Jean-Denis Greze, founder of TownAI, discusses the challenge AI app founders face: large labs like OpenAI could easily dominate them. He emphasizes focusing on customer needs to find the right AI capabilities for businesses, thus saving money and avoiding poor partnerships. He cites examples of companies needing multiple providers to stay competitive. Greze's previous startup in AI tax products faced scaling issues, leading to its closure despite initial success, and pivoted to Town, an AI assistant engaging emails and calendars, quickly gaining market traction. Conversations cover decision logic ownership, supplier competition risks, and agents changing the economic landscape. #### 内容简介 这条 a16z 推文摘录了 TownAI 创始人 Jean‑Denis Greze 与 Alex Rampell 的对话要点：Greze 回顾他如何从替小企业做 AI 税务服务转向构建基于邮箱与日历的 AI 助手 Town，并解释了为何在 AI 时代要警惕与大模型厂商（如 OpenAI、Anthropic、Google）正面竞争。他提出“与供应商竞争很危险”的观点，强调应以客户需求为导向，保持模型中立性与能随时替换模型的能力（保留评估能力与路由控制），把平台定位为“代币分配/路由机器”。讨论还涉及时机判断（何时放弃表面可行但非风投规模的业务）、前线工程师模式随着 AI 进步会失效的风险、以及代理/agent 对广告、电商和工作流程的冲击等主题。 #### 社区观点 有人认为实验表明：大模型厂商会击垮表层封装的产品，但很少直接击垮真正掌握客户工作流的公司（Dominykas）；也有人抱怀疑态度，认为“模型中立”在企业语境里容易演变为装饰性说法（M I Mohit）；有评论指出，如果不保留自己的评估（evals），所谓中立没用——你无法判断何时模型真正变好（Kenneth Lau）；工程实践派提醒，编码集成的示例表明，不能把模型绑死，否则切换代价高昂，需要设计可替换接口（Pentra）；另有观点拓展中立的价值：不同模型有不同强项、成本与失灵模式，客户应掌握决策逻辑而非模型提供方（Joakim）；还有人强调：与供应商竞争在结构上很难赢，需要靠掌握客户价值链与差异化服务来防守（NeuroEd）。 #### 内容导读 理解这段对话的关键有三点：第一，供应侧风险：当你的核心能力严重依赖外部大模型时，供应商随时可能把相同能力原生化到他们的产品中，从而挤压你的生存空间。第二，实践性对策：采用模型中立与路由策略、保留自有评估/基准、把决策逻辑与工作流掌握在自己手里，这样既能在成本和性能间权衡，也能在模型出现更好选项时快速切换，降低被替代的风险。第三，商业判断与产品定位：不是所有看起来可行的 AI 业务都能成为风投规模；要评估采购频次、客户黏性和被大型玩家复制的难易度，必要时果断关停并转向更能控制客户关系与价值交付的方向（如 Town 的邮箱/日历工作流）。总体上，把注意力放在为客户设计“谁来做决策、谁来路由、谁来承担成本”的架构上，比一味拼模型能力更可持续。