跨国深谈← 返回←企业为什么只签下 5% 的 AI 演示：对冲基金买方的大实话

企业为什么只签下 5% 的 AI 演示：对冲基金买方的大实话

关联

人物 Brian Lewis

公司 Millennium

概念 ZDR · 企业就绪 · RBAC · 权限 · 遗留架构 · 试点

一家管理着数十亿美元交易的对冲基金，看 10 到 15 家 AI 创业公司，约两三次演示，最后真正签下合同的只有大约 5%——这个数字和整个行业的基准高度一致。讲这份“避坑清单”的人是 Millennium 的产品负责人，他在公司里负责四处找痛点、判断该买还是该建，每天面对的就是那些想进企业的 AI 供应商。

他的核心判断是：在当前的模型智能水平下，大部分可获取的价值其实已经被白白留在了桌面上。原因不在模型不够聪明，而在“企业就绪”这件事上，创业公司和买方的理解相差太远。他特别声明：以下以个人身份发言，观点仅代表自己。

演示电话的死法：40% 死于有效性，其余死于安全、可靠性、法务

先看最基础的——有效性。产品得真的解决问题；定价要反映真实价值；集成必须在第一天就能演示，而不是“假设性的”；而且成功标准由买方定义，不是供应商。

他见过的翻车现场，简单说就是 vaporware（雾件，指只有演示、没有真货的产品）：很多初创公司来推销一个想法，结果他的平台团队大约六周就能自己重建出来。这不一定是坏事——有时自建更好，有时即使能重建、购买仍然更好——但定价必须合理。

最离谱的例子：一家做 wrapper（包在别的模型外面的薄层产品）的公司，承认自己所有 LLM 流量都走买方的网关，却要求买方把网关遥测数据报给它，好让它在此基础上加一笔巨大利润来定价——尽管流量根本没经过它的基础设施。“那行不通。” 还有两个常见毛病：演示电话上满口承诺、两个月后仍拿不出预计完成时间；以及把客户已经明确拒绝过的功能换个说法再推销一遍——他给销售人员的最好建议就是：听客户说话。

另一个重要趋势是**试点窗口期在坍缩**：两年前大家习惯跑六个月试点，后来缩到三个月，现在可能只给两周。

安全是重灾区：ZDR 不是嘴上说说

安全是他作为第一道防线反复把关的大项。首选是 ZDR（零数据保留，即供应商不保留客户任何数据）；做不到就用客户管理的加密密钥——带一个大前提：不能把产品搞坏（很多产品声称兼容，一上就坏）。

他还要求：所有流量走买方自己的网关、可部署在买方自己的云基础设施里、权限组能绑定到 RBAC（基于角色的访问控制）上，而且能通过 API 配置——因为大企业绝不能“一刀切为所有人开启功能”。对小公司，他至少要看到一个真正的安全岗位招聘：安全从来不是首选岗位，但在 AI 时代这是非常真实的问题。

翻车案例：试点中直接把数据发给自己的云供应商，完全无视要求——而且他们的试点都跑在生产数据上；很多炫酷的一键集成，深挖后发现唯一能工作的方式是给它“对所有东西的读写全部权限”；每次发布所有新 beta 功能默认开启；以及那句他反复听到的话——“我们下周给你安全架构图”，每周检查电话上听一遍又一遍，通常不是好迹象。他们常让 CISO（首席安全官）最后问一句：“发生数据泄露你们打算怎么办？

”得到的回答是：“嗯，我们还没发生过泄露。”言下之意是不知道真发生了怎么办。

可靠性与法务：生产系统容不得“重启以更新”

可靠性方面的要求：一个真正能用的控制平面、每个管理设置都有 API、配置变更有审计日志（五个人有管理员权限，有人半夜改坏了东西，你得能看到发生了什么）、真正的 SLA 和一个联系得上的支持工程师。

反面案例全是真实例子（他强调“我不是在点名羞辱，我只是在单纯羞辱”）：快速原型阶段的应用一天发布多次更新，一个诱人的“重启以更新”按钮在 3000 人之间生效，SSL 证书一坏，没人能追踪问题，因为每个人版本都不一样，也没法大规模部署；文档没有版本管理，新的风险条款悄悄出现在某个随机的支持页面上，只写着“昨天已更新”，合同里根本没有；核心 API 在繁忙交易日期间宕机几个小时——他们跑的是生产系统，交易的是数十亿美元；最后，没有 SLA、路线图或状态页。

法务上：无论什么功能，不许拿他们的数据训练；分包处理者要透明，因为任何第四方风险都会变成他们的风险；要有合理责任上限的知识产权赔偿条款——他们不控制模型，输出侵权不该由他们担责。他见过声称做到 ZDR 的供应商，事后被发现保留了数据——因为对方说“我们看某个东西时注意到了这件事”，他反问：“你是怎么注意到的？

你本不该有这些数据。”结论很直接：如果你说 ZDR，就要真正做到 ZDR。更阴险的玩法：有些供应商停止发布正式可用版的新功能，只发 beta，而 beta 里藏着一条允许保留客户数据的小条款。

他给两边的总结：最好的创业公司有真正有效的安全架构、会回应的支持工程师、从第一天就有的管理 API、能部署进客户基础设施的 90 天计划、由客户编写的成功标准；最差的没有安全架构图、找不到支持工程师、没有部署控制和审计日志、没有 ETA，只有销售话术。

更扎心的一半：AI 原生化，60% 的功课与 AI 无关

新前沿模型平均每 11 天出一个，而你的企业架构可能有十年历史；ChatGPT 才发布 43 个月，还有很多公司仍在做五年前开始的 ERP 迁移。时间线极度不对称。

他的论点：实现 AI 原生的一半以上工作是无趣的，和 AI 完全没有关系——AI 模型和产品修不好你的遗留架构，也替你跑不了变更管理。他给出的（自认不科学的）估算：40% 在模型和产品，另外 60% 是没人愿意再谈的东西——数据卫生、干净的架构、良好的集成、强有力的赋能和变更管理。

他对 AI 的比喻是：AI 是手电筒，不是创可贴。它照亮哪些环节本来就好、哪些本来就糟；好的部分被加速，糟的部分迅速崩溃。所以技术领导者必须先修好技术体系里的问题，再接入 AI。

向内照手电筒，他学到四课：① 权限（entitlements）需要新范式——大企业里大量员工权限过多或不足，旧模型一旦遇上智能体（你希望它多快工作、做什么、还能自行判断）就整个失效；智能体会把你现在权限管理的问题放大 100 倍，所以现在就值得修好。② 跨平台集成向上移了一层——AI 的好坏取决于它能触及的范围，而你想让它无处不在。

③ 集中化知识——引用当天上午 Emil 主题演讲的说法：需要更瘦的智能体和更聪明的基座，所有文档、支持文章都要集中化、易于消费，最好 AI 能在反馈回路里实时帮助撰写。④ 差距太大时，建一个独立的实验生态系统——遗留架构和目标之间的鸿沟可能大到值得单开一套环境去试错。

最后回到创业公司这边：Millennium 有约 8000 人，安全、合规、监管要求极严，可能是全行业最高的门槛之一——“但如果你能把初创公司架构设计成能跟我们这样的公司合作，你基本上能搞定其他所有人”。

本集带走

• 5% 是行业常态：10-15 家初筛 → 2-3 场演示 → 0-1 个试点 → 约 1/4 签约。想活下来，先过有效性、安全、可靠性、法务四道关。
• 安全底线清单：ZDR 或不破坏产品的客户管理加密密钥；自带网关、可部署进客户云；权限绑定 RBAC 且 API 可配；至少招一个真正的安全岗；能回答“泄露了怎么办”——“还没泄露过”不是答案。
• 别玩这些把戏：加价套在客户自己的流量上、beta 夹带数据保留条款、风险条款藏在支持页面不进合同——买方全都见过了。
• 买方先修“枯燥的 60%”：数据卫生、干净架构、集成、变更管理。AI 是手电筒不是创可贴——坏的地方它只会崩得更快。
• 智能体之前先修权限：现在人和流程失控的问题，智能体会放大 100 倍。
• 按最高门槛设计：能满足对冲基金级安全合规要求的架构，基本能通吃所有企业客户。

在当前模型智能水平下，大部分可获取的价值已经被白白留在了桌面上。
at current model intelligence, most of the value available is already being left on the table.
—— Brian Lewis · [02:05]

而我们得到的回答是，嗯，我们还没有发生过数据泄露。言下之意是，我们不知道如果真的发生了我们会怎么办。
And we get this response, well, we haven’t had a breach yet. With the subtext that we don’t know what we would do if we did.
—— Brian Lewis · [09:24]

我不是在点名羞辱。我只是单纯在羞辱。
I am not naming and shaming. I’m just shaming.
—— Brian Lewis · [10:46]

如果你说 ZDR（零数据保留），就要真正做到 ZDR。
If you say ZDR, do ZDR.
—— Brian Lewis · [11:56]

然后 beta 版本里会藏着一个小小的秘密条款，说他们可以保留我们的数据，这是一种非常隐蔽的获取我们数据的方式。
And then the beta comes with a secret little clause that says that they’re allowed to retain our data, which is a very sneaky way of trying to get our data.
—— Brian Lewis · [12:12]

再重复一次我的论点：实现 AI 原生的一半以上工作是无趣的，而且和 AI 完全没有关系。
So, my thesis again, half or more of getting to AI native is unsexy and has absolutely nothing to do with AI.
—— Brian Lewis · [13:49]

我真的把 AI 看作一支手电筒，而不是创可贴。
I really look at AI as a flashlight, not a Band-Aid.
—— Brian Lewis · [14:27]

我真心认为我们都需要从枯燥的那 60% 开始。
I really believe that we all need to start with the boring 60%.
—— Brian Lewis · [14:59]

想想当事情失控时你遇到的问题——流程失控、人失控——智能体会把那个问题放大 100 倍。
if you think about the problems that you run into when things go rogue, processes go rogue, people go rogue, agents are gonna like 100x that problem.
—— Brian Lewis · [16:56]

我认为，如果你能把你的初创公司架构设计成能与这样的公司合作，你基本上能够满足其他所有人。
I think if you can architect your startup to work with companies like this, with this kind of architecture, you’re probably going to be able to satisfy basically everybody else.
—— Brian Lewis · [17:43]

我们需要更瘦的智能体和更聪明的基座。
we need thinner agents and a smarter substrate.
—— Brian Lewis · [16:00]