对话帷幄叶生晅：AI最终卖的是know-how，花哨的明星公司们最终是牺牲自己教育市场
叶生晅痴迷于研究人类如何做决策。
从弗吉尼亚大学计算机本科毕业后，他来到加州理工跟神经学大佬 Christof Koch 搞研究，看哪些模式在决定着人类复杂的决策。Christof Koch 门徒诸多，其中包括后来变成 AI 科学家的李飞飞。
这种对人类系统运转原理的研究，总会走向哲学甚至玄学的尽头。叶生晅更想接地气点，于是他又去哈佛商学院，直接用神经科学方法研究消费者购买决策，这离现实世界更近，在这些项目里，他们开始用摄像头等来观察收集真实世界的数据。2015 年，叶生晅更进一步，在 Facebook 邀请下离开哈佛，加入 Feed 流的机器学习团队，这个部门后来深刻影响了全球社交媒体的数据驱动推荐机制，几乎称得上黄埔军校。
2017 年，在投资人的鼓励下，叶生晅终于回国创业，创办了帷幄——前面关于决策的执念在这里连了起来，简单说，他要把推荐算法用在现实商业场景，用 AI 帮企业更好影响人们的决策。
帷幄创始人及 CEO 叶生晅 Jerry
而作为一个创业第 8 年的 CEO，在 ChatGPT 3.5 横空出世后，如何理解新的猛烈的技术冲击下，客户们的决策机制，变成他最新的课题。
人们习惯于用 ChatGPT3.5 在 2022 年 11 月的问世来划分时代，在此之后的公司如洪水猛兽，似乎仅用一个概念的 demo，即可彻底摧毁上个时代的 SaaS 公司们苦哈哈积累下来的资源。
但在反复思考后，叶生晅意识到，许多新兴 AI 公司执着于用一个产品颠覆一切，却并未想清楚最根本的问题——到底要如何服务客户。帷幄这样用了多年了解真实场景的公司反而有机会。
"AI 其实卖的不是 AI，它卖的是 know-how（专业技能）。" 他对硅星人说。" 以前的专业技能没有办法规模化变成一个标准化的东西。现在把 AI 训练出来就可以批量复制。而这个的前提是必须从客户出发，去深入积累后才有可能。而不是像这些 fancy 的新产品这样，想要先造出来一个产品，再去打市场。"
5 月 20 日，帷幄也宣布了在当前市场环境下 SaaS 公司尤为难得的 C1 与 C2 轮融资，总计超 6000 万美元。投资方包括淡马锡、线性资本、博世创投、MTR Lab、印尼电信、新加坡电信与菲律宾最大零售集团 SM Prime 等。公司同步对产品线做了大升级，围绕 AI 驱动的 " 看、听、说、想 " 四大核心能力，推出了 " 数智空间 "（AI 视频分析与空间管理）、" 绘声 "（音频转译与 AI 分析）、" 内容营销中心 "（AI 内容创作与投放）以及 " 羽墨 "（企业级 AI 智能体套件）等，它们已经被广泛应用于大型消费品牌客户。
我们也在近期有机会和叶生晅聊了聊。
在新鲜的 AI Agent 类产品不断杀出抢走注意力的今天，这场对话也像是一场难得的 SaaS 公司的 " 反击 "，提供了理解今天 AI 冲击之下，企业服务市场的另一种视角。
以下是对话实录。
everything is about decision making
硅星人：先讲讲你的创业过程吧。
叶生晅：我是 2017 年年末回国创业的。在此之前的十年都在美国，先是在 University of Virginia 读本科，学计算机和经济学，后来去了 Caltech 读神经学的 PhD，在 Caltech 我的老师是 Christof Koch，他在神经科学挺有名的，这个组出了不少名人，李飞飞是我的直系学姐。后来没读完去了哈佛，在哈佛也没读完就去了 Facebook，做 Feed Data 和 Feed Machine Learning。
硅星人：为什么选择放弃继续攻读前面两个 PhD 的学位？
叶生晅：我是研究 decision making，就是决策这个事儿。而决策往上走了以后就变得非常哲学，比如人有没有自由意志，意识是什么之类，后来我觉得哲学这玩意不行，我要去做一些偏应用的。后来就去了哈佛商学院，在 marketing 的组，研究消费者如何做购买决策（purchase decisions）。当时主要用 neuroscience 的方法，把人放到 MRI（核磁共振）机器里，观察大脑哪个区域会活跃。当时全球只有七位教授在做这个行业，consumer neuroscience（消费者神经科学），这个领域的从业者非常少，现在人多了。但当时我觉得还是不够应用，因为学术界还是比较慢，产业界节奏更快一些。于是就去了 Facebook。
其实我们现在做的事情跟在哈佛商学院的研究还有些联系。
在哈佛时候第一个项目是做零售空间的数据分析。当时在研究的时候就发现，线上的数据已经很多了，而线下虽然有很多行为数据，但被挖掘出来可理解的数据还非常少。
比如你走进一家门店，大多数人其实都会习惯性地往右转，这个比例高达 80% 以上。所以在实体零售店里，右侧的海报、陈列区往往能获得更高的曝光率。地铁站也是一样，右边的广告位其实应该更贵一些，因为人们自然更倾向往右看。为什么？因为右边在心理上会让人觉得更安全，尤其在靠右通行的地区。但在香港就不一样，很多人是往左转的，这和当地是左侧通行有关系。
这些其实都是非常有商业价值的行为模式，但过去因为缺乏足够的数据，很难被系统性地挖掘出来，而且大多数人平时也意识不到。
再比如一个很现实的例子：在排队的场景里，一旦排到第七个人之后，第八个人往往就会犹豫甚至直接放弃排队。对企业来说，这就是顾客流失。于是我们就在超市或门店里用摄像头，把这些行为数据记录下来、建模分析，帮助商家更好做决策。
硅星人：后来怎么创业了。
叶生晅：2017 年时候，我在 Facebook NY，参加活动时候，遇到阿尔法公社的天使投资人，他鼓励我创业，给了一笔钱，当时其实还不知道具体要做什么。
硅星人：但肯定是跟你研究的和在 Facebook 做的这些相关。
叶生晅：对。我的背景还可以，就先回来了。我们很幸运，第一个客户是宝洁（P&G），第二个客户是屈臣氏（Watsons）。这两个客户到今天仍然是我们的客户。所以我们为什么做企业服务（Enterprise），是因为我们一开始接触的客户就是大企业。如果当时第一个客户是中小企业（SMB），说不定我们现在就做 SMB 市场了。
所以我一直说，我们公司是客户驱动的，客户决定的因素会更大一些。
硅星人：还没有产品，就有客户。
叶生晅：对，客户提了需求，我们来解决。所以第一个产品就是 SpaceSight，是摄像头相关的产品。对客户的门店通过计算机视觉的方式来收集和分析数据。而后来其实我们能够做出来，一个很大的节点是因为汽车行业的变化，2018 年左右汽车转向电动汽车，电动汽车在那段时间发展非常迅速。这带来了上游的一个变化：原来服务于老牌汽车厂商的供应商，服务不了新兴的电动汽车厂商，或者说给了我们切入的机会。所以这是一个机会窗口正好被我们抓住了。
今天大概有 40% 的汽车品牌是我们的客户，我们在这个行业里做得非常深。你去购物中心里的汽车直营店，基本上那些店里要么用的是我们的摄像头，要么用的是我们的 AI Hub。
（门店客流场景）
硅星人：你讲了这几个节点，说出来好像看起来都是自然发生，但这些机会对所有人都平等，你作为 CEO 如何抓住这些机会？
叶生晅：我回顾的时候觉得其实很难知道当时为什么做那个决策。我最后觉得就是凭直觉（instinct）。我觉得这个事情我得做。
我记得印象很深的是，B 轮融资的时候，新加坡淡马锡刚投我们，我给董事会陈述策略和战略的时候，他们说我在说到汽车行业的时候说了很久，后来讨论的时候问为什么会对汽车行业说这么多，就发现其实就是因为汽车行业有机会。这个就很凭直觉。
然后董事会当时就做了一个决策：专注汽车行业。
后来很多产品也是汽车行业的需求带来的。比如智能工牌，也是因为客户先提出来的。客户觉得除了要看，还需要 " 听 "，也就是用工牌记录数据，做对话分析（conversation analysis），分析客户和销售人员之间的对话，主要是记录客户的喜好等信息，还有就是了解优秀销售和普通销售的差距在哪里。当时要做这个产品也是因为汽车行业有这样的需求。这些都是一个很自然的过程。我并没有特别刻意地去找一个产品，然后让这个产品去适应市场。我觉得今天都在讲 Product-Market Fit（产品市场契合），至少在我们的经验里，在企业服务领域是反过来的：有了市场我们才有产品。
我们就没有 PMF 这个东西，我们只有 go to market，我觉得 PMF 这个东西是从市场出来的，从市场需求出发做市场需要的事情。
AI 卖的是 know-how，只靠空想的产品去打市场是不行的
硅星人：那这个其实就和今天很火的 AI 产品有很大不同。这些产品都是先有 Product。
叶生晅：今天 AI 带来的好处是什么？就是你很容易先做 AI，因为能做的事情太多了，特别多。于是先做个 AI，搞一个概念验证（POC）出来很容易，然后再去找需求。但这样的坏处是，你先有 AI 再有需求，你对需求的认知不一定那么深。
其实有没有 AI，你都应该先把客户的需求找出来。现在客户需求是什么？很多在于它的运营流程。前几天红杉的分享，提到 AI 交付的是结果，其实里面很重要的就是比以前需要 Operation（运营）这一层了。以前你就是做个工具，现在你要对结果负责。
硅星人：很多 AI 新公司自己也没想明白。
叶生晅：对。我举个例子，我们现在自己做的 B2B 业务，B2B 运营。我们要获取客户，和客户聊什么，聊的内容里要做需求分析。需求分析怎么做？客户的需求是什么？需求分析它是一套方法论。最后 AI 要把这个需求分析做成表格出来，这就是流程。以前是人做的，只不过 AI 现在把这个流程解决了。
但是如果我让一个外行去做公司的需求分析，他有多强的 AI 也做不好，他不懂我们。客户经常说这句话——你不懂我。就是因为你没有对这个用户流程、运营流程做非常多的理解，不理解怎么能做得出来？
比如我们现在在跟大型私募金融机构合作一个项目，他们要替代掉大约两年经验的分析师（analyst）。我们现在做得挺不错的了。就是用工牌去录音，录音之后要非常具体的分析流程，访谈需要提取的信息非常需要 know-how。
我们就跟分析师天天聊天，反复调整，直到报表做出来。做了一百次访谈之后，最后总结出一篇报告。怎么去总结这也是一套访谈方法论。这个流程做通了以后，变成一个 AI agent，这个 AI Agent 才会有用。你把这个 AI 智能体给到对方，他们觉得能用了，我第二天就可以卖给更多的基金公司了。
所以你发现，AI 其实卖的不是 AI，它卖的是 know-how（专业技能）。仔细想想，智能体事实上就是卖的是 Know-how。以前的专业技能没有办法规模化，变成一个标准化的东西。比如顶级投行方法论，他们可能要培训两年时间才能把分析师培养出来。现在就是你把 AI 训练出来，就可以批量复制。
（用户访谈场景）
硅星人：最近很火的一些 AI Agent 产品，都基本上不太强调这些 know-how。更强调一个产品解决一切需求。
叶生晅：通用的我觉得肯定做不出来的。为什么我觉得不太行，除了刚才说的这么严肃的，哪怕是来计划一个日本旅行计划，那东西也是要 know-how 的，不能直接出来，旅行计划需要和用户大量交互探索，需要行当很深的 know-how。所以说没有这些 know-how 就做不出来，我觉得为什么从客户出发，也是同一回事，就是一定要从客户的 know-how 去深入积累后，用 AI 来复制出来，这个是该做的事情。
那些花哨的东西解决不了问题。你真的解决问题了吗？你真的要在客户面前试试的话，解决不了任何问题。
硅星人：按照 OpenAI 和各种通用 Agent 的想法，它的模型和能力会不停迭代，最后吃掉一切。
叶生晅：不可能，我觉得他们想多了。场景其实就是 know-how，专业人在专业的事情里积累出来的，所以我觉得代运营公司可能才是未来的 AI 公司。
硅星人：你们其实一直是使用 AI 能力的，但人们习惯性把 ChatGPT 3.5 作为一个分水岭，前后成立的公司就归为不同的时代。所以 ChatGPT 出现时你的直觉是什么，我看你之前分享时还说不要在产品里提 AI，因为只有不提才意味着真正被接受了。但今天你们发布新的产品，又变成了把 AI 放在名字里了。
叶生晅：对。其实在 2017 年到现在，中间发生了两件很大的节点，第一个是比特币，Web3。当时很多人都涌入 Web3 领域，那个时候也有一些公司转向 Web3，但我们没有做。但 AI 这件事情，当时我们开全员会，第一时间就说全力投入 AI（all in AI）。
硅星人：什么时间点？就是 ChatGPT 彻底火了时候么。
叶生晅：大概是在 GPT 出来时候，其实我们之前就很有感觉，觉得那个时刻快要到来了。因为我们在当时已经在用 Diffusion Model 等，等到 GPT 3 出来我们已经研究了很多，应用上一直在用。
当时也很有意思，在董事会上，其实讨论的时候还有一半人不认为应该 All in AI。但现在看是很对的。我当时就决定我所有东西都要用大模型的方式来做。今天我们的摄像头产品里，80% 都是用 VLM（视觉语言模型）来做的，效果都非常好，很多对手就跟不上来了。这是我觉得比较正确的决策。
如果说 ChatGPT 是不是一个分水岭，我觉得它的确是——但这个分水岭的关键不在技术本身，而在你有没有早点走出那一步。那时候大家都说 SaaS 很惨，但如果你当时往 AI 那个方向早迈一步，很多 SaaS 公司其实是有机会活下来、甚至做得很好的。
为什么？因为从客户的角度看，他第一时间会来问你，而不是去找一家刚冒出来的 AI 公司。你是他的长期合作伙伴，是他信任的业务入口。AI 来了，他自然想知道‘我该怎么办’。但最终能不能抓住这次机会，还是看你自己——你有没有提前思考，敢不敢提前行动。
硅星人：直觉好，具体执行的节奏也很重要。在 All in AI 了之后，我看你也有思路的变化，最初更多强调 AIGC 在你们内容产品上的使用，今天的新品开始强调 CoT 等 Agent 推理的能力带来的可能。
叶生晅：Agent 本来就是一个非常非常底层的东西，我们一直在用 Agent，包括思维链（Chain of Thought，COT）、行动链（Chain of Action，COA），一直在用。只不过今天大家知道，哦，你用了 COA 啊，挺好的。我以前教育客户，我说我用十个 Agent 来做，客户会觉得你怎么这么 " 浪费 " 啊，为什么要十个 Agent？现在不需要，现在不需要教育了。而且现在推理能力出来后也很重要，产品里很多问题其实解决起来会快很多。
提不提 AI，这个我是这样想的，17 年的时候我们其实也是有很多 AI 在产品里，但我们当时不太喜欢说我们是 AI 产品，因为我们还是一个解决客户问题的产品，因为从客户的角度出发，其实他并不需要知道是 AI 解决还是别的方式。只要你解决就可以了。你强调 AI 反而把自己陷进了 AI 的思维里面去了。
然后今天为什么 AI 拿出来放名字里了，也是因为客户对 AI 的理解不一样了，因为客户需要 AI 了，客户今天说我要搞 AI 了，这是 ChatGPT 和 DeepSeek 带来的改变。
硅星人：ChatGPT 教育了全世界，DeepSeek 教育了中国市场。
叶生晅：对。就这么回事。这些客户以前肯定要花很长时间教育，要说 AI。现在不需要了，终于不会 challenge 我说为什么要在摄像头上面有 AI，今天一定要有了。客户的变化就是对 AI 的接受度更高了。但同时没有变的事情是，他还是要解决问题。
另外，我反而觉得更重要的是它带来的组织的变化。我们以前都是要工程师来解决问题的，现在不需要工程师解决了。现在产品经理（PD）甚至每个人都可以解决。
我现在是要求所有的售前解决方案（SA solution）的人要解决。以前我们在客户面前做个演示（demo），要先把需求收集好，一层层传递到工程师这里，但你知道最遥远的距离就是客户的需求到工程师这段距离。到这可能只有 20% 的信息了，一层层信息损耗很多。
好了，现在一个非常厉害的事情是，在客户面前 SA 是直接能解决的。他直接搞一个提示（prompt）做一两个 agent 出来就可以解决问题了。这个我们叫实时 POC（概念验证）。客户要什么东西，实时给你。以前要等一周现在实时给你。这就没法比了。
别框定自己，自己限制自己那就完了
硅星人：你们的产品本质上就是用 AI 等技术来服务这个叫做 " 客户旅程 " 的周期，或者我理解是把当初 Facebook 们做的很好的基于数据的推荐算法，放到了物理世界线下商业环境。
叶生晅：对。我们主要是做市场销售（Marketing & Sales）这一块，目前服务了很多消费品牌。从客户角度来说，就是怎么去赚钱。对于客户的客户来讲的就是客户旅程。比如咖啡，从想要喝咖啡，到喝完这个咖啡整个这个旅程，现在有非常非常多 AI 去帮助把这个旅程做好。它由两部分组成。
一部分是你要标准化（standardization）。无论是用视觉图像还是语音做巡检，还是所有内容出去要做合规检测，我们需要保证所有的营销和销售动作都是标准的。这些跟巡检（audit）相关的东西，我们用了很多大模型的能力。
第二就是怎么去帮助销售，最本质是如何更好地沟通（communicate），我们产品的核心就是沟通。无论是 AI 生产内容还是通过 Agentic AI 帮助销售，都是在帮助客户做对外沟通。比如说屈臣氏八万个店员，八万店员每天要发四条内容，一天就有三十二万条内容，我们要帮助企业把这些沟通做好。
这些都需要很多技术能力。我觉得最后我们真正积累下来的是很多还是 Know-how。比如我现在要是开咖啡厅，我肯定开得最好，因为我太懂得怎么开了。
硅星人：所以哪怕 ChatGPT 以前诞生的 SaaS 公司还是有机会的。
叶生晅：SaaS 是什么？SaaS 就是所谓软件即服务（software as a service）的方式来经营，这其实是人为定义出来的东西。你说 AI 公司不是 SaaS 吗？也是 SaaS。所以我觉得你公司的定义一定是你自己来下，你服务哪些客户，你就是什么样的公司。SaaS 这些是投资人来定义的东西，你自己不能这样去把自己框定。
在今天的竞争里，我们的优势就是积累的数据带来的规模效应。今天如果说再来一个摄像头公司做 AI，我告诉你肯定做不成。我的摄像头够多，数据够多，而且我是个 AI 公司，我天天在训练这些 AI。假设你现在跟我做一样的事儿，OK，客户面前，你最多做到 80% 的准确率，我能做到 95%。那客户不用想当然选择我们了，你进不来。而且 AI 反而是帮我把规模壁垒给巩固住的一个东西，而不是说颠覆掉这个壁垒。所以说我觉得 SaaS 公司你只要想清楚了。如果说你不是做工具，你有数据，你有规模化，那么你很容易把 AI 作为自己的壁垒来看的。
所以我觉得是 SaaS 这个词给搞坏了。但是我们一直在说，我们是 To B 公司。你无论是 SaaS 还是不是 SaaS，我们今天无所谓。AI 来了，To C 和 To B 其实还是没有变。To C 依然是流量生意，To B 依然是服务好客户。That ‘ s it。
硅星人：所以您定义好客户，就不会纠结于说我是个所谓什么 SaaS 公司，我现在要做什么 AI SaaS 还是什么，而是说客户现在需要什么，我这个技术能不能基于我的判断来去满足它。
叶生晅： 对，这个说得非常对。客户在这儿，你只要服务好客户，用最新的技术、最好的技术、最应该服务的技术去服务客户，你就能做一个很好的公司了。这就够了。千万不要先有产品，先有产品了以后到处去推广，是搞不出来的。
硅星人：我看你们这次拿到融资，其实放在这个环境里也挺不容易的，这次是海外投资机构为主，你们在出海上的情况是怎样的。
叶生晅：成为一家全球化的公司（Global Company）是我们一直以来的愿景。当时疫情对国内线下业务造成冲击也促使我们更积极地思考国际化。后来我们在东南亚等海外市场已经取得了一定的实际收入，2024 年约占总收入的 30%，今年会做到 50%。对于美元基金和海外战略投资者来说，我们成为一个有吸引力的投资标的，也确实帮助我们获得了关键的融资，吸引了像淡马锡、博世以及印尼电信这样的海外战略投资者。这对我们继续拓展海外市场也很关键。
硅星人：今天的国际环境会让一些创业者对出海有所犹豫。
叶生晅：其实一些海外新兴市场，竞争是不像国内那么 " 卷 " 的，当你比其他犹豫的公司更早、更坚决地走出去，反而能获得一定的先发优势和竞争空间。不要被这些想象中的难题框住了自己。
更重要的是，真正的 " 出海 "，核心团队尤其是 CEO 必须要有决心，要亲自去目标市场 " 走遍每个角落 "，深入了解当地市场、文化和客户需求。如果只是名义上出去，或者抱着 " 出去玩玩 " 的心态，是很难成功的。
硅星人：所以今天的不确定性反而是机会。
叶生晅：对。我一直说，在变化的市场里，只要有变化都有机会。反而你要找到变化，找到变化就有机会。变化反而是好事，最怕的是风平浪静。
硅星人：未来五年或者十年，你对帷幄有什么计划。
叶生晅：我们还是不会去做关于产品，市场和公司的空想。还是继续持续服务中国以及全球的客户吧。只有这样才能更深刻地理解和体会下一代客户的需求是如何产生的，下一代的消费者决策由什么驱动的，下一代的营销人，技术人，生意人会在商业和技术的结合上碰出什么新火花。
帷幄科技核心团队