⌜他山外⌟ 拆解海外真实的商战案例与科技变革

Steven Wang
  • 5.0 (1)
  • 创业
  • 一周一更

全球商业与科技观察。换个高度，看清世界！ 多年前，在北大光华攻读 MBA 期间，曾参与策划和运营《北大大讲堂》企业家系列论坛，与一批优秀企业家近距离交流商业与创业。 现如今，立足北美，借助 AI，把视野延伸到更远的地方。 我们聚合哈佛、沃顿、斯坦福等全球顶级商学院的学术洞察； 麦肯锡、BCG、普华永道等战略智库的研究研判； 以及 YC、a16z、红杉资本 等一线创投机构的敏锐触角。 剥离噪音，深度剖析海外正在发生的真实商战案例与科技拐点。 我们关注正在重塑世界的商业、科技与时代趋势，拆解真实的海外商业案例，理解变化背后的逻辑与选择。 看见别人如何做， 更重要的是想清楚我们如何破！ 此山看世界，他山看自己！ 主理人｜Steven 王高峰 连续创业者、设计师，拥有多年电子商务、市场营销与产品运营经验，现居北美，从事跨境与海外仓储相关业务。 走过一些路，做过一些事，也因此更相信： 他山之外，还有山......认知没有终点。

  1. 1天前

    商业案例拆解｜Curative：7人到7000人，如何用AI重造保险公司？

    � 开场｜一家9个月招了7000人的公司，为什么后来必须重新创业？ 2020年初，美国疫情暴发，检测能力严重不足。就在这个时候，一家只有约7个人的创业公司，突然迎来了前所未有的市场需求。它叫 Curative。公司的首席科学家原本只是利用业余时间开发了一款新冠病毒检测方案。没想到几周后，整个美国都急需检测能力。创始人 Fred Turner 开始疯狂扩张。实验室、供应链、政府合同、检测站、人员招聘，几乎所有事情都必须从零开始。仅仅9个月，公司员工就从约7人增加到7000人。2020年12月，其检测业务单日服务人数最高达到约20.6万人。根据 Fred 在访谈中的回忆，疫情检测业务在大约三年里创造了约50亿美元的累计收入。 但问题随之而来：当疫情结束，这家公司怎么办？Fred 很清楚，自己抓住的是一个特殊时期的巨大需求，而不是一个可以无限持续的市场。于是，Curative 做出了第二次重大转型：进入美国医疗保险行业。而现在，它又开始了第三次经营方式的改变。 Fred 在访谈中披露，Curative 正在用 AI Agent 重构大量后台工作：自动核验医生资格、处理保险资料、谈判并签署服务合同，甚至替换过去每年花费数十万美元的软件系统。这期真正值得研究的，是一家公司的三种能力：抓住机会、放弃旧增长，以及用新技术重新建立竞争优势。 � 本期嘉宾｜Fred Turner Fred Turner｜Curative 联合创始人兼 CEO Fred Turner 是一位来自英国的连续创业者。他的创业经历始于生物技术领域。最初，他创办 TL BioLabs，为奶牛和肉牛提供基因检测服务，希望通过基因信息帮助农场提高生产效率。后来，他带着公司进入 Y Combinator，并将相关检测技术逐步转向人类医疗诊断领域，包括感染性疾病和脓毒症检测。但2019年底，一笔关键融资在最后阶段失败，第一家公司陷入经营困境。之后，他创办 Curative。公司原本准备提供新的医疗服务，却因疫情改变方向，成为大规模检测服务提供商。疫情之后，他又带领 Curative 进入美国医疗保险市场。这段经历让 Fred 对创业形成了一种独特理解：技术本身不一定是最难的部分。真正困难的，是在不同市场环境下，重新设计组织、供应链、成本结构和交付系统。在本期访谈中，他还分享了自己如何借助 AI Agent 改造保险业务，以及为什么认为复杂的传统行业可能是下一轮AI创业的重要机会。 � 本期你会听到 一家最初为牛做基因检测的创业公司，为什么后来进入医疗诊断，再转向疫情检测？ 为什么一个实验室检测技术已经成熟的项目，仍然可能因为融资失败而结束？ 9个月从7人到7000人，Curative 如何在几乎没有准备时间的情况下完成极端规模化？ 为什么传统实验室效率很高，却不一定能够快速扩张10倍检测能力？ 疫情创造了50亿美元累计收入，但需求消失后，公司如何决定下一条增长曲线？ 为什么 Curative 没有选择继续经营实验室或者购买医院，而是进入医疗保险行业？ AI Agent 如何把医生资质审核从两三个月缩短到约12小时？ 为什么 Fred 愿意取消每年60万美元的 Salesforce 合同，改用两个月开发的内部系统？ 每份合同处理成本从1500—2000美元降到70美元，AI究竟改变了哪些具体工作？ 当大量后台岗位开始自动化，技术人才、客户关系和管理决策为什么可能变得更加重要？ ⏱️ 时间轴｜从疫情增长到AI重构企业 00:00:01｜节目开场与案例引言：7人到7000人，疫情赚出50亿美元的Curative[cite: 2] 00:02:27｜为什么离开英国去硅谷：从“看履历防风险”到“想象十年后做多大”[cite: 2] 00:04:26｜离谱的连续转型起点：从给牛测产奶量，到高通量人类DNA检测[cite: 2] 00:06:00｜敲开YC大门与落地硅谷：发现农业市场天花板，技术转向人类性病检测[cite: 2] 00:10:46｜盯上败血症诊断：每延误一小时死亡率上升12%，却在B轮融资前夜猝死[cite: 2] 00:13:33｜戏剧性的资质流转：15万美元卖掉的实验室牌照，疫情后花100万买回[cite: 2] 00:15:24｜重新创立Curative：把顶尖医学中心经验搬进社区医院，抢救败血症[cite: 2] 00:18:22｜第一张天使支票与突遇封锁：连产品都还没细看，新冠疫情全面爆发[cite: 2] 00:20:05｜临时副业变主战场：空闲开发的检测方案，撞上被买下的圣地马斯实验室[cite: 2] 00:22:49｜一封推文换来首个政府大单：洛杉矶试点的次日结账（Net-1）现金流奇迹[cite: 2] 00:26:08｜正交供应链破局：不用全行业疯抢的磁珠，从零设计十倍扩产新架构[cite: 2] 00:29:43｜单日检测20.6万人：停车场5分钟面试，9个月从7个人疯狂扩张到7000人[cite: 2] 00:30:38｜三年狂揽50亿美元营收：峰值产能满载暴利，低谷期养人养设备的失血困境[cite: 2] 00:34:12｜每打一剂亏一剂的疫苗业务：履行社会责任与政府绑定，迎来疫情退潮[cite: 2] 00:36:00｜疫情退潮后的战略抉择：为什么放弃做检测与买医院，最终杀入健康保险？[cite: 2] 00:37:38｜医疗体系的谈判权失衡：巨头对巨头的低效死结，以及85%医疗支出限制机制[cite: 2] 00:40:47｜用AI重构保险全流程：医生资质审核从3个月压缩到12小时，团队人数归零[cite: 2] 00:42:02｜终结手填表单的混乱：不再强推万能导入器，用一次性Python代码洗净海量PDF[cite: 2] 00:44:00｜年省60万的砍SaaS实验：两个月自建CRM替掉Salesforce，80%老软件面临淘汰[cite: 2] 00:48:53｜疯狂增长的Anthropic算力账单：月支出飙到数百万，为什么翻倍依然极具性价比？[cite: 2] 00:50:08｜自研Agent代行谈判与签约：每天搞定100份医疗机构合同，人类专注高价值关系[cite: 2] 00:53:17｜未来的两类铁饭碗：驾驭AI的高级架构工程师与维系高客单信任的人际关系[cite: 2] 00:58:18｜从7000人回落到650人：后台持续自动化，前台真人导航员与会员规模同步扩展[cite: 2] 01:01:24｜新物种岗位出现：当工作量放大十倍，如何培养和应对海量例外的“Agent监督员”？[cite: 2] 01:03:28｜工作消失不一定是坏事：从UBI探讨到人类彻底告别“办公室机械盖章”[cite: 2] 01:06:12｜强监管壁垒护城河：为什么模型巨头很难亲自下场取代医疗保险公司？[cite: 2] 01:07:38｜让早期投资人拿到10倍现金分红：不卖老股，公司估值3亿美元轻松融完新一轮[cite: 2] 01:09:53｜硬核的核能新版图：夫妻搭档创办亚临界核裂变公司，解决AI时代的电力饥渴[cite: 2] 01:14:05｜万亿美元级大市场的创业教训：放弃狭隘小赛道，用代码生成颠覆传统CAD设计[cite: 2] 01:19:11｜快问快答与终极建议：模型账单或达工程师工资数倍，多视角叠加才最接近真相[cite: 2] � 关键词与管理学知识 1. Strategic Pivot｜战略转向 为什么同一家公司的核心业务可以发生如此大的变化？ Curative 的创业路径可以分成三个阶段：最初计划改善医疗服务流程。疫情期间，转向大规模检测服务。疫情之后，再转型为医疗保险公司。这里的关键并不是每次换一个热门行业。Fred 的思考始终围绕一个问题：在医疗体系中，哪些环节真正决定服务能否有效交付？在实验室诊断阶段，他发现更好的检测技术，如果无法被医疗机构及时采用，商业价值就可能非常有限。进入保险行业之后，他进一步认为，支付方的激励机制能够显著影响医疗服务如何组织。这种战略转向，是从一个具体技术问题逐步走向更上游的系统性问题。 2. Total Addressable Market（TAM）｜可服务总体市场 有需求的市场，为什么未必适合风险投资型创业公司？ Fred 最初的奶牛基因检测业务有真实客户，也拥有可用技术。但在融资过程中，他发现即使对市场作出比较乐观的估算，其收入天花板也可能不足以支持投资人期待的规模。于是，他开始思考：同样的技术能力，还能进入什么更大的市场？最终转向人类医疗诊断。不过，TAM 并非越大越好。一个市场规模足够大，但如果公司没有实际竞争优势，同样难以成功。更合理的问题是：市场是否足够大，以及公司是否有机会占据其中具有价值的位置。 3. Orthogonal Supply Chain｜正交供应链 当整个行业都在抢相同的资源时，为什么不能只是提高采购价格？ 疫情期间，传统实验室需要的很多物资出现供应短缺。Fred 认为，如果所有公司都争夺同一批供应商，即使一家企业买到了更多物资，行业整体产能也未必增加。Curative 因此尝试寻找不同来源、不同工艺和其他可行的供应方案。他称这种思路为 Orthogonal Supply Chain。它强调的不是简单增加供应商数量，而是跳出既有供应链结构。从管理角度看，这是一种打破共同瓶颈的能力。但医疗检测材料的替代必须满足质量、验证和监管要求，不能将这一案例理解为可以随意替换医疗耗材。 4. Capacity Economics｜产能经济性 为什么业务量最大的时候利润很好，需求下降后反而亏损？ 检测业务具有明显的固定成本特征。公司需要建设实验室、购买设备、招聘人员，并维持足够的服务能力。需求高峰时，大量业务能够分摊这些成本。需求低谷时，即使业务收入减少，很多固定成本仍然存在。Curative 面临的问

  2. 3天前

    商业案例拆解｜Poppi：19.5亿美元卖给百事，一款汽水如何靠TikTok和品牌定位逆袭？

    � 开场｜一款卖不动的苹果醋饮料，如何成为百事19.5亿美元的收购对象？ 2018年前后，美国得克萨斯州的农夫市集上，一对夫妻正在推销自己制作的苹果醋饮料。产品名字叫 Mother Beverage。它来自一个简单的生活需求：创始人 Allison Ellsworth 不喜欢直接饮用苹果醋的味道，于是尝试将它制作成更容易入口的饮料。他们花了大约两年时间，在农夫市集向顾客介绍产品。后来，夫妻俩带着产品登上美国创业真人秀Shark Tank，拿到了投资。但真正改变公司命运的，并不是投资本身。 而是接下来长达九个月的品牌重塑。团队开始重新思考：消费者真的想买一瓶强调苹果醋和益生元的健康饮料吗？还是他们更想要一款熟悉、好喝，同时又符合新消费偏好的汽水？于是，Mother Beverage 变成了 Poppi。2020年3月，Poppi 正式以新品牌上市。 创始人开始在 TikTok 上制作各种看起来并不专业、甚至有些尴尬的短视频，产品逐渐获得大量关注。公司随后将资金持续投入品牌、创作者营销和零售渠道。根据 Allison 在访谈中的回忆，Poppi 的收入从初期约300万美元，快速增长至数亿美元规模。2025年5月，百事公司完成收购，披露现金对价为 19.5亿美元。 但这期真正值得听的，不是简单的“草根创业逆袭”。而是：Poppi 卖出的始终是一款饮料，为什么只改变品牌定位和营销方式，就能打开完全不同的市场？以及，当一个品牌已经拥有线上影响力，为什么最终仍然需要百事这样的大型分销网络？这背后，是新消费品牌从产品到品牌、再到渠道的一整套增长逻辑。 � 本期嘉宾｜Allison Ellsworth Allison Ellsworth｜Poppi 联合创始人 Allison 与丈夫 Stephen Ellsworth 共同创办了 Poppi。她并非从传统大型饮料公司的职业经理人路线进入行业，而是从自己的生活需求和早期产品实验开始创业。最初，她负责向消费者介绍产品、积累反馈，后来逐渐成为 Poppi 品牌定位、创意传播和社交媒体营销的重要推动者。她很早便投入 TikTok，尝试用创始人亲自出镜、产品演示和贴近流行文化的内容触达消费者。在 Poppi 快速扩张过程中，Allison 尤其关注品牌形象、包装设计、消费场景和年轻人的文化趋势。相比之下，Stephen 更多负责产品创新、供应链及相关经营工作。这种不同能力之间的互补，也是 Poppi 创业故事中值得关注的一点。2025年百事完成收购后，两位创始人转为顾问角色。Allison 在这期访谈中回顾了公司的增长过程，也分享了她对下一代消费品牌机会的判断。 � 本期你会听到 为什么一款苹果醋饮料，在更名为 Poppi、重新定位成汽水之后，开始获得完全不同的增长机会？ 一家从农夫市集起步的品牌，如何借助Shark Tank获得资金、人才和行业资源？ TikTok 如何改变传统消费品的增长路径？ 为什么品牌不必先从纽约、洛杉矶等大城市开始走红？ 为什么 Poppi 将 Brand Awareness（品牌认知度） 放在核心 KPI 的位置，而不只是计算短期广告转化？ 为什么品牌需要先回答“我是谁”，而不是急着获取下一个订单？ 一支超级碗广告动辄花费数百万美元，为什么 Poppi 仍然愿意投入？ 为什么 Allison 认为，在某些成熟消费品行业，产品比现有选择好10%–15%，就可能具有商业机会？ 当消费者对产品口味和包装提出批评，Poppi 如何把负面反馈变成公开的品牌互动？ 为什么一家已经拥有数亿美元收入的饮料公司，仍然需要百事的分销网络？ 百事为什么愿意收购 Poppi？它获得的是产品、品牌、消费者，还是一个新的增长品类？ ⏱️ 时间轴｜从农夫市集到百事收购 00:00:01｜节目开场与案例引言：从农夫市集起步，Poppi 凭什么卖出 19.5 亿美元？ 00:01:40｜品牌黑历史与厨房起步：从难以入口的苹果醋，到农夫市集的折叠桌 00:03:26｜四年半的疯狂狂飙：从 300 万冲到 5 亿多美元，“把闪电装进瓶子” 00:06:00｜抓住早期 TikTok 红利：创始人亲自下场整活，数字优先打破地域壁垒 00:07:56｜品牌优先与货架美学：如果货架上不够吸睛，数据再好也不做 00:09:24｜“不怕尴尬”是超级能力：自信不是天生的，而是一路出丑练出来的 00:12:00｜《创智赢家》绝处逢生：拿房贷打工撑到临界点，遇到底层懂行的 Rohan 00:13:45｜7000 万美元全砸回品牌：为什么把亚马逊当广告位，卖身前一年才求盈利？ 00:15:46｜整整停摆 9 个月的品牌重塑：不再纠结下一单，先想明白“我们到底是谁” 00:17:28｜开赛前 5 天买下超级碗广告：30 秒念 17 次“苏打”，品牌认知一夜翻三倍 00:22:20｜被低估的品类定位：不教消费者做人，用他们熟悉的世界观打入心智 00:24:33｜会呼吸的定位文档：从“保卫肠道”到“苏打回归”，紧跟消费者的声音微调 00:27:14｜公开用户的刻薄差评：把被骂变成好内容，推翻配方与包装重做根汁汽水 00:28:34｜不读成功学，但听文化：阅读障碍创始人的“文化速度”与年轻化团队管理 00:30:45｜下一个消费品风口在哪？蛋白质与肌酸太卷，为什么“好 10%~15%”就够了？ 00:34:45｜GLP-1 时代的消费新物种：从减重个人真实需求出发，下一代大众市场机会 00:37:48｜老品类的新机会猜想：沉睡货架、家庭清洁美学与不一样的切入逻辑 00:47:40｜创始人的财富落地实操：公司做到 500 万美元，就该启动的个人资产规划 00:48:47｜中途出让老股的心理学：先给生活卸下焦虑安全网，反而更敢下重注 00:52:00｜当全校都知道你卖了 20 亿：面对舆论冲击，如何给 4~9 岁的孩子谈钱与投资？ 00:54:10｜饮料行业的分销天花板：靠 180 家分销商拼图，为什么迟早需要巨头底座？ 00:57:35｜百事收购内幕与 6 周闪电尽调：拒绝分段对赌，100% 股权收购背后的博弈 01:01:50｜卖掉公司后的“退出失落感”：不是兴奋而是如释重负，下一座山在哪里？ 01:06:58｜给创业者的扎心建议：别把大咖当“免费盖章机”，请带着真实卡点来提问 01:14:26｜严肃不等于成功：享受生活的混乱与乐趣，夫妻搭档的互补分工 � 关键词与管理学知识 1. Category Repositioning｜品类重新定位 同一个产品，为什么换一个品类表达，就可能拥有不同的市场空间？ Poppi 最初强调苹果醋、益生元和相关产品属性。这让消费者容易把它理解成一种小众功能性饮料。但当品牌发现，消费者是在喝传统汽水的场景下选择 Poppi 时，团队开始改变定位。它不再只强调特殊成分，而是希望成为一种符合新消费偏好的汽水。 管理启发：品类定位决定消费者把你和谁比较。如果被定位为小众健康饮品，Poppi 需要解释消费者为什么需要这种饮品。如果被定位为汽水，它面对的则是消费者已经熟悉的需求，只需说明自己与传统汽水有何不同。这本质上是对竞争参照系的重新选择。 2. Positioning｜品牌定位 为什么品牌在扩大销售之前，必须先回答“我是谁”？ Allison 回忆，Shark Tank 之后，团队花了九个月进行品牌重塑。他们重新讨论目标消费者、品牌名称、包装设计和市场表达。这一阶段，团队没有只盯着如何获取下一笔订单，而是先建立品牌的长期方向。对中国新消费品牌而言，品牌定位也不等于一句广告语。它需要明确三个问题：消费者在什么场景下购买？为什么选择这个品牌？与现有选择相比，它提供了什么不同价值？ 3. Founder-Led Marketing｜创始人驱动营销 为什么创始人亲自出镜，可能比标准化广告更有效？ Poppi 很早便利用 TikTok 传播。Allison 自己制作视频，尝试各种内容形式，逐渐形成容易让用户产生亲近感的品牌形象。她并不总是以一个经过精心包装的企业家形象出现，而是让消费者看到真实的创业过程。这种模式与今天中国许多创始人通过抖音、小红书和直播建立公众认知的做法有相似之处。但需要注意：创始人自带流量不等于长期品牌资产。它只有与产品体验、目标客户和品牌定位结合，才可能产生持续价值。 4. Digital-First Growth｜数字优先增长 数字渠道如何改变传统消费品的地域扩张路径？ 传统饮料品牌通常从重点城市、重点渠道逐步发展。Poppi 却通过短视频，让美国不同地区的消费者同时认识品牌。Allison 特别提到，公司早期能够在一些并非传统品牌推广中心的城市获得关注。这说明内容平台可能帮助新品牌跨越早期地域限制。但数字认知最终仍需要转化成可购买的渠道覆盖。社交媒体解决“消费者为什么知道你”，分销网络解决“消费者在哪里买到你”。 5. Brand Equity｜品牌资产 为什么 Poppi 愿意长期投入无法立即归因的品牌活动？ Poppi 将品牌认知度视为重要经营指标，并持续投入创作者营销、电视广告及超级碗等活动。这与许多依赖短期投放回报的电商品牌不同。品牌资产的价值在于，消费者在真正需要购买时，已经认识、理解并信任品牌。但长期品牌建设也不能完全脱离财务约束。Poppi 的案例说明，一家公司需要根据品类特点、融资条件和渠道成熟度，决定如何平衡短期利润与长期品牌投入。 6. Mental Availability｜心理可得性 为什

  3. 4天前

    商业对话｜黄仁勋：从3本教科书到5万亿美元，英伟达真正的护城河是什么？

    �️ 商业对话｜黄仁勋：从3本教科书到5万亿美元，英伟达真正的护城河是什么？ 一九九五年，英伟达成立才两年，就遇到了一个几乎致命的问题。公司赖以创业的核心技术路线，从一开始就是错的。当时，黄仁勋和他的团队想重新发明三维图形计算，让每一台个人电脑都能变成游戏主机。他们拿到了融资，招募了工程师，还与日本游戏巨头世嘉签下了一份价值一千二百万美元的合同。但很快，他们发现，自己选择的算法行不通。更严重的是，团队不仅选错了技术，甚至不知道正确的技术应该怎么做。市场上已经有三四十家竞争对手，公司资金所剩无几。 黄仁勋做了两件事。第一件事，他飞到日本，坦诚告诉世嘉：英伟达无法完成合同，请另找合作伙伴。但他同时请求对方提供资金，帮助公司继续生存。最终，世嘉给了英伟达五百万美元。第二件事，他走进一家电子商店，买了三本关于OpenGL的技术教科书，带回公司交给工程师。一家后来站在全球AI产业中心的科技巨头，就这样靠着三本教科书，重新学习自己的核心技术。三十多年后，英伟达已经从图形计算公司，成长为支撑全球人工智能产业的重要计算平台。 从差点破产的创业经历，到GPU和加速计算的战略判断；从AlexNet带来的AI革命，到AI Agent、机器人和未来计算架构；从独特的组织管理方式，到年轻人应该学习什么。这期《他山外》，我们想借黄仁勋的经历讨论三个重要的商业管理问题： 第一，为什么一家伟大的公司可以不断更换技术和产品，却始终保持战略上的一致性？ 第二，当技术变化越来越快，企业真正应该建立的竞争壁垒是什么？ 第三，当AI开始自动完成越来越多的知识工作，人类最值得培养的长期能力又是什么？ � 本期嘉宾 黄仁勋（Jensen Huang）英伟达（NVIDIA）联合创始人兼首席执行官。一九九三年，黄仁勋与两位合伙人创立英伟达。公司最初专注于个人电脑图形计算，随后逐渐拓展到科学计算、人工智能、自动驾驶和机器人等领域。黄仁勋是加速计算战略的重要推动者，也是科技行业中坚持创始人深度参与技术与组织管理的代表性人物。本次访谈中，他详细回顾了英伟达创业初期的技术失败，以及自己如何理解算法、计算系统、组织设计和未来的AI产业。 对话主持：陈嘉兴（Garry Tan） Y Combinator首席执行官，创业者及投资人。Y Combinator是全球知名的创业孵化机构，曾支持过众多科技创业公司。本期对话来自Y Combinator举办的Startup School 2026。 � 本期你会听到 英伟达成立时选择的技术路线为什么完全错误？黄仁勋如何靠三本教科书挽救公司？ 无法完成一千二百万美元的合同，为什么世嘉仍然愿意给英伟达五百万美元？ 英伟达真正长期坚持的战略，为什么不是GPU，而是加速计算？ 当所有人都在关注AlexNet的图像识别能力时，黄仁勋看到了什么不同的机会？ 为什么黄仁勋认为，伟大的公司需要对未来拥有独特而坚定的判断？ 创始人应该适应成熟的管理制度，还是应该让组织适应自己的工作方式？ 黄仁勋为什么坚持深入阅读技术论文，直接与一线科学家交流？ 当AI Agent能够完成大部分基础编程工作，系统思维为什么会越来越重要？ AI Agent下一阶段最重要的突破，为什么可能不是模型能力，而是可控性？ AI究竟会消灭工作，还是通过提高生产效率创造新的就业需求？ 为什么黄仁勋认为，自动驾驶和机器人将成为英伟达下一个巨大的增长机会？ 如果只能给年轻时的自己一条建议，黄仁勋为什么认为学习能力和韧性比其他能力更加重要？ ⏱️ 时间轴 00:01:05｜开场：从三本教科书到科技巨头，英伟达的护城河是什么？00:01:31｜创业第一课：英伟达最初的技术路线为什么完全错误？00:03:32｜三本OpenGL教科书：选错方向后，如何重塑核心技术？00:04:48｜英伟达真正的战略：从一颗芯片到整个算法领域的加速00:06:49｜世嘉的500万美元：无法履行合同，为什么对方仍愿意救公司？00:08:56｜从濒临破产到上市：1999年3亿美元估值背后的故事00:09:31｜AlexNet出现时，黄仁勋为什么看到了更大的机会？00:11:14｜从算法到产业：深度学习如何推动整个计算系统重构？00:12:21｜第一性原理与创始人模式：如何建立持续创新的组织？00:16:05｜把公司设计成适合自己的赛车：黄仁勋的组织管理哲学00:18:05｜从材料、芯片到AI工厂：如何理解整套技术系统？00:18:42｜AI时代，为什么系统思维变得更加重要？00:20:04｜智能体如何持续改进？为什么精细可控是关键突破口？00:22:01｜从个人AI到企业应用：英伟达如何使用智能体、支持开源？00:28:51｜AI会消灭工作吗？自动化任务与创造就业的不同逻辑00:32:06｜机器人的ChatGPT时刻：生成式AI如何进入物理世界？00:35:35｜自动驾驶与物理AI：英伟达下一个千亿美元业务在哪里？00:31:15｜黄仁勋的第一条X帖子：为什么开源如此重要？00:38:40｜年轻人应该学什么？哪些知识在AI时代仍然重要？00:40:36｜“能有多难？”黄仁勋给年轻创业者的最后建议 � 关键词 & 管理学知识 1. Accelerated Computing｜加速计算 加速计算是理解英伟达长期战略的关键。传统通用处理器并不一定适合所有计算任务。对于三维图形、分子动力学、深度学习等特定算法，通过专门的计算架构，可以显著提高处理效率。黄仁勋强调，英伟达真正想做的不是制造某种特定芯片，而是为重要的算法领域提供计算加速能力。管理学启示：公司的长期战略应该建立在相对稳定的客户需求和技术判断上，而不是某一代具体产品上。 2. First Principles Thinking｜第一性原理思维 第一性原理思维强调，从基本事实和底层机制出发推导问题，而不是简单延续既有经验。黄仁勋在讨论AlexNet时，并没有停留在图像识别准确率的提高。他进一步思考：如果深度学习是一种具有广泛适用性的函数逼近方法，那么处理器、软件、算法和应用程序将发生什么变化？这种思维方式，帮助英伟达从单一算法突破中看到了更大的产业机会。 3. Strategic Consistency｜战略一致性 战略一致性不意味着永远坚持最初的产品或技术方案。英伟达创业之初的图形算法是错误的，后来也不断进入新的技术领域。但公司对加速计算重要性的判断始终保持一致。这体现了一种值得企业借鉴的管理原则：坚持长期战略假设，同时允许实现战略的具体技术路线不断变化。真正困难的是分辨，什么应该坚持，什么必须改变。 4. Founder Mode｜创始人模式 创始人模式强调创始人在企业规模扩大后，仍然深入参与核心产品、技术和组织决策。黄仁勋用一级方程式赛车作比喻：创始人是赛车手，公司则是赛车。赛车应该根据驾驶者的特点不断调整。对于企业而言，组织架构和管理流程不是目的，而是服务于企业使命的工具。不过，这并不意味着所有企业都应该照搬黄仁勋的管理方式。管理机制还需要考虑组织规模、业务复杂度、人才结构与治理要求。 5. Systems Thinking｜系统思维 系统思维是黄仁勋认为AI时代会越来越重要的核心能力之一。过去，软件工程师的重要工作是编写代码，实现具体功能。但随着AI Agent承担更多基础执行任务，人的工作可能越来越偏向系统设计。包括定义输入与输出、识别资源约束、理解模块之间的依赖关系，以及优化整个系统的运行方式。当执行成本不断下降，定义正确的问题和设计正确的系统，可能比完成单个任务更有竞争力。 6. Agent Controllability｜AI智能体可控性 黄仁勋认为，AI Agent的重要问题不只是能否自主完成任务，还包括人类能否精确控制它的执行过程。例如，当一个AI系统生成了复杂的工程设计，人类应该能够只修改一个局部参数，让系统重新生成受影响的部分，而不是推翻整个结果。这种能力涉及人机协作、任务分解、反馈机制和细粒度控制。对于企业来说，AI应用能否真正进入生产流程，往往不仅取决于模型有多聪明，也取决于它是否可靠、可控、可验证。 7. Task Automation vs. Job Automation｜任务自动化与岗位自动化 AI自动化了某个任务，并不意味着包含这个任务的整个岗位必然消失。一份工作通常包含多个不同任务，也承担着更高层次的业务目标。当某些任务被自动化后，企业可能降低成本、提高服务能力，进而创造更多需求。但也可能出现岗位减少、技能要求变化或就业结构调整。黄仁勋在访谈中强调前一种可能性。对管理者来说，需要同时关注任务替代、岗位重组、生产率提升和新增需求，而不是把AI对就业的影响简单理解为一个方向。 8. Physical AI｜物理人工智能 物理AI指能够理解现实世界的物理规律，并与现实环境进行交互的人工智能系统。相较于只处理文本和图像的软件AI，机器人还需要理解运动、摩擦、空间、因果关系及真实环境中的限制。黄仁勋认为，生成式AI和世界模型的发展，将为机器人、自动驾驶和工业自动化带来新的机会。英

  4. 6天前

    商业实战课｜AthenaHQ：从SEO到GEO，当AI开始推荐品牌，企业如何抢占新入口？

    � 开场｜一家汽车公司的新车，为什么突然从AI推荐中消失了？ 假设你是一家汽车公司的品牌负责人。公司刚刚推出一款新车，市场反应不错，广告已经投放，媒体也做了报道。但有一天，你发现了一个奇怪的问题。 当消费者向AI询问：“现在有哪些值得考虑的新车？”AI却始终没有推荐你的产品。更令人意外的是，问题可能并不出在汽车本身。而是AI参考了一篇2021年的旧文章，使用了早已过时的信息。于是，一款本应进入消费者候选名单的新车，在AI的回答里悄悄消失了。 这不是科幻故事，而是哈佛商学院研究 AthenaHQ 时采用的真实商业案例背景。它揭示了品牌营销正在面对的新问题：过去，企业努力让自己的网页出现在搜索结果前列；现在，AI可能直接决定消费者先看到哪些品牌。 AthenaHQ 正在帮助企业监测和优化品牌在 ChatGPT、Claude、Gemini 等AI系统中的呈现方式。它关注的不再只是搜索排名，还包括：品牌有没有被提及？AI对品牌的评价是正面还是负面？推荐是否准确？AI究竟参考了哪些信息？更重要的是，当AI承担越来越多消费者调研和产品比较工作，企业还能否知道营销究竟在哪里发挥了作用？如果一家公司的产品很优秀，但AI从不推荐它，这家公司该怎么办？本期我们通过 AthenaHQ 的案例，讨论从SEO到GEO的变化，以及AI时代品牌管理、消费者决策和营销组织将面临的新挑战。 � 本期嘉宾 Andrew Yan｜AthenaHQ 联合创始人兼 CEO Andrew 曾在 Google Search 担任产品经理，也曾在 Google DeepMind 参与相关工作。他在访谈中回忆，自己早期体验 Google AI 搜索时，尽管等待回答需要3—10秒，仍然越来越倾向于使用这种搜索方式。这让他意识到：当AI回答速度持续改善时，人们寻找信息的习惯可能发生根本变化。2025年，他与 Alan Yao 等人创办 AthenaHQ，帮助企业了解品牌在AI搜索中的可见度、引用来源和推荐表现。 Julian De Freitas｜哈佛商学院副教授 Julian 的研究关注消费者如何理解、接受和使用人工智能。他与 George Gonzalez 共同撰写了2026年8月发布的哈佛商学院案例：AthenaHQ: Building Brands for AI Search。在本期访谈中，他从消费者行为和品牌管理的角度，解释AI搜索如何改变传统营销漏斗，以及企业为什么不能简单地将GEO视为SEO的新版本。 � 本期你会听到 SEO与GEO究竟有什么本质区别？ 为什么AI推荐比传统搜索排名更复杂？ 一家汽车公司的新车，为什么可能因为一篇过时文章而被AI忽略？ 当AI开始对品牌作出比较和评价，品牌经理应该如何管理这些“AI意见”？ 除了排名和点击率，为什么企业还需要关注 Share of Voice、Sentiment和Accuracy？ Dark Funnel（黑暗漏斗）是什么？为什么客户已经决定购买，企业却不知道他在哪里完成了产品研究？ 为什么来自AI搜索的消费者，可能已经完成大量比较，进入网站后直接购买？ Reddit、YouTube和第三方评论，为什么可能比品牌官网更容易影响某些AI回答？ 如何发现并纠正互联网中早已过时、却仍然影响AI推荐的品牌信息？ GEO应该由谁负责？ 企业需要新设一个GEO部门，还是让品牌、SEO、公关和内容团队共同管理？ 当AI Agent能够自动完成大量营销操作，品牌经理未来最重要的能力会是什么？ ⏱️ 时间轴｜从SEO到GEO，AI时代的品牌管理 00:02:20｜品牌从AI推荐中消失： 一篇2021年的旧文章，如何影响新车的市场机会？ 00:06:25｜SEO → GEO： 从争夺搜索结果位置，到影响AI生成的答案 00:09:27｜Google产品经理的判断： 为什么用户愿意等待几秒钟，也要使用AI搜索？ 00:11:31｜新的营销指标： 品牌提及率、推荐位置、情感倾向和事实准确性 00:13:15｜See → Act → Win： AthenaHQ 如何从监测AI回答走向内容优化？ 00:14:54｜Brand Knowledge Base： 企业如何识别AI关于品牌的错误信息？ 00:16:47｜跨模型品牌一致性： ChatGPT、Gemini和Copilot为什么可能给出不同推荐？ 00:20:00｜客户决定监测重点： B2B与消费者品牌应该优先关注哪些AI入口？ 00:20:55｜Dark Funnel： 为什么消费者购买前的研究行为越来越难被追踪？ 00:23:05｜流量之外的价值： AI推荐是否能带来更高意向的客户？ 00:25:05｜遗留信息风险： 一家金融机构的过期房贷利率，为什么仍可能影响AI回答？ 00:26:21｜Reddit成为信息来源： 品牌无法控制的第三方内容为何越来越重要？ 00:28:30｜GEO的三类干预： 清理过期内容、优化现有内容、创建新内容 00:31:45｜为人优化还是为AI优化？ 品牌网站如何兼顾视觉体验与机器可理解性？ 00:36:41｜谁来负责GEO？ 为什么教授不建议所有企业都设立独立的GEO负责人？ � 关键词与管理学知识 1. Generative Engine Optimization（GEO）｜生成式引擎优化 传统SEO主要关注如何提高网页在搜索结果中的可见度。GEO则关注，品牌信息如何被生成式AI检索、理解、引用，并最终进入其回答。区别可以简单理解为：传统SEO争取网页排名，争取被AI准确提及和推荐关注关键词与搜索结果。关注用户问题与AI回答衡量排名、点击和流量增加提及率、引用、准确性和情感倾向等指标优化网页内容协调官网、第三方内容与结构化品牌信息。 但GEO不是一套能够保证AI推荐的技巧，生成式AI的回答还受到模型、检索方式、用户问题和上下文影响。AthenaHQ的商业机会，就是帮助企业监测并改善这种过去难以观察的品牌呈现。 2. AI-Mediated Decision Making｜AI中介决策 当消费者不再亲自比较信息，品牌竞争发生了什么变化？过去，消费者搜索某款汽车，会看到多个链接。他可能阅读品牌官网、专业评测和用户论坛，然后形成自己的判断。现在，消费者可能直接询问AI：“预算30万元，适合家庭使用的SUV有哪些？”AI综合多个来源后，给出少数推荐选项。消费者仍然拥有最终决定权，但最初接触哪些品牌，可能已经受到AI答案影响。这意味着品牌不仅需要面向消费者进行沟通，也需要确保自己的产品信息能够被AI系统正确理解。AI正在成为影响消费者候选名单的新中介。 3. Share of Voice（SOV）｜品牌声量份额 当消费者看不到传统搜索结果，企业如何衡量自己有没有被关注？在GEO场景中，SOV可以用来观察：针对一组与业务相关的问题，某品牌在AI答案中的出现情况，相对于竞争品牌占据什么位置。例如，一家汽车品牌可以持续测试： “适合家庭出行的新能源SUV有哪些？”“哪些车型的空间比较大？”“预算有限时应该考虑哪些汽车？”再观察AI是否提及自己的车型，以及竞争对手的出现情况。但这里存在一个重要限制：AI答案的品牌提及份额，不等于真实市场份额。它还取决于测试问题、模型版本、地区、时间和测量方法。因此，SOV应该作为品牌监测指标，而不是直接当作销售结果。 4. Brand Sentiment & Accuracy｜品牌情感倾向与信息准确性 为什么被AI提及，还不一定是一件好事？一个品牌可能频繁出现在AI回答中，但这些回答包含错误信息。例如，AI可能使用过时的价格、旧产品规格，或者已经不再成立的负面评价。因此，企业需要区分： Visibility｜可见度： AI有没有提到品牌？ Sentiment｜情感倾向： AI如何评价品牌？ Accuracy｜准确性： AI对品牌的描述是否符合可核实事实？ 三者不能互相替代。但企业也不能把所有不利评价都视为需要“修正”的错误。事实纠错和操纵品牌评价，是两件不同的事情。这一点对金融、医疗、汽车等高信任要求的行业尤其重要。 5. Dark Funnel｜黑暗漏斗 为什么企业越来越难知道客户从哪里来？传统营销漏斗一般包括：品牌认知 → 产品研究 → 方案比较 → 购买决策。过去，企业可以通过广告点击、搜索流量和网站浏览行为，观察其中一部分过程。但如果消费者在AI助手里完成了产品调研、阅读总结和竞品比较，企业可能无法直接看到这些互动。等客户访问官网时，他已经知道自己要买什么。这就是访谈讨论的 Dark Funnel。Julian 认为，AI可能让消费者的发现、比较和评估集中在同一个外部入口，从而让原本可以监测的客户旅程变得更加不透明。 管理启发：企业不能因为网站点击减少，就直接认定品牌影响力下降；也不能因为直接流量增加，就认定全部增长来自AI。需要通过更完整的调查、实验和数据分析理解客户决策。 6. Attribution Problem｜营销归因难题 品牌在AI答案中被推荐，如何证明它带来了收入？这是AthenaHQ商业模式面临的关键挑战之一。企业购买GEO服务，最终仍然希望知道：这些工作是否带来了更多客户？但消费者可能在AI中发现品牌，又过了几天通过官网、App或线下渠道购买。这使得营销归因更加复杂。Andrew 在访谈中表示，部分来自AI搜索的电商流量具有更高的订单价值和转化率。不过，原稿没有提供完整研究设计、样本量及可供独立复核的数据。因此，不能把“AI流量客单价翻倍”直接写成整个电商行业的普遍规律。更值得管理者追问的是：品牌可见度改善，怎样通过合理的指标体系，与真实业务结果建立联系？ 7. Earned M

  5. 10月14日

    商业对话｜Uber总裁：从中国价格战到Robotaxi，平台巨头如何重新下注？

    �️ 开场｜每周5200万美元，Uber为什么还是退出了中国？ 2016年，Uber 与滴滴的竞争进入最后阶段。Andrew Macdonald 回忆，在双方谈判期间，Uber 中国业务仅价格补贴一项，每周就要投入约 5200万美元。双方都有雄厚资本，也都在争夺市场份额。投入越多，谈判桌上的筹码似乎就越大。但 Uber 最终还是选择退出中国独立运营市场，与滴滴达成交易。这不是 Andrew 经历的唯一一次重大取舍。疫情期间，Uber 的出行业务在短短三周内大幅下滑，公司不得不出售自己的自动驾驶研发业务。多年后，Andrew 却再次把自动驾驶称为关系 Uber 核心业务未来的关键技术。为什么一家企业昨天必须放弃的业务，今天又可能成为最重要的战略投资？ 本期我们通过 Uber 的中国竞争、自动驾驶、Uber One、外卖和 AI 转型，讨论大型企业最困难的管理问题：在有限的资源和不断变化的环境中，如何做出正确的战略取舍？ � 本期嘉宾 Andrew Macdonald｜Uber 总裁兼首席运营官（President & COO） Andrew 于2012年加入 Uber，是公司任职时间最长的在职员工之一。他经历了 Uber 从快速扩张的创业公司，到上市、经历疫情冲击，再到全球出行与配送平台的发展过程。他曾长期负责 Uber 的出行业务，也参与了中国市场退出等关键阶段的经营决策。 这期访谈的独特价值，在于 Andrew 不只讲成功经验，也坦诚讨论自己曾经判断错误的决策，例如低估 Uber One 会员业务的长期价值。相比创始人的宏大叙事，他提供的是一个大型企业经营者如何在现实约束下做决策的视角。 � 本期你会听到 Uber 为什么在中国市场每周投入5200万美元补贴，最终仍然选择退出？ 一家全球平台企业，如何判断什么时候应该继续投入，什么时候必须止损？ Uber 曾出售自动驾驶研发业务，为什么如今又把自动驾驶视为关键战略？ Waymo 和 Tesla 掌握核心技术，Uber 的平台分发能力还有多大价值？ 为什么 Andrew 曾经反对 Uber One，后来却认为会员是最有效的长期增长杠杆之一？ 当一家公司已经拥有2亿月活跃消费者，为什么反而更难孵化新业务？ Uber 如何衡量 AI 投资回报？为什么节省工作时间不等于直接节省成本？ 为什么 AI Agent 可能改变用户使用 Uber 的入口？ Uber Eats 为什么尚未在美国超过 DoorDash？平台如何通过收购和本地化竞争？ 从 Travis Kalanick 和 Dara Khosrowshahi 身上，Andrew 分别学到了什么领导力原则？ ⏱️ 本期时间轴 00:02:20｜执行力与信任：为什么真正的领导力从“公司利益优先”开始？ 00:03:40｜优秀管理者为什么必须经常改变自己的判断？ 00:06:46｜Incremental Gross Bookings：每投入1美元，究竟创造多少增量交易？ 00:11:13｜Innovator's Dilemma：为什么业务越大，孵化新业务反而越困难？ 00:14:48｜从2亿到5亿用户：为什么更低的价格可能比更多营销更重要？ 00:17:31｜自动驾驶为什么是 Uber 的战略生存问题？ 00:22:20｜Waymo、Tesla 与 Uber：技术所有权和平台分发权，谁更有价值？ 00:27:02｜中国价格战：每周5200万美元补贴背后的资本竞争与谈判筹码 00:32:18｜AI预算超预期：技术使用量增长是否等于投资失控？ 00:35:50｜AI ROI：节省了8小时，为什么不一定能在利润表上看到收益？ 00:40:58｜AI与组织规模：五年后，同样的业务是否需要更少员工？ 00:44:55｜Agent时代的入口之争：用户还会直接打开 Uber 吗？ 00:50:32｜Uber Eats的扩张：为什么成熟平台仍然需要收购和本地品牌？ 00:50:30｜挑战 DoorDash：为什么美国外卖市场的竞争远没有结束？ 00:58:51｜职业成长：为什么 Andrew 认为应该勇于接受有挑战的机会？ � 关键词 & 管理学知识 1. Capital Allocation｜资本配置 资本配置不是简单决定“花多少钱”，而是比较不同投资的机会成本。Andrew 讨论了 Uber 如何在降低价格、增加司机供给、投资会员、发展自动驾驶之间做选择。这期案例的核心问题是：每一美元应该投入哪里，才能创造最大的长期价值？ 2. Strategic Trade-offs｜战略取舍 战略不仅意味着选择做什么，也意味着明确放弃什么。Uber 在疫情期间出售自动驾驶研发业务，是在核心业务现金流承压时做出的取舍。它不代表自动驾驶技术不重要，而是说明一项长期正确的战略，也可能在特定阶段无法承担其资金需求。 3. Network Effects｜网络效应 Uber 的出行平台连接乘客与司机，外卖平台则连接消费者、商家和配送人员。更多参与者有机会改善匹配效率、服务覆盖和用户体验，但网络效应并非自动产生。Andrew 强调，出行体验始终离不开价格、可靠性和安全性。因此，平台规模必须转化成实际的服务价值，才能形成持续优势。 4. Distribution Advantage｜分发优势 Andrew 在讨论 Waymo 和 Tesla 时提出一个重要判断：最终分发能力可能决定竞争结果。自动驾驶公司拥有车辆和技术，但需要持续提高昂贵资产的利用率。Uber 则拥有庞大的消费者网络和交易运营能力。两者可能形成合作关系，而不只是直接竞争。不过，这仍然是 Andrew 对未来市场结构的判断，并非已经得到验证的行业结论。 Uber President on The Untold Ub… 5. Innovator's Dilemma｜创新者窘境 当 Uber 的核心业务规模越来越大，新业务必须达到相当高的交易规模，才容易获得组织关注。这可能让早期项目难以争取资源。Uber 因此设立 Growth Bets，尝试为尚未验证产品市场匹配的新业务保留专门团队。它说明：大公司的创新能力，不仅取决于有没有好创意，还取决于组织是否允许小业务暂时保持“小”。 6. Customer Lifetime Value（LTV）｜客户生命周期价值 Andrew 曾更倾向把资金直接投入降价，因为效果更容易观察。但 Uber One 会员可能在较长时间内提高消费频次、降低流失，并促进出行和外卖之间的交叉使用。这使会员投入的长期回报可能高于一次性促销。关键在于区分：短期交易增长和长期客户价值增长。 7. AI ROI｜人工智能投资回报 Uber 的 AI 实践说明，不能仅凭模型调用量或员工使用率判断价值。Andrew 举例，AI 帮助团队缩短资本配置、财务预测和营销质检流程。但这些节省下来的时间，未必立即变成财务成本下降，因为员工可能把时间投入其他工作。因此，AI ROI 需要同时观察流程效率、业务产出和最终财务结果。 8. Disintermediation｜去中介化 当消费者可以直接告诉 AI Agent“帮我叫一辆车”，原本由 Uber App 掌握的用户入口可能发生变化。但 Andrew 指出，出行并非一次简单的线上订单。定位、接送、支付、沟通和异常处理，都需要持续管理。这意味着 AI 可能改变交易入口，却未必能轻易替代交易履约平台。 9. Localization｜本地化战略 Uber 中国案例说明，全球平台的资本、技术和品牌优势，并不必然转化为本地市场的竞争优势。Andrew 提到，Uber 曾在中国面临重要本地渠道的接入限制。因此，国际化不仅是把产品带进新市场，还涉及本地渠道、竞争结构、合作关系和监管环境。 � 本期管理学思考 一、退出一个市场，不一定意味着战略失败 案例：Uber 中国。 在高度资本密集的竞争中，继续补贴可能增加市场份额，却不一定能建立可持续的竞争优势。Andrew 认为，Uber 虽然没有赢得中国市场，但最终获得了相对不错的退出结果。 管理问题：什么时候应该继续争夺市场，什么时候应该把退出视为一种主动战略？ 值得迁移的思考是：管理者不能只比较继续投入和立即退出的表面得失，还要评估竞争对手的资源、长期盈利可能性，以及退出后能释放多少资源。 二、长期重要的事情，不一定现在就应该自己做 案例：Uber 自动驾驶。 自动驾驶可能重塑 Uber 的核心业务，但疫情期间 Uber 没有足够的财务条件继续承担原有研发投入。因此，出售 ATG 与今天积极投资自动驾驶，并不必然矛盾。 管理问题：企业必须拥有核心技术，还是可以通过合作获得技术能力？ 这涉及战略控制权与资本效率之间的平衡。企业需要区分“必须参与的未来”和“必须自己拥有的资产”。 三、大企业最稀缺的资源，可能不是钱，而是管理注意力 案例：Uber Growth Bets。 Uber 已有巨大的核心业务，新项目即使具备长期潜力，短期也很难与成熟业务争夺资源。Andrew 认为，必须为这些项目保留独立团队，而不是要求员工利用少量兼职时间探索。 管理问题：如何防止成熟业务吞噬未来业务？ 真正有效的内部创新，需要独立资源、清晰的验证目标和适合早期业务的决策节奏。 四、AI转型的财务回报，不能只用“节省了多少小时”衡量 案例：Uber 的 AI 流程改造。 员工完成任务的时间缩短，并不代表公司立刻减少了相应的人力成本。省下来的时间可能被新的工作填满。 管理问题：企业应该如何把流程效率转化为经营效率？ Andrew 提出的一个方向，是在下一轮经营计划中重新设置人员增长和资源投入约束，而不是机械地把每项流程改造换算成裁减岗位数量。 五、领导者最有价值的能力，不只是给出答案 案例：Andrew 对 Travis 与 Dara 的观察。 Andrew 认为，Tr

  6. 10月13日

    商业案例拆解｜Instinct：没有APP，就像私人助理一样随时待命的个人AI

    当 AI 不再等你下指令，它会变成什么？ 过去几年，我们习惯了这样的 AI：打开一个 App，输入一句 Prompt，等待一个答案。但 Instinct 想做的恰恰相反。它甚至不希望你“使用一个 AI 产品”。你可以像联系一个人一样给它发短信、打电话、发邮件；它有自己的电脑和电话号码，可以替你订机票、取消订阅、安排日程、叫车，甚至在发现你快错过截止时间时主动打电话提醒你。Noah Shinn 对产品的描述异常简单： “它就是一个 personal assistant。” 但简单的界面背后，是一场并不简单的商业战争。Instinct 成立大约一年，仍处于邀请制阶段。Noah 在节目中表示，公司没有花过营销费用，用户却一度以约 10% 的速度日增长；平台上流转的年化交易额已经超过 10 亿美元，其中约一半来自旅行。与此同时，它必须面对 Meta 等巨头的竞争，没有十亿级用户入口，却要提前数月采购可能每周翻倍的算力。更重要的是：一个真正替你行动的 AI，需要获得你的邮箱、日历、密码、信用卡甚至位置。于是 Instinct 真正要建立的，已经不只是一个 AI 产品。它必须同时建立：产品信任、用户分发、交易网络、算力基础设施和新的商业模式。这期真正值得讨论的问题是： 当 AI 从“回答问题的软件”变成“代表用户行动的代理”，谁会控制下一代互联网入口？ � 本期嘉宾 Noah Shinn｜Instinct 创始人 Noah Shinn 在 2025 年创立 Instinct，目标是打造一个能够处理日常生活事务的 Personal Agent。与传统 AI 产品不同，Instinct 强调“没有新的界面”：用户通过自己已经习惯的短信、电话、邮件等渠道与它交流，而 Agent 在后台使用自己的电脑和工具执行任务。公司在 2026 年快速进入资本和市场视野。9 月 28 日，Instinct 宣布完成 10 亿美元融资、估值 100 亿美元；Reuters 报道显示，投资者包括 Sequoia Capital、Benchmark Capital 和 Coatue。在本次访谈中，Noah 首次较系统地公开讨论 Instinct 的产品、增长、算力、商业模式以及它可能如何改变现有互联网产业。 � 本期你会听到 一个没有独立 App 的 AI 产品，为什么反而可能成为新的互联网入口？ Instinct 没花营销费用，邀请制产品为什么还能出现约 10% 的日增长？ 用户为什么愿意把信用卡、邮箱、日历甚至密码交给一个 AI？ 当两个用户的 Agent 可以直接沟通，是否会出现新的网络效应？ 为什么 Instinct 不希望靠广告赚钱？ 年化超过 10 亿美元的交易流量，未来如何转化成商业模式？ 如果 AI Agent 替我们订酒店、叫车、点外卖，OTA、Uber、DoorDash 会发生什么？ 为什么“减少用户使用 App 的时间”，反而可能增加商家的交易量？ 一个每天高速增长的 AI 产品，为什么最大的瓶颈可能不是用户，而是算力？ 当 AI 能主动替用户行动，安全、隐私和信任该如何重新设计？ ⏱️ 时间轴 00:02:00｜最激烈的软件战争：没有分发优势，如何挑战全球科技巨头？ 00:02:40｜Instinct 到底是什么：AI 不应该是另一个需要学习的新 App 00:10:30｜Trusted Person Network：当你的 Agent 开始和别人的 Agent 直接协作 00:17:30｜从餐厅预订开始：为什么“先到先得”的互联网规则可能被 Agent 改写 00:21:40｜年化交易额超 10 亿美元：为什么旅行已经贡献约一半交易量 00:25:55｜信任飞轮：用户什么时候开始愿意把信用卡交给 AI？ 00:32:00｜Alignment 与商业模式：为什么 Instinct 不想靠广告影响用户选择 00:37:05｜Take Rate：个人 Agent 能否成为数字交易的新分发层？ 00:42:48｜Agent vs. 现有平台：Uber、DoorDash、OTA 会抵抗还是合作？ 00:52:23｜企业如何准备 Agent 时代：先问清楚你的收入究竟来自“注意力”还是“服务” 00:55:03｜Understandability：为什么 AI 产品最重要的不只是能力，而是“可理解性” 00:58:00｜零营销、邀请制、约 10% 日增长：Instinct 的口碑增长是怎么形成的 01:02:45｜指数增长遇上算力采购：CEO 为什么花约 40% 的时间考虑 Compute 01:12:03｜AI Agent 的单位经济：怎样把 Frontier Intelligence 的成本打下来 01:18:10｜面对巨头竞争：创业公司的真正优势究竟是什么？ 01:21:10｜产品出错之后：为什么安全不能靠事后打补丁 01:22:20｜Agent Security：一个掌握大量私人信息的 AI 应该如何建立防线 01:25:18｜软件的终局：未来我们还需要打开几十个 App 吗？ 01:30:20｜Personalization ≠ Personality：Instinct 为什么不想成为电影《Her》里的 AI 01:35:18｜为什么叫 Instinct：AI 与人的关系应该是工具，还是值得信任的行动者？ 01:37:00｜分发战争：如果 iMessage、WhatsApp 都不属于你怎么办？ 01:38:45｜为什么需要 10 亿美元融资：资本如何帮助公司逃离短期商业模式的“局部最优” � 关键词 & 管理学知识 Personal Agent｜个人智能代理 传统 AI 更接近“你提出任务—AI 给出结果”。Instinct 想进一步成为“代表用户行动的人”：它不仅回答问题，还能使用电脑、账户和外部服务完成整个流程。商业上的变化在于：AI 从软件工具变成了交易与决策的代理层。一旦这一层成立，用户甚至可能不再需要直接进入酒店、航空公司、外卖或者电商 App。 Zero-Friction Interface｜零摩擦界面 Instinct 的产品理念不是创造更复杂的 AI UI，而是消灭新界面。短信、电话、语音、邮件都是用户已经掌握的交互方式。这对应一个很重要的产品逻辑：新技术的能力越来越复杂，但用户承担的复杂度不一定应该同步增加。Instinct 的赌注是：能力应该藏在后台，界面应该越来越简单。 Understandability｜可理解性 Noah 提出一个很值得产品经理关注的观点：与其只问 AI “还能做什么”，不如问用户：他是否知道这个产品现在在做什么，以及接下来会发生什么？例如信息长度、第一行写什么、用户扫读的方式、是否造成认知负担，都直接影响 AI 是否值得信任。能力决定产品的上限，而可理解性决定用户敢不敢真正使用这些能力。 Trust Flywheel｜信任飞轮 个人 Agent 存在一个天然的鸡生蛋问题：数据越少 → AI 越不好用；AI 越不好用 → 用户越不愿提供数据。反过来，一旦用户开始授权邮件、信用卡和日历：更多数据 → 更好的主动服务 → 更强信任 → 更多数据。 Noah 在节目中表示，使用约三周后，大约 40% 的用户已经向 Instinct 提供信用卡；而提供过至少一项敏感信息的用户，留存率大约达到 80%。 Network Effects｜网络效应 Instinct 最有意思的地方之一，并不是单个 Agent 有多聪明，而是：Agent 可以和 Agent 沟通。例如两个人想约时间，不需要双方反复交换空闲时间；两个 Agent 可以在权限范围内直接协调。如果这种 Trusted Person Network 扩大，每增加一个用户，不仅增加一个 Agent，也增加了更多可协作的连接。这可能形成一种不同于传统 Social Graph 的：Permissioned Agent Graph｜基于权限的智能代理网络。 Transaction Take Rate｜交易抽成 Instinct 暂时不想通过广告诱导用户消费，而是在探索另一种模式：免费服务用户，再向因为 Instinct 带来交易的商家收取一定比例的 Take Rate。逻辑类似：我替你带来用户和交易，你为分发付费。这意味着 Instinct 想成为的并不仅仅是 SaaS 产品。如果越来越多消费决策通过 Agent 完成，它可能变成新的交易分发层。 Attention Economy｜注意力经济 Noah 提出了一个很适合分析 Agent 时代公司的框架：一家公司的收入到底来自：用户使用底层服务，还是用户花时间待在 App 里？如果商业模式依赖更多交易，Agent 降低摩擦可能反而扩大市场。但如果收入主要依赖：停留时间 → 广告曝光 → 点击。那么一个“替用户完成任务、减少屏幕时间”的 Agent 就可能直接削弱其商业模式。 Distribution Advantage｜分发优势 Instinct 的最大战略劣势也非常明确：Meta、Google、Apple 等公司可以直接触达数十亿用户，而 Instinct 没有自己的操作系统、社交网络或超级 App。它目前的反击方式，是依靠产品形成高强度口碑增长。Noah 表示，从最早约 200 名亲友开始，邀请传播逐步加速，一度达到约 10%–11% 的日增长，并且没有营销支出。所以 Agent 战争本质上也是：Product Pull vs. Distribution Push。 Capacity Planning｜容量规划 传统互联网产品高速增长，需要扩服务器。AI Agent 的问题更加棘手：它需要大量推理算力，而且计算资源存在几个月的采购和部署周期。如果用户每天增长 5%–10%，今天购买的计算资源，几个月后可能完全不足。但如果提前大量购买，而增长没有发生，单位成本又可能严重失控。因此 Instinct 面临的是典型的：需求指数增长 × 长交付周期 × 高固定承诺，组成的 Capacity Planning 问题。 � 本期管理学思考 1. 下一代 AI 产品竞争，可能首先不是“谁的模型最好”，而是谁控制用户意图 过去互联网公司的核心资产之一是：Attention｜用户注意力。用户进入 Google 搜索、打开 Amazon、电商 App 或 OTA，然后在平台提供的选项里决策。Personal Agent 改变的是流程的第一步。 未来用户可能只说： “我今晚需要到纽约。” 后续航班、座位、酒店、交通甚至行程，由 Agent 根

  7. 10月10日

    商业实战课｜1.2个人管20个AI Agent：SaaStr的销售团队正在被重新设计

    10个人的工作，现在1.2个人加20个AI Agent来做 SaaStr 曾经有一支传统的 GTM 团队：2–3 个 SDR，最多5个 AE，负责卖活动赞助和门票。后来，两名销售在 SaaStr 最重要的年度大会现场离职。 Jason Lemkin 做了一个极端决定：这一次，不再补人。 SaaStr 开始把销售流程拆开：Outbound、Inbound Qualification、客户召回、Support……然后把不同任务交给不同的 AI Agent。最后，原本大约 8–10 个人承担的 GTM 工作，变成了： 1 个 AE + 一位 Chief AI Officer 约20%的时间 + 20个 AI Agents。Jason 给出的结果不是“AI 比人强10倍”，而是一个更值得管理者注意的结论： 整体 productivity 大致相当，但软件可以24小时运行，也可以继续扩张。 更重要的是，他也发现了 AI Agent 最容易被忽视的一面：Agent 并不是买回来打开开关就能工作。 它需要训练、数据、测试、纠错、分工和持续管理。SaaStr 的20个 Agent 发展到后来，仅人工检查和管理输出，每周就需要10–15小时。 We replaced our sales team with… 所以，这期真正值得商业人士思考的问题不是：“AI 会不会取代销售？”而是：当数字员工开始进入公司，我们应该怎样重新设计组织、岗位和管理系统？ � 本期嘉宾 Jason Lemkin，SaaStr 创始人兼 CEO，连续创业者和 SaaS 投资人。 SaaStr 从 Jason 2012 年开始写的 SaaS 博客逐渐发展成创业者社区、媒体和大型活动业务。Jason 在节目中表示，SaaStr 每年举办约万人规模的 SaaStr Annual，业务达到八位数美元年收入规模；其商业模式包括活动赞助、门票和媒体等。 We replaced our sales team with… 但这期真正特殊的地方在于：Jason 不是在预测 AI Sales 的未来，而是在拿自己的公司做实验。SaaStr 已经实际部署了包括 Delphi、Artisan、Qualified、Agentforce 等在内的多个 Agent，把 AI 放进真实 GTM workflow 中。原节目也将这次转型描述为：20个 Agent 由约1.2个人管理，承担此前约10人销售/GTM团队的工作。 � 本期你会听到 一支约10人的 GTM 团队，为什么最后只剩 1.2个人 + 20个AI Agent？ 为什么 Jason 认为 “Sales plays 还有效，但 playbook 已经坏了”？ AI Agent 最适合从 Outbound、Inbound、Support，还是 Closing 开始？ 为什么买了 AI Agent，打开开关就等 ROI，几乎一定会失败？ 一个 AI Sales Agent 到底需要多久才能真正“训练好”？ 为什么选择 AI Agent 供应商时，谁来帮你部署可能比功能列表更重要？ 什么是 Agent Orchestration｜Agent 编排？为什么20个 Agent 反而创造了新的管理工作？ AI 可以替代哪些销售工作？哪些高价值销售场景仍然需要人？ 为什么 Forward-Deployed Engineer（FDE） 正成为 AI 软件公司重要的新角色？ 当 Agent 可以24小时工作时，为什么人反而可能比以前更忙？ ⏱️ 时间轴 00:01:50｜10个人 → 1.2个人 + 20个Agent：一个极端的销售组织实验 00:04:45｜SaaStr到底是什么生意？八位数收入背后的活动与赞助模式 00:06:10｜两名销售现场离职：为什么Jason决定不再按传统方式补人 00:08:18｜AI团队成绩单：人数大幅减少，为什么整体产出还能接近原团队 00:14:30｜Play没失效，Playbook失效了：AI时代的GTM发生了什么变化 00:20:50｜SDR、BDR、AE：哪些销售岗位最先受到AI冲击 00:23:40｜AI为什么没有首先消灭销售管理者 00:27:40｜Build vs. Buy：为什么大多数公司不应该自己造GTM Agent 00:32:15｜从Delphi到Artisan、Qualified：SaaStr的Agent矩阵是怎么搭出来的 00:42:00｜20个Agent的另一面：训练、维护和组织复杂度开始反噬 00:47:00｜AI仍然打不过人的地方：高价值、低数量的Enterprise Sales 01:00:00｜重新画一遍销售漏斗：AI负责Top of Funnel，人类负责Close 01:03:30｜Orchestration：真正稀缺的不是Agent，而是“管Agent的人” 01:04:40｜销售人员如何自救：不要只学AI，要亲手部署一个Agent 01:09:38｜FDE崛起：AI公司为什么必须帮助客户把产品真正跑起来 01:15:38｜哪些销售规律正在改变，哪些商业规律其实没有变 01:26:45｜一个反常识结果：AI没有减少工作，反而制造了更多工作 01:37:20｜AI与就业：真正发生的可能不是裁员，而是“不再补人” � 关键词 & 管理学知识 Agentic GTM｜智能体驱动的市场进入系统 这期最值得关注的并不是某一个 AI 销售工具，而是 GTM workflow 本身开始被重新拆分。过去一个 SDR 可能同时负责找客户、发邮件、跟进和筛选；SaaStr 的做法则是把流程拆开，由不同 Agent 分别负责 outbound、inbound、reactivation 等任务，最后把真正需要谈判和 closing 的机会交给人。这意味着 AI 带来的不只是“自动化”，而是一次 工作设计（Work Design） 的变化。 Human-in-the-Loop｜人在回路 SaaStr 的案例恰好反驳了“Agent = 无人化”。Jason 强调 Agent 需要持续 QA、纠错和迭代；到了20个 Agent 的规模，Amelia 每周需要花10–15小时检查输出。 自主运行 ≠ 无人管理。 未来管理者可能不再逐个管理执行者，而是设计规则、检查异常、训练模型并决定哪些任务必须升级给人。 Orchestration｜Agent 编排 当公司只有一个 Agent 时，问题是“它能不能完成任务”。当公司有20个 Agent 时，问题变成：谁负责什么客户？数据怎么分？Agent之间如何避免冲突？什么时候转给人？ Jason 特别提到，如果多个 Agent 同时工作，就必须对客户库进行 segmentation，否则系统会迅速变得混乱。 这已经从 AI 工具问题变成了组织设计问题。 Forward-Deployed Engineer（FDE）｜前线部署工程师 传统 SaaS 往往是：销售签单 → 客户购买 → 再慢慢上线。Agent 产品却可能反过来：先帮客户部署 → 训练到有效 → 证明ROI → 再扩大合同。所以 FDE 的价值不是“演示产品”，而是深入客户业务流程，让 Agent 在真实环境里真正工作。Jason甚至把它描述为 Customer Success、Solution Engineer 和 Consultant 的混合体。 Build vs. Buy｜自研还是购买 Jason 的建议非常明确：对于大多数公司，不要自己造 GTM Agent。原因不只是开发成本，而是 AI 产品迭代速度太快：今天内部开发的系统，几个月后就可能落后。真正值得企业投入的能力，反而是：选择 → 部署 → 训练 → 集成 → 管理。 Best-Practice Replication｜复制最佳实践 Jason 对 AI Sales 的训练思路很简单：不要让 AI 凭空成为优秀销售，而是找到团队里最好的销售邮件、脚本和方法，把这些内容作为 Agent 的起点，再不断测试和纠错。换句话说，AI 首先放大的不是“平均水平”，而是企业已经拥有的 organizational knowledge｜组织知识。 Business Process Change｜业务流程变革 真正困难的往往不是软件价格，而是企业必须改变自己的工作方式。部署一个 Agent，就意味着重新定义谁处理 lead、谁检查输出、谁拥有客户、什么情况转人工。因此 Agent adoption 的瓶颈最终可能不是模型能力，而是企业能够承受多少次流程变革。 � 本期管理学思考1. AI真正改变的可能不是“人数”，而是组织的最小单位 工业时代，一个岗位对应一个人。软件时代，一个岗位开始对应一套系统。Agent 时代则可能进一步变成： 一个人 + N个Agent = 一个新的组织单元。 SaaStr 最值得研究的并不是“10个人减少到1.2个人”，而是 Amelia 这个角色发生了变化——她不再只是完成某项任务，而是在管理一组数字执行者。未来衡量管理跨度（Span of Control）时，分母可能不再只有人。 2. AI首先压缩的，很可能是组织里的“中间水平” Jason 并没有说优秀销售没有价值。恰恰相反。对于几十个高价值 Enterprise Account，他认为优秀销售依然值得投入大量人工研究和一对一沟通；真正受到压力的是大量标准化、重复性强、价值密度低的工作。 因此更准确的问题不是： AI能不能超过最优秀的人？ 而是： AI什么时候能够超过组织中的平均执行水平？ 一旦答案变成“可以”，组织结构就会开始改变。 3. Agent越多，“管理”反而越重要 这是本期最反直觉的洞察之一。Agent 不请假、不睡觉，可以24小时制造 output。但 output 越多，需要检查、纠错、分流和决策的东西也越多。Jason 甚至说自己现在比过去工作得更辛苦，因为 Agent 的生产力太高，人必须跟上它们制造出来的工作量。 所以：Automation ≠ Less Management。更可能是：Automation → More Output → New Management Bottleneck 4. AI时代的软件竞争优势，可能从“功能”转向“部署成功率” 传统 SaaS 可以卖完软件以后，让客户自己慢慢实施。AI Agent 很难。因为如果训练数据不对、workflow 不对、prompt 不对，即使底层模型再强，客户看到的依然是一个“不会工作的员工”。 因此 FDE 的兴起其实说明： AI产品的价值，不在Demo里，而在生产环境里。 这会改变 AI SaaS 的销售、Customer Success，甚至产品团队的边界。 5. 企业真正应该寻找的，不是“哪里能用AI”，而是“哪里体验最差” Jason 给了一个很实用的方法：用一个全新的账号，以陌生客户身份重新体验自己的产品。联系客服。填写 Contact Sales。订阅 Newsletter。走一遍 onboarding。 然后问： 哪个环节糟糕到让我最难受？ 那个地方，很可能就是最值得优先部署 Agent 的地方。 这其实是一种很好

  8. 10月8日

    商业案例拆解｜YETI：从钓鱼圈小众装备，到近19亿美元生意

    一个普通塑料冰箱可能只卖四五十美元。YETI 却决定卖 300～400 美元。更不可思议的是，创始人一开始甚至没打算把它卖给大众。 2006 年，来自得州的 Roy 和 Ryan Seiders 兄弟只是两个狂热的户外爱好者。他们钓鱼时发现，市面上的冰箱虽然便宜，但在船上经不起长期折腾：铰链会坏、锁扣会断，也不适合直接坐上去甚至站上去。 于是他们决定做一个真正为自己设计的冰箱。更厚、更重、更耐用，也贵得多。 当时传统品牌已经在 Walmart、Target 等大众零售渠道里陷入价格竞争。YETI 却反其道而行：不和巨头抢大众市场，而是先去服务一群愿意为性能支付高价的专业用户。 结果，一个原本为猎人和钓鱼爱好者设计的小众产品，慢慢出现在球赛聚会、后院烧烤和海滩上，最后甚至变成了一种身份符号。 更关键的是，YETI 后来发现：真正把公司从“小众冰箱品牌”推向大众市场的，甚至不是冰箱。 而是一只 30 美元的杯子。这期我们拆解一个非常经典的商业问题： 成熟市场里，当所有竞争者都在变得更便宜，你能不能通过把产品做得更好、更贵，反而创造一个新的市场？ � 本期嘉宾 Roy Seiders & Ryan Seiders YETI 联合创始人。 兄弟二人在得州户外环境中长大，父亲本身就是经营钓鱼用品相关生意的小企业主。Ryan 很早就经营自己的专业钓鱼竿公司 Waterloo Rods；Roy 则尝试过户外产品和渔船相关生意。正是在给渔船配置冰箱的过程中，他们发现传统产品经不起专业户外场景的长期使用。两个人没有从“我们应该创业做什么”出发，而是从一个自己每天都遇到的问题出发：为什么没有一个真正耐用的冰箱？2006 年，两人创立 YETI。 � 本期你会听到 一个已经高度成熟的品类，为什么仍然可能隐藏着创业机会？ 为什么传统冰箱越来越便宜，反而给 YETI 创造了市场空白？ 一个售价 300～400 美元的冰箱，消费者为什么愿意买？ YETI 为什么没有一开始就去 Walmart、Target 等大众渠道？ 小型专业零售商为什么反而愿意帮助 YETI 卖高价产品？ 当消费者不知道为什么应该多花几百美元时，品牌应该怎样教育市场？ 为什么“熊打不开 YETI”比一大堆产品参数更有营销价值？ 创始人为什么宁愿投资品牌，而不是把大量资源花在专利防御上？ 一次供应链危机，为什么反而让 YETI 变成了更强的公司？ YETI 被迫涨价 15%，为什么销量没有崩？ 一个小众户外品牌如何跨越专业用户，进入大众消费市场？ 为什么一只 30 美元的杯子，比 400 美元的核心产品更能推动品牌增长？ YETI 如何从 1 亿美元销售额快速增长到 4 亿美元？ 创业公司什么时候应该引入外部资本？ 为什么 YETI 最终成长得远远超过两位创始人最初的野心？ ⏱️ 时间轴 00:05:25｜在父亲的小企业里长大：兄弟俩最早的商业教育 00:06:40｜专业钓鱼竿、户外装备和一门“不赚钱”的渔船生意 00:16:50｜不是“不够冷”，而是传统冰箱太容易坏 00:21:45｜先卖别人的产品，再确认消费者真的愿意付钱 00:34:28｜从零设计一个可以坐、可以站、经得起长期使用的冰箱 00:48:18｜20个人意见不一，为什么最后反而选了 YETI？ 00:57:30｜当 Coleman 和 Igloo 去抢 Walmart，YETI 找到了什么空白？ 01:04:10｜“Wildly Stronger, Keeps Ice Longer”：高价产品如何解释自己？ 01:07:40｜销售额从约50万美元增长到120万美元 01:15:42｜核心制造伙伴突然离世，公司为什么一度以为自己完了？ 01:22:25｜18个月后，一场危机如何换来双供应商和更好的产品？ 01:26:48｜YouTube 早期，怎样用低预算证明一个昂贵产品值得买？ 01:31:48｜零售商开始主动打电话：“客户一直问，我是不是该卖 YETI？” 01:33:30做到约2000万美元销售额后，为什么决定引入私募股权？ 01:38:30｜做到1亿美元后，“只卖硬冰箱”为什么反而成为风险？ 01:39:39｜一只30美元 Rambler，如何把小众户外品牌带入大众市场？ 01:45:25｜他们原本只想复制父亲的小生意，为什么 YETI 最终失控般长大？ � 关键词 & 管理学知识 Differentiation｜差异化战略 YETI 最值得研究的地方，是它没有在传统冰箱已经形成的竞争维度上继续竞争。传统市场的逻辑逐渐变成：更便宜 → 抢更多大众零售货架 → 进一步降低成本。 YETI 反过来问：如果我们不服务所有人呢？对于每天使用产品的猎人、钓鱼者和专业户外用户，耐用性远比几十美元的价格差重要。因此 YETI 没有参与价格战，而是改变了竞争变量。 Willingness to Pay｜支付意愿价格高不一定意味着没有市场。关键在于：对哪一群消费者而言，这个问题足够痛？ 普通消费者可能认为： 400 美元买一个冰箱疯了吗？ 但对于经常在船上使用、不断弄坏普通冰箱的专业用户而言，比较方式可能变成： 买一个长期使用的产品，还是不断换掉坏掉的便宜产品？ 同一个价格，在不同 Customer Segment 面前代表完全不同的价值。 Beachhead Market｜滩头市场 YETI 没有一开始就试图教育全美国消费者。它首先进入自己最了解的人群：猎人、钓鱼者和专业户外爱好者。这个群体规模并不是最大，但有三个重要优势：痛点强、专业度高、愿意付费。 创业公司早期真正需要的，往往不是最大的 TAM，而是一个：最容易证明产品价值的 Beachhead Market。 Channel Strategy｜渠道战略 YETI 早期没有依赖大型零售商，反而大量进入独立户外用品店和五金店。这是一个很聪明的 Channel–Product Fit。一个40美元的冰箱，对小型零售商贡献的利润有限。一个300美元的 YETI，却可能让店家一单赚到约100美元。于是 YETI 不只是给消费者创造价值，也给渠道创造了一个：值得占用货架空间的产品。 Signaling｜信号机制 YETI 后来一个非常聪明的营销动作，是用极端场景证明产品。例如：让真正的灰熊尝试打开 YETI。消费者未必真的会带着冰箱遇到熊。但这并不重要。 “熊都打不开”是一个极其简单的质量信号： 如果它能扛住这个，它当然也能扛住我的周末露营。 好的营销不是把所有参数告诉消费者。而是找到一个能够让消费者瞬间理解价值的证明。 Brand Moat｜品牌护城河 面对可能出现的模仿者，兄弟俩曾经考虑知识产权保护。但他们意识到：申请专利需要钱，真正打专利官司更需要钱。对于资源有限的创业公司，他们选择把更多资源投入：产品 + 渠道 + 品牌。 逻辑很简单：竞争者可能复制一个旋转成型冰箱，但如果消费者想到“最耐用的高端冰箱”首先想到 YETI，那么品牌本身就成为壁垒。 Pricing Power｜定价权 2008 年供应链突然出现重大危机后，YETI 为了减慢库存消耗并增加现金，把部分产品价格一次提高约15%。创始人原本已经做好被零售商抱怨的准备。 结果：几乎没有人打电话。消费者继续买。这是一个非常重要的商业信号：他们此前可能低估了自己的 Pricing Power。真正的定价权不是“敢涨价”。 而是：涨价之后，需求依然存在。 Supply Chain Resilience｜供应链韧性 核心制造伙伴离世后，YETI 一度认为公司可能无法继续经营。但18个月后，他们得到的却是：更先进的生产工艺、更好的产品，以及双供应商体系。这是典型的 Organizational Resilience：危机并不自动让企业更强。 真正产生能力的是：企业有没有借危机重新设计系统。 Product Line Extension｜产品线延伸 YETI 做到约1亿美元销售额之后，一个问题越来越明显：它仍然高度依赖硬壳冰箱。后来 Rambler Drinkware 的出现改变了整个增长曲线。因为它保留了 YETI 的核心品牌承诺：耐用、保温、户外生活方式。 但把进入价格从几百美元降到约30美元。这不是简单“多卖一个 SKU”。而是重新设计了消费者进入品牌的入口。 Affordable Luxury｜可负担的奢侈 不是每个人都愿意花300～400美元买 YETI 冰箱。但很多人可以买一只30美元的 YETI 杯子。Rambler 因此成为一种非常有效的：Affordable Luxury。 消费者用一个相对低的价格获得高端品牌体验。这帮助 YETI 从专业户外用户走向更广泛的人群，同时又没有通过降价破坏原来的 Premium Positioning。 � 本期管理学思考 1. 成熟市场最大的机会，有时恰恰来自“所有人都在优化同一件事” Coleman、Igloo 等传统品牌争夺大众零售货架后，行业越来越关注成本。产品因此越来越便宜。但“便宜”被持续优化之后，一个需求反而越来越没有人服务：真正需要耐用产品的人怎么办？ YETI 的机会不是发现了一个没人知道的新品类。而是发现：整个行业优化过头了。这对创业者是一个很重要的市场观察方法： 不要只寻找“还没人做什么”。还可以寻找： 整个行业正在拼命优化什么，以及因此牺牲了什么？ 2. 高价不是战略，重新定义价值才是 YETI 经常被理解成“Premium Pricing”的成功案例。但创始人在节目里明确表示：最初并不是为了制造奢侈感而故意把产品卖贵。 他们只是算了一笔账：制造成本高，零售商需要利润，公司也需要利润，因此必须卖到300美元左右。 真正让高价成立的是：产品差异足够明显。 所以顺序应该

查看全部 13 集

关于

全球商业与科技观察。换个高度，看清世界！ 多年前，在北大光华攻读 MBA 期间，曾参与策划和运营《北大大讲堂》企业家系列论坛，与一批优秀企业家近距离交流商业与创业。 现如今，立足北美，借助 AI，把视野延伸到更远的地方。 我们聚合哈佛、沃顿、斯坦福等全球顶级商学院的学术洞察； 麦肯锡、BCG、普华永道等战略智库的研究研判； 以及 YC、a16z、红杉资本 等一线创投机构的敏锐触角。 剥离噪音，深度剖析海外正在发生的真实商战案例与科技拐点。 我们关注正在重塑世界的商业、科技与时代趋势，拆解真实的海外商业案例，理解变化背后的逻辑与选择。 看见别人如何做， 更重要的是想清楚我们如何破！ 此山看世界，他山看自己！ 主理人｜Steven 王高峰 连续创业者、设计师，拥有多年电子商务、市场营销与产品运营经验，现居北美，从事跨境与海外仓储相关业务。 走过一些路，做过一些事，也因此更相信： 他山之外，还有山......认知没有终点。

信息