这句话的分量很重。要知道，Bret 的履历堪称硅谷全景图：
-
Google 工程师起家，亲历互联网早期；
-
创办 FriendFeed 卖给 Facebook，升任 CTO；
-
创立 Quip，再卖给 Salesforce，当上联席 CEO；
-
担任 Twitter 董事会主席，见证马斯克收购；
-
现在是 OpenAI 董事长，同时自创 AI Agent 公司 Sierra，估值已达百亿美元。
这样闪闪发光的履历，横跨了互联网、社交、SaaS和AI四个时代，意味着他既是玩家，又像裁判。我从他的万字专访中，给你拧出了5条真正值钱的、能让你在未来几年看懂牌桌、甚至上桌的干货！
这不只是一篇大佬访谈录，这是一份2025年的AI生存地图。
01| 泡沫来了，别怕，但要会站队
所有人都在问：AI是不是泡沫？
Bret Taylor的答案是：是，但这更像1999年，而不是2018年。什么意思？
2018年的区块链泡沫，是屠龙之术，技术很酷，但除了炒币，几乎找不到一个能让普通人生活变得更好的场景。
而他把当下比作 1999 年的互联网泡沫：
-
当年的宠物电商 Pets.com、生鲜配送公司 Webvan，轰然倒下。但是当年看似荒谬的想法，比如“网上买菜”（Webvan），十几年后却蓬勃发展。
-
但同一时代，Google、Amazon 却一路成长为超级巨头；
-
AI会像互联网一样，从根本上重塑经济，创造巨大的价值。
-
我们正处在泡沫中，大量的钱会被浪费掉。
这给我们什么启示？
对于创业者和投资者来说，现在判断一个项目，核心问题不该是“这个想法酷不酷”，而应该是 “支撑这个想法的技术、成本和用户习惯，现在到位了吗？”
而对于职场人，不要因为“泡沫”二字就觉得一切都是假的。要看你所在的公司，是用AI解决一个真实存在的、能算得出来账的“痛点”，还是在追逐一个无法落地的“概念”。
02| 应用不等于AGI，企业要买的是解决方案
软件已死，未来只卖“结果”。这是整场访谈里，我觉得最颠覆的一点。
传统软件公司怎么赚钱？卖许可证（license）或者订阅（subscription）。你付了钱，软件能不能用好，那是你和系统集成商的事。一旦项目搞砸了，软件商指责集成商，集成商指责客户，客户只能自认倒霉。
而Bret的新公司Sierra，商业模式完全不同：按结果付费 (Outcome-based Pricing)。具体到客服场景，就是：
-
AI Agent独立解决了客户的问题，比如办完了退货、改好了订单，Sierra才收费。
-
如果AI搞不定，转给了人工客服，那这次服务免费。
这听起来简单，背后却是一场商业模式的革命。它意味着供应商和客户的激励第一次被彻底拉平了。你不再是为工具付费，而是为搞定一件事付费。
其实，Agent（代理人）这个词的词源，就包含了“自主性”和“代理权”。一个真正的AI Agent，就应该像你雇佣的一个靠谱员工，按完成的任务量拿提成。从“卖铲子”到“包挖到金子”，这才是AI时代商业的底层逻辑。
Bret 还有一句关键判断是：“应用型 AI 公司，不应该追求 AGI。”
理由很简单：
-
预训练大模型的门槛极高，烧钱无底洞；
-
企业真正要的不是模型，而是能落地的解决方案。
他举例说，法律智能体 Harvey 能在律所落地，是因为它帮客户做了“反垄断审查”，而不是因为它卖 AI。
企业从不关心背后是 GPT-4、Claude 还是别的模型，他们只关心：能不能解决我的问题。这也解释了为什么 Sierra 的商业模式是“结果导向”。
其实，在他看来，三年前人们想象的 AGI，现在其实已经实现了：
-
图灵测试早就跨过了；
-
模型已经能在部分数学问题上提出新思路。
但这也带来一个悖论：我们不断移动球门线。当初以为的智能边界，被 AI 一次次突破。于是，硅谷开始抛弃“AGI”，换上更炫的名号——“超级智能”。
Bret 的担忧在于，一旦智能超过人类，靠人类自己去监督是不可能的。
未来，或许需要“AI 监督 AI”，才能保证安全。
03| 忘了聊天框吧，AI的第一个万亿战场在你的电话里
一提到AI客服，你可能首先想到网页右下角的那个聊天框。
但在Bret 的一线实践里，事实是：语音交互的需求已经超过了文本。
为什么？语音几乎没有学习成本。
他打了个比方：AI正在把最古老的“公共电话交换网”（PSTN）——也就是我们打了上百年的电话——第一次真正变成数字化的互联网渠道。
过去，打电话是企业最昂贵、最头疼的服务渠道。一个客服电话的“单次接触成本”在10到20美金之间。很多消费品牌的客单利润还不到这个数，所以他们宁愿让你在网站上绕迷宫，也不想让你找到电话号码。
这不是因为他们不关心你，而是因为“跟你说句话就得亏本”。
现在，LLM（大语言模型）把这个成本降低了近两个数量级。突然之间，与所有客户进行有温度、真实的对话，在经济上变得可行了。
Bret把这称为“止痛药”（Painkiller），而不是“维生素”（Vitamin）。
聊天框对话的体验优化是维生素，锦上添花；而解决掉积怨已久、成本高昂的电话等待问题，是真正的止痛药，是刚需。
落地建议是，如果你在做跟用户打交道的业务，请立刻审视那些最传统、最“笨重”、成本最高的沟通环节。比如：
-
保险行业的理赔报案与进度查询电话。
-
银行的信用卡账单分期申请电话。
-
零售业的保修鉴定和退货电话。
这些地方，就是AI Agent最先能创造百倍价值的“黄金地带”。
04| 别再迷信大模型了，真正的护城河是“脏活累活”
很多人觉得，做AI应用，就是选一个最强的模型（比如GPT-5），然后接个API就完事了。
Bret直接戳破了这个幻想：“把ChatGPT和一个知识库拼在一起，现在已经是一个工程师的周末项目了。”
那Sierra价值100亿美金的“秘密武器”是什么？
不是自研大模型，而是一整套复杂的“编排与护栏”系统。
他透露，在Sierra的平台上，用户和Agent的任意一次交互，背后可能涉及到20次以上的模型调用。这里面混合了不同功能、不同成本、不同速度的模型。
就像一个顶级大厨，他用的不是一口“万能锅”，而是懂得在什么环节用猛火爆炒的铁锅，什么环节用慢炖的砂锅。真正的护城河，正是应用场景的深耕：
-
监管护栏： 在处理银行、保险、医疗这种强监管行业的对话时，如何用确定性规则和AI监督模型，确保对话100%合规？
-
精准转写： 模型把“and”或“or”听错了无伤大雅，但把你的银行账号听错了，就是灾难。如何保证关键信息的绝对准确？
-
环境降噪： 你在路边打电话，汽车一声鸣笛，AI会不会以为你在打断它，然后就闭嘴了？如何让AI分清背景噪音和有效信息？
AI时代具有二阶效应，真正的赢家还没有出现。
今天的大多数 AI 应用，Bret 称之为“AI 观光”——看上去炫酷，却难以落地。
但他也相信，每一个垂直场景，最终都会诞生一家公司，把 AI Agent 做成企业级解决方案，比如：
-
法律 Agent（Harvey）；
-
客服 Agent（Sierra）；
-
会计、供应链、审计……都可能会出现专门的 Agent 公司。
机会不在于造出更强的“发动机”（LLM），而在于围绕这个发动机，造出能在特定赛道（如金融、医疗、法律）上安全、高效、可靠跑完全程的F1赛车。
这与当年的 SaaS 极其相似：
最初大家都在做“表演性项目”，后来才逐渐沉淀出 Salesforce、Workday、ServiceNow 这样的行业巨头。
这需要极深的行业知识（Domain Knowledge）。你的行业经验，就是你最好的护城河。
05| 给普通人的AI生存指南：从“码农”到“系统包工头”
AI能写代码了，Bret自己引以为傲的“重写谷歌地图”的传奇经历，可能几年后一个AI Agent就能搞定。那我们这些“人类电脑”（Computer，这个词最早就是指做计算的人）该怎么办？
Bret的观点很有意思：软件就像一片草坪，你种下它，就得负责养护它。
就算AI能在一夜之间帮你生成一个ERP系统，你敢用吗？新的会计准则出来了谁来更新？出现安全漏洞了谁来打补丁？
所以，工作的价值核心正在发生迁移。
过去，你的价值或许在于“写代码”（砌砖块）。未来，你的价值更在于“设计和维护一个能解决问题的系统”（当好包工头）。这意味着你需要掌握一套新的技能：
-
任务分解能力： 能否把一个复杂的业务需求，拆解成AI Agent可以执行的、有清晰边界的步骤？
-
指标定义能力： 如何为每个步骤定义成功与失败的量化指标？（这就是前面说的“按结果付费”的基础）
-
风险管控能力： 能否预判系统中可能出错的环节，并设计好兜底方案（比如，什么时候必须转人工）？
-
成本优化能力： 能否为不同任务，选择性价比最高的模型或工具组合？
说白了，你不再是一个单纯的执行者，而是一个“AI系统架构师+项目经理+风险控制官”的集合体。你负责画图纸、定标准、做监理，然后把具体的砌墙工作交给AI。
写在最后
最古老、最笨拙的渠道，正在被AI注入灵魂，被新的商业模式重新定价。
Bret Taylor的分享，最大的价值在于他始终在用“第一性原理”和“商业本质”来思考AI。他没有被技术的光环迷惑，而是牢牢抓住两个字：价值。
为客户创造可衡量的价值，然后从中分一杯羹。
这个朴素的道理，在AI的漫天泡沫中，或许就是那个最坚固的、能让你穿越周期的救生圈。
泡沫终将破裂，但价值永存。谁又会成为下一个 Amazon呢？
原文更加精彩，完整访谈：
https://www./decoder-podcast-with-nilay-patel/773904/sierra-ceo-bret-taylor-ai-agents-openai-bubble-interview