随着AI深入华尔街的每一个毛细血管，一家估值20亿美元的初创公司正试图通过构建垂直领域的“金融基础设施”，接管传统银行家的工作，并立志成为AI时代的彭博。
当整个市场都在追逐OpenAI和Anthropic等通用大模型的宏大叙事时，Rogo选择了一条极其垂直且深度的道路——从帮投行做PPT、建Excel模型，到全流程处理并购交易，再到进军财富管理领域。
近日，在知名投资播客《Invest Like The Best》中，主持人、Positive Sum CEO Patrick O'Shaughnessy对Rogo联合创始人Gabe Stengel进行了深度专访。详细拆解了Rogo的业务逻辑、订单商业模式，以及他对华尔街未来的终极想象。
（右边为：Rogo CEO Gabe Stengel）
访谈中，Stengel抛出了一系列极具冲击力的观点：OpenAI和Anthropic永远不会去做金融数据室，但如果你想成为高端资本市场的"交易所"，你就必须做。这正是Rogo押注的方向。
据《华尔街日报》报道，近期，金融AI平台Rogo Technologies完成了一轮约3000万美元的战略融资，投资方星光熠熠，包括花旗、巴克莱、法国巴黎银行、三菱日联金融集团（MUFG）和法国兴业银行等华尔街顶级投行。而就在今年早些时候，这家成立于2021年、由前初级银行家创立的公司，刚以20亿美元的估值完成了1.6亿美元的D轮融资。目前，摩根大通、美国银行等巨头已经深度使用其平台。
护城河：为何OpenAI和Anthropic“赢不了”金融？这是访谈中最核心的竞争逻辑部分。市场最大的疑问始终是：既然大模型越来越聪明，为什么华尔街不直接用ChatGPT或Claude？
Stengel给出的答案是：金融行业需要的不仅仅是智能，而是极致的合规、可审计性以及与底层业务的深度绑定。
"你要建的东西必须和他们的方向垂直（perpendicular）。表面上你可能也做聊天机器人，但底层有大量他们永远不会去建的东西。"
他的核心判断是：金融服务是由无数个"利基市场"拼成的，每个都有不同的数据集、不同的"好"的定义、不同的监管要求。光是深入这些工作流、数据集，就能做到50亿美元收入。而对于Anthropic来说，这不过是'走在路上弯腰捡一分钱'——他们要走的路是从1000亿到1万亿美元。"
具体来说，Stengel给出了两个"脏活"案例：
一是MNPI合规管道。如果你在处理影响市场的交易，合规要求极为精细——每一个操作的可审计性，如何进入内部系统，一旦被监管审查能否完整还原——"这是像素级完美（pixel perfect）的管道工程"。
二是数据室（Data Room）。"如果一家大型上市公司收购另一家，需要双方安全交换数据。你需要一个合规、安全的数据室，而且不能只是个静态的Dropbox文件夹，它必须接入你的Agent工作流。OpenAI和Anthropic永远不会想做数据室生意。"
“我不想OpenAI或Anthropic会想要建立一个数据室业务。”Stengel表示，“如果你想成为所有高级金融和资本市场的交易所，你不仅需要拥有智能，还需要拥有交易场所、沟通场所、工作流以及所有输入的数据。”
这种“最后一英里”的基础设施，正是Rogo的护城河。
商业模式与业绩想象力：做“AI时代的彭博”在订单和商业化方面，Rogo目前采用的是类似彭博（Bloomberg）的“按席位收费（Per Seat）”模式。客户群体主要集中在大型投资银行，因为投行不仅拥有最多的席位，更是整个金融界人才和数据的分发渠道。
Stengel毫不掩饰他对彭博模式的借鉴，并描绘了Rogo的未来发展路径：
首先，用一点AI和数据敲开大门（类似早期的彭博终端）；其次，构建完整的分析和工作流，从智能副驾（Copilot）进化到全自动驾驶（Autopilot），让AI能100%准确地撰写投资备忘录（IC Memo）或尽职调查问卷；最后，提供交易对手之间的通信渠道——不是让人类交易，而是让AI代理（Agents）之间直接进行交易谈判。
对于未来的业绩指引和定价革命，Stengel提出了一个极具想象空间的“基于结果定价”模式：
“对我来说……如果我能跳过基于Token和使用量的收费，只是对提供给你的每一个好投资想法收费呢？或者对每一份能完美发给LP的季度报告收费？作为投行，如果我能为你制作完整的保密信息备忘录（CIM）并据此收费，我宁愿达到那种状态。”
他透露，目前Rogo的产品路线图才刚刚走完了1%，99%的资本市场创新仍在前方。
他同时指出，私募市场（Private Markets）是Rogo最核心的战场，原因恰恰是这里"管道还没建好"："私募市场所有的协调、标准化、信息挖掘和实际交易，全部是人工完成的。而公开市场，很多东西早就自动化了。"
极端的生产力爆发：90%的企业价值将转移到软件上AI对华尔街生产力的重塑已经产生立竿见影的效果。Stengel提到，一位25年没碰过Excel的投行董事总经理（MD），现在可以自己直接使用AI，“以前需要和分析师反复沟通三天才能做出的5页客户材料，他现在自己花10分钟就做完了。”
Stengel认为，金融业正在经历前所未有的结构性震荡：
"过去10到20年，做资本配置、做投资者是很好的生意。市场有天然的壁垒和惯性，私募尤甚——你募了一期基金，再募一期，很难把生意搞砸。但现在是第一次，每个投资机构、每家银行都在说：'我得把自己的做法完全重新想一遍了，而且马上就会有数百家AI原生的投资机构、AI原生的投行来攻击我的商业模式。'私募基金、对冲基金、投资银行，很久没有遇到过真正的创新者困境了。"
Stengel抛出了一个令所有传统金融机构都必须警醒的观点：企业价值正在发生转移。
“如果今天你企业90%的价值在于人——你最好的投资者、最好的银行家带来了交易和收入。那么在10年后，世界上最好的投资公司和银行，其90%的企业价值将不再是人，而是软件、数据和系统。”
对于二级市场的买方，Stengel描绘了一个疯狂的画面：
“想象一下，如果对冲基金的每一个投资经理（PM）都有10000个AI代理，它们在相互交流、讨论想法、阅读笔记、高谈阔论，然后在经历了24小时无休止的辩论后，只给你提供一个（绝佳的）想法。”
对于一级市场，他预测未来资本的融通将变得像散户在Robinhood上买股票一样简单：“我认为KKR只需要5分钟就能弄清楚是否能把这家投资组合公司卖给另一家PE，而不是5个月。资产定价的时间将大幅缩短。”
内部“公司大脑”：不使用AI的员工将戴上“笨蛋高帽”要实现这种AI原生化，Rogo自身的内部管理极其激进。
公司内部有一个名为“Shrek”的企业大脑，所有内部对话都会被录音并输入其中，成为全公司共享的记忆库和销售赋能工具。更具戏剧性的是，Rogo极其看重员工对AI工具的采用率。
“每个月我都会收到一份报告，显示公司每个人使用了多少AI工具。每个部门垫底的员工，我们会打印一张带有‘笨蛋高帽（Dunce Cap）’的图贴在办公室里。”Stengel说，虽然这带有一种玩笑性质，但这是为了建立一种强大的激励机制，强制所有人将AI融入工作本能。
正如Stengel所言，这场金融业的创新者窘境才刚刚开始。“金融业务中没有任何一个你认为神圣不可侵犯的部分，是对AI免疫的。”
全文实录如下（由AI辅助翻译）：
第1章：介绍Gabe Stengel：
我们现在看到的是，这些模型比我认识的任何人、比我身边的任何人都要聪明。想象一下，如果一家对冲基金的每位投资经理都拥有1万个智能体，这些智能体整天相互交流、探讨想法、研读报告、高谈阔论，然后在经过，比如说，24小时不间断的辩论之后，只给你提出一个投资想法。10年后，全球最顶尖的投资公司、最优秀的银行，其90%的企业价值将不再来自人才，而是来自软件、数据和系统。 你会开始做什么？你会开始想方设法，把你最优秀的人才脑海中所积累的一切，全部转化并注入到一套由你自己掌控和运营的系统中。企业中没有任何一个环节是神圣不可侵犯的，没有任何一个部分能够免于被彻底颠覆。
Patrick O'Shaughnessy：
过去几年里，你我多次谈到这个基本问题，我就从这里开始。你实际上是在尝试打造投资领域的超级智能工具，帮助投资者以更快的速度、更好的质量、更低的成本、更轻松的方式完成工作。但现在越来越感觉到，哇，我们已经在大量替代那些核心职能了——就连几年前非常聪明的分析师甚至投资组合经理所做的工作，现在也不例外。你是如何看待这条发展轨迹的？从你亲身经历和观察到的来看，以及未来两年将走向何方？
Gabe Stengel：
我认为预测两年其实比预测10年或20年更容易推断。因为在未来两年里，最优秀的投资者将会想方设法重塑自己的公司，重塑自己。 如果你回顾做市业务和量化交易领域发生的事情——Jane Street花了15年时间才建立起主导地位。而当今全球最优秀的投资者，将在未来两到五年里摸索如何将AI融入自己的工作。你知道，Dario有句名言，说每个人都将拥有一个装满天才的数据中心，或者说一个国家的天才都聚集在数据中心里。试想一下，如果Goldman Sachs、Millennium、Citadel突然迎来了一个国家的天才，他们会怎么做？ 他们大概需要花相当长的时间，才能弄清楚如何改变工作方式、如何充分利用这一切、如何将其整合进自己的体系。我认为，如何将AI应用于投资全生命周期，是未来五年每一位优秀投资者面临的最大挑战。
Patrick O'Shaughnessy：
在这条发展轨迹上，已经出现了很多公司。Cognition就非常有名，他们现在的广告直接说："还记得Devin吗？现在它真的很厉害了。"所以，很多如今明显非常优秀、产品也很出色的公司，在AI业务的某个阶段，产品其实曾经很糟糕，而现在却已经非常出色了。
第2章：构建RogoPatrick O'Shaughnessy：
如果你想想我们从底层模型本身看到的那几次能力跃升，你能不能用同样的方式来讲讲Rogo和它产品的"发展阶段"？比如你自己来定义有几个阶段，我不知道你怎么框架这个问题，但就是说每个阶段它能做什么，一直讲到今天。
Gabe Stengel：
是的，其实在我们正式起步之前，我尝试过两次创建Rogo，都失败了。高中的时候，我有个朋友，他爸爸是投资银行家，想要一个App来追踪两家上市公司在并购过程中的股权交换比率。于是我们尝试用非常老旧的AI技术来做这件事，结果一塌糊涂。然后到了大学，在GPT-3发布之前，我们发表了一篇关于AI辅助计量经济学和金融计量经济学的论文，当时也试图将其商业化，但完全行不通。
真正开始创业，是在GPT-3发布之后、ChatGPT出现之前。所以Rogo早期的那段日子，你能明显感觉到它有多神奇——你可以演示一些很酷的东西，但实际上什么都用不了。我的意思是，要说东西真正开始能用，那些阶段和模型的迭代是紧密相连的。o1 Pro，然后大概是Opus 4.5——o1 Pro是第一个让你获得足够可靠性的版本，至少可以作为一个不错的搜索工具来用。比如你可以说，帮我计算这家公司过去12个季度的某个财务指标，它能可靠地完成，不会让你烦到宁愿自己动手去做。
到了Opus 4.5，大概是去年年底、2025年末到今年年初，这些模型基本上已经能胜任一个初级投资专业人员或初级银行家所做的任何工作，只要你给它正确的指令和背景信息。 我觉得，对很多应用型AI公司来说，存在一种"先发劣势"——你以为自己知道世界会走向哪里，于是想为那个终态构建产品，但模型还没到位。所以人们试用之后就会说，这太烂了，这是垃圾。我们也经历过这种情况。但现在我们看到的是：如果你当初对终态的判断是对的，知道模型会走向哪里，并且一直朝那个方向构建，那么当模型真正到位的时候，就会是魔法一般的效果。
对我来说，最好的产品验证就是我们每天收到的反馈。人们整天都在说：这正在改变我的工作方式，我每个月节省了数百小时，我现在能做以前根本做不到的事情。因此我变得更聪明，能做出更好的决策。这种体验令人愉悦，我自己也喜欢用它。它给我的日常工作带来了快乐，因为那种用户体验、对细节的关注和精心打磨，明显是为我、为我这类人量身定制的。 这是产品构建过程中最美好的部分。
Patrick O'Shaughnessy：
你会把这归因于——你认真对待了所有合规、监管、工作流程、最后一公里对接这些事情，然后模型足够成熟了，一下子这一切就变得极其有价值了？
Gabe Stengel：
除此之外，还有一些细节，是关于理解这些机构里的人是怎么工作的，然后专门为此构建产品。我举个例子。我们让一家银行的董事总经理通过邮件发送一份演示文稿的修改批注变得极其简单——这本来就是他们通常的工作方式，只不过以前是把批注发给分析师，现在是把同样的批注发给我们的AI分析师，然后在20分钟内而不是两天后收到修改好的版本。与此同时，系统还会通知交易中的初级分析师，告知他们正在发生什么，并向他们展示所有小改动的完整审计记录，以便他们在需要时可以介入。这整套用户体验和流程，让那些可能十年没登录过电脑、但知道怎么在iPad上做批注的金融专业人士，真正能够采纳并使用AI。 这些构建一款真正适合特定终端用户的产品的细节，只有当你对这份工作有一种"蜘蛛侠的直觉"时，你才能知道。
第3章：10,000个AI智能体Patrick O'Shaughnessy：
你们能做到的最前沿的事情中，哪些最让你印象深刻？比如说，能处理哪类工作？
Gabe Stengel：
哦，我是说，我觉得我们正在做的最酷的事情，就是把这些创新应用起来，比如Multibook这样的东西。
想象一下，如果一家对冲基金的每位投资组合经理都拥有10,000个智能体，这些智能体整天互相交流、碰撞想法、阅读研究报告、深入探讨。然后经过整整24小时不间断的"辩论"之后，只给你呈现一个想法。之所以能这样做，是因为投资者愿意为一个真正好的想法支付5万美元，而在其他几乎任何领域，都很难有理由消耗这么多算力，就只为了获得一个简单的洞见。
我们现在看到的是，这些模型比我认识的、我接触的任何人都更聪明。 关键在于"管道"——把它接入你的上下文，告诉它你的投资逻辑，告诉它你的工作方式，然后把它融入你的日常工作中。所以，搭建好所有这些"管道"，真正把数据和上下文收集起来，这才是我眼中真正的前沿所在。
Patrick O'Shaughnessy：
对于这样一款产品，有一点我一直觉得很有意思——当然，你对它应该用来做什么有自己的想法，但从某种意义上说，用户可以用很有创意的方式来使用它。所以你也能从中看出人们真正想用它来做什么。
如果我用一种"上帝视角"来看——现在是纽约的周一早晨，大量Rogo用户可能正在热情地使用它。如果我能看到这款产品每一个正在使用中的实例，我会看到什么？都是哪些人在用？主要的使用场景是什么？差异有多大？给我们讲讲它现在的使用情况。
Gabe Stengel：
尽管在很多方面，我认为公开市场股票是AI最好的应用场景，因为所有数据都是公开可得的，所以只需要尽可能地聪明就行。但那是一种非常……怎么说，最糟糕情况下的表述方式。我们早期用户以及核心市场，实际上是我称之为"交易撮合者"的群体——也就是那些在进行交易的人，正在收购公司、出售公司、或者协助推动交易完成的人。
所以我们做的很多事情，既是让人们更聪明，也是真正在完成交易本身。
怎么准备数据室？怎么拆解数据室？怎么协调与第三方的电话会议来讨论数据室内容？怎么走完一笔交易从启动到交割的所有初始步骤？ 如果你从高空俯瞰所有Rogo的用户，他们要么是一笔交易的卖方，要么是买方，都在用它来准备所有的思路和材料，帮助推动整个交易的执行——无论是往数据室里放东西，比如公司的商业模式、描述客户情况的PPT、尽职调查问卷中关于客户集中度的回答；还是另一边所有那些智能体，在拼命翻阅数据，并将其对应到该机构的投资理念，来判断"这个集中度风险是否低于我们这只基金可以接受的水平"。
系统的各个组件方面，用户通过所有经典渠道来访问它——电子邮件、聊天机器人、主动提醒之类的方式。但Rogo实际上已经深入到这些机构很多幕后系统中，因为在推进一笔交易时，不只是参与其中的人需要了解进展，你还需要更新你的CRM，需要更新你的投资组合监控系统，需要更新你事后向LP分发信息的方式。
所以我们一半的业务范围，其实是冰山水面以下的部分——根据人类在整个交易过程中所做的事情，与这些不同的系统记录进行交互。
Patrick O'Shaughnessy：
所以现在服务的是交易撮合者。你觉得什么时候能给出同样的答案，说你也能服务于公开市场对冲基金的初级分析师这类群体？他们的工作流程同样有一套流程，但非常不同。你说得对，我的第一直觉也是公开市场是最适合做这件事的地方，因为有这么多数据可用。你觉得这个转变什么时候会发生？
Gabe Stengel：
我认为，对于我们的业务来说，我们需要具备成为优秀公开市场投资者所需的全部领域知识。 而我不知道那需要什么——我从来没做过这行。事实上，我花在那些真正擅长这件事的人身上的时间远远不够。我们需要招募到这方面的领域专家，然后再基于此，弄清楚如何把我们已经构建的系统应用到那个市场。
我对我们所构建的底层系统、工具和基础设施将对那个市场极具价值这一点，有极强的信念。 但现在我们需要一位优秀的"主厨"，能够把这些拼接在一起，为公开市场投资者打造出那种最终形态的产品和最后一公里的交付。
我们的董事会其实一直在推动我考虑把目标客户群扩展到核心投行业务之外。但现实是，在"交易撮合者"这个垂直领域，一直有着极其丰富的深度和市场空间。 而我对终极愿景的设想——真正成为私募市场的完整基础设施，让人们能够非常高效地完成交易——这对交易撮合者来说重要得多。而对于公开市场来说，那些基础设施、那些交易所早就已经存在了。
所以我确实想服务于他们，因为我想服务于最顶尖、最聪明的用户——他们对自己跟踪的公司、所关注的行业拥有海量的知识，我想让他们变得更聪明，这听起来非常酷。但仅仅专注于我今天所在的领域，我就已经可以建立一家规模巨大的公司了。
Patrick O'Shaughnessy
有意思。所以从中可以得出一个结论：在垂直领域构建AI业务的大量机会，往往存在于那些基础设施尚未完善的地方。
Gabe Stengel：
是的。
Patrick O'Shaughnessy：
然后再把你的……
Gabe Stengel：
对，
Patrick O'Shaughnessy：
叠加在这之上。
Gabe Stengel：
正是如此。我的意思是，私募市场之所以如此吸引人，部分原因在于一切都由人工完成——包括协调、标准化、尽职调查以及实际交易。而公开股票市场则不同，其中很大一部分已经实现了自动化。
第4章：依然重要的技能Patrick O'Shaughnessy：
根据你所了解的情况，你认为投资专业人士——广泛来说，无论是公开市场还是私募市场——随着时间的推移，应该考虑哪些技能会变得更有价值？哪些技能会变得不那么有价值，这一点其实相对显而易见。但是，换一种方式来问：我们到底该怎么办？ 现在AI可以从头到尾完成尽职调查、投资委员会备忘录、异议处理等所有这类工作。这至少对于投资领域的初级人员来说，是工作的重要组成部分。那么你认为，几年后哪些技能仍然会非常重要？
Gabe Stengel：
我想先说明一下，我在金融领域工作了两年，所以我和那些人一样，也是这个领域的学生，同时我对这项技术充满兴趣，想弄清楚如何运用它。
但你知道，世界上最优秀的投资者有一种能力，就是找出什么是真正重要的，并在各种议题上运用自己的判断力。 我认为，AI最终是否能够取代这种能力，目前还没有定论。我觉得，当"第37手"那个时刻发生，当Lisa Doll看到了我永远无法看到的东西，如果这种情况开始在公开股票市场上发生，那将真正改变什么是重要的。如果这真的改变了整个运作方式，我认为核心技能将属于那些能够走出去、收集他人没有的数据和信息并输入到模型中的人。 如果你能在实地花时间，如果你能与专家交流，如果你能建立一个能够为你的模型提供信息的人脉关系网络，也许你不需要亲自计算出你的"第37手"是什么来做出一项出色的公开股票投资，但你实际上可以用别人没有的数据来喂养你的模型。
Patrick O'Shaughnessy：
也许现在是个好时机，来谈谈我所想象的那条"流水线"。比如，如果Rogo输出了一些非常有用的结果，请告诉我产生这个结果的整个系统。我想了解这个系统的每一个组成部分，我最感兴趣的是你们自己拥有、使用、购买和构建的数据，以及你们如何处理数据、如何思考数据，以及如何思考模型。 这两个问题，一方面我对你们具体的业务感到好奇，另一方面我也认为，基本上在每个垂直领域都会出现类似Rogo这样的公司。所以我很好奇，哪些东西可以被抽象复制到其他专业服务或其他有趣的垂直领域，并最终被AI进步所颠覆。 请详细讲讲，具体来说，数据和模型这两块是什么，以及它们是如何随时间演变的。
Gabe Stengel：
是的，Rogo早期就像一个鲁布·戈德堡装置，大概有60个不同的模型调用。一个问题进来，你先要判断：Patrick现在问的是哪些公司？它们的股票代码是什么？我怎么把这些代码输入到Bloomberg、FAX或某个内部数据集的API调用中？数据返回后，我还需要调用另一个模型把所有信息整合在一起。随着模型变得越来越智能，你会希望少一些规定性，少一些鲁布·戈德堡式的机械操作，而是思考什么是最简单、最好、质量最高的工具。
这就好比，如果世界上最聪明的人明天来这里，努力成为一名出色的银行家和投资者，他们需要哪些不仅仅依赖于聪明才智的工具？数据工具是什么？收集信息的方式是什么？审核自身工作的方式是什么？以及如何呈现结果并将其推送回所需的系统？
因此，我们花了大量时间思考，一位优秀的银行家或投资者真正完成工作所需的所有数据输入是什么，然后我们花了大量时间思考，在完成这项工作时，所有的合规和监管要求是什么，以确保如果有一天，某位特拉华州的法官将AI的输入和研究列为可被发现的证据，你实际上已经以正确的方式完成了所有工作，确保信息没有被混用。因为AI投资判断和AI银行家输出的现实是：你将能够看到这些内容是如何被创建的完整溯源链。 然后我们还花了大量时间对这些模型进行基准测试，并创建不同类型的评估值和数据集，这样我们就能随时判断哪个模型性能最佳、从token角度来看哪个成本最低、哪个延迟最低，并将任务路由到最合适的模型类型。
第5章：击败OpenAI和AnthropicPatrick O'Shaughnessy：
我相信你最常被问到的问题就是：你们最终如何与Anthropic和OpenAI竞争？他们都把金融视为一个重要赛道，这也是为数不多的你能看到他们公开谈论并认真思考的领域之一。从长远来看，你认为你们能做什么，来形成一种与他们能做或愿意做的事情相抗衡的差异化定位？
Gabe Stengel：
我的意思是，你要构建的东西应该与他们想构建的东西垂直正交。有时候你可能也会做一个聊天机器人，因为那能帮你更快地打入市场。但你必须清楚，在表面之下有大量的东西是那些大型实验室永远不会去构建的，而这些东西是我们需要为金融或其他任何垂直行业去构建的。当你想到金融服务和资本市场，有多少企业是通过深入这些工作流程、深入这些数据集、深入工作方式，就能创造出超过五十亿或一百亿美元价值的？在那些极其复杂、高度特定的问题之上，存在着巨大的市场空间和支出规模。整个金融行业其实是由不同细分领域组成的集合，每个领域都有不同的数据集、不同的"好"的定义，以及不同的监管要求。 我们完全可以通过深入这些领域、构建帮助管理它们的记录系统，来实现五十亿美元的收入。而对于Anthropic来说，这种事情大概就像是在路边停下来捡一分钱——因为他们走的是一条从千亿收入迈向万亿收入的道路。而这些系统背后有极大的深度，真正需要构建的东西远不止"智能"本身。
Patrick O'Shaughnessy：
有没有一个你最喜欢的例子，能说明那种你不得不去打通的"最后一公里"的麻烦事？
Gabe Stengel：
有，我来举个例子。想象一下，如果你在处理可能影响市场的交易或并购，你需要摄取MNPI（重要非公开信息）。这时你仅仅在可审计性方面就有一套合规要求：哪些内容可以标记、如何将其接入投资公司或银行的内部系统，以便一旦遭遇审计或监管机构要求查看你的操作记录时，所有这些"管道"都已完美就位。这是一个例子。
另一个例子是，如果你真的想要完成交易——比如一家大型上市公司要收购另一家大型上市公司，需要来回传输数据——你实际上需要某种数据室，一个合规、安全、可协调的数据交换场所。理想情况下，它不只是一个静态的Dropbox文件夹，而是与你的工作方式、你的智能体、你的工作流程深度整合的系统。我认为OpenAI或Anthropic永远不会想去做一个数据室业务。而如果你真的想成为整个高端金融和资本市场的交换中枢，你不仅需要掌控智能，还需要掌控交易场所、沟通场所、工作流程，以及所有进入其中的数据输入。
Patrick O'Shaughnessy：
这很有意思。我本来问的是数据和模型，但听起来"驾驭层"（harness）或者说基础设施，可能才是这三者中最重要的。
Gabe Stengel：
想想Claude Code刚推出时，以及Claude的协作模式与OpenAI的ChatGPT之间的根本区别。那时两者的模型其实相当接近，但Claude的驾驭层和呈现方式要好得多，它让模型能够更充分地发挥其长程运行的能力。这就是为什么Claude在使用量上出现了爆发式增长和大幅扩张。这充分说明，你如何驾驭这些模型，至关重要。
我认为人们低估了"智能"这件事的本质。人类之所以能够高度自主、完成很多事情，不仅仅是因为我们有强大的记忆力、高智商和丰富的知识，还因为大脑中存在着各种各样的微服务：你如何存储知识？如何检索它？如何触发它？情绪就是触发这些不同微服务的一种方式。这也是为什么一位优秀的投资人往往拥有卓越判断力——因为他们对市场中某类现象有一种"蜘蛛侠直觉"，当他们看到这种情形时，会自动触发对某段历史事件的回忆，进而支撑一个富有创造性的决策。所有这些小型微服务，都是需要被构建出来的东西。
Patrick O'Shaughnessy：
如果我强迫你成为一名投资人，而你唯一的目标是投资像Rogo这样的公司——也就是那种垂直应用型公司，我把它理解为就像把AI的能力"接入"某个行业——基于你的经验，你会寻找哪些特质让你最感兴奋？无论是行业本身，还是创始人/构建者及其方法论？
Gabe Stengel：
有几点。第一，这个行业本身必须有足够的复杂性和深度，包括数据类型、人们使用的记录系统类型、部署模式类型，让你能够花大量精力去解决这些问题，从而形成一个"楔子"，进而解决其他所有问题。因为如果这个行业任何人都可以直接走进去，直接卖一个基础版的ChatGPT、Cowork或Copilot，根本不需要解决那些奇奇怪怪的集成问题，那你就没有足够的时间去构建那些与你的核心方向垂直正交的东西。所以这个行业本身需要与核心市场足够相邻，但又有足够高的壁垒。这是第一点。
第二点，我会寻找团队和创始人的领域专业知识。 我自己并没有独特的领域专业知识，但我有足够的积累来起步，而且我对金融、货币和资本市场充满好奇。我在纽约长大，周围的人满脑子想的、嘴里聊的都是高端金融。我为此着迷，我想深入了解它。然后我们组建了一支同样对此充满热情的团队。我们现在有超过一百名曾在全球顶级投资银行或投资公司工作过的员工，所以我们能够不断地在模型发布时，将其驾驭并应用于金融领域。我们的工作本质上就是捕捉模型的每一次变化，并找出如何将其应用于这些机构。
第三点，也是最后一个重要特质，我会寻找一家愿意不断重塑核心产品、愿意把它彻底推倒重来的公司。 我认为，如果一家公司的产品交付方式——比如某种终端，或某种非常特定的用户体验或界面——是无法被自己快速"自我蚕食"的，那它就不够敏捷，无法在每六个月出现阶跃式变化时不断自我重塑。
Patrick O'Shaughnessy：
你们有没有做过这种彻底拆解重建的例子？
Gabe Stengel：
最让我深受启发的故事是Max Levchin讲的，他谈到Affirm每年都会重建其核心账本技术。他们这样做有几个原因：一是这是最有趣的工程问题，所以所有工程师都想参与，这也是一种留住人才、让工程师深入了解公司核心业务的好方式。二是这能确保这套系统不会僵化，而是持续改进。 我们对自己的驾驭层和核心智能体系统做的正是同样的事情。我们不断审视它，意识到自己甚至还没有达到一个局部最优解——事实上，如果模型变化如此之快，达到局部最优解根本是不可能的。我们需要不断地把整个系统重做一遍。
Patrick O'Shaughnessy：
目前有什么是模型还做不到的，但如果能做到，就会真正改变产品本质的事情？
Gabe Stengel：
压缩（compaction）。就是说，如果你和一个智能体进行了100次对话，它如何确保自己记住了正确的内容，并将记忆压缩成每次都能调用的合适token量，同时对你是谁、你关心什么有足够的连贯性和上下文，让你感觉像是在和一个真正了解你、越来越了解你的人交谈。
这本身就是个难题，而当你把智能体不仅仅看作一对一关系时，这个问题就会呈指数级复杂。现在几乎所有智能体都是一对一的——你单独使用ChatGPT，单独使用Copilot，单独使用Gemini。但一旦这些智能体真正开始与很多同事协作，或者在一个有100人的Slack频道里工作，需要跨整个公司运转，压缩问题就会呈指数级扩大——因为它要同时和100个不同的人对话，还需要跨这些对话进行协调。
所以，如何把所有这些记忆、所有这些交互真正整合进智能体的"心智模型"或"大脑"中，让它能够持久存在，能够在一系列交互过程中真正保持上下文——这是目前模型还做得不够好的地方。
Patrick O'Shaughnessy：
你认为AI软件企业主要有哪几类？我们看到像Cognition、Cursor这样的公司增长速度快得惊人。我特别想让你把这个和过去的软件公司分类体系做个对比。我也很好奇Rogo是怎么卖出去的，你会把它归入哪个类别？是按使用量收费？按席位收费？还是别的什么？能不能聊聊人们想怎么买这类产品，以及AI软件企业正在形成哪些新的商业模式？
Gabe Stengel：
我们现在按席位定价，因为我们的买家习惯了按席位付费。他们把我们归入和Bloomberg、FactSet、Capital IQ、Pitchbook类似的类别。所以我们必须建立一套非常"人力密集型"的业务——每签一笔合同，都需要客户经理、解决方案架构师、销售工程师上门拜访，握很多手，解释产品怎么用、怎么集成。你没办法签一笔合同然后使用量就自动涨一百倍。
我看看Anthropic向我们销售有多容易——非常容易。而且我们支付给他们的金额呈指数级增长，中间完全没有人工介入，因为它是token消耗模型。但很多行业光靠"搭token消耗的顺风车"是行不通的，企业销售就是这样，我们就是其中之一。所以这其实很有意思——我们必须以大多数企业销售组织五倍的速度搭建市场拓展机器。
所以我认为确实存在这样一类：典型的企业销售模式，但借助AI模型作为顺风，打造出好100倍的产品。
另一类则是token中间商、token消耗型业务——在企业内部那些习惯了按使用量付费的部门进行销售，比如Cursor、Claude Code等等。这样一来，可以用更少的人走得更远。
你对这种情况在金融领域会不会改变、怎么改变有什么预测？我认为每家企业都需要经历两次定价革命：先转向某种基于使用量的模式，再转向某种基于结果的模式。
对我来说，如果我能找到一种方式，直接跳过token计费、跳过使用量计费，为用户简化一切，等到我能说："Patrick，如果我每给你一个好的投资想法就收你一次费，怎么样？或者我帮你完美完成发给LP的季度报告，按份收费？或者作为一名银行家，你每创建一个CIM就付费？"——我宁愿走到那一步，也不想去想怎么把费用分摊到每个token上。那种方式根本没法达成共识——你花了10万美元买token，会问"我真的得到了10万美元的价值吗？"谁也说不清。但你知道一个好投资想法对你值多少钱，因为你能看到实际赚了多少；你也知道能做出一份CIM对你值多少钱，因为你清楚自己向这些公司收了多少顾问费来完成这笔交易。
Patrick O'Shaughnessy：
按席位定价显然不能随时动态调整，至少对同一个客户不行。那你怎么应对这种在某种程度上与客户利益不一致的问题——如果你做得越好，他们用得越多，你的成本就越高，他们反而变成了"更差的客户"？
Gabe Stengel：
现实情况是，我们只走完了产品路线图的1%，资本市场领域99%的创新还在前方。所以真正重要的是：我们是一个好伙伴，是他们AI战略的好守护者，他们愿意在未来继续与我们合作。
第六章：AI时代的彭博Patrick O'Shaughnessy：
思考这件事未来的走向非常有趣，你说你们目前只完成了路线图的1%。那么从你们产品的角度来看，你认为这一切将走向何方？我的意思不是整个行业，而是说，如果你们还有那么多路线图要走，能给我们描述一下吗？
Gabe Stengel：
我是说，想想资本市场工作流程、投资工作流程、投资银行工作中，还有多大比例完全依赖人工处理、由人工中介完成。这和金融服务的其他领域有些类似——15年前、20年前，每个人办理房贷都要亲自去当地银行网点，和银行工作人员面谈。那种感觉非常"人性化"：我在买房，我在贷款，这很重要，我需要和人谈谈。没有人会想到，这个过程可以不需要人工介入。而现在，40%到50%的房贷直接通过Rocket Mortgage这样的平台在线完成。
我认为，在企业如何交易、如何融资、如何举债方面，将会出现大量创新。我认为，在未来10年或20年，对于企业主或公司员工来说，上网点击一个按钮就能尝试融资，会变得比以往任何时候都更加容易——就像现在有人可以登录Robinhood，点击一个按钮就能买入股票一样。
我认为，KKR要弄清楚能否将某家投资组合公司出售给另一家机构，将只需要5分钟，而不是五个月。 我认为资产定价所需的时间将缩短一个数量级。因此，市场将变得更加透明、更具流动性、更加高效，整体交易活动也将大幅增加。
Patrick O'Shaughnessy：
那么我想聚焦于自动化风险定价的具体未来——姑且用这个不太准确的简单说法。假设三年后，你刚才说的一切都成真了，我可以融到几百万美元的债务或股权，就像填一个网上表格一样，系统直接帮我定价风险并给出报价。有点像Opendoor，但适用于所有东西。为了实现这种资本市场的未来，你还需要构建哪些目前尚不具备的东西？
Gabe Stengel：
这其实和彭博的策略非常相似。我会省略很多细节，但大致是这样的：
先提供少量数据作为敲门砖，在此基础上构建所有人所需的分析工具和工作流程，然后提供一个交易所和通信平台，让用户能够真正在此前相当不透明的多类资产上完成交易。
彭博有Bloomberg Messenger，而对我们来说，就是先用少量AI作为敲门砖，然后构建完整的工作流程，从副驾驶聊天机器人进化为完全自动驾驶的工具。这样我就能确保在你的投资委员会备忘录或尽职调查问卷上做到100%准确，然后在交易对手之间提供通信渠道，让能够自动执行工作的智能体真正替你完成交易。
我和彭博Messenger之间的区别在于：我不需要构建供人类交易的通信渠道，我需要构建的是供智能体跨企业、跨投资机构进行交易的通信渠道。 所以如果你想想，真正需要构建的基础设施是什么？想象一下，什么样的系统能让一家大型私募股权公司放心地让智能体代表自己谈判交易，与交易中所有第三方顾问——做质量确认的人、法律顾问等——进行沟通，然后真正主持一个拍卖流程，让一批机构提交报价。需要构建的软件量是巨大的。 我认为，有时候我们会把这描述为：对于许多非标准化的资产类别来说，这看起来像是一个交易所。
Patrick O'Shaughnessy：
给我们介绍一下你们目前的客户群，比如大型银行占多少，投资公司占多少，上市公司与非上市公司的比例……
Gabe Stengel：
目前主要是大型银行。 原因很简单，因为那是我的从业背景——我做了几年投资银行，专注于买方并购业务，非常有意思。所以我们很早就开始瞄准银行，原因有几个。第一，投资银行在某种程度上是整个金融业的分销渠道。 很多后来成为优秀投资人的人，最初都是在高盛TMT部门之类的地方做了两年分析师。第二，他们的席位数量远超其他机构。 所以如果你能拿下美国银行这样的客户，你实际触达的人数，远比你同时拿下10位最顶尖的单一投资组合经理——每位手下只有10名投资人——要多得多。
Patrick O'Shaughnessy：
如果我想想美国银行之类的机构，大家都在想，企业采用AI的进程到底走到哪一步了。也许你的样本有些偏差，因为你知道你的客户在使用Rogo，而且用得很多。但能不能给我们说说你认为我们现在处于什么阶段？这个问题似乎真的很难给出一个准确的答案。
Gabe Stengel：
我会说，大多数公司都在个人生产力方面看到了巨大的提升，他们正在努力弄清楚如何把这种个人生产力转化为可以衡量的公司整体生产力。 我跟任何一家银行的个人银行家聊，我们部署在……
Patrick O'Shaughnessy：
那很棒。
Gabe Stengel：
哦，他们会说，我现在的效率是以前的100倍，对吧？你会碰到一个董事总经理，他会说，Gabe，我给客户发了五页材料，以前我得跟分析师来回沟通三天才能做出来，而我现在自己10分钟就搞定了。这些银行家已经25年没做过任何分析工作了，对吧？他们20年没打开过Excel文件，但现在能自己动手做了。 问题是，这些效率提升体现在哪里？你赢得了更多交易吗？你实际上完成了更多交易吗？你在服务以前没有涉足过的市场吗？这就不仅仅是个人生产力工具的问题，而是公司战略问题了。你的计划是什么？你是想用这个东西来削减成本？还是想用它进入以前觉得没有意义去服务的市场？你可以看看摩根大通这样的银行，他们刚刚宣布将尝试为中小企业做更多并购业务，也就是那些以前他们认为没必要去服务的市场，因为交易费用可能太低，需要太多人来负责。
但是现在，如果你有一个银行家能独自承担整个交易团队的工作，那你也许就能进入那些以前根本没有意义的市场了。
Patrick O'Shaughnessy：
所以从某种意义上说，瓶颈在某个时刻将会是客户自身的创造力，而不是说你能提供无限的能力，很快你就只能依赖他们自己去想出答案。
Gabe Stengel：
关键在于他们自己想清楚要做什么，对吧？ 如果明天有100个优秀的投资者来这里为你工作，你会如何引导这些生产力？你需要一段时间才能想清楚：结构是什么？他们各自负责不同的事情吗？我给每个人多少资金？我们攻打哪些方向？
Patrick O'Shaughnessy：
真的很有意思。两年前，在这个话题上最明显的问题会是关于准确性的，人们会用"幻觉"这个词，但这个词现在似乎已经从对话中消失了。我都不记得上次有人跟我说"幻觉"是什么时候了。关于这个问题，关于确保准确性——在准确性精确到小数点都非常重要的场景下——你能给我们讲讲现在这个问题的本质是什么吗？
Gabe Stengel：
这依然非常重要。我认为实际上可审计性比准确性更重要。 当然，这两件事是相互关联的。但真正重要的是，我给你一个答案，你知道如何使用它。如果它不准确，你不知道如何核查，也很难看出它从哪里来，那不管准不准确你都没法用，因为你不信任它。如果它大多数时候是准确的，但即便偶尔不准确，你也能很容易地看清楚其中的假设是什么、数据是从哪里提取的，那它依然是可操作的，依然能节省你的时间。
而且随着这些工具逐渐从你只是用来检索信息的副驾驶工具，演变成你不仅信任它来收集信息、还信任它来执行、具备自主性、实际做出投资决策或发送邮件的自动驾驶工具，你需要有充分的信心：如果你回过头去查看它为什么做出某个决定，你能够理解原因，因为你需要能够调试它。 就像个别投资者会做出糟糕的决定，你需要进去看看哪里出了问题——是数据输入错误了？有人欺骗了它？发生了什么？你对智能体也需要做同样的事。而且尤其是在资本市场中有监管机构盯着这些事情、需要确保没有违规行为的领域，如果你无法解释为什么做出某个决定以及数据是如何输入的，那是行不通的。
Patrick O'Shaughnessy：
你之前谈到你必须像一个普通的企业销售组织那样去销售，但你又能以比上一个时代最快增长的企业SaaS公司快好几倍的速度增长。你怎么解决这个问题？ 你在企业销售中在某种程度上受限于人类的速度。你怎么招募到足够多的人、速度够快？你怎么考虑在没有Anthropic、Cognition那种API使用量增长的情况下，以正确的速度增长——他们实现10倍增长太容易了，对你来说要难得多。你怎么解决这个问题？
Gabe Stengel：
我们需要解决的核心问题是：你能多快让一个人作为销售人员变得高效？ 不只是销售人员，还有市场人员、销售开发代表、售后人员——他们能多快理解我们的业务，帮助推动我们前进、推动客户前进、帮助我们的终端用户。所以赋能、培训人员以及持续再培训，是我们——以及我猜其他快速增长的企业初创公司——必须面对的根本问题。
第7章：Rogo的公司大脑Patrick O'Shaughnessy：
那你们会用AI来构建工具吗？
Gabe Stengel：
哦，我们内部的工具简直太神奇了。首先，Rogo内部发生的每一次对话都会被记录下来，100%全程记录。 每当有新人入职，我们都会说："嘿，Patrick，提前告知你一下，我们就是这么做的。你随时都在被录音，随时都在被过滤进公司大脑。"这不是什么老大哥监控的情况，只是说你要交流的每个人都会开着Granola或者某种会议转录工具，因为他们需要用它，需要保持出色的信息回溯能力，需要不断积累自己掌握的知识。因此，我们积累了一个巨大的信息库，然后在此基础上构建了各种工具，供大家使用，比如："我们正在和这类公募股票公司合作，面对这样的市场，我们以前处理过这类数据吗？有没有可能用得上的案例？"你可以调出三周前一位同事的对话记录，而你甚至从未见过那个人，因为他常驻亚太地区。能够把所有这些信息吸收进来，并在人们需要的时候及时调取，这才是赋能的核心问题所在。
Patrick O'Shaughnessy：
那你能详细介绍一下这个内部大脑吗？
Gabe Stengel：
它有个名字叫"Shrek（史瑞克）"，原因嘛，是因为我的工程师们觉得这个名字特别搞笑。你实际上可以看到，有一个仪表盘，可以随时查看大家正在做什么，就像一片"沼泽"一样，它连接了我们所有的不同系统。 它非常清楚地知道我们公司的目标是什么——比如我们的价值观是什么、我们想为客户交付什么、我们的北极星指标是什么。所以它能够以此为依据，塑造每一个回答和每一份交付物。 它既能主动推送，也能被动响应。
有人可以进去问："嘿，我想快速了解一下，面对一家大型机构，我应该怎么介绍模型路由这个话题，怎么阐述它的价值主张，以及能带来哪些成本节省。"它就能把所有相关信息调取出来给你。但它也可以主动说："嘿Patrick，我看到你日历上周四要跟一家私人信贷公司开会，这是你需要了解的所有信息、最能引起共鸣的使用场景，以及我们过去合作过的同类公司最想听到的那些ROI指标。"
Patrick O'Shaughnessy：
那你们对人才的销售话术是什么？比如说，假设有这样一个人，如果明天能把他招进来，那将是颠覆性的，因为他能力超强或者名气很大之类的。你会怎么说服他来Rogo，而不是去其他同样令人兴奋的地方？
Gabe Stengel：
这永远取决于那个人的动机，所以很难给出一个通用的话术。但我今天对人才讲的Rogo故事是这样的：AI将彻底改变世界。 最有意思的地方在于应用AI，因为那是AI与人类交汇的地方。所以，那些决定AI如何与人类交汇、如何触达人类的公司，将会做出全世界最有趣、最有创造力的工程和产品工作。
金融是推动人类所有进步与创新的催化剂。 资本配置处于为每一家公司、每一个想法、每一个经济体融资的上游。所以如果你能让这个过程更高效，你就能让整个世界加速运转。而我们是这个赛道的领头玩家，不只是要做一个千亿美元的生意，而是要做一个五千亿美元的生意，彻底改变资本市场。 这里有如此深厚的底蕴、如此复杂的挑战和如此多有趣的问题，令人无比兴奋。而且我们有一群非常出色的人，他们聪明、有冲劲、有好奇心、不自大，他们会把这件事做成。
Patrick O'Shaughnessy：
话术不错。很高兴我加入了，很高兴我投资了。再多说说资本市场这块吧。我确实认为，从历史上看，市场越高效、流动性越强，它的正面影响就会大幅增长。 你可以通过市场历史来印证这一点，虽然市场历史并不算长，大概也就三四百年真正意义上的市场。你觉得未来有什么可能？这件事可能走向哪里？你为什么相信——我猜——减少资本市场的摩擦，能有如此巨大的力量？
Gabe Stengel：
你说"金融对世界有益"的时候，总是有被人当成那种说"私募股权对世界有益"的亿万富翁PE大佬的风险。但我喜欢回溯到高端金融的起源。当你想到摩根大通这样的公司，它的起源之一，是J. Pierpont Morgan帮助欧洲投资者与一个新兴市场——美国的企业家们建立连接，为铁路和基础设施建设融资，正是这一切让美国成为了经济巨头。 这之所以发生，是因为有中间人帮助把那些敢于冒险的资本配置者，与那些富有创业精神、渴望创新的人连接在了一起。这对世界产生了深远而积极的影响。
现在想想经济中的所有角落——不只是美国国内，还有国际上——那些无法进入资本市场的地方。每一个新兴国家，你很难在那里融资来实现你的想法、筹集债务。还有美国30万家中小企业，他们甚至说不清高盛是做什么的，而摩根大通也没有时间去跟他们合作，因为这些生意规模太小了。如果你能加快企业家、公司创始人和个人进入资本市场的速度，你就能加速所有的创新。
第8章：Chewing Glass
Patrick O'Shaughnessy：
你从那些正在创业、公司形态与你类似但身处不同行业的同行身上，学到了什么？
Gabe Stengel：
我学到的是，要想增长得这么快，需要多大的攻击性。 我学到了每天咀嚼玻璃是一种什么滋味，以及你需要对长期的TAM（总体可寻址市场）和SAM（可服务市场）抱有多大的信念，才能确保你不会为每天发生的所有问题而焦头烂额。你知道，我会打电话给Harvey的Winston。Winston那种对随时袭来的百般"皮肉之伤"毫不在意的能力，只专注于三年后自己将身处何处这个终极目标，以及到达那里只需关注的两件事——这真的令人叹为观止。
Patrick O'Shaughnessy：
那"玻璃"是什么样的？那种"攻击性"又是什么意思？
Gabe Stengel：
我是在新冠疫情期间开始工作的，所以我甚至没机会见识过办公室是什么样子。这段经历非常……你知道，我和我的联合创始人John过去常开玩笑说，这是一段极其昂贵的商学院教育。我们几乎把所有事情都做错了。不知道怎么招人，不知道怎么解雇，不知道怎么带人，不知道怎么管理，不知道怎么给反馈，不知道怎么定方向。而快速扩张过程中出现的大量人员问题，对我来说就像是在吃玻璃。 所以，当员工离职，当你遇到留人问题，当你花了6个月招募一个候选人，结果他没有加入——那就是在咀嚼玻璃。当你花了大量时间在一个产品上，结果被下一个发布的模型完全碾压，让你觉得自己把所有时间和精力都押注在一个错误的决策上简直蠢透了——咀嚼玻璃。当你被40个投资人连续拒绝，才终于能融到资——咀嚼玻璃。我对创业的体验就像坐过山车，你必须感受极致的高峰，也必须感受极致的低谷。 我是一个情绪非常丰富的人，我尽量不让团队感受到，但在高峰时我会觉得自己站在世界之巅，在低谷时又觉得一切都是灾难性的。但如果我回顾这段旅程，低谷会越来越低，高峰则会越来越高。当我回望三个月前经历的那个低谷或高峰时，我会想：真是个笑话，那种事我现在闭着眼睛都能应付。我认为，关键就在于调节这些情绪，把它引导到推动业务前进的方向，但同时也不能让它分散你的注意力。
Patrick O'Shaughnessy：
关于进取心这件事，你怎么看？感觉这好像是个老生常谈的话题。
Gabe Stengel：
你采访过的 Pat Grady 参加了我们周三的董事会会议。我们在会上提出了一个计划——无论是招聘目标、商业目标还是产品目标，可以说是极为激进的明年计划。我喜欢 Pat 的原因之一，就是他能把所有事情浓缩成两个要点，而且逻辑无懈可击。他就是这样：前提一，前提二，结论自然得出。他说："Gabe，如果金融行业的每个人都将在未来18个月内做出关于AI的采购决策，而且不管怎样他们肯定会买某样东西——就算你不在场，他们也会买——那么唯一重要的事情就是你能以最快的速度横扫市场，确保你在场。"基于此，你觉得这个计划够不够激进？答案是：不够。之所以不够激进，是因为我当时太软了。我认为现实是，你必须足够激进，承担所有这些风险，清楚自己在玩什么游戏。作为一家风险投资支持的企业，我的目标是拉大分布的两端尾部。如果失败的概率增加了30%，但成为千亿美元公司的概率也提升了20%，那完全值得。但你真的必须同时接受这两端尾部一起被拉大的现实。
你在融A轮时，情绪上最低落的时刻是什么？
那时候我们的股权表上还没有任何明星投资人，但有一位出色的投资人——Box Group 的 David Tish，他是我们早期的种子轮投资人，把我介绍给了一批顶尖投资人来谈A轮。我当时想，太好了，我亲眼见过顶级投资人进入股权表能带来什么——对招募人才、对品牌和客户吸引力的提升，等等。这终于是我们实现这一目标的机会了。我们已经埋头建设了两年半，David 把我们介绍给了40位投资人。我见了所有人，Sequoia、Kleiner、Benchmark，全都见了。结果40个人全部拒绝了我们。
而且不是那种"收到邮件和PPT，没什么兴趣"的拒绝，而是那种——"哦，这挺有意思的，让我见见 Gabe。哦，我挺喜欢 Gabe 的，再跟他深聊一个小时。哦，Gabe，来投资委员会吧。哦，Gabe，我们去吃个晚饭。哦，Gabe，周末来我们这边坐坐。哦，你知道吗？我们决定不投了。"这非常伤人，因为在那个阶段，一切都跟你这个人直接相关，没有别的。就像被40个女朋友分手，每次你都动了真情，每次她们都说：不适合你。
Thrive 也是如此，在A轮时他们花了大量时间在我身上，和 Avery、Vince 一起吃了晚饭，我爱上了他们和这家机构，因为他们真的很棒。然后——致命一击，他们也拒绝了。
幸运的是，Keith Rabois 在所有人拒绝我们大约一个月后出现了。Keith 说："Gabe，这个方向其实也不算多逆势，基本上就是金融版的 Harvey，我为什么要投？"我说："Keith，如果这不算逆势，为什么你所有的朋友刚刚都说这是个坏主意，都不相信我？"
你觉得他们为什么不相信？
原因很多。我认为大家低估了金融领域的市场规模，这其实挺荒唐的。但部分原因是，我觉得旧金山对金融行业的直觉不足——他们没有投过 Ion Group、Bloomberg、S&P、Factset、Pitchbook、Morningstar 这些公司。所以这个市场里实际上没有出现过真正优秀的风险投资支持的企业，大家对这个市场的轮廓和体量也就没有直觉。
第二个原因是产品太差了。每个投资人都说，"我在金融行业工作，让我用用看，它能改变我的工作方式吗？"他们试了之后发现有一半时间结果是错的，就说"这根本不可能成"。我想说的是，我们正处于指数级增长曲线上，6个月、12个月、18个月之后，它会成的，我会搞定的。
第三个原因是，大家不相信我能搞定这件事。他们没有足够多的数据点来观察我如何咬牙硬撑、如何一次次摸索出下一个迭代方向。
Patrick O'Shaughnessy：
你认为那之后发生了什么变化？因为现在，现在已经是一批非常有能力的人在其中了。
Gabe Stengel：
因为我很早就认识了这些人，而且每一轮我都会遇到他们。每次我说，嘿，我们要做这件事，他们就说，不可能。但每次我们都做到了。顺便说一句，很多时候结果会以不同的方式呈现。比如，你真的会失去你需要的关键员工，或者你以为能拿下的那个优质客户完全泡汤了，但我们一直在想办法，一直在顺应市场灵活应对。
我认为这正是你在投资时需要考虑的事情。在当今这样的市场，尤其是应用AI领域，形势如此动荡、如此模糊，你需要押注于创始人能够保持极强的应变能力。
Patrick O'Shaughnessy：
你认为为什么没有出现更多真正有竞争力的金融服务竞争对手？
Gabe Stengel：
我认为分销渠道真的很难突破。这与其说是工程和产品问题，不如说更多是一个人的问题——如何建立信任、如何传递价值、如何与这些机构合作。但与此同时，工程和产品方面的要求也极高。所以，真正打入这个市场所需要的执行标准，我认为是相当高的。我非常幸运，早期招募的一些人都有金融从业背景，而且都是顶尖人才。我们从内部网络招募了曾在高盛、花旗、Jefferies、Apollo、Ares或黑石工作过的人。所以我们拥有一支极度拼搏、充满好奇心、聪明能干、同时又是好人的团队——低调、谦逊，年轻到足够开放，也渴望自我提升。
Patrick O'Shaughnessy：
我也非常好奇你是如何处理技术人才问题的，以及在你的团队中，一个技术人才身上什么最重要，这又是如何演变的。有一个直觉是：随着执行难度的大幅降低，技术人才身上的领域专业知识的价值反而在上升。你不再需要非常强的技术能力才能写出好代码，至少没有过去那么需要了。那么，工程或技术团队的形态随着时间推移是什么样的？我之所以这样问，是因为我在思考其他想要进入这个领域的公司，无论他们身处哪个行业。
Gabe Stengel：
是的，我认为确实有一些问题，领域专业知识的价值正在不断提升，产品直觉以及更偏向"总经理思维"而非"工程师思维"的心态变得极为重要。当然，我们产品的某些部分也需要纯粹的、有韧性的工程能力，因为你在非常激进地扩展规模。但如果我看看团队中那些表现出色的人，他们很多都是前创业者——那些曾经创办过公司、坚持下来、拥有丰富产品直觉、懂得如何发挥它的人，而他们的公司可能最终慢慢消亡了。
正如你所说，有很多公司都在尝试攻克金融AI，有很多极具产品思维和工程思维的领域专家都尝试过金融AI。我们收购了六家不同的处于萌芽阶段的金融AI初创公司。那些前创业者能够对产品的未来进行宏观构想，规划出用户体验应该是什么样的，同时又具备工程实力，能够持续做出正确决策，这一点至关重要。
第9章：AI原生金融Patrick O'Shaughnessy：
你在我们开始录音之前跟我说，这是我们在这个领域第一次面临真正意义上的"创新者困境"。你能解释一下你的意思吗？
Gabe Stengel：
是的，我觉得对于很多投资公司、很多高端金融服务机构来说，过去10年、20年日子过得相当不错。你知道，作为一个资本配置者、一个投资人，是可以赚很多钱的。这个行业的进入门槛非常高。尤其是如果你做的是私募市场，你的业务本身就有一种自然的惯性——因为你募了一期基金，再募一期，之后想把生意搞砸其实都挺难的。我相信肯定有一百个创过基金的人会说，实际上比我说的难一百倍。但说公平话，市场上一直没有出现过那种让每一家投资公司、每一家银行都拍着脑袋说"哇，我需要彻底重新思考自己在做什么"的冲击时刻。那种让人意识到——现在会有数百家AI原生颠覆者、AI原生投资公司、AI原生投资银行来攻击我的商业模式，我得赶紧想清楚自己该怎么办——的时刻。私募股权公司、对冲基金、投资银行，已经很久很久没有遇到过真正的"创新者困境"了。
Patrick O'Shaughnessy：
"AI原生"，这个词对你来说意味着什么？它的定义是什么？
Gabe Stengel：
从某种意义上说，我认为它就意味着愿意不断地重新审视和颠覆自己所做的一切，并且对AI深信不疑到这种程度——你不再纠结什么是可能的，也不管某件事听起来有多天方夜谭，你只是在朝着一个方向坚定前行：把这项异乎寻常的底层技术融入你所做的每一件事。它渗透到业务的每一个角落，没有任何一个业务板块是神圣不可侵犯的，没有任何一个地方能够免于被彻底革新。
Patrick O'Shaughnessy：
那你具体怎么做到的呢？你是一家公司的领导者，对AI深信不疑，想确保——就像你在Rogo所说的那样——把这些都付诸实践。但我相信肯定也有一些领域让你不满意，觉得AI在某些事情上用得还不够。作为一个领导者，你怎么确保公司把这件事当成一种持续的习惯和实践，而不是一次性的行动？
Gabe Stengel：
我来说一件非常具体的事：每个月，我都会收到一份报告，里面列出公司里每一个人对各种AI工具的使用情况——包括我们采购的工具、我们内部自研的工具，所有这些。然后在每个部门内部，我都会有一个排名，列出使用频率最高的5个人和最低的5个人。我们把这份排名贴得到处都是。每个部门使用最少的那个人，会收到一张印着"笨蛋帽"的通知单，贴在办公室各处。 这很搞笑，但大家都知道这一天会来。而且说实话，随着公司越来越大，很多人不认识我，不知道我其实是在开玩笑、是个爱搞笑的人，他们是真的会感到害怕。我希望他们不要真的害怕，也希望这种氛围能慢慢改变。但不管怎样，这是一个很强的激励机制，能真正确保大家去用这些工具。
Patrick O'Shaughnessy：
如果你列出这些问题——假设有人坐在那里，经营着这类公司，业务做得很好，虽然来之不易，但确实是一门好生意。说实话，这些公司从组织和技术角度来看往往相当简单。主要靠人，对吧？没有太多的管理开销。很多这类公司，也许会购买大量数据之类的东西。
你会鼓励他们问自己、问自己的公司哪些问题，才能最有效地应对这场转型？
Gabe Stengel：
我会说，如果你确定现在你公司90%的企业价值都在你的人身上——你最优秀的投资人、最优秀的银行家，正是这些能带来交易、带来收入的人，才是企业价值真正积累的来源。而10年后，全球最顶尖的投资公司、最顶尖的银行，其90%的企业价值将不再来自人，而是来自软件、数据和系统。那你会开始做什么？你会开始想办法，把你最优秀的人才脑子里潜藏的一切，全部转化并沉淀到一套你自己拥有和自主运营的系统中。 这是第一件大事。
第二件事，我会建议拆解交易全生命周期的每一个环节，在每个环节中，尝试梳理清楚：你在哪些地方是不可替代的，或者你拥有别人没有的数据，或者你拥有别人没有的领域专业知识。
然后要认真追问自己：在这个市场上，我真的拥有别人没有的东西吗？ 是人脉关系？是别人没有的背景信息？还是我只是觉得自己在这个领域比别人更聪明、读的东西更多？——如果是后者，AI就会让这一切变得无关紧要。
Patrick O'Shaughnessy：
你有没有见过哪个大型机构，是这种态度上最前沿的典型代表？有没有哪个人是你最喜欢举的例子，就是那种——哦对，有几个正在这么做的。
Gabe Stengel：
有意思的是，今天看起来最有远见的那些人，两年前听起来简直像疯子。 就是那种进来说"我们需要录下每一段对话"的人。你知道，他们会说，你能把这段对话直接输入我公司的大脑，会有一个我的数字克隆，然后它会输出关于这笔投资究竟应该怎么做的博弈论分析。两年前，大家听到这类人说话，心里都在想：Patrick 到底在说什么鬼？
有一个例子，是一家公司的联合创始人 Molas John Momtazi，他对行业的走向极具预见性。他想要为公司所有最优秀的银行家打造数字克隆。他想要一套系统，能够基本上代替他出现在电话会议上，以他的方式发言，了解他的思维方式，然后吸收这些背景信息。他想要构建这样一套系统：投资银行里任何初级员工都能立即调用他的专业知识、背景信息和人脉关系——这样一来，这些信息和数据就不只是在驱动他个人创造收入的能力，而是在赋能银行里每一个初级员工创造收入的能力。
所以，确实有一些人经历了他们自己的"第37手时刻"，突然意识到：哇，这件事将会比任何人预期的都要深刻得多。
第10章：人类仍然更擅长的事情Patrick O'Shaughnessy：
关于你的业务未来，你觉得最不确定的是什么？
Gabe Stengel：
我会说，是私募市场实际转型的速度。对吧。如果你想想为什么不同类型的资产类别的交易量会增加，流动性会提升，这往往与标准化有关，因为这样就更容易追踪和交易这些资产。私募市场一直对标准化免疫，因为其中存在大量非结构化数据。AI应该能解决这个问题。 话虽如此，是否会有监管或市场力量来推动一些额外的标准化，从而真正加速私募市场的透明度和流动性，这在某种程度上不是我能控制的。
另一件事是，人际关系中还能保留多少超额收益，这对我来说仍然不清晰。 我说的是小市值并购。很难想象，如果你是一个小企业主，你花了20年建立一家企业，你想确保在把企业交给别人的时候，你信任那个人，你能和他握手，这个过程能被完全自动化。但对于很多由赞助商持有的企业，或者像二级市场、私募信贷、GP/LP二级市场这类业务，我确实认为可以完全自动化。但是，那些长尾的小企业、中型企业，那些需要应对代际传承的企业，他们要花多长时间才能适应点击一个按钮就出售自己的企业，而不是与某人握手成交——这对我来说还有些不确定。
Patrick O'Shaughnessy：
如果有几位年轻的新创始人在这里，他们对如何与私募市场投资者打交道和互动感到好奇，你会教他们什么？你会告诉他们该做什么、不该做什么？
Gabe Stengel：
我的融资风格可能不适合所有人。我非常直接，对于我担心什么、想去哪里非常透明。 但与此同时，你必须在那个最终目标上非常坚定。然后我会说，这关乎重复积累和人际关系。那些突然出现并领投C轮或D轮的人，往往是我在种子轮就认识的，然后是A轮、B轮、C轮。他们每次都以各种理由放弃了，但他们对我和这家企业积累了更多的了解。
有什么你会鼓励人们不要做的事情吗？我认为有很多"假装直到成功"的做法。你需要有那种勇气和自信，即使你并不完全自信。 我是一个极度焦虑、极度缺乏安全感、极度恐惧的人。但你需要表现出自信，说你对前进的方向充满信心，即使在你知道处于低谷的时刻也是如此。我认为，人们有时会误解这一点，以为他们需要假装成自己不是的样子。我觉得这是不对的。你需要相信那5%的可能性——你有机会建立一家价值千亿美元的企业——这是有可能的。 你不需要假装这有100%的可能，但你应该能够清晰地描绘出一张路线图和战略，说明你如何有可能成为一家千亿美元的企业，然后对那些事情如果顺利发展你将会实现目标充满信心。
Patrick O'Shaughnessy：
你为什么感到害怕和不安？
Gabe Stengel：
我对所有可能出错的事情都极度焦虑。每天感觉都像是站在刀刃上，随时有一千件事可能崩塌。我认为，这种商业建设的现实就是——它是一场积累动能的游戏。你怎样把每一件小事都做好，让自己能快一点顺势而下？我只是害怕这股动能会停下来，或者遇到一个障碍，偏离轨道，然后又需要重新催生动能。要打造一台能够不断积累动能的机器，究竟有多难，我看得一清二楚。 所以，如果有任何绊脚石可能阻断这种势头，如果我不是时刻对这些时刻保持警惕，我就不会竭尽所能地去为它们做准备，确保我们能够应对。
Patrick O'Shaughnessy：
我们还遗漏了什么？就是你在这个时代打造这样一家公司所学到的东西——在这个时代，一切感觉都像是争夺球权，感觉每一个可能的领域都会出现一个 Rogo 或者 Harvey 之类的竞争者，尤其是在"最后一公里"的连接很难做的地方。而且主导者不会只是 Anthropic 一家，也不会只是 OpenAI 一家，不会是一家公司统治所有。 那么，关于目前建设这个业务的经历，你认为还有什么重要的事情是我们没有提到的？
Gabe Stengel：
我认为，确实会有企业解决所有这些问题，但能做到这一点的企业，将会成为吸引人才、资本和品牌的"黑洞"，它们能够汇聚资源来真正落地执行。因为 AI 是一股强劲的顺风，但如今要参与竞争，执行的门槛比以往任何时候都要高。每个人都被拉进了大联盟，都在经历"欢迎来到 NFL"的时刻。你必须比你预想的更快、更强、更有韧性、更灵活，拥有合适的团队比以往任何时候都更重要。 而如今，合适的团队极其昂贵。所以，如果你想不清楚该用什么策略尽快成为吸引人才和资本的"黑洞"，我认为你被某个实验室或有能力做到这一点的公司碾压的风险会大得多。
Patrick O'Shaughnessy：
每次做这些访谈，我都会把我最喜欢的问题留到最后。有史以来，别人为你做过的最善意的事情是什么？
Gabe Stengel：
我觉得，我从父母那里获益良多，他们都无比善良、慷慨、无私。但这种善意在我母亲和父亲身上的表现方式截然不同。我母亲的善意，是无论我做了什么，在她眼里我都很了不起、很聪明、永远不会犯错，尽管在成长过程中，这绝对不是事实。但她在我心里种下了自信的种子，让我相信自己，即使在那些感觉一切都要走偏的低谷时期也是如此。接连四十次做不对一件事，一次次失败，考试不及格，不管遇到什么，她都表现得好像我也许是世界上最聪明的人。这当然是不理性的，但你需要那种来自无尽之爱的非理性自信。
我父亲则完全不同。如果我做错了事回到家，他会怒不可遏，几乎不愿意看我，完全无法理解，因为他是一个极其自律、品行端正、有着极高标准的人。所以他的善意，体现在他愿意去理解我是谁，以及为什么我会在某件事上失败，然后帮助我。 他会坐下来和我一起仔细梳理每一个细节，尽管他有时真的无法理解，为什么我拥有那些机会却没能把握住。他花时间让我变得更好，同时也坚守着他自己的原则、他对卓越的标准，以及他对"好"的定义。
Patrick O'Shaughnessy：
你正在打造一家令人着迷的公司，看着它不断进步真的很酷。感谢你和我一起做这期节目。
Gabe Stengel：
谢谢你。
本文来自微信公众号「AI原生Lab」，持续拆解真实AI落地案例，分享企业AI实践与方法论。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。泓川证券提示：文章来自网络，不代表本站观点。
