【案例】别卷SaaS：直接买公司改造，硅谷AI Rollup新玩法

本期节目是一期“单口”篇。任鑫跳出“AI 产品怎么用”的工具层面，深入剖析了“AI 产品是怎么做成”的商业逻辑
。通过复盘三家增长迅猛的海外 AI 公司——Crescendo (AI Rollup
模式)、Mercor (从招聘平台转型数据军火商) 和 Open Evidence (医疗 AI
的信任构建)，揭示了在后 AI
时代，如何通过商业模式设计、信任构建和精准的市场切入点，构建真正的护城河。这不是简单的“套壳”分析，而是关于如何利用 AI
重塑传统服务业、抓住巨头博弈红利以及在高壁垒行业落地的深度商业洞察 。


� 关键结论 (Key Conclusions)


AI Rollup 是当下的一个新风口 (Crescendo 案例)：不再是从 0 到 1 做 SaaS
去求着传统企业用，而是由资本（VC）主导，直接收购线下的服务外包公司（BPO），注入 AI
技术提效，然后以“保证结果”的方式降维打击传统竞争对手 。这种模式避开了大企业内部复杂的政治阻力和转型困难 ()。


要做巨头博弈中的“军火商” (Mercor 案例)：在 AI 巨头（OpenAI, Google,
Meta）的“军备竞赛”中，高质量数据是核心弹药 。Mercor
成功从萎缩的传统程序员招聘市场，转型为向大模型厂商提供专家级数据标注（代码、法律、医疗等），踩中了预算无限增长的红利期 。


高壁垒行业的 AI 落地首重“信任” (Open Evidence 案例)：在医疗等严肃领域，AI
产品的首要任务是解决“敢不敢信”和“能不能甩锅”的问题 。通过引入权威信源（如《新英格兰医学杂志》）作为背书，并通过
PLG（产品驱动增长）直接切入医生个人的高频工作流，绕开漫长的医院 B2B 销售流程，是快速扩张的关键 ()()()()。



� 关键认知 (Key Insights)


Service as Software > SaaS：当下的 AI 工具往往只能做到 70-80
分，但客户需要 90 分的结果。Crescendo 的打法是用“人”去补齐那 20
分，直接交付结果。对于客户来说，买的是“省心”，而不是买一个需要自己学习和配置的“工具” 。


重新定义“数据飞轮”的有效性：并不是只要有数据就能形成飞轮。传统招聘反馈周期太长（招人后一年才知道好不好），数据无法闭环
。Mercor 转型做数据标注后，反馈周期极短（模型跑分立竿见影），数据飞轮才真正转动起来 。


商业模式的本质是设计“交易结构”：Open Evidence 证明了在某些 B2B
场景下，使用者（医生）不付费，受益者（药企）付费是更合理的模型。它售卖的不是“答案”，而是医生做决策时的“临近权”
(Proximity to decision) 。


被巨头“当枪使”是一种红利：你的价值往往取决于你被谁“当枪使”。当年滴滴快滴大战是由于被阿里腾讯当枪使去抢支付入口；现在做高质量数据是因为被大模型厂商当枪使去抢模型能力高地。找到神仙打架的战场，做那个递子弹的人
。


� 行动指南 (Action Guide)


寻找“深水区”的机会：
不要只盯着浅层的工具优化（提升10%效率没人在乎），关注那些劳动密集、分散且利润率低的服务行业（如客服、财税、法律），思考是否可以用
AI Rollup 的模式重做一遍 。


验证你的“飞轮”速度：
检查你的商业设计中，从服务交付到获得数据反馈的周期有多长？只有快速、客观的反馈才能支撑起真正的 AI 护城河 。


设计信任与利益链条： 如果你在做 ToB
产品，思考能否绕过决策层直接服务一线员工（PLG）？能否通过“羊毛出在猪身上”的方式（如广告、数据变现）解决付费难的问题？ 。


拓宽信息摄入量：
不要只盯着自己的点子，要多看市场上已有的成百上千个产品的起盘逻辑。“熟读唐诗三百首”，见过足够多的打法，才能在实战中组合出适合自己的招数
。



️ 时间线 (Timeline)


00:00 - 02:52 开场与背景


为什么要读懂商业模式？熟读“唐诗三百首”对创业者的意义 。


这期内容：分析 AI 产品是如何做成的，而非怎么用 。


02:52 - 19:05 案例一：Crescendo (AI Rollup
模式)


03:15 - 04:19 什么是 AI Rollup？VC 直接并购传统 BPO 公司进行
AI 改造 。


04:19 - 07:43 商业模式创新：不卖 AI 软件 (SaaS)，卖“结果交付”
(Service)，用人力兜底解决 AI 的 20% 不完美 。


07:43 - 10:00 为什么传统 AI SaaS
在大企业推不动？组织转型的阻力与“用不好”的困境 。


14:56 - 16:08 降维打击逻辑：为什么洗服务商（乙方）比洗甲方更容易？


19:05 - 30:15 案例二：Mercor (AI 招聘与数据平台)


21:00 - 22:19 招聘市场的本质：将 $N \times M$ 的低效匹配优化为 $N
+ M$ 的智能筛选 。


22:19 - 26:30 关键转型：从萎缩的程序员招聘市场，转型为大模型厂商的“数据军火商”
。


26:30 - 28:43
真假“数据飞轮”：为什么传统招聘没有飞轮，而专家数据标注能形成极速反馈闭环 。


30:15 - 42:37 案例三：Open Evidence (医疗 AI
搜索)


31:42 - 32:22 核心痛点：医疗 AI 的最大障碍不是智能，而是“信任”和“甩锅”需求
。


32:22 - 34:15 借势策略：如何通过《新英格兰医学杂志》等权威背书构建冷启动信任 。


34:15 - 37:54
增长策略：PLG（产品驱动增长）绕开医院决策层，直接切入医生个人的床旁检索场景 。


37:54 - 40:41 盈利模式：羊毛出在猪身上，向药厂卖“决策临近权”广告，而非向医生收费
。


42:37 - 45:45 总结与复盘


三个产品的核心启示：资本运作(Crescendo)、选对战场(Mercor)、精巧设计(Open Evidence)。


一切成功看似偶然，但我们需要学习底层的“遣词造句” 。



欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号 


「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI
和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造
AI 原生产品。 


我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将
AI 技术融入日常生活……如果你对
AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 


商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 



节目主理人： 


徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司
BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 


任鑫：云九资本合伙人，主要在投资和孵化面向全球市场的 AI
应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015
年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。



BGM：


片尾：Zac Crook - you wouldn't know