得无聊、不去想别的、把自己交付给自己在意的事。Melisa 觉得这个答案非常有创意——她自己回答这个问题时会讲建公司或者从一个什么都没有的小镇来到这里，但她并不在找这种故事，"每个人的故事都不一样，你是怎么写出你自己那一份的？"
被问到五年后的愿景与北极星时，她给了两条。第一是产品：他们在建的是一家 autonomous enterprise——这些公司里的每一件事都由 Netic 自主处理，唯独真正的服务和劳动力这个人的部分除外，这样公司就能完全专注于交付与创造客户满意；他们在智能层之上造的每一个产品都相互连接、彼此复利，都为这个目的服务。第二是人：建公司很难，她也是为了与卓越的人共事而做这件事，随着公司变大，如何持续只与卓越的人共事是她非常在意的问题，而这没有唯一答案——她提到自己尊敬的、真正长期在意手艺与交付的公司，比如 Palantir、SpaceX、Notion，都在这件事上挣扎过。
客户侧：这些行业其实很技术前倾
主持人问，她服务的行业普遍被认为采纳技术很慢、不在前沿，卖 AI 和 agent 给它们是不是很难，这种印象对不对。Melisa 说把这些行业当成守旧是个大误解——她见过的一些最技术前倾、最以业务为中心的老板和创始人恰恰来自这些行业。首先她们服务的是大型企业，它们极度重视价值，也必须技术前倾。她给了一个量化的例子：他们刚签下的一笔生意大约是 50 万美元的合同，端到端只花了 14 天——不是因为对方冲动，而是因为他们对该做什么、价值在不在都非常审慎，这体现在他们的采购行为里。
她的概括是这些行业"同时非常原始又非常技术前倾"。以一家大型屋顶公司为例：它必须有 door knocker，也就是真的一个街区一个街区去敲门，跟你聊你的屋顶该不该换、要不要上太阳能。但与此同时，在 Netic 上它得到的是一整套产品——处理所有 inbound 和 outbound、分析，以及劳动力的交付调度。他们接入卫星数据，用来判断不同街区的飓风如何影响不同屋顶、该考虑什么材料，这些是否应该自动喂进 agent 的上下文，让公司不仅在与客户的对话里更有准备，还能识别出该主动去找谁。主持人问这是他们原来就在用的技术吗？Melisa 说这些公司一直都关心怎么把客户服务得更好，但过去必须自己想办法：数据从别处买？谁来看？人工看吗？现在变成在一个平台上，既处理广告带来的 inbound，又同时建立起所服务街区的上下文，还能主动出击带来净新增收入。
她把这个逻辑推到私募股权的组合层面：如果一家 PE 拥有二三十家分布在不同行业的这类公司，而它们都在 Netic 上，那么当你要向某人推销健身会员时——假如我养了一条我很爱的狗，我当然更愿意选那家同时提供宠物照护的；如果你作为老板知道我的这个信息，你会怎么跟我谈？这全是上下文的问题，而 Netic 让这件事对企业来说变得容易。
私募股权：从砍成本到造新收入
主持人问她怎么看私募股权对这波 AI 的反应——有的深度拥抱、甚至要给被投公司部署，有的很慢。Melisa 认为 PE 的 playbook 已经变了：过去是找到一颗有惊人倍数的宝石，换掉团队、创造价值、再卖出去；但那种未被发现的宝石现在基本不存在了，所以整体转向了"我们怎么和手上这些生意一起创造实实在在的价值"。她同意有些机构可能倾斜过头，把一切都当软件来试——"我用的任何 AI 产品，第一周不该是你评判这个平台的方式；那应该是关系的开始。"她强调你要确认的是这些结果能贯穿全年、并且越来越好而不是越来越差。
她认为关键是把"测试 AI"这件事的思路改掉，把 vaporware 与真正的 ROI 分开。很多人的思维仍偏软件、偏确定性——"为什么我不能一周就试出来告诉你结果"。但她也看到 PE 正在设立新角色，比如 AI 方向的运营合伙人，或者养几个技术前倾的工程师来做内部教育。而 Netic 的做法是把对话全部落在对方能立刻看见的价值上：不放 demo，直接调出一个线上部署——如果它已经在跑，为什么不能直接给你看某个客户正在赚到什么？她在这里给出了那个北极星数字：到目前为止，Netic 已为客户创造了超过 6 亿美元的收入，全部来自 AI 处理的互动。展示它如何运作、真实世界的客户如何与这项技术互动，对方就会被教育到，然后去引导自己组合里的公司。但她提醒这并不取消与公司直接建立关系的必要——PE 更多是被投公司的顾问，多数情况下并不存在能把东西硬塞下去的关系，你能做的是当一个好参谋。
主持人评论说，很多 PE 也已经从八十年代式的进场大裁员、拆解集团，转向了如何优化和提升资产价值。Melisa 部分同意，但补了一句现实：第一轮对话仍然总是高度聚焦在削减成本上，她认为这是因为他们没见过多少像 Netic 这样的产品和平台——"我不是来给你砍成本的。当然某种意义上这也在发生，但我真正感兴趣的是你要如何创造净新增收入。"这是新东西，你必须主动把对话往那边带，必须给出可触摸的例子，否则话题还是会落回"我们怎么改善底线、砍掉一些成本"。她的收尾是一句判断：如果我们只把 AI 用来降本，那就太可惜了。
她最期待的 AI 未来
被问到 Netic 之外最期待 AI 的什么，Melisa 从自己的故事讲起：当年她什么资源都没有，那时能帮上忙的技术，就是找到一两个从她高中毕业、已经在美国上大学的土耳其人，用 Facebook Messenger 请对方读一读她的申请短文、看看她的作品并给点反馈——"能这样对上话，当时觉得挺疯狂的。"所以她的答案是教育：它会改变许多人的一生，那些人原本甚至不会知道这个世界存在。她说不会再有人被资源限制，你想学的、想做的一切基本都在口袋里，"我们把世界变得更关乎 agency 了"。
主持人接话说他最大的一课就是"你可以直接去做事，不需要许可、不需要先去学"。Melisa 顺势给了一个更冷静的补充：正因为如此，当你看到人们不去做事的时候会有点可怕，那是这件事的反乌托邦版本——在任何一个时代、任何一种技术里你其实都可以去做事，最终它落回你必须做出的那个选择上。我们把这个选择变得越来越容易，但她保证世界上大多数人仍然不会做出那个选择。她说这是值得多想一想的、偏负面的一点，但至少我们正在把"资源可及与否"这个问题拿掉。
第二件让她期待的事关乎叙事。她观察到当下美国乃至整体上关于 AI 的主流话题非常负面，而她所做的这类用例，接触到的往往是人们人生中最糟的一天、他们真的需要帮助；教育是另一个；还有能看懂自己的健康记录——她说自己最近就在用健康功能研究怎么能睡得更好，"结果没有答案，答案是别当创始人了"。她期待的是，人们与 AI 的第一次接触不再只关于"某某岗位要没了"，而是关于 AI 的正面影响，并让这类内容在世界范围的讨论里占更大比重。
金句
如果机器人要做我们今天为这些公司做的事，外面每一栋楼都得是 3D 打印的，或者被彻底标准化。我看不到这件事发生。 —— Melisa Tokmak 11:42
落到这个问题上，他们的答案会是"等我们有了 AGI，再去问它怎么为必要服务解决"。我认为这在运营上和智识上都有点偷懒。 —— Melisa Tokmak 14:46
如果我不在接下来 18 个月里赚到钱，我就永远穷了——我在 Gen Z 身上看到这种永久底层心态，这其实是非常危险的想法，因为造出真正好的东西需要很长时间。 —— Melisa Tokmak 17:06
基督徒鞋匠不是靠在鞋上刻小十字架来荣耀上帝，而是靠做出最好的鞋，因为上帝在意的是手艺。 —— Melisa Tokmak 引 Martin Luther 18:39
如果我们只把 AI 用来降本，那就太可惜了。 —— Melisa Tokmak 30:54
我们把这个选择变得越来越容易，但我向你保证，世界上大多数人仍然不会做出那个选择。 —— Melisa Tokmak 32:27
提到的书·产品·人物
- Melisa Tokmak（人物）：本期嘉宾，Netic 创始人兼 CEO，前 Scale AI 工程总监与多条业务线负责人，土耳其小镇出身、拿全奖入读斯坦福。
- Netic（公司/产品）：为必要服务大型企业提供 AI 的平台，覆盖 inbound/outbound、分析与劳动力交付；内部把"AI 优先"的客户叫 Netic first（N1）。
- Scale AI / Alex（公司/人物）：Melisa 创业前工作四年的公司，她在此建起政府与大型企业业务线；主持人补充 Meta 为交易支付约 280–300 亿美元。
- Long Lake（公司）：主持人举例的 AI rollup 公司，去收购一批生意再用 AI 优化，与 Netic 的客户画像有重叠。
- OpenAI / Anthropic（公司）：Melisa 认为它们是好伙伴而非竞争风险，但分别以"造得快也杀得快"和"企业侧二十来个产品"来说明专注度问题。
- Harvey / Perplexity / Decagon / Abridge（公司）：主持人回忆四年前投资的垂直 AI 应用，用来对比今天创始人对实验室的过度顾虑。
- Palantir / SpaceX / Notion（公司）：Melisa 用来举例长期在意手艺与交付、并同样为"只与卓越的人共事"而挣扎的公司。
- Martin Luther（人物）：她引用被归给他的鞋匠与手艺之喻，用来说明创始人应当追求做出最好的产品。
- Bay Club（品牌）：她举例的消费健身场景，用来说明客户联系服务商时往往正处在某种真实的人生状态里。
- 卫星数据 + 屋顶行业（用例）：接入卫星数据判断不同街区飓风对屋顶的影响与材料选择，自动喂进 agent 上下文，同时支撑接线与主动获客。
适合谁听
想理解垂直 AI 如何真正落进传统服务业、以及创业者如何回答"大实验室会不会吃掉你"的人。