你有沒有想過，軟件行業(yè)可能正在經(jīng)歷有史以來最劇烈的一次范式轉(zhuǎn)變？過去兩年里，我們見證了一個驚人的現(xiàn)象：有軟件公司在一年內(nèi)從零做到上億美元營收。這在以前幾乎是不可能的事情。傳統(tǒng)上，企業(yè)軟件公司要達(dá)到這個規(guī)模可能需要五到十年，因?yàn)槟愕靡粋€客戶一個客戶地去談，每個合同可能只有十萬美元，增長速度受限于銷售團(tuán)隊的規(guī)模和客戶決策周期。但現(xiàn)在情況完全不同了。a16z Apps Fund 的合伙人 Alex Rampel 最近做了一次分享，他用數(shù)據(jù)和案例展示了 AI 應(yīng)用為什么代表著軟件歷史上最大、最快的產(chǎn)品轉(zhuǎn)變。

我聽完這次分享后，腦子里一直在思考一個問題：為什么是現(xiàn)在？為什么不是五年前，也不是五年后？Alex 把當(dāng)下的 AI 應(yīng)用浪潮放在了更大的歷史背景下來看。他展示了一張圖表，從1977年到現(xiàn)在的納斯達(dá)克指數(shù)走勢，并指出軟件行業(yè)經(jīng)歷了四次重大的產(chǎn)品周期：PC 時代、互聯(lián)網(wǎng)時代、云計算時代、移動時代，而現(xiàn)在我們正處在第五次浪潮的開端——AI 時代。每一次浪潮都有基礎(chǔ)設(shè)施層和應(yīng)用層的公司，PC 時代有 Apple 和 Microsoft 作為基礎(chǔ)設(shè)施，有 Lotus、Adobe 這樣的應(yīng)用公司；互聯(lián)網(wǎng)時代有 Cisco 這樣的基礎(chǔ)設(shè)施，有 eBay 和 Amazon 這樣的應(yīng)用；云時代有 AWS，有 Workday 和 Shopify；移動時代把超級計算機(jī)放進(jìn)了每個人的口袋。而 AI 時代不是憑空出現(xiàn)的，它是建立在所有之前的技術(shù)浪潮之上的。正因?yàn)槲覀円呀?jīng)有了智能手機(jī)和云計算，AI 才能如此迅速地被采用。

讓我印象最深的是 Alex 提到的一個數(shù)據(jù)：現(xiàn)在全球約15%的成年人每周都在使用 ChatGPT。這個采用速度是前所未有的。他說，如果你看企業(yè)支出數(shù)據(jù)，比如 Ramp 這家提供企業(yè)信用卡和費(fèi)用管理的公司，他們的數(shù)據(jù)顯示2025年1月出現(xiàn)了一個巨大的增長拐點(diǎn)。這些使用 Ramp 的公司不是那些剛成立的初創(chuàng)公司，而是有幾千名員工、更注重技術(shù)前沿的成熟企業(yè)，可能在灣區(qū)或紐約。這些公司突然意識到，AI 不再只是一個魔術(shù)般的演示工具，而是真正能在企業(yè)內(nèi)部節(jié)省時間和成本的實(shí)用工具。

我自己的觀察也印證了這一點(diǎn)。兩年前，當(dāng) ChatGPT 剛出來的時候，大家把它當(dāng)作一個有趣的玩具，用來寫劇本，或者讓朋友們驚嘆一下。但現(xiàn)在完全不同了，AI 已經(jīng)進(jìn)入了企業(yè)的日常運(yùn)營，開始真正創(chuàng)造商業(yè)價值。這種從"有趣的演示"到"不可或缺的工具"的轉(zhuǎn)變，正是 AI 應(yīng)用爆發(fā)的根本原因。

三大投資主題：AI 應(yīng)用的核心機(jī)會在哪里

Alex 在分享中提出了一個非常關(guān)鍵的問題：在這個所有人都在做 AI 的時代，什么樣的公司能夠建立持久的競爭優(yōu)勢？因?yàn)?OpenAI 不只想做后端的基礎(chǔ)設(shè)施，他們推出了消費(fèi)級應(yīng)用，甚至最近還推出了一個可以說是 TikTok 競爭對手的產(chǎn)品。微軟也在大舉進(jìn)入這個領(lǐng)域?；仡櫄v史，Marc Andreessen 創(chuàng)立的 Netscape 就是被微軟碾壓的，微軟因此還遭遇了反壟斷訴訟。那么在這樣的競爭環(huán)境下，如何構(gòu)建一家能夠長久存續(xù)的公司？a16z 總結(jié)了三個核心投資主題。

第一個主題是傳統(tǒng)軟件正在變成 AI native。Alex 用了一個很形象的比喻：如果你現(xiàn)在能造一臺時間機(jī)器，回到15到20年前，投資每一家云原生公司，你會擁有一個驚人的投資組合，包括 Shopify、Viva、NetSuite、Salesforce 等等。為什么？因?yàn)槟切﹤鹘y(tǒng)的本地部署軟件公司無法有效應(yīng)對云計算的轉(zhuǎn)變，他們習(xí)慣于一次性收取大筆費(fèi)用賣軟件，不知道如何轉(zhuǎn)向每月收取較少費(fèi)用的訂閱模式。同樣的轉(zhuǎn)變現(xiàn)在正在 AI 領(lǐng)域發(fā)生。Alex 制作了一個"賓果卡"，列出了各種傳統(tǒng)軟件類別：ERP、CRM、客戶支持、RPA、郵件營銷等等。每一個格子都代表著一個可以被 AI native 公司重新定義的機(jī)會。

我認(rèn)為這里有一個非常重要的區(qū)分，就是 greenfield（綠地）機(jī)會和 brownfield（棕地）機(jī)會的區(qū)別。Alex 用 Mercury 作為例子。Mercury 是一家為初創(chuàng)公司打造的新銀行，他們從來沒有從 Silicon Valley Bank 那里搶走過一個現(xiàn)有客戶，直到 SVB 倒閉的那個周末。這就是典型的綠地策略：不去搶奪現(xiàn)有客戶，而是專注于全新的公司、全新的客戶。當(dāng)一家公司剛成立，或者到達(dá)某個轉(zhuǎn)折點(diǎn)（比如員工數(shù)從50人增長到需要更復(fù)雜的系統(tǒng)時），他們會選擇市場上最好的產(chǎn)品，而不是被鎖定在某個舊系統(tǒng)里。

第二個主題，也是 Alex 個人最興奮的，是全新類別的出現(xiàn)，軟件開始直接替代勞動力。這個市場比傳統(tǒng)軟件市場大得多，因?yàn)槟悴皇窃诤推渌浖偁?，而是在和人力成本競爭。Alex 展示了一個招聘廣告，Plaza Lane Optometry 招聘前臺接待，年薪4.7萬美元。如果你能提供一個軟件產(chǎn)品，完成這八項工作職責(zé)中的五項，他們會購買這個軟件。但他們不會支付4.7萬美元，可能也不會只支付500美元（這是他們每年在 Microsoft Office 和 Squarespace 上的花費(fèi)）。他們可能愿意支付2萬美元。這就是一個全新的定價區(qū)間，一個以前根本不存在的軟件市場。

我覺得這個洞察非常深刻。軟件市場的規(guī)模一直受限于企業(yè)愿意為軟件支付的金額，通常是幾百到幾千美元一年。而勞動力市場則是數(shù)萬美元一年。AI 創(chuàng)造的不是一個新的軟件類別，而是一個介于兩者之間的全新市場。更關(guān)鍵的是，很多情況下雇傭真人根本不現(xiàn)實(shí)。Alex 說得很直白：人們想要兩件事，更富有和更懶惰。他們想做更少的工作，獲得更多的經(jīng)濟(jì)價值。而 AI 正好解鎖了這個可能性。

第三個主題是"圍墻花園"（walled garden），也就是基于專有數(shù)據(jù)建立的護(hù)城河。Alex 用了一個農(nóng)場和餐廳的比喻來解釋：OpenAI 就像一個蔬菜農(nóng)場，種植 tokens 并賣給應(yīng)用開發(fā)者。但后來 OpenAI 說，既然很多人來我們的農(nóng)場，我們?yōu)槭裁床辉谵r(nóng)場里開餐廳呢？于是那些買蔬菜的餐廳老板就不高興了——你既賣給我原材料，又跟我競爭？這個比喻說明了一個現(xiàn)實(shí)：在 AI 時代，擁有專有數(shù)據(jù)源變得極其重要。如果你的數(shù)據(jù)是 OpenAI 或其他大模型無法獲得的，你就有了真正的護(hù)城河。

傳統(tǒng)軟件的 AI native 轉(zhuǎn)型：為什么現(xiàn)在是絕佳時機(jī)

在第一個投資主題上，Alex 分享了一些讓我印象深刻的案例。他提到了一家叫 Reel 的公司，這是 a16z 投資的一家 AI native ERP 系統(tǒng)。傳統(tǒng)上，當(dāng)一家公司成長到50人、有多個實(shí)體和多種貨幣時，他們使用的 QuickBooks 就不夠用了，四大會計事務(wù)所會建議他們遷移到更好的 ERP 系統(tǒng)，比如 NetSuite。這就是一個轉(zhuǎn)折點(diǎn)，一個綠地機(jī)會。在這個時刻，公司可以選擇 NetSuite，也可以選擇 Reel——一個具備50個 AI 功能、能夠自動結(jié)賬的系統(tǒng)。

我認(rèn)為這里的關(guān)鍵洞察是：現(xiàn)有的大公司，像 bill.com、SAP、Adobe、Workday，他們也會因?yàn)?AI 而變得更強(qiáng)大。他們會開始對新功能收費(fèi)。Alex 舉了個例子，Workday 可能會說："你想讓我們對每個新員工做背景調(diào)查嗎？每次調(diào)查收費(fèi)500美元。"為什么沒人能做499美元來競爭？因?yàn)槟阋呀?jīng)被 Workday 鎖定了。Alex 用了一個很犀利的說法："最好的公司擁有的是人質(zhì)，而不是客戶。"當(dāng)然，他們不是要投資那些客戶滿意度極差的公司，而是要投資那些有強(qiáng)大護(hù)城河、成為企業(yè)記錄系統(tǒng)（system of record）的公司。

什么是記錄系統(tǒng)？就是運(yùn)行整個業(yè)務(wù)的系統(tǒng)。那個"賓果卡"上的每一個類別——你怎么可能擺脫 NetSuite？基本上不可能。所以 AI native 公司要么通過一個 AI 楔子切入，要么就是直接構(gòu)建新的記錄系統(tǒng)。現(xiàn)有的老牌公司也在這么做，但對于全新進(jìn)入市場的公司，或者到達(dá)轉(zhuǎn)折點(diǎn)的公司來說，選擇新的 AI native 產(chǎn)品仍然是顯而易見的。

我覺得這種轉(zhuǎn)變的速度會比云計算時代快得多。云計算時代，很多企業(yè)和 IT 部門對云持懷疑態(tài)度，覺得不安全、不可信任。但對于 AI，幾乎所有人都認(rèn)為這是個好主意。沒有人會反對"在每個人口袋里放一個 AGI"這個愿景。這種普遍的認(rèn)同會大大加速采用速度。

軟件吃掉勞動力：一個更大的市場機(jī)會

第二個主題讓我最興奮，因?yàn)樗碇粋€比軟件市場大得多的機(jī)會。Alex 和他的團(tuán)隊成員 David 詳細(xì)討論了一個案例：Eve，一家為原告方律師提供 AI 解決方案的公司。這個案例完美展示了"軟件替代勞動力"的邏輯。

David 解釋說，法律 AI 領(lǐng)域大家聽得比較多的是 Harvey 這樣服務(wù)辯護(hù)方和企業(yè)方的公司。但原告方市場很多人不太了解。原告方律師代表個人客戶，處理就業(yè)法、人身傷害等案件。這些律師的獨(dú)特之處在于，他們采用"按勝訴收費(fèi)"（contingency）模式——只有贏了官司才能收錢，不按小時計費(fèi)，而是從案件結(jié)果中抽取一定比例。這意味著他們和客戶高度一致。每接一個案子，都是對時間和勞動力的投資。所以在收到的一百個潛在案件中，他們通常只會接一個。

這里就出現(xiàn)了 AI 的完美應(yīng)用場景。對于企業(yè)方律師來說，如果一個初級律師因?yàn)?AI 的效率提升了50倍，實(shí)際上削減了可以向客戶收取的工時費(fèi)。但對于原告方律師，如果 AI 讓他們的效率提升5倍，他們的收入就可能增長5倍甚至更多。Eve 從產(chǎn)品角度看也很有意思，他們希望擁有從案件接收到最終結(jié)果的端到端工作流。他們最近推出了一個語音 AI agent，可以從潛在客戶那里收集證據(jù)，篩選大量醫(yī)療記錄或就業(yè)文件，幫助律師決定接哪些案子。

更厲害的是，這個系統(tǒng)會生成一個案件特征數(shù)據(jù)集，告訴律師"這個案子可能值5萬美元，那個案子值500萬美元，你應(yīng)該把時間花在后者上。"然后它會協(xié)助完成訴訟前和訴訟期間的所有階段：起草醫(yī)療年表、起草需求信、提交訴狀等等。David 強(qiáng)調(diào)，Eve 之所以有護(hù)城河，不是因?yàn)檎Z音 AI 這個技術(shù)本身，而是因?yàn)樗鼡碛姓麄€端到端工作流，成為了律師每天都要使用的產(chǎn)品。100%的案件都在這個產(chǎn)品里流轉(zhuǎn)。

更關(guān)鍵的是，Eve 在所有案件中生成的結(jié)果數(shù)據(jù)是非公開的，大模型無法訓(xùn)練這些數(shù)據(jù)。這些數(shù)據(jù)反過來又能優(yōu)化案件接收環(huán)節(jié)，告訴系統(tǒng)"根據(jù)我們在 Eve 平臺上處理的所有案件的特征，具有這三個變量的案件可能值更多錢。"或者像 Alex 說的，降低接案成本——以前律師只接至少能賺5萬美元的案子,現(xiàn)在可以接5000美元的案子。市場擴(kuò)大了，原告方長期存在的供需失衡問題得到了解決。

David 說，Eve 的市場拉力比他們預(yù)期的還要強(qiáng)。這是一個 AI 與商業(yè)模式完美契合的例子：既能增加收入，又能節(jié)省成本。我看到這個案例時的第一反應(yīng)是：這不只是一個軟件產(chǎn)品，這是一個能夠從根本上重塑整個行業(yè)運(yùn)作方式的平臺。而這樣的機(jī)會在各行各業(yè)都存在。

Salient：AI 如何創(chuàng)造50%的額外收入

Alex 分享的另一個案例是 Salient，這家公司做汽車貸款服務(wù)，包括催收和保險理賠。傳統(tǒng)上，汽車貸款公司需要雇傭大量員工來追蹤還款、處理車禍后的保險理賠（確保保險公司把支票寫給正確的人，因?yàn)橛凶赓U關(guān)系存在）。這些工作需要培訓(xùn)很多人，而很多人討厭這份工作——整天被客戶罵，或者被保險公司的等待音樂折磨四個小時，員工的年流失率高達(dá)40%到70%。

Salient 的 CEO Arya 最初的推銷點(diǎn)是"我能幫你省錢"。但 Alex 說，真正讓這個產(chǎn)品起飛的不是節(jié)省成本，而是增加收入。Salient 能讓催收率提高50%。想象一下，如果你去跟一個客戶說："我每個月能幫你多收50%的賬，而且能確保你不會因?yàn)閱T工培訓(xùn)不足說錯話而惹上法律麻煩，AI 永遠(yuǎn)不會犯這種錯誤。"這個價值主張是無法拒絕的。

他們的第一個客戶有一個5000萬美元/年的呼叫中心。Salient 說："我們用軟件來做這件事，給你提供一個記錄系統(tǒng)，實(shí)時抓取每一條新的聯(lián)邦和州法律——因?yàn)槟阍诿芴K里州能說的話和在加州能說的話完全不同，跟在愛荷華州又不一樣。沒有哪個人能把所有這些法規(guī)同時記在腦子里。"Salient 精確知道該說什么，而且能用21種語言說，這就是為什么催收率能提高50%。

Alex 問 Arya 的第一個問題就是：如果有一個叫 Taliant 的競爭對手出現(xiàn)，Salient 憑什么能贏？Arya 的回答很好：護(hù)城河很重要。因?yàn)樗麄円呀?jīng)做了數(shù)百萬次電話，知道該說什么；他們有一個非常好的產(chǎn)品，能夠?qū)崟r接收全美50個州（有時甚至到縣級）的每一條法律提案。這些都讓競爭變得困難得多，讓他們不會失去已有的客戶。

我覺得這個案例揭示了一個重要的真理：在 AI 時代，護(hù)城河比以往任何時候都重要。因?yàn)楝F(xiàn)在構(gòu)建軟件變得太容易了。Alex 說，現(xiàn)在 Anish、David 和他可以用 vibe coding 非?？焖俚貥?gòu)建一個軟件產(chǎn)品。如果你的軟件沒有強(qiáng)大的壁壘，有巨大的利潤池，那只會招來競爭。必須要有獨(dú)特的競爭優(yōu)勢，數(shù)據(jù)通常就是其中之一。

圍墻花園：專有數(shù)據(jù)創(chuàng)造的護(hù)城河

第三個主題"圍墻花園"可能是最有意思的。Alex 說這是世界第二古老的職業(yè)（第一古老的職業(yè)大家都知道）：建造一個物理屬性，在周圍筑一道墻,然后對進(jìn)入你財產(chǎn)的人收費(fèi)。在數(shù)據(jù)世界也可以這樣做。

Alex 舉了 FlightAware 的例子。這個公司的數(shù)據(jù)其實(shí)都是公開的，你可以在亞馬遜上買一個天線來接收飛機(jī)的 ADS-B 應(yīng)答器數(shù)據(jù)。自從馬航客機(jī)失蹤后，每架飛機(jī)都配備了一個小型應(yīng)答器,顯示高度、速度等屬性。天線可以接收這些信息，知道某個航班號在某個位置。這些數(shù)據(jù)是免費(fèi)的，F(xiàn)lightAware 在全球有大約一百個天線來收集這些信息。但 ChatGPT 不知道這些數(shù)據(jù)，只有 FlightAware 知道。類似的還有 PitchBook（融資輪次數(shù)據(jù)）、LexisNexis（法律數(shù)據(jù)）、CoStar（房地產(chǎn)數(shù)據(jù)）、Bloomberg（金融數(shù)據(jù)）。很多情況下這些信息都是免費(fèi)的公開記錄，但經(jīng)過數(shù)字化和整理后就變成了有價值的產(chǎn)品。Ancestry.com 甚至是通過從摩門教會購買家譜記錄建立起他們的數(shù)據(jù)護(hù)城河的。

關(guān)鍵在于,這些數(shù)據(jù)在 ChatGPT 或 Anthropic 上都沒有。當(dāng)然他們可以授權(quán)獲取，但這正是重點(diǎn)。Alex 說，以前如果你想用 PitchBook 的數(shù)據(jù)，你會雇一個分析師,讓他寫一份關(guān)于某個公司的報告，比較法律科技領(lǐng)域所有做過類似事情的公司。PitchBook 只是賣給你一個訂閱,提供自1992年以來所有法律科技公司 B 輪融資的數(shù)據(jù)，可能收費(fèi)20美元或200美元/月。但更有價值的應(yīng)該是什么？因?yàn)樗麄兪俏ㄒ粨碛羞@些信息的人，他們應(yīng)該收費(fèi)2000美元，提供一個完成品——不只是原始數(shù)據(jù)，而是分析報告。

Alex 分享了三個具體案例。第一個是 OpenEvidence。美國三分之二的醫(yī)生每周都在用這個產(chǎn)品。它的界面看起來和 ChatGPT 一模一樣，但關(guān)鍵區(qū)別是：OpenEvidence 獨(dú)家授權(quán)了《新英格蘭醫(yī)學(xué)雜志》和其他所有醫(yī)學(xué)期刊。如果你想了解循證醫(yī)療，ChatGPT 也能提供一些有用信息，但 OpenEvidence 要好得多，因?yàn)樗麄兪俏ㄒ粨碛羞@些醫(yī)學(xué)文獻(xiàn)的。用農(nóng)場比喻來說，他們找到了所有獨(dú)特的蔬菜，說服蔬菜供應(yīng)商不要賣給其他餐廳，然后他們開了一家能提供完整菜品的餐廳。

第二個案例是 VLEX，一家有26年歷史的公司，剛被收購。CEO 告訴 Alex，公司起源于西班牙，他們買下了西班牙所有的法律記錄并進(jìn)行數(shù)字化。為什么要這么做？因?yàn)槁蓭熓聞?wù)所可能需要了解西班牙的判例法。VLEX 聚合和數(shù)字化這些信息，賣給需要的律所和其他人。利潤率很高，但規(guī)模一直不大，主要在歐洲和西班牙市場。然后他們加入了 AI，收入居然增長了五倍。為什么？Alex 說，雖然 Harvey 是個很好的產(chǎn)品，但如果他需要在早上7點(diǎn)給客戶一份完成的備忘錄，涉及西班牙法律數(shù)據(jù)，那 VLEX 就是唯一的選擇。與其按文章收費(fèi)2美元或按月收費(fèi)200美元，他們現(xiàn)在可以提供完成品而收費(fèi)更高。

第三個案例是 AskLeo，一個采購產(chǎn)品。每家公司的員工都討厭采購部門，因?yàn)椴少彶块T一方面要確保沒有員工從未批準(zhǔn)的供應(yīng)商那里以過高價格購買昂貴的產(chǎn)品，另一方面又在流程中引入了很多復(fù)雜性。想象一下，如果你有50份 Deloitte 的舊合同，能夠了解在談判中應(yīng)該在哪些方面施壓，這會非常有用。這是非常有價值的專有信息。你不能問 ChatGPT，因?yàn)槟阍谀睦锬苷业?0份 Deloitte 的舊合同？也許可以提交信息自由法案請求，但基本找不到。而 AskLeo 擁有這些數(shù)據(jù)，這讓產(chǎn)品好太多了。

我認(rèn)為這個"圍墻花園"主題揭示了一個深刻的商業(yè)邏輯：數(shù)據(jù)一直都很有價值，但 AI 讓同樣的數(shù)據(jù)能創(chuàng)造10倍甚至100倍的價值。因?yàn)楝F(xiàn)在你可以提供完成品，而不只是原材料。

為什么 AI 應(yīng)用不會被大模型公司吞并

分享中有一個我覺得非常重要的討論：為什么應(yīng)用層不會被模型層吞并？這是每個做 AI 應(yīng)用的創(chuàng)業(yè)者都會被問到的問題。如果 OpenAI、Google、Anthropic 這些大模型公司什么都做，創(chuàng)業(yè)公司還有機(jī)會嗎？

Anish 提出了一個關(guān)鍵框架：在很多類別中，做模型聚合器（aggregator）實(shí)際上比只用單一模型更有優(yōu)勢。他用了一個大家都熟悉的比喻：航空公司。從舊金山飛紐約，在 Kayak 上搜索比只在 Delta 或 United 上搜索更有用，因?yàn)槟憧梢钥吹剿泻娇展镜膸齑妗Ｔ?vibe coding 或創(chuàng)意工具等類別中，情況也是一樣的。你真的希望能訪問所有模型，因?yàn)槊總€模型都有各自的專長，它們不是完全可替代的。你想要一個統(tǒng)一界面來使用它們所有。而大模型公司和大科技公司從定義上講只能使用自己的第一方模型。這就是為什么我們看到聚合器在贏，這是消費(fèi)者 AI 的一個重要投資原則。

Alex 補(bǔ)充說，大模型公司和大科技公司在能力上和他們生產(chǎn)的模型一樣"參差不齊"。他們在關(guān)注的領(lǐng)域非常強(qiáng)大，但也有復(fù)雜的承諾（比如 Google 對監(jiān)管機(jī)構(gòu)的承諾不會進(jìn)一步中介化互聯(lián)網(wǎng)）和艱難的優(yōu)先級問題（OpenAI 同時在競爭成為領(lǐng)先的消費(fèi)公司、企業(yè)公司、模型公司、硬件公司）。所以認(rèn)為應(yīng)用層會被模型吞并是一個錯誤的假設(shè)。即使在編程這樣對模型進(jìn)步和實(shí)驗(yàn)室關(guān)注至關(guān)重要的領(lǐng)域，我們看到的是一個繁榮的創(chuàng)業(yè)生態(tài)系統(tǒng)，僅2025年就產(chǎn)生了超過10億美元的新收入。

我覺得這個洞察非常重要。在移動時代，Booking.com 為什么沒有做出 Airbnb？出租車公司為什么沒有做出 Uber？因?yàn)榇蠖鄶?shù)人覺得這些新東西很蠢。但 AI 不一樣，所有人都覺得這是好主意?，F(xiàn)有的大公司會變得更強(qiáng)，但這不意味著創(chuàng)業(yè)公司沒有機(jī)會。關(guān)鍵是要在正確的領(lǐng)域構(gòu)建正確的護(hù)城河。

消費(fèi)者 AI 的三個機(jī)會

Anish 專門談了消費(fèi)者 AI，我發(fā)現(xiàn)模式和企業(yè) AI 完全一致。第一，傳統(tǒng)類別正在變 AI native。他舉的例子是 Photoshop 和 Krea。Photoshop 是一個很好的業(yè)務(wù)，但如果你是一個職業(yè)生涯早期的年輕設(shè)計師，你想用的是 AI native 的 Photoshop，那就是 Krea。它內(nèi)置了所有 AI 原語，是早期職業(yè)設(shè)計師正在選擇的第一個設(shè)計工具。

第二是品類創(chuàng)造。11 Labs 是一個很好的例子。語音和音頻模型市場五年前根本不存在。也許有一些小眾的配音和語音聽寫市場，但不值得關(guān)注。11 Labs 做了更有野心的事情：他們既是模型提供商，又有消費(fèi)者和企業(yè)產(chǎn)品線。因?yàn)榇怪闭?，他們能夠真正抓住這個機(jī)會，在很短時間內(nèi)創(chuàng)造了一個品類。

第三是專有數(shù)據(jù)。Anish 特別提到這個對他來說很重要，因?yàn)樗?Credit Karma 工作多年，那是一家基于專有數(shù)據(jù)的大規(guī)模消費(fèi)公司。他們投資的 Slingshot 是個很好的例子。Slingshot 是一個 AI 治療師。他們怎么收集專有數(shù)據(jù)？他們?yōu)楝F(xiàn)有的治療師提供 AI 抄寫員（scribe），在治療師為病人做咨詢時做筆記。生成的筆記被用來訓(xùn)練基礎(chǔ)模型。然后這個基礎(chǔ)模型訓(xùn)練出一個叫 Ash 的消費(fèi)者產(chǎn)品，直接賣給消費(fèi)者。OpenAI 和 ChatGPT 很強(qiáng)大，但他們根本沒有 Slingshot 擁有的數(shù)據(jù)。因此 Slingshot 能夠提供差異化的高價產(chǎn)品，而且運(yùn)作得很好。

我看到這個案例時的第一感受是：數(shù)據(jù)護(hù)城河在消費(fèi)領(lǐng)域同樣重要，甚至可能更重要。因?yàn)橄M(fèi)者對個性化和專業(yè)性的要求更高，而專有數(shù)據(jù)正是實(shí)現(xiàn)這一點(diǎn)的關(guān)鍵。

我對 AI 應(yīng)用未來的思考

聽完這次分享，我腦子里一直在思考幾個問題。第一個問題是關(guān)于速度。Alex 提到，在軟件歷史上，一個公司從主導(dǎo)地位到被淘汰通常需要五年。WordPerfect、VisiCalc、Lotus 123，都是這樣。但現(xiàn)在不同了，用 vibe coding 可以非?？焖俚貥?gòu)建軟件，這意味著如果你的產(chǎn)品沒有真正的護(hù)城河，被復(fù)制的速度也會非?？?。這讓我意識到，在 AI 時代，護(hù)城河的重要性被放大了十倍。你不能只是做一個功能更好的產(chǎn)品，你必須擁有別人難以復(fù)制的東西——數(shù)據(jù)、工作流、網(wǎng)絡(luò)效應(yīng)、或者深度的領(lǐng)域?qū)I(yè)知識。

第二個問題是關(guān)于價值捕獲。傳統(tǒng)軟件的定價是基于功能和用戶數(shù)。但當(dāng)軟件開始替代勞動力時，定價邏輯完全改變了。你不再是和其他軟件競爭，而是和人力成本競爭。這創(chuàng)造了一個更大的價值池，但同時也帶來了定價的復(fù)雜性。Salient 的例子很說明問題：他們不是簡單地比人力便宜，而是提供了50%更高的催收率。這種"增加收入"的價值主張比"降低成本"強(qiáng)大得多。我覺得未來成功的 AI 應(yīng)用會越來越多地轉(zhuǎn)向這種思維：不是替代，而是增強(qiáng)；不是節(jié)省成本，而是創(chuàng)造收入。

第三個問題是關(guān)于社會影響。Alex 在分享中簡單提到了這一點(diǎn)，但我覺得值得深入思考。1789年，98%的美國人是農(nóng)民。拖拉機(jī)讓一些人失業(yè)，但也讓他們?nèi)プ隽似渌虑椤４蠖鄶?shù)我們現(xiàn)在看到的 AI 應(yīng)用，并不是要消滅工作，而是讓原本不可能的事情變得可能。你不會在凌晨2點(diǎn)雇人接電話，因?yàn)閮r值和成本的等式是倒置的。但 AI 可以在凌晨2點(diǎn)接電話。這不是替代人類工作，而是擴(kuò)展了可能性。當(dāng)然，像350萬卡車司機(jī)這樣的群體，未來確實(shí)可能被自動駕駛替代。但我相信會有新的工作出現(xiàn)，就像75年前不存在"產(chǎn)品經(jīng)理"或"UX 設(shè)計師"這樣的職位一樣。

最后一個思考是關(guān)于這個時代本身。Alex 在分享最后說了一句讓我印象深刻的話："沒有人會告訴你，你正活在美好的舊時光里，直到這些時光已經(jīng)過去。所以把這當(dāng)作你的提醒。"這個產(chǎn)品周期不那么中心化，更由軟件主導(dǎo)，對技術(shù)人員來說比近期任何一個時代都更有趣、更有樂趣。我完全同意這一點(diǎn)。我們正處在一個歷史性的轉(zhuǎn)折點(diǎn)，軟件正在以前所未有的速度和規(guī)模重塑世界。這種感覺像是站在一個巨浪的頂端，既令人興奮又有些令人畏懼。但我相信，那些能夠抓住這個機(jī)會、構(gòu)建真正有價值和有護(hù)城河的公司的人，會創(chuàng)造出改變世界的產(chǎn)品。

結(jié)尾

也歡迎大家留言討論，分享你的觀點(diǎn)！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點(diǎn)個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護(hù)城河

a16z重磅預(yù)測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來