摘要

Siemiatkowski 的核心判断是，软件创造成本正逼近于零，而 AI 智能体将通过「一键」搬运专有数据，攻破 SaaS 剩下的防线。 企业不会一夜之间消失，但他认为，当前 5–10 倍的市销率可能跌向公用事业般的 1–2 倍，而软件历史上曾达到 20–30 倍。Chegg 约 0.2 倍的水平，在他看来可能又走得过头了。
企业软件将从单体应用转向围绕智能体组装的标准化、安全「乐高积木」。 小企业会购买覆盖广泛功能的「公司装进一个盒子」产品，而不是自己用 vibe coding 搭建关键业务系统；Klarna 这样的大型企业则可能构建 AI 原生操作系统，因为碎片化 SaaS 会让模型失去上下文。Harry 的反驳仍然成立：如果智能体能让集成和迁移变得毫不费力，拥有每一个组件或许又显得没有必要——Sebastian 也承认，最终赢家尚未确定。
Klarna 的员工人数已从 7,000 多人降至不到 3,000 人，Siemiatkowski 说到 2030 年可能进一步低于 2,000 人。 这次缩减幅度约为 50%，主要通过自然流失实现，此前只进行过一轮规模更小的裁员；但留任员工的人均薪酬上涨了近 50%。AI 让管理层得以在没有增加「一毛钱」组织投入的情况下，批准大规模扩展银行业务。
Klarna 在 2023 年的客服自动化同时展示了即时的劳动力影响，也暴露了 headline 背后的边界。 AI 吸收了相当于 600 名客服代理的工作，最初处理的是简单问题；由于这些员工属于外包公司，后来转去其他岗位，Siemiatkowski 说那次部署没有导致任何人失业。他重新设计的服务模式，是用低成本 AI 搭配高价值的人际关系：招募热爱 Klarna 的客户，组成类似 Uber 的兼职客服网络，而这些互动的满意度评分「高得离谱」。
Klarna 的终局不是 BNPL，而是 Siemiatkowski 的团队在 2015 年提出的数字金融助手。 Klarna 拥有 1.1 亿客户，Revolut 为 6,500 万；在美国用户接近 3,000 万的背景下，Sebastian 用 Q3 数据指出，产品上线仅几个月就已有 200–300 万活跃美国持卡人。它的战略数据优势，是类似 Amex 的自有支付网络，能够承载逐项数字收据，而不只是交易金额。
Siemiatkowski 为 BNPL 辩护，认为它是经过刻意重新设计的循环信贷替代方案，而不是终点，也绝非轻松的生意。 Klarna 称其 20% 的交易使用借记卡，并以牺牲 1 亿美元收入为代价取消了循环信贷，转向免息固定分期；但英国一项不收滞纳金的实验鼓励了部分用户过度借贷，因此公司恢复了逾期付款的适度惩罚。信贷依然难做，也仍可能伤害客户，这一点他并未回避。
关于算力的反共识判断是，AI 对企业信息的压缩速度，可能快于新工作负载的扩张速度。 Siemiatkowski 将 Klarna 与 Sephora 的相同信息在 Salesforce、Slack 和文档中的重复，和 Wikipedia 只保留一篇文章作对比，认为模型同样会把重复模式压缩进几百 GB 的空间。企业复用可能意味着数据中心和 Nvidia 芯片的需求显著低于预期，但个性化生成——「让我们露脸的《星球大战》」——也可能吞噬这些节省；他明确表示，不知道哪股力量最终会胜出。
投资者如果不亲自用这些工具构建产品，就无法判断 AI 的差异化，而本期节目也保留了一场有价值的产品之争。 Harry 预测 Cursor 在 2026 年会损失一半收入，因为 Claude Code 会「把他们的午餐吃掉」；Sebastian 因为两者都在使用而更为乐观，认为它们能力不同，并把 Cursor 当作自己的 IDE。在 OpenAI 和 Anthropic 之间，他更偏好 Anthropic 的顾问式姿态——愿意告诉用户「这简直蠢透了」的 AI——而不是一款以讨好用户、加深情感黏性为优化目标的消费产品。

精读

1. 智能体释放数据，SaaS 护城河失守

Siemiatkowski 的出发点是一个绝对判断：「创造软件的成本正在降至零。」自动生成代码只是第一轮冲击；更大的冲击在于，AI 降低了逃离 incumbent 专有数据模型的成本。
今天，一家公司可以复刻一个 dashboard 或工作流，但历史数据仍被锁在 CRM 或其他 SaaS 产品里。他预期的真正解锁点，是智能体能够「一键」提取、翻译并迁移这些信息——届时，切换摩擦将和编码成本一起坍塌。
Harry 以 Salesforce、ServiceNow 和 ERP 领域的 incumbent 为例检验这一结论。Sebastian 并不预测企业会一夜之间消失——客户仍有习惯、熟悉度和运营惯性——但他追问：当持续存在不再意味着持久定价权时，这些企业应该交易在什么估值水平？
他的估值阶梯很明确：软件历史上曾达到 20–30 倍市销率，最近更接近 5–10 倍，而公用事业可以按 1–2 倍交易。他认为，受到威胁的软件供应商跌至 1–2 倍是合理可能；他上次查看时，Chegg 约 0.2 倍、收入下滑 30–40%，这一水平可能「走得过头了」。

2. 企业应用变成组装系统，而不是从零开始写代码

Harry 提出组织层面的反对意见：相信内部 vibe coding 的人「从来没在大组织工作过」，因为权限、安全和层级管理不允许企业随意替换关键系统。他还补充说，软件只占企业预算的约 8–12%，自己搭一个 Monday 的复制品，反而会分散对核心业务的注意力。
Sebastian 的答案不是无限定制地生成代码。当前反复输入 prompt、重新生成相同代码是在浪费算力；经济规律会推动开发者采用缓存、开源复用和标准化的生产级安全组件。「软件会更像乐高积木」，AI 的工作将越来越多地变成挑选和拼接组件，而不是从头写完所有东西。
他在周末做了一个「公司装进一个盒子」的原型，把开源会计和 CRM 软件与 Claude 智能体连接起来。他测试了让系统记账一张发票、创建一个客户账户；他还描述了向系统询问现金余额或损益表信息，这类交互本来可能需要小企业去找外部会计师。
Sebastian 承认，水管工或电工不会亲自搭建这套系统；他们会购买打包好的智能体产品。Harry 随后反转了论证：既然智能体可以毫不费力地集成第三方工具，为什么还要拥有每一层？Sebastian 回答：「这正是将要发生的事」，但最终由谁供应、采用什么架构，仍然开放。

3. 上下文让客服变成核心基础设施

大约两年前，Klarna 开始关闭 SaaS 产品，因为碎片化应用把 AI 所需的上下文拆散在项目工具、产品定义、会计系统和文档中。它的应对方式，是围绕银行自己的数据，结合确定性代码与概率性代码，构建 AI 原生操作系统。
客服揭示了为什么现成机器人可能不适合一家技术驱动型公司。要解释 Klarna 如何计算利息，智能体最终需要看到实现本身：文档可能已经过时，而「真相在我们的源代码里」。
Klarna 在 2023 年的公告称，AI 已经完成相当于 600 名客服代理的工作，但 Harry 记得大众传播的数字是 700 名。Sebastian 缩小了这一说法的范围：早期系统处理的是「付款是否完成」之类的简单对话，但此前从未有传统的产品改进能瞬间移除如此大规模的工作量。
这些客服代理属于外包公司，后来转去其他任务，因此他说那次部署没有导致任何人失业。他仍不确定每一家大型科技公司是否都应该把客服内置，但他相信，Klarna 早期将客服与技术上下文整合起来，可能成为其相对于行动更慢的 incumbent 的优势。

4. 廉价 AI 让人工服务成为高端产品

Siemiatkowski 否认 Klarna 后来撤回了 AI 计划。变化的是服务理念：如果自动化客服变得普遍且廉价，「未来 VIP 体验的核心将是人与人的连接」，就像大规模生产提升了人们对手工制品的珍视。
Harry 的反驳很直接：这可能是 Silicon Valley 式的理想主义，因为许多客服岗位本来就是短任期工作，大多数客服代理不会自发转型为记得客户家人、旅行习惯或常去餐厅的关系经理。低端服务、内容和营销工作尤其容易受到冲击。
Klarna 的运营答案是一种类似 Uber 的用工模式。它招募热情的客户——包括生活在偏远地区的人——登录平台，做兼职客服；这些人已经了解并喜欢这款产品，Sebastian 说，这些互动带来的 NPS 和满意度「高得离谱」。
因此，这是一套配对模式：日常工作交给自动化，信任、判断和关系交给经过筛选的人类。Sebastian 也承认，最初的公告为何激怒了很多人：他说自己面对重大变化时采取的是悲观且直接的态度，但 headlines 会把复杂性压扁成「AI 取代工人」或「Klarna 叫停 AI」这两种说法。

5. Klarna 员工持续减少，但人均收入上升

Harry 认为自己的投资筛选标准，不是每个软件席位能省多少钱，而是能否替代工作岗位：基金需要那些能够替代就业、创造 venture-scale 回报的产品。Sebastian 认为这种替代令人遗憾，但很可能发生，并赞同 Dario 公开描述这场冲击的态度。
Klarna 的员工人数已从 7,000 多人降至不到 3,000 人，缩减幅度约为 50%。除早期一轮裁员外，Sebastian 将大部分减少归因于正常离职，以及限制补招的政策，而不是一轮接一轮的大规模裁员。
当被问及 2030 年公司是否会有 2,000 名员工时，他回答说「很可能还会更少」。他预计最明确会保留为人工的岗位，包括本地商户关系——比如在 Portland 与 Nike 沟通、在中国与 SHEIN 沟通、在 Amsterdam 与 Adyen 沟通——以及高端客户互动。
自然流失率每年约为 20%，因为员工平均在公司停留约 5 年。Klarna 承诺，让那些利用 AI、用更少同事完成更多工作的人分享收益；人均薪酬已经上涨近 50%，Sebastian 认为，这让留下来的员工获得了参与感和安全感。

6. 2015 年的战略是金融助手，而不是结账按钮

在连续 5 年被 Stripe 和 Adyen 抢走结账业务后，Klarna 管理团队于 2015 年追问：零售银行将变成什么？他们的答案是一个助手：唤醒客户，识别一笔价格过高的房贷，重新议价，完成文书工作，只请求客户批准，就可能帮他省下约 £50。
Sebastian 说，他当时没有预见 ChatGPT，但要实现这一助手，未来 10 年都需要 AI 这样的技术，这一点「清晰得不能再清晰」。他把这个终局与自动驾驶汽车作比较：市场炒作和时间表会反复变化，但他仍坚信产品最终会出现。
如今 Klarna 在全球拥有 1.1 亿客户，Revolut 为 6,500 万，尽管后者的用户参与度更高。Klarna 的任务，是把低频的结账关系转化为高参与度的银行关系；其品牌相比交易导向的 Robinhood 或旅行导向的 Revolut，更偏女性、购物和生活方式，像「数字版 American Express」。
它提出的数据优势来自自有支付网络。其他服务商可能只能看到一笔 Sephora 交易的金额，而 Klarna 能收到完整的数字收据，知道客户买了哪些化妆品，从而提供识别更便宜隐形眼镜或其他省钱机会的建议。

7. 美国是必争规模，传统银行为金融科技机会输送客户

Klarna 得出的结论是，如果继续集中在 Nordics 和 Germany，规模将不足以参与全球银行业转型，也容易被美国玩家收购。「全球化意味着美国」，美国市场是战略必需，而不是可选地域。
Sebastian 引用约 2,800 万美国用户，接近 3,000 万。由于下一次财报发布在即，他只引用 Q3 数据：Klarna 卡上线仅几个月，就有约 200–300 万活跃持卡人，这说明 BNPL 用户可以被转化为更广泛的银行客户。
Harry 问，为什么美国本土金融科技公司相较 Revolut 的估值看起来如此之小。Sebastian 的答案是竞争：American Express 和 JPMorgan 提供了更强的美国 App，而挑战者往往从放贷切入，逐渐暴露于次级贷款风险，最终承担巨额损失。
Klarna、Revolut、Nubank 和 Robinhood 都从不同的客户切口起步，未来会发生重叠，但 Sebastian 认为主要的份额捐赠者将是 Barclays、Wells Fargo 和 Capital One。如果必须在美国的 Nubank 与 Revolut 中二选一，他会选 Nubank，因为 Revolut 同时还在向 Dubai、India 和许多其他市场扩张——当然，他随后又补充说，Klarna 会跑赢两者。

8. AI 削弱了坚持私有化的传统优势

Sebastian 并不算喜欢做上市公司 CEO，但 Klarna 原本就有很多股东，也一直按季度披露；作为一家银行，它已经习惯了这种节奏。「事情就是这样」；如果能 100% 私有化当然更好，但上市本身并没有彻底改变公司的运营方式。
私营公司过去享有更大的自由，可以为长期研发提供资金。他认为 AI 改变了这一等式：当 Klarna 董事会审视点对点支付、交易、存款、汇款和扩大信用卡业务时，他没有要求增加组织预算，因为不断缩减的员工队伍借助 AI 就能交付这套路线图。
关于股票薪酬，他估计美国公司的发放量是欧洲公司的 5–10 倍。Klarna 最初采用较低的欧洲水平，后来为参与全球竞争而提高授予额度，但他质疑 SBC 中有多少反映了真正卓越的贡献，又有多少只是宽松经济时代的「体育运动」。
他更广泛的警告，是科技和金融业将迎来「残酷觉醒」。高切换成本曾经造就印钞机式的商业模式、奢华园区、排球场和免费午餐；当这些护城河变弱，公司必须像餐厅和零售商那样，每天早上醒来都要争夺把正确产品摆到正确客户面前的机会。

9. 银行将分化为 AI 重塑者与被管理的衰退者

Sebastian 预计，一些 incumbent 银行会变成技术驱动、AI 赋能的数字银行，另一些则会「逐渐消亡」，最终结果取决于领导层。冲击不是一个赢家抹去所有机构，而是扩大那些有能力自我重塑的组织与守护既有利润池的组织之间的差距。
Goldman Sachs 的 Marcus 体现了公开市场的问题。2021 年金融科技估值高企时，Marcus 看起来备受追捧；市场情绪反转后，这项计划变得难以辩护，尽管 Sebastian 认为它需要 5 年或 10 年才能成熟。
他认为 David Solomon 或许本应「坚持自己的方向」，但也承认 Solomon 可能不会同意。JPMorgan 的 Jamie Dimon 正在推进数字银行业务，说明 incumbent 仍然可以适应，只是需要持续投入，不能随着一个估值周期起落。

10. Klarna 以借记卡和固定分期重构信贷

Harry 质疑，Klarna 走向 BNPL 之外，是否证明消费信贷本来就是「一门烂生意」。Sebastian 回答说，Klarna 早期的经济模型并非如此：公司融资 $60,000，只花掉 $30,000 就实现盈利，并且从 2005 年到 2019 年始终盈利，其中近 10 年连续保持高增长和盈利。
道德层面的转折，发生在他注意到滞纳金已经成为损益表中的重要项目之后。他没有出售公司，而是选择改变业务，得出结论：按购买场景拆分的 BNPL，可能比信用卡更健康，因为信用卡把一个月的支出汇总在一起，鼓励客户以高利率循环累积大额余额。
Klarna 恢复了「按 1 进入借记卡」的选项，如今借记卡占交易的 20%。它在 Nordics 取消了循环信贷，牺牲了 1 亿美元收入，同时把信贷设计成免息固定分期，而不是开放式余额。
英国一项不收滞纳金的实验同样失败：没有任何后果时，一些客户反而过度借贷，因此 Klarna 恢复了适度收费。Sebastian 的说法仍然带有明确限定——信贷依然可能让部分人陷入困境——但他认为，偶尔使用 BNPL、同时提高借记卡使用率，比普遍依赖循环信用卡更有利于社会。

11. 估值纪律和投资建议都隐藏着代价

对于 Klarna 报出的 $45B 估值，Sebastian 指出，只有部分股份真正以这一价格交易。他事后的规则更尖锐：收入增长可以支撑估值扩张，但当倍数扩张速度超过收入增长时，这个差距「可能会成为问题」。
他具体的遗憾，是招聘过于激进，几季度后又宣布裁员。他认为自己本应预见反转并更加谨慎，即使公司的长期战略并未改变。
Sequoia 曾以 $100M 估值买下 25% 股份。在 Sebastian 质疑 Klarna 既然被称为「下一个 Google」，为何来 Stockholm 路演的只有 Chris Olsen 后，Michael Moritz 约 20 秒内打来电话，为缺席道歉，并提出加入董事会。
2019 年夏天，Moritz 再次来电，称美国市场「现在不做就永远没机会」，Sebastian 随后用 2 年时间专注于美国。但他反对要求欧洲创始人一律搬迁：Truecaller 听从 VC 建议，把工程团队搬到 Silicon Valley，结果招聘困难、损失 1 年，后来这些投资人又减少了对董事会高层的关注。

12. AI 投资者需要亲自使用产品

Sebastian 衡量 AI 投资者的标准很实际：下载工具，亲自尝试构建东西。在他看来，任何没有试过 Cursor、Lovable 或 Claude Code 等工具的人，都缺乏判断当前技术基线有多强的能力，也就无法判断一家初创公司是否真正具备差异化或护城河。
Harry 预测 Cursor 在 2026 年会损失一半收入，因为 Claude Code 正在「把他们的午餐吃掉」。Sebastian 以直接使用经验反驳：Klarna 喜欢 Cursor，他会在 Cursor 和 Claude Code 之间切换，因为两者展现出不同的「性格和技能」；而作为非工程师，他也需要 Cursor 的 IDE。
在他看来，OpenAI 和 Anthropic 正在走向不同方向。一个拥有 10 亿用户的消费产品，自然会优化使用时长、娱乐、陪伴和类似《Her》的情感关系；Claude 更像一位聪明的顾问，不太愿意奉承，也更愿意对他说：「Sebastian，这简直蠢透了。」
当主持人要求他在给定估值下选择投资 Anthropic 还是 OpenAI 时，他最初拒绝回答，避免对估值作判断。但在产品方向上，他选择了 Anthropic。除此之外，他说软件投资已经变得更加危险，并以一项国防投资为例，说明自己正在走出 SaaS 范畴。

13. AI 首先是压缩引擎，其次才是算力引擎

Siemiatkowski 的压缩论始于一个问题：一个包含如此多人类知识的训练模型，为什么能装进只有几百 GB 的 USB 存储器？他的答案是，模型保留的是反复出现的模式，而不是把每一句重复表述都作为独立数据库记录保存下来。
Klarna 与 Sephora 的关系，可能会反复出现在 Slack、Salesforce、Google Docs 和 Google Slides 中；Wikipedia 只保留一篇文章。同样，在他的框架里，如果训练过程足够多次地遇到同一个事实，模型会把它内化，而不会把同一信息存储两遍。
压缩会损失精度：模型可能编码了广泛的人类知识，却答不出附近 Starbucks 的营业时间。Sebastian 引用自己从 AI 得到的一个答案，并明确表示其中存在不确定性：像「ChatGPT-5」这样的模型，存储空间或许只相当于全球 2–3 天的天气数据。
他更具挑衅性的结论是，真正新颖的人类知识可能非常有限，文化中的大量内容只是重复主题的变体——Romeo and Juliet 反复被表达为「一个爱情故事」。这也解释了，为什么广泛的能力可以被装进一个出人意料紧凑的模型。

14. 压缩与生成把数据中心需求拉向相反方向

对于追求最高质量和最低成本的企业客户，反复计算或存储相同的 Sephora 信息是浪费。AI 应该识别重复的代码、文档和转换过程，把它们压缩为单一事实来源，同时降低软件复杂度和算力成本。
Wikipedia 提供了他的运营类比：Google Docs 立即展示「新建」按钮，而 Wikipedia 要求用户先搜索，只有在主题不存在时才允许创建。企业很少施加这种纪律；AI 最终可以追问：「既然我们已经有这段代码，真的还应该做这件事吗？」
如果压缩占据主导，企业所需的数据中心和 Nvidia 芯片将明显少于线性推理预测。相反的情形是生成式丰裕：Harry 和 Sebastian 可能会要求制作一部让他们露脸的定制《星球大战》电影，这类任务需要大量新增算力。
Sebastian 与 Michael Burry 讨论过这一论点后，仍然刻意保持未决。他还听说 Google 每日搜索中有 30% 是全新的——这个数字他表示可能不是真的，但仍觉得惊人，因此不会预测企业压缩或消费者生成最终哪一股力量更强。

15. AI 让 CEO 再次成为构建者，但组织采用仍然滞后

Sebastian 花在 CEO 聚会上的时间减少了，因为他正在和 Klarna 的团队一起「硬编码」。对一个非工程师来说，生成式软件能够把想法转化为高度保真的实体原型，远胜白板沟通，让 CEO 可以通过展示而不只是描述来交流。
他的突破性案例，是一个复杂的会计与金融概念，Claude 将其变成了一个动画 HTML 解释。过去，这需要动画师、设计师、会计师和电子表格专家共同完成，而每个人都缺少其他人的部分上下文；Claude 则把这些稀缺的能力交集集中在一次输出中。
他也称赞 Elon Musk 在数周内组建出前沿水平的 Grok 模型，并看重 Grok 根据 X 上的动态核查病毒式说法的能力。以他的经验，Grok 正确处理了 Klarna 要推出租金 BNPL 的错误传闻，这说明在 AI 生成的错误信息不断增加的时代，实时验证可能成为一条路径。
Sebastian 改变看法的地方，是转型的时间表：他最初预计变化会更快，后来意识到习惯和工作流改变得很慢。消费者的采用速度远快于企业；当前的约束越来越来自组织行为，「不一定来自技术能力」。

16. 在你选择的竞技水平上竞争，代价就是公众压力

最令他受伤的批评，并不是那些他认为部分成立的说法，而是认为他想快速退出，或不在乎借款人的指责。20 年过去，他认为自己的坚持和产品变化已经证明事实相反，即便 Klarna 仍未能清晰传达其金融助手的故事。
在 Klarna 估值崩塌和裁员期间，一场咄咄逼人的 MSNBC 采访几乎让他因强度过高而发笑。采访后开车回家时，他把 Queen 的《Under Pressure》开到最大音量，并用足球重新理解这一刻：所有人都梦想进入 Champions League 决赛，但机会一旦到来，必然伴随着压倒性的压力。
「这就是我主动选择的生活。」他承认，这段经历带来了眼泪、抑郁和残酷时期，但他认为，承受审视是站在那个竞技水平上竞争所不可分割的特权，而不是旅程走错的证据。
他的驱动力部分来自移民家庭的童年、家庭冲突，以及因为煎饼最便宜而连续 7 天吃煎饼。他曾经相信金钱可以修复一切；后来他给父亲钱，却眼看着酗酒问题恶化，直到父亲去世，才明白财富可以消除真实的约束，但「有些问题是钱解决不了的」。
剩下的，是把 Klarna 做成全球零售银行的冒险：帮助客户节省时间、节省金钱，并掌控自己的财务。他对 AI 改善人类生活保持乐观，但也说自己「完全不知道两年后的世界会是什么样」；眼下 AI 赋予 Klarna 的，是以更快速度、更高质量追逐那个延续数十年的愿景。

如果智能并未进化？它从一开始就“在那里”！- Blaise Agüera y Arcas 投资者如何提升专家访谈与 AI 能力：AlphaSense 的 Ryan Fennerty