摘要

Sandwich Lab把“我们首先要贵”当作需求验证：Lexi以199美元/月的入口价格（软件服务费约200美元、不同plan）、无免费试用上线；用户仍愿意付费，郭振宇认为这至少说明market找到了，但F还不好说。上线三个月，付费用户来自94个国家，营收月环比增长超过150%；公司过去四个月完成两轮融资、合计超过千万美元，计入获客与计算成本后仍有毛利。第一轮由锦秋基金和汇量科技领投，第二轮投资方为五源资本和戈壁阿里巴巴创业者基金。
Lexi瞄准的并非只有传统广告主，而是全球至少5000万家有获客需求、却没有能力投Meta广告的SMB。 现有客户约70%此前从未投放，传统local agency每月收费约6000至2万美元，而Lexi约200美元；郭振宇将这批用户视为Meta的纯增量广告主群体。
产品差异不在生成一张广告图，而在把基本面分析、素材制作和投放后的“技术面交易”闭成持续反馈回路。 Lexi根据ROI、CPC、CPM和“概率赔率”动态调预算、删并广告组、重新生成素材；因为素材通常两三天就fatigue，一次性交付不可能构成长期结果。他称目前至少达到平均人类agency水平，绝大多数sales目标超过相应可接受线，最好案例达到8至10。
郭振宇选择Meta、不扩Google和TikTok，是基于三类平台的信息结构，而不是渠道覆盖率。 Google掌握主动搜索需求，自动化更像平台内部的集中分配；TikTok已经懂用户，瓶颈是人的创意素材；Meta建立在social graph上，对潜在付费需求理解相对不足，因此把“去哪里找谁”的黑盒博弈留给了广告主和Lexi。
Lexi故意弱化过程展示、禁止用户修改文案，把信任从“看见Agent工作”转向持续经营结果。 Devin、Manus式过程展示适合有明确交付终点的hands-off任务，广告却是“无限游戏”；郭振宇把产品定义为“revenue generating machine”——“你不要管我干什么”，用户最终更关心长期经营结果，而不是某一次广告。
Email Marketing Agent将检验Sandwich Lab能否从单产品扩张为多品类营收机器。 新产品不只生成邮件，而是围绕landing page转化持续测试“下一封该发什么”；郭振宇估算，共用用户、GTM、客服、算法、后端和前端组件后，一个新产品约需10个人月，未来还会延伸到财务洞察、供应链、管理与招聘。
Meta亲自做全自动广告并不必然消灭Lexi，但多线扩张建立在共享基础设施和约10个人月研发估算之上。 郭振宇认为Lexi为平台带来增量、Meta也必须面对同一黑盒，且平台直接对不同广告主采取差异化策略“不一定合理、也不一定合法”；更底层的技术信心来自“非零和博弈”——错误可以迭代，增长不必以对手亏损为代价，这些判断仍需产品持续验证。

精读

1. Sandwich Lab把自动化履历转成了SMB增长产品

郭振宇38岁，本科毕业于浙江大学、博士毕业于UBC；过去15年主要在IoT、机器人和自动驾驶领域，并非广告行业出身，因此称这次创业是一次“方法论创业”。
博士期间，他参与的IoT硬件公司成为Tesla SolarCity供应商后被卖掉；此后在Postmates内部创建人行道配送机器人项目，该项目后来独立为纳斯达克挂牌的Serve Robotics，他估算其估值约8亿至12亿美元。
回国后，他在阿里巴巴达摩院负责“小蛮驴”自动驾驶末端配送项目的商业化和规模化。如今Sandwich Lab有20多人，第一个产品Lexi全自动完成Meta广告获客。
公司过去4个月完成两轮融资，合计超过千万美元；第一轮由锦秋基金和汇量科技领投，第二轮投资方为五源资本和戈壁阿里巴巴创业者基金。

2. 199美元、无试用和94个国家构成了第一轮需求验证

Lexi的软件服务费约为每月200美元、设有不同plan；早期入口价格为199美元，且从上线起没有免费试用。广告主另付Meta预算。
上线三个月后，付费客户来自94个国家，营收月环比增长超过150%。郭振宇暂不披露绝对收入，但称计入获客与计算成本后仍有毛利。
客户横跨阿联酋团建手鼓工作室、美国ADHD诊所、澳大利亚无障碍改造服务商及喀麦隆脏辫假发商家；这些企业可能只有3至5名雇员，却第一次获得可执行的广告能力。
Lexi也在“投放Lexi”：团队没有专门增长团队，主要用自己的产品获客和迭代算法。郭振宇称由此得到的CAC相对较低，也是单位经济为正的重要原因。

3. 真正的市场缺口是“有需求但从未投过广告”

在美国、加拿大等市场，本地agency往往只做开户、建议和指导，不保证效果，月度retainer约6000至2万美元；在更小或欠发达市场，服务甚至可能根本不存在。
Lexi客户约30%有过广告经验、希望寻找更好工具，另外70%拥有强烈投放需求，却从未成功完成Meta投放。后者拿到素材也不会操作平台，必须由系统完成最后一公里。
郭振宇引用的市场口径是：全球约1.3亿家在Meta上有presence的SMB；按地区与营收能力收窄后，仍至少有5000万家潜在广告主。他更关心的是，这些企业构成平台的纯增量广告主群体。

4. 广告不是一次预测，而是一场持续的“技术面交易”

Lexi先做“基本面”：理解企业与产品、竞争landscape和marketing位置，再从需求侧推导哪个国家、市场及demographics真正需要且有能力付费。郭振宇把广告概括为“一个筛选的过程”。
下游Agent再按广告学经验生成卖点、人群、标签、文案、图片和视频。大多数AI广告产品在此交付素材，但这只服务于已经懂得如何使用计算广告平台的人。
Lexi继续完成“技术面交易”：实时观测ROI、CPC、CPM，根据“概率赔率的估计”调预算和参数，该合并的合并、该删除的删除、该新建的新建，再返回基本面形成循环。
原因是不存在一条可一次预测出的“最优广告”；素材往往两三天就fatigue。慢节奏每周迭代数次，快的地区和广告每天数次，持续反馈才是系统工作的主体。

5. 先服务SMB是一种生产力分配选择，也是一项规模判断

郭振宇长期做自动化，最关心的不是直接分配财富，而是“把先进技术带来的生产力提升，分配给更该获得生产力的人”；额外5000万家SMB因此成为创业的本质动力。
大型enterprise能够雇到优秀人才，现阶段对全自动AI更多是提效降本，而非刚需。主持人追问这是否牺牲商业结果，他的回答是，降低先进技术门槛反而可能产生更大的长期结果。
他的价值判断很明确：“你不可能是一个利己的人，却能做到千亿美元的事情。”在To B领域，新需求很少，巨大公司往往只是用新方式解决延续数百年的经营需求。
Sandwich Lab并非永久拒绝KA：团队正与一家全球知名快消集团讨论pilot，但期待验证的不是普通投放，而是用广告渠道触达潜在用户、获得需求验证，这可能比已有用户运营更有价值。

6. 中国本地商业生态揭示了AI应填补的结构性空位

团队有意把targeting biased towards local business，而不是先追电商。郭振宇承认这里带有个人偏好，但产品初衷就是“lower the bar”，让过去拿不到经营能力的人获得accessibility。
美团、阿里生态给他的启发是，中国小店的精细经营来自三层积累：平台人才和能力外溢、SaaS与SOP逐级下发，以及数百万生态经营者替门店做冷启动、拉新、发券和套餐。
他在杭州常去的理发师说，自己每天的主营工作是经营私域，“这个比剪头发还要重要”。一个普通小门店理解growth hacking，在郭振宇看来是“人类历史上的商业奇观”。
中国以外无论美英澳加还是非洲、南美，都缺少数百万兼具策略能力且成本可承受的经营人才；这不是复制SOP的体力劳动。郭振宇判断，这一代际供给缺口才是全自动AI最该补的位置。

7. Lexi故意不让用户把广告素材当成最终产品

主持人试用时发现，Lexi只问产品和预算便直接投放，广告素材入口极深；这与Devin、Manus等Agent展示每一步命令、借过程建立信任的做法明显相反。
郭振宇确认这是有意设计：用户可以在很深的入口查看素材、文案和条件，但“所有文案和标签用户是没有机会改的”，看见并不意味着能干预系统。
他认可过程展示曾帮助全世界建立对“全自动Agent这一产品类别”的信任，但认为这不等于每个应用都需要复制。Sandwich Lab从立项起选择的是AI Agent的“Shadowing Mode”。
对写代码等hands-off任务，终点是把软件交给用户，Agent之后很难继续改善作品；广告没有一次性交付终点，用户持续经营，真正关心的是经营结果，而不是某一次作品是否看起来漂亮。

8. “无限游戏”让结果信任取代了过程信任

郭振宇把所有产品定义为“revenue generating machine”：“你不要管我干什么，我干的就是几件事，通过shadowing的方式帮你提升revenue。”这听起来too good to be true，但正是产品承诺。
一名持续投入10万美元预算的客户，可能收到数以万计的素材，既看不过来，也不可能逐条确认；确认流程反而会成为burden，并破坏系统每天迭代的能力。
他承认onboarding时展示素材可能增加初始信任，未来资源允许时也可能尝试，但单条文案对整月收入的sensitivity没有想象中高，尤其服务对象不是具有强品牌属性的大型集团。
更激进的判断是，团队选择的产品方向都应当服务“没有alternative”的刚需：当用户必须完成某项经营任务、市场又没有可行替代品时，形式上的信任感次于“deliver”。

9. 刚需来自旅行中的小样本，配置障碍则是上线后的意外

郭振宇旅行时会询问东京、美国东西海岸、加拿大、澳大利亚及亚洲、东南亚的咖啡店、餐厅和买手店；这些商户有精美Instagram账号，但在他的样本中“99.99%都不做”广告，只做自然流量。
他亲自尝试Meta开户和投放，一天仍未太学会，而SEO或Google工具一天大概率能上手；再搜索当地服务商，只找到经营十几年、以做图和建站为主的传统digital marketing agency。
他反复强调这只是“anecdotal的小样本体感”，甚至“很不严谨”；但social presence已经普及、付费放大却无人使用，促成了“需求强烈但没人解决”的原始假设。
真正超预期的是，大比例客户连Meta账户开户和配置都无法完成。郭振宇由此修正认知：SaaS最重要的解决方案不是订阅费，而是消除光盘安装式配置；今天仍有大量“不是智能化、而是配置化”的门槛，Lexi将把它作为功能补齐。

10. Google、TikTok与Meta只是都叫广告，底层问题并不相同

郭振宇对Google的拆解是：搜索暴露主动需求，平台对用户想买什么拥有非常精确的信息，因此自动化主要是内部centralized分配，中间层不需要大量结构化交易策略。
TikTok作为推荐信息流，成立的基础是“它推得准”；广告自动化的瓶颈因而不是找人，而是什么素材吸引人及如何快速测试。人的生活和创意仍是好素材来源，他认为短期并非AI最擅长、也不是自己最感兴趣的方向。
Meta首先是social network，掌握认识、关注与被关注关系，却很少获得知识搜索和交易信号；加上隐私限制，它只能把“潜在用户在哪里”部分转嫁给广告主，让Lexi针对黑盒博弈。
主持人提醒听众可能对此持保留意见。郭振宇承认自己并不熟悉这些平台，因而反而去拆解其底层原理；他把以上结论作为自己的判断，而非确定事实，在判断改变前团队不会自然扩到Google或TikTok。

11. ROAS已经越过可用线，但统计成熟度仍有限

团队每天追踪三类目标：traffic看页面访问，leads看表单和电话线索，sales看成交；其中sales以ROAS，即return on ad spend衡量。
郭振宇给出的经验线是：ROAS大于2通常可被人类广告主接受，SMB因缺乏其他access，大于1.5也可能接受。他称绝大多数sales目标超过相应指标，最好案例达到8和10，即花1美元获得相应回报。
他称绝大部分用户都很新，并希望任何时点少于一周的新用户始终多于老用户，以说明增长速度和结构足够快，因此目前还不方便给出非常确定的结论。从过去settle之后的结果看，他称Lexi至少达到平均人类agency水平。
Traffic方面持续表现不错；leads则因许多local business通过电话获客、电话tracking尚未完善，统计仍不完整，团队计划提供工具识别哪些电话线索来自广告。

12. 用户看不到优化，不代表第一天就该制造动作

主持人从Discord归纳出一类投诉：Lexi似乎只开户并投出广告，看不见显著A/B测试或持续优化。郭振宇判断，很多反馈来自第一、第二天就关闭广告的早期用户。
Meta需要至少3至7天观察群体行为，传统agency甚至会要求两周；Lexi通常第三天后才增加操作频率，过早改动本身会损害学习和效果。
主持人追问能否前两天刻意操作、让用户感觉Agent在工作，郭振宇明确拒绝：“我们不应该做这种操作，因为这不合理。”团队选择加强解释，并用guarantee返利鼓励客户让广告持续运行。

13. 高价首先验证市场，随后才轮到营销玩法

郭振宇的定价原则是“我觉得首先要贵”：当产品不那么好用、又没有免费试用时，用户仍支付199美元，至少说明market找到了，但F还不好说。
他不把MAU或ARR增速视为唯一PMF信号，认为价格是最快的需求压力测试。到8至9月，团队可能再开放试用、优惠等营销玩法，扩大注册和使用，而不是一开始靠免费掩盖支付意愿。
当前投入几百美元和累计消耗10万美元的客户付相同订阅费。下一阶段可能引入传统agency式打包：客户把预算交给Lexi，Lexi再将一部分预算支付给Meta，从而探索更多元的收入结构。

14. Email Marketing Agent瞄准的是下一步行动，而非又一把铲子

面对主持人所说的、存在约50年的email marketing行业，郭振宇没有选择Google或TikTok。最直接的原因是Lexi需要运营老用户，而他找不到能替公司真正完成这项工作的产品。
现有工具能告诉他最终的landing page跳转率，昂贵的A/B testing工具也只是“卖你铲子”：用户仍需自己判断下一封发什么、测什么，以及如何提高点击和转化。
新Agent的目标是：用户只需告诉系统希望收件人跳转到哪个landing page，系统持续寻找什么时间、发什么内容才能提升点击和转化。该逻辑与广告相同，因此可复用客观反馈算法、服务端和前端。
郭振宇此前称8月会发布两个新产品，Email Marketing Agent是明确提到的新产品方向之一。

15. 公司边界不是广告，而是所有能直接带来revenue的经营环节

郭振宇认为经营“没有什么新需求”，商学院数百年来教授的仍是营销、财务、管理、供应链和人力资源；AI的机会是用新方式把长期未被软件真正完成的工作自动化。
财税法方向不会做合规，而是从财务角度发现revenue机会和合理增长策略，再把策略转成获客、用户运营或供应链动作。财务负责找机会，执行仍落在经营链路。
供应链产品尚未具象化，人力资源可能落到招聘。各方向看似分散、单项也未必宏大，但必须满足同一约束：“每一步都是直接带来revenue增长的必要环节，而且没有我们用户可能做不到。”
Email产品甚至可能免费，并以“三个月做到百万MAU”而非收入作为验证目标。郭振宇把它当成新的因果假设，而不是已经实现的预测。

16. Meta亲自做全自动广告，不等于能按下开关消灭Lexi

主持人引用Zuckerberg的设想：广告主只告诉Meta卖什么、有多少预算，平台完成用户定位、素材生成和投放策略——几乎就是Lexi正在做的完整链路。
郭振宇的第一层回应仍是信息结构：Meta并未像Google那样完整掌握需求，因此即使亲自做，也可能需要站在黑盒外采用与Lexi相似的实验和博弈逻辑，而非在内部系统“开一个小分支”即可完成。
第二层是利益：Meta的主要营收仍来自KA，Lexi服务的是原本投不了广告的5000万级SMB，对Meta主要构成增量而非收入威胁；第三层是平台边界，规则制定者亲自对不同广告主采取不同策略，“不一定合理和合法”。
这些都是郭振宇的判断而非确定事实。他同时强调Meta仍占据客户注意力：在许多新兴市场，商家没有网站，只靠Facebook或Instagram主页建立presence，再用WhatsApp或Messenger沟通乃至转账。

17. 多产品战略建立在“十个人月”的边际成本假设上

投资人不断追问一家20多人公司为何多线作战。郭振宇称这些需求创业第一天就已列出，但团队直到确认复用结构后才启动，并非发现一个方向便立即铺开。
面对同一批全球SMB，GTM渠道、运营、客服和运维均可复用；产品都围绕客观反馈持续迭代，算法、后端和前端组件也高度重合。他估算上一个新产品大约只需“十个人月”。
低研发成本并不足够，真正昂贵的是认真运营至PMF；而现有获客、付费方式和用户学习已被Lexi验证。多产品还会反向迫使每个职能团队标准化、自动化，以服务不同产品线。

18. 郭振宇放弃了一个magic button，改为让产品各自增长

最初构想极端统一：用户输入URL、按下一个按钮，“你明天营收开始增长”，甚至不知道系统内部有哪些功能；他曾希望所有Shadowing Mode能力藏在同一个产品里。
最近改变想法的参照是，微软、百度这样的阶段的公司有入口和相对固定的流量，并非快速增长阶段，因此倾向聚合功能；字节式快速增长团队则常让App单打独斗，以免多个功能混在一起后无法判断究竟该改什么。
AI应用仍是快速发展的新兴市场。郭振宇因此决定把每个Agent拆成独立产品，让每条线单独做data-driven获客和迭代，而底层基础设施继续共享。

19. 创业的奖励是验证因果，而不只是把公司做成

团队直到最近、即访谈前一天才把A/B testing系统做好并上线，郭振宇坦承此前主要靠人工A/B；他要求测试正交feature背后的假设，而不是只比较按钮细节。
他用一句“心灵鸡汤”概括方法：“相关性让你预测未来，因果性让你改变未来。”创业每天都在提出关于客户、销售、技术和算法的假设，再用真实结果判断因果链是对是错。
因此“做成”既是目的，也是理解世界的实验手段：Lexi若成功，说明此前关于Meta和SMB的推断可能成立；Email Agent若作为免费产品三个月达到百万MAU，又验证了下一条可用于更大事情的规律。

20. 过去的险胜让他更相信刚需，而非团队表面上的完美

郭振宇此前并未真正担任CEO：学生创业由商学院同学领导，Postmates机器人属于内部创业，上方仍有母公司CEO和CTO，因此这次才是完整承担公司责任。
第一次创业很长时间没有外部融资，靠Kickstarter的50万美元活了半年，甚至没有明确PMF，却“莫名其妙签了单，莫名其妙卖掉了”；当时因仍在读书，感受更多是好玩而非恐惧。
数次项目退出前，团队按阿里、字节顶级职能标准看仍然“要啥啥没有，干啥啥不行”，但最终都退出了。由此留下的强反馈是：“只要找到刚需，总能退出”，而当前团队质量已远胜当年。

21. 高objective、低单次预期，是他区分交易与赌博的纪律

郭振宇很少用“成功”定义自己，也不喜欢所有人答同一张卷子的竞争；他更愿意做从自己角度看没有竞争、但足够有趣和复杂的问题。
他把创业称为所有活动中“多巴胺密度和浓度最高”的一项：“没有什么比创业更爽，比打游戏还爽。”大公司里的晋升、16个月bonus或2万股股票refresh则容易成为偏离真实经营结果的虚假反馈。
他的objective很高，但对任何一次具体动作和近期结果预期很低；高预期会挤掉预案、Plan B和余量。“赌博和交易的区别，就是你有没有在纪律性地计算，并且留有余量。”
对“不被理解”的处理也近乎反向：如果一条路径真能通向千亿美元，早期就不该人人看懂，否则竞争早已填满。投资人用Amazon先卖书、快手先做GIF、Facebook先从校园开始，教他把“暂时看不见”当作潜在空间，而非成功证明。

22. 非零和博弈既是算法条件，也是公司的价值边界

一名候选人用帕累托优化解释计算广告：平台掌握全量数据，仍不能靠centralized计划取得系统最优；只有让每个bidder从广告主的自利目标出发竞争，机制才可能同时提高平台与广告主收益。
帕累托最优意味着，系统中任何一方继续增益都必然造成另一方受损；在抵达该边界前，仍存在共同改善的非零和空间。这个定义让郭振宇重新审视公司应该做什么。
Meta广告、email运营和企业内部供应链优化都允许今天犯错、明天继续实验，没有一次动作导致“满盘结束”；足球对抗、二级市场对手盘或指导同街商家打价格战，则存在更强零和与不可逆风险。
Sandwich Lab因此尽量选择可反复探索、不以别人变差为代价的任务。郭振宇期待最终效果是SMB与平台共同增长，乃至“带来全球GDP的增长”，而不是把收入从一个商家搬到另一个商家。

23. 全球小企业让宏观悲观叙事重新落回具体生活

服务巴勒斯坦、巴基斯坦、以色列及大量新兴市场客户后，郭振宇的感受是“这个世界比我们想象的美好得多”：即使身处战争和周期，人们仍在认真经营、期待生活变好。
他称自己借助AI查到的世界银行数据表明，过去30年全球国家和地区之间的不平等总体缩小；美国、中国内部可能呈现不同趋势，但刚果（金）、利比里亚、津巴布韦与英国民众之间的差距正在明显缩小。
最具象的客户来自巴勒斯坦：商家从义乌采购日用品，装进6辆mini van，用Facebook发照片并投Lexi广告；加沙居民在图片上圈出商品、通过message下单，他再每天分单配送。
这个客户在战时仍“干得特别开心”，只想着把生意和服务做好。郭振宇由此反观自己的创业压力：“我这个生意比他的生意轻松、安全很多”，这成为他保持低焦虑和长期乐观的现实锚点。

125: 用AI复刻一个「我」，与心识宇宙陶芳波聊身份模型 DHH：编程的未来、AI、Ruby on Rails、生产力与育儿｜Lex Fridman Podcast #474