AI 助手创业的护城河，可能不是模型而是入口和信任

先说结论

Jean-Denis Grèze 对 AI 助手市场的判断很激进，但不是简单的“模型会越来越强”。他的核心观点是：未来的 AI 助手如果要成为大公司，关键不在于自己训练最强模型，而在于占住用户日常工作的入口，理解足够多的上下文，并把模型能力变成可付费、可持续、可信任的自动化。

Town 的产品切入点很朴素：接入邮件和日历，观察用户已经在做什么，再建议可以自动化的任务。JD 认为这比空白聊天框更接近真实需求，因为普通用户并不知道该让 AI 做什么。一个能看到上下文的助手，可以主动把“你可能需要处理的工作”摆到用户面前。

这期访谈的张力在于，Harry 一直追问市场是不是泡沫、竞争是不是太挤、Google、Apple、GrokBot 和 Instinct 会不会碾压创业公司。JD 的回答不是否认风险，而是说这个市场仍然早到离谱：大多数用户还只把 ChatGPT 当增强版搜索，真正的工作助手远没有被教育完成。

这期内容在讨论什么

访谈围绕 Town 展开，但实际讨论的是 AI 助手公司的底层经济学。JD 曾任 Plaid CTO，后来创办 Town。Town 一开始不是现在的形态，团队从另一个方向重置后，发现邮件和日历可能是 AI 助手进入真实工作的最佳入口。

他把市场分成几层：消费者助手、工作助手、企业级自动化、语音界面、模型供应商、平台型入口。Town 站在其中一个位置：不是通用模型公司，也不是单一垂直 SaaS，而是试图成为用户处理数字事务的主入口。

这也解释了为什么他不认为所有竞争者都在做同一件事。GrokBot 有 X 的分发，但品牌和企业信任会有问题；Instinct 和 Town 的策略不完全一样；Apple 有设备入口，却可能受限于执行节奏；Google 有生态和模型，但未必能做出用户愿意托付日常工作的关系型助手。

核心观点

第一，AI 助手市场仍是蓝海，因为用户需求还没有被充分命名。JD 说很多客户甚至没听过这些产品，他们使用 ChatGPT 的方式还很浅。真正的机会不是说服已经懂 AI 的小圈子，而是让主流专业用户第一次看到“原来这些日常事务可以自动跑”。

第二，邮件和日历是高价值入口，因为它们包含人的真实意图、关系和待办。空白提示框要求用户先表达需求；邮件和日历让产品能从已有行为里反推需求。Town 宁愿在注册时承受大量流失，也要用户连接这些关键上下文，因为没有上下文就没有主动建议。

第三，护城河可能来自 agent-to-agent 网络效应。JD 设想未来你的代理可以判断该向谁共享什么数据，代理之间能够协调工作。到那一步，助手不只是单点工具，而会成为人与人、组织与组织之间的协作层。

第四，模型成本是长期威胁，但不是今天最值得优化的点。Town 目前主要使用前沿模型，因为产品还在追求效果和增长。JD 认为更重要的是模型路由能力：不同任务用不同模型，随着开源和小模型进步，把不需要前沿能力的任务降本。

第五，付费本身是信任机制。JD 对纯广告驱动的消费者 AI 持怀疑态度，因为助手必须站在用户一边。如果一个订机票助手被广告激励污染推荐路径，用户会觉得它不再属于自己。工作场景里，客户也需要知道长期成本，不愿意把业务流程建立在一个免费但未来价格不明的系统上。

推理链与关键例子

Town 最早的产品洞察很简单：先让用户连接邮件和日历，产品就能知道足够多的背景，从而推荐 AI 能替他完成的任务。这个动作像硬门槛，JD 承认会让一部分用户直接流失，但他认为这是必要取舍。没有上下文的助手只能等待命令，有上下文的助手才可能创造惊喜。

Harry 追问这是否真的算洞察，因为很多产品都在要求用户授权。JD 的隐含回答是：授权本身不重要，重要的是授权后能不能立刻映射到具体任务。真正的产品能力不是“我能读你的邮件”，而是“我能看出你反复做了哪些工作，并安全地替你做掉一部分”。

关于价格，访谈给出的信号也很关键。Town 有多个订阅层级，并配合用量计费。低价层更像增长入口，较高层更接近盈利核心。JD 更愿意要更多低价付费用户，而不是少数高价客户，因为工作助手未来可以随使用深度扩大收入。只要它真的成为工作平台的一部分，收入不必被固定席位费封顶。

他对“烧钱换增长”的态度也很现实。免费测试期间，有用户一个月烧掉数千美元算力，单个用户几个月累计消耗很高。这让他不愿意完全补贴企业使用。企业客户不只关心今天免费，也关心未来是不是会突然变贵。对工作助手来说，定价清楚反而能增加信任。

另一个有意思的细节是工程团队使用 AI 工具的强度。JD 提到每位工程师的 AI 工具年化支出至少达到很高水平，工具包括 Devin、Claude、Codex、Cursor 和 Town 自己。他的判断是，只要工程师能用这些工具多产出高价值功能，这笔钱就比招聘更多人更容易解释。AI 在这里不是削减工程师，而是让新增工程师的边际产出更高。

边界、保留意见与争议

这期最需要保留判断的是估值和终局想象。JD 认为如果 Town 能获得千万级付费用户，叠加较高年收入和持续增长，就可能支撑非常大的公司。但这个前提很重：用户要长期信任同一个助手，工作流要足够高频，模型成本要能下降，平台巨头不能完全吞掉入口。

第二个争议是“一个主助手”还是“多个垂直助手”。JD 倾向相信人会有一个主要助手，它有名字、有形象、有长期关系。但企业软件历史也常常显示，专业场景会分裂成多个系统。最终也许不是一个助手统治所有事情，而是一个主入口协调一组专门代理。

第三个风险是安全。越是接近邮件、日历、支付、客户沟通和公司流程，越需要强权限、审计和撤销机制。一个只会回答问题的 AI 可以犯小错；一个能代你发邮件、改日程、处理合同的助手，错误半径会大很多。

整理后的观察

这期访谈把 AI 助手创业讲得最清楚的一点是：模型强不是产品强。真正的产品壁垒，可能在四个更不性感的地方：入口、上下文、信任和单位经济。

入口决定你能不能看见真实需求；上下文决定你能不能主动建议任务；信任决定用户敢不敢授权；单位经济决定你能不能在模型供应商涨价、竞争者补贴和用户使用量增长时活下来。很多 AI 产品今天看起来相似，是因为它们都站在聊天框阶段。等它们进入邮件、日历、组织流程和代理协作层，差异会迅速变大。

对创业者来说，Town 的启发不是照抄邮件助手，而是找到一个高频、上下文密集、用户愿意为结果付费的入口。对投资者来说，泡沫问题也不能只看估值，而要看产品是否真的把 AI 能力嵌进工作流，是否有持续降低成本的路径，是否能让用户相信这个助手代表自己。

这也是为什么这期标题里的“AI 助手竞赛”不只是功能竞赛。它更像一场关于谁能成为数字工作的默认界面的竞赛。模型会轮换，供应商会变化，但如果某个产品真的占住了日常工作入口，并在入口上建立信任，它才有机会变成平台。