HubSpot 走到第 20 个年头，达尔梅什·沙（Dharmesh Shah）仍然把自己定义成一个"创业者"。他是 HubSpot 的联合创始人兼 CTO，公司诞生的逻辑是互联网刚兴起时，中小企业本该因此获益却用不上好工具。二十年后，同样的剧本在 AI 身上重演——同一批客户，换了一套新技术。
这场对话发生在 a16z 播客上，由合伙人 Joe Schmidt 主持。两人对谈的起点是 Schmidt 此前写的一篇文章，核心观点是：前沿 AI 实验室疯狂扩张到应用层这条"黄砖路"之外，仍有大量空间留给创业者。几个月过去，HubSpot 推出了面向一人公司的 CRM 产品 Uspot，并开始围绕 agent 重构自己的平台。沙把这段经历当作案例，讲清楚今天做软件和二十年前做软件，到底哪里一样、哪里不一样。
1. 最好的时代，也是最坏的时代
"这是老套的说法，最好的时代，也是最坏的时代。"沙这样形容当下。好的一面是技术带来的能量和兴奋感——HubSpot 的创业故事起点是"互联网这个新东西，中小企业该靠它增长，但工具太碎片化、太吓人了"。二十年后，剧本几乎一字不改地重写了一遍，只是把互联网换成了 AI。
坏的一面是市场的"战争迷雾"：不确定性大到团队只能把注意力锚定在客户身上，而不是去猜市场下一步怎么走。沙说他做了三十多年商业软件，这是他职业生涯里做产品最有意思的一段时期——放着"现在是建设者最好的时代"这句话不提，光看他团队每天的状态就知道这不是场面话。他对 Schmidt 的调侃也很直接：外界对 AI 的整体情绪是悲观的,但现实是几乎所有事情都在往前走,这种错位本身就很奇怪。
2. 软件史就是抽象层级不断抬高的历史
沙把自己叫作"geeky guy"，给出的回应也确实技术向。他从业的年代还在用机器语言、跑在大型机上,然后是第三代语言 C、C++，再到第四代语言。整条软件发展史的主线，在他看来从来不是"又出现了一个新概念"，而是抽象层级持续抬高——让人脑子里想做的事，越来越容易被实现出来。
AI 之所以让他兴奋,不是因为它凭空制造了新问题，而是因为它把这套抬高抽象层级的工具箱又扩充了一轮。人类和企业要解决的问题本质没变,变的是工具变好用了。他顺手提了一句最近发生的事：由 type-safe 团队发布的 dev model，让他意识到这又打开了一个新维度的开发方式——不是 transformer，但同样在扩大"谁能成为建设者"的边界，这件事本身也很酷。
3. 创业点子算不出来，只能拿出去试
挑选创业想法，是沙从业三十年都没真正解决的难题。他见过太多第一次创业的人，相信存在一张十八列的电子表格,把各种系数填进去就能自动算出最优点子——"我见过太多次这种事,有人拿着美国人口普查数据,分析出'全国有一万八千家律所',然后得出一个毫不相关的结论"。
他的真实经验,也不只是他一个人的经验，而是和很多创始人交流后得出的共识：几乎不可能在事前判断一个点子好不好，唯一的办法是把它拿出去真实测试。更反直觉的是，哪怕最终做成了，那个"成功的生意"往往已经不像最初那个点子了——基因池里可能还留着原始概念的影子，但整个形态已经变了。
逻辑往下推一步：既然事前判断不靠谱,聪明的做法就是尽快把点子推出去，尽快学到它到底是不是个好方向，不是就赶紧换。AI 时代这条逻辑没变，只是迭代速度被彻底压缩了——过去可能要花六个月到两年才能学到的教训，现在可以直接拿真实用户去测试。
4. 先把光圈收窄,别急着画百亿美元蓝图
创业者常犯的第二个错误,是觉得自己必须先画出一个百亿美元级的 TAM。沙的态度很直接：有野心当然好，但他更想听到的是"你接下来三十天打算做什么",是先赚到第一美元，再谈怎么赚到一百美元。这个原则他自己现在也在用——不管是在 HubSpot Next（公司内部的创新部门）探索新想法，还是在核心平台上推新功能,他都在刻意收窄观察的视野。
赢家往往是那些迭代周期最短、学习成本最低的人。但有一件事变得比以前更难了：分发。软件变得太容易做出来，会做的人只会越来越多,选择变多,噪音也变多,想真正触达客户反而更难穿透。这也是沙反复强调"先收窄再学习"的另一重理由——赛道挤满了人，窄口径是突围的唯一办法。
从机器语言到 Transformer，HubSpot 用二十年把一次互联网红利接住，又在同一批客户身上押注 AI 的下一轮红利。达尔梅什·沙的方法论没有变过：抽象层级在升高，工具在变强,但点子的好坏依然算不出来，只能靠最短的迭代周期和最便宜的学习成本,一轮一轮试出来。
