这个破业非创不可吗？｜对谈 Articuler.ai 创始人 Jason

概览

本期播客邀请 Articular AI 创始人 Jason，讲述团队如何从通用的 AI 找人产品，转向线下活动中的观众招募与人际匹配。他们试图解决一个具体问题：参与者虽然带着寻找客户、投资人、人才或同行的目的来到活动现场，却往往不知道最值得认识的人就在何处。

Jason 介绍了产品的获客方式、匹配技术、数据壁垒和商业化思路。平台一方面帮助主办方定向邀请观众、提高出席率，另一方面在活动前向参与者推荐值得见面的人，并通过真实的连接行为持续理解用户偏好。

讨论也还原了创业低谷：融资因身份问题告吹、团队成员离开、现金流濒临断裂，Jason 一度卖掉个人股票维持公司。团队靠承接猎头、销售线索等项目活下来，并从大量一线接触中发现会议场景。

这期对话最终落到一套朴素的创业方法：早期增长不应完全依赖投放，创始人必须亲自找到客户；PMF 不能靠闭门推演，而要通过真实用户、真实交易和持续试错获得。

分段落总结

[00:20] Articular AI 的定位与服务对象

[事实] Jason 将公司描述为连接“人和机会”的分发网络与匹配平台，目标是帮助知识工作者获得更重要的人生与职业机会。

[事实] 当前业务覆盖年轻职业人士求职、个人创业者寻找人才和资金，以及猎头找人才、销售找线索等企业服务场景。

[事实] 团队正在重点发展线下活动中的人与人匹配。

[01:42] 从通用找人工具转向会议场景

[事实] 这一转向并非源于突然的灵感，而是在资金不足、无法负担广告投放的情况下逐渐形成的。

[事实] Jason 在硅谷乘坐公共交通，到大学门口和旧金山周边活动现场发传单，由此观察到参会者普遍带着寻找同行、创始人、投资人或客户等明确目的。

[事实] 即使目标人物就在身边，参与者也可能不知道对方是谁，传统活动中的关系建立仍高度依赖熟人介绍和运气。

[推测] 资源紧张迫使团队贴近真实用户，反而帮助其把抽象的“社交匹配”落到了边界清晰、需求集中的活动场景。

[03:42] 为活动主办方精准招募观众

[事实] 主办方只需提供活动主题和目标观众画像，平台便会从其声称覆盖的全球十亿人数据池中筛选潜在参与者并发送邀约。

[事实] Jason 表示，邀约邮件的打开率约为 80%，转化率约为 15%至20%。

[事实] 团队认为高打开率首先来自人群与内容匹配，其次来自简短、个性化的 AI 生成邮件，以及邮件域名和 DNS 等发送基础设施。

[事实] Jason 的邮件经验是“越短越好”，因为用户通常先扫描关键词，确认相关后才会继续阅读。

[06:45] 在活动前交付“值得认识的人”

[事实] 活动开始前一天，平台会通过邮件向用户推荐现场值得见面的人。

[事实] 推荐基于参与者的背景、意图、需求和可提供的资源，目的是让参会价值不止停留在听演讲。

[事实] 参会者已经承诺参加活动，因此对人际匹配的接受度和转化意愿更高。

[事实] 产品同时提供网页端和 App。

[07:43] 主办方为什么愿意合作

[事实] Jason 认为，Luma、Eventbrite 等现有平台主要提供票务和报名系统，而 Articular AI 补充的是定向邀约与获客能力。

[事实] 他表示，硅谷免费活动通常只有约 20%至30%的出席率，而匹配到值得见面的人能为参与者提供额外到场动力。

[事实] 团队先从既有关系和早期标杆客户入手，通过服务效果促成主办方复购和口碑传播。

[事实] Jason 认为，大型活动难以依靠人工照顾每名参与者不同的社交目标，而 AI 可以规模化完成关系推荐。

[11:23] 进入硅谷活动生态与平台分工

[事实] Jason 表示，团队曾作为 AGI Summit 的联合主办方，与 OpenAI 举办过 Codex 开发者活动，也参与过与创业社群有关的活动。

[事实] 当时平台每周同步进行几十场活动，并计划继续扩大活动供给。

[事实] Jason 不把 Luma 视为直接竞争对手，希望向其开放邀约能力，同时把人与人的匹配留在自己的平台上。

[事实] 他认为票务、收费、签到等活动 SaaS 具有独立且庞大的专业体系，团队没有必要全面复制。

[12:49] 技术壁垒：从搜索人到计算人

[事实] 团队没有仅把用户意图转成关键词查询，而是把人的背景和意图表达为高维向量，再由模型进行处理和匹配。

[事实] Jason 将壁垒概括为模型后训练、多智能体动态匹配策略，以及不同场景中的专家知识和工程积累。

[事实] 他认为团队的优势还包括工程能力、产品迭代速度和精细运营能力。

[事实] 会议产品从前一年年底发现需求，到当年上半年产品化，随后从小规模试水逐步进入放量阶段。

[15:25] 规模化、Signal 功能与活动产业链

[事实] 当时平台约有七万名注册用户，主要分布在湾区、西雅图、波士顿和纽约，其中湾区用户占比超过 40%。

[事实] 团队早期在线下打造标杆案例，产品完善后逐渐转向远程支持，以突破团队带宽限制。

[事实] Signal 功能会根据用户背景和当前意图，收集互联网上的相关动态，并进一步定位关键联系人、联系方式和外联入口。

[事实] 主持人与 Jason 还讨论了主办方、赞助商、场地及餐饮等活动服务商可能形成的多边合作网络。

[事实] Jason 表示，人数很少的闭门饭局没有强烈匹配需求，但活动规模达到约 20 人后，产品价值开始显现。

[19:47] 真正的数据资产是关系选择

[事实] 团队不希望重复建设另一个 LinkedIn，而是试图沉淀不同维度的数据。

[事实] 当平台推荐十个人，用户选择向其中八个人发起连接，这些选择便构成其兴趣和偏好的信号；若对方接受，信号会进一步增强。

[事实] 这些真实交互会用于强化平台对双方背景、需求和偏好的理解，使后续匹配更准确。

[事实] 团队曾尝试获取更多沟通数据，但发现交流可能分散在平台消息、邮件、视频会议和线下见面中，只取得局部数据容易产生误判和噪声。

[推测] 相较静态履历，双向选择和实际回应更接近关系是否有价值，因此可能成为平台更难复制的数据资产。

[22:00] 从会议入口走向“原子社交网络”

[事实] 主持人认为，会议既可以独立创造价值，也可以成为持续获得用户和承接社交意图的入口。

[事实] Jason 提出一种设想：围绕特定人群开放报名，截止后根据每个人的背景与意图进行点对点匹配，而不一定举办传统群体会议。

[事实] 团队对直接建设大而全的双边社交网络较为谨慎，因为早期公司既缺少用户规模，也缺少足够的局部密度。

[事实] 其策略是先利用公开数据，让用户即使在平台规模有限时也能找到外部目标；再以单场活动为“小时间、小空间”，建立内部所谓的“原子社交网络”。

[24:47] 融资受挫、现金危机与创始人低谷

[事实] Jason 形容创业心态像过山车：早晨可能担心公司即将失败，工作到深夜又会因进展而极度兴奋。

[事实] 最困难时，他住在大学室友或其他朋友家里，业务和融资同时遭遇挑战。

[事实] 团队曾拿到一家美国机构的投资意向，但因身份及机构资金背景问题未能完成投资。

[事实] 随着融资失败、业务方向未定，一些团队成员选择离开。

[事实] 在现金流接近断裂时，Jason 卖掉个人股票并把资金投入公司，也曾反复思考是否应该放弃，最终选择继续。

[推测] 他后来把融资失败重新理解为一种约束：如果当时获得大量资金，团队可能会用招聘和投放掩盖尚未解决的增长与产品问题。

[29:11] 用户结果带来的转折

[事实] Jason 表示，团队最终依靠产品而非创始人履历证明了自己，老股东也在困难阶段继续提供支持。

[事实] 随着用户、付费和留存改善，他会通过用户访谈了解产品帮助用户找到谁、取得了什么结果。

[事实] 一名伯克利毕业的印度创始人通过平台匹配到投资人并拿到第一张支票，后来进入 YC；对方表示，如果没有这笔投资，可能已经放弃产品。

[事实] 在 AGI Summit 上，一名寻找慈善捐赠者的用户查看匹配结果后，很快购买了年费会员。

[推测] 这些具体结果比抽象的市场叙事更能验证产品价值，也成为创始人继续投入的重要心理支撑。

[31:28] 增长规划与 AI 应用的生存逻辑

[事实] 团队计划继续与合作伙伴举办活动，同时改善用户旅程和产品交互，希望下一年达到每周超过两百场活动。

[事实] Jason 认为，许多 AI 应用只是生产力工具，一旦基础模型进入相同场景，产品便可能迅速失去价值。

[事实] 他认为社交匹配与模型能力是“水涨船高”的关系：模型越强，动态匹配和用户体验反而越好。

[事实] 他观察到美国不少企业服务公司通过 FDE 模式进行深度交付，并把可复用部分逐步产品化。

[事实] 在美国较高的人力成本下，只要产品能替代明确的人力工作，企业便更容易形成付费意愿。

[35:05] 坚持来自使命感、好胜心与逆袭心态

[事实] Jason 认为这件事应该由自己完成，否则世界可能失去一个有价值的产品。

[事实] 他不认同把创业当成时髦标签，认为真实创业长期而艰苦。

[事实] 面对投资人的负面评价，他更相信已经出现的收入和用户反馈，并希望用结果证明产品不弱于那些背景更受青睐的团队。

[事实] 他把自己视为长期的“underdog”，认为做正确的事并坚持，是自己成长过程中不断重复的经验。

[推测] 使命感让他愿意长期投入，好胜心则把外部否定转化成了继续行动的动力。

[38:04] 最大的风险是错过增长窗口

[事实] Jason 表示，产品早期为了验证需求和路径跑得很快，因此留下了一些粗糙之处；但找到场景与用户后，他最担心的反而是增长太慢。

[事实] 他认为 AI 应用失败往往不是因为产品完全不可用，而是因为无法把产品卖出去。

[事实] 他不相信完全没有获客成本却能迅速获得巨额收入的故事，认为增长最终仍要投入流量、团队或其他资源。

[事实] 团队需要在有限资金和时间窗口内，把资源用在最高效的位置，同时为后续增长寻找更多资金。

[40:31] 一线观察如何发现会议需求

[事实] Jason 将找到会议场景归因于长期的一线观察，而不是单纯的战略推演。

[事实] 他回顾投资经历时表示，自己会与软件团队深聊，也会去硬件公司的工厂和供应链现场。

[事实] 资金不足使他必须亲自进入活动、接触用户和理解需求，而不能只做招聘、融资或下一轮叙事。

[事实] 团队还尝试过猎头找人才、销售找线索、代发邮件、求职社交和创始人找投资人等方向。

[事实] 这些尝试帮助团队判断哪些需求只是设想，哪些场景具有明确刚需和付费意愿。

[42:09] 企业订单维持生存，但数据仍是核心

[事实] 最困难时，团队通过猎头和销售线索等企业订单获得收入，其中包括帮助中国企业寻找海外客户。

[事实] 服务对象还包括建筑材料、机械设备、叉车和起重机等并不常被软件行业关注的传统企业。

[事实] Jason 认为，这类业务主要是重新组织、表达和分发公开数据，长期壁垒有限，但对公司的生存和现金流仍然重要。

[事实] 他希望最终让用户不必耗费大量时间寻找人和机会，而是让其能力与背景可以被合适的人发现。

[44:18] 断粮时如何先活下来

[事实] 公司一度无法正常发放工资，合伙人和团队成员表示愿意暂缓领取薪酬，甚至提出提供个人资金。

[事实] Jason 表示自己前一年没有领取工资，因资金紧张而借住朋友家。

[事实] 面对生存压力，团队优先寻找能够尽快产生现金流的企业订单。

[事实] Jason 强调，困境本身不值得美化；持续感到困难可能意味着尚未找到正确路径，但创始人仍需选择继续解决问题还是退出。

[48:08] 给困境中创业者的生存建议

[事实] Jason 建议创始人始终记住资源匮乏时的状态，并保留一张可以续命的底牌。

[事实] 他认为“活下去”并不丢人，真正危险的是长期做虚无的事情，最终耗尽所有资源。

[事实] 对于缺钱做推广的说法，他并不认同：早期客户应由创始人一个个寻找和沟通，而不是一开始就依赖广告。

[事实] 他认为创业者必须知道客户在哪里，并具备基本销售能力。

[50:01] 寻找 PMF：离开房间，与市场对话

[事实] Jason 认为，迟迟找不到 PMF 的常见原因是闭门造车，在内部反复想象产品，而没有与用户、客户和同行充分交流。

[事实] 他将“凭空想出一个全新需求”视为自己曾犯过的最大错误之一。

[事实] 他的建议是先理解市场上已经发生的交易和行为，再利用新技术做效率改善。

[推测] 这套方法强调从现存需求切入，可能降低教育市场的成本，但也可能让团队更偏向渐进式创新。

[50:39] 去美国找方向，关键是落地而非参观

[事实] Jason 认为，去美国短暂停留是否有效，取决于是否真正接触目标用户；只在华人圈听取低成本建议，未必能获得有效答案。

[事实] 他不喜欢“出海”这个说法，认为服务美国用户的创业者应该把自己视为当地企业家，并从第一天开始考虑落地生根。

[事实] 他认为语言并非主要障碍，只要能表达清楚、听懂对方，就应大胆与用户交流。

[事实] 单纯到硅谷待几周、等待自己突然开悟并不现实。

[52:04] 结语：做正确的事并坚持

[事实] 主持人认为，Jason 并非传统意义上依靠显赫背景或行业光环获得关注的嘉宾，而是白手创业、投入个人资源并熬过低谷的代表。

[事实] Jason 将自己理解的创业概括为：做一件正确的事情，并坚持下来。

[推测] 本期真正强调的并非苦难本身，而是在资源不足时仍持续接触用户、获得收入并修正方向的能力。

播客点评/总结

本期最有价值的部分，是把一次产品转型拆解成了可观察的因果链：资金不足迫使创始人走到活动现场，现场观察暴露真实痛点，早期服务带来主办方复购，而真实连接行为又逐渐形成数据资产。这比抽象谈论“AI 社交”更具体。

对早期创业者而言，Jason 关于获客和 PMF 的判断尤其有启发：没有预算不等于无法增长，早期应由创始人亲自找客户；找不到方向时，也不应只在内部推演，而应回到真实用户、交易和反馈。

本期的局限是，用户规模、邮件效果、活动出席率、行业排名及市场规模等数据主要来自嘉宾自述，转录中没有提供外部验证；部分技术壁垒也只停留在概念层面。[推测] 因此，这些内容更适合作为创始人的实践复盘，而不是经过独立核验的商业案例。

[推测] 本期适合正在寻找 PMF、面临现金流压力、计划进入美国市场，或关注 AI 社交、人脉匹配和活动科技的创业者与投资从业者。