读完一早上的访谈.
主题综述

AI Native 产品到底长什么样 · AI-Native Products

主题综述

主题页（活文档）· 最近更新 2026-05-20 · 取材 9 篇访谈

更新日志

主流共识

第一点："GPT wrapper" 这个嘲讽不成立——AI-native 公司确实在跑出新的 ROI 曲线。

"We've come to the opinion that there is no AI. There's a bunch of subspaces that are totally different that all require their own strategy. I think we've come to the conclusion that GPT wrapper is not even a thing."
「我们的结论是：不存在 'AI'——而是一堆完全不同的子空间，每个都需要各自的策略。我们也得出结论：'GPT wrapper' 根本不是一个东西。」
Martin Casado / Sarah Wang · The State of AI: Growth, Fragmentation
"The AI native companies are far outpacing their SaaS counterparts — you can see it in new companies blowing past this golden metric of time to $100M of ARR. … You're seeing this 10x-plus improvement in the customer experience, whereas SaaS 2.0 you generally saw more incremental improvement, call it 25, 50%."
「AI-native 公司正在大幅跑赢它们的 SaaS 同行——你能从'冲过 1 亿美元 ARR 用时'这个黄金指标上看到。……客户体验出现 10 倍以上的提升，而 SaaS 2.0 通常只是更渐进的改进，比如 25%、50%。」
Casado / Wang · The State of AI

第二点：AI-native 公司的优势之一是"没有 legacy 系统"——这是相对于 incumbents 的结构性优势。

Jesse Zhang（Decagon）的观察是：AI-native 相对 incumbents 的结构性优势，在于没有 legacy 系统的包袱、因而能更敏捷地把方案重做。（podwise 仅存该点的三手转述，故此处转述、不作逐字引用。）

第三点：真正赢的 AI-native 案例大都解决了一个 incumbents 内部尝试失败的具体痛点。

"The success rate of the ones where the enterprise went with an outside vendor like a Greenlight or a Tactile was much higher than the success rate of when they tried to build stuff themselves."
「企业用外部供应商（如 Greenlight、Tactile）的成功率，远高于自己内部建设。」
The Lightcone / Garry Tan · Inside The MIT AI Study

分歧在哪

模式 A · "捡没人想做的脏活"——Reducto 路径

Adit Abraham (Reducto) 给的是 AI-native 案例里最反直觉、也最具体的范本：

"None of these AI application layer companies want to be PDF processors. It's just not something that's exciting to them."
「没有任何一家 AI 应用层公司想做 PDF 处理——这对他们来说一点都不性感。」
Adit Abraham · Reducto: Making Human Data LLM-Ready
"We turned PDF processing, which is usually just writing a bunch of rules for how to process this type of file type and this other type of file type into a computer vision problem."
「我们把 PDF 处理——通常只是为各种文件类型写一堆规则——变成了一个 computer vision 问题。」
Adit Abraham · Reducto: Making Human Data LLM-Ready

具体的经济证据：

具体经济数据（来自 Reducto 同期访谈）：录播客前五个月增长 6×；处理 10 亿+ 页、却只烧了约 100 万美元资本；约 40% 客户用到 2 个及以上 API 端点。

"Every mistake that you make at ingestion is going to compound throughout your pipeline."
「每一个在 ingestion 阶段犯的错，都会在你整个 pipeline 上复利。」
Adit Abraham · From Pivot to Fortune 10 Customers

Adit 自己也承认 Reducto 不是他们最初想做的：

"I think if you asked us two years ago, would you be excited to work on PDF processing? The gut reaction would be no. It doesn't sound like a fun problem."
「如果两年前问我们，做 PDF 处理你兴奋吗？直觉反应是不。这听起来不是个好玩的问题。」
Adit Abraham · How a weekend hack became a multimillion-dollar AI startup

模式 B · "替代人工劳动而非增强软件"——Decagon / Sierra 路径

Jesse Zhang (Decagon) 把 AI-native 押到了预算来源这件事上：

"The customer experience (CX) space is one of the few markets with true product-market fit (PMF) with AI because it allows companies to transition from software spend to human labor budgets."
「客户体验 (CX) 是少数几个 AI 真有 PMF 的市场——因为它让公司从软件预算转向人工劳动预算。」
Jesse Zhang · 20VC: Why 90% of Founders Build Startups Wrong

这跟姊妹主题 saas-postmortem 里 Bret Taylor 的 "every company needs an agent in 2027" 是同一条逻辑——但 Decagon 跟 Sierra 在同一市场正面竞争。

模式 C · "野花园 / 专有数据复利"——AI Opportunity Beyond Models panel

这个 panel 的三条主线（转述）：(1) 传统软件向 AI-native 转型；(2) 平台超越 SaaS、把"劳动力预算"纳入；(3) "wild garden"业务靠专有数据形成复利优势。其中第三条他们给了一个很到位的说法：

"It's a blueprint for how to potentially deal with a world where the source of the raw material is actually what is rare."
「这是一个蓝图，说明在'原材料本身才是稀缺'的世界里该怎么办。」
AI Opportunity Beyond Models panel · The AI Opportunity That Goes Beyond Models

panel 同时给了一个Camp B 的反话：

"I know it sounds pithy to say software is eating labor, but really software is augmenting labor."
「我知道'软件正在吞噬劳动力'听起来很精辟——但其实软件是在增强劳动力。」
AI Opportunity Beyond Models panel · The AI Opportunity That Goes Beyond Models

跟 Jesse Zhang 的 "transition from software spend to human labor budgets"（取代）放一起看——同一个 panel 内部就有"替代 vs 增强"两种声音。

模式 D · "AI 作为网络效应的复利器"——Chris Dixon 路径

Chris Dixon 不把 AI 当作产品本身，而当作让网络效应更可持续的工具：

"I've always suspected in Silicon Valley we underestimate the power of just brands and consumer inertia. You're seeing that today with ChatGPT — such a household name almost overnight, even though it doesn't have, in the technical sense, network effects, memory and things. That's more stickiness."
「我一直怀疑，在硅谷我们低估了'品牌'和'消费者惯性'的力量。今天你能在 ChatGPT 身上看到——它几乎一夜之间家喻户晓，尽管在技术意义上它并没有网络效应、记忆这些东西。那更多是一种黏性。」
Chris Dixon · Chris Dixon on How to Build Networks, Movements, and AI-Native Products
"One of our extreme views here is that the future of consumer disposable income will be like food, rent, software. And software is going to subsume a lot of the other areas of discretionary spend today."
「我们一个极端的观点：消费者可支配收入未来会像食物、租金、软件这样排序——软件会吞掉今天很多其他自由支配支出领域。」
Chris Dixon · Chris Dixon on AI-Native Products
"There are no marketing problems, only product problems, because the technology allows you to be so ambitious on behalf of your customer."
「不存在市场问题——只存在产品问题。技术让你可以代表客户雄心勃勃。」
Chris Dixon · Chris Dixon on AI-Native Products

模式 E · "内嵌于社交结构 + 熟人分发"——Wanaka 路径

张阳 (Wanaka) 给的是一个英文 AI-native 叙事里完全缺席的模式——AI 不是产品本身，是降低创作门槛的工具，但产品的真正动能来自社交关系结构：

熟人社交是 UGC 内容分发的重要途径，普通人创作的 AIGC 内容对陌生人可能没有意义，但对朋友却有独特的价值。
— 张阳 · AI + 游戏 + 社交的新演绎
因为他消费的其实是这个关系，消费的不是那个内容本身。
— 张阳 · AI + 游戏 + 社交的新演绎
创作工具的能力决定了 AI 游戏的发展上限，只有当创作工具足够强大，创作者才能做出优质内容，否则 UGC 内容将缺乏消费性。
— 张阳 · AI + 游戏 + 社交的新演绎

这条线跟模式 D 的 Chris Dixon "AI as compounding force for networks" 在逻辑上接近，但张阳 的 implementation 是分发结构（熟人圈）而非产品功能——这是 Chris Dixon 没明说的版本。

模式 F · "startup-shaped holes / 实证派"——Lightcone / Garry Tan

Garry Tan / Lightcone 不讲哲学，讲市场结构：

"There's this startup-shaped hole in basically every process or every sort of annoying system that should exist that doesn't exist yet."
「基本上每一个流程、每一个'应该存在但还不存在的烦人系统'里，都有一个 startup 形状的洞。」
The Lightcone / Garry Tan · Inside The MIT AI Study
"The knock on effect for startups then is if you can actually build something that works, the enterprises will talk to you because they have no other options."
「这对 startup 的连锁效应是——如果你真能造出能跑的东西，企业会跟你谈，因为他们没别的选择。」
The Lightcone / Garry Tan · Inside The MIT AI Study

这条线跟模式 A（Reducto）天然契合——"没人想做但企业刚需"的事就是 startup-shaped hole 的具体例子。

暗流 · 速度

Philip Clark (Thrive Capital) 给了一个跨所有模式的共同观察：

"The AI era is compressing business timelines, making it feel like 'speed chess' compared to the 'chess' of the internet era."
「AI 时代在压缩商业时间线——跟互联网时代的'象棋'相比，现在像'快棋'。」
Philip Clark · Inside Thrive Capital

无论选哪种 AI-native 模式，决策窗口都比 SaaS 时代窄得多——这是所有模式共享的约束。

都没说透的

我的看法

判断（不是事实）：5 种模式里最稳的是 Reducto 路径（模式 A） + Lightcone 的 startup-shaped hole 框架（模式 F）的组合——找一个具体的"没人想做但每个企业都需要"的脏活，用 AI 把它做到 incumbents 用规则方法做不到的精度。这套模式的优点是经济结构清晰（按页/按事件计费 → 直接挂在客户业务 ROI 上），缺点是 TAM 看起来小（PDF 处理听起来不像万亿美元市场）。最被高估的是模式 B（替代 labor）——它的 narrative 性强，但落地依赖客户接受按 outcome 付费这个尚未被广泛验证的商业模式（见姊妹主题 saas-postmortem 的"outcome-based pricing 没有 18 个月+ 留存数据"那条信息缺口）。最被低估的是模式 E（社交结构嵌入）——它需要的不是 AI 本身的进步，而是对本地社交生态的结构理解，这是英文 VC 视角的盲区。

把握程度：中等。最强的支撑是 Reducto 的具体经济数据（$1M burn / 1B 页 / 6× / 40% multi-endpoint）；最弱的环节是"模式 E 被低估"——只有 张阳 一个内部信源，样本太薄。

还想知道什么

取材

继续读
线索
阅读线索：agent 不到 9 nines 可靠，那应该卖给企业还是消费者
线索
阅读线索：如果 coding 是 commodity，AI startup 的护城河长在哪儿
线索
阅读线索：推理成本一年跌 10×，AI app 该按什么定价
线索
摘报
综述
AI Agent 安全与治理
综述
Agent 代购时代：广告与商业的重写