将智能体AI带入华尔街的金融初创公司
摘要
本视频是Y Combinator对Model ML创始人Arie和Chaz Englander的深度访谈。Model ML是一家为金融服务行业打造AI工作空间 (AI Workspace) 的初创公司，隶属于YC 2024冬季批次。两位创始人在此之前已成功创办并出售了两家YC公司——Fancy（最后一英里杂货配送）和Fat Llama（物品租赁市场），是YC历史上首对两次成功退出后又创办第三家YC公司的创始人组合。Model ML的核心产品是一套类似Office套件（Word、PowerPoint、Excel）的AI工作空间，但底层构建于一个镜像金融从业者数字资源的智能体系统 (Agentic System) 之上——该系统连接了文件系统、邮件、CRM、数据供应商、公开文件、内部数据集等所有信息源，形成所谓的"认知架构" (Cognitive Architecture)。目前全球约10%的最大私募股权 (Private Equity) 公司和投资银行正在使用Model ML，客户还涵盖资产管理公司、主权财富基金和风险投资公司。访谈中，两位创始人分享了Model ML的产品定位与市场进展——过去七天签署的合同数量等于去年整个Q4；探讨了AI模型在过去一年中的飞速进步以及金融行业从"测试"到"使用"的根本性转变；回顾了Fat Llama和Fancy两家前公司的创业历程与教训；深入讨论了招聘哲学、联合创始人关系、客户至上的理念、对年轻创业者的建议，以及旧金山与欧洲创业生态的对比。
正文
开场与创始人背景
本期访谈的嘉宾是Arie和Chaz Englander兄弟，他们是Model ML的联合创始人，参加了YC 2024冬季批次。在创办Model ML之前，他们已经成功创办并出售了两家YC公司——Fancy和Fat Llama。主持人指出，这是他第一次与两位创始人均有过往成功YC公司经历的团队合作，堪称史无前例。
Model ML是什么
Model ML是一个面向金融服务的AI工作空间。用一句话概括，它相当于金融行业版本的Office套件——拥有自己的Word、PowerPoint和Excel——但根本区别在于，这套工具构建在一个智能体系统之上，该系统镜像了金融从业者日常可访问的所有数字资源。具体而言，如果你是某公司的员工，你拥有文件和文件夹系统、邮件、CRM (客户关系管理系统)、付费数据供应商、实时公开信息、公开文件 (Public Filing)、内部自定义数据集等。Model ML将所有这些资源整合为所谓的"认知架构"——一个模拟人类数字工作环境的智能系统，并在其上叠加用户界面。核心理念是：如果你的Excel电子表格已经连接了所有这些数据源，你花在搜集和分析信息上的时间将大幅减少。
垂直增长与市场拐点
当被问及当前进展时，Chaz用"垂直"一词概括了增长态势——过去七天签署的合同数量等于去年整个Q4。这标志着金融行业正在经历一个真正的拐点：智能体AI产品正在驱动清晰可衡量的价值，而且只会越来越好、越来越快。
金融行业传统工作方式的痛点
在Model ML之前，金融从业者的日常工作高度依赖Office套件和Outlook，大量流程既手工又重复。两位创始人强调，他们并非主张人类永远不应做这些任务，而是指出让受过高等教育的分析师或助理去整理PowerPoint演示文稿中的Logo——这种已经重复了数百次的工作——显然不是对人才的最佳利用。
Model ML的起源故事
Model ML的诞生源于两位创始人在出售前两家公司后做投资的经历。他们坦承自己在投资方面"相当糟糕"，但对自动化投资流程产生了浓厚兴趣。起初他们只是"为了好玩"搭建了一个系统：当收到投资机会邮件时，系统会自动生成一份一页纸摘要 (One-Pager)。有趣的是，这份摘要中约90%的信息并非来自邮件本身——系统会主动查阅目标的LinkedIn、Crunchbase、S&P等数据源，如果是消费品公司还会查看评价网站，自动完成人类分析师会做的初步调研工作。当他们意识到自己"做投资不太行，但做产品还不错"时，Model ML便正式诞生了。
客户规模与行业渗透
目前，全球约10%的最大私募股权公司和投资银行在使用Model ML的产品。客户群体还涵盖资产管理公司 (Asset Manager)、主权财富基金 (Sovereign Wealth Fund) 以及多家风险投资公司。从最初为个人投资需求构建的内部工具，到如今服务全球顶级金融机构，Model ML的转型令人瞩目。
典型应用场景：财报摘要
以追踪上市公司的财报发布为例，分析师或助理的传统流程是：每次发布后，从公司文件 (Filing) 中提取关键数据，从FactSet等数据供应商获取一致预期 (Consensus) 数据，将所有信息整合成一份精美的"财报摘要" (Earning Summary) 幻灯片。这个过程通常需要数天时间，因为所有数据必须追溯到源头并逐一核对。而在Model ML中，Excel电子表格已经预先连接了这些数据源，可以自动导出到设计模板中。当财报发布时，一份包含封面页、主页和法律页的三页文档会自动出现在用户的SharePoint或Google Drive中，完成度达90%-95%，在某些情况下甚至比人工更准确——因为模型可以从多个数据源交叉验证同一数据。
模型进步：从去年到今年
两位创始人回顾了AI模型在过去一年中的飞速进步。从今年一月以来，模型能力"直线上升"。关键差异在于：去年是"测试之年"——所有公司都想确保对AI有所接触，尝试试点项目，但本质上仍在测试阶段；而今年，整个行业从"测试"转向了"使用"，发生了根本性转变。有趣的是，即使Model ML自身不做任何改进，底层模型的进步也会自动提升产品效果——这是一个非常独特的竞争环境。此外，视觉模型 (Vision Model) 的突破带来了质的飞跃：将传统的OCR能力与视觉模型对表格和图表的理解能力相结合，从文件中提取结构化信息的能力发生了根本性变革。在许多数据采集和呈现类任务上，模型已经比人类更准确，顶级金融公司中这类低层级的日常工作正在被全面自动化。
金融行业购买软件的转变
主持人从YC的观察角度补充：两年前，普遍观点是投资银行和私募基金不买软件，即使买也十年才买一次；去年，这些公司变得"AI好奇"——他们开始做试点项目；而今年，试点终于转化为实际合同。两位创始人证实了这一转变：去年是概念验证 (Proof of Concept) 之年，而今年平均合同期限已达数年。更关键的是，AI不再是普通工具——它是每个公司最高管理层的第一优先事项。Model ML卖的不是下一个CRM或数据供应商工具，而是"全球金融服务领域最先进的AI解决方案"。对CEO和高管而言，这是他们不得不接听的电话，这一趋势对所有AI初创公司都有利。
销售模式：顶级决策者
Model ML的销售对象是公司最高层——无论客户是Top 5还是Top 10的投资银行，决策者都是CEO或最高级别高管。两位创始人坦言，这在创业初期令他们感到意外——他们原以为采购会在团队或部门层面决策，但AI的战略重要性使其成为全公司级别的议题。不过，仅有高层支持还不够，最终使用工具的一线员工的认可同样关键。为建立信任，Model ML团队坚持面对面交流——在全球各地飞往客户所在地，在香港和新加坡设有团队，在印度新开了办公室，约半数团队在伦敦，纽约也有办公室。信任是签单的最大障碍——决策者如果判断失误可能被解雇，因此需要大量时间通过面对面接触 (FaceTime) 和深度演示来建立信赖。
前公司一：Fat Llama——物品租赁市场
Fat Llama是一个允许人们从附近的人那里租赁物品的市场，核心差异化在于提供保险——如果你借出价值一万美元的相机，物品是受保的；借出电钻同样如此。这个模式此前被多次尝试过，但Fat Llama花了三年才找到产品市场匹配 (Product-Market Fit)。Chaz将产品市场匹配宽泛地定义为：单位经济学 (Unit Economics) 跑通、用户真正需要你的产品、目标市场足够大。
Chaz分享了一个经典故事：Fat Llama上线第一天就收到一笔600美元的租赁订单，他兴奋地立即更新了财务模型中的平均订单价值，觉得公司要"上天了"。这是一架价值1800英镑的无人机，原定周日归还。结果到了周日，出借人联系不上借款人，他们开始紧张。凭借应用中的地理位置数据，Chaz直接驱车前往北伦敦一条随机街道，发现一扇门开着，推门进去就看到了那架无人机。他拿起无人机，直接送到出借人家里。出借人问"你是谁？"Chaz穿着Fat Llama的T恤说"我们自动归还物品"。这个故事虽然惊心动魄，但最终证明保险和验证体系是有效的。关键在于坚持——他们深信这种服务应该存在，也深信技术能让它运行，最终它确实成功了。
前公司二：Fancy——最后一英里杂货配送
Fancy是一家最后一英里杂货配送 (Last-Mile Grocery Delivery) 公司，采用垂直整合 (Vertically Integrated) 模式——拥有自己的仓库、自己持有库存。这在当时的欧洲还相对新颖，Fancy是英国首家采用此模式的公司。Fancy起源于Chaz做学生时的真实需求——想吃品客薯片或想喝啤酒，但不想走到五分钟外的便利店。MVP仅用四到六周就搭建完成，几乎一夜之间就找到了产品市场匹配——毕竟以与便利店相同的价格给学生送啤酒和冰淇淋，需求显而易见。恰逢COVID疫情爆发，Fancy的业务获得了巨大推动力——所有人居家，配送需求暴增。大约18个月后，美国市场领导者Gopuff向Fancy发出收购要约，希望借助Fancy进入欧洲市场。Chaz形容Fancy从外部看像"童话故事"，但内部经历了无数灾难——Stripe突然关闭支付、配送司机问题、仓库问题等。早期团队亲自完成了前1500单配送，白天写代码，晚上送订单，与每位客户直接沟通，获得了极致的实时反馈。
招聘哲学：文化契合优先
从Fancy和Fat Llama的经验中，两位创始人对招聘有了深刻转变。Chaz回忆自己在22-23岁担任Fancy CEO时"完全不懂招聘"，那时招聘只看候选人之前在哪里工作过、简历上有什么。如今，Model ML最看重的标准是"你是否享受与这个人共事"——因为团队每天大量时间一起工作，文化契合度 (Cultural Fit) 是首要考量。他们现在会多次面谈，确保候选人是正确的文化契合。Model ML招聘速度很慢，但力求招到对的人。另一个关键是工作伦理 (Work Ethic)——两位创始人至今仍每周工作七天，已持续18个月；团队目前每周工作六天。他们还会问候选人最近在构建什么——如果对方提到在做Vibe Coding (氛围编程) 或其他个人项目，这说明他们真正享受所做之事。
客户至上：创始人的深度参与
Model ML至今仍保留试点阶段 (Proof of Concept Phase)，这既是销售环节，也是纯粹的客户反馈环节。Chaz 100%参与其中，他更喜欢坐在用户身旁，用笔记本电脑一起使用产品，而非在屏幕上远程演示。这种深度参与不仅是最有效的销售方式，也是持续获取真实客户反馈的最佳途径。两位创始人始终践行YC的核心准则——与客户交谈并倾听，理解他们使用Model ML的痛点、日常工作流程，然后思考如何将解决方案产品化 (Productize)。他们追求快速迭代和快速发货，目标是尽可能保持精简，甚至希望成为"最早的十人十亿美元公司"之一。
联合创始人关系：兄弟搭档
作为兄弟搭档创业，Arie和Chaz分享了他们对联合创始人关系的理解。YC历史上，兄弟姐妹搭档往往有较好的合作基础。两位创始人强调，最关键的是你是否愿意与这个人共度大量时间——你与联合创始人相处的时间将超过与家人、伴侣和朋友的时间。他们之间的"无滤镜"沟通是最重要的优势——非常透明、非常坦诚，没有误解和沟通缺失，而创始人关系破裂 (Founder Fallout) 正是创业失败的最大原因。他们的技能分布呈现清晰的韦恩图 (Venn Diagram)：Arie负责工程和产品，Chaz负责财务和商业，重叠部分是客户和产品——这恰恰是他们认为最重要的部分，也是两人共同热爱之处。关键在于双方对各自领域的兴趣是真实的——如果Chaz内心渴望写生产代码，那问题就大了。
给年轻创业者的建议
当被问及对20岁出头、想要做出大事业的年轻人的建议时，两位创始人的核心观点是：首先，他们倾向于建议先创业而非去大公司，但要诚实告知创业极其艰难——从外部看可能像阳光和彩虹，实际上困难重重。你可能为此投入5年、10年、15年，最终可能一无所获，你必须接受这一现实。其次，你必须对所做的事情充满热情，拥有Chaz之前提到的坚持精神。如果这听起来适合你，就去创业；如果不确定，可以先去工作，在准备好的时候再跳入创业世界。Chaz还提供了一个思维框架：想象自己临终时回望人生，你希望从生命中得到什么？他们的答案是——希望自己的时间是有影响力的，希望为世界留下人们喜欢使用的东西。Paul Graham曾给他们的建议也令人释然："如果你26岁而且穷，那是最差的结果。但大多数26岁的人本来也没钱。"最差的情况也不过是你在短时间内学到了大量东西——而那些传统工作机会依然会在那里。
三次YC经历
两位创始人是罕见的三次YC参与者。他们解释，第二次和第三次参加YC并非出于财务考虑。有人问他们如何在整个公司生命周期中保持"YC文化"，Chaz的回答是：那种文化无法复制。他清楚地记得2017年Michael Seibel在第一次办公时间里的反应——当他汇报月度数据时，Michael问"你在做什么？至少每周聊一次，如果不行就每天甚至每小时。"那种紧迫感文化永远留在了公司中。第二个不可替代的方面是即时支持网络——作为来自欧洲、每周工作七天的人，他们周围很少有人理解这种工作方式，甚至很多人在财务上不需要他们如此拼命时仍不认同。而在旧金山，通过YC获得的支持网络是在其他任何地方都无法得到的。
Winter 24批次：AI浪潮中的亲历者
Winter 24是首批真正意义上的"AI批次"——几乎所有公司都在做AI。两位创始人描述，在Slack群组中，几乎每天甚至每小时都有科学突破的消息，那种置身于变革中心的体验令人震撼。在旧金山，人们甚至在跑步机上开着笔记本电脑开Zoom会议讨论融资——这在英国是难以想象的。
旧金山与欧洲创业生态的对比
这是一个颇具争议的话题。两位创始人坦承自己"绝对热爱旧金山"——每次来到这里都觉得这是世界上最好的地方。在英国，"硅谷的传说"曾被他们认为只是神话，直到亲身来到旧金山参与Model ML的批次才真正感受到这种独特的氛围。然而，他们选择将工程团队留在伦敦，原因在于欧洲的工程人才水平同样非常出色，但竞争远低于旧金山——在湾区，你必须与最大的公司争夺人才，最终可能还是从自己的网络中招人；而在英国，招募顶级人才的能力可能更强。不过他们也在尝试说服团队搬到旧金山，因为在欧洲找到愿意如此拼命工作的人确实更难。主持人给出的建议是：如果留在欧洲，至少要搬到少数几个有野心人的城市之一，伦敦是其中之一。有趣的是，尽管80%的客户在美国，Model ML的全球金融客户的技术决策权中有相当一部分来自旧金山——而非纽约或伦敦。如果当初知道这一点，可能当初会把工程团队放在旧金山。
产品未来：从人机协作到自主执行
展望未来，两位创始人认为今年最大的转变将是：人类不再需要"点击运行"按钮。当前，人们仍然需要进入系统、主动触发操作；未来，这些任务将完全自主 (Autonomously) 完成——当你早上到达公司时，你通常需要去触发和执行的那些事情，已经自动完成并等待着你。这意味着用户界面的部分元素将变得不那么重要。不过，至少在目前，他们选择重建自己的Word、PowerPoint和Excel版本，因为人们与技术交互的方式——长文档、叙事性演示文稿、表格——在短期内不会改变。他们不是在强迫用户改变习惯，而是在用户熟悉的界面形态下，嵌入远超传统工具的智能能力。
结语
Arie和Chaz Englander的创业历程展现了一种独特的创业哲学：坚持不是盲目的——当一件事在逻辑上讲得通时，你就应该继续做下去，不要被任何东西阻挡。从Fat Llama的三年艰难寻路，到Fancy的疫情红利与Gopuff收购，再到Model ML在金融服务AI领域的垂直增长，三次创业的核心驱动力始终如一——构建让人们微笑使用的产品，让自己的时间产生真正的影响力。正如他们所言：全力以赴 (Go All In)，因为最差的结果不过是你在极短的时间内学到了极多的东西。