Jeetu Patel 如何把 Cisco 运营成“世界上最大的创业公司”

一、嘉宾背景

这期节目来自 Y Combinator Podcast / YC Paper Club，标题是《How Jeetu Patel Runs Cisco Like the World’s Largest Startup》，由 Y Combinator 于 2026-10-08 上传，时长 2603 秒。它不是一段普通的公司宣传访谈，而是围绕一家大型科技公司如何在 AI 平台转移中重新定位自己的长访谈。讨论重点落在 Cisco 的产品转型、AI 数据中心建设、企业内部 AI 采用、agent 安全，以及 Patel 的个人经历如何塑造他的管理判断。

嘉宾 Jeetu Patel 在证据中被标注为 Cisco 的 President and Chief Product Officer。节目中，他先把自己的职责说得很直接：帮助 Cisco 建出客户能够大规模使用的最好产品。随后，他把 Cisco 放进更大的 AI 叙事中，称其为 AI 时代的基础设施公司。这个身份背景决定了访谈的角度：Patel 不是从旁评论 AI 浪潮，而是在解释一家大型网络、安全、机器数据和全栈基础设施公司如何参与 AI 的底层建设。

节目支撑 Patel 观点的经验主要有三类。第一，他正在 Cisco 负责产品和基础设施相关方向，并把 Cisco 描述为让 AI 安全、可靠、大规模运行的公司。第二，他曾经营自己的公司，后来进入 EMC 和 Box，因此能够比较创业公司、大公司和成长型软件公司的不同组织能力。第三，他在访谈后半段把自己从印度来到美国、在 Sizzler 端盘子、再到管理大型产品组织的路径，与他对野心、学习、平台和长期关系的判断连接起来。以下分析聚焦 Patel 在节目中的说法和主持人追问出的具体案例，而不是对 Cisco 全史作外部独立验证。

二、本期主要内容

这期访谈的主线，是 Patel 如何解释 Cisco 在 AI 时代的位置。他说 Cisco 可以被看作淘金热里的“picks and shovels company”：当别人开发模型、应用和 agent 时，Cisco 提供让 AI 运行起来的底层能力，包括网络、安全、观测、机器数据以及数据中心相关基础设施。主持人指出，四年前大多数人不会这样描述 Cisco；Patel 的回答则把这种变化归入一场世俗性平台转移，认为 Cisco 已经进入 AI infrastructure game。

节目随后转向组织问题。Patel 说，大型转型中，领导者往往得到过多荣誉，真正写代码和执行的人得到的荣誉不够；领导层的作用更多是设定方向、找对人、建立机制，并选择要进入的市场。他把自己在 Cisco 的工作方式称为 founder mode 的一种：像“late-stage co-founder”一样拥有公司，不把销售、市场或产品问题严格切成别人的边界，而是认为 everything is your job。主持人由此追问 Cisco 是否处在 wartime，Patel 的回答是：产品转身已经发生，但未来三到七年的 AI 基础设施机会更大，所以组织必须以更高频率运行。

第三条主线是 AI 基础设施和数据中心。Patel 估计，强力使用 agent 的人还不到 2%，但当前生产出的基础设施已经被迅速消耗；如果未来 25%、30%、40% 或 50% 的人开始使用 agent，需求会进入另一个量级。他用 GPU 集群扩展解释 Cisco 的位置：机架或服务器内是 scale up，数据中心内部是 scale out；当电力限制迫使相隔数百公里的数据中心像一台逻辑计算机一样工作时，就需要 scale across。Cisco 重点在 scale out 和 scale across，并提供 silicon、switch trays 和 photonics。

最后，节目覆盖了 Cisco 内部 AI 推广、AI 安全和 Patel 的职业教训。Patel 反复强调，企业采用 AI 的目标不是少雇人，也不是单纯快 20%，而是得到原本无法想象的问题解决能力。他还把可信 AI 委托视为未来几年的关键议题，介绍 Cisco 面向 agent 的安全平台。访谈后半段则从他的早年经历出发，谈 ego、商业模式匹配、长期复利、关系和平台意识。

三、核心观点：推理、例子与边界

Patel 最核心的判断，是 AI 对企业的意义不应被压缩成“效率工具”。他说目标不是 efficiency，也不是少雇人，而是让 AI 产生原创洞察，使组织能够解决过去想不到的问题。这个判断并非空泛口号。他给出的推理是，每当 AI 带来阶跃式提升，新的人工瓶颈就会出现。写代码自动化之后，代码审查会成为瓶颈；代码审查自动化之后，判断该构建什么、不该构建什么又会成为瓶颈。因此，他的强假设是未来需要更多工程师，而不是更少。这里的限制也很清楚：这是 Patel 对 Cisco 和知识工作趋势的判断，不是独立统计结论；它成立的条件，是组织确实把人类判断迁移到更高杠杆的位置，而不是只用 AI 做表层成本削减。

他对组织的第二个观点，是“世界上最大的创业公司”必须同时拥有速度和规模。Patel 说，只讲速度只是创业公司，只讲规模只是大公司，难点是 speed with scale。他强调 founder mode，因为在 wartime 和平台转折期，跨职能主人翁意识比静态边界更重要：销售有问题他会去看，市场有问题他也会介入，同时也欢迎别人挑战产品组织。但他没有把 founder mode 神化。相反，他明确说，如果 Cisco 全是 founder 会失控，所以领导团队需要三类人：懂 Cisco 的规模化操盘手、来自外部市场的系统思考者，以及被收购公司的创始人或 CEO。这个限制让他的组织观点更可信：创业型进攻需要与系统性运营彼此制衡。

在 AI 基础设施上，Patel 的论证有两层。第一层是需求：他估计强力使用 agent 的人低于 2%，但当前基础设施已经供不应求；如果未来更多人把任务交给 agent，网络、算力和数据中心需求会大幅增加。第二层是消耗方式：agent 为了完成任务会不断补充上下文、调用工具、读取相关文件并来回交互。节目中 Patel 说，同一任务下，agent 平均比人类多消耗 450% 网络带宽。这个数字应被理解为 Patel 在节目中提出的需求强度例子，而不是普遍测量事实。它支持的不是“任何 agent 都必然如此”，而是说明 agent 化工作流可能把基础设施压力推到人类使用模式之外。

这也解释了他为什么反对把 AI 数据中心建设简单类比为 dot-com 泡沫。Patel 认为，互联网泡沫时期是先建基础设施再等待需求赶上；而现在是无论建多少，供应几乎都会被立即消耗。他同时承认两个事实可以并存：AI 是真实的长期平台转移，某些公司估值也可能过热，许多实验最终不会赢。这里的边界尤其重要。Patel 并不是说所有 AI 公司都合理、所有资本开支都无风险，而是说“个别估值泡沫”不等于“底层平台转移被证伪”。

节目里最具体的商业证据来自 Cisco 的 hyperscaler AI workload 业务。Patel 说这项业务两年前从零开始，第一年给市场的订单指引是 10 亿美元，实际做到 23 亿美元；第二年原本约 50 亿美元目标，最近一年达到约 90 亿美元订单。主持人提醒这些是 orders，不会马上变成 revenue，Patel 接受这个限定。这个细节让分析更稳：订单增长说明市场牵引力，但它还需要交付、确认和转化，不能直接当作同等收入。

在安全上，Patel 把 trusted delegation 提到接近决定市场领导力和企业生死的位置。他的理由是，企业如果要把工作和个人生活委托给 agent，就必须知道模型输入、非人身份、运行中的 agent、越狱风险、运行时动作和观测数据。Cisco 的应对包括 agentic security platform、AI Defense、算法红队、runtime guardrails，以及把安全和 observability 融合。零售退款 agent 不该退还鞋价三倍的例子，说明问题不只是模型回答是否正确，而是 agent 行动是否在授权、上下文和业务规则之内。限制在于，节目没有提供产品效果评测；它提供的是 Patel 对问题空间和 Cisco 产品方向的说明。

Patel 的个人经历则给这套企业判断加了一层反讽：他并不把“创业”本身神圣化。他买入并经营 Docu Labs 17 年，后来称这是职业最大错误之一，因为公司很好，但商业模式不匹配他想做软件、进入硅谷、影响世界的野心。他说自己当时被“不为别人工作”的 ego 绑住，直到进入 EMC，才被 Rick Davenuti 点醒：他不是有 17 年经验，而是把 1 年经验重复了 17 次。这个故事反过来限定了他给创业者的建议：长期坚持只有在商业模式、学习速度和个人野心匹配时才是复利，否则可能只是自我形象在拖延转向。

四、学习与应用

对创业者和大型组织领导者来说，第一条可用的经验是：不要把 AI 采用项目设计成单纯 ROI 或减员工程。Patel 在 Cisco 的做法是先让员工“尝到蜂蜜”：给工具、给 token，让人先熟悉，再变强，最后才谈效率。这种路径适合技术能力变化很快、员工存在恐惧和抗拒的场景。代价是早期不容易精确证明收益，还需要领导层明确表态，否则试点很容易被短期财务指标压扁。边界也要说清：不是所有公司都能承担 unlimited tokens，也不是所有岗位都适合同一种工具配给；但“先形成流利度，再谈生产率”的顺序值得借鉴。

第二条经验是，founder mode 不能被误解成“到处插手的特权”。Patel 的版本包含两个条件：一是平台转折期确实需要跨边界的业务主人翁意识；二是组织必须保留规模化运营能力。对于大公司，这意味着可以让少数人以 founder-like 的方式推进关键转型，但要用机制、角色和节奏防止混乱。对被收购创始人来说，Patel 的做法是给他们比原公司更大的 charter，让创业能力在更大的系统中发挥作用。取舍在于：速度会带来摩擦，规模会带来约束；如果只奖励“像创始人一样强势”，组织会失去可靠交付。

第三条经验是，基础设施判断要看工作负载形态，而不只看今天的用户比例。Patel 关于 agent 使用低于 2%、未来可能达到 25% 到 50%、同任务网络带宽高出 450% 的说法，都应作为节目中的情景判断使用，而不是可外推到所有行业的定律。更实用的做法是拆解自己的 AI 工作流：它是否频繁检索上下文？是否调用多个工具？是否需要跨数据中心、跨身份、跨权限运行？如果答案是肯定的，网络、观测、身份和安全预算就不能等到应用爆发后再补。

第四条经验来自安全：企业不能只问“模型能不能回答”，还要问“agent 被允许做什么”。Patel 提到的非人身份、agent inventory、算法红队、runtime guardrails 和 observability，可以转化为一套落地清单：先盘点有哪些 agent 在运行，再定义它们能访问什么数据、能触发哪些动作、什么情况下需要拦截或升级给人类。边界在于，安全控制不能把 agent 变成无法完成任务的摆设；可信委托的目标是扩大可委托任务范围，而不是把所有动作都锁死。

第五条经验更个人：野心要和商业模式匹配。Patel 对 Docu Labs 的复盘很有价值，因为它不是失败故事，而是“不错的业务不适合某种人生目标”的故事。早期创业者可以据此定期问三个问题：我现在做的业务，是否能承载我想要的影响？我是在学习，还是在重复同一年经验？我坚持是因为市场反馈、能力积累和复利，还是因为不想承认 ego 做了错误选择？这类问题不要求每个人都选择改变世界；Patel 也承认生活方式业务本身可以很好。关键是别把别人的野心当成自己的，也别让自己的野心被错误载体消耗。

最后，平台意识是贯穿整期访谈的底层应用。Patel 用 Taj Mahal 导游 Raj 的故事说明，聪明和努力并不自动变成机会；教育、地理、技术生态和机构平台会放大个人努力。对 YC 受众、科技从业者和进入大公司的人来说，这不是自责式叙事，而是责任感：如果拥有平台，就要更主动地学习、构建和连接他人。卖掉公司进入大公司后也不要犬儒，因为大公司曾经也是创业公司，成功创业公司最终也会遇到规模问题。真正可持续的姿态，是带着好奇心学习规模化能力，同时保留足够的进攻性。

来源

• 原始节目：How Jeetu Patel Runs Cisco Like the World’s Largest Startup