Hacker News on 方糖猫Blog

HN 招聘帖 9 月观察：帖子少了四分之一，但有几样东西在逆势变厚

Tue, 08 Sep 2026 10:30:00 +0800

HN 招聘帖 9 月观察：帖子少了四分之一，但有几样东西在逆势变厚

上一篇《从 HN 招聘帖看创业活路》分析了 2026 年 7 月（410 条）和 8 月（330 条）两期招聘帖。9 月 1 日第三期出来了，我照例抓取、统计、逐条过了一遍。这篇只讲增量：和上两个月相比，什么消失了，什么变厚了，以及一份"三期全勤"的公司名单。

先交代数据口径：和前两期一样，只统计主帖（公司发布的招聘条目），不含讨论回复。9 月主帖 242 条。

一、总量：410 → 330 → 242

帖子数量连续第二期下滑，9 月比 8 月少了 27%。暑期因素已经解释不了这个跌幅——7 月到 8 月是暑期，9 月可不是。更可能的解释是：公司在招人这件事上变得更谨慎，或者更精准——招聘需求没有消失，而是集中到了更少、更明确的方向上。下面的结构变化支持后一种解释。

词频层面（242 条主帖中的出现比例）：

AI 出现在 60% 的帖子里，agent 25%，agentic 11%——“agentic” 已经从营销词变成岗位描述的默认词汇
remote 56% vs onsite 29%——远程比例稳定，SF/NYC 的 onsite 集中在 AI 和硬件团队
founding（创始工程师类岗位）占 8%，而 7 月是 18/410 ≈ 4%——早期公司的占比翻倍。帖子少了，但新公司的诞生速度没有跟着慢下来
security 出现在 16% 的帖子里——这个比例高得反常，下面细说
技术栈排位不变：Python > TypeScript > Rust > Go

最戏剧性的变化是量子公司集体消失：8 月 quantum 出现 15 次（Atom Computing、IonQ、Unitary Foundation 等都在扩编），9 月归零——一期之内从"密集冒头"到"查无此人"。我 8 月写"招聘是领先指标"，9 月就收到了反面教材：领先指标也会回撤，单月的招聘热度不等于趋势。这也是为什么要连续读多期。

二、逆势变厚的四个方向

flowchart LR
    A["9 月 242 条帖子<br/>总量 -27%"] --> B["Agent 治理与安全<br/>security 占 16%"]
    A --> C["政府成为买家<br/>govtech 集群"]
    A --> D["能源层继续变厚<br/>energy 22 次"]
    A --> E["给模型出考题<br/>评测与环境成新铲子"]
    B --> B1["MintMCP · Greywatch<br/>Trustible · Steg.AI"]
    C --> C1["Statecraft · Aerdos<br/>GovStar · Tecuity"]
    D --> D1["Neuralwatt · Strobe Power<br/>Oklo（三期全勤）"]
    E --> E1["Mechanize · Prophet Town<br/>Artificial Analysis"]

1. Agent 治理与安全：从"有没有 Agent"到"管不管得住 Agent"

8 月的主题是公司争相部署 Agent，9 月的主题是部署之后怎么办。一批公司专门做"Agent 的管控层"：

MintMCP 给 IT 部门提供统一的 Agent 落地入口——身份、权限、可见性，帖子里直接晒了进度：6 个月拿下 40+ 付费客户（Braze、Coursera、Stability AI），6 周内团队从 6 人翻倍到 12 人
Greywatch 做 Agent 安全与治理平台，“从内核到网络看清 AI agent 在你的基础设施里干什么”
Trustible 帮企业应对正在落地的 AI 监管，同时在招 Agentic Engineer 和 Forward Deployed Engineer
Steg.AI 做不可见的 AI 水印，Hiya 识别深伪诈骗电话（覆盖 5 亿用户），InfoHawk 追踪 AI 生成的仿冒网站和欺诈广告

与之呼应的是 eval（评测）正式成为岗位职责：10% 的帖子明确提到 evals。最典型的是 Republic Services——北美第二大环保服务公司，4 万员工、几千辆卡车——在招第一位 Agentic AI 工程师，岗位描述写得像教科书：agent 编排、检索与记忆、evals 与 golden dataset、prompt 注入防护、审计日志。当"收垃圾的公司"都开始建制化地招 Agent 工程师，说明垂直 Agent 已经越过早期采用者阶段，买家从创业公司变成了老经济本身。

2. 政府成为买家

9 月有一个此前不明显的集群：把 AI 卖给政府，或者直接替政府干活。

Statecraft 的帖子火力很猛：“美国政府几乎完全由外包顾问运营，顾问人数是公务员的 3 倍，他们把低效制度化以便多收工时费”——他们做的事是用 AI workforce 自动化这些工作，招全级别的 FDE
Aerdos 定位"AI 原生情报机构"，用公开和商业数据帮美国政府回答国家安全问题
GovStar 招 5 个工程师给政府建"安全、生产级的 AI 能力"（要求美国公民身份）
更老的玩家也在：Tecuity 给州务卿办公室写了 20 多年软件，Leidos 继续在 FAA 项目招人，Valkyrie Aero 是国防部主承包商（载人反无人机飞机），Mattermost 的客户名单就是国防、情报、安全机构

这条线的逻辑和垂直 Agent 一样——替代昂贵人力——但买单方换成了财政。政府合同周期长、合规门槛高，可一旦进去就是多年期收入。在帖子总量收缩的月份里这个集群反而成形，值得记下来。

3. 能源层继续变厚

8 月我写了"淘金热的铲子从 GPU 延伸到电网"，9 月这层更厚了：

Neuralwatt：帮数据中心"从每一千瓦里榨出更多可用的 AI 算力和收入"，做 GPU 优化和能耗感知控制系统
Strobe Power：把商业楼宇里的电池和发电机聚合成分布式电厂，实时买卖和调度电力——“做一家满足 AI 数据中心需求的电力公司”
加上做能源交易的 Amplify Renewables、做电网效率的 Comity、柏林的 Frequenz（Energy-as-a-Service）、牛津的 Aurora Energy Research，以及三期全勤的 Oklo（核反应堆）

算力瓶颈往下传导到电力的路径已经完全确立，而且分工在细化：有人管"省电"，有人管"找电"，有人管"造电"。

4. 给模型"出考题"成为新铲子

9 月出现一类两个月前还不存在的岗位：为前沿实验室构建训练环境和评测基准。

Mechanize 做的事一句话：建造前沿实验室用来训练模型"做真实软件工程"的环境。“需求超过我们能跟上的量，正在快速招人”——Junior SWE 开价 30 万美元加股权加奖金
Prophet Town 9 月的在招方向包括：设计 RL benchmark、red-team 模型输出、给前沿模型的 agentic coding 能力写评分 rubric
Artificial Analysis 作为独立第三方 AI 评测公司在两地 onsite 扩张

模型能力提升之后，“怎么衡量和训练它干活"本身成了供不应求的生意。这是卖铲子逻辑的最新一环：铲子已经不只卖给用 AI 的人，还卖给造 AI 的人。

三、物理世界：词汇在升级

物理世界这条路径（7、8 月的"路径三”）9 月仍在，但措辞变了——Physical AI 和 world model 开始取代泛泛的"机器人"：

Valstad Shipworks：“建造船的机器”——面向自主造船的机器人平台，软件栈从运动规划到物理仿真全部自研
Reframe Systems 用机器人微型工厂网络批量造房（从 ADU 到中型公寓），核心软件问题是"把数月的设计开发周期压掉"
Stand 给每栋房子建数字孪生，用物理信息世界模型预测野火/飓风中的具体损失，再据此给保险定价——已承保约 100 亿美元。这是"世界模型"第一次以赚钱的形态出现在帖子里
Rerun 自称是"Physical AI 的数据层"，Springcraft 自称是"Physical AI 的平台"——连卖铲子的都开始用这个词命名自己
老牌面孔还在：MONUMENTAL 三期全勤，Brain Corp 全球部署了 5 万台机器人，Greenzie 做商用割草机自动驾驶

同期值得注意的还有"非 LLM 的基础模型"：Prior Labs 做表格数据基础模型（临床试验、金融模型背后都是表格），Xaira 做生物基础模型，Pathos 用肿瘤学基础模型配 200PB 数据，ORIGAMICS 做能推理电子原理图的模型。LLM 之外的基础模型正在按数据类型铺开。

四、薪资与求职端：哑铃型分化

9 月帖子里的薪资数字呈现出很清楚的哑铃形：

flowchart LR
    subgraph 哑铃的一端
        A1["Mechanize Junior SWE<br/>$300k + 股权"]
        A2["aiuc.com MTS<br/>$200k-400k"]
        A3["Balerion AI<br/>$250k+ base"]
    end
    subgraph 哑铃的另一端
        B1["Search Atlas<br/>$23-34/小时 合同工"]
        B2["多条 equity-only<br/>零工资帖"]
        B3["匿名 SaaS 岗<br/>$90k-110k"]
    end
    A1 --- B1
    MID["中间地带在变薄"]
    A1 -.-> MID
    B1 -.-> MID

哑铃的一端：离前沿实验室越近、或离大钱越近的岗位，薪资越离谱。Mechanize 给 junior 开 30 万；做 AI 保险承保的 aiuc.com（团队含前 Anthropic/METR/OpenAI）开到 40 万
另一端：普通全栈岗的报价继续下探，30 美元时薪区间的合同工岗位堂堂正正地贴在帖子里，equity-only 的"零工资联合创始人"帖照例出现
求职端供需：咨询公司 Prophet Town 自己披露，8 月的帖子收到 216 份申请，发了约 10 个 offer（4.6% 录取率）；做代理网络的 Proxybase 创始人在帖子里公开道歉——“申请太多，回复慢了”。雇主端的谨慎和求职端的拥挤，两个事实继续同时为真
连续第三期，有人在帖子里呼吁雇主标注 4 天工作制（4DWW）——这个诉求没有消失，但也没有更多雇主接招

五、三期全勤名单

单期的热词可能是噪音，连续三个月都在扩编的公司是更硬的信号。同时出现在 7、8、9 三期帖子里的公司：

垂直 Agent：PermitFlow（建筑许可）、Shepherd（保险承保）、Norm Ai（法律）、Anterior（医疗授权）、Vitalize（医院排班）、Oscilar（风控）、Snout（宠物医疗支付）、Apex Dental（牙科集团）
信任基础设施：Middesk（KYB）、DuckDuckGo、Enveritas（咖啡农可持续发展，非营利）
卖铲子：LiveKit（语音管道）、Railway（部署平台）、Cascade Space（地面站）
物理世界：MONUMENTAL（砌砖机器人）、Oklo（核能）
慢慢赚钱：Sudowrite、PostHog
大厂标本：Snowflake 的 Applied AI / FDE 团队三期都在招——“驻场交付"作为行业标准动作的地位彻底坐实

另外 Langfuse 8 月被 ClickHouse 收购后，9 月已经不再发帖，而是以"技能要求"的形式活在别人家的岗位描述里（Republic Services 和 AiMi 的帖子都点了它的名）——开源工具的另一种存在感。

六、小结

把 9 月这 242 条压缩成一句话：总量在退潮，但潮水退去的地方露出的不是沙滩，而是四条更深的河道——管好 Agent、卖给政府、解决电力、给模型出考题。

对创业者，这期的启示比前两期更具体：当收垃圾的公司都开始建制化地招 Agent 工程师，“帮传统行业落地 AI"的窗口正在从"教育市场"切换到"交付结果”——客户已经知道自己要什么，接下来拼的是交付能力和行业理解。这正是 8 月说的 FDE 模式的必然延伸。

至于上篇讨论过的"这套行情是否在中国重演”，9 月的数据没有改变判断，只补了一条注脚：政府作为 AI 买家这条线，美国的形态是"替代外包顾问"，国内的形态大概率是信创和政务智能化的延续——同一条河，不同的河床。

数据来源：Ask HN: Who is hiring? (September 2026)，共 242 条主帖，2026-09-08 抓取。

从 HN 招聘帖看创业活路：740 家公司教我的事

Wed, 19 Aug 2026 15:00:00 +0800

从 HN 招聘帖看创业活路：740 家公司教我的事

Hacker News 每个月都有一个 “Ask HN: Who is hiring?” 帖子。我一直觉得它是被低估的创业研究材料：能在上面花钱花人招工程师的公司，多半是活下来、而且有现金流或融资的公司——这是天然的"幸存者样本"。我把 2026 年 7 月和 8 月帖子抓下来做了词频统计，又逐条过了一遍，这篇文章聊聊我从里面看到的创业路径，以及两个月之间风向的变化。

先给不熟悉 HN 的读者补个背景：Hacker News 是硅谷最有影响力的技术社区，由著名孵化器 Y Combinator 运营。每月 1 号它会置顶一个 “Who is hiring?"（谁在招人）帖子，公司创始人或工程师在评论区按固定格式发招聘启事——公司名、岗位、远程/坐班、薪资范围、一句话介绍。每条招聘帖背后都是一家正在扩张的真实公司，所以把这个帖子当数据库来读，就能看到"什么类型的创业公司此刻活得不错”。

一、先看数据：AI 已经不是赛道，是空气

7 月的 410 条帖子里，“AI” 出现了 405 次。这个数字的意义不在于"AI 很火"，而在于：已经没有"AI 公司"这个分类了，就像今天没人说自己是"互联网公司"一样。AI 变成了所有公司的默认组件。

其他值得注意的词频：

remote 226 次 vs onsite 100 次 + hybrid 61 次——远程仍是主流，但 SF/NYC 的 onsite 明显回流，尤其是 AI 和机器人方向的早期团队
founding engineer 18 次——早期公司密度很高，说明新公司的诞生速度没有放缓
profitable 22 次、bootstrapped 9 次——盈利公司乐意把"我们赚钱"写进招聘广告当卖点
技术栈：Python（88）和 TypeScript（72）是绝对主力，Rust（63）站稳了系统层，Go（2）反而式微
上一轮的宠儿几乎消失：crypto 3 次、web3 0 次、gaming 3 次

真正有意思的是这些词背后聚成的几类公司。我归纳出五条路径，整体解构如下图：

flowchart LR
    A["HN 招聘帖<br/>两期 740 家公司"] --> B["路径一：卖铲子<br/>AI 基础设施"]
    A --> C["路径二：垂直行业 + Agent<br/>密度最高"]
    A --> D["路径三：回到物理世界<br/>机器人 / 制造 / 国防 / 能源"]
    A --> E["路径四：慢慢赚钱<br/>老牌盈利公司"]
    A --> F["路径五：合规与隐私<br/>信任基础设施"]
    B --> B1["算力与芯片<br/>Fluidstack · Fractile"]
    B --> B2["管道与平台<br/>LiveKit · Railway · Estuary"]
    C --> C1["建筑 PermitFlow<br/>保险 Shepherd<br/>医疗后台 SmarterDx"]
    C --> C2["法律 Norm Ai<br/>物流 Pango · Orbit"]
    D --> D1["机器人 MONUMENTAL<br/>制造 Freeform"]
    D --> D2["国防 Aurelius<br/>能源 Oklo"]
    E --> E1["Proton · PostHog<br/>Sudowrite · IVPN"]
    F --> F1["Middesk · Oneleet<br/>Kanary"]

下面逐条展开。

二、路径一：卖铲子——AI 基础设施

Fluidstack 给前沿实验室建超算集群
Fractile 做 AI 推理芯片，Founders Fund 背书
Syntropic 压缩 LLM 的 KV cache，号称 8 倍压缩、0.43% 质量损失
LiveKit 做语音 AI 的实时通信层，Railway 做部署平台，Estuary 做实时数据同步

这是最拥挤也最贵的一条路：资本密集、人才密集。但它的启示对独立开发者同样成立——每一轮淘金热里，活得最好的往往是卖工具的。只是 2026 年的"铲子"已经不是"再做一个 LLM 网关"，而是往更底层（算力、内存、数据流）或更具体的环节（语音管道、Agent 运行环境）钻。

结合 8 月的数据，“铲子"已经明显分成了四层，越往下越重资产，但也越稀缺：

flowchart BT
    POWER["第四层：电力与能源<br/>Joulent · Oklo · Proxima Fusion"] --> COMPUTE["第三层：算力与推理优化<br/>Fluidstack · Fractile · Syntropic"]
    COMPUTE --> INFRA["第二层：平台与管道<br/>LiveKit · Railway · Estuary"]
    INFRA --> APP["第一层：应用<br/>垂直行业 Agent（路径二）"]

值得注意的方向：上层的创业者在往下走（应用公司开始囤算力），下层的瓶颈在往上顶（电力决定了算力扩张的速度）。

三、路径二：垂直行业 + Agent，专挑"无聊但有钱"的行业

这是帖子里密度最高的一类，也是我认为普通创业者最现实的路径。共同公式是：找一个流程落后、靠 Excel 和邮件运转的传统行业，用 AI Agent 把里面的手工环节吃掉：

建筑业：PermitFlow 做施工许可，OneCrew 给沥青混凝土公司做全业务平台，Rabbet 做建筑金融，Klutch AI 做工地移动端
保险业：Shepherd 做全自动承保，Annex Risk 做自然灾害房屋保险，Oscilar 做风控决策
医疗后台：SmarterDx 管医院计费（“医院怎么拿到钱"这种没人愿意碰的系统），Vitalize 管医院排班，Anterior 做诊疗授权自动化
法律合规：Norm Ai 自称"agentic law company”，客户管着 30 万亿美元资产；Phaselaw 做 eDiscovery
物流：Pango 做电商物流的"Agentic OS”，Orbit 要替换掉欧洲货运公司的 Excel
物业：AveryIQ 直接叫板 Appfolio、Yardi 这些老软件

这类公司的特点是：客户不在乎你的模型多先进，只在乎省了多少人力、少出多少错。壁垒不在 AI，在于你比 AI 公司更懂行业，比行业公司更懂 AI。入场券是行业知识，不是算法。

四、路径三：回到物理世界

软件吃世界的上半场结束了，下半场开始吃原子：

Monumental 的机器人真的在砌砖盖楼，特意强调"机器人领域有很多 PPT 公司，我们不是"
Freeform 做 AI 原生制造，Rangeview 要"重建美国的铸造体系"
国防：Aurelius Systems 做激光反无人机系统，Air Space Intelligence 刚拿下 FAA 的合同，Sphinx Defense 做国家安全软件
能源：Oklo 造下一代核反应堆
太空：Ecosmic 做空间态势感知，Cascade Space 做地面站硬件

地缘政治（国防、供应链回流）加上 AI 控制的成熟，让"硬科技"重新变成一门好生意。这条路门槛高、周期长，但帖子里这些公司的存在本身说明：资本愿意为物理世界付钱了，这在五年前并不成立。

五、路径四：慢慢赚钱的"老家伙"们

用户看招聘帖的一个直觉是对的——能持续招人就是活下来的证据。帖子里有一批 5 到 15 年"高龄"的公司，它们的路径是另一个极端：

Proton（盈利、无 VC 控制）、DuckDuckGo、IVPN（2010 年成立，每年独立审计）
PostHog（公开手册、全远程）、Featurebase（bootstrapped、盈利）
Sudowrite 直接在帖子里打勾：√ PMF √ PROFITABLE
BitPay（2011）、MixRank（YC S11）、Rabbet（YC S17）——穿越了不止一个周期

这些公司的共同点：服务一个明确的付费人群，控制烧钱速度，把"盈利"当成竞争力而不是妥协。在 AI 叙事满天飞的帖子里，“我们是盈利公司"反而成了吸引工程师的差异化卖点——大家被裁员潮教育过，知道烧钱的故事会怎么收场。

六、路径五：合规和隐私本身成为生意

Middesk 做 KYB（企业身份核验），是银行和 fintech 的基础设施
Oneleet 做一站式安全合规（ASM、代码扫描、SOC2 全家桶）
Kanary 帮个人监控和清理网上的隐私暴露
Friendly Captcha 十年只做一件事：反机器人验证码
Sequent 做密码学安全的在线投票

监管越重、AI 生成的垃圾流量越多，这类"信任基础设施"就越值钱。它们不性感，但需求是结构性的——不会因为模型换代而消失。

七、几条路径之外的观察

“Forward Deployed Engineer” 成了热词（Antithesis、Confido、Kinxshn 等都在招）。Palantir 模式的扩散意味着：垂直 AI 公司发现，离客户不够近就落不了地。这对创业者的提示是，早期别抗拒"像咨询一样干活”，那就是产品发现的过程。
纯投机空间变小了。帖子里的骗局（假 GPU 集群、要护照照片的"招聘"）都被评论区当场拆穿。社区嗅觉很灵敏，靠信息差骗钱的窗口在关闭。
警惕"零工资+股权"的帖子。7 月那批帖子里有好几条 equity-only 的，评论区并不客气。创业可以赌，但要把赌注看清楚再上桌。
4 天工作制（4DWW）在被主动索要。有公司拿它当卖点，也有求职者在帖子里呼吁雇主标注。小公司拼不起薪资时，工作方式是最便宜的差异化。

八、一个月之后：8 月帖子的增量信息

写完上面的分析后我又抓了 8 月那一期（330 条）。帖子总量比 7 月少了约两成（有暑期因素，但也和评论区"市场不好"的抱怨互相印证），不过结构上验证了前面的判断，还多出几个新信号：

Forward Deployed Engineer 彻底出圈。这个词 7 月只出现 4 次，8 月出现 16 次，连 Snowflake 这样的大厂都组建了 Applied AI / FDE 团队。“驻场帮客户把 AI 落地"从 Palantir 的独门打法变成了行业标准动作——这进一步确认：垂直 AI 的竞争发生在客户的业务现场，不在模型里。
能源成了"卖铲子"的新一层。Joulent 做的事一句话就能说完：给 AI 数据中心送电（“multi-gigawatt power to AI data centers”）。算力紧缺的下游是电力紧缺，淘金热的铲子已经从 GPU 延伸到电网。同方向还有 Proxima Fusion 在慕尼黑造商用仿星器核聚变装置。
量子计算密集冒头。quantum 从 4 次涨到 15 次：Atom Computing（中性原子）、IonQ（离子阱，已在波士顿建全球研发中心）、Aqora、Unitary Foundation（容错量子编译）都在招人。还没到爆发期，但招聘是领先指标。
语音 AI 是一个被低估的垂直点。River 做 B2B 外呼 Agent、Phonely 做电话客服自动化、Strello Health 做医疗语音 Agent，加上做底层管道的 LiveKit——voice 出现 11 次。语音是"替人干活"最直接的形态：电话打出去，活就干完了。
垂直行业继续向更冷门的角落渗透：兽医诊所（Instinct Science、Snout）、牙科集团（Apex Dental，65 家诊所的 DSO）、农业贷款（Landjourney）、食品供应链（Choco）、餐厅收银（Vitabyte）。甚至阿森纳足球俱乐部都在招 Research Engineer 嵌入一线队——“行业 know-how + 工程"的组合没有边界。
连续两期出现的名字值得多看一眼：PermitFlow、Klutch AI、OneCrew、Shepherd、Norm Ai、Middesk、Bucket Robotics、MONUMENTAL、Freeform、DuckDuckGo、IVPN、PostHog、Sudowrite、Featurebase、Enveritas……连续两个月都在扩编，说明业务在真实增长。其中 Langfuse（LLM 可观测性）8 月帖子的抬头已经变成 “now part of ClickHouse”——开源 + 开发者工具这条路，两个月内就给出了一个退出样本。
求职端的寒意也更明显。有人在帖子里算账：加州 Petaluma 的 Chipotle 起薪 20 美元/小时，而一些初级开发岗位的报价已经逼近这条线；7 月就出现过的"假 GPU 集群"骗局 8 月原样重发，照例被评论区当场拆穿。公司端在扩张，求职端在承压，两个事实同时为真——这本身就是垂直 AI 创业有机会的原因之一：企业要的不是"更多人”，而是"更少人 + 更多自动化”。

九、这套行情会在中国重演吗？

写到这里，很多读者自然会问：这些路径放在国内适用吗？我的判断是：结构上会重演，形态上会变形。逐条对比一下（以下为个人判断，供参考）：

路径	美国的驱动逻辑	在中国是否成立
一、卖铲子	算力紧缺、语音/Agent 管道空白	部分成立。基础设施层由大厂和重资本主导，创业公司机会在细分工具（推理优化、Agent 运行环境）而非正面硬刚
二、垂直行业 + Agent	替代年薪 8 万美元的后台人力，ROI 极高	成立，但账不一样——详见下文
三、物理世界	再工业化、国防、能源	不是重演，是主场：机器人产业链、制造业场景、电力基建本来就是中国的供给端优势
四、慢慢赚钱	服务明确人群、控制烧钱	两国都成立，且在国内资本环境下几乎是默认姿势
五、合规与隐私	HIPAA、SOC2、保险监管驱动	成立，但合规的来源不同：国内是等保、数据安全法、信创——信创恰恰是中国独有的"合规生意"

路径二是最值得细说的。美国垂直 Agent 公司的核心账本是"替代昂贵人力"：医院计费员、保险承保员、施工许可专员，年薪动辄 8 到 15 万美元，Agent 收半价客户还嫌便宜。国内同样的岗位人力成本低得多，“替人干活"的定价空间天然被压缩；再加上国内 to B 软件的老问题——大客户要定制和私有化部署，小客户付费意愿弱，钉钉/企微/飞书又压掉了通用 SaaS 的空间——所以同样一个"医院计费 Agent”，在美国是标准化 SaaS 生意，在国内很可能做成项目制生意，毛利和可复制性差一截。

这不是说路径二在国内不成立，而是它的成立形态会不同。我用三个"过滤器"来总结判断过程：

flowchart TD
    US["美国已验证的模式"] --> F1{"人力替代 ROI 够高吗？"}
    F1 -- "美国：人力贵，账好算" --> OK1["国内也可复制"]
    F1 -- "国内：人力便宜，账难算" --> F2{"客户愿意为<br/>软件/Agent 付费吗？"}
    F2 -- "意愿弱" --> GO["出海：把产品卖给<br/>付费意愿强的市场"]
    F2 -- "意愿强（合规 / 刚需）" --> OK2["国内成立，但多为<br/>解决方案 + 私有化形态"]
    US --> F3{"中国有供给端优势吗？"}
    F3 -- "硬件 / 制造 / 电力" --> OK3["不但重演，而且可能领先"]

几个由此推出的具体判断：

出海是国内垂直 AI 团队最现实的选项。人力账本在美国、中东、东南亚更划算，而中国的工程成本和交付速度是供给端优势。帖子里 RevOps、物流、建筑这些赛道的玩法，完全可以由国内团队反向输出。
国内做垂直 Agent，优先选"合规/刚需驱动"的行业：医疗（医保控费）、金融（监管报送）、政务、信创替代——这些领域的付费不由"省人力"决定，由"不做不行"决定，绕开了人力成本账本。
路径三（物理世界）不用等重演。机器人、智能制造、数据中心电力这些方向，国内的供应链和场景密度本来就更厚，美国的"再工业化"叙事反而是在追赶已有的中国产能。
“行业 know-how"的稀缺性两国通用。国内建筑信息化有广联达、医疗信息化有卫宁和东软、法律科技也有一批老玩家——新机会不是再造一个行业软件，而是像 SmarterDx 那样，用 Agent 重做这些系统里仍然靠人肉运转的环节。

十、写在最后

把这两期 740 条帖子压缩成一句话：AI 让"改造一个古老行业"的单位成本骤降，于是活下来的公司分成了两拨——一拨去给这场改造造工具（从 GPU 到电力再到语音管道），一拨扎进建筑、保险、医疗、物流、农业这些"无聊"行业里吃手工流程；而那些早早就开始赚钱的老公司，在一旁验证了另一种活法：不追浪潮，也能活得很好。

如果你在想创业点子，我会建议按这个顺序问自己三个问题，决策路径如下：

flowchart TD
    Q1{"我懂哪个'无聊<br/>但有钱'的行业？"} -- "还没有" --> L1["先去行业里干活，<br/>积累 know-how"]
    Q1 -- "有" --> Q2{"里面哪个环节还在<br/>靠人肉 Excel？"}
    Q2 -- "找不到" --> L2["换个行业看，或去该行业<br/>公司做驻场工程师（FDE）"]
    Q2 -- "找到了" --> Q3{"AI 能把这个环节的成本<br/>打下一个数量级吗？"}
    Q3 -- "不能" --> L3["时机未到，保持观察"]
    Q3 -- "能" --> Q4{"目标客户在哪里<br/>付费意愿最强？"}
    Q4 -- "国内（合规/刚需）" --> GO1["国内做解决方案<br/>小步验证付费"]
    Q4 -- "海外（人力贵）" --> GO2["出海做标准化产品"]

这三个问题都有答案的时候，大概率就有一张入场券了。