这篇访谈讲的是AI如何彻底改变软件行业。嘉宾Gokul Rajaram认为，未来最值钱的能力不是写代码，而是人类的判断力——决定做什么、什么值得做。他看好拥有网络效应（如DoorDash）、资金流（如Toast）或数据壁垒（如NetSuite）的公司，认为它们更抗AI冲击。他提示风险：Zendesk（按人头收费，AI可逐步替代客服）和Slack（数据价值短暂）最脆弱。他还提到ChatGPT的广告潜力巨大，因为它同时拥有用户的意图和身份数据。
Gokul Rajaram基于投资700家公司的经验，讨论了AI如何改变产品构建。核心观点是，AI时代唯一真正“未来-proof”的是系统记录（Systems of Record），而像Zendesk和Slack这类公司比Salesforce或NetSuite更容易受到AI冲击。他总结了广告业务盈利的三种方式，并指出消费者行为变化威胁着所有主要平台。Rajaram还分享了与Larry Page、Sergey Brin、Mark Zuckerberg、Jack Dorsey及Tony Xu共事的经验，强调在AI时代，产品的防御性来源有限，关键在于构建难以替代的系统和数据壁垒。
Gokul Rajaram，Marathon Management 创始合伙人，曾主导 Google、Facebook、Square、DoorDash 核心广告与产品业务，并投资超过 700 家公司。本期探讨 AI 如何重塑产品构建，核心判断是：在 AI 时代，唯一真正“未来-proof”的是人类的判断力（judgment），因为当代码生成变得无限廉价时，决定“该做什么”以及“什么值得做”的能力成为稀缺资源。
Gokul Rajaram 认为，产品开发正从“确定性软件”转向“非确定性软件”，这彻底改变了团队结构与工作方式。
Rajaram 认为，AI 时代软件公司的防御性取决于数据的时间价值与业务嵌入深度，Zendesk 和 Slack 比 Salesforce 或 NetSuite 更脆弱。
Rajaram 提出，在“代码无限廉价”的时代，粘性来自五种稀缺资源，而非软件本身。
1. 网络效应：如 DoorDash，由餐厅、骑手、消费者三方网络构成，无法通过“vibe coding”复制。
2. 资金流经平台：如 Toast（支付+POS）、Mercury（企业银行），资金流动带来监管与切换成本。
3. 硬件绑定：如 Toast 免费提供硬件，替换需物理拆除并支付费用。
4. 独特资产：如 Sierra 拥有 Bret Taylor（OpenAI 董事长、顶级销售），其关系网络无法复制。
5. 系统记录的数据壁垒：如 NetSuite、Salesforce，数据迁移需 2 年工程投入。
Rajaram 总结，广告业务只有三种成功路径，而消费者行为向智能体界面迁移是现有平台的最大威胁。
1. 拥有第一方产品与用户：如 Google Search（高意图）、Facebook（身份数据）、ChatGPT（意图+身份数据兼得，且为多轮自然语言查询，是广告人的梦想）。Rajaram 强调，ChatGPT 拥有 Google 的意图数据和 Facebook 的身份数据，且查询是连续的，而非一次性的。
2. 驱动特定结果：如 AppLovin（$1000 亿+市值），专注移动应用安装这一单一结果，控制买卖双方及中间件，几乎主导了移动应用拍卖。
3. 成为大型广告主的独家需求方：如 The Trade Desk，P&G 等将非 Google/Facebook 的展示广告预算全权委托。
Rajaram 分享与 Larry Page、Sergey Brin、Mark Zuckerberg、Jack Dorsey 共事的经验，总结出“超级力量与公司需求对齐”的领导力模型。
Rajaram 提出“每周 CEO 邮件”的标准化格式，并警告“跳槽优化者”是招聘中的最大红旗。
1. Top of Mind（最重要，占 60-70% 时间）：CEO 当前最关心的事，可涉及产品、业务、团队。
2. Performance Update：公司关键指标表现。
3. Miscellaneous：员工认可、客户引述、活动通知。
Rajaram 强调“越坦诚越好”，因为坦诚可激发团队贡献想法。他引用 Eric Schmidt 的沟通技巧：用纯图像做战略演示，因为“人们不记得文字，只记得感受”。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Zendesk | 风险提示（最易受 AI 冲击） | 按席位定价，每个席位对应一个客服代理处理工单 |
| Slack | 风险提示（数据半衰期短） | 已切断 Glean 的 API 访问 |
| Salesforce | 相对安全（系统记录） | 客户记录数据具有时间永恒性 |
| NetSuite | 相对安全（ERP 系统） | 替换是“职业自杀”，数据迁移风险极高 |
| AppLovin | 看好（广告模式 2） | 市值 $1000 亿+，专注移动应用安装 |
| The Trade Desk | 中性（广告模式 3） | 不接入 Google/Facebook 第一方库存 |
| ChatGPT (OpenAI) | 看好（广告潜力） | 意图+身份数据兼得，多轮自然语言查询 |
| DoorDash | 看好（网络效应） | 餐厅、骑手、消费者三方网络 |
| Toast | 看好（硬件+支付绑定） | 免费提供硬件，资金流经平台 |
| Mercury | 看好（资金流经平台） | 企业银行，监管与切换成本 |
| Sierra | 看好（独特资产） | 拥有 Bret Taylor（OpenAI 董事长） |
| Figma | 看好（自下而上采纳） | 通过自下而上运动击败 Sketch |
| Cursor | 看好（自下而上采纳） | 99.9% 公司通过工程师自下而上采用 |
| Palantir | 看好（结果导向销售） | 承诺“6 个月解决不了免费，解决则高价” |
| Square | 中性（历史案例） | 北星指标为 GPV（支付处理量） |
| 中性（历史案例） | 北星指标从 MAU 转向 DAU | |
| 中性（历史案例） | AdSense 上线时 Sergey 砍掉审批系统 | |
| Zynga | 中性（历史案例） | 80% 收入来自“鲸鱼用户”，催生 Custom Audiences |
| Glean | 风险提示（API 被切断） | Slack 切断其数据访问 |
| Clio / Filevine | 中性（系统记录） | 法律行业系统记录 |
| Epic | 中性（系统记录） | 医疗行业系统记录 |
| Atlassian (Jira) | 中性（系统记录） | 产品开发数据 |
1. Rajaram 认为，AI 时代唯一未来-proof 的是人类的判断力（judgment）。当代码生成无限廉价时，决定“该做什么”以及“什么值得做”的能力成为稀缺资源。支撑：AI slop（AI 生成的垃圾代码）是每个产品团队的最大担忧。
2. Rajaram 提出，广告业务只有三种盈利模式，且只有这三种。模式 1：拥有第一方产品与用户（Google、Facebook、ChatGPT）；模式 2：驱动特定结果（AppLovin 的移动应用安装）；模式 3：成为大型广告主的独家需求方（The Trade Desk）。试图在 Google/Facebook 生态内做中间商注定失败。
3. Rajaram 判断，Zendesk 和 Slack 比 Salesforce 或 NetSuite 更易受 AI 冲击。原因：Zendesk 按席位定价，AI 智能体可逐步替代人工席位（“双向门决策”）；Slack 数据半衰期短。而 ERP 系统的数据具有时间永恒性，替换是“职业自杀”。
4. Rajaram 警告，消费者行为向智能体界面迁移是现有广告平台的最大威胁。如果用户将重复性事务（叫车、点餐）交给 AI 代理，不再打开原生应用，平台将失去广告曝光机会。他建议平台密切关注连接 ChatGPT 账户的用户行为变化。
5. Rajaram 总结，AI 时代粘性来自五种稀缺资源：网络效应（DoorDash）、资金流经平台（Toast、Mercury）、硬件绑定（Toast）、独特资产（Sierra 的 Bret Taylor）、系统记录的数据壁垒（NetSuite、Salesforce）。没有这些，软件半衰期极短。
6. Rajaram 提出，PM 与设计师角色正在融合，PM 与工程师比例从 1:3 变为 1:20。设计系统已建立，AI 可基于设计语言完成工作。PM 的核心工作转向“评估（evals）”——判断非确定性 AI 输出的合理性，有时需用 AI 评估 AI。
7. Rajaram 认为，每份工作至少待 3-4 年才能产生真正影响。连续 12-18 个月跳槽是招聘中的“即时红旗”。他预测 AI 时代最稀缺的技能是“成为功能专家，并懂得如何编排一支 AI 智能体军队来执行该功能”。
8. Rajaram 提出，系统记录公司（如 Salesforce、NetSuite）正在反击 AI 原生公司。2025 年，Slack 切断 Glean 的 API 访问。其他公司采取三种策略：封锁 API、免费捆绑自有智能体、或对 API 调用收费（如每调用 $2）。AI 原生公司必须最终构建自己的系统记录。