Reasoning Models Are Remaking Professional Services
37:48 Share

我的很多同龄人，如果他们聪明又幸运，就会进入金融服务行业。他们会去成为一名投资者。我意识到世界上最聪明的人，非常聪明的孩子，都在做最愚蠢的任务。如此多的乏味工作，重复，砰，砰，砰，日复一日，夜复一夜。我看到了痛苦。我注意到我的朋友们真的讨厌他们的生活。

在斯坦福大学，也许我从那里的创业社区中学到的唯一另一件事就是创办一家有痛苦的公司，而你

我22岁的大脑说，这里有很多痛苦，世界上最重要的技术可以解决这个问题。那就是我要去建立一家企业的地方，在其他人开始勾勒它之前。感谢您收听A16Z AI播客。今天，我们将通过A16Z合伙人Alex Immerman和Hebbia创始人兼首席执行官George Zavalka之间的对话，探讨专业服务和AI代理的交叉点。虽然我们还处于代理工作流程发展的早期阶段，

但由于Hebbia采用了推理模型和一个无需依赖聊天的用户界面，因此可以安全地宣称自己是其早期应用。在这个讨论中，George和Alex探讨了这些设计决策背后的基本原理。他们讨论了为AI原生用户群构建产品，并深入探讨了AI带来的改变行业的益处，尤其是在金融服务、投资和法律等领域，聪明的人在这些领域花费过多的时间去做乏味的工作和勾选框。

哦，George还表达了他对DeepSeek的看法，并谈论了他最喜欢的AI工具。所有这些以及更多内容，在这些披露之后。提醒一下，请注意，此处的內容仅供参考，不应被视为法律、商业、税务或投资建议，也不应被用于评估任何投资或证券，并且不针对任何a 16 Z基金的投资者或潜在投资者。更多详情，

请访问a16z.com/disclosures。George，很高兴你来到这里。过去几年我一直很享受认识你。我很高兴全世界都能听到更多你的声音。我很高兴来到这里。太棒了。好吧，我们将从闪电轮开始，进入AI的核心。很好。让我们开始吧。你认为规模法则会成立吗？

这是一个好问题。我认为有两种类型的规模法则。你指的是训练的规模法则。最近，人们开始谈论推理中的规模法则。我认为它们都是宇宙的有效数学属性。我认为它们不仅仅是实验观察到的东西。你只要知道，随着你添加更多数据和添加更多计算数据，

你知道，这些模型在训练方面会变得更好。我认为如果数据足够多，它们将始终成立，这就是问题所在。但我确实认为GPT-5将比GPT-4好得多。与此同时，你开始看到像

这样的01、03模型，在推理中进行推理或在DeepSeek中进行扩展。这是一种在推理中进行扩展的技术，实际上是由Hedia率先提出的。我们很快注意到另一个规模法则，如果我们在推理时运行更多模型和更多计算，那么对于非常复杂的任务，我们可以获得更好的结果。我认为该规模法则已经被证明可以扩展AI的运行空间。我认为它将继续作为其自身的数学属性而成立

好的，所以规模法则将会成立。我们刚才简要地谈到了DeepSeek。DeepSeek是无关紧要的东西还是一件大事？

我相信它更像是无关紧要的东西。我认为中国一次又一次地证明，他们能够采用通常在美国发明的技术，并使其更高效。我认为中国也一次又一次地证明，他们在谈论某些技术或各种不同事物的科学时，愿意隐瞒真相或省略某些事情。

而不管DeepSea的真相如何，我通常也认为它实际上是一种更便宜的美国技术。美国人也可以使其更便宜。它是在美国发明的。中国并没有表现出他们能够继续推动AI前沿的迹象。这不是一个例子。是的，我认为关于它的一点是推动美国的开源。

让我们重新思考监管方面的潜在问题。这是一个很好的观点。我认为开源很重要。我认为，随着软件成为开源软件，它不再仅仅是发明它的封闭源代码国家的政治优势。但与此同时，你知道，我相信美国领先太多。我认为它将继续领先太多。这些技术，你知道，每年都比去年好得多，以至于我们

我们拥有领先优势。我认为我们将继续保持这一优势。我们拥有世界上最好的科学家、研究人员和思想家在思考这个问题并努力解决这个问题。绝对的。然后我们还有最好的公司在应用层上进行构建，他们将从这些模型变得越来越便宜中受益。百分之百，特别是如果它们在推理中扩展的话。所以。

是的，没错。下一个问题，你最喜欢的AI工具是什么，而不是Hebea？我认为我现在最喜欢的工具是Deep Research，它是在昨天或前天发布的。它很新。非常新。它改变了我使用AI的程度。我将AI用于一切。我试图自动化一切。你用它做了什么？搜索了什么？

我正在研究微塑料对儿童的影响。这些天这是一个热门话题。Deep Research深入研究。不过，结果尚无定论。真的没有定论。我们可以了解Deep Research与最终其他代理在私有数据上工作的区别。我认为这种代理式深度研究将成为最令人兴奋的事情之一，我现在还不能透露Hebby已经证明并正在处理的关于私人信息的事情。我认为Deep Research允许你体验

代理可以做什么。它使用网络上的信息检索，这非常好。但我用它做过一些事情，比如查看我即将会见的一系列高管姓名，并了解他们的一切。所以，你知道，几乎就像客户准备工作一样。呃，

我用它来构建竞争策略，关于我应该如何从战略上与我们生态系统中的合作伙伴合作。而且，你知道，它并不像Deep Research那样忙于你的工作。它是我排名第一的员工。不要误解，Hebbies。你知道，它不如我们在内部创建的东西好，但它开始变得更充实。它不仅仅是一个简单的步骤。这是AI应用未来的一个非常重要的部分。

好吧，你一直在暗示Hebbia，所以我认为是时候谈谈它了。让我们稍微倒回一下时间。当然。你是一位博士生。你正在学习神经科学、工程学、应用物理学，所有这些东西。然后你决定要建立一家向金融服务业销售产品的公司。我们是怎么走到这一步的？

在斯坦福大学，有一门课程是CS 330，我认为它可能仍然存在。但这就像对元学习和多任务学习的介绍。当我读研究生时，我完全被这门课迷住了。元学习的概念和前景，以及这意味着教机器如何学习，对我来说，将是所有时代最重要的技术。这只是世界上最酷的事情。我在读博士课程。

我认为大约在2020年6月，我查看了所有研究，跟踪元学习、多任务学习，OpenAI发布了一篇论文。这是一篇关于GPT-3的论文。大型语言模型是……非常重要。它非常重要。但GPT-3论文的标题实际上是《大型语言模型是多任务元学习者》，或者类似的东西。

我还记得当时想，好吧，这将完全破坏整个研究领域，而这个领域包含了我所有的学术兴趣。我试着玩了一下。我还记得GPT-3不是ChatGPT。这实际上是在ChatGPT之前12个月以上。是的，差不多一年半。是的，我想是18个月。

我正在玩它。我想，你知道，天哪，这比我见过的任何东西都好得多。我还记得，你知道，我玩它时有一个顿悟时刻，我想，好吧，它绝对是一个多任务学习者。另一个顿悟时刻。我想，你知道，不会是斯坦福大学从事这项工作的人会发明下个世纪最重要的技术。我只是痴迷于理解如何应用它，并构建我认为下个世纪最重要的产品。是的。

与此同时，你知道，这有点像，你知道，你如何从那里过渡到为金融服务的知识工作者构建AI平台？我的很多同龄人，如果他们聪明又幸运，就会进入金融服务行业。你知道，他们会去成为一名投资者。我意识到早期……

令人难以置信的是，世界上最聪明的人，非常聪明的孩子，都在做最愚蠢的任务。如此多的乏味工作，重复，日复一日，夜复一夜。我看到了痛苦。就像我注意到我的朋友们真的讨厌他们的生活一样。

在斯坦福大学，也许我从那里的相对创业社区中学到的唯一另一件事就是创办一家有痛苦的公司。而我22岁的大脑说，这里有很多痛苦，世界上最重要的技术可以解决这个问题。就像我要去建立一家企业的地方，在其他人开始勾勒它之前一样。是的。

你刚才谈到GBT3是在2020年夏天发布的。快进一点，ChatGBT于2022年11月发布，但并非专门针对金融服务，对吧？所以当你构建你的产品时，是什么让你意识到，

Hebbia将更适合金融服务用例。ChatGPT体验中有一部分非常神奇，它非常擅长执行单一任务。你可以让它写一首诗，或者你可以让它做你孩子的家庭作业。感觉就像世界末日要来了，一切都被修复了，我们已经达到了涅槃AGI模式。然后你试图让它做一些复杂的任务，一些需要多个步骤或需要区分的任务。

而回应总是，作为一个大型语言模型，我做不到。我认为他们现在已经改变了回应方式。它总是这样回应。

如果你思考它为什么坏了，它对一些可能像有趣、创造性、生成性的事情很好，而对需要认真工作的方面很糟糕，那就是准确性。但这不仅仅是准确性。它的一部分是它只在公共数据上进行训练。而对金融服务，也对法律，对所有知识工作都很重要的事情是离线非结构化信息。它的一部分是工作所需的过程

有点太复杂了。如果你看看ChatGPT以及它的局限性，比如你把它给一群投资者，并要求它为像Hebbia这样的公司起草一份IC备忘录，每个风投都会得到相同的IC备忘录。或多或少。是的，或多或少。我的意思是，它没有差异化。它没有自定义流程，没有自定义数据。没有alpha。没有alpha。而且……

我们的想法是，嘿，金融服务是一个需要承担提供正确信息、获得正确结果以及拥有自定义流程并使其透明（即进行知识工作）的地方，这是最重要的。

如果这项技术从根本上像它应该的那样具有变革性，那么一个能够修复投资者生活和工作流程的工具实际上会比任何仅仅以更短暂或单一步骤的方式增加价值的东西更快地进入市场。是的，我认为你提到的一个重要部分是私有数据。所以如果我使用Hebbia，我可以上传所有Andreessen Horowitz的投资备忘录，

有了这些信息，你可以给我一个与你只是在网上搜索时截然不同的结果。没错。是的。所以你可以把每一个以前的IC备忘录都放进去，构建结构，创建一个库，Hebbia拥有无限的有效上下文窗口。然后当你看到一个新的机会时，你可以过滤到许多其他类似的机会，并开始区分它与其他机会的不同之处、相似之处以及构成Andreessen Horowitz投资备忘录的所有部分，你可以开始重新创建。然后

使用Hebbia，我认为如果你将其与你刚才所做的ChatGPT进行比较，但许多当今最常用的AI应用程序

Perplexity、Claude，也许是最近的DeepSeek，它们都是聊天界面。你采取了一种不同的方法。也许可以更多地分享你在界面方面所做的事情。我认为这是自ChatGPT发布以来AI界面最大的变化，当时一切都变成了聊天机器人，每个人都复制了它。但Hebbia允许AI工作并展示其工作。

为此，我们让它真正地将来源放在首位，它会构建一个网格。该网格将每个文档作为一行，并将每一列作为提示或某种代理操作。因此，你可以想象，当AI正在处理数据或提取数字或从文档中提取不同的引号，并且你正在向它提出许多不同的问题时，它实际上开始构建这部分展示其工作的辅助材料。

而这些辅助材料实际上是一个代理编排系统，是人类管理代理的能力，每一行和每个单元格都是一个代理。它以一种非常简单、优雅且以人为本的方式展示了AI在重复任务中所发生的事情的复杂性。这几乎就像打开了AI的大脑。

你可以看到它是如何思考的。你可以开始改变单元格。你可以开始，这几乎就像一个灵敏度表。因此，你不仅是在告诉AI做什么并查看它的输出，而且你还在与它一起工作或与它协同工作。

现在，对于许多AI，特别是我们在金融服务、法律和更广泛的知识工作中所做的工作来说，限制因素是信息检索。因此，它非常以文档为中心。但我们已经在探索并构建了多种界面，你可以在其中看到AI在做不同事情时的大脑内部。

这是一种以人为本的方法。这是人类和AI的融合。因此，当你考虑新的能力时，有计算机使用，有推理。我认为这些对于能够推动你提到的更多这些代理工作流程至关重要。你如何考虑在Hebbia产品中利用计算机使用？

我认为我们设计产品的方式不仅仅是AI的界面，而实际上是一个我们希望AI或AGI会选择使用的工具。所以这是一个有点超前的说法。它说，好吧，与其试图构建AGI，不如我们构建一个如此优秀的AI平台，如果AGI要完成一项任务，它会选择使用Hevia来完成这项任务。

为此，我认为计算机使用以及大型语言模型提供商的各种其他工具使用现象只是为其他工具创建通用API。

像Instacart这样的产品仍然可能是送货上门最好的方式，对吧？如果你是AGI，对吧？你不想让AGI去制造机器人自己去取。而像Hebea这样的产品可能是处理结构化和非结构化数据、知识工作任务以及子AI的最佳方式。你不会希望AGI将其上下文窗口塞满10万份文档，并花费无限的时间或大量时间来处理这些文档。你宁愿使用和编排一堆子代理

这就是我们所做工作的理念。当你考虑在这个世界中为金融服务而构建时，你刚才谈论的大部分内容是，

更多的是关于你所构建的基础设施、架构。还有界面层、应用层、界面、你正在利用的数据、集成、工作流程，也许可以更深入地探讨一下。你具体做了什么来使，无论是AI代理还是今天的参与者，作为一名金融分析师最有效？

Hebbia体验中一个重要的突破是意识到没有人知道如何使用AI。人们假装去创建所有这些令人惊叹的演示，但没有人知道如何使用它。你实际上可以看看我们今天的产品，你可以争辩说它可以比初级分析师做得更好完成初级分析师几乎可以完成的任何任务。但即使知道它应该执行哪些任务也成问题。它实际上不再是技术问题。它实际上是一个社会学和变革管理问题。

所以有一个集成部分。有一个流程部分，以确保它适用于特定的工作流程。但真正的区别在于实际上知道如何使用它，知道什么是最好的，并帮助公司发展并进行必要的变革管理以创建以AI为中心的劳动力。我们开始看到第一年或第二年大学毕业的分析师出来后就像Hebbia的原生用户一样，他们不是手动阅读每个文件，然后将……

内容放入Excel或制作不同的文档。他们实际上开始使用AI并将其融入他们的工作流程中，这使他们变得更好。所有这些都非常有意义。对于大多数AI应用程序来说，价值主张有两个方面。一个是更快的速度来获得相同的结果。所以过去需要4个小时的事情，现在只需要4分钟。然后是第二个方面，即全新的结果。

也许有了无限的工人，无限的内存，你可以弄清楚的事情。但这些都是像神奇的体验时刻。你今天看到的常见用例是什么？你把它们分成两类是对的。一个是节省时间的部分。然后是如果我们没有AI就不会做的事情。我对第二部分更感兴趣。你知道，我认为每个人都比这里更感兴趣，你知道，你的分析速度快了80倍。

在买方方面，我们与世界上许多最大的资产管理公司合作。一个非常常见的用例是他们得到一个棘手的资料室。它可能有4万个，也许10万个文件。他们把它放在Hevia中，它会自动构建各种不同的分析。无需做任何事情，甚至无需打开你的电脑，你就可以获得你正在寻找的许多不同内容。客户集中度。你了解他们所有专家网络的电话。它实际上会为你进行分析。

这是一个节省时间的措施。我的意思是，它可能在一个交易过程中节省了20到30个小时，这取决于这些VDRs有多糟糕。但还有一个更美妙的部分，那就是新的部分。在新的方面，我认为很多人成为投资者或从事金融工作的原因是他们想成为发现者。

他们想做几乎像福尔摩斯一样的事情，查看数据，查看公开市场所说的内容。你不断学习。你不断发现新的东西。这就像你获得能量的一部分。它是科学的。如果你真的在投资，这实际上是一种赋权行为。

而我最喜欢的新分析方面是，当人们查看比他们原本会查看更多的数据并得出旅程时。他们会进行大量专家电话，并指出客户可能对一个特定功能不满意。也许基于此，他们会查看各种技术文档，并找出该功能的变化情况，并注意到供应商协议中也需要更改的内容，并且这正在成为瓶颈。

他们会通过供应商协议和所有关于公司的数据（公开数据和私有数据）进行这些旅程，并提出他们原本无法提出的论点或假设。我认为发现的感觉是成为投资者的最佳部分。我认为我们现在通过各种用例来实现这一点。但我希望在用例方面使其非常具体。我将举两个例子，我会去一家资产管理公司，我会说，嘿，这是我们知道人们使用Hevia做的两件事。

首先是，嘿，人们每周都在审查，助理分析师每周都在审查营销材料，有时会花一整天的时间，只是浏览机会，试图弄清楚是否有东西符合你的投资标准。在私募股权中审查营销材料最常见的结局是SIM和信用。它可能是一份发行备忘录。

你会出来说，它不合格。它不符合我们的投资标准。因此，你花费所有时间研究一家公司，阅读银行家真正试图混淆以告诉你值得你花时间的东西。这是一个美好的机会。而初级员工的大部分生活最终可能只是说，嘿，不值得我们的时间，不值得我们的时间。而交易就这样结束了。你可以专注于真正有发展前景的事情。而Hebbia所做的是，你获得营销材料的那一刻，

只是一个简单的用例。你把它放入平台。它会将它与你查看过的所有其他机会进行比较。它会将其分散到你的投资标准中，并给你一个去或不去的决定。

因此，过去是你生活中痛苦根源的东西，它实际上是毫无意义的劳动。你只是在把石头推上山，现在瞬间完成了。正如你提到的，你可以花更多时间在重要的交易上。这是一个筛选用例。在给定时期内，我们可以筛选多出137%的机会，这就像，你知道，而且深度相同。

另一个用例，也许在尽职调查过程的稍后阶段，每当有很多文档或很多相同的文档时，比如很多信用协议或很多专家网络电话，你经常会发现初级员工甚至副总裁都在仔细阅读每一个文档，以理解和综合整个过程中的见解。

使用Hebbia，几秒钟内，过去需要阅读200、300、400页的内容，你可以立即获得每个电话的基础上的见解，然后是每个电话。或者每个信用协议的基础上以及公司的整个资本结构。而且……

当人们看到并体验到这一点时，这不仅仅是一种情感体验。他们只是意识到他们在每个交易过程中都花了20或30个小时去做一些现在可以快速完成的事情，他们的眼睛都亮了起来。太棒了。当我使用Hevia时，我最喜欢的一部分就是利用模板。当然，我可以自定义它们，也许我有一些想问的问题，而其他人没有。但是

如果这是我第一次使用Hevia进行收益电话审查，我可以很快地开箱即用。就像价值实现时间一样。有一个包含数千个不同模板的库。我认为现在接近2000个不同的模板，它们实际上都是代理。其中一个是信用协议代理。其中一个是收益电话代理。其中一个是，你知道，专家网络代理或筛选代理。而这些就是用例。这实际上也是它如此可衡量的原因。

如果去年是每个人都在尝试AI并且不知道如何使用它的一年，那么现在我们有一个筛选模板，我们可以衡量使用Hebbia和在使用Hebbia之前所需的时间，并向金融服务公司证明，这是切实的投资回报率。我们已经讨论过的所有这些例子主要是在买方方面。我认为你们与许多顾问合作。他们的用例是什么样的？我不能谈论个别客户，但总的来说，如果你能够理解……

不仅来自客户提供给你的材料，而且来自整个世界，信息互联网，并且能够更好地推销他们的公司，创建更好的营销材料。这是一个巨大的用例。

在标准交易过程中，当你回复买方并回复尽职调查问卷时，也有一些部分，能够回答这个问题。这是一个完美的代理工作流程，每个部分都有检查点步骤。我们可以自动化很大一部分工作，这传统上是初级或第一年大学毕业的投资银行分析师最大的时间消耗之一。

最终，我们将以正确的格式将徽标放在幻灯片上，它们将完美居中等等。但银行工作中许多最乏味的部分都完全自动化了。

在法律方面，人们开始使用像我们无限有效上下文窗口这样的东西来实际查看整个以前谈判的协议库，并在谈判期间实际提出更好的条款或更好地理解市场上以前非常模糊的数据，你必须成为拥有多年经验的合伙人才能够准确地理解，你知道，为客户找到正确的东西。

因此，在2023年，当然也贯穿了2024年的大部分时间，人工智能都是关于实验的。董事会都关注你们在人工智能方面做了什么？今天是2025年。我们已经到了一个大家都认为理所当然的阶段。我们假设我们所有的公司都在某种程度上利用生成式人工智能。所以问题变成了，价值在哪里？

我从所有这些人工智能投资中获得了什么回报？是的，你说得对。我认为2023年和2024年确实是尝试使用人工智能的一年。到了2025年，情况就变成了，“嘿，董事会说，我们对这项实验性技术投资的有时高达1亿美元的投资，其损益表影响是什么？”

这使得Hebbia以及我们与客户互动的方式都必须始终具有价值案例，并始终证明价值案例。你会开始听到一些故事，回到信用协议的例子……

公司节省了资金，如果每个信用协议都需要多次审查，律师每小时的审查费用为2000美元。现在他们可以在内部审查这些协议。他们每个交易都能节省数万美元，对于一个非常复杂的信用协议交易，甚至可以节省数十万美元。他们每年要处理数百甚至数千笔交易。这是有意义的投资回报率。还有其他例子，Amlaw 50的客户正在为他们自己的客户招揽新客户。

他们基本上说，“嘿，过去每个客户的入职和提取所有正确数据需要5到8个小时，我们现在可以在……”

瞬间就能理解。律师有时必须查看客户的数据室，找出所有危险信号、问题以及其他一切。现在他们可以在Hebbia中做到这一点，并立即了解他们客户的一切信息。还有一些私募股权合伙人每周节省4到8个小时，因为他们正在建立其投资组合公司、董事会报告和投资者更新的资料库。他们能够更准确地衡量其投资组合。你刚才提到了私募股权合伙人。

为了获得投资回报率，人是参与其中的。人们正在使用该软件。他们参与Hebbia。他们每天都在那里。谈谈人与软件之间的关系，以及今天的情况，以及未来的发展方向。我认为最终，有很多软件和人工智能试图取代人类。

我们设计的方式，我们构思新界面的方式，以及我认为整个行业希望做到的是以赋能人类的方式，以使人类变得更好。最终，我认为史蒂夫·乔布斯总是把电脑比作心灵的自行车，对吧？这是一种可以让你下去探索或做任何你想做的事情的方式。一台简单的机器，是一个非常优雅的解决方案。

我认为很容易停留在聊天机器人上，然后说，“好吧，这是我们心灵的自行车。”但是，当你可以开始探索其他界面并仍然赋能用户时，这就是赋能。这是为人类服务的软件，而人类则欣赏软件的功能。因此，当我们考虑参与其中的用户时，这些人可以是高级投资专业人士，对吧？

他们可能正在阅读其他人的作品，但你的大多数用户都是职业生涯早期的专业人士。他们是你之前提到的“人工智能通”，是下一代人。你们是如何为他们构建产品的？设计如何？对于这个演示有什么特别之处？我认为职业生涯早期的人群是……

第一次成为人工智能原生代。他们是第一批学习如何胜任工作的分析师，他们实际上正在使用能够完成工作中枯燥部分的技术。我认为这很有趣，因为你可能会认为只有Z世代才会真正成为人工智能原生代，但甚至也有一些MD，比如某个MD会去检查分析师使用人工智能完成的工作。因此，他们会创建一个矩阵，并找出分析师发送的内容中的危险信号或不一致之处。

但我认为这很特别，因为当你抓住职业生涯早期的人时，很明显，银行分析师有时会成为投资者，而投资者有时会去大公司工作，或者他们有一天可能会成为自己公司的创始人。我认为这种变化始于那些早期采用者，始于……

那些工作流程最枯燥的人。然后它必须在整个组织中传播开来。但这只有在许多C级高管、MD和CIO支持Hebbia的情况下才能实现。我的意思是，他们喜欢它，他们自己也使用它。他们还承担着变革管理的任务。所以这是双方面的。我们最好的部署是那些高级人员和初级人员都一致使用它的部署。当你考虑未来5到10年的金融行业、Hebbia、人工智能……

行业即将发生很多变化。你做梦了吗？十年后这个行业会是什么样子？我认为这是我世界上最喜欢的问题，因为我相信从根本上说，将会发生一些不同的重大事情。首先，当AGI出现时，金融市场将发生大规模调整。这实际上是我的图灵测试……

如果AGI出现了，它是否真的能够比人类投资者赚到更多的钱，即比人类投资更好？我认为这部分将是发现大规模的欺诈，发现市场低效率和导致资产错误定价的人类行为。你实际上会开始看到量化投资发生的事情，并且真正关注的是世界上存在的或不存在的所有定性阿尔法。如果使用杠杆，一切都会变成贝塔，杠杆贝塔。

另一方面，我还认为私人投资将比公共投资发生更大的变化。为什么？如果你看看公开市场，你会看到彭博终端，对吧？你可以进去查看每一个数字，所有数字都格式完美。每个季度你都必须向SEC提交文件，你拥有所有数字。完美。在私人市场，你有一个数据室。而且……

私人市场投资的艺术，尤其是在后期阶段，尤其是私募股权、私人资本，基本上是为私人公司建立一个彭博终端。你想要所有数字。你想要图表。你的IC备忘录实际上是私人公司的彭博终端。可能有一些定性部分，但你试图构建非结构化信息。Hebbia试图构建的是私人公司的彭博终端。

不像招股说明书或Crunchbase，这实际上只是用于采购，而是真正地去获取所有公开和私人的信息，并对其进行预结构化。

因此，当你接触到一家新公司时，你实际上可以完美地理解它的估值应该是什么，你可以在彭博终端上看到的数字，比如为你提取出来并准备好了，用于私人公司。我认为这将改变速度、准确性、有限合伙人希望投资于资产类别、私人公司希望上市的能力或倾向。所有这些，我认为都会改变。我认为人工智能将真正改变资本市场。

这是否意味着拥有最多数据的旧公司将占据优势？数据的重要性如何……

就像私人数据对获胜的重要性一样。从拥有大量数据的公司（如大型基金）的角度来看，这很有趣。当他们来到Hebbia时，他们能够说，“嘿，我有10000个SIM的记录。从1975年开始。从1975年开始。”Hebbia可以对它们进行光学字符识别，提取所有内容，你知道，查看所有图表和表格。在HP-12C中。但它基本上可以变成这个漂亮的SIM库。每个人都像，“哇，这太棒了。”但与此同时，

我还认为，随着市场的变化，你实际上会开始看到没有可比公司的新机会。历史数据实际上并不重要。因此，也许花费太多时间考虑ChatGPT之前、生成式人工智能之前或大型语言模型之前的历史交易实际上并不会帮助你处理大型语言模型之后的交易。如果你没有那么多信息，那就更好了。

是的，就像如果你拥有从许可证维护模式到切换到订阅的所有软件交易一样，许可证维护交易在某种程度上是有帮助的，但你真正关心的是订阅业务模式。也许就像我们现在正在经历的这场人工智能转型一样，围绕业务模式存在一些问题。例如，订阅是默认设置。许多公司按座位收费，但有些公司开始根据结果、根据数量收取不同的费用。对于Hebbia来说，就像……

你们今天有一个模型。你认为它会如何随着时间的推移而发展？你们是如何考虑定价的？现在按座位收费，因为我们正在努力构建一个激励使用产品的产品。我认为，当你开始拥有能够做不同事情的不同人工智能代理时，很明显，你会开始有人为人工智能代理支付工资，或者有人会根据消费情况为人工智能代理付费。关于如何包装和打包代理和代理SaaS（如果你愿意这样称呼它）将有很多定价套利。我认为我们现在还为时过早进行这种套利。原因是你需要首先获得采用率。

你需要先获得使用率，然后再根据消费情况收费。因为一旦你根据消费情况收费或根据代理数量和工资时间收费，你实际上是在阻止建立人工智能原生公司、人工智能原生公司所需的变革。这是一件坏事。

所以我认为旧金山，就像每个人都在谈论人工智能代理的不同定价策略一样。我说，“你知道，在旧金山以外，目前没有人知道什么是代理。”所以今天对B2B公司来说，你们与一些你们提到的最大的资产管理公司合作。当你考虑在哪里构建功能时，你如何才能保持良好的用户界面，而不是成为下一个Salesforce？是的。

我经常觉得在构建客户现在想要的东西和为未来构建产品之间存在一种张力，构建我认为能够满足所有客户需求的产品。但也许亨利·福特的名言是，“你想要一辆汽车还是想要一匹更快的马？”每个人都会说他们想要一匹更快的马。Salesforce是一匹更快的马。它拥有所有组件和库。而且

我公司里的每个人都会告诉你，当我们优先考虑功能或请求功能时，我们不会添加它，而是实际上将整个软件视为一幅画或一个构图，然后我们弄清楚它是如何组合在一起的。我们不断地重新设计而不是附加。

许多B2B企业人工智能应用程序将拥有数十亿个不同的应用程序。这将是，“这是这个功能，这是这个功能，这是这个功能。”它已经开始有点像Salesforce了。我们采取了一种截然不同的方法。我们说，这个功能如何与其他功能集成？最终这对用户有什么意义？

好了，我们必须结束谈话了。最后一个问题。当我们考虑未来的AI时，成功是什么样的？对于整个行业来说，有很多模型正在制造虚假信息。它们是生成的。因此，它们自然会产生很多噪音。

我非常有希望。我认为我希望成为人工智能的代言人，它不仅创造信息，而且还能在噪音中找到信号，或者实际上帮助提炼并使我们接收到的信息更简洁、更连贯。

与此同时，我认为你会开始看到劳动力发生剧烈的变化。你会开始看到，我的一个重大预测是，在未来十年中的某个时候，超过50%的全球GDP将由人工智能代理贡献。我认为这并不是取代人类的工作。我认为这实际上是净新增价值的创造。我很期待这一点。我认为你会开始看到人类，我希望你会开始看到人类更热爱工作。

如果你看看人们最不满意工作的领域，几乎总是那些机器人自动化设备一遍又一遍地执行任务的工作。我认为，当人们摆脱了枯燥的执行，并置身于思考、决策、创造、发现以及从客观到主观的转变和专注于此的时候。没错。我认为这是我对整个行业的目标。

我很乐意生活在一个世界里，人工智能可以为全球1%的人口节省1%的时间。如果我能为之做出贡献，我认为这将远不止1%。我将成为一个非常快乐的人。繁荣。感谢你抽出时间与我们在一起，乔治。感谢你邀请我。就这样，又一集结束了。如果你喜欢它，请对播客进行评分和评论，或者至少与你的朋友、同事和网络分享。我们下周将推出新的一集。