NEA合伙人Tiffany Luck谈AI IPO、个人智能体与ROI核算

硅谷最热门的趋势，毫无悬念地，曾经是“Token消耗最大化”——各家CEO恨不得让员工把AI用到飞起。但账单这东西，终究是来了。Uber在短短几个月内就干光了全年AI预算；有企业直接砍掉了某些团队的Claude许可证；Meta也悄悄关掉了内部排行榜。现实很骨感。

这出大戏，核心就在炒作与实际回报之间的张力上。NEA的合伙人Tiffany Luck，正是此中老手。她是那种从“说服所有人相信电商是未来”时代走过来的人，如今全力押注AI，尤其对消费领域出现“魔法时刻”的可能性兴致勃勃。

最近，她在TechCrunch的Equity播客里，跟主持人Rebecca Bellan聊了个痛快。几个关键议题勾勒出当前AI投资的真实面貌：个人智能体到底会走向何方？今年AI IPO潮究竟是虚火还是真金？初创企业又靠什么帮大公司搞清楚AI的钱到底花得值不值？

从“Token消耗最大化”到“ROI核算”，这个转变意味深远。企业在衡量AI支出时，心态和算盘都得换个打法。一个非常有趣的观察是，前置部署工程师正在成为推动AI落地的“特洛伊木马”——他们直接扎进客户团队，在真实的业务泥潭里证明价值，悄无声息地绕开了采购部门的层层阻力。至于模型供应商？企业不再傻傻地绑定一家，而是学会混合搭配了，哪个场景用什么模型最划算，门儿清。

值得留意的是，Tiffany认为AI技术栈的每一层都在创造价值，而不仅仅是模型层。这个判断，跟许多只看“模型军备竞赛”的观点，倒是挺不一样的。

Q&A

Q1：Token消耗最大化是什么？为什么企业开始反思这一做法？

A：Token消耗最大化就是企业一度相信“用量越大价值越大”，于是鼓励员工疯狂使用AI工具。Uber几个季度烧光全年预算的教训，狠狠地敲了警钟。无节制的AI使用，成本压力谁也扛不住。现在，企业开始集体转向，用实际投资回报率来丈量每一分AI支出是否值得。

Q2：前置部署工程师为什么被称为AI落地的"特洛伊木马"？

A：这个比喻挺妙。前置部署工程师直接嵌入客户团队，在真实的业务场景中，手把手推动AI工具的使用和普及。他们通过近距离合作，让AI能力在日常工作流里自然生长，绕过了传统采购和决策的种种阻力。这种“渗透式”的落地路径，远不是一张采购单就能做到的。

Q3：企业为什么倾向于混合使用多种AI模型，而不是选择单一供应商？

A：用多个模型，本质就是“不把鸡蛋放在一个篮子里”。不同业务场景，性能、成本和特性的要求天差地别，混合策略可以让企业灵活选择最对味的那个。单一供应商绑定的依赖风险太高，多模型策略则给了企业更大尺度的灵活性和议价空间。随着AI技术栈各层价值持续浮现，企业正在探索更多元的采购和部署方式，这才是真正的“杀手级应用”。