AI 护城河为何仍然重要（以及它们如何变化）

摘要

• AI 正在把软件从争夺 IT 预算，变成争夺劳动力支出，因为产品如今能够直接完成工作。 David Haber 举的标志性例子是：一套软件可以合规地、全天候用 50 种语言工作；Alex Rampell 的说法更直接：「我从来没法花1美元雇到一个人，现在却能花1美元雇一套软件。」这应当创造新的软件消费，而不只是消灭就业岗位。

• AI 能力可以让产品脱颖而出，但本身并不能保护一家公司。 Haber 认为，真正持久的护城河仍然是那些熟悉的东西：掌握端到端工作流，掌握产品所处的业务语境，成为记录系统，形成网络效应，以及深度嵌入到客户离不开产品的程度。「AI 是令人难以置信的差异化工具」，但它无处不在，因此作为单独护城河的效力很弱。

• AI 正在降低软件生产成本，却让争夺可防御规模的竞争更加残酷。 Rampell 用反欺诈作类比：4个客户比3个客户多不了多少信息，但观察到40亿个客户而不是10亿个客户，确实可以带来数据优势。当市场上有「900万个小咬人者」围绕显而易见的想法竞争时，势能就变得关键，因为它提供了通往「引力规模」的最佳路径。

• 按席位收费的 SaaS 面临的是定价模式问题，不一定是灭绝事件。 当 AI 减少每个席位对应的劳动力时，Adobe 或 Zendesk 可能卖出更少席位，但也可能通过按结果收费，把收入提高4倍。更可信的颠覆集中在那些昂贵却未被充分使用的全员授权软件上；像 payroll 这样收费直接与实际使用挂钩的软件，则很难被合理地砍掉。

• 最好的切入市场，既要能创造新客户，也要有耐心的创始人。 ADP 和 Paychex 处在「无关紧要的 Goldilocks 区间」：相对 payroll 本身，薪资服务费太小，不值得客户折腾切换，因此进入困难、留存却很好。新的 EHR 面临相反的问题——几乎没有新建的医院系统，所以即使软件更好，也没有清晰的滩头阵地。

• AI 功能可以异常迅速地做到有意义的收入规模，但仍必须尽快回填成产品和公司。 一名前台正畸诊所接待员看起来可能只是叠加在现有软件上的一个功能，但因为替代了人工，每年可以收费2万美元；Rampell 警告说：「这个功能必须尽快回填成产品，再尽快回填成公司。」Haber 的「混乱收件箱」切口展示了这条路径：先摄取邮件、传真和电话数据，再接管下游排班、福利，最终成为记录系统。

• 平台和 incumbent 仍然占据优势，但垂直机会太广，不可能由一家供应商全部吞下。 OpenAI 可以同时追求50亿 ChatGPT 用户、开发者后端、编码和大型企业部署，而不必为每个冷门垂直行业搭建工作流。整合仍会淘汰缺乏差异化的第3至第100名；而保住分发渠道并采用 AI 的 incumbent，可能把劳动力替代转化为更高毛利，而不是被颠覆。

精读

1. AI 改变的是市场规模，而不是护城河的构成

• Haber 开场时的区分是关键：「AI 是令人难以置信的差异化工具」，但 AI 本身并不构成防御力。软件能够合规地、全天候用 50 种语言工作，胜过人工；真正让竞争对手进不来的，仍是掌握工作流、业务语境、记录系统、网络效应和客户依赖。

• 结构性变化在于，软件如今能够直接完成工作。因此，它的可服务市场「不再只是 IT 支出，而主要是劳动力支出」，这打开了大量新类别：这些客户过去没有多少软件预算，却早已承担了可观的运营成本。

• Rampell 用反欺诈作类比，解释了为什么许多数据护城河早期并不显眼。引力在原子尺度上确实存在，但只有到了行星尺度才会变得可感知；同样，看到4个客户而不是3个客户意义不大，但看到40亿个客户而不是10亿个客户，足以显著改善反欺诈判断。

• 这形成了从0到1的陷阱：AI 让显而易见的软件变得容易生产，市场因此充斥着「900万个小咬人者」，但防御力往往只有到了超级规模才会出现。创业公司必须在拥有规模优势之前，先建立差异化和势能，而这正是它最终要兑现的优势。

2. 按席位定价暴露在风险中，而工作流替代会形成更深嵌入

• Rampell 认为，公开软件公司走弱背后有两种担忧：AI 可能减少席位数量，客户也可能用 vibe coding 做出替代品。如果雇佣的设计师减少，Adobe 所需的设计师席位就会减少；如果软件直接回答工单，Zendesk 所需的客服席位也会减少。

• 第一种担忧确实存在，但不意味着业务会崩溃。公司可以按结果收费，收入甚至可能提高4倍；问题在于，如何用一种客户仍觉得公平的收费方式，替代心理上已经被接受的「tall、grande、venti 模式」——按席位、按月收费。

• 自己动手构建的论点，目前证据并不多。即使功能臃肿的 incumbent，也包含客户事先想不到的边缘场景：「你为什么不自己种粮食、自己焊铝、自己盖房子？」尽管 Salesforce 被引用的毛利率是80%，有人认为客户自己能开发软件正是这部分利润里的机会，但比较优势仍然支持客户购买成熟软件。

• Haber 补充说，用软件替代一个团队，可能会让产品嵌入得更深。切换这套软件是否比重新招募整个团队更难，仍是「一个开放问题」；但客户如今依赖产品来运营业务，而不只是用它辅助员工。

3. Goldilocks 区间保护 incumbent，也限制绿地市场进攻

• Rampell 所说的「保洁服务问题」，概括了 incumbent 的理想位置：给一家巨型公司带来9%的厕所清洁效果和1%的成本节省，价值小到甚至不值得在内部推动。「问题是很难进入。好消息是，也很难离开。」

• ADP 和 Paychex 都处于这个「无关紧要的 Goldilocks 区间」。Payroll 涉及税务、县级规则、员工在纽约花费的时间、工资扣押和子女抚养费；Rampell 猜测，每人每月区区50美元，可能是100美元，相比整体 payroll 规模太小，因此客户很少切换。

• 席位授权则更容易受到审视。一家公司从1,000名员工缩减到200名时，1,000个 Salesforce 席位、每席每月100美元，意味着每年120万美元；与 payroll 交付不同，这笔付款并没有与实际使用不可分割地绑定，因此全员授权会成为早期削减成本的目标。

• Torenberg 追问：新软件究竟能在哪些地方替代 incumbent？Rampell 给出两个条件：有耐心的创始人，以及大量新客户。新的 payroll 公司必须依赖较高的新公司成立率；而新的 EHR 厂商面对的几乎是零新增医院系统，只能向已经使用 Epic 或 Cerner 的医院争取500万美元的大单。

4. 前沿能力带来关注，行业语境才能把它变成一家公司

• Haber 为速度和品牌给出的最强论证，起点是市场噪音：当更多团队都能开发产品时，脱颖而出就更重要。年轻、技术能力更强的创始人可能缺乏行业根基，却能长期生活在模型前沿；接下来必须尽早补上行业语境，因为「语境为王」。

• Eve 是他的例子。创始人来自 Rubric，而不是原告律师行业；他们把文档提取、语音和 LLM 应用于原告律师的工作流，同时雇佣原告律师加入团队，以理解每个新模型对起草文件和案件推理的影响。

• Eve 所处的风险代理收费市场，也让技术与商业模式形成了匹配。在法律行业的其他领域，让一名员工效率提高50倍，可能会侵蚀按小时计费的收入；而一家只有在胜诉时才收费的律所，则可以把5倍效率转化为5倍客户数量，不产生这种冲突。

• Rampell 的互补论证是品牌加规模。势能本身不是护城河，但它提供了「让你达到引力规模的最高概率」；当有20个实力相当的竞争者时，微弱的增长斜率就是致命的，因为「你不可能靠手摇把 Cheerios 生产出来」，而领先者正在建工厂。

5. 劳动力经济学让狭窄功能变成可观业务

• Haber 指出，当模型能力与应用能力重叠时，「GPT wrapper」风险很高。但 AI 让此前不值得投资的垂直领域变得可投，因为预算来自劳动力：原告律师业务和非银行汽车贷款服务，即使历史上没有数百万美元的 IT 支出，也足以支撑公司。

• Rampell 过去提出的「功能—产品—公司」层级依然成立，但功能收入已经变了。一家正畸诊所的前台 agent 每年可以收费2万美元，因为它填补了一个岗位；客户购买的是即时解决方案，因此「这个功能必须尽快回填成产品，再尽快回填成公司」。

• Salient 体现了其中的经济账：它的语音 agent 在50个州、用50种语言合规地全天候服务汽车贷款，同时收取的费用明显高于被替代的人工成本。这项能力起初只是叠加在现有系统上的一个功能，却切入了远大于传统软件附加功能的运营预算。

• Haber 的「混乱收件箱问题」提供了一条可重复的扩张路径。他的例子从记录系统上方开始：从邮件、传真和电话中提取患者数据，导入 EHR；随后进入排班、事先授权、资格与福利管理，再利用这一切口成为端到端平台，最终甚至可能成为记录系统。

6. 平台通过竞争和任意征税威胁应用层

• Haber 认为，OpenAI 不太可能搭建每一种冷门垂直工作流，例如牙科诊所助手；垂直应用则可以通过协调多家模型公司的工作来增加价值。多元化的模型层，可能限制任何一家基础模型公司吞掉整个应用栈的能力。

• Rampell 对平台的警告有两个分支：平台所有者可以亲自下场竞争，也可以「按我的心情」向应用征税，把抽成从10%提高到40%。多家基础模型并存，相比 Windows 的支配地位改善了应用公司的处境，但应用仍需判断自己的工作流是否重要到足以吸引平台进入。

• 他的电子表格历史说明了其中的危险：VisiCalc 在1979年占据100%份额；Lotus 1-2-3 到1985年达到约70%；同年 Microsoft 为 Mac 发布 Excel。由于电子表格是企业购买电脑时的核心应用，Rampell 用这个例子说明平台所有者如何赢下应用层。

• 但大型平台会优先处理附近的「金砖」。一名 Facebook 高管曾拒绝 Rampell 的支付业务提议，因为 Facebook 脚下有数百个更容易实现的机会；因此，冷门垂直工作流可能多年无人问津，而 AI 让这些远处的金砖变得更大，因为它们能够替代劳动力。

7. 规模、整合与 incumbent 分发仍决定终局

• Rampell 为 OpenAI 设计的路线，是同时成为消费者默认入口和开发者后端：把 ChatGPT 从8亿周活跃用户推向50亿，并服务开发者。即使 Gemini 3 可能好5倍，也未必能撼动已经形成的使用习惯。

• Haber 预计会出现选择性的横向扩张：编码和 IDE，包括 Google 发布 Antigravity；以及类似 Palantir 的前置部署，为理解 AI 潜力却不知道从何入手的大型企业提供服务。Anthropic 对金融服务的兴趣，是这种咨询式路径的早期信号。

• 整合仍会按传统逻辑发生。当有20个实力相当的竞争者时，价格会接近零，或者接近「电费」，直到底部15家破产，或领先者收购竞争对手；Rampell 引用 Jack Welch 的规则：做到第3名至第100名没有价值。模型供应商面对的是最残酷的版本——成为「略逊于最先进模型，再略逊一点，再略逊一点」；不过 Rampell 仍认为，按模态和客户进行专业化存在空间。

• AI 已成为共识，这让 incumbent 比云计算或移动互联网时代更占优势：没人再嘲笑 AI，每家记录系统供应商都可以加一个按钮。Tata、Wipro 或 Infosys 可能在保留客户集成关系的同时，自动化一个10万人的呼叫中心；也可能把客户拱手让给创业公司。但 Rampell 更广泛的观点是，当软件只要1美元时，企业会购买那些过去在经济上根本不会雇人来完成的任务。