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)軟件公司要達到這個規(guī)?？赡苄枰宓绞辏驗槟愕靡粋€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 把當下的 AI 應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設施層和應用層的公司，PC 時代有 Apple 和 Microsoft 作為基礎設施，有 Lotus、Adobe 這樣的應用公司；互聯(lián)網(wǎng)時代有 Cisco 這樣的基礎設施，有 eBay 和 Amazon 這樣的應用；云時代有 AWS，有 Workday 和 Shopify；移動時代把超級計算機放進了每個人的口袋。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。正因為我們已經(jīng)有了智能手機和云計算，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。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)省時間和成本的實用工具。

我自己的觀察也印證了這一點。兩年前，當 ChatGPT 剛出來的時候，大家把它當作一個有趣的玩具，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)進入了企業(yè)的日常運營，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 應用爆發(fā)的根本原因。

三大投資主題：AI 應用的核心機會在哪里

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？因為 OpenAI 不只想做后端的基礎設施，他們推出了消費級應用，甚至最近還推出了一個可以說是 TikTok 競爭對手的產(chǎn)品。微軟也在大舉進入這個領域。回顧歷史，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？因為那些傳統(tǒng)的本地部署軟件公司無法有效應對云計算的轉(zhuǎn)變，他們習慣于一次性收取大筆費用賣軟件，不知道如何轉(zhuǎn)向每月收取較少費用的訂閱模式。同樣的轉(zhuǎn)變現(xiàn)在正在 AI 領域發(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 公司重新定義的機會。

我認為這里有一個非常重要的區(qū)分，就是 greenfield（綠地）機會和 brownfield（棕地）機會的區(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。當一家公司剛成立，或者到達某個轉(zhuǎn)折點（比如員工數(shù)從50人增長到需要更復雜的系統(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，因為你不是在和其他軟件競爭，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）。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。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：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，你就有了真正的護城河。

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

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，當一家公司成長到50人、有多個實體和多種貨幣時，他們使用的 QuickBooks 就不夠用了，四大會計事務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，一個綠地機會。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，他們也會因為 AI 而變得更強大。他們會開始對新功能收費。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500美元。"為什么沒人能做499美元來競爭？因為你已經(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大護城河、成為企業(yè)記錄系統(tǒng)（system of record）的公司。

什么是記錄系統(tǒng)？就是運行整個業(yè)務的系統(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)?，F(xiàn)有的老牌公司也在這么做，但對于全新進入市場的公司，或者到達轉(zhuǎn)折點的公司來說，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：一個更大的市場機會

第二個主題讓我最興奮，因為它代表著一個比軟件市場大得多的機會。Alex 和他的團隊成員 David 詳細討論了一個案例：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 領域大家聽得比較多的是 Harvey 這樣服務辯護方和企業(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。這些律師的獨特之處在于，他們采用"按勝訴收費"（contingency）模式——只有贏了官司才能收錢，不按小時計費，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 的完美應用場景。對于企業(yè)方律師來說，如果一個初級律師因為 AI 的效率提升了50倍，實際上削減了可以向客戶收取的工時費。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 強調(diào)，Eve 之所以有護城河，不是因為語音 AI 這個技術(shù)本身，而是因為它擁有整個端到端工作流，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期的還要強。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)運作方式的平臺。而這樣的機會在各行各業(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，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，因為有租賃關(guān)系存在）。這些工作需要培訓很多人，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40%到70%。

Salient 的 CEO Arya 最初的推銷點是"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為員工培訓不足說錯話而惹上法律麻煩，AI 永遠不會犯這種錯誤。"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)，實時抓取每一條新的聯(lián)邦和州法律——因為你在密蘇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：護城河很重要。因為他們已經(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，護城河比以往任何時候都重要。因為現(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大的壁壘，有巨大的利潤池，那只會招來競爭。必須要有獨特的競爭優(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,然后對進入你財產(chǎn)的人收費。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)其實都是公開的，你可以在亞馬遜上買一個天線來接收飛機的 ADS-B 應答器數(shù)據(jù)。自從馬航客機失蹤后，每架飛機都配備了一個小型應答器,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)護城河的。

關(guān)鍵在于,這些數(shù)據(jù)在 ChatGPT 或 Anthropic 上都沒有。當然他們可以授權(quán)獲取，但這正是重點。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20美元或200美元/月。但更有價值的應該是什么？因為他們是唯一擁有這些信息的人，他們應該收費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 獨家授權(quán)了《新英格蘭醫(yī)學雜志》和其他所有醫(yī)學期刊。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，因為他們是唯一擁有這些醫(yī)學文獻的。用農(nóng)場比喻來說，他們找到了所有獨特的蔬菜，說服蔬菜供應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行數(shù)字化。為什么要這么做？因為律師事務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2美元或按月收費200美元，他們現(xiàn)在可以提供完成品而收費更高。

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，因為采購部門一方面要確保沒有員工從未批準的供應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，因為你在哪里能找到50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。因為現(xiàn)在你可以提供完成品，而不只是原材料。

為什么 AI 應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：為什么應用層不會被模型層吞并？這是每個做 AI 應用的創(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，因為你可以看到所有航空公司的庫存。在 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，因為每個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，這是消費者 AI 的一個重要投資原則。

Alex 補充說，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)注的領域非常強大，但也有復雜的承諾（比如 Google 對監(jiān)管機構(gòu)的承諾不會進一步中介化互聯(lián)網(wǎng)）和艱難的優(yōu)先級問題（OpenAI 同時在競爭成為領先的消費公司、企業(yè)公司、模型公司、硬件公司）。所以認為應用層會被模型吞并是一個錯誤的假設。即使在編程這樣對模型進步和實驗室關(guān)注至關(guān)重要的領域，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？因為大多數(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，但這不意味著創(chuàng)業(yè)公司沒有機會。關(guān)鍵是要在正確的領域構(gòu)建正確的護城河。

消費者 AI 的三個機會

Anish 專門談了消費者 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，但如果你是一個職業(yè)生涯早期的年輕設計師，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)設計師正在選擇的第一個設計工具。

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，又有消費者和企業(yè)產(chǎn)品線。因為垂直整合，他們能夠真正抓住這個機會，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，因為他在 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練基礎模型。然后這個基礎模型訓練出一個叫 Ash 的消費者產(chǎn)品，直接賣給消費者。OpenAI 和 ChatGPT 很強大，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，而且運作得很好。

我看到這個案例時的第一感受是：數(shù)據(jù)護城河在消費領域同樣重要，甚至可能更重要。因為消費者對個性化和專業(yè)性的要求更高，而專有數(shù)據(jù)正是實現(xiàn)這一點的關(guān)鍵。

我對 AI 應用未來的思考

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 可以非常快速地構(gòu)建軟件，這意味著如果你的產(chǎn)品沒有真正的護城河，被復制的速度也會非常快。這讓我意識到，在 AI 時代，護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制的東西——數(shù)據(jù)、工作流、網(wǎng)絡效應、或者深度的領域?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"強大得多。我覺得未來成功的 AI 應用會越來越多地轉(zhuǎn)向這種思維：不是替代，而是增強；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，但我覺得值得深入思考。1789年，98%的美國人是農(nóng)民。拖拉機讓一些人失業(yè)，但也讓他們?nèi)プ隽似渌虑?。大多?shù)我們現(xiàn)在看到的 AI 應用，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點雇人接電話，因為價值和成本的等式是倒置的。但 AI 可以在凌晨2點接電話。這不是替代人類工作，而是擴展了可能性。當然，像350萬卡車司機這樣的群體，未來確實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。所以把這當作你的提醒。"這個產(chǎn)品周期不那么中心化，更由軟件主導，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。我們正處在一個歷史性的轉(zhuǎn)折點，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會、構(gòu)建真正有價值和有護城河的公司的人，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！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，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時代唯一的護城河

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