Tenex 的工程师按 story point 拿钱，最高和最低差 4 倍。这一期讲他们怎么让「干完了」变成可以被检查的事：记录进 Git，验收要证据。
这一期讲了什么
按官方 15 段章节顺序整理。凡没有另标来源的，都出自这一期对话本身1；能在官方文件里查到的，另外给出处。
01 · 0:00 冷开场：产出更快，钱更少
CJ 的一句话给整期定了调：按小时收费时，模型让他更快、更好，收入反而更低。计价单位决定了一个人加速之后钱是变多还是变少——这是所有后续讨论的前提。
02 · 0:26 介绍：这一期来了两个人
亚历克斯回来了，带的是 Tenex 的特殊项目负责人 CJ 赫斯，公司的第一个雇员。主持人打趣「那你们是特警队」。亚历克斯用一句话定义公司：应用 AI 伙伴，帮世界上最大的一批公司从「没有 AI」走到「AI 原生」。
03 · 0:51 Tenex 到底是做什么的
他的判断是：AI 很了不起，但它是原料智能，最难的是把它扩散进经济里的最后一公里2。Tenex 想做那个把这件事落地的人。官方口径与此一致：三项服务——策略、转型、工程，工程按交付的功能订阅计费，而不是按小时2。
04 · 1:32 CJ 为什么加入
他是第一个雇员，进来时公司连名字都没定。此前他埋了一串创业公司，最后做自己的工程咨询：先做传统工程，再转 AI 咨询，越做越多。他反复说的那句是「产出更快，拿到更少」。他赌的是：更会用 AI 的人，产出与收入都该更高。当时是 Sonnet 3.5 与 Gemini 2.5 Pro 的年代，这件事还不明显。
上一期节目里那套「按 story point 付钱」的主张，在这一期被重新解释了一遍：AI 是对一个人的智力与工作伦理的杠杆式下注，所以收入方差会比以前任何时候都大；这套模式不适合所有人，只适合想押注自己的人。
05 · 3:17 按产出付钱
- 公司 18 个月前起步，最初是 AI 驱动的开发作坊；今天 75 人，九成是工程师或 AI 策略师。
- 客户一半是财富 2000 强，一半是中端公司（营收 1 亿到 5 亿美元）。他们的诉求从「借我一队工程师」变成「帮我把 AI 转型当服务做掉」。
- 最高薪与最低薪的工程师收入相差约 4 倍，不是 10 倍。
- 外界最担心的两个失败模式——虚报点数、为点数交烂代码——没有成为主要矛盾。对冲办法是激励错位：AI 策略师按客户留存与增长计酬，有动力把不该做的工作顶回去。
- 真正的难题是「不写代码的时间」：架构、见客户、决定先做什么，这些不进票据。CJ 说他的时间正从写代码转向「把客户的上下文装进模型能读的形状」。
06 · 7:20 MetaHarness 里面是什么
从一套标准化技能长成「仓库里结构化的文档 + 一个 CLI」。一份 canonical 计划文档；模型变强之后，他们反而减少了结构上的强制。agent 的决策、动作、进度都记录下来，全部 check in Git。
CJ 的解释很直接：「代码本身可以是代码库的记忆」，但你还需要知道当初为什么这么决定、那场对话的上下文是什么。这份记录永远在仓库里，不在谁脑子里——这才让 agent 和工具拿到了很多团队还留在对话里的上下文。他们的衡量方式也很土：全公司人均每月 story point 的趋势有没有往上走。
官方文章把这套东西写得更细：八阶段生命周期（需求与权限、界定与计划、设计评审、实现、演示检查点、测试与验收、上线、运维移交）、八条原则，以及一个 git 仓库式的「项目记录」——真相、意图、历史分开存放并互相交叉校验3。
07 · 10:25 模型与长任务
- 从去年 12 月的 Opus 4.5 到今天的 Opus 5.5，工程师的实际产出大约翻了一倍。
- 「一个点值多少钱」每季度校准一次；理论上应该通缩，但要在「继续奖励产出」和「校准价值」之间找平衡。
- 团队默认 Opus 5.5：快、便宜，覆盖了他原来要分给两三个模型的活；偏电脑操作的任务回到 Codex（Sol 6.1），两边来回改效果最好。
- 他还在「Amp maxing」：在 Amp 的云端 orb 里干活，把 Claude Code 订阅接进去之后成本降了约八成；跨模型、以及「用一个 orb 审另一个 orb」是他留在那里的原因。云端 Claude Code 与 CloudTag 更适合非技术任务的协作。
08 · 15:11 token 花销与回报
主持人给的坐标：多数公司每人每月 10–200 美元，或大约 10% 的工资；一家 AI 原生初创大约 1 倍，最高能到 5–10 倍。Tenex 说自己在 1:1 到 2:1 之间——原始 token 口径下，token 花掉的钱相当于工资的一半到一倍。
Astra 与 Fable 的时代，大家把最贵的模型开到最大，然后账单失控；Opus 5.5 把成本压下来。他同意主持人说的「已经过了帕累托点」：按任务算的钱在降，今天想把一家公司「烧穿」比六到八个月前难得多。他也承认可能回摆——如果出现更贵但更强的模型（Astra 6.5、Fable 5.5）；但像 Muse Wonder 这种「在前沿、又便宜」的模型在加剧竞争4。
09 · 19:29 企业采用的差距
四道坎，按 Tenex 谈过的大约一百家企业估：90% 把通用模型铺给了全员；60% 做了培训与赋能；50% 在工程与产品用上编码 agent；只有 5% 在非工程的生产流程里用上 agent。他在 AI Engineer 现场讲这组数时，听众普遍低估了后面的落差5。
原因是这波由两拨人推动：一小群真懂技术可能性的人，加上一大群被 FOMO 驱动的人。FOMO 带来动能，但也让人抓住最时髦的词——「每年都是 agent 之年」。客户最常要两件事：给后台流程做一个真能用的 agent；以及权限与 RBAC——每个员工手里都有 Claude 或 Codex，谁能读什么却没人管得住，CIO 与 CISO 手里没有一块好用的控制面板。Tenex 于是把自己的网关产品化。
10 · 23:22 agent 为什么落不了地
「一个不存在的流程，你没法自动化。」40 个人做同一件事各有做法，agent 就无从判断对错，也做不出评测。所以他们的建议常常是反的：先建流程，再交给 agent。等到 agent 把活推到你面前、你审、你打回，「agent 经理」才成立。
11 · 24:42 垂直 AI 与企业软件
他们对垂直 AI 整体看空，理由有三层：企业里的惯性与复杂度；「一对一软件」的预期让所有软件公司都在建 FDE 团队，服务与软件在收敛；以及前沿模型会不会把这些活吞掉。如果每个客户都要定制，怎么维持软件毛利？
主持人给了反例：Harvey 的表格审阅、Legora 的界面与 affordances、OpenEvidence 的领域数据；彭博一年五万美元卖的是整合、同行都在用、那套私信；Superhuman 说明「更好的同类」有市场。亚历克斯承认总市场在长大，分歧只是份额；他区分「从零用 AI 做的新应用」与「把一个 agent 当产品的垂直方案」——后者除非有合规数据这类护城河，会很难。
12 · 30:32 Kill My SaaS
主持人拿自己的实验做案例：替换一个报价 4.3 万美元/年的中端 SaaS，花约 1000 美元，下个月的大会就上生产；72 份提交、56 个跑过自动评测，人类评委选出的冠军在 AI 榜上只排第 19。这个落差说明：检查软件是否满足一串场景，和判断人愿不愿意用，是两件事。
亚历克斯的回应是「越往上越难拆」：中端要看这笔钱值不值得占用工程师；财富 2000 强换错一次是数亿到十亿的赌注。Tenex 自己从零写过 CRM 与 OS，也因此更清楚：软件的另一半价值，是那些你不用再操心的麻烦。主持人的反驳在攻方：不只是省钱，而是产品长期平庸，自己是客户，可以按分钟迭代。
13 · 35:23 AI 与就业
他不否认替代，强调的是再分配：把做重复工作的人抬起来，去做跨团队、更靠近判断的事，因为大公司永远有下一个问题。主持人补了两点：一，不要把这件事说成「发生在人身上」，人是有主动权的；二，「AI 会做掉人不喜欢的工作」有点自我安慰——很多人做这份工作不是因为喜欢，而是为了钱。
14 · 38:18 纽约的 AI 生态
旧金山是「所有人整天都在 agent 里」，纽约是更小的圈子；Tenex 因为自选的人与客户，像旧金山的微缩版。他们的说法是：纽约的 AI 池子更小，但商业价值的池子一样大甚至更大——这里交易多，技术扩散会真正影响 GDP。他们给自己定的一部分任务很直白：把旧金山的人带来见客户，校准现实。
15 · 42:28 在 Tenex 招人
招前线部署工程师（tenex.co），以及带客户项目的 AI 策略师；团队 75 人，base 纽约。CJ 这边找的是做「特殊项目」的工程师：维护 MetaHarness、给模型配工具、把后台 agent 推成客户能用的产品。
几处口径
- 口径一：90/60/50/5。 这是 Tenex 自己的粗略估计，AI Engineer 的官方记录明确标注「不是代表性调查」5。
- 口径二：只有节目里说过。 75 人、九成是工程师或 AI 策略师、客户一半财富 2000 强、最高最低差 4 倍、输出翻倍、token:工资 1:1–2:1、1000 美元替掉 SaaS、Tenex 自己写 CRM 与 OS、「18 个月」——都没有第二份公开来源，卡片上标为「只有人说」。
- 口径三：Kill My SaaS 的数字。 4.3 万美元/年与 72/56/第 19 名来自 Latent Space 自己的文章1；节目里主持人顺口说成「4 万美元」。
- 口径四：说话人。 官方逐字稿是自动生成、没有说话人标签；译文里的「主持／亚历克斯／CJ」按问答关系与内容判定，两位主持人（swyx 与维布·诺比）没有逐轮区分。
- 口径五：Muse Wonder。 官方发布日是 2026 年 10 月 12 日；亚历克斯在节目里说「昨天」，因为这场对话录于 10 月 12–14 日的 AI Engineer NYC。
- 口径六：Alex 的头衔。 Tenex 官网把他与阿尔曼·赫扎尔哈尼都列为管理合伙人；他在 AI Engineer 台上自述为「co-founder, co-managing partner」6。
逐句全文翻译
底稿是这一期的官方逐字稿（RSS 里自带的完整文本，73 段、约 7,200 词，覆盖 00:00 到 43:20）。下面按官方 15 段章节顺序逐句译出，只保留中文，保留「主持／亚历克斯／CJ」的说话人标签，不压缩、不摘要、不删减；原文里的语气词与重复已按中文习惯合并，论点、数据、例子一句不少。官方逐字稿由自动转写生成、没有说话人标签，标签按问答关系与内容判定。
01 · 0:00 冷开场：产出更快，钱更少
CJ：我就是觉得，我的产出越来越好、越来越快，最后拿到手的钱反而更少——因为我按小时向客户收费。我跟团队里说过一句话：一个不存在的流程，你没法自动化。
02 · 0:26 介绍：这一期来了两个人
主持：好，我们在 AI Engineer 现场，跟 Tenex 聊一聊。亚历克斯，欢迎回来。
亚历克斯：谢谢，谢谢你们请我们。
主持：你把你们的工程负责人 CJ 也带来了，欢迎来到节目。
CJ：在 Tenex 是特殊项目负责人。
主持：好，特殊项目负责人——那你们就是特警队。
CJ：对，对。
主持：你之前上过这个节目，大家对 Tenex 的故事有点印象，但能不能从头再介绍一次：2026 年的今天，你怎么介绍自己？
亚历克斯：很简单，Tenex 是一家应用 AI 伙伴，服务世界上最大的一批公司，帮它们从「没有 AI」走到「AI 原生」。我们的信念是：AI 很了不起，但它是原料智能。
03 · 0:51 Tenex 到底是做什么的
亚历克斯：最难的问题是最后一公里——怎么把它真正扩散进经济里。所以我们的角色是那个玩家，帮企业把这些都想清楚。
亚历克斯：我可以说脏话吗？把这些破事想清楚。
主持：可以可以，我们在 Apple Podcasts 上有 explicit 标签。不过我最近才发现 YouTube 不喜欢。
亚历克斯：真的？
主持：所以我刚是不是把你视频搞砸了？
亚历克斯：那你要怎么办？
主持：我不在乎。我们是给成年人听的。
04 · 1:32 CJ 为什么加入
主持：CJ，是什么把你吸引到 Tenex？
CJ：其实我是第一个雇员。那时候我都不确定亚历克斯和阿尔曼有没有定下 Tenex 这个名字。
CJ：在那之前我有一片创业公司的坟场，一路走到自己开了一家工程咨询公司。我在那儿做传统工程，后来慢慢转做 AI 咨询，越做越多。我是软件工程师出身。然后我就觉得，我的产出越来越好、越来越快，最后拿到手的钱反而更少——因为我按小时给客户报价。我特别喜欢亚历克斯最早在推特上写的那套理念：
CJ：奖励工程师的产出，而不是奖励他们的时间。快进两年，你能看到工程师现在可以并行干一大堆活，产出多得多。当时是 Sonnet 3.5、Gemini 2.5 Pro 的年代，这件事还不明显，但我基本上是打了个赌：以我的技能栈、更用力地押注 AI，我可以有高得多的产出，也就有更高的赚钱能力。
CJ：从那以后我就爱上这套模式了。我觉得那才是工程这行的未来。最终当 AI 把技术问题都解决掉，公司会按结果付钱，而不是按做成一件事需要多少时间付钱。
主持：细节可以让听众回去听上一期——你们真的按 story point 付钱。你只要先把「一个点是什么」谈好。但这也意味着，有些 10 倍工程师一年真能挣几百万美元，另一些人挣不到那么多，只是因为他们没那么高产。
亚历克斯：完全正确。这个论点是：AI 其实是对一个人的智力与工作伦理的杠杆式下注。所以收入能力的方差会比以前任何时候都大。我们的看法是，这套模式不适合所有人；但对那种想押注自己的人——软件工程底子极好，又不断逼自己去用前沿、在保证产出的同时把时间拉到最长——没有比这更好的赚钱方式。
05 · 3:17 按产出付钱
主持：状态如何？上次跟你聊，我记得有两三个人一年挣到一百万或者更多。这有更新吗？
亚历克斯：有有有。先给个画面：
亚历克斯：我们 18 个月前开始做 Tenex。起步时就是一家 AI 驱动的开发作坊。最初的想法是：工程是 AI 的煤矿金丝雀。推动力之一是我的共同创始人阿尔曼，他技术出身，开始大量用编码 agent，然后他认识的一些人还在往 IDE 里手打代码，完全不采纳这项技术。我们就想，为什么不给一家没在采纳这套东西的公司的工程组织加个涡轮。
亚历克斯：然后我们开始往上走：从创业公司、中端公司，走到今天——我们 50% 的客户是财富 2000 强，另外 50% 是中端，营收在 1 亿到 5 亿美元之间。他们要的不只是「给我一队工程师」，而是「帮我把 AI 转型当成一项服务做掉」。
亚历克斯：今天这门生意是 75 个人。其中九成是工程师或者 AI 策略师——你可以把 AI 策略师理解成技术顾问。我认为那个论点被验证了：Tenex 里最高薪的工程师和最低薪的工程师之间，收入方差非常大。
亚历克斯：大概在 4 倍左右。
主持：不是 10 倍？
亚历克斯：不是 10 倍。那是梦想。
主持：对。
亚历克斯：但论点的每一条都被证明是对的。我也认为，在按 story point 付钱这套模式上，我们学到了有意思的东西——这个模式有它已知的边界，以及我们怎么往前想。总的来说，别人对这套模式最大的担心是：story point 是主观的，人们会虚报点数，或者干脆交一堆烂代码。
主持：把勾打上就行。
亚历克斯：对，但活其实没干。这两个担心完全没有成为担心，原因就是我们的 AI 策略师。我们的激励设计是故意对着来的：AI 策略师按客户留存和增长拿钱。真正的挑战其实是别的——你怎么给不写代码的时间付钱：架构、见客户。所以我们在薪酬模型上必须找出细微之处，但整体上它仍然主要由产出驱动。
主持：有要补充的吗？
CJ：这块我想得很多，因为看我在 Tenex 的任期：一开始写很多代码，然后少一点，再少一点；现在差不多到了模型只要给它对的上下文，就能把你带到解决方案的 90% 的阶段。我确实觉得这里有机会重新想——价值在于坐下来跟客户聊，把他能倒出来的东西全听一遍，再把这些交给模型，让它更接近解法。
CJ：所以我猜未来我们会更看真正的产出是什么、长什么样、怎么工作，而不是传统那套 story point 模型，但还是以它为单位。
CJ：还有一件事，我不知道我们之前聊没聊过——MetaHarness 这个概念，就是我们在 Tenex 用的工程工作流，它让我们能在长任务上做出我认为真正有价值的工作。你要不要讲一遍我们的流程？我觉得大家会觉得有意思。
亚历克斯：好。我们基本上是从标准化一套技能开始的。
06 · 7:20 MetaHarness 里面是什么
亚历克斯：我想大多数工程组织到现在都做过类似的事。对我们来说，它长成了仓库里一套非常有结构的文档，加上围绕它的一个 CLI；模型用这个 CLI 来驱动实际在做的工作——无论是做计划、做可视化、给客户做一份汇报——本质上是把「写代码」周围的所有环节都变成自动发生、全团队一致。
CJ：我们有两样东西。一个是那份大的、canonical 的计划文档，结构上是类似的；
CJ：但我得说，随着模型变强，我们其实减少了结构上的强制，这一套里每一块都差不多。不过一旦你有了计划，就要把它建出来。我们有一套很有主张的方式，规定 agent 怎么记录决策、记录在做什么、怎么跟踪自己干到哪儿。全部 check in Git。
主持：这一切都 check in 了？
CJ：全都 check in。现在对我来说它更多是标记语言，再往后更多是 HTML——我喜欢看 agent 做出来的那些「图画书」。但所有这些都会被签入，然后它就成了一个面：
CJ：你不仅有代码作为来源——这里有个争论：你还需要文档吗？代码本身可以是代码库的记忆。我确实认为你需要。你需要知道你当初为什么做那个决定，你需要知道那场对话的上下文。但最终，那加上代码库，一旦有疑问、有要回答的东西、要回头看为什么这么做，我们永远有一份持久的记录。
CJ：它从来不在谁的脑子里，永远在仓库里。这就给了我们的 agent 和工具一种超能力：拥有很多工程团队还留在对话里、或者留在脑子里的全部上下文。我们的目标是继续往前推，让所有上下文都在一个地方，越来越多的活由 agent 驱动，而不是我们什么都得先喂给它。
主持：很好。我们甚至有一种衡量方式：公司里每位工程师每月平均 story point 的趋势是不是在往上走。
主持：你觉得涨了多少？跟今年年初比。我猜……加 50%？
亚历克斯：我觉得要看人，因为我们有些人……
亚历克斯：我在推特上见过一张图，一个人趴在一个巫师的球上，天上飘着一堆东西。我们有些工程师在那儿甩 agent 的时候，我想到的就是这张图。整体我会说，今年是 2 倍的增长。基本上，如果你把去年 12 月当成 Opus 4.5 的时刻——模型真正开始接手长任务——
亚历克斯：到今天是 Opus 5.5。那是一个了不起的模型，真能干一大堆活。这段时间里，我看到工程师的实际产出——他们在同样时间跨度里能覆盖的东西——大概是翻了一倍。
主持：一个 story point 现在的价值和一年前一样吗？
亚历克斯：我们一直在校准。这是个很难的等式。理论上应该有通缩，对吧？
主持：对。
亚历克斯：差不多就是这么想的。至少每季度我们会坐下来评估：我们给 story point 的标准是什么？我们到底怎么估这些项目？这里有一个很细的平衡——既要继续奖励产出，又要在模型变强时能校准我们创造的价值。
亚历克斯：所以整体上，那 2 倍在我们的估算方式里起了类似的作用。但如果只看人们现在做出来、推出去的功能，跟去年同期比，差别大得离谱。
07 · 10:25 模型与长任务
主持：那我换个角度问。我想聊聊模型偏好，因为大家总在聊这个。你们应该是让每个人自己选工具，但也许你有办公室里的一些偏好统计。看起来 Opus 领先。你能估个市场份额之类的吗？
亚历克斯：现在的氛围是 Opus 5.5。
主持：不用 Fable？
亚历克斯：我不太用 Fable，我觉得现在很多人默认就不选它了。Opus 太好了：快、便宜，几乎命中我所有的勾选项。我以前会备两到三个模型，取决于是要便宜快、还是要真聪明、还是能解特定问题。现在 Opus 大致覆盖了我全部的范围。
亚历克斯：团队里很多人还是会在需要更偏电脑操作的任务时用 Codex 这类工具。从工作流上说，两个都用仍然是最好的选择：你的主力是 Opus 5.5，用 Codex 来审，让它们在你机器上来回改，我觉得效果最好。现在我们大致就对齐在这两个上。
主持：你还在「Amp maxing」吗？
亚历克斯：我还在 Amp maxing。
主持：所以你是通过 Amp 用 Opus？
亚历克斯：对，Amp 的默认模型就是它。他们最近上线了把 Claude Code 订阅接进去的能力，这对我来说是很大的改变，因为成本能砍掉大概八成。
主持：确实。
亚历克斯：我很喜欢 Amp，因为它把所有东西从我的电脑上搬走了。他们有云端的设置，那些 orb。上周我们还跟他们合办了一场 happy hour，见到团队、也 orb 了一把。
主持：这词永远不会成为一个说法。
亚历克斯：哦，我想让它成。
主持：这可能是人类历史上第一次有人说这个词。
亚历克斯：我们在 orbing out。
主持：我们确实在 orbing out。
亚历克斯：他们真会说「orbing time」。总之那是我首选的界面。模型基本上就在那两者之间；如果偏 Codex，那是 Sol 6.1。
主持：你试过 CloudTag 吗？
主持：Anthropic 从来没像 Orbs 那样把「远程环境」这件事拿下来，这不奇怪吗？
亚历克斯：我觉得有一部分原因是，Amp 那一侧非常有自己的主张，不去做通用方案。像云端 Claude Code 和 CloudTag 这类工具，对真想在非技术任务上协作的团队有价值。
亚历克斯：但我爱 Amp 的一部分原因，是它有那些跨模型的能力：Opus 写完，我甚至可以跳到另一个 orb 说「看看那个 orb，审一下」。这些合起来基本复刻了我本机上的工作方式。用云端 Claude Code、CloudTag 我做不到那样。
08 · 15:11 token 花销与回报
主持：我一直在追踪的另一件事，今年开始追的，是 token 支出占员工支出的比例。不知道你有没有这个数。
主持：粗略地说，大多数公司在每人每月 10 到 200 美元之间。更 AI 原生的公司会把它换算成比例，大概 10%。一家平均的 AI 创业公司，员工支出和 token 支出大概是 1 倍，然后能到 5 到 10 倍的 token 支出。你们在这个区间的哪儿？
亚历克斯：我手头没有具体数。我会说我们在原始 token 上大概在 1 比 1 到 2 比 1 之间。
主持：真的？那挺高的。
亚历克斯：我们想得很多的一件事，是什么时候去拿最大的模型。我觉得每家公司都开始想这个了。但我得说，最近我们的成本被 Opus 5.5 压下来了很多。我们经历过一个人人都在用 Astra 和 Fable 的时代，它们给的结果最好，但那些模型很贵。
亚历克斯：而且，跟你上次聊过之后，很多人都经历过那种 token maxing 的时期——token 排行榜什么的——然后他们说，不行不行，现在成本太高了。可这是世界上最可预测的事。
主持：你当时怕过吗？还是一直觉得回报是好的？
亚历克斯：怕过，当然怕过，尤其在我们人数增长的时候。我也觉得，即使是我们团队……我不觉得我们团队里真有人信那套 token maxing 的时代精神，因为……
亚历克斯：我有过几个瞬间。
主持：我也是。
亚历克斯：但那种感觉是：如果老板付钱，那我就敞开用。因为你得先做那些怪事，才能把经验带走。
主持：完全同意。这听起来可能有点疯，但我想听你的看法——我之前在跟人聊一个一直在继续的争论，我保证这跟我们有关系。我在跟人聊数据公司，Micro One、Mercor、Handshake 这些。问题是这些生意的长期形态是什么，因为它们九成以上的收入来自实验室。
主持：其中一些创始人会说，未来几年会翻转成企业驱动。那你接下来必须相信的一件事是：企业会成为这些数据的核心买家，而企业会对自己的模型做大量微调。那问题就变成，这件事在哪儿成立？要么你认为质量会更好——可前沿的门槛一直在动，这是个很难的赌；那就只能是价格。价格这条我觉得很难，因为我们看到 token 成本一直在降。
主持：所以我觉得我们内部不那么担心的部分原因是，我们似乎到了一个帕累托点：按任务算的成本在下降。今天一个人想 token maxing、真把公司成本搞坏，比六到八个月前难得多。我甚至觉得六到八个月前才是你该真担心的时点。你同意吗？
亚历克斯：同意。未来可能有几种走法。如果出现一个 Astra 6.5、Fable 5.5，超级贵但结果最好，我可能看到我们往回摆。
亚历克斯：但整体上我同意：你看像 Muse Wonder 这样的东西——他们昨天刚发——它在前沿上，还便宜得离谱；开源闭源都在升温。我认为这会把成本继续压下去。而且真看的话，很多有经济价值的任务用 Opus 5.5 就能做。那个悬崖是：一个聪明十倍的模型，真的值「为了在表格里挪几个格子」多付的钱吗？大概不值。
09 · 19:29 企业采用的差距
主持：回到你的客户，你从市场上看到的最常见的请求是什么？又有什么是人们来找你、而你说「这个活我们现在还不想接」的？
亚历克斯：我理解企业采纳 AI 的方式，像一场比赛里的不同里程碑。尤其在 AIE，当我告诉大家有多少比例的公司到了这些里程碑，他们都惊了。
亚历克斯：企业 AI 这场比赛的第一道关，就是把一个通用大模型铺到你的人手上。我会说，在我们今天聊的大约一百家企业里，90% 已经把 Claude 或 Codex 铺给员工了。
亚历克斯：下一道关是真正教人怎么用：培训和赋能。这件事从来没得到它该有的爱，但它可以说和技术本身一样重要。我会说那大概是 60%。
主持：那挺不错。
亚历克斯：是。有一批公司是「我们的人自己会搞明白」；但也有相当一部分是「我们得教员工技能是什么，教他们这些界面的功能和用法」。
亚历克斯：再往下一道，在通用模型的培训与赋能之后，是编码 agent。有意思的是，我在这儿问过几个人：你觉得有多少比例的企业把编码 agent 铺到了工程和产品组织？大多数人会说 70%、80%。实际数字接近 50%。
亚历克斯：我们聊的每两家企业里就有一家，要么根本没铺编码 agent，要么他们现在用的东西，离「有编码 agent」比离「没有」更近。
亚历克斯：再下一道，也是掉得最狠的地方——从原料智能到企业使用之间最大的扩散差——非工程工作的 agent 进生产，掉到 5%。我是说，我们聊的大多数超过一千人的企业，没有一个在跑一件不是造软件的活的生产级 agent。
亚历克斯：所以我觉得有几件事。一是，这一整波是由一小群理解这项技术可能性的人，加上一大群被 FOMO 驱动的人推起来的。顺便说，FOMO 不是坏事，它带来向前的动能；但它也意味着人们会抓住最时髦的东西。过去一年半，大家一直在说这是 agent 之年——每年都是 agent 之年。
亚历克斯：企业会说：能不能帮我们在组织里给某个后台任务做一个 agent。这是最常见的请求之一。这也是为什么 Tenex 现在很多活，是在工程之外给公司把 agent 部署到生产里，去做他们重复性的工作。
亚历克斯：第二件事是权限与 RBAC。基本上，当公司里每个员工都有 Claude 或者 Codex，而他们需要访问某些数据，这对 CIO 和 CISO 就成了一场噩梦。他们手里没有好的网关——
亚历克斯：一块能轻松做数据权限的控制面板。
主持：就是「你能读什么、不能读什么」。
亚历克斯：正是。这是个巨大的问题，我们花了很多时间在上面。
主持：那你们是替他们做，还是买现成的？
亚历克斯：我们一开始是为公司做定制，现在把它产品化了——我们有自己的网关方案。
10 · 23:22 agent 为什么落不了地
亚历克斯：我觉得有一个痛点总是会被发现，我跟团队是这么说的：一个不存在的流程，你没法自动化。
亚历克斯：当你有 40 个人大致在做同一个职能，但每个人做法都略有不同，做一个在后台主动干这件事的 agent 会难得多。你完全可以坐下来、给他们工具、走一遍他们怎么增强自己的工作流；但真正的杠杆出现，是当这些 agent 把活推到你面前、你审、你打回去，你越来越像大家说的「agent 经理」。
亚历克斯：我觉得我们正站在那上面。但退一步看，我们对公司的建议常常是：先在这家公司里为这件事建一个流程，然后才是把这项工作交给后台 agent 的步骤。
亚历克斯：可如果我们没有任何形式的标准化，agent 就不可能知道它做得对不对，我们也没法围绕这套系统做评测，更交付不了一个真正在做这个职能的 agent 该有的价值。
亚历克斯：还有一件事我想听你的看法，我们刚刚就在聊这个——CJ 不会介意我讲——我们在聊垂直领域的 AI 方案，以及它们的未来长什么样。我们总体上表达的是对垂直 AI 方案的一种看空，不管是在某个职能还是某个行业。
亚历克斯：一部分原因是，我们整天待在企业的内脏里，看到太多细微差别、太多惯性、太多要驯服的系统和人。而且当垂直方案的买家想要的是一对一的体验时——
主持：在这个人人都在期待一对一软件方案的时代。
11 · 24:42 垂直 AI 与企业软件
亚历克斯：所以如果你期待那个，那难怪每家软件公司都在建 FDE 团队——当每家公司都想要那些传统上不指望软件提供的细微之处时，服务与软件就在收敛。
亚历克斯：所以我觉得很有意思去想：垂直方案要么，怎么在软件毛利下做到这件事？要么，我们为什么不预期前沿模型把它们吞掉？
主持：给几个具体例子：给律师的 Harvey，给医生的 OpenEvidence。这些是在自己领域里赢的经典例子。而你看空它们？
亚历克斯：整体上我看空。
主持：哇。到目前为止你错了。
亚历克斯：对。我认为答案很简单：对那些 ChatGPT 不会拥有的数据的访问权——这很常见。那就是护城河。显然 Anthropic 和 OpenAI 也在拿同样的数据源，但他们不会像这些人那么专注。
主持：他们有创新。如果你试过 Harvey，他们有表格审阅。Legora 也有。我们请过他们的 CTO 上节目，他们有 affordances、有 UI，那些都是定制出来的，因为他们只服务那一群人。核心卖点是专注。
亚历克斯：专注，affordances，也许吧。
主持：你说的 affordances 是什么意思？
亚历克斯：你关心你客户的最后一公里，他们关心他们在软件上的最后一公里。只要人们是在那套软件里被训练出来的，它就永远不会消失。就像我当年做银行、做金融时，我完全可以从纳斯达克、从纽交所拿到同样的信息。可我为什么一年付五万美元给彭博？因为所有人、我所有的同行都在用；因为它为我整合好了一切，为我校准过，所以我不会犯错；因为它接进了我的交易系统、我的聊天、我的新闻系统。
主持：不，我觉得人们付钱给彭博是为了社交网络。我觉得人们爱彭博的私信。
亚历克斯：这也有，这也有。但作为交易员，我知道我实际拿它干什么。
主持：所以我觉得有一堆集成、工具……最终很难对它们中任何一个看空，主要是因为对软件的需求、对干活工具的需求就是巨大。其中一部分会由 Claude 和 ChatGPT 这种横向通用工具满足，另一部分你就是想要更好的东西。
主持：我常想到 Superhuman 作为邮件客户端的成功。大家都有 Gmail，但这里有一款「高级版 Gmail」，给整天活在邮件里的人更多东西。
主持：那是一个市场。它可能不是世界上最大的创业公司，但我觉得理性的人可以对每件事有多大意见不同。
亚历克斯：完全同意。不可争议的是总市场会变大，水涨船高。那之后你谈的就只是市场份额的百分比压力。
主持：对，我同意。我甚至觉得有一层区分：有些新应用是从零开始把 AI 做进去的，我想到 Superhuman 就是这个。我爱 Superhuman，我其实不花很多时间在邮件上，但任何有酷快捷键的东西我都喜欢。
主持：但当我想到那些真正把一个 agent 当产品、在某个垂直领域里干活的方案——除非它有某种非常战略性的合规数据之类的护城河——我认为它们往后会很难，因为你会看到，你完全可以在很短时间里自己起一个，或者随着模型变强继续复利，或者那些任务干脆落进模型本身的世界里。
主持：但任何围绕它建了应用和工具、改变了流程、上面还有一个 agent 的东西，接我前面那点，我觉得那是同一个哲学，那仍然会非常有用，那些会成功。
12 · 30:32 Kill My SaaS
主持：好，那我想走一遍一个例子。我刚发布了我 Kill My SaaS 比赛的结果：我们替换一个中端的 SaaS。我称它中端，是因为它大概不算很简单，但也不是 Salesforce，它在中间。我觉得外面有很多中端 SaaS，人们一直在说软件之死。
主持：我们被报价 4 万美元一年。我们花了 1000 美元替掉它。它下个月就要进大会的生产环境。
主持：所以我们就是那个客户：我想要一对一的工具，我期待这一堆东西；我们为自己的业务造了一个领域专属的东西，目前看还行。
主持：告诉我哪里会出问题。我也想知道那是多少个 story point。
亚历克斯：CJ 可以给它估点数。我的总体看法是：越往市场上方走，「拆掉重写」这个主张就越难成立。
亚历克斯：我同意你。
亚历克斯：有人说 Salesforce 很危险、SAP 很危险。我完全不同意。在我看来那些生意在当下这个时点还在积累价值。
亚历克斯：一部分原因是，牵扯的钱太多了：如果一家公司拆错了，那是几亿甚至几十亿美元的事。你会倾向规避风险。
主持：正是。
亚历克斯：对中端来说，其实就回到那个机会有多大，以及它会不会值得在一家公司内部重建。让我想想：在一家企业里，假设有个几百万美元一年的中端 SaaS。
亚历克斯：第一个问题是，从营收或成本的占比看，它会不会大到大到值得分配工程师或资源？我觉得这要一事一议。对有些企业答案是会，对有些是不会。
亚历克斯：我觉得更多的会是「让公司超出能力范围」这件事。我们聊过那个仓库，不知道是谁做的，基本上就是「反向工程一个 repo」——RIA。大家都在聊这个。即使在 Tenex，我们自己从零写了 CRM。
亚历克斯：我们做了什么？我们的 OS 也是从零写的。我们意识到、每家公司都会意识到的一点是：软件的美妙之处不只是你得到的效用，还有所有你不需要再操心的麻烦——维护它、改进它，当它不在你的核心业务里的时候。
亚历克斯：所以最后就是：这个奖够不够大，大到值得让公司里一部分资源承担那份认知负担，去养一个不属于你核心业务的东西？
亚历克斯：显然，对你这门生意来说，一年差 3.9 万美元这件事，你其实是在说它是值得的。这不只是成本问题，那是防守的一面。我也想到进攻的一面：不，其实我们的体验可以对每一方都好得多。
主持：完全同意。所以这里的一部分想法是——不只是我们被一个产品多收了钱，而是这个产品在很长一段时间里都很平庸。
主持：那个「好十倍」的版本会是什么样？
主持：对，因为我们是客户，我们可以用分钟级迭代，而不是几个月。
亚历克斯：完全同意。我觉得有意思的是，创业公司、甚至高增长的中型公司，都可以这么灵活。但对那些深度绑在某种能力上的大企业，很少会出现「我们能造一个好十倍的版本，然后把它拆出来单独做」这种事。我不觉得企业是那样运转的。
主持：当然。这也是被讨论过的。
13 · 35:23 AI 与就业
主持：其实我要说，你讲自动化。更辣的问题是：他们是在自动化人，对吧？当一切都被自动化、都顺了，我们会不会替代掉那些岗位？我不知道你能讲多少。
亚历克斯：我觉得这里有两块。我深深相信 AI 会给人类带来好处。它会增强人的工作，它绝对会改变和替代。但我认为它更像一次迁移，而不只是把工作砍掉。我记得 a16z 发过一条，说呼叫中心现在真的在下滑，AI 开始接手越来越多这样的工作。
亚历克斯：最终，如果那是你整个职业生涯建立起来的技能，有个东西进来把这个职能拿走，那是毁灭性的。话虽如此，当我们跟客户谈「现在要由一个 agent 来做这件事」时，我们做的一部分其实是再分配。我不认为任何企业会说：这件事解决了，这群人就没活干了。所以我们的方法其实是：我们能替代什么，然后接下来最大的问题是什么？
亚历克斯：我会主张，在大多数大公司里，这个循环会永远继续下去。永远有下一个问题。看我们怎么长大的，永远有另一个问题。真正要做的是把这些拥有极深领域知识的人抬出水面，让他们更跨团队地工作，或者去想业务里那些不再是「在表格里做成一单」、而是「这些团队怎么协作」的部分。
亚历克斯：长期看，我认为这让大多数人留在这里，也让这些企业变得更灵活，去处理那些又大又硬的问题，而不是大多数人日常的苦活。比如财务部门的人，他们大部分时间在表格里，但怎么把他们抬起来，去战略性地想这门生意、钱该投到哪里？
主持：我也觉得，当我们谈岗位替代或再分配时，我们把它说成「发生在人身上」的事。我不喜欢这样，一个原因是我觉得这没有给人足够的信任——
主持：给他们自己生活里的主动权。意思是……你可以调整。
主持：我觉得，人们真的应该想。当我想到赋能或者再培训，我认为那是雇主的责任，因为他们要推动业务增长；但那也是雇员自己的责任。
主持：当人们说 AI 会把人不喜欢干的工作全做掉时，我觉得那有点是对现实的自我安慰——现实是，很多人会失去工作，因为很多人没有「喜欢或不喜欢一份工作」的奢侈。他们做那份工作是为了赚钱。而且我觉得，人在可能的范围内——
主持：应该对自己有主动权：好吧，未来几年我这份工作的稳定性、可替代性怎么样？如果我要把技能补到更能保护自己的位置，那是什么样？人有主动权去对自己说这句话，并且真的行动。
14 · 38:18 纽约的 AI 生态
主持：我觉得这是个让人反思的好消息。最后一个我想碰的点，然后放你们走：纽约。按某些人的说法是世界上最伟大的城市。你聊过的人——不管是工作上还是私下——整体的情绪是什么？
主持：我整天待在旧金山。所有人整天都在 agent 里。讨论的是 Instinct、Grok、Muse。不再是「你喜不喜欢 AI」。我确实想从这个泡泡里出来一阵，但它仍然是纽约：仍然进步、仍然向前看。
亚历克斯：我会说，基本上，纽约有一个泡泡，比旧金山的小。如果旧金山是个大泡泡，我觉得我们在 Tenex 会觉得，我们处在一个——我会说是旧金山的微缩宇宙。
亚历克斯：因为自选择来这家公司工作的人，也因为跟我们合作的公司、我们在纽约打交道的人。但我肯定会说，它的确是一个比旧金山更小的宇宙。你去旧金山，感觉是全方位的：所有人、你目光所及之处都是。就像我之前上台时说的，如果有人上推特或 X，是因为他们觉得自己住在 Edge City、活在未来，那 AIE 就是它的加强版。我觉得旧金山跟 AIE 很像。
主持：我觉得 AIE 的人群和「人生某个阶段在旧金山住过」的人，重叠应该很大。我们现在大概是这座城市的 1%。
亚历克斯：真的？
主持：对，World's Fair 那一场。
亚历克斯：那太疯狂了。但就这一点说，我觉得它在旧金山的文化和 DNA 里：很大一部分人活在未来。我觉得在纽约能找到这群人，我们在 Tenex 找到了这群人。我们一部分的目标，是把 AI 当成一个枢纽，或者说把纽约当成美国 AI 的一个枢纽，因为这里有太多商业——技术扩散会真正对这个国家的 GDP 产生有意义影响的地方。
亚历克斯：我觉得现在这个泡泡更小，我们几乎把它当成自己的任务：把我们的泡泡扩大。也许我不知道有没有可能到旧金山的规模，但我确实认为我们能有意义地影响，让更多人在这里活在未来。你能在广告牌上看到它，慢慢渗进来。
主持：完全同意。人们以前……记得那个 friend 的活动吗，人们会在上面喷各种涂鸦？我觉得那有点是故意的引战。但现在你看到那些不反讽的 AI 广告牌，人们就想，好吧，这大概是生活的一部分了。
亚历克斯：百分之百。所以我觉得这里有机会，把那种边缘感、那种「活在未来」的性质带过来——旧金山因为风投、因为科技公司、因为被吸引过去的人，形成了那种经济气候。
亚历克斯：但我也觉得，我们处在一个奇怪的处境：在 AI 上我们是个更小的池塘，但我会主张，在商业价值上我们是一个一样大、甚至更大的池塘。
亚历克斯：所以我表述的方式是：我在纽约做 AI 的原因是，我把旧金山的人带到这里来见他们的客户，顺便校准一下现实。
主持：完全同意。我其实觉得那里有一个很有意思的套利。
15 · 42:28 在 Tenex 招人
主持：好，太棒了。招人的呼吁。我知道你们一直在招。招什么？有什么变化？
亚历克斯：我们在 Tenex 招前线部署工程师，去 tenex.co。我们也一直在招 AI 策略师，基本上就是带客户项目的技术顾问。团队 75 人，在纽约市，我们继续把纽约当成家。
亚历克斯：另外，如果你是家企业，真想变成 AI 原生，试过了、没成，来找我们。我保证我们比——我不会点名——比很多传统咨询公司做得好。
主持：哦，辣。
主持：CJ？
CJ：我同意所有那些。我特别在找工程师。什么是特殊项目？就是客户工作之外的一切。我现在脑子里想的，就是在内部建那套 MetaHarness 系统：
CJ：基本上是找到模型能做到的出血边缘，给它们工具，去增强它们能做多好。同时也在做亚历克斯提到的那个平台。那里的大目标是把这些后台 agent 推出去、真正推到企业里，用对他们真正有用的方式。
CJ：也解决我们前面提到的那些乱七八糟的 IT 问题。
主持：兄弟，等你有方案了，我们在 Latent Space 博客收客座文章，我很欢迎知识分享。除此之外，非常感谢你的时间。
主持：很高兴在纽约又见到你。
亚历克斯：我也是。谢谢。
主持：一年一次。
亚历克斯：一年一次。太好了，谢谢。
References
- 1
- 2Tenex
tenex.co
- 3
- 4
- 5Welcome Back — AI Engineer NYC 2026
ai.engineer
- 6Who We Are | Tenex
tenex.co
Comments