Anthropic的Cat de Jong和OpenAI的Tara Seshan,要去10月旧金山的TechCrunch Disrupt讲AI企业落地和AI原生增长了。这条消息单看不算反常——两家公司现在到处派人讲企业客户案例。真正让人多看一眼的,是官方公告里藏着的一个细节:同场其他公司的演讲都已经排到了具体的几点几分,Anthropic和OpenAI这两个最大牌的名字,截至发稿连个时间段都没给。
排一场会,通常先给流量最大的嘉宾锁定黄金时段。这次反过来了。
时间表排到分钟,两位大厂嘉宾卡在“待定”
AI Stage是今年Disrupt(10月13-15日,旧金山Moscone Center,六个舞台、200多场分论坛、250多位演讲者)里专门谈AI的板块,由Google for Startups冠名。10月15日当天已经排出分钟级日程:Video Intelligence Race(9:00-9:35)、Agent Security Problem(9:35-10:10)、Rewriting SaaS(10:10-10:50)、GTM Engineer(11:40-12:10)、The Enterprise Isn't Broken(14:10-14:40)、Securing the AI Enterprise(14:40-15:15)。
Cat de Jong(Anthropic应用AI负责人)和Tara Seshan(OpenAI生产力负责人)的场次,没有出现在这张时间表里。
这本身也是一场明码标价的生意——目前票价:
| 票种 | 现价 | 原价 |
|---|---|---|
| Attendee | $849 | $1049 |
| Founder | $899 | $1099 |
| Investor | $999 | $1199 |
| 非营利 | $349 | $499 |
| 学生 | $299 | $399 |
| Expo+ | $249 | $349 |
一个大会提前把次要嘉宾的时间锁死,却把最抗流量的两个名字晾在“待定”栏,更合理的解释是——他们是后补进来的。会议筹备早于两家公司官宣参会,Anthropic和OpenAI更像是最后拉来撑场面的流量嘉宾,不是提前设计好的核心议程。
流量嘉宾可以后补,核心议程补不出来。
议题变了:从秀模型到讲落地
过去几年AI Stage谈的是模型能力比拼,这次六场议题几乎全在讲部署之后的事——企业安全治理、SaaS定价怎么在模型商品化之后还能收钱、还有“GTM engineer”这种两年前不存在的岗位。背后是一个共识:模型能力比拼的边际收益在往下走,企业采购看的不再是模型强不强,而是能不能落地、能不能审计、能不能定价。
Cat de Jong的职位是Applied AI负责人,Tara Seshan的职位是Head of Productivity——这两个title本身就是信号。大模型公司现在专门设岗位对接企业客户和内部增长,不再只靠研发部门自说自话。这说明两家公司都急着证明ROI,而不是继续讲“我们的模型又聪明了多少”。
原文没提的一场,才是真正的焦虑源
TechCrunch这篇官宣稿列了八场演讲,唯独没提大会另外安排的一场独立panel:“What Happens When OpenAI Ships Your Roadmap”——专门讨论创业公司怎么应付基础模型厂商功能扩张带来的生存威胁。
Anthropic和OpenAI一边在主舞台讲“我们怎么帮企业落地”,大会另一边却安排了一场讨论“我们怎么把你的功能吃掉”。这种张力,原文的宣传稿只字未提,却恰恰是创业者最该盯着的问题。
安全“从零重建”、新职业“GTM工程师”:先别急着信
Databricks和Okta的两场演讲都在说agent安全需要从基础设施层重新搭建,应用层的权限模型是错的。这话听起来像范式转移,但身份认证、权限管理、审计这些机制早就存在,agent带来的只是实现变复杂,不是从零发明。这两家公司卖的正是身份和数据安全产品,话说得越紧迫,越容易卖出去。
Clay创始人那场讲“GTM engineer”是两年前不存在的新职业,独立从业者能做到百万美元级生意。这个判断目前只有厂商自己的叙事支撑,是新职业还是Growth engineering、RevOps套上AI外壳的重新包装,业内没有共识。
整场议程站上台的全是厂商、投资人和创始人,没有企业买家、独立安全研究者、监管者的声音。兼听则明,偏信则暗——少了买家和第三方验证,再精彩的“内幕分享”也只是单方叙事。
- 风险.议程只有卖方视角,企业安全、GTM效果这些说法目前都缺乏独立验证。
- 结论.十月大会真正见分晓的,不是模型多强,而是这些说法能不能拿出可验证的部署数据。
回到开头那个“待定”的时间段。等到10月13号大会真开始,Anthropic和OpenAI的场次大概率会被填上一个体面的时间。排期能补,叙事能不能补上证据,是另一回事。
