# AI

深度学习

Mar 30, 2026

问题的核心：为什么心血管疾病是数字健康的下一个前沿 – 7wire Ventures

心血管疾病 (CVD) 仍然是美国的主要死亡原因，到 2023 年将夺去约 916,000 人的生命，影响近二分之一的美国成年人。它不是单一疾病，而是一系列疾病，包括冠状动脉疾病、心力衰竭、中风、心律失常和外周动脉疾病，这些疾病共同造成了令人震惊的每年 6,270 亿美元的负担直接医疗费用和生产力损失。到 2050 年，随着人口老龄化和患病率上升，这一数字预计将增加近三倍，达到 1.8 万亿美元。 尽管经历了数十年的临床创新，从他汀类药物和 ACE 抑制剂到 GLP-1 受体激动剂和经导管主动脉瓣置换术，心血管护理的交付模式在很大程度上仍然是间歇性和反应性的。工具变得更好了；系统还没有。 CVD 死亡率在 2019 年稳步下降，然后逆转，与大流行前的水平相比，今天的死亡率仍然较高。尽管自 2013 年起实施 CMS 处罚，心力衰竭 30 天再入院率一直徘徊在 20% 附近。人均 CVD 支出平均约为每年每位患者 4,800 美元，这给付款人和卫生系统带来了压力。 在 6,270 亿美元的 CVD 总负担中，大约 4,500 亿美元通过直接医疗保健费用，集中在三个可解决的类别。大约 1,950 亿美元是由高成本的急性事件驱动的：心力衰竭住院每次住院平均费用为 10,000 至 18,000 美元，急性心肌梗塞伴搭桥手术费用约为 72,000 美元。另外 1,700 亿美元反映了慢性疾病的进展，目前有 670 万美国人患有心力衰竭，预计到 2030 年患病率将增加 […]

阅读全文

商业洞察

Mar 30, 2026

机器人智能的产业化

机器人领域吸引了大量的资本、世界上一些最优秀的技术人才，以及源源不断的令人印象深刻的演示，让未来变得触手可及。然而，在相对较小的受控环境（其中主要是工业自动化）之外，实际部署仍然很少。仓库、农场、工厂、医院、建筑工地：所有这些看起来仍然更像传统的劳动力景观，而不是数十亿涌入的劳动力所承诺的景观。 正是这种紧张感使得这一刻既引人注目又危险。几十年来第一次，这种炒作得到了合理的结构性变革的支撑：组件成本下降、电池经济性提高、功能更强大的模型架构、更好的模拟和培训环境，以及由资本流入和 AGI 相关雄心驱动的人才飞轮。问题不在于机器人领域是否有希望。问题在于我们是否处于商业和消费者采用的拐点以及如何验证当前的势头。 本文对这个问题采取了普遍的观点。它并没有对机器人技术的每个角落进行分类，从无人机到防御，再到自主堆栈的最深层。这里的重点是更广泛的市场背景、使我们走到这一步的力量以及最有可能产生价值的地方。 我们是如何到达这里的？ 机器人技术始终坚持相同的基本前提：将劳动力转变为自动化系统。其概念根源比大多数人意识到的要深刻：埃及水钟早在公元前 3000 年就使用了自动化人体雕像(https://cs.stanford.edu/people/eroberts/courses/soco/projects/1998-99/robotics/history.html)。然而，“机器人”一词直到 1920 年才进入现代词典，由捷克戏剧 R.U.R. （Rossum 的通用机器人）。在捷克语中，“robota”字面意思是强迫劳动或农奴制。这个名字被保留下来，定义野心的类别也被保留下来。抛开演示、巨额融资轮次和具体的人工智能讨论，基本主张仍然是一样的： 我们能否制造出在现实世界中执行具有经济价值的工作的机器？ 无数的技术发展引领我们进入了机器人技术的现代时代。值得注意的是，讨论四个不同的时代很重要： # 我。 1950–2000：工业进入和基础建设 第一个时代是由可编程机电一体化定义的。 Unimate 是通用汽车于 1961 年推出的首款工业机器人，专为有限机械运动而设计（后来扩展到其他应用）。 Stanford Arm紧随其后，推动了多轴功能的发展，并在整个 90 年代仍然是主导焦点。在这个时代，机械结构领先，计算落后。 20 世纪 70 年代，底层堆栈的功能显着增强。 Modicon PLC 于 1968 年问世； Intel 4004 微处理器 随后于 1971 年问世。这是机器智能开始在工业自动化中经济扩展的时刻 (Schneider Electric， 英特尔)。到 20 世纪 80 年代（“数字工厂”的开始），IBM PC 已将计算带入工程主流。机器人技术成为更广泛的数字生产环境的一部分——编程、模拟、监控和集成——而不是孤立的机械装置（IBM）。 二。 2000–2010：开放机器人和移动组件时代 从那时起，机器人技术开始不再像一个工业领域，而更像一个现代计算领域。 […]

阅读全文

大模型内核

Mar 30, 2026

盒装业务的兴起 – 作者：David Talpalar

我之前曾提到过，自新冠疫情以来，小型企业应用程序的数量激增，这是多种因素共同作用的结果，其中包括对自治的渴望增加和劳动力市场动态。但这一演变的最关键组成部分之一是，成功启动和建立小型企业所需的基础设施工具从未如此容易获得。社交媒体降低了直接接触消费者的障碍。 Zoom 等远程工具、Replit 等网站构建器以及 Ramp 等财务工具有助于抽象出小企业主在前几代中必须应对的许多后台任务。 然而，在过去几年中，我们看到了一种更加全面的基础设施工具的兴起，它使专业人士能够独立开展工作：即插即用业务。一体化业务公司创建全栈支持套件，消除了运营独立业务的运营复杂性，使熟练的专业人员能够专注于他们接受过培训的高价值工作。 至少从我的角度来看，最初的“盒中业务”是 Shopify：Shopify 的创立故事是“盒中业务”概念的有力示例。 Tobi Lutke、Daniel Weinand 和 Scott Lake 最初于 2004 年推出了 Snowdevil，这是一家在线滑雪板商店。他们在与运营电子商务网站相关的运营任务上花费了大量时间，以至于他们意识到构建电子商务平台运行的基础设施有更大的机会。 Shopify 正是基于这种洞察力于 2006 年诞生。 Shopify 成为电子商务品牌的一体化业务平台，特别是在生产商品的小型企业中取得了最大的成功。但新一波的一体化业务公司正在为提供服务的小型企业打造——特别是在监管严格的领域，中小企业所有者不仅必须在所提供的核心服务上证明其卓越性，而且还必须在这些领域中证明自己的卓越性。他们还必须掌握后台、监管和合规性的运营复杂性。 为什么一体式业务公司存在 一体化业务背后的基本见解是，运营复杂性是专业独立性的主要障碍，而不是技能、需求和资本。在大多数获得许可的职业中，供需动态都非常有利于独立从业者。私人诊所的心理健康治疗师的收入是受薪员工的两到三倍。专业执业领域的单独律师的收费标准通常远远超过其受雇薪酬。 但只有当中小企业运营顺利时，其经济效益才具有吸引力。考虑一下想要在私人诊所接受保险的治疗师。他们需要分别对每个付款人进行认证——每个小组需要三到六个月的时间，涉及三十多页的申请，并且需要不断地重新认证。他们需要学习 CPT 编码、索赔提交、拒绝管理和事先授权工作流程。他们需要 HIPAA 合规基础设施、医疗事故保险、调度系统、计费系统以及寻找患者的方法。这些都与成为一名优秀的治疗师无关。 结果，那些本来可以为自己、客户和更广泛的系统创造更多价值的才华横溢的专业人士，作为独立从业者，却被转移到机构就业，他们的收入更少，自主权也更少，而且在许多记录在案的案例中，由于雇主强加的官僚管理费用，他们提供的护理质量较低。 对于那些经营自己的私人诊所的人来说，运营开销可能会严重阻碍其业务的效率。我经常与小企业主（尤其是医疗保健行业的小企业主）交谈，他们每五个工作日就会抽出一个时间来专注于这些管理任务，这实际上使他们的收入机会减少了 20%。 一体化业务公司通过将运营负担转移到平台上来解决这个问题。专业人士拥有自己的执业权，会见客户，并在其许可范围内进行执业。该平台处理其他一切。 人工智能如何改变单位经济效益 盒装业务并不是一个新概念。心理健康领域的 Headway 和 Alma 以及美容服务领域的 GlossGenius 等公司已经建立了支持独立从业者的规模化平台。第一代公司受到服务每个提供商的成本的限制。运营工作——计费、认证、合规——仍然需要大量的人力。这迫使平台收取高额费用（通常为系列的 20-25%），并专门专注于拥有足够数量的垂直行业来吸收这些成本。 但是——如果你以前见过我写过这篇文章，请阻止我——人工智能从根本上改变了这种微积分。堆栈中每个功能提供实践支持服务的边际成本正在崩溃。人工智能代理可以以人类劳动力成本的一小部分来执行许多此类操作任务。在整个支持堆栈中，AI 原生操作可以将服务成本降低 70-85%。 这种成本压缩有两个复合效应。首先，它允许平台收取较低的费用，同时保持与人工智能之前的前辈相当或更好的毛利率。与收取 25% 传统员工费用的平台相比，收取 12% – 15% […]

阅读全文

深度学习

Mar 30, 2026

人工智能大收缩：5 个逆向人工智能投资论文

周日快乐，欢迎来到人工智能投资。请务必观看 AI in NYC show，我们在其中讨论各种有趣的话题。我还想介绍一些我们在 Neurometric 所做的关于代理工作流程的自动生成基于小型任务的模型 的出色研究。如果您对 SLM 和模型集成感兴趣，请查看一下。 （如果你不这些事情，你就会错过下一波人工智能浪潮） 早在 2023 年夏天，我就写过 人工智能投资中的 5 个逆向论文。你可以回去看看结果如何。今天我想再次这样做，因为我认为目前市场上投资者对人工智能有很多误解。 在过去的几年里，主导论点是这样的——无论谁先进入 AGI，即使只有几天，他们的模型也会开始自我创新和改进，这比其他仍在使用人类来改进人工智能的实验室发生得更快，所以现在对于获胜实验室的模型来说，它的智能将会加速，基本上他们将赢得一切。我已经多次写过为什么我认为这篇论文是愚蠢的，尽管它长期以来一直是人工智能的主流叙述。我下面的许多逆向观点都是由相反的观点驱动的——在 AGI 出现后 3 个月内（​​无论最终意味着什么），它将开源，整个世界都将获得超级智能，因此你必须假设“原始智能的质量”是一种商品，而不是护城河，进行投资。 根据我与人工智能人士的对话，以下是 5 篇看似逆向的论文。其中四个我感觉非常强烈，一个我一般般，但我想无论如何我都会把它包括在内。 （我会让你猜猜我认为哪一个可能性最小） 每个人都在寻找下一个 OpenAI。下一个前沿实验室突破。下一轮$10B。但当这种搜索正在进行时，他们忽略了正在发生的更安静、更重要的转变：人工智能正在将智能本身商品化。当情报变得免费时，其他一切——信任、实物资产、分配、监管护城河——的价值就会飞涨。 这是我令人不安的论点：人工智能不仅仅会扩大市场。它将首先签约其中一些。它将破坏信任，瓦解定价模式，并将风险投资公司花了二十年时间分拆的软件功能商品化。生存和繁荣的公司不会是那些构建最华丽的人工智能的公司。他们将拥有人工智能无法复制的东西，也将拥有导致所有迅速崩溃的系统基础设施。 我一直通过我的后模型世界框架的视角来思考这个问题——模型本身在人工智能总价值中所占的份额正在不断缩小，而围绕它的系统和资产才是真正重要的。如果你认真对待这一点，你最终会发现有些地方与共识的人工智能牛市情况完全不同。我对论文 #4 非常看好，所以我开始了 Neurometric 只是为了利用它。 这是我的 5 条逆向论文。 1. 人工智能代理信任衰退 我从这个开始，因为它是人工智能世界中讨论最少的。我们正在将人工智能代理部署到销售周期、采购工作流程和客户成功中，隐含的假设是，将人类从这些循环中移除可以使它们更快、更便宜。这是真的。但这也让他们不那么值得信任。 人工智能代理优化效率。人们根据风险缓解进行购买。当循环中的人消失时，买家的防御就会上升。 Salesforce 的“AI 连接客户状况”报告显示，2023 年至 2024 年间，对道德使用 AI 的公司的信任度从 58% 下降到 42%。一年之内下降了 16 个百分点。与此同时，Forrester […]

阅读全文

商业洞察

Mar 30, 2026

为什么选择人工智能原生服务，为什么现在？新兴资本

人工智能原生服务企业 (AINS) 利用人工智能比现有企业更快、更好和/或更便宜地提供服务。 在 AINS 业务中，客户购买结果，并不关心结果的执行方式（人类、人工智能或混合），让供应商作为单点责任承担责任。它们是围绕人工智能从头开始构建的，而不是通过收购来组装的。 我们于 2024 年 4 月在一篇题为 德勤之死 的文章中首次介绍了该模型。在其中，我们认为人工智能原生服务（AINS）公司将从内到外掏空现有的企业集团。仅四大巨头每年的收入就超过 200B+，他们提供的工作在生成推理时代越来越成为一种商品。这篇文章显然触动了人们的神经，因为德勤发表了尖锐的回应，要求重新命名该文章。这不仅仅是一场法律冲突；这是一场法律冲突。这证实了他们的脆弱性。当世界上最大的咨询公司更担心博客文章而不是自己的创新渠道时，你就知道现有的护城河已经干涸。 从那时起，这个机会才变得更加引人注目。市场不再等待工具；这对结果要求很高。 Harper 正在重建保险经纪业务。技术咨询正在受到 Mechanical Orchard 的干扰。 汉诺威公园 正在重新考虑基金管理。 Crosby Legal 等公司正在重新构想大法。 Prosper AI 正在改变医疗保健收入周期管理。 但对于创始人来说，利害关系已经发生了变化。建立 AINS 公司与建立 SaaS 业务有着根本的不同。 由于这种模式要到 2023 年才真正可行，因此可供创始人学习的优秀例子并不多。 Palantir 是如何融合软件和服务以达到精英估值倍数的有用参考点，但从头开始构建 AINS 初创公司的真正剧本正在实时编写。 SaaS 末日顺风 更广泛的软件市场正在经历痛苦的​​达尔文式转型。基础模型的进步引发了关于软件工具是否会被直接完成工作的人工智能代理所取代的生存问题。这不仅仅是市场调整；这是一场效用危机。随着基础模型开始直接完成工作，基于席位的许可模型正在消亡。如果您的客户解雇使用您软件的人员，您的 ARR 不仅面临风险，而且还会消失。 企业裁员造成了一个缺口：公司在人工智能取代实干家之前就解雇了他们。当他们意识到这种赤字时，他们可能会更愿意外包工作而不是重新雇用劳动力。这为 AINS 创始人创造了有意义的顺风车。 事实上，SaaS 创始人可以考虑转向 AINS，例如停止销售该工具并开始交付需要完成的工作。通过利用现有软件作为 AINS 模型的专有引擎，您可以绕过不断缩减的 IT 预算，直接利用庞大的劳动力预算。在原来的最终用户不再就位的世界中，拥有结果是保持不可或缺的唯一方法。 AI […]

阅读全文

AI 编程革命

Mar 30, 2026

确保 AI 代理的安全：2026 年决定性的网络安全挑战 – Bessemer Venture Partners

人工智能代理正在迅速从实验演示转向生产级企业基础设施。微软、谷歌、Anthropic、OpenAI 和 Salesforce 都在部署代理人工智能系统，这些系统可以跨应用程序和数据运行，而不仅仅是聊天。 Gartner 预计 40% 到 2026 年，80% 的企业应用程序将嵌入特定任务的人工智能代理，而 2025 年这一数字还不到 5%。但随着人工智能扩展到新垂直领域的自主工作流程，网络威胁正在同步激增。模型上下文协议 (MCP) 漏洞、即时注入攻击、通过 AI 助手进行数据泄露：攻击面的扩展速度快于旨在保护其的防御措施。 风险不再是理论上的。在一次受控的红队演习中，麦肯锡的内部人工智能平台“Lilli” 被自主代理入侵 它在不到两小时内就获得了广泛的系统访问权限，这清楚地表明了代理威胁能够以多么快的速度超越人类的响应时间。 保护 AI 代理的安全已成为 2026 年决定性的网络安全挑战。 一项暗读民意调查发现 48% 的网络安全专业人士 现在将代理人工智能和自主系统确定为最危险的攻击媒介。财务风险同样巨大：根据 IBM 2025 年数据泄露成本报告 ，影子人工智能泄露的平均成本为 每次事件 463 万美元 — 比标准违规多 670,000 美元。曝光率不仅更高，而且更高。它在结构上是不同的。在人类分析师做出响应之前，代理攻击会以机器速度遍历系统、窃取数据并提升权限。 “人工智能代理不仅仅是另一个应用程序表面，它们是自主的、高权限的参与者，可以跨系统推理、行动和链接工作流程。核心风险不是漏洞，而是无限的能力。” — Barak Turovsky，Bessemer Venture Partners 运营顾问、通用汽车前首席人工智能官 在 Bessemer，我们在过去的一年里与 CISO 和安全从业者进行了深入对话，亲身应对这一挑战。本入门书提供了一个用于实现 AI 代理安全策略的三阶段框架、应推动 CISO […]

阅读全文

AI

Mar 23, 2026

主体性而非代理

作者：Yoni Rechtman Partner @ Slow | 来源：SandHill.io 主体性而非代理 关于“代理”的互联网戏剧，我恳请在医疗保健“创新”中进行更多正和思考，并为我们以 Anthropic 为特色的 Slow Security 迷你会议做宣传。 人们在网上很生气 上周我发了一条推文，人们对我非常生气，因为我对他们与 claude 的特殊关系不够尊重… tweet 这就是为什么我是对的，以及这其中牵涉到什么。 什么是代理，代理在哪里有用 代理代表您（委托人）采取行动。应用程序则不然。我们知道什么是应用程序。我们使用应用程序已经很长时间了，而且有很多好的人工智能功能可以让应用程序运行得更好，但这与说人工智能会主动为你安排生活相去甚远… 有一个合理的论点是，到目前为止，所有 AI 产品都具有“代理性”或具有“代理”质量/功能：浏览网页、决定以何种方式回应提示等都是代表用户采取的行动。但是，如果每个带有 AI 的产品都是一个“代理”，那么它就是一个毫无意义的术语，整个论点就简化为“AI 有用吗”，而它显然是有用的。 重要的辩论是它对什么有用，以及它在哪里达到了与扩展定律或推理成本无关的自然极限——至少在物理 AGI 之外是这样。 AI 代理虽然处于起步阶段，但其总体概念并不那么新颖，我们已经知道它们在哪些方面可以/将会发挥作用：介于纯粹的死记硬背任务（可以做，但不一定必要）和高度费力/有意识的个人努力（做不到）之间的复杂性中间地带。 agent_sweet_spot 由 ChatGPT 制作……严格来说是一个代理！ 我完全相信，需要一定程度的协调和记忆的事情对于代理来说是有用的领域。这可以包括现实世界中的事情。寻找服务提供商、报税、安排约会：这些都属于曲线的中间部分，拥有足够上下文的代理可能会在边际上让你的生活变得更好一点。 但这里有硬性限制。如果只需要一点点主体性，你可以通过交给代理来获益（比如比较一堆东西的价格，而不是直接购买谷歌上的第一个结果）。但如果需要大量的主体性（比如打扫你的公寓或读一本书），代理就毫无用处了。使用 AI 帮助计划锻炼的健身房只有在你亲自去健身房时才有意义，声称一个为你制定锻炼计划的 AI 是在“代理性地让你塑形”简直是痴人说梦。 需要主体性的事情需要你的主体性才能奏效。 当然，生活中充满了工作。有时这是一个需要解决的问题，但有时这只是生活本身。当它是一个需要解决的问题时，它可能无法通过 AI 解决，更不用说专门的代理了。 即使 AI 主要不是一个代理，它也可能对你有所帮助。应用程序内的 AI 功能在整个范围内都可能有用。代理问题过于狭隘和具体。 话语中的混淆在于将“AI 有用”等同于“代理是消费者的未来”，而这是两个完全不同的主张。 现实生活不是通过命令行发生的 […]

阅读全文

AI

Mar 23, 2026

人工智能上的 12 倍赌注

作者：Tomasz Tunguz | 来源：SandHill.io 人工智能上的 12 倍赌注 如今，超大规模数据中心 (hyperscalers) 在 AI 上每赚一美元，就要花费十二美元来建设更多容量。这就是今年 5750 亿美元资本支出中所蕴含的赌注。 AI 收入需要增长多快才能偿还这笔数据中心抵押贷款？ Hyperscaler Capex Now Consumes Nearly All Operating Cash Flow 从 2020 年到 2024 年，超大规模数据中心每年平均发行 200 亿美元的债券。到 2025 年，这一数字跃升至 960 亿美元。到 2026 年，将达到 1590 亿美元。Morgan Stanley 预计未来几年将达到 1.5 万亿美元。 Hyperscaler Bond Issuance Explodes in 2025-2026 Amazon、Microsoft、Alphabet、Meta 和 Oracle 将在 2026 […]

阅读全文

AI

Mar 23, 2026

工作的暗物质

作者：Evan O’Donnell | 来源：SandHill.io 工作的暗物质 本文描绘了一类新型 AI 产品，它们观察人类与智能体的工作方式，然后将所学编码成一个新的数据层。这些产品被构建为随着模型的改进而变得更强大、更具防御性。 01 | 工作的暗物质 当前是构建和投资新技术的困难时期。模型能力提升如此之快，以至于许多 AI 原生产品，即使是那些具有实际效用和吸引力的产品，也正在迅速变得过时。 在我自己的尽职调查中，我不得不非常、非常努力地思考这个问题…… 如果模型性能提升 50 倍，为什么这款产品仍然有存在的权利？ 为了理清思路，我从模型的根本优势入手。 当今的模型将非结构化输入转换为输出。它们在三件事上表现得异常出色：(i) 理解和生成语言、代码和图像；(ii) 对多步骤问题进行推理；以及 (iii) 在软件系统中执行命令。它们每天都在这些任务上做得更好。 如果你的产品的价值主张完全依赖于在这些维度上增强 AI——更智能的推理、更好的检索和上下文管理、更深的领域专业知识——那么你距离被淘汰只有一个模型版本的距离。 持久的产品价值必须来自其他地方。不是通过弥补智能能力的短期差距，而是通过为 AI 创造全新的输入来发挥作用。 换句话说，最好的产品策略不是让 AI 更智能——而是扩展 AI 的视野。毕竟，任何模型，无论多么强大，都只能基于它所观察到的内容进行推理。 这原来是一个旧概念。 1991年，Ikujiro Nonaka 发表了历史上被引用次数最多的管理学论文之一——《创造知识的公司》。他的论点是，组织依赖两种知识运行。 显性知识很容易被编码——一个流程、一份政策文件、一个决策树。隐性知识则是技艺。它存在于人类的直觉、实践和判断中。它是那位知道哪些客户需要预先致电的客户成功经理。或者是那位在日志于生产环境中发现问题之前，就能感觉到代码库哪些部分很脆弱的工程师。 隐性知识是工作的“暗物质”——连接原始信息与行动的无形推理、意图和机构记忆。它不存在于任何记录系统中。它在日常工作过程中，通过人类行为短暂地表达出来。 直到现在。 一类新的 AI 产品正开始捕捉这个无形层面——不是通过要求人们记录他们所知，而是通过直接观察他们的工作方式…… ……视觉模型在数千个日常会话中感知应用程序内的用户活动…… ……语言模型从分散在 Slack 和电子邮件中的员工对话中提取推理…… ……代码溯源工具将每个 AI 生成的函数追溯到提示、智能体的思维链和开发人员的修正。 这些产品不是在预先存在的数据库之上嫁接 AI。它们正在产生一种根本上新型的数据资产——一个前所未有的、动态的、情境化的层面。 02 | […]

阅读全文

企业级应用

Mar 23, 2026

并非所有记录系统都生而平等

作者：Jamie Tomalin VC @ Triple Point | 来源：SandHill.io AI 代理正在进军企业软件领域，并因此重塑了终端价值。即便是作为软件稳定性中流砥柱的记录系统（Systems of Record），如今也受到了质疑。计算代理会将这些记录系统（SoR）降级为普通的哑数据库吗？企业会用 Claude Code 一次性构建出自己的 CRM 吗？随着公司为适应 AI 时代而调整员工规模，按席位定价的模式是否已经消亡？ 答案是微妙的，下面我将尝试概述一些我认为有用的启发式方法。虽然毫无疑问，一些记录系统确实面临生存威胁，但我相信另一些将被证明是持久的。其中的差异几乎与软件质量、客户群规模或平台集成的数量无关。答案在于数据最初为何会存储在那里。 Bret Taylor 在最近一期 Cheeky Pint 播客中指出了这一点。他区分了两种不同功能的记录系统： 作为参考分类账（Reference Ledger），其数据对审计师和外部方至关重要 作为聚合分类账（Aggregation Ledger），其效用在于将数据集中存放的便利性 他认为，参考分类账是持久的，而聚合分类账则面临巨大压力，因为代理降低了支撑其价值的摩擦。让我们深入探讨。 参考分类账 参考分类账是一种其权威性来自公司外部的记录系统。监管机构要求它，审计师依赖它。它存储的数据之所以存在，是因为外部世界将其视为事实的权威版本，从而创造了支持其持久性的监管和责任锚点。例子包括用于公司账户的 SAP 和 Oracle Financials，以及用于临床记录的 Epic、Cerner、EMIS。 ERP 作为记录系统的主张，并不取决于它是否拥有最丰富、最新或最具操作实用性的数据，而在于它持有法律上权威的数据版本。这种区别带有法律和财务上的分量，是任何 AI 能力都无法消解的。遗留的模式可能会限制分析的灵活性或操作的可见性，但只要它持有的记录仍然是控制、合规和财务报告的公认基础，它就不会消除 ERP 的核心功能。监管机构不关心 Slack 消息中是否包含比 SAP 采购订单更丰富的采购情报，他们关心的是 SAP 中的采购订单是可审计的。参考分类账在操作上可以过时，但在制度上仍然不可或缺。 伯明翰市议会（Birmingham City Council）的案例很好地说明了替换此类系统为何存在惯性。该议会自 1999 年以来一直使用 […]

阅读全文

AI

Mar 23, 2026

GTM AI 操作指南：销售管道智能引擎

作者：Mandy Cole | 来源：SandHill.io 01 — 功能介绍 大多数营收团队仍在手动制作每周的销售管道预测——从 Salesforce 导出数据、格式化电子表格、将数字复制到幻灯片中。使用 Claude 的销售管道智能引擎（Pipeline Intelligence Engine）则完全替代了这一流程。你只需提供 CRM 数据，它就能为你提供预测会议所需的一切。 Claude 的这项技能可以对你的销售管道数据进行三种并行分析，并通过一个提示生成三个文件： 交付成果： 销售管道健康状况电子表格 (.xlsx) 包含阶段转化率、速率指标、风险交易、周度变化以及每位销售代表的明细——所有内容都附有可审计的公式。 交互式仪表盘 (.html) 包含漏斗可视化、销售代表与配额对比的销售管道、覆盖率仪表以及可排序的风险交易表。可在任何现代浏览器中渲染。 辅导优先级文档 (.md/.docx) 包含 5 个最有可能延期的交易、销售代表的业绩亮点以及用于一对一沟通的具体谈话要点——所有这些都基于你的实际数据，而非模板。 02 — 先决条件 在运行此技能之前，请确认你已具备以下条件： CRM 数据访问权限 — 从 Salesforce、HubSpot 或任何 CRM 导出的 CSV 或电子表格文件。或者，通过 CRM 连接器或 MCP 集成进行连接。 销售管道导出文件 — 包括活跃的商机，其中包含：交易名称、阶段、金额、预计成交日期、负责人、创建日期和最后活动日期。字段越多，输出内容越丰富。如果你已连接 CRM，它可以直接从你的 CRM 中提取数据。如果没有，你需要将此内容包含在导出文件中。 配额背景信息 […]

阅读全文

AI

Mar 23, 2026

由 Agent 主导的增长：下一个 GTM 动议已经到来

作者：Neal Behrend SVP @ Insight | 来源：SandHill.io URL: https://www.insightpartners.com/ideas/agent-led-growth/ 由 Agent 主导的增长：下一个 GTM 动议已经到来 Neal Behrend | 2026 年 3 月 13 日 | 7 分钟阅读 关于新的 GTM（进入市场）动议，有一点需要注意：其优势窗口期通常在最初阶段最宽。早期为产品主导增长（PLG）而构建的公司——如 Slack、Dropbox、Zoom——并没有等到产品主导的 playbook 被完全验证。Snowflake 和 DocuSign 早期就掌握了基于客户的体验（ABX），轻松超越了那些仍在采用“广撒网”策略的团队。如今，一个新的 GTM 动议的窗口也同样敞开着。 模式：新基础设施 → 新 GTM 动议 img1 企业软件中许多主流的 GTM 动议都是由一层新的赋能基础设施所解锁的。销售主导的增长一直存在，但当像 Salesforce 这样的 CRM 让销售人员能够大规模管理客户关系时，它才变得可扩展。从 Insight 的角度来看，当 Mixpanel 和 Amplitude 等产品分析工具使自主的用户体验变得可衡量和可重复时，产品主导的增长达到了效率的巅峰。当像 […]

阅读全文