频道：Greg Isenberg · 时长：1:05:11
| 项目 | 详情 |
|---|---|
| 频道 | Greg Isenberg |
| 视频ID | nyO60uzTnP4 |
| 发布日期 | 2026-04-29 |
| 时长 | 1:05:11 |
| 主题 | AI Agent 创业机会、Hyper Agent 产品演示与 Agent 商业化实操 |
| 嘉宾 | Howie Liu（Howie），Airtable 联合创始人兼 CEO |
| 关键词 | AI Agent、Hyper Agent、Airtable、solopreneur、Agent 经济学、Skills、Rubrics、Agent Fleet |
| 链接 | https://www.youtube.com/watch?v=nyO60uzTnP4 |
“I think it’s more of just a matter of how and how quickly we can deploy agents into every role in industry before we can truly just almost do anything that humans could do in each of these functions with agents. And the TAM for that is like not even a trillion. It’s like probably the whole GDP of all white collar labor, which is obviously many tens of trillions.”
Howie Liu 是 Airtable 的联合创始人兼 CEO。这家公司年营收超过 5 亿美元，银行账户里还躺着超过 10 亿美元现金，每个季度还在增长。Greg Isenberg 说，当他想知道”世界往哪里走”的时候，就会打电话给 Howie。
这期节目分成两个部分：第一部分，Greg 和 Howie 深入讨论 AI Agent 创业的万亿级市场机会——Sequoia 说有万亿美元可以抢，Howie 说远不止于此，可能是整个白领劳动力的 GDP，即数十万亿美元。第二部分，Howie 现场演示他的新产品 Hyper Agent，一个 AI Agent 构建平台——从零到一构建”数字员工”，把一个创业想法变成市场调研报告、竞品分析和可运行的 V1 产品，全部在一个对话线程中完成。
如果你正在考虑用 AI 创业，或者想知道怎么用 Agent 平台把一个人的公司做到百万收入——这期教程会给你一张清晰的路线图。
Greg 展示了一张 Sequoia 的图表，列出了 AI Agent 在各领域的部署比例：
Howie 的反应出人意料——他认为即使是最高的软件工程 50% 也是一种”高估”：
“The new model of software development is not even just like every engineer using AI autocomplete… the way I develop on Hyper Agent is I have like 30 different Claude Code instances running in parallel, and each one is coupled up to a browser, fully autonomous.”
他把 AI 辅助开发分成了几代：
关键洞察：那 50% 的数字只代表有多少人”用了AI”，但真正切换到 Gen 2 前沿模式的人远不到 50%。大部分人连三年前的最佳实践都还没追上，更别说今天前沿在做什么了。
“It absolutely reflects the underpenetration of AI in industries that clearly could already be disrupted or benefit with even today’s AI capabilities.”
Howie 认为，如果把今天的前沿 Agent 部署到图表上的每一个类别，理论上应该是 100%。当前的低渗透率不是因为技术不够，而是因为企业和个人还没有认真地去尝试。
Greg 展示了 Sequoia 的另一张图——Agent 市场有万亿美元可以争夺。Howie 的观点更激进：
“The TAM for that is not even a trillion. It’s probably the whole GDP of all white collar labor, which is obviously many tens of trillions in even the western hemisphere alone.”
他的逻辑链条： 1. 模型已经足够聪明——你问它最复杂的管理咨询问题，它给你的是专家级回答 2. 模型也已经能够跨多轮、多工具、多上下文地连贯执行 3. 剩下的只是”how and how quickly”——怎么部署、部署多快
Greg 展示了人类员工 vs AI Agent 的成本对比图。Howie 用了一个真实案例来说明：
“One of our recent board memos that I wrote and sent out to our entire board and major investor list, a lot of it was researched and crafted by Hyper Agent… I got feedback that that was the best memo from some of our best investors that I had ever written.”
这份备忘录的 Agent 成本大约 150 美元的 Token 费用。但如果换成 CEO 自己全程手工做： - 调研时间：可能几天 - 撰写时间：可能一整天 - CEO 的机会成本：远超 150 美元
“We have to get over this hump of anchoring our price expectations for AI on traditional subscription software, where it’s like, ‘Oh my god, I have to pay $20 for Netflix per month.’”
Howie 指出一个常见的认知误区：很多人还在用传统 SaaS 订阅（$10-20/月）的心理价位来衡量 AI 成本。但正确的锚点应该是人类完成同样任务的成本。当 Opus 花费 $150 做出了你几天工作量的成果，并且质量更好——这是巨大的杠杆。
Greg 展示了企业应用嵌入 AI Agent 的比例——这是企业软件历史上最快的采用曲线。Howie 补充了更惊人的数字：
“Take OpenAI and Anthropic alone, they have a combined revenue probably of like $80 billion plus right now, up from basically zero a few years ago. What in the history of software has there ever been an industry where any company, let alone in aggregate, went from zero to $80 billion plus?”
特征：让用户直接使用 AI 产品，靠产品力驱动增长。
例子： - OpenClaw 本身虽然不是直接变现的业务，但其 Token 消耗量可能已达数亿甚至数十亿 - 各种 Agent 工具的免费增值模型
“Go pitch to every enterprise board and CEO: ‘We will fix your AI problem. Pay us a massive check, give us a $100 million plus check, and we will purportedly solve your problems for you.’”
Howie 的博弈论分析非常精辟： - CEO 选项 A：花 $1 亿做 AI 转型，可能浪费钱，可能被炒 - CEO 选项 B：什么都不做，一定会被炒
“On a game theory level, everybody’s going to pay it right now.”
所以几乎每个大企业 CEO 都会选择买单——这是一个巨大的、时间窗口有限的”现金争夺战”。
“Think of Hyper Agent as like if all of these other agent products out there like OpenClaw, etc. are kind of more like Linux, Hyper Agent is our take on the Mac version of it.”
Hyper Agent 的核心设计理念： - 云原生：不需要跑 Mac Mini，一切在云端 - 安全可靠：默认安全配置 - 极致 UX：就像 10 年前 Airtable 对”无代码应用”做的事——把复杂的 Agent 技术包装成直觉化的可视化体验
Howie 用 Greg 之前在节目里提过的一个创业想法来做演示——为房产经纪人生成超本地化市场报告（hyper-local market reports）。
Agent 自主完成了以下工作：
“It’s not just an app builder. App building is just a feature now. It’s a commoditized feature. What it can actually do is go and research the end to end of, ‘Here’s actually the business context of what I’m trying to do,’ and then build the app informed by it. Hyper Agent is the founder in this case. It’s not just the developer, it’s the founder.”
Hyper Agent 自带大量工具集成： - Google Maps / Street View：可以找到真实的街景图像，比如广告牌位置 - AI 图像生成：用街景照片做种子图，生成 AI 图像或视频 - Zillow 等数据源：可以拉取房屋内外部照片，做重新设计 - Twitter、Slack、Gmail、Notion、Granola 等各种连接器
“Skills are the most important concept or primitive in the frontier agents world. The models are generally intelligent enough. It’s like Albert Einstein who’s obviously super smart in a general sense and may not know how to solve problems in real estate, but if you gave him the right briefing… he’s going to figure it out pretty well.”
Skills（技能）就是给通用智能的模型一本专业手册。模型的”智商”已经到了，缺的只是特定领域的 playbook。
Howie 现场演示了创建 Skill 的过程：
help me create a skill that posts Greg Isenberg-like AI contentSkill 的分析结果令 Greg 本人也印象深刻：
“Greg’s voice is a smart friend at dinner saying the quiet part out loud. Not a corporate communicator.”
其他风格要点： - 前 7 个字就要抓住注意力 - 不要大段文字 - 爱用有序列表 - 永远不要用 “what do you think?” 结尾（太泛了）
“I think this is the challenge that a lot of people face: they one-shot something, it’s not quite as profound as what they hoped for, and they kind of give up.”
关键原则：不要一次尝试就放弃。 V1 可能只有 50% 的水准，但 Skill 的设计就是为了迭代——通过反馈、调整、积累，持续提升质量。
当你只有一个 Agent，你可以亲自检查每一个输出。但当你运营一整个 Agent 舰队时：
“As you scale up, if you’re the CEO of a business, you just literally don’t have time to go and look at every single thing that every single person in the company has done.”
这就是 Rubrics 要解决的问题——自动化的质量评估。
Greg 发现 Agent 生成的推文太”正式”了——不够口语化、不够朋友之间聊天的感觉。
“The tweets that tend to do well sound very friend-to-friend. These all just feel a little too formal or stiff.”
Howie 展示了三种应对方式： 1. 即时修正：立刻更新 Skill，基于反馈重新生成 2. 即时重写：让 Agent 按新的风格要求重新出一版草稿 3. 长期改进：创建 Rubric，让未来每次输出都自动按标准评估
Hyper Agent 提供了一个全局视图——就像 Greg 展示的那张”Agent Command Center”图：
“That literally is a view in Hyper Agent. We are building towards a world where every company will have a fleet of agents.”
你可以看到所有 Agent 的状态： - Content Marketer Agent - Market Researcher Agent - Customer Email Responder Agent - 等等
Howie 提出了一个深刻的观察：
“Agents are converging on these purposeful roles that almost map to job roles that humans were playing. It’s a little bit like why hardware robots are converging on a humanoid form factor.”
就像硬件机器人倾向于人形（因为现有基础设施是为人体工学设计的），软件 Agent 也倾向于映射人类职位——因为现有的业务流程、组织架构都是为人类角色设计的。
另一个原因是 context window 的物理限制：
“I just don’t think we’re ever going to get to a point where an AI model can have infinite context window. There’s a physics to that.”
所以就像人类公司需要分工（不是每个人都要知道所有事），Agent 也需要分工——每个 Agent 专注于一个角色，管理自己的上下文。
一键把 Agent 部署到 Slack： - Agent 在频道里”常驻监听” - 当有相关话题时自动发言 - 团队成员可以像和同事一样和 Agent 互动
“Your Slack co-workers are now agents in addition to humans, and they’re really smart, and they have their own expertise and context.”
Agent 在运行中会积累： - 新记忆：从每次运行中学到的信息 - Skill 改进建议：Agent 会主动建议更新技能、调整 system prompt、添加新工具 - 记忆碎片整理：Hyper Agent 刚上线了一个”defrag”工具，用关键词和 embedding 相似度把相关记忆聚类、合并
“It’s almost like using is believing. It’s really hard to fully grasp the power here if you haven’t actually gone and hands-on, spent like at least a full weekend playing with agents.”
Howie 指出大多数人的问题不是技术门槛，而是实验强度不够： - 他们问的问题太简单（聊天机器人级别） - 他们没有给 Agent 足够复杂的任务 - 他们还在用 Gen 1 的方式使用 Gen 2 的工具
Howie 引用了 Benchmark Partners 给被投公司的一封”警醒信”，其中有一个精彩的类比：
2003 年，两个朋友都在挨家挨户卖刀。一个人每天晚上花 30 分钟试试这个叫 Google Adwords 的新东西；另一个人干脆不卖刀了，全身心投入互联网生意。短期内第一个人有收入，第二个人零收入。但 5 年后，第二个人可能已经建起了一个数十亿美元的电商帝国——下一个 Amazon。
这个类比的意思是：现在就是那个需要”重置”的时刻。 看似在”实验”、不赚钱的那段时间，可能是你能做的最有商业杠杆的事。
“When you make your first internet dollar, no matter what it is, it rewires your brain.”
Greg 总结了两个关键里程碑：
“The mistake I think a lot of people make is they try it too sporadically. What I encourage people to do is to actually try the product every single day for a certain amount of time. Commit to 30 days, 60 days, 90 days.”
Greg 的建议： - 在日历上固定时间——每天 30 分钟在这里、30 分钟在那里 - 每天使用，像写作一样——不是等灵感来了周末写一整天，而是每天写几页 - 这样才能成为 top 1% 的 Agent builder
| 对比 | Hyper Agent 的差异 |
|---|---|
| vs Codex | Hyper Agent 是更通用的 Agent 平台，不仅限于代码 |
| vs OpenClaw | 更开箱即用、更安全、云原生、更好的 UX；OpenClaw 更像 Linux——强大但技术门槛高 |
| vs Manus / Perplexity Computer | 最接近的竞品，但 Hyper Agent 有更强的内置工具、更好的 UX、更完整的部署和扩展故事 |
核心定位差异：
“Hyper Agent is the Mac version. We want it to just work, to be secure, cloud-native.”
低地板（easy to start）+ 高天花板（scales with you）= Airtable 做 Agent 的设计哲学。
| 概念 | 含义 |
|---|---|
| Gen 1 AI | AI 辅助补全模式（Tab 补全、Copilot），人仍然主导工作流 |
| Gen 2 / 前沿模式 | 多个 Agent 并行运行，全自主执行，人只做审核（Reviewer） |
| Skills | Agent 的”专业手册”——把通用智能转化为特定领域的专业能力 |
| Rubrics | 自动化评估体系，用独立 LLM 对 Agent 输出按多维度打分 |
| Agent Fleet | 多个 Agent 组成的”舰队”，每个 Agent 映射一个人类角色 |
| Command Center | Agent 舰队的全局管理视图，监控所有 Agent 的状态和质量 |
| Memory Defrag | 记忆碎片整理——用关键词和 embedding 相似度聚类合并相关记忆 |
| Live Mode | Agent 持续在线模式，实时监控信息源并主动推送内容 |
| Full YOLO Mode | Agent 完全自主模式——自动执行、自动发布，无需人类审核 |
| PLG | Product-Led Growth，产品驱动增长，用户自己上手使用产品 |
至少花一个完整周末深度体验前沿 Agent——不是浅层试用，是给 Agent 一个真正复杂的任务（比如”帮我验证一个创业想法并做出 V1 产品”），感受完整的自主能力。
把 Agent 使用写进日历——每天固定 30 分钟，坚持 30-90 天。不要”偶尔试试”，要让它变成肌肉记忆。Greg 说这是成为 top 1% Agent builder 的方法。
用人类成本锚定 AI 价格——别用 Netflix 月费来衡量。$150 的 Token 费用做出了原本需要几天人工的工作，这是极高的 ROI。
先用 Agent 做市场验证再写代码——Hyper Agent 演示的关键启示：不要上来就开发产品，先让 Agent 研究市场、找用户痛点、做竞品分析，然后再构建。
Skills 要迭代，不要”一次性”——V1 可能只有 50% 水准，但这是起点而非终点。每次使用后给反馈，让 Skill 持续改进。
大规模运营时必须设置 Rubrics——一个 Agent 你可以人工审核，十个以上就必须用自动化评估。定义好维度，让 LLM 当评委。
瞄准中小市场（Mini/Medium TAM）——不要去追百亿美元的大市场（巨头会来），找几十亿规模的市场，做到两位数市占率就能年入数亿。
不要怕”空白页”——如果不知道从哪里开始，让 Agent 连接你的邮件、Slack、会议记录，让它帮你发现适合你的使用场景。
误区：AI Agent 只适合软件工程领域 → 错。Sequoia 数据显示其他领域渗透率极低，恰恰说明机会巨大——模型能力已经到了，只是部署还没到。
误区：用了 Copilot 就算是在用 AI 开发了 → 错。Tab 补全是三年前的 Gen 1 方式。前沿模式是 30 个 Agent 并行写代码、自动提交 PR、自动 review。
误区：AI Agent 太贵了 → 错。不要用 $10/月的 SaaS 心理价位来衡量。$150 Token 做出原本几天人工的活，是巨大的杠杆。正确锚点是人力成本。
误区：一次尝试效果不好就说明 Agent 不行 → 错。Howie 明确说 V1 可能只有 50% 水准。Agent 的强大在于迭代——Skills 可以持续优化，就像训练新员工一样。
误区：Agent 平台只是一个 App Builder → 错。Howie 反复强调：App building is a commoditized feature. Hyper Agent 的价值在于端到端——从市场调研到用户验证到竞品分析到产品构建，Agent 是”创始人”不只是”开发者”。
误区：未来会有一个全知全能的超级 AI → 错。Howie 认为 context window 有物理极限，所以 Agent 会像人类组织一样分工——每个 Agent 专注一个角色，就像人形机器人适配人类基础设施一样。
误区：Full YOLO Mode（全自动发布）是最优解 → 错。Greg 和 Howie 都不推荐内容创作用全自动模式。内容是 “hits driven business”——一天一条高质量内容，远胜于大量低质量自动发布。
误区：学会用 Agent 需要技术背景 → 错。Hyper Agent 的设计理念就是”Mac vs Linux”——即使不会写代码，也能通过自然语言交互创建 Skills、部署 Agent、设置自动化。
误区：大企业比小团队更擅长用 AI → 恰恰相反。Howie 观察到小型 solopreneur 和初创团队在 AI 采用上远快于 5 万人的大公司。大公司有太多流程、层级和惯性。
误区：Agent 的价值只在执行，不在决策 → 错。Howie 的 CEO 备忘录案例表明，Agent 在战略研究和高质量分析方面同样出色——投资人反馈那是”有史以来最好的备忘录”。
AI Agent 的真正市场规模不是万亿——而是整个白领劳动力的 GDP，即数十万亿美元。Sequoia 的万亿估计只是起步。
当前 AI Agent 渗透率极低，即使软件工程领域的 ~50% 也是高估——真正采用前沿 Agent 模式（多 Agent 并行、全自主）的人远不到一半。
Opus 4.5/4.7 标志着一个突破点——Agent 第一次像”真正的软件工程师”一样，能自主完成原本需要人类工程师数小时甚至数天的任务。
正确的 AI 定价锚点是人力成本，不是传统 SaaS 订阅费。$150 Token 费用做出 CEO 级别的备忘录，这是极高的 ROI。
创业有两条路径：PLG（产品驱动增长，让用户直接用产品）和 Top-Down（向企业 CEO 推销 AI 转型方案，每单 $1 亿+）。
Skills 是前沿 Agent 世界最重要的原语——模型的通用智能已经到了，缺的是特定领域的”专业手册”。Skills 要迭代，不要指望一步到位。
Rubrics（自动评估体系）是大规模运营 Agent 的关键——用独立 LLM 打分、追踪趋势、优化成本（比如发现可以从 Opus 降到 Sonnet 而质量不降）。
Agent 正在收敛到映射人类角色的形态——就像人形机器人适配人体工学基础设施，Agent 也在适配人类组织结构，因为 context window 有物理极限。
成为 top 1% Agent builder 的方法：每天固定时间使用（30 分钟），坚持 30-90 天。不要偶尔试试就放弃——像写作一样，强制养成习惯。
两个改变人生的里程碑：从陌生人那里赚到第一美元（大脑重新编程），月收入达到 $10K（大概率辞职 all in）。
瞄准中小市场（几十亿 TAM）——大到能建起年收入数亿的业务，小到巨头不会来抢。AI Agent 让一个人就能捕获这类市场的两位数份额。
现在就是那个”重置时刻”——就像 2003 年那个放弃门到门卖刀、全身心投入互联网的人。短期看似没回报，但 5 年后可能就是下一个 Amazon。
“If you’re listening to this and you’re not fired up about building a business right now, like, the fact that you can do this is crazy.”
这期对话的核心信息异常清晰：AI Agent 不是未来——它已经是现在。Howie Liu 不是在空谈理论，他是在用自己 CEO 备忘录的真实案例、用 Hyper Agent 现场演示的方式告诉你：一个人+一队 Agent，就可以完成从市场调研到产品构建到内容营销到客户服务的全流程。
模型的智能已经到了。工具已经成熟到普通人能用。成本已经低到个人可以承受。唯一还缺的，是你投入一个完整的周末去真正体验前沿 Agent 的威力，然后把它变成每天 30 分钟的习惯。
Greg 说得好——赚到第一美元会重新编程你的大脑。而在 Agent 时代，从想法到第一美元的路径，比人类历史上任何时候都要短。