OpenAI算什么，4个将在未来5年估值翻10倍的AI潜力股
47:39 Share

我们觉得未来五年内估值会翻五倍的 AI 公司如果你正在考虑跳槽你在科技行业或者说你在硅谷我觉得这几个公司是非常不错的选择

欢迎回到小火车过桥那这一集我们聊四个 AI 公司在硅谷有一个传说如果你是一个工程师或者你是一个科技岗位的人加入了一个还没有上市的创业公司你拿到了他们的股票每一年可以有个 4 万美金 5 万美金如果你是 exact 十几万 20 万美金的股票干一票干个三四年然后把这个公司干上市然后你就可以退休了

那这个传奇听起来很棒 right obviously 我也在玩这个游戏 right 但是里面呢有两个很大的坑第一个坑呢就是太早期的公司他容易死股票就变废纸了那你很多 potential upside 对吧你可以翻一翻的资本就直接变成了废纸太晚期了就有可能这些公司已经快要上市了对吧他们的公司虽然说风险不是很大但是股票涨不了多少没有办法退休

作为一个 first hand experience 这两件事情我都体验过了我可以告诉大家这个梦想这个传奇没有那么美好我们今天要聊的这个主题呢就是我和托马斯选了四个未来五年内我们觉得物质最有可能会翻五倍的公司正好都是跟现在的 AI 这个行业非常有关系那如果你在美国或者你在科技行业并且你在考虑跳槽的话

欢迎你打开他们的 careers page 打开他们的这个招聘网站看一眼有没有适合你的岗位那我们 jump right in

在说这个公司之前我觉得很多人肯定都知道或者用这个公司非常的 obvious 对吧但是我先从这过去三周我在工作的时候的一个感悟说起吧过去三周我们两个人在搞一些跟网站跟 SEO 相关的事情我下班之后晚上就会 shift to 我们的工作我发现了第一个感悟就是我觉得现在在创业的或者说在做事情的过程中对吧获取知识的速度会比以前快非常多给你举一个例子首先我不是一个马农

对吧我在大学读书的时候学的是数学所以我从来没有学过像 HTML 就是那个创建网页的这个标准语言和 CSS 这种前端的语言然后呢我就遇到一个问题就是我在打我们这个 shopify 的网站的时候我就发现哎我有时候可能需要去改一下这个 HTML 里面的某一行代码啊或者说我需要去写一些什么 CSS 让这个图像或者说这个 block 对吧表现的有点不一样啊颜色改一改啊等等等等

然后我就开始用 ChatGPT 的其中一款产品就是一款类似于 ChatGPT 的产品叫做 PerplexityPerplexity 这个公司和 ChatGPT 类似但是他们其实做的更加偏向于搭建一个最快最准确回答你所有问题的一个搜索引擎我用 Perplexity 做什么事情呢首先就是像我刚刚说的我在用 Perplexity 写简单的 CSS 去改 Shopify 的模板

然后更进一步我会用 Property 去在模板的产品页面上加一个现在购买的按钮第一个当然就是写一段 CSS 其实挺简单的你代码可能 generate 生成出来之后看一眼就懂了第二个就稍微有一点点更复杂你需要去看 Shopify 模板的 HTML 的整个文件数然后你在其中的一个文件里面可能其中三个地方对已有的 HTML 模板进行一些修改

我发现我在用 Proplexity Search Engine 搜索引擎之后我可能学习的速度比我之前要可能快了 5 倍到 10 倍因为我是一个完全没有 CSSHTML 背景或者知识的人这是我觉得第一个很有趣的 use case 使用场景第二个使用场景就是过去两周我们俩也在做很多 SEO 相关的事情

怎么样去批量生成这种 SEO 文章那就成为了一个非常关键的问题在 AI 这种生成引擎出现之前很多人写 SEO 文章批量生成都是去比如说 Fiverr 上面找这种 freelancer 这种外包的写手你可能给他们 I don't know like20 美金 50 美金一篇文章之后你就可以去让他们快速的给你写出来

那有了这个 PerplexityGPT 这种生成 AI 了之后你可以直接上传别人写过的这个 SEO 文章然后用来写出我的文章的基本框架然后我做的一件事情就是我每一个文章先上传到 Perplexity 里面之后我再在出来的基础上对已经有的基本文章框架进行改动

我算了一下就是过去这两周或者三周写 SEO 文章的时候我利用这个生成 AI 省的时间大概是 30 多个小时也就是说我可能只用了 I don't know15 个小时写出来了可能 10 篇或者说 7 篇 8 篇的文章之前我要是去 Fiverr 上面找人对吧我首先要一篇文章花 50 美金其次我还要更加花很多时间沟通沟通成本什么这种交易成本什么都更加

这是我的第一个感悟那第二个感悟呢就是我发现一件事情就是我最近在思考一件事我不知道你有没有思考过这个事情就说学习一个技能的时机非常的重要我说这个话是什么意思呢 Perplexity 这个生成 AI 非常的好用那它作为一个搜索引擎其实已经可能比谷歌还要好用

打个比方我现在基本上都不用 Google 了有什么事情我就会直接去找 Perplexity 首先他给我答案给的更加快其次我还能用一个语言对话的模式去问他一个比较复杂的问题这个就让我想到一件事就说我现在在用 Perplexity 做搜索引擎优化这件事情

但是呢假设说在十年对吧五年之后有一半的人他们都不用谷歌这个搜索引擎了或者说他们搜索的这个习惯已经不是一条一条的 listing 而是说根据一个对话框然后他会说我搜索就是问 AI 一个问题然后他还给我的东西就是一整个文档那 SEO 搜索引擎优化关键词这个技能就可能不再有用了因为谷歌这个东西就没有那么流行了大家很多广告商啊很多人去搜东西的时候他也不再通过谷歌了

那学习 SEO 这个技能的时机可能就不再对了我现在学 SEO 可能是一个在 SEO 这个行业里面已经是在黄昏行业的时候我才学的了我不知道你有没有在工作或者说在创业的时候有类似的这种体验先补充一下我觉得 Perplexity 现在应该是至少我用下来感觉是比 ChadGBT 还要好用因为 ChadGBT 有点引用一些东西还有点扭扭捏捏的不好意思说就给别人 credit 还是这个那个然后但是 Perplexity 你

随便问什么简单的问题难的问题他都会把三到五个他利用到的一些信息啊和资源他直接给你列出来如果觉得说他解释的不清楚那么几个链接都在那你就点进去看就行这点补充完了嘛就是现在谷歌其实自己也在搞一个那个叫什么

AI summary 的那个东西就是说你问他一个问题他不直接给你那个 listing 直接是文字就是几个自然段然后给你解释一下你要的这个东西所以你其实看下来如果说只是要问一个比较简单的问题还是干嘛你可能在手机屏幕上第一页你都看不到任何的链接所以那这个时候你做 SEO 你再优化你就算排名排第一你也排不过最顶上的那个 AI summary 这个技能确实是我不晓得谷歌会怎么去

应对这件事情吧但是像你说的我感觉是有一点点黄昏有点凉凉的那种感觉然后我就观察身边的朋友啊我们俩做事情啊等等这种商业上面的事情之后我就发现类似的事情其实就不断地在发生就比如说我女朋友目前在学基本的 HTML CSS 但她在上课的第三天就她没有任何的这个代码

背景它就已经可以靠 GPT 生成一个网站的基本代码并且进行修改这个时候就可能在这个 AI 出现之后你学习 HTML CSS 甚至以后有一些比较好的编程 AI 比如说 Python 对吧就没有意义了因为你不需要再有这个技能了它就已经帮你代替了还有一个例子就是我以前在 VC 实习的时候要做很多这种

行业调研那现在我可以直接通过 Perplexity 上传一些行业研究报告然后让他整理信息我前段时间做这个 Boker 的 research 的时候我就是在做农业这个产业相关的调研然后我就直接跟 Perplexity 说给我什么 2024 年最有权威的四个农业报告然后他就会给我搜出来

还有最后一个 use case 是上周晚上我在准备一个公司的项目项目要搞一个开始会议会议上面有我们的副总裁我就觉得这个会比较重要所以我就在晚上搜码有没有什么能够自动生成 PPT 的软件找到一个 PPT 自动生成软件叫做 Gamma

我就在这个 Gamma 的对话框里面写了一个 500 字的项目描述结果他生成的 PPT 的逻辑比我自己画的更加清晰更别说 PPT 的美观程度了我觉得更加 impressed 的一件事情呢就是他对于这个项目主题的了解非常深刻我当初写的是 account based marketing 这个话题甚至在 reddit 在论坛上面都没有什么很好的资源这个 Gamma 就能很清晰的给我分析出这七页每一页需要写什么东西

那我就在想以后还需要那么多画 PPT 或者金融建模的人就比如说可能很多管理咨询的人甚至投行的人可能真的都会失业了类似的事情在不断的发生所以我觉得 one question 在我们进入 Proplexity 这个公司之前一个我觉得值得探讨的听众们可以思考的问题就是有哪些技能是未来还会不断需要的技能我们之前讲过比如说讲故事是一个永远都需要的技能写文案是一个永远都需要的技能

我觉得在 GPT 这个时代如果你要创业或者商业提高你的效率对吧还要加上另一个技能就是问对的问题或者给出清晰的指令让 GPT 或者说这种生成呀去帮助你完成你的任务那这个是我过去三周的一些感悟

我们现在就来讲一下今天我们第一个公司那我们已经 cue 过他很多次了这个公司就是 Perplexity AI 它的标语叫做 Fastest way to get answers to any question 用最快的速度来回答你的任何问题其实它的 value proposition 对吧它整个公司的这个 mission 就是说我要做一个非常快速非常准确的搜索引擎所以它完全就是用来对标谷歌的

说到这里呢有很多听众可能会说 OK 那 Proplexity 它和 ChatGPT 最火的这个 OpenAI 做出来的产品 GPT 有什么差别 ChooseBeToldOpenAI 最近刚出了他们这个搜索引擎的一个新的产品但是 Proplexity 其实一直是以一个回答问题为主而不是以一个对话为主

就有可能就像托马斯说的在用 OpenAI 的 GPT 的时候有可能他会用对话的形式去回答你的很多问题可能他的某些答案都不是很正确甚至说更加天马行空因为他是以对话为主的但是 Propexly 做的很好的一件事情就是他首先保证并不是说他要跟你进行一个有趣的对话而是要回答你的问题并且要采取对的信息源

说完了这个 Propensity 的核心功能其实就是一个对话框但我觉得它的 Killer feature 就是它其中一个非常强大而且它已经做得比 GPT 或者说 Lama 其他这种大语言模型都要更好的是一个叫做贴子 Thread 的核心功能这个贴子我给大家解释一下我可以在 Propensity 这个对话框里面开很多个不同的贴子打个比方我过去的这三周里面就开了三个主要的贴子一个是问关于 Shopify

的设置的一个帖子另一个呢是问关于 SEO 就是那个搜索引擎关键词优化的一个帖子最后一个呢就是我做播客调研的一个帖子它整个这个帖子呢它会根据你的历史问题对你的下一个问题进行解读并且会给你提供各种问题的延展

也就比如说我现在进入这个 SEO 的帖子我可能第一个问题是你告诉我 SEO 基本上有哪三个事情能够帮助我在一个关键词里面去提高我的这个排位然后他回答你说 OK 第一个是 backlink 你的链接第二个是你的 content 是你的内容你的文章最后一个就是 technical SEO 对吧这个页面的加载速度啊等等等等

他之后呢你可以 follow up 去问他下一个问题说 ok 那现在你告诉我更多关于 seo 内容的这些事情我怎么样去优化我 seo 内容所以他一整个帖子其实都是有关联性的而且 perplexity 本身会记住你之前问了什么问题然后去给你一个更好的答案

贴子这个功能 is such a killer feature 我在用 Perplexity 的时候最大的感觉就是我以后再也不想去问 Google 任何问题了因为我每次回到谷歌的那个搜索引擎界面的时候它都会从零开始它不会记得我上一个问它的问题是关于 SEO 的说完了 Perplexity 的产品对吧很推荐大家去用就是如果你在用 GPT 的话我推荐你去试一下 Perplexity 它其实除了可以用 GPT 4.0 这个大语言模型它还可以让你选择不同的 large language model

大语言模型比如说脸书的那个 Meta 的语言模型甚至伊朗·马斯克的那个语言模型都可以选择所以你还可以有不同的大语言模型给你产出不一样的答案我还都试了一下那我们现在来说一下这个 Property AI 的创始人吧创始人呢叫做 AravindAgo 呢是伯克利的一个校友简历非常的牛逼我跟你讲一下这个东西就是我们赶不上的简历他 2017 年呢从印度来加州伯克利读 CS 的 PhD 计算机科学的 PhD

你已经知道能进博克利的 CSPHD 的这个含金量有多高了对吧非常的顶他 2018 年的时候暑假在 OpenAI 时期 2019 年的时候暑假在 Google 的 DeepMind 时期就是 Google 的那个 AR2020 到 2021 年呢又在 Google 实习做 Research Intern

2021 年毕业之后又重返 OpenAI 进军核心组做研究科学家专门做大语言模型 2022 年也就是大概只有两年前他就从 OpenAI 离开然后创立了我们现在的 Proplexity 他们刚开始做的事情其实是把自然语言就是我们对话的这种语言变成一个 SQL 语言他觉得说有很多人其实他想写 SQL 但他不会写 SQL 我们怎么样用自然语言的指令让他们跟一个 SQL 的数据库去

对话就不用写 SQL 后来发现他们 Use case 对吧这个应用场景其实太小了让他们转念一想就说你把自然语言转换成 SQL 语言其实它背后的一部分的用处其实是跟这个 GPT 现在这个生成式对话框有关的所以他们后来就转型开始做了和 OMAI 差不多的事情就是这个大语言模型和对话

像我刚开始说的他其实完全是对标谷歌这个背景也是来自于他其实在谷歌 DeepMind 实习了一段时间在 OpenAI 也实习了一段时间所以他基本上是把大圆模型和搜索引擎这两件事情给并起来做成了 Perplexity

为什么我觉得 Perplexity 会翻五倍首先呢它的现在的员工人数非常非常的少它只有 55 个人其次呢它的估值是近 80 亿美元它的营收是 5000 万美元我把这个平像跟 OpenAI 做一下比较 OpenAI 的估值是 440 亿美元也就是大概 Perplexity 的五倍多它的营收呢是 40 亿美元

Proplexity 的 80 倍但是为什么我觉得 Proplexity 未来有可能能够成为一个和 OpenAI 现在一样大的公司呢 Proplexity 在做搜索这件事情上面做得真的非常非常的好我之前已经分享过了为什么我现在不用谷歌也不用 OpenAI 但是我会愿意用 Proplexity 其实就是他们这个搜索给出的答案的准确度真的非常非常的高

还有一件事情就是他们的 CEOIrvine 之前在采访的里面公开的说过他不会觉得 Property 增加广告这件事情是一件他不喜欢的事情也就是说他们潜在来说会利用广告也就是说如果你有 Property 搜索结果里面如果有一些什么 quote 或者说 link 链接等等其实他是可以接受你去摆放广告的我觉得这个东西其实和谷歌盈利最猛的广告业务其实是类似的逻辑 Irvine 的 Property 我觉得真的非常靠谱

我觉得未来是一个翻五倍非常好的一个标的你刚才在说广告这个事情我就在想说如果他要搞广告的话他会放什么广告什么东西才有资格会出现在这么准确的一个 search engine 里面就让我想到你之前说的一个问题就是说现在这个时代还有哪些东西是值得学的

就是写 PPT 可能就没什么意义了但是写文章会变得非常重要就比如说你一个机翅怎么做你是怎么把这个东西写的又准确又高级然后呢被 perplexity 给引用 versus 就可能别人就是一个小朋友随便写的一个乱七八糟的东西那这个是你广告的来源吗

就像你说的产出高质量内容并且被这些生成 AI 给 quote 的这个技能就是一个核心的技能然后我再给你个例子就是如果你在 Procrasti 上面搜一些比如说 how to 对吧怎么样做一件事情的话其实它已经有很多这个视频的 listing 它会给你生成一段文字的这些东西然后它在这个页面的右边会给你一些图片或者说视频的这个选项你就可以直接点开那些视频所以去生成好的这些图片或者说视频的内容在未来也还是一个核心的技能

最后再说一个关于他们营销团队有趣的故事前段时间我不知道你知不知道就我用 Perplexity 产品的开始其实不是因为我发现了 Perplexity 这个产品有多好用而是他们公司前段时间搞了一个营销活动这个营销活动的名字叫做 Back to School 返校报道整个这个活动是怎么搞的呢就是他在什么领英然后在各个社交媒体上面就开始发就说他们鼓励各个大学的学生去分享 Perplexity 给自己的朋友

如果一个学校能够在两个月三个月的时间内达到 500 个成员的 sign up 也就是说 500 个大学生说我想要 property 他整个学校的学生就能获得一年的免费的 property 的会员最后呢有 45 个学校获得了免费的会员 guess which school is the first 你猜一下哪个学校是第一个获得会员的

应该是伯克利吧他们有资源 obviously 就伯克利这帮老公都是用 professor 都是他的课业 CS6EA 写不出来然后直接问他们 professor 你帮我生成一下这个代码 by the way I wonder 就是现在这个生成 AI 的年代在伯克利写代码上 CS6EA 的学 Python 的那帮人他们真的还在写代码吗

如果你是一个老师的话 How do you avoid thatThat's a good question 就是其实 AI 这个东西出现了颠覆了很多教育上面的东西另外一个东西我觉得还挺有意思的就是你刚才说这个活动最终是有 45 个学校拿到了全校的免费会员对吧

我就在想说其实我们是在一个所谓的科技的 bubble 里面但是你看全美有这么多学校最后 ended up 这么好用的东西只有 45 个学校说明其实 80% 90%的人对 AI 这个东西其实还是没有感知的所以 there is still a long way to goyou know

我觉得首先我想说这个营销团队的故事就是后面我有一个有趣的故事但是针对于这个营销活动的本身其实我觉得他们做的一件事是很有意思的就是他们把这些全美最优秀最高知的这些大学生的搜索习惯给改变

其实对于他们来说,运用 Proplexity 一年其实还是有很多成本的,他们可能后面的 GPU 得花时间跑,他们送了那么多免费的 Proplexity 会员,还是有产品上面的成本的,但是我觉得他们在做一件事情就是 Product Seeding,他们做产品的播种,也就是说如果我是一个大学生,如果我在大一的时候就已经开始用 Proplexity 作为我的主要的搜索引擎和获取知识的来源了之后,我是不可能再回到谷歌的,

从我的角度来说我用了谷歌那么多年我可能谷歌 ad 对吧谷歌广告 seo 是我用来吃饭的这个技能我都觉得 OKlikeproplexity 这个东西比谷歌要好十倍那如果我作为一个大学生未来进入行业了进入社会了对吧我就没有习惯再会使用谷歌了然后我也不会在谷歌的这个广告生态里面去发展我的职业可能我 by default 我就认为所有跟搜索引擎或者知识获取相关的全部都来自于生成 AIright

所以我觉得这是一个非常好的一个营销活动说完了这个营销活动我就跟你说到那个有意思的故事那有意思的是什么呢就是说做这个营销活动的这个 Perplexity 的员工跟我打了一个照面你知道为什么吗就是他跟我住在一栋楼里面我是怎么遇到他呢就是有一次我开车回家嘛然后我在我们家那个停车场就遇到了一辆 Cybertruck

就是伊朗马斯克的赛博皮卡然后赛博皮卡不是会有各种灯光秀什么门开开关关跳舞之类的然后我就看到一辆很二的赛博车扶了一个很猥琐的漆在停车场半夜 10 点钟放一个灯光秀仔细一看我发现皮卡上面写了 perplexity.ai 然后我就想这不是 perplexity 的人吗我就去搭讪了一下小哥我们就聊了大概两分钟小哥就是做返校报道的营销操盘手

他还好像不是做营销的 Proplexity 最近才开始搭他们的营销团队可能就是一个马农觉得我靠我们要做这样一个有趣的营销活动我觉得还挺有缘分的我没有加他的联系方式 next time 如果我看到他的话我会加他一下跟他聊一下背后这个活动是怎么样搞起来的 so it's a little bit of an interesting story 跟他套个近乎然后说不定跳草跳过去

上大学那会儿我每次去旧家里做客都不知道要说什么因为我们俩之间差了三届想的东西和认识的人都不太一样每次见面除了打游戏吃饭就只能尬聊直到有一天为了找话题我给他推荐了一个东西以为他不会感兴趣结果老哥比我还上头从那以后我们俩就有很多东西聊关系变得很好还打算一起创业搞钱那到底是什么东西这么神奇呢我当时推荐给旧的是一个不太正经的搞钱播客

那这件事情教会了我两件事第一是向身边的人推荐播客可以很快的筛选出志同道合的朋友也可以让熟人更熟第二没有第二说了这么多就是希望你能一键三连发发朋友圈小红书把小火车过桥播客推荐给身边的朋友也许你的下一个合作伙伴现在就在你的列表里另外有项目的朋友欢迎发邮件私信我们

我们的联系方式是小火车过桥的拼音小火车过桥 at163.comOK 我们现在回到播客

既然聊到了这个谷狗狗系的这个事那 Proplexity 这个公司很明显就是狗系出来的我就接着狗系的这个 chain 继续聊这一集结束之后大家会发现我聊的这四个公司其实都是狗系的就是都是谷狗系的 But anyway 我知道这个公司是怎么知道的呢就是上周我跟一个我很要好的哥们 Way 吃个饭 Way 呢他其实是在谷歌的广告部门干活也就是最赚钱的那个部门

他就是跟我提到了一个最近很火的公司他们在做的事也特别的有意思然后我去研究了一下之后我觉得这应该也是一个能够 5 到 10 倍增长的估值的公司那这个公司呢叫做 Glean AI 是 2019 年成立的它现在的估值是 46 亿美金它的营收是 3900 万美金它一共有 250 个员工所以就是一个还在打磨产品刚刚进入疯狂增长的一个公司

他创始人呢叫做 Arvind 这个老哥呢也是一个狗系的老哥他 2003 年到 2014 年在谷歌做了 11 年也就是从谷歌还没有 AdWords 的时代一直做到了他们统治广告他是这个元老级工程师

你在他的这个领域上面看到他上面写的这个抬头对吧就是 distinguished engineer 就是非常牛逼的工程师他在谷歌待了这个十几年之后呢就出来创业他做了第一个公司呢叫做 RubricRubric 呢是一个云安全公司他在 2014 年做到大概 2019 年还有现在应该是董事会吧就不是很参与从零做到了 1000 个员工今年好像刚刚上市了目前 Rubric 这个公司年营收有 7 亿美金左右所以老哥 is absolutely killer 就是他

已经有一个从零做到上市的 SaaS 公司了他在做 Rubric 的时候呢发现有一个很严重的问题他的这个 1000 个员工在这个公司里面每天都面临着无数的文档信息通知知识库员工们经常找不到一个谷歌共享文案或文件或者说经常找不到一张表格于是呢老格就决定做了他的下一个公司 GlingGling 是干嘛的呢简单的来说就是一个公司内部的搜索引擎如果说你现在用的所有的 LLM 这些大语言模型对吧

背后都是无数的网页采集来的信息训练成的话那 Glean 就是通过客户公司内部所有的数据训练出来的一个专门服务于这个公司本身的员工的搜索引擎我跟大家分享一下为什么这个东西是狗戏的这个产品其实本身就是一个谷歌内部带出来走向市场的一款产品

在谷歌的内部其实就是有一个这样子的搜索引擎的它有一个知识库当然谷歌作为一个搜索引擎它就觉得我最好最方便最快解决任何一个人想要去看比如说随便一个产品一个功能的文件或者说一个功能的发行等等这些文件之类的话最好的方法就是搜索引擎因为搜索是最快的速度最短的路径加上了最近的生成 AI 的一波福利之后 Glean 目前正在飞快的增长

接下来是我的这个 thesis right 就大家可能觉得 ok 那是一个公司内部的搜索引擎他为什么那么值钱 right 为什么那么有潜力我现在跟你分享一下

这个产品的想象力我觉得是大到它的上线目前看来它的上线就是 Salesforce Slack 和 Workday 这样子的 system of record 级别的一些公司我先跟大家简单的解释一下这个 Salesforce Slack 和 Workday 是什么东西 Salesforce 就是一个 CRM 简单的来说 Salesforce 就是所有的你的客户的信息的一个登记处一个数据库比如说我们公司就是一个 Salesforce 的深度用户

我每天上班都要在 Salesforce 里面去拉各种报告我今天说我在中等这个市场客户里面我们的这个销售团队正在跟他们聊的一些客户一些 accounts 那我就要去 Salesforce 明天我说 OK 那我现在要涨一些之前我们公司联系过但是我们输掉的这些客户就是他们去跟我们的 competitor 做生意去了那明天我要进去 SalesforceSlack 是什么呢 Slack 就是北美的飞书我每天在公司上面跟我的同事聊天因为我是远程的我跟

公司同事聊天聊业务啊等等都要在 slack 上面最后一个东西是 workday 就是所有的 HR 的事情你今天拿到多少的工资啊等等所有的东西都在这个里面这些公司呢其实都是硅谷或者说 SaaS 产品暨服务界里面一些元老级的而且大到大家觉得他死不了的公司了那为什么呢就是因为他的粘性非常的强嘛

如果我是一个科技公司我所有的客户的数据或者说我所有的工作的信息全部都在这个 WorkdaySalesforce Slack 里面那我基本上就不可能再去一个别的同级的产品说完了这个为什么我觉得 Clean AI 这个内部搜索引擎可以潜在来说替代 Salesforce Slack 或 Workday 这样的 system of Recurrent 我跟你举几个例子

第一个例子呢是 Glean 它可以跟这些系统进行对接训练一个企业内部的搜索引擎根据整个公司的 Salesforce 你的这个客户数据库的这些数据去回答任何一个销售或者说市场营销或者说产品组的人的

关于任何一个客户的问题假设说我现在做的一个习惯是我要了解一个客户对吧我得先跑到 Salesforce 里面我得点开这个 Salesforce 客户的单子我得去看 12 月 9 号的时候做了些什么事情 1 月 3 号的时候我们的销售团队给他们打了个电话 2 月 3 号的时候我们给他发了一个邮件那现在有了 Glenn 之后我可以直接搜索我想要知道托马斯这个客户在过去 6 个月内所有的我们公司跟他们有过的相关的活动那他就直接给你拉一张单子出来

时间长了对吧我为什么还要去 Salesforce 呢我为什么不直接用 Glenn 给我提供的这个公司内部搜索引擎呢像 Salesforce 这样子庞大的系统数据库在长期来说就会变成真的就是一个数据库而不再是一个你需要运用的工具也就是说我是做一个新的销售我就不需要再学习我怎么用 Salesforce 我只需要搜索引擎里面问问题就行了同等的对吧对于 Slack 就是北美飞书来说我时间长了我就不会再去用飞书或者说 Slack 内部的这个搜索条了

By the way 我不知道你用过 slack 的搜索条 slack 搜索条真的巨难用我前两天发了一个信息然后我就说 OK 我要找我自己发给我自己的信息里面有这个关键词然后每次搜他都会给我搜出来所有就是我给别人发的信息 So that shit just doesn't work

时间长了如果我有 Glean 我可以去搜索任何我发过的 Slack 的信息并且把它和我任何写过的共享文档数据加上 Salesforce 的客户数据给连起来了之后我为什么还要去 Slack 里面再去搜索我之前的信息呢

企业对于 Salesforce 和 Workday 和 Slack 这种公司依靠的是他们的 Source of Truth System of Record 的功能 Salesforce 和 Slack 会卖给你这些相关功能的 Add-on Service 就比如说你作为一个数据库那你得去拿报告那我拿报告是作为另外一个功能在加钱卖给你的在 Glean 给你了企业搜索引擎了之后你其实就不需要任何这种添加的功能你只需要它们作为一个数据库的作用

说到这里对吧我说了很多那大家可能有的 follow 有的没有 follow 这一集其实更多的是给像我这样的在 SaaS 软件系服务的行业里面从业的一些人员或者说你对这个方面感兴趣的话你会觉得这个很有意思 Salesforce 目前的估值是这个 2800 亿美金我觉得依靠这个 Glean 的庞大的想象力短期内完全能够做到他们的十分之一也就是 200 到 300 亿美金左右

而且 Glean 很强的一件事情就是他们的市场营销和销售这个组已经在和一些企业级的客户合作了我给你举几个例子 Dolingo 已经在用 Glean 然后 Confluent Databricks 也已经在用他们内部的搜索引擎了我非常希望我的公司能够用上 Glean 我们来作为反方向说 Glean 这个公司它最大的风险是什么你听下来你觉得是哪几点

first impression 他其实更像是一个 add-on 就是说他最后还是得靠这个 salesforce 啊 workday 去存一堆数据他才能在这些数据的基础上去做一些操作嘛从我的视角来看就是可能说有点 secondary 如果说一定要有一个返利的话从工作的经历来看的话确实 confluent 里面搜不到东西 slack 里面也搜不到东西然后

公司自己的 wiki 那基本是不能用我是员工或者说我是老板我会希望说公司里面有这么一个东西那具体说他赚不赚钱什么的我觉得可能他毕竟是有一定的依赖性在因为他得用别人的数据然后去做一些 training 我给一个我觉得潜在来说最大的风险我觉得对于像 Glean 这样子的一个技术为主的一个 AI 公司来说他们最大的可能不是说他们这个产品有多好

而是这些用户有多能够接受他们的产品假设说我们的公司使用了 Glenn 之后在销售团队这个团队里面会发生一个他们用户行为和他们每天工作行为上面的一个根本的改变也就是说他们再也不会用 Salesforce 了

企业能不能够接受这样一件事情企业能不能够信任 Glean 的这个内部搜索引擎能够给他们一个 100%的数据抓取的一个准确率对吧这个搜索引擎是不是靠谱其实是一件非常非常重要的事情比如说像我们现在 1500 个人的销售团队他们每一个人真的都是每天都活在这个 Salesforce 里面你要改变一个用户行为其实是一件非常非常难的事情

这是我觉得第一个他们可能会遇到的这个障碍或者说阻力第二个阻力呢其实就是 implementation 比如说 Databricks 是一个做数据的一个平台它是个 B2B 的产品它的这个客户的画像其实和 DolingoDolingo 是一个做语言 APP 的一个产品一个 2C 的产品是非常不同的

所以也就导致于他们公司内部的这些文件数数据库知识库长的这个样子其实非常不一样的所以我觉得 Glenn 他需要面对的一个挑战就是他怎么样去通过完全不同的这些公司内部的文件去训练出来一个可靠率达到 96%或者 100%的内部的搜索引擎从他们的创始人的背景来说狗家 10 年 11 年我觉得也不是白做的所以我觉得他们潜在的潜力会比他们的风险要强或者说高非常多

既然已经说了两个狗戏蹦出来的大牛搞的公司那我就再聊一个最近在关注的公司我觉得这个公司的估值也能够翻五到十倍并且它的背后也有谷歌参与所以谷歌也 totally like a tech hubagain 这个公司的基本数据也是 2019 年创立目前的估值是 10 亿美金它的营收是 3900 万美金现在有 250 个员工

投资人中就有谷歌 venture 和 salesforce 风头 salesforce 愿意投的一个公司就是因为他们有作为 system of record 的记录系统级别的一个公司的潜力那我就直接开始说这个创始人呢叫做 Evan Smith21 岁毕业了之后呢他是加入了一家这个新能源的创业公司他那个时候呢就是搞一些什么 clean jet fuel 清洁的飞机燃料他在那边就做了可能 7 年的这种新能源

28 岁的时候他就决定自己出来做一个环境能源食品业务的私募的投资人他服务的就是一些家族的基金所以也是一个有强能源和私募或者金融背景的一个人他的下一个公司就开始自己创业了就开始做了供应链技术又加入了一个叫做 Pangeva 的公司这比较有意思他在前段时间被 SP500 股票的指数公司给收购了 Pangeva 这个公司其实是一个卖数据的公司

它卖的是什么数据呢这是这个供应链交易的数据就比如说假设你是一个跨境电商的品牌那你要去找这个国内的某一家工厂某一家工厂呢其实它可能还不是这个源头工厂只是加工一些东西但是它的这个材料呢还是另外一个源头的材料上在进的那可能材料上还有这个下游的这些工厂啊等等等等

那这个东西就是一个非常庞大的一个链条 Pangeva 做的一件事情呢他把所有的这些供应链各个节点的商家或者厂家给联系起来卖给你这些比如说这个厂家 A 和厂家 B 做过一个交易那就卖这个数据给你们 Evans 就在这个公司可能从零到一把这个数据的这一块业务给搭起来并且被 SP500 收购了之后呢他就发现哎我觉得比卖数据更加有野心的其实是做一个数据平台

于是他就创立了我们今天要讲的这个公司第三个公司叫做 Altana 我先给大家介绍一下为什么我觉得 Altana 是一个非常有潜力的公司为什么我们说卖数据这件事情没有做数据平台之前有很多这些卖数据的公司他们的定价模式就是你打包去买我们的数据我们每一个数据根据多少的价格卖给你们如果你作为一个数据平台定价模式就会被改变了

你卖的不再是一个数据而是一个 API call 你每去利用一次这个平台的 API 我就会收你一部分的钱除了这个 API call 这个商业模式或者说这个变现模式呢你甚至还可以做一个 subscription base 或者说 sus base 的一个事情比如说像我们公司是通过硬件的订阅来给你软件的系统的 access

比如说我们公司卖很多行车记录仪当然一个行车记录仪是一个硬件但是我们会说你每个月要为这个行车记录仪付多少多少的钱那实际上并不是你一直要去租这个行车记录仪这个行车记录仪其实本身价格也没有那么的高其实你付的这个会员费呢是为了我们背后的这个数据平台

因为你这个行车记录仪或者说你这个 GPS 它在不断的向你背后的平台传输你卡车的各种数据然后你在这个数据平台上面操作才是我们这个平台给你带来的真正的价值所以 Evans 他发现的一件事情就是说做数据平台的这个变现模式这个商业模式本身是比卖数据远远天花板更加高的一件事情

现在我们来聊他们的产品 Altana 这个公司呢核心产品就是一个供应链数据平台给大家举个例子现在我们大家每天用的领英是职业信息的数据平台脸书 Meta 就是社交信息的数据平台

Altona 做的事情就是供应链的数据平台我给大家举一个之前我已经 touchdown 的一个例子假设说我们现在有一条供应链从最上游的买家品牌方到中游的中间商加工商到下游的各个生产商再到下游的原材料商它的一条线其实有可能 5 到 10 个商家 Altona 做的事情它去收集了所有这些商家的上下游的数据比如说他们的下游的原材料商家是谁

他们每一年都跟哪一些上下游的商家进行过这个对接交易这些数据是哪里来的呢当然有很多数据是公共的比如说 Evans 创立 Altona 的之前那个公司 Pangeva 对吧就是卖这个数据的那也有很多这些数据呢其实是私下的也就是我们说 first party data

他呢做的一件很屌的事情呢就是他们跑去找这些买家这些非常大的比如说国家机构啊大型的用户啊比如说这种超大的船运公司啊对吧因为船运公司完全就了解我是从谁那边进货的啊然后我要发到哪个工厂啊

他们哪个上下游是怎么样的一个关系让他们去找了这些国家机构大型用户去要这些私有数据在这些公有数据和私有数据的结合下他们把这些数据拿起来做成了一个数据平台目前他们收集过 5.3 亿个供应商的数据一共分析了超过 1.3 亿条供应商和供应商之间的链条和超过 30 亿份运输订单就是海运船运空运等等

其中超过一半的数据其实是第一方的私有数据他们其实之前的就是第一方他们自己去找这些国家机构大型用户大型传言公司收集的私有数据那我说完了他们这个数据的 infrastructure 是怎么样建起来的那现在我给大家说一下我作为一个客户为什么会想要用 Altona 这个平台

比如说我是一个 alternative 的客户我的一个下游的供应链商家对吧给我发的这个订单上面有一串我看不懂的号码这串号码假如说说 I don't know1234567 来自于我的下游的供应商的下游的供应商就是来自于他们的这个下游供应链商家

那 Elta 呢就会帮你做一件事情他会把这串号码跟他们系统里面上亿条数据进行对比然后呢他们会通过这个 AI 模型告诉你你的这个下游商家有可能他们跟越南或者说泰国某某的这些厂家别的十个厂家在进行交易在这样几十亿的数据对比下他们的数据库越来越庞大就大到可以比如说机器学习预测你的这些商家比如说苹果

你的下游都有哪一些生产商等等他们最近的活动是什么假设说我是一个汽车生产商家那我可以看到我这个下游里面有没有有在利用被迫劳动力的这些商家有可能对吧根据政府政策如果我供应链里面有被迫劳动力的话我是要被罚钱的那你就避免了这个风险第二个 use case 呢是有没有不符合碳排放标准的供应商

现在很多像苹果像我们这些科技公司都要说 2030 年这个碳排放归零那我怎么样去算呢对吧因为我供应链里面的人他可能在瞎排放那我能不能去掉这些碳排放的供应商还有更实际的这些 use case 比如说有没有濒临破产或者说近期没有按时交付产品或者合同的公司那你可以跟他说下游的 10 个商家里面有两个商家是中高风险他们有可能说没有办法按时交付

如果我是一个汽车厂家然后我说我要造一个引擎造引擎的其中一个螺丝的厂家它是高风险结果说 6 个月之后货还没有到我就被停了 6 个月对吧这个东西其实就花了公司很多的钱很多这种在供应链上面保持供应链质量或者说维护供应链稳定性这样你的供应链去跟政策符合对吧就 compliance 这件事情其实对于像我一个汽车生产或者说一个苹果来说是一件可能会被罚很多钱

可能会浪费掉很多钱的事情然后他赚的就是这个可能被罚掉或者说可能会损失的钱的中间的一部分就是一个数据库嘛参与的人可以各种 API 把数据拉出来我会好奇说作为一个大众汽车我为什么要用这个平台然后这个平台是 pricing 或者说是怎么收费的他们现在 pricing 应该是一个 API based 的东西然后他们这个产品的 nature 就决定了他们只能服务这些中大型的客户

因为比如说是一个 1000 万营收的这种小品牌他们其实也不会在乎比如说供应链里面有没有被迫劳动力因为他们不会被政府相关部门去盯着去罚款这些事情所以说我之前说的这些 use case 如果说我是一个大众那大众在欧洲比如说供应链里面有被迫劳动力的话你需要罚款多少多少钱的一个政策或者说你需要告诉我你的所有的这些供应商里面有没有不符合碳排放标准

或者说你要把所有你的你供应商里面的这些碳排放全部都加起来然后给我一个数据那其实 altada 就帮他们省了很多很多这种被罚的款或者说要去请专门算碳排放指标的人的钱这是其中的两个 use case 更加有意义的 use case 就是说如果我是一个大众我要生产一辆汽车就像我刚刚说的如果我供应链里面

有一个螺丝的这个商家他最近有没有按时交付的风险那如果说我这一波车引擎里面就缺这一个螺丝因为这个生产厂家他有六个月没有交付那我给我的顾客就少交付了六个月的车可能这个损失就已经是上亿或者说至少上千万级别的我如何去避免这个供应人里面出差错那就是他们的另外的一个有非常强的 value proposition

说完了这些最后再加一些就是为什么会翻五倍 Google Venture 就是谷歌的风投和 Salesforce 的风投都投了他们我觉得 Salesforce 投他们的主要的理由就是说这是另一个 System of Record 记录系统级别的公司 Salesforce 我们之前说过是客户的记录系统 Slack 是北美飞书是工作信息的记录系统 Workday 是 HR 和人力管理的记录系统 Otana 其实他们想做的就是供应链的记录系统

他们最近还出了一个新的 feature 就说因为他们已经收集了超过 5.3 亿个供应链的供应商的数据他们还单独拿出来做了一个功能就说你可以在他们的平台上面搜索一些信誉或者说他们的供应链链条分析了之后是一个质量比较高的这些供应商所以这个就是他们可能一个 byproduct 但是我觉得这一个产品对吧已经够 valuable 了就可能自己都是一个上千万的 business

给大家一个我觉得天花板我目前在的公司他们其实想做的卡车的记录系统级别的数据平台我们公司营收刚刚超过了 10 亿美金估值在 250 亿左右供应链其实是一个更加庞大数据更加多的应用场景所以我觉得我不会觉得他们估值超过 250 亿是一个不可想象的一件事情

当然你们的 Joe 我也去看了他们的网站对吧他们有没有在招什么需要一个很强的增长人进去帮他们在增长他们现在还在 build up face 就是还在搭产品的阶段但是他们已经开始有招这个市场营销的人了我觉得现在加入应该是一个起飞的非常好的时候

那我们今天最后一个公司吧那这集非常的 technical 留到现在的听众我相信大家都是真的对技术或者说 AI 或者说 SaaS 还是比较感兴趣的那要是你觉得没有兴趣 It's okWe also have like some other more stupid episodes 最后一个公司呢就是我认为在未来五年内我觉得估值也会翻五倍的公司它也是一个 AI 公司

他也是一个狗系 Google 系出来的公司这个公司的名字叫做 Harvey 是一个专注于做律师 AI 助手的公司他的主要客户就是律师律所他现在的这个 Traction 用户的体量已经有全世界 125 家中型和大型的律所和金融机构在使用了举一些著名的客户的例子比如说 Bridgewater 桥水 Ray Dalio 的对冲基金比如说 T-MobileKKR 森木投资机构 PWE 应该都听过

目前他们这一款律师 AI 助手产品有 45000 个律师正在使用而且这 45000 个律师是正经的对吧在做一些什么并购案 Litigation 或者说 Corporeal Law 的这些律师所以是一个目前已经在市场营销或者说在客户端走得非常远拿起来就能用的一个公司了

他这个联合创始人之一呢名字叫 Gabriel 也是狗系的之前呢也在 Google DeepMind 我们刚刚说的 Perplexity 的那个 Founder 也待过那个地方做过这个研究科学家如果你去 Google DeepMind 扫地的话我觉得这也是一个很好的职业对吧要是我去那个 Google DeepMind 扫地对吧我就每天给这些上班的员工对吧发红包然后带吃的买早饭然后跟他们搞好关系未来我就说哎你做什么对吧我都要投资对吧

我就投个 5000 美金你给我 0.001 的股份我可能最后都发财了 That's such a better strategy than all the venture capitals out there

我们来说一下这个 Harvey 的产品 Harvey 一共有四款产品第一款产品呢是 assistance 也就是这个助手可以让律师们上传客户相关的法律文件进行分析学习甚至修改你可以跟这个助手进行实时的对话你就可以把它想象成一个企业级的 chat GPT 但是它是在一个律所的这个环境下面它懂很多法律知识第二个产品呢叫做 Vault 就是一个文件数据库

每一个案子就是说一个并购案对吧他可能有上千份文件甚至有上万份文件他的 vote 文件数据库就可以让这些律师上传所有跟一个案子有关的文件并且分析这些文件去生成各种的分析就他们这个平台上面说每一个客户律所已经平均上传了超过一万份文件了如果你是他们的客户的话你至少上传了一万份文件

That's a lot of traction 我觉得这已经是一个非常强的产品和这个市场的契合度的证明就是非常强的 product market fit 第三个产品呢是 research 也就是研究它能够让律师们快速的搜集关于某一个法律话题最近的法律条款和文件并且可以通过对话获取这些信息

你和我最近都经历过在比如说什么 Delaware Government 对吧什么网站上面去搜最近这个 BOIR 文件上传有没有什么更改啊或者说要去给什么当地的三个不同的办公室打电话问他们我们这个文件有什么问题啊等等等等那这个 research 就能很快的让你去获得这些答案

第四个最后一个产品呢就是 workflow 工作流它可以根据这些律所的各个客户的文件或者说文案去定制一些工作流生成关于此客户的各种报告比如说有一个香港律所呢他们会收到很多繁体字啊简体字啊英文的各种这个法律文件 workflow 就会帮你全部翻译成一个你想要的语言它会给你一个很好的一个时间线就说这个客户今天有这个文件明天你修改了这个文件后天

哪个法庭给他发了这个文件啊等等进行翻译进行这个合同的对比然后甚至你可以去修改这些合同把两个文件放在 side by side 去修改等等等等我说了这么多呢就是为了让大家感受到一件事情就说 Harvey AI 这个律师助手呢其实他有非常多的竞争者律师这个事情真的是一个钱非常多的事情我先给大家分享一下他这个基本数据

他们是 2022 年才创立的也就是这个公司只活了两年他们现在的估值已经有 15 亿美金营收已经达到 2500 万美元他们现在有大概 300 个员工那我给大家 make my pitch 就说为什么我觉得他们会翻五倍我们来算一下他已经为客户产生了多少价值我们假设一个律师他平均的时薪是 500 刀就是一个 corpus law 的律师目前正有 45000 个律师在使用他们的产品

他们在网站上面说他们目前跑出来的成果是每一个使用 Harvey 助手的律师平均每一周能够节省 5 个小时的时间如果这么算一下他们已经为客户节省了超过 2200 万美金的开支他们目前的营收是大概 2500 万美金

所以说他们这个营收其实就是他们帮这些律师节省出来的钱算完了营收我们来算一下他们的天花板全世界最大的 200 家律所一共有超过 10 万个律师他们每年大概提供了价值超过 1300 亿美金的法律服务如果说 Harvey 能够继续为每个律师提高 12%的效率这个 12%对吧就是 5 个小时除以 40 一周工作 40 个小时

那他们就相当于变相创造了 156 亿美金的法律服务的价值也就是说这个公司的潜在天花板年营收可能是 156 亿美金这个是营收啊所以他们的想象力就不用多说你现在想这个很像你想去看一下他们这个招聘网站的话他们现在已经在找跟做增长跟做 growth 有关的人了所以他们真的是在 skill like crazy 的一个阶段

他们现在做的一件事情就是他们要去把所有的这些全世界最大的或者中型的律所全部都搞上来当他们的客户我一直都挺喜欢这种把 old school 的 industry 加一些新的高科技装备的这个思路吧就除了律所以外我觉得比如说餐饮或者说医疗都是可以想到什么切口然后直接 some AI 就能做到一个很大的盘子 I like it alright

今天这集就差不多了总结下来今天聊了四个我们觉得未来五年内估值会翻五倍的 AI 公司第一个是 Perplexity 就是挑战谷歌的新搜索引擎第二个是 Glean AI 就是企业搜索引擎的 SaaS 软件机服务第三个是 Altana 供应链记录系统级的 State of System of Record 级别的数据平台最后一个就是 Harvey 我们的 AI 律师助手

我觉得最后一个想提的 trend 就说 AI 时代这个创业的速度和这个 annual recurring revenue 你的营收增长的速度已经是非常非常的疯狂了这每一个公司基本上都是 2019 年之后才创立的到今年也只不过才 5 年甚至说两年三年他们就已经做到 2500 万 3000 万美金的营收我觉得以后这些 SaaS 公司有了 AI 之后他们创业的速度只会更快

如果你正在考虑跳槽你在科技行业或者说你在硅谷我觉得这几个公司是非常不错的选择我也有在跟我的有想跳槽的朋友在分享如果有小伙伴真的去了请你告诉我们甚至你可以内推我我觉得我也可以去做增长 By the way 我也去瞄了几眼他们现在的招聘有一些 role position 就是 I'm not qualified for itbut there are opportunities out there 结束之前希望大家公司的股票都能够翻 5 倍 That's the part