摘要

核心判断：企业采用 AI 要走“10年，而不是2年”。 过去两年，模型在公开基准上的表现提升了40–60%，KPMG 称60%的消费者每周使用 genAI；但 MIT 发现，只有5%的 genAI 部署以任何形式真正运转，Gartner 预计到2027年40%的企业项目会被取消。Fitzpatrick 的诊断是：瓶颈在数据基础设施、工作流重构、责任归属，以及“最重要的，信任”——银行会先按模型风险管理的方式验证 genAI，其他企业则会在此后五到六年跟进。
“仅靠开箱即用的 SaaS 绝对做不到这件事。” Invisible 不收前期费用——免费提供8周解决方案冲刺，直到用户验收测试通过才收费，前线部署工程师也完全免费（450人、8个办公室）。对 SaaS 投资者而言，结构性结论是：“一旦你在 SaaS 场景下不得不引入 FDE，经济模型会瞬间崩溃。”Fitzpatrick 认为，开箱即用的软件“某种程度上一直都是谎言”——终局是超个性化软件，而不是一个个软件盒子。
内部自建正在败下阵来：MIT 数据显示，外部驱动的构建效果是内部构建的2x。 一家电商零售商就是典型案例：它花2500万美元做退货客服 agent，自建评估体系，以通话解决速度和情绪作为指标，结果一个虚构“退款200万美元”的回答也能拿满分；几个月后，公司关停项目，退回确定性流程。Fitzpatrick 的解法是：选择3到4个项目，由运营负责人牵头——“不要把它放在技术部门”——并按实际效果付费。
行业最大的误称是：合成数据不会取代人类反馈。 合成数据适用于数学等具有基础真值的领域；跨45种语言、多步骤推理和多模态场景仍处于“第一局”，而达到法律行业标准的数据掌握在大型律所内部，不在公开语料库中。与 ML 不同，genAI 需要人类参与统计验证——“未来几十年，你都需要人在环路中。”
数据标注行业将洗牌为3–5家，而非赢家通吃。 集中度是结构性的，因为真正构建 LLM 的公司并不多；但“人们愿意为好数据付费”，因为一周的坏数据就能烧掉巨量算力，所谓完全不在乎价格是“夸张了”。护城河是 Helmer 所说的机构记忆——一条数字化生产线，能在24小时内调度2.6万名筛选过的专家——而且他坚持，那些大数字是收入，不是 GMV。
资本策略已经反转：Invisible 成立9年来只募集了700万美元一级资本；如今已募得1.3亿美元，今年不会盈利——“这是有史以来最适合增长的环境……我希望我们永远不要进入收获阶段。” 下一 frontier 是物理世界数据：FDE 把 Starlink 终端部署到农场，为畜群安全训练计算机视觉模型；再往后是机器人。
对 agent 的怀疑可以量化：Salesforce AI 研究显示，开箱即用的 agent 单轮准确率为58%，多轮准确率为33%；AWS 报告称，70%的“agent”其实是传统脚本。 若管理一支4亿美元基金，他的逆向配置是：不要只看开箱即用的 agent，而要押注直接服务客户需求的 AI 原生企业——他认为，YC 最近一届正是靠这一路径，收入做到了此前任何一届的2x。

精读

1. 企业采用 AI 仍然滞后

Fitzpatrick 同时站在市场两端：Invisible 通过 RLHF 为所有大型语言模型训练数据，也在自己的平台上部署企业用例。他对过去两年“认知失调”的概括是：模型在公开基准上的表现提升了40–60%，消费者采用呈指数增长（KPMG：60%的消费者每周使用 genAI），但 MIT 报告称只有5%的 genAI 部署以任何形式真正运转，Gartner 预计到2027年40%的企业项目会被取消。
问题出在模型之外的一切：“支撑这些模型的数据基础设施、工作流重构……以及最重要的，信任。还要有可观测性。”基于自己在银行业构建信贷模型10年的经历，他预计企业会复制银行所称的模型风险管理：测试、训练、验证——“整个流程还处在第一局。”
他的时间判断是：“这要走10年，而不是2年。”银行和医疗行业会先完成测试与验证阶段，“之后其他企业会在接下来的五到六年里跟上。”
Stebbings 亲身经历进一步说明了这一点：他在全球最大银行之一演讲后给团队发消息说“他们完蛋了”，因为 CTO 以数据、安全和权限为由，笑谈他的现成工具。他也承认：“你刚才说的这些，我都听进去了。”

2. 内部自建 AI 项目失败

据 Fitzpatrick 转述，MIT 报告中一个被埋没的数据是：外部驱动的构建效果是内部团队构建的2x。他观察到过去10年的模式是：企业先买15个应用，云计算兴起后再套上定制封装，而“genAI 把这一切放大了5倍”——内部团队拿到巨额预算，却没有供应商必须遵守的交付物、时间表、ROI 和里程碑纪律。
他谨慎地描述人才问题：“真正知道如何把这件事做好的人并不多。”而这些人才都在 AI 初创公司和大科技公司里，因此企业若从第一性原理自行推演，确实面临真实风险。
他见过最典型的案例是一家电商零售商：花2500万美元构建退货 agent，并自建评估体系，把通话解决速度和情绪混在一起衡量。“问题在于，如果 agent 产生幻觉，说‘这里有200万美元’，它确实能很快解决问题，客户也会很开心。”几个月后，公司关停项目，退回确定性流程——“这完全不让我意外。”
他预计未来两年的修正来自 CFO 职能：设定 ROI、指标和里程碑。具体打法是，挑出3到4件真正推动业务的事，安排最好的4名运营负责人，“不要把它放在技术部门”，并把付款与结果挂钩。负责人“不需要技术能力特别强”，只要具备管理任何供应商时都需要的同一套肌肉记忆。

3. 前线部署工程胜出

买方的现实是：每周有250家供应商上门推销，听起来都差不多——有客户甚至一开会就问：“你和这周向我推销过的另外250个人有什么不同？”而且很多产品根本不好用：Salesforce AI 研究测试开箱即用的 agent，单轮工作流准确率只有58%，多轮只有33%——“这意味着它们其实不能工作。”
Invisible 的回答是：“我们其实什么都不卖。”公司见客户时会说，免费做8周，证明技术确实可行。当被问到能否在没有强力前线部署机制的情况下服务企业时，他回答：“我不认为可以……仅靠开箱即用的 SaaS 绝对做不到这件事。”公司已进一步押注这一模式：450人分布在8个办公室，FDE 不收费，区别于竞争对手：“我少花钱雇销售，多花钱雇前线部署工程师。我的算式就这么简单。”
他对 FDE 的定义很关键：做好 FDE，就是在大约3个月内“执行一个非常具体的工作流构建”，既不是解决方案工程，也不是 Accenture 式的3年期项目。对创业者而言，判断标准很简单：知识库（公开披露文件、医疗参考资料）不需要 FDE；“如果你想改变工作流，就需要 FDE”，而采用和工作流嵌入才是最难的部分。
他最尊敬的公司是 Palantir：“他们比科技市场其他人早10年意识到，前线部署工程定制会很重要……这是一次非常反文化的跃迁”，因为当时没有人愿意涉足技术服务。

4. AI 软件需要定制化

创始人 Francis 的创办原则是：“如果什么都有一个应用，为什么什么都不好用？”过去20年的 Accenture 模式是：买50个应用，两年花2亿美元把它们层层拼接起来，最后得到“没有可用数据、没有连接关系”的沉积层。Duck Creek 等保险科技公司则借助势头和推动其发展的系统集成商，取得了很好的成绩。
他对 SaaS 投资者的异端观点是：看看大型上市软件公司收入中究竟有多少来自服务。“开箱即用的软件某种程度上一直都是谎言……只是把它包装起来。”genAI 进一步打破这一模式，因为每个客户构建的东西都高度具体：“它不是一个盒子。”付款发生在用户验收测试时，也就是项目开始两到3个月后——“机器学习进入企业已经很久了，一直就是这样的路径。”
Lifespan MD 是一个验证案例：这家医疗 concierge 服务商的数据分散在 EHR、CRM、ERP 和各种笔记中。Invisible 的5个平台——负责数据的 Neuron、构建 agent 的 Axon、构建流程的 Atomic、专家市场，以及负责评估的 Synapse——在2到3个月内完成统一，“Accenture 要花两年”。随后再叠加对话式查询，例如“哪些人用过 peptides，年龄在36到50岁之间，结果如何”，以及定制排班 agent。他的判断是：“你会从开箱即用的 SaaS，走向利用单个客户特定数据的高度超个性化。”

5. 数据标注高度专业化

对于外界把 Invisible 与人才市场归为一类，他重新定义了业务：“你必须能在24小时内找到一名牛津大学天体物理学博士，把他放进一条数字化生产线，4天后生成完美且经过统计验证的数据，再与另一家的数据正面对比。”Invisible 每年接触130万名专家，最终保留2.6万名筛选过、必须在24小时内开始工作并产出完美数据的专家。
用 Hamilton Helmer 的话说，护城河是机构记忆。他最喜欢的例子是丰田生产体系：丰田可以公开描述这套体系，但没有人能复制。“它就是一条数字化生产线，与汽车工厂没有区别”，同时还沉淀了5年数据，记录谁擅长什么任务。
这个行业的变化很大：5年前还是在 Google Sheets 上运行的“猫狗低端商品标注”；如今则是在一天内找到“会说法语的17世纪法国建筑专业建筑师”来完成验证。专业化和拆分成极其细分的供给池确实存在——Stebbings 引述的那位董事会成员没料到这一点，Fitzpatrick 的回答是：“绝对如此。”
对于定价，他说：“我把我们的业务看成 Uber。”这是一个价格发现市场，费率取决于下雨、地点等市场环境。关键区别在于：“你可能给一个非常差的专家支付过高费用，那会彻底浪费所有人的时间。”真正的价值在于知道150美元的专家与130美元的专家有什么差别。供给有限也不是问题：“所需的专业能力每月变化太大，即使你把供给固定下来，3个月后也会变。”

6. 数据市场仍将保持集中

对于“两家公司贡献超过50%收入”的格局，他并不反对：“真正构建 LLM 的公司并不多，所以整个空间按定义就会集中。”他的反驳是业务正在多元化：2024年业务明显偏重 AI 训练（人才市场一侧占据“相当大的比例”），但 Invisible 已在过去45天确认了12笔企业交易。
谈判的僵局最终取决于质量，而不是议价权：“人们愿意为好数据付费……一周的坏数据会烧掉大量算力。”同台测试很常见：一款多模态音频模型出现后，“我们会在当周与另一家正面对决，最后可能赢，也可能输。”但董事会成员关于价格严重不敏感的说法遭到反驳：“我认为那是夸张……所有玩家之间其实存在相当标准的价格区间。”
他对行业洗牌的判断是：“我不认为答案是一家……大多数市场最终都会留下3、4或5家。我甚至不认为会是两家。”不同公司会按任务分工，分别专注编码、专业任务和博士级专家。在企业市场，历史上“一直是 Palantir，其他公司不多”，因此替代者才会引发如此大的兴奋。
对于 Stebbings 质疑其收入与 GMV 的区分——他此前几期节目因称其为收入而“挨了不少批评”——Fitzpatrick 回答：“我认为那就是收入。”区别在于 Airbnb 收取统一费率，而这里“取决于项目和专家类型，差异极大”，不存在相对于订单金额的统一费率。

7. 人类反馈仍不可或缺

在他看来，行业最大的误称是认为合成数据会在两到3年内接管一切。“从第一性原理看，这其实没有太多道理。”合成数据适用于数学等具有基础真值的领域；但跨音频、视频和45种语言的多步骤推理——例如“带南方口音的印地语、法语和英语计算生物学”——仍是一个排列空间，“我们还处在第一局”。他更明确地说：“人类反馈在未来10年都会很重要。我对此有强烈信念。”
法律是他反复举的例子：“世界上大量法律数据都在大型律所手里，甚至不在公开领域”，而公开语料库“多年来已经商品化”。更深层的区别来自他在 QuantumBlack 工作时的经验：ML 模型无需人类干预就能回测到统计有效性；但在 genAI 领域，“未来几十年，你都需要人在环路中。”
对于 Stebbings 嘲讽 Gemini 3 和 Opus 4.5 的基准不断变化，他认为模型“毫无疑问”在进步，但它们正转向高度具体的任务，而“按定义就不存在公开基准”——比如模型构建 LBO 模型的能力，或一份面向某家 PE 公司的 IC 备忘录是否达到“99%精确率”。因此投资者应注意：基准进步“几乎与企业采用正交”，后者取决于具体任务上的信任和精度，而不是泛化能力。专业能力会复利增长；他以可能与 SAIC、Vantor 和美国海军合作的案例为例：为水下无人机集群微调模型，让它们执行反应、撤退、报警和接战，正是靠逻辑积累出的转换成本。
对初级人才被掏空，他并不担心：5到10年的采用曲线给了行业足够的反应时间，而应届毕业生“是采用率最高的人群之一”，他反而在加大招聘。他的类比是：会计从“计算尺走向 Excel”，员工数量并没有下降——这就是 Jevons 悖论，“实际上会计工作更多了”，而且每个 FP&A 职能的规模“可能都比25年前更大”。

8. 资本推动物理世界扩张

资本策略发生了反转：Invisible 成立9年来总共只募集了700万美元一级资本；如今已募得1.3亿美元（最初公布的数字是1亿美元），今年不会盈利。他的逻辑是：“你可以收获资本，也可以投资资本……我认为这是有史以来最适合增长的环境……我希望我们永远不要进入收获阶段。”他经常思考、也最害怕的决定，是是否要向500亿至1000亿美元规模的超大规模公司迈进——这意味着要在每个客户身上投入更多。对于 Mercor 募资20亿美元，他并不羡慕：自己的资金投向企业业务和核心软件平台，“和其他人的重点有些不同。”
他目前还没有投资、但希望投资的方向是物理世界交互。一个案例是服务美国最大的农业集团之一，解决畜群安全问题：FDE 走进农场，“把 Starlink 终端放进这些农场，并构建定制计算机视觉模型”，判断何时派兽医。下一站是油井平台；机器人“需要更长时间，但一旦奏效会非常有意思”，而且需要针对具体任务的机器人，而不是通用机器人。
如果给他一支4亿美元的基金，他的逆向配置是：模型层能带来回报，agent 层较为复杂，应用层“也很棘手”。对社会而言，真正有意思的问题是：“围绕 AI 创立的新公司，能否比大公司学会采用 AI 更快地获得分发。”他的押注是直接服务客户需求的 AI 原生企业，包括税务和会计领域的 genAI 原生服务，以及物理世界运营商。他认为 YC 最近一届的收入达到了“此前任何一届的2x”。
对于70–80%的软件毛利率是否已经成为过去，他首先反问：“首先，70–80%的软件毛利率真的存在过吗？”上市软件公司的估值倍数在两年内从20x降到10x，因为盈利能力暴露出增长放缓；与此同时，“那些一体化单元会非常、非常赚钱”——客户获取更快、构建更快，也没有软件盒子的黏性束缚。

9. 信任胜过虚张声势

他接手 Invisible 时，“如果你看遍整个公开互联网，我认为只有一篇文章提到这家公司。”如今他70%的时间都在出差，遵循 Marc Andreessen 的一个观点：“当私下叙事与公开叙事出现分歧时，那就是风险或机会。”比如，假设有人声称一个开箱即用的 agent 什么都能做，而事实并非如此，这就会给竞争对手留下机会。Stebbings 的反问值得保留：“这不就是我们的行业吗？……我们的工作就是先卖出去，之后再交付。”Fitzpatrick 的回答是：“我希望与我们合作的公司知道，只要我说这能奏效，它就会奏效。你只有一次机会做到这一点。”
非确定性让“先吹出来再说”变得风险更高：合同签的是“交付50个 agent”，但接下来要问的是，究竟能不能交付这些 agent？它们能不能工作？他引用当天 AWS 的一份报告：70%的“agent”其实是传统脚本编写和自动化——“这就是为什么我根本不把自己定义为 agent 公司……agent 只是工具箱中的一种工具。”
他也坦言，12年前在 McKinsey 工作时，行业还叫“数据分析”，自己曾在不知道具体要构建什么的情况下设定愿景，因为相信碎片化数据让企业决策陷入失效——美国70%的软件已经使用超过20年，银行平均93%的技术成本用于维护（Stebbings 补充：有一家银行仅 KYC 就有6500人）。反直觉的经验是：“我没有虚构它……我的整个做法是说，我认为这会奏效，这是我的理由——让我们把它做出来。”人们会信任这种表达；而“一个能解决你所有问题的开箱即用 AI”只会触发怀疑。

10. 战略会变，招聘很关键

他最常思考的主题是：“只要找到优秀的人，其他一切都会随之而来。”这不只是招聘，还包括“招聘、留住并让优秀人才进化”，不要拘泥于岗位：“真正优秀的人会承担5到6种不同角色……要招全能型选手。”他的体育类比可能指向 Nick Saban：“他不是靠流程打造 Alabama 橄榄球队的，而是靠招募全国最好的橄榄球运动员。”
Stebbings 以 Revolut 为例提出反驳：Nik 的理念是，胜负取决于文化，“有边界的残酷能驱动人类”。Fitzpatrick 给出了一个值得注意的让步：“不，我认为这其实是对的”，前提是要规模化一个一致的商业模式。但他补充说：“我们很多工作本质上是研究和探索……这既是研究文化，也是执行文化。”当然，交付和运营“相当多时候都处于战时状态”，而优秀工程师应拿出30%的时间做新项目。
Invisible 不再把远程办公作为默认选项：公司连续9年完全远程，如今已在纽约、旧金山（原 Pinterest 办公空间）、伦敦、巴黎、波兰、华盛顿特区和奥斯汀设立办公室。生产力呈“指数级”提升；他今年把工程团队扩大了3倍，并发现“绝大多数人都希望线下办公”，尤其是入职时间较短的员工，但公司没有强制出勤。他的平衡方式是：每周7天待命与是否共址是两回事，而每周6天到办公室“过头了，会失去优秀人才”。
他放弃了两种管理信念。第一是中央控制：“有点像谬误”——应当压平层级，让一线团队拥有自主权，同时提供一致的工具，就像军队一样。第二是战略本身：“至少在 AI 世界里，战略是一个有些被高估的概念……整个世界每3个月就会变化一次。”应保留核心信念，同时保持30–40%的持续迭代；“现在做5年战略规划没有用”，5年期规划适合文化和机构记忆。最后，他以一组数字表达乐观：AI 数据中心只占数据中心耗电的0.25–0.5%，而数据中心占全球用电的1%（空调占14–20%）；美国医疗人均支出为1.4万美元，是德国或加拿大的2.5–3x，每年有25万人死于可避免的医疗错误（Johns Hopkins），这些都是 AI 可以解决的问题；而教育最让他兴奋：Invisible 会根据认知能力和技能评估“大量”从未上过大学的候选人。

AutoGrad 改变了一切（不是 Transformers）[Dr. Jeff Beck][代码评测现状] SWE-bench之后，Code Clash与SOTA编程基准回顾——John Yang