超越模型本身的 AI 机会

摘要

• AI 正在成为完整的软件产品周期，而不再只是单一模型周期，因为它叠加了 PC、互联网、云和移动等此前每一层，并通过智能手机触达数十亿潜在用户。 Rampell 表示，如今软件行业“绝大多数新增收入”都来自 AI，覆盖基础设施和应用层；短短2年间，能力也从文本、图像和基础推理推进到原生音频与实时交互。对投资者而言，这意味着应用市场可以建立在已部署的分发基础上，而不必等待一批新设备出现。
• 采用证据正在从新奇体验转向投资回报：Ramp 的客户支出数据在2025年1月出现拐点，一批软件公司在1到2年内从零做到1亿美元收入，全球约15%的成年人每周使用 ChatGPT。 Rampell 的行为学概括是，人们想要“更富、更懒”；如今“魔术真正进入了企业”，因为 AI 已经能够节省时间、降低成本或创造收入，无论当前估值是贵还是便宜。
• AI 原生替代品最好的切入口在于绿地场景，而已有的记录系统让棕地替代极其困难，也让 incumbent 能够从被其工作流锁定的用户身上变现。 一家拥有50名员工、3个实体和2种货币的公司需要摆脱 QuickBooks 时，Rillet 有机会胜出；但“AI NetSuite”或 Mailchimp 克隆品会面临巨大的迁移摩擦。Rampell 有意说得尖锐：“最好的公司拥有的是人质，不是客户。”不过，他区分了持久护城河和让用户厌恶的生意。
• 最大的新增 TAM 来自把劳动力变成软件，但最有说服力的销售话术往往是创造收入，而不是削减员工人数。 据报道，Salient 能帮助汽车贷款机构多收回50%的款项，支持21种语言，跟踪全部50个州、有时甚至县级的法律要求，并为一家员工年流失率达40%-70%、规模5000万美元的呼叫中心自动化工作。“我们会让你赚更多钱，而且成本更低”比单纯讲节省成本更有力。
• AI 能力是差异化因素，不是防御性壁垒；真正的护城河在于掌握端到端工作流，并让私有结果数据持续复利。 EvenUp 让“几乎100%”的案件都经过线索接入、证据收集、医疗时间线、索赔函和诉状等环节，随后学习哪些案件可能值5万美元、哪些可能值500万美元，从而有机会把可行案件的最低价值门槛从5万美元降到5000美元。Haber 称这一闭环是“拿枪参加刀战”。
• 封闭式数据业务如果出售加工完成的答案，而不是授权原始信息，能够捕获大得多的价值。 OpenEvidence 将独家医学期刊授权与类似 ChatGPT 的界面结合，据报道每周有三分之二的美国医生使用；VLex 聚合法律记录26年后加入 AI，收入据报道增长至原来的5倍；Ask Leo 则利用通常无法获得的合同历史，例如50份 Deloitte 协议。Rampell 的比喻是：掌握稀缺的“蔬菜”，再出售做好的成品菜。
• 即使 incumbent 强大，创业机会依然存在，但筛选标准会转向模型聚合器、专有语料库、垂直操作系统，以及一次性买下分发渠道的并购，而不是无休止地滚动收购服务公司。 Acharya 认为，聚合器可以在专业模型之间提供“单一视图”，不像绑定第一方模型的实验室；Rampell 更愿意以3倍 EBITDA 收购一家拥有5个蓝筹客户、规模正在收缩的服务商，而不是整合200家会计师事务所。早期企业客户留存被描述为强劲，随着客户开始询问创业公司 AI 应该落地在哪里，支出正转向前置部署工程。

精读

1. AI 叠加既有产品周期，而不是从零开始

• Rampell 对历史的梳理始于一个反复出现的分化：PC、互联网、云和移动各自都催生了基础设施供应商与应用公司，而“产品周期推动增长”，途中伴随泡沫和纳斯达克回撤。Apple 和 Microsoft、Cisco 和 Akamai、AWS，以及 eBay、Amazon、Workday、Shopify 和 Veeva，展示了这两层业务都可能长期存在。

• AI 建立在此前每一层之上。一部40美元的 Android 手机比 ENIAC 更强大，而数十亿人已经拥有接入云基础设施的智能手机；Rampell 认为，如果没有这批已部署的设备，AI 就只是一个令人惊叹、但“你可以去博物馆参观”的机器。

• 进步被压缩在数年之内：2017年的《Attention Is All You Need》提出了 Transformer，而早期 ChatGPT/GPT-2 演示仍会让 Rampell 想起 ELIZA 那种反射式提问模仿。如今，按历史标准衡量，系统已经能够显得“完全有知觉”，迫使人们不断重新设定 AGI 的目标线；与此同时，应用进入了他所谓的“黄金时代”。

2. 企业“魔术”已经变成可量化的需求

• Rampell 直接反驳一篇声称大多数企业 AI 部署都没有奏效的论文：Ramp 的客户支出数据显示，2025年1月，拥有数千名员工、技术采用领先的公司出现了“巨大的跃升”。他的意思并不是每家企业都已经完成转型，而是实际采购正在发生拐点。

• GPT-3.5 可以生成一集新的《Seinfeld》并让朋友惊叹；GPT-4 则让人觉得不可思议。此后的变化是经济层面的：“魔术真正进入了企业”，软件公司如今可以在1到2年内从零做到1亿美元收入，因为客户获得了实质价值，而不只是因为预算有富余。

• 据 Rampell 介绍，如今全球约15%的成年人每周使用 ChatGPT，美国用户的使用时长也在快速上升。他举的家庭案例非常日常：妻子在一次校车纠纷中使用 ChatGPT，让它检索法律后发出一封礼貌的投诉，最终收到道歉。这些“可数的无穷多”日常用例，而不是演示，才是推动使用持续扩大的关键。

3. 绿地记录系统是 AI 原生产品最干净的切入口

• Rampell 将可投资的应用市场分成3类：以 AI 原生方式重建传统软件、执行劳动力而不是争夺软件预算的软件，以及依靠专有数据提供独特高价值成品的封闭式数据业务。三者共同面临的问题，都是如何抵御实验室、incumbent 和低成本复制的小工具。

• Mercury 是他总结绿地机会时的典型案例：它为新成立的创业公司搭建银行业务，但直到 SVB 倒闭的那个周末，才从现有客户中抢走第一位 Silicon Valley Bank 客户。将 AI 增强版 Mailchimp 或 NetSuite 卖给已有账户很难；赢得一家新成立的公司，或抓住买方跨过拐点、进入升级阶段的时刻，则可以避开这场替代战。

• Rillet 展示了这个门槛。一家公司发展到50名员工、3个实体和2种货币时，QuickBooks 开始难以满足需求，KPMG 也会告诉它需要更强的 ERP。此时，公司可以选择 NetSuite，也可以选择一个“替你结账”的 AI 原生系统，后者还包含50项 AI 功能。

• Incumbent 也会变得更强。即使竞争对手只收4.99美元，Workday 仍可以收500美元来完成背景调查，因为员工记录已经在它那里；当99%的问题都实现自动化后，客服软件也可能从按席位收费转向按结果收费。Rampell 所说的“人质，而不是客户”，指的是转换成本形成的护城河，而不是负100的 NPS。

4. 软件向劳动力扩张，价值与成本方程发生反转

• 劳动力市场“比软件大得多”，但定价尚未确定。Plaza Lane Optometry 每年在普通软件上的支出可能只有500美元，却要为招聘一名接待员开出约4.7万美元；如果软件能够承担8项工作职责中的5项，价格可能达到2万美元——不是全部工资，但远高于传统工具。

• Rampell 也弱化了自己“软件正在吞噬劳动力”的说法：他看到的很多产品是在补充原本不存在的劳动力，包括凌晨2点根本不会有人接听的电话。他提到，1789年美国90%的人口从事农业，而如今这一比例已发生变化；同时也承认，350万名卡车司机未来可能拥有更好的自动化方案，而未来会出现哪些职业仍无法预知。

• Haber 在原告律师行业看到了异常强的激励一致性。按胜诉结果收费的律师可能只接受100条线索中的1条，因为每个案件在胜诉前都会持续消耗无偿劳动力；如果让律师的生产率提高5倍，收入可能提高5倍甚至更多。相较之下，按小时计费的公司律师事务所，如果初级律师的生产率提高50倍，反而可能损失可计费收入。

• EvenUp 掌握从线索接入到诉讼的全流程：其语音代理用50种语言收集证据，筛选医疗和就业记录，判断潜在案件价值是5万美元还是500万美元，并起草时间线、索赔函和诉状。由于“几乎100%”的案件都流经系统，私有结果数据会持续优化未来的线索接入，并可能把经济上可行的案件最低价值从5万美元降至5000美元。

5. Salient 说明工作流和私有学习为何高于 AI 功能

• Haber 区分了差异化与防御性。支持50种语言或总结文件，可以让 EvenUp 相对人工流程形成差异；但护城河在于对整个案件的上下文控制，以及公共模型无法用于训练的结果数据。随着 vibe coding 加速模仿，Rampell 警告说：“你的利润就是我的机会。”独立的基础功能会越来越容易被复制。

• Salient 自动化汽车贷款服务和催收，包括保险跟进，以及与借款人进行经常带有敌意的对话。它的第一位客户拥有一个年规模5000万美元、员工流失率达40%-70%的呼叫中心。决定性成果不是降低通话成本，而是让催收额提高50%：“我会让你每个月多收回50%的收入。”

• Salient 的防御来自数百万通电话积累的运营深度：系统知道在 Missouri、California、Iowa、全部50个州，以及有时在具体县级区域内可以说什么；能在法规仍处于提案阶段时就将其纳入；并以21种语言完成对话。这正是 Rampell 对 Salient 为何应当击败假想中的“Talient 和 Zalient”的回答。

• 最终目标是垂直操作系统，而不是把劳动力以便宜一分钱的价格出售。Toast 曾因餐厅倒闭和软件支出低迷而遭到质疑，但支付、借贷、排班和 DoorDash 集成让它难以被替代；ServiceTitan 和 Mindbody 也提供了类似证据，说明高度垂直的软件依然可以成长为大型企业。

6. 封闭式数据花园把公共原材料变成稀缺历史数据

• Rampell 的核心比喻是：OpenAI 经营一座“蔬菜农场”，出售 tokens，随后又开设餐厅，与自己的应用客户竞争。一种防御方式是掌握这座农场没有的原材料，围绕它筑墙并收取访问费，或者直接用它把成品菜端上桌。

• FlightAware 的原材料起初是公开的 ADS-B 转发器信号。Rampell 表示，全球约有100根天线收集飞机的位置、高度、速度和机尾编号；任何人都可以买天线，但汇总后的数据就变成了 ChatGPT 没有的信息。

• PitchBook 的历史融资轮档案和 DomainTools 的旧 WHOIS 记录遵循同一逻辑。订阅自1992年以来每一笔法律科技 B 轮融资很有用，但一份完成的对比备忘录可能值2000美元，而不是20美元或200美元，因为它消除了从原始数据到决策之间的分析工作。

• 时间本身会创造专有性。今天的 YouTube 订阅数是免费的，但 MrBeast 在2017年8月4日的订阅数必须曾被记录在某处；县级房产记录是公开的，却四散各处；老式搅拌机说明书可以在 eBay 上低价买到并数字化。AI 能够让这些此前边际价值很低的档案“变得有价值10倍或100倍”。

7. 独家语料库与成品答案结合后价值更高

• OpenEvidence 看起来像 ChatGPT，但 Rampell 表示，它拥有 New England Journal of Medicine 及其他医学期刊的独家授权。据报道，美国约三分之二的医生几乎每周使用它，因为“跟腱撕裂后的循证治疗”这类问题，需要通用模型缺少的原始资料。

• VLex 花了26年购买、聚合并数字化西班牙和欧洲的法律记录。加入 AI 后，CEO 据报道告诉 Rampell，收入增长至原来的5倍：它不再只是出售单篇文章或价格有限的订阅，而是可以在早上7:00生成一份包含西班牙判例法的客户备忘录。

• Ask Leo 将这一模式应用到采购。当公司收到一份 Deloitte 合同时，有价值的问题不只是文件写了什么，还包括类似客户拒绝了什么、或应该反向谈判什么。一套包含50份此前 Deloitte 协议的语料库，能够提供 ChatGPT 很可能不具备的议价信息。

• Kha 提出的挑战——为什么要把花园授权给中间商，而不是直接服务终端客户——正是这一战略的含义。Rampell 认为，VLex 应该消耗便宜的模型 tokens，用独家数据增强结果，再直接出售成品。现在正是时点，原因在于 AI 可以把一座籍籍无名、价值2000万美元的档案库，变成一个看起来有机会做到1亿美元的产品。

8. 强大的 incumbent 与创业公司的切口可以共存

• AI 与云和移动的不同之处在于，incumbent 和客户普遍都认同智能有价值。过去本地部署软件供应商曾认为云不安全，很多人最初也不看好 iPhone、Uber 或 Airbnb；如今 NetSuite、QuickBooks、SAP、Adobe 和 Workday 都在主动寻找 AI 的变现方式，而不是忽视这场转型。

• 因此 Rampell 看好 incumbent，但对颠覆保持选择性。他认为 Intuit 可以向现有 QuickBooks 客户按回款收费，NetSuite 也可能找到15条新的变现路径。他不看好在既有软件“宾果卡”上进行正面棕地替代，但看好绿地进入者、劳动力自动化，以及从另一条轴线切入既有支出的专有数据产品。

• 白领服务公司的滚动收购并不天然符合风险投资模式。买下一家会计师事务所，花9个月整合，再重复这个过程约200次，最终只会让公司与已经熟悉这套打法的私募股权公司竞争；收购 San Carlos 的一家皮肤科诊所，也几乎无法帮助其建立 Florida 的分发渠道。

• 更锋利的策略是一次性买下销售渠道。一家 AI 赋能的催收公司可以用3倍 EBITDA 收购一家正在萎缩、拥有5个蓝筹客户的公司，提升回款，再利用这些标杆客户拓展1000家新客户，而无需继续并购。Rampell 认为，规模约1000亿美元的 MSP 市场也存在类似机会，因为远程 IT 的客户接入可以数字化扩张。

9. 消费者 AI 复现同样的3种应用模式

• Acharya 将 Rampell 的框架直接映射到消费者产品。Krea 是年轻设计师选择第一款工具时会用的 AI 原生 Photoshop；它已经存在超过18个月，并内置了 AI primitives。ElevenLabs 则创造了一个5年前几乎不存在的垂直整合语音与音频品类，如今同时覆盖消费者和企业市场。

• Slingshot 通过为执业治疗师提供 AI 记录员，构建专有的治疗数据。咨询过程中生成的记录会训练基础模型，再驱动面向消费者的治疗师 Ash。Acharya 认为，OpenAI 和 ChatGPT 依然强大，但它们没有 Slingshot 的专业语料库，因此 Slingshot 可以提供差异化且价格更高的产品。

• 模型聚合器也有结构性切入口。Acharya 将其比作 Kayak：用户更愿意一次搜索所有航空公司，而不是只访问 Delta 或 United，因为创作模型和 vibe-coding 模型各有专长，并非完美替代品。聚合器提供“单一视图”，而实验室和 Big Tech 按他的说法，都受限于自己的第一方模型。

10. 品类专长是获取项目的引擎，投资信念需要两把钥匙

• Rampell 将风投工作概括为“找到、挑选并赢得交易”，然后在不向 CEO 提供糟糕建议的前提下提供帮助。该机构发布品类研究、基准数据、应用排名和视频，因为“靠风险投资变现的媒体公司”虽然是玩笑话，却准确描述了一种方法：内容积累专长，并帮助机构找到、挑选和赢得交易。

• Rampell 使用“逆向选择与正向选择”这组说法，随后表示，一笔挂在市场上6个月的便宜交易大概率有问题，而团队想要的是每一家强势风投机构都想投的最佳公司。竞争性定价本身不是淘汰理由；缺乏竞争性需求，反而可能是一项逆向信息。

• 投资审批刻意围绕信念展开，而不是先由委员会投票、再进行政治性交易。两把钥匙的流程会检查项目负责人是否见过每一个竞争对手，并完成最高质量的工作；随后通常会听从那个“身处赛场的人”，尤其是在较小的种子轮支票上，因为年轻投资人可能更了解正在出现的消费者行为。

• 组织的约束在于赢得非凡交易时的杠杆，而不是开支票的绝对能力。面对“超级能力交易”，全公司都会参与；Rampell 开玩笑地把 Marc Andreessen 称为“空军”和一架 F-35。具有董事会分量的资深运营者可能很重要，因为选错公司不仅会损失投入资本，更会错失一个品类的胜者，而后者的代价大得多。

11. 留存看起来健康，企业交付正转向工程师

• Acharya 表示，投资组合尚未出现普遍比价或切换。企业如果围绕 AI primitive 构建丰富的软件生态，并成为客户更广泛的 AI 解决方案提供商，持续将新的 primitives 转化为营收增长，留存最强；他还报告了令人鼓舞的消费者留存信号。

• Acharya 报告称，流入需求异常强劲——EvenUp 在达到当前规模后仍不需要主动销售——但预计企业销售最终会大幅增加。短期投资更多会投向前置部署工程：大型企业需要创业公司识别 AI 的适用场景，并将产品适配到这些工作流，而不只是再增加一个拿着通用话术的销售。

• Rampell 最后从文化层面概括这一判断：如今许多创业公司在增加员工之前，都会先问：“这项工作能不能用 AI？”AI 原生供应商如果自己仍通过未经改造的传统流程运营，就无法令人信服地改造客户；它们必须同时将这项技术应用到自身的成本基础和收入引擎上。