Pure Global 与 VayoMed 的 CTO 陈然，和我们聊了聊：为什么为家庭暂停工作、如何用 AI 做生意，以及一家医疗器械注册公司为什么不再单独收取注册服务费。
陈然是 Pure Global 与 VayoMed 的 CTO，负责将 AI 用于医疗器械注册和生命科学企业的增长业务。他2009 年进入清华大学软件学院，2013 年赴卡内基梅隆大学（CMU）攻读计算数据科学硕士，主要学习机器学习。2014 年毕业后，他先在房产平台 Trulia 做机器学习应用，2017 年加入免费流媒体平台 Tubi，成为首位机器学习工程师，后来担任工程总监。离开 Tubi 后，他当了约两年的全职奶爸，期间学习财务规划、考取相关执照，后来将备考经历做成了免费网站 Open Exam Preparation。
2025 年，陈然以 CTO 的身份加入已经经营数年的 Pure Global，帮助公司用 AI 改进医疗器械的全球注册服务。他们重写内部系统、建立知识库，也调整了服务定价。随着交付能力提高，公司需要找到更多客户，于是又孵化了 VayoMed，帮助生命科学企业做市场推广和业务增长。从个人副业到公司转型，他始终关心的是：AI 能解决谁的问题，以及它能否让生意更好地运转。
在这期深度对话中，我们讨论了：
- 从 Trulia 到 Tubi，陈然为何选择能衡量商业价值的机器学习岗位，又学到了哪些落地经验
- 暂停工作当两年全职奶爸之后，陈然怎样重新理解家庭分工，以及钱、风险和生活的关系
- 免费备考网站如何获得约 1 万美元月营收，以及它怎样控制模型和人工成本
- 从 AI 音乐到搜索关键词找项目，陈然怎样判断真实需求，并根据收入反馈决定是否继续投入
- Pure Global 如何重写系统、积累知识，把业务的主要瓶颈从交付变成获客
- 交付成本下降之后，服务定价和员工分成为什么也需要改变
这期对话带来的几个关键启示：
-
机器学习能否落地，也取决于公司愿不愿意一起调整。
陈然一直想做能直接产生商业价值的技术：算法改进后，公司是否多赚了钱，原来做不了的业务是否变得可行，都应该能够被衡量。但在 Trulia，他发现做出算法只是第一步：实验和上线还要排进其他团队的日程，缺少高层支持就很难推进。后来加入 Tubi，他从头搭建数据与机器学习系统，也把管理重点放在明确评价标准、移除跨团队阻碍上。他找工作时给自己的定位一直很直接：“我来帮你落地 AI。” 这既需要工程师主动承担责任，也需要公司给他们真正做成事情的条件。
-
陈然暂停工作带娃，是为了给家庭和伴侣的事业腾出时间。
离开 Tubi 时，陈然的两个孩子都还小，妻子在四大会计师事务所工作，同时攻读兼职法律学位。他已经有了一些积蓄，也想停下来考虑下一阶段做什么，于是承担起更多育儿工作，让妻子能继续投入事业和学习：“我不希望她的职业生涯因为生育而中断，甚至希望她因为生育，事业能再上一个台阶。” 这次暂停有现实条件：Tubi 带来的回报足以支撑他休息几年，却还没有多到可以永久退休。他把已经赚到的钱用在了当时一家人最需要的地方，也在这段时间开始认真研究财务规划。
-
工资、住房和雇主股票都跟科技行业相连，生活中的风险也会集中。
为了弄清楚怎样安排积蓄，陈然先找人咨询，后来自己学习、考取相关执照。他发现，自己熟悉的硅谷生活，与财务规划从业者理解的风险差别很大：工作来自科技公司，股票来自雇主，房子的价值也与当地科技行业相关，一次行业冲击就可能同时影响几项重要资产和收入。他也承认，过去一些长期持有公司股票的人获得了丰厚回报，因此，不能只凭最后谁赚得更多来判断这种选择。他用彩票打比方：“如果你中了彩票，你是拿它去买下一张彩票，还是去好好享受生活？” 获得财富之后，仍要想清楚愿意承担什么风险，以及这些钱要支持怎样的生活。
-
免费备考网站靠广告获得收入，能否持续经营，还要看服务成本。
考证时，陈然花钱买了不少资料，却常常找不到满意的解释，最后主要靠向 AI 提问、自己找资料来学习。他把这段经历做成 Open Exam Preparation，免费提供备考资料，并逐步扩大覆盖的考试范围。访谈中，他确认网站月营收约 1 万美元，主要来自广告，也有图书和付费考试平台的推荐链接收入。面对别人也能用 AI 复制网站的问题，他既看重先发优势，更看重能否选对模型、减少 Token 消耗和人工投入，让提供同样服务的成本足够低。他每天仍会查看网站。AI 减少了大量日常操作，但判断效果、控制成本，仍需要他负责。
-
找项目先看哪些需求没有被满足，再决定做什么产品。
陈然从餐饮博主点评店铺的节目里，看到了技术创业者也常犯的错误：因为自己喜欢面包就开面包店，却没有弄清客人在哪里、需要什么。他寻找线上项目时，会借助搜索数据，找出有人搜索、现有结果却不够好的关键词，再决定提供什么内容或服务。“这波人流要什么，你就做什么。” 他因此区分了两种目标：靠融资探索别人还没做过的业务，可以接受一段时间没有收入；想做一门赚钱的生意，就要先算清收入、支出，以及自己凭什么比别人做得更好。
-
AI 降低了尝试的成本，项目能否成立仍要靠真实反馈。
陈然曾用 Suno 做音乐，上传到 Spotify 和 Apple Music，但收入反馈来得太慢，他后来停止了继续投入；访谈时，这个项目每月仍有 100 多美元收入。他也让 AI 帮忙寻找项目机会，做出来之后观察有没有收入，再把结果反馈给 AI，调整下一轮搜索。在他看来，AI 让建站和维持运行的成本降低了，可以用较小的投入试验多个想法。他找到过一二十个候选方向，但预计其中大部分真做出来也未必可行。相比之下，备考网站之所以能坚持迭代，是因为他亲历过找不到资料、问不到答案的困难，知道什么改动有用，也愿意度过还看不到回报的阶段。做一个网站变得容易之后，理解使用它的人，仍然要花时间。
-
用 AI 改造公司，也要删掉客户不需要的功能。
加入 Pure Global 后，陈然感受到的关键转折，是 AI 开始直接参与工作流程，能帮团队把事情做完。他借这个机会用 AI 重写内部系统，同时花时间与客户交谈，删去许多原有功能：“客户要的东西比我们原来提供的简单很多。” 他认为，一些功能是团队出于自己的想法、为了证明自身价值而加上去的，并不一定来自客户需求。重新梳理之后，他们只保留更少、更重要的功能，让员工和 AI 都能更顺手地使用系统。这次改造既利用了 AI 写代码的能力，也重新审视了哪些工作值得继续做。
-
AI 回答不够好时就改知识库，让公司的经验不断积累。
过去，Pure Global 的许多工作知识分散在不同员工脑中，新人遇到问题还得找人询问。陈然和团队花了很长时间建立内部知识库，鼓励大家先问 AI：“AI 答得不好，我们就改知识库。” 这样，一次不理想的回答就会成为补充公司知识的机会，后来的员工再遇到类似问题，也能用上之前积累的经验。据他介绍，这套知识库已经帮助新同事更快上手；知识如何整理、怎样让 AI 用好，仍然需要团队持续投入。
-
交付速度提高之后，Pure Global 降低了收费，并把精力转向获客。
据陈然介绍，公司通过接近 20 个办公室帮助客户办理医疗器械的当地注册，使用 AI 辅助写文档后，原先积压的五六十个项目逐渐处理完了。他形容新的瓶颈：“生产能力已经远远超出获客能力了。” 随着注册服务成本下降，公司公开报价，取消单独收取的注册服务费，改为只收固定年费。交付能力有了余量，团队也开始集中研究怎样找到更多客户，并孵化了 VayoMed，为生命科学企业提供增长服务。这家新公司既要解决他们自己的获客问题，也希望帮助其他有类似需求的企业。
-
陈然希望用更多分成，让员工也受益于 AI 带来的效率提升。
在陈然看来，如果 AI 省下的时间只变成股东的收益，员工却担心被替代，就很难期待他们主动寻找更好的工具。他提到，公司已经调整了部分激励办法，也希望未来有更多合伙人式的合作：“赚得多，大家都要分钱。” 当额外创造的收入能够分给做事的人，他们才更有动力改进服务、使用新工具、争取更多客户。这是他希望推动的组织变化：让愿意承担责任的人，也能分享自己提高生产力带来的回报。