硅谷頂級(jí)風(fēng)投a16z最新報(bào)告：SaaS已死，AI應(yīng)用的護(hù)城河來(lái)自三方面

作者 林易

編輯重點(diǎn)君

1月20日，硅谷頂級(jí)風(fēng)險(xiǎn)投資機(jī)構(gòu)a16z發(fā)布了一份關(guān)于AI應(yīng)用的深度分析報(bào)告。主題聚焦于AI應(yīng)用真正的護(hù)城河在哪里？

a16z總結(jié)出三個(gè)要點(diǎn)：

一、軟件取代勞動(dòng)力

過(guò)去二十年，SaaS行業(yè)的黃金法則一直是：將原本由人完成的工作流程化、工具化，然后按人頭向企業(yè)收費(fèi)。但在a16z看來(lái)，這個(gè)邏輯正在失效。AI應(yīng)用正在進(jìn)入一個(gè)新的階段，軟件即勞動(dòng)力（Software is eating labor）。

這是一個(gè)比傳統(tǒng)軟件市場(chǎng)大得多的生意。a16z以投資的Salient為例，傳統(tǒng)的SaaS思路是賣一套更好的管理軟件給催收公司，幫他們省錢，但Salient的做法是：直接用AI取代催收員。傳統(tǒng)的催收員不僅成本高、流動(dòng)性大，而且受限于情緒和法律知識(shí)，經(jīng)常出錯(cuò)。而AI催收員可以熟知全美50個(gè)州復(fù)雜的法律條款，精通21種語(yǔ)言，且永遠(yuǎn)情緒穩(wěn)定。結(jié)果Salient不僅降低了成本，更重要的是幫客戶多收回了50%的欠款。

“每個(gè)人都想省錢，但每個(gè)人更想賺錢。”當(dāng)軟件不再只是工具，而是直接交付結(jié)果時(shí)，客戶愿意支付的就不再是每人每月幾美元的訂閱費(fèi)，而是基于結(jié)果的分成。

二、傳統(tǒng)軟件的AI原生化

盡管創(chuàng)業(yè)公司攻勢(shì)兇猛，但a16z并不認(rèn)為巨頭會(huì)輕易倒下。最好的公司擁有的是“人質(zhì)”（Hostages），而不是客戶。

像NetSuite、Workday這類巨頭，記錄系統(tǒng)早已嵌入企業(yè)的肌理，極難被替換。對(duì)于這些存量市場(chǎng)的霸主來(lái)說(shuō)，AI成了加固城墻的工具。Workday可以輕松上線一個(gè)AI背景調(diào)查功能，并為此向每個(gè)員工收取500美元，客戶雖然抱怨，但別無(wú)選擇。因此，a16z建議創(chuàng)業(yè)者避開這些巨頭，去尋找那些全新的增量市場(chǎng)。

三、用專有數(shù)據(jù)構(gòu)建圍墻花園

隨著OpenAI、Google等巨頭將大模型能力不斷推高，模型本身的稀缺性正在下降。在模型日益商品化的今天，專有數(shù)據(jù)（Proprietary Data）成為了唯一的圍墻花園。

Open Evidence是一個(gè)典型的案例。雖然ChatGPT也能回答醫(yī)學(xué)問(wèn)題，但Open Evidence擁有《新英格蘭醫(yī)學(xué)雜志》等核心醫(yī)學(xué)文獻(xiàn)的獨(dú)家授權(quán)。這種基于封閉數(shù)據(jù)構(gòu)建的答案，是通用大模型無(wú)法通過(guò)公開爬蟲獲取的。當(dāng)AI擁有了理解和推理能力，沉睡的數(shù)據(jù)就變成了金礦。

a16z認(rèn)為人性底層的邏輯非常簡(jiǎn)單：每個(gè)人都想要兩樣?xùn)|西：變得更富和變得更懶。對(duì)于企業(yè)來(lái)說(shuō)，采用AI不僅僅是為了降本（更懶），更是為了直接創(chuàng)造營(yíng)收（更富）。從Ramp的數(shù)據(jù)來(lái)看，企業(yè)在AI上的支出在2025年1月出現(xiàn)了一次巨大的躍升。這是實(shí)打?qū)嵉纳a(chǎn)力落地。

不同于移動(dòng)互聯(lián)網(wǎng)時(shí)代僅僅是把電腦裝進(jìn)口袋，AI時(shí)代的變革是疊加在過(guò)去五十年P(guān)C、互聯(lián)網(wǎng)、云和移動(dòng)技術(shù)之上的。它面對(duì)的是全球80億已經(jīng)聯(lián)網(wǎng)的用戶，擴(kuò)散速度前所未有。雖然外界對(duì)AI泡沫的擔(dān)憂從未停止，但在a16z的投資版圖中，那些能在數(shù)據(jù)上構(gòu)建圍墻、在業(yè)務(wù)上直接交付結(jié)果的公司，正以0到1億美元營(yíng)收的最快紀(jì)錄，證明著這個(gè)時(shí)代的真實(shí)性。對(duì)于創(chuàng)業(yè)者而言，現(xiàn)在不是擔(dān)心巨頭的時(shí)候，而是去尋找那些還未被數(shù)字化的角落，用AI把苦力活變成印鈔機(jī)的最佳時(shí)機(jī)。

a16z報(bào)告內(nèi)容劃重點(diǎn)：

1、軟件即勞動(dòng)力是最大增量

SaaS行業(yè)的邏輯正在發(fā)生根本性轉(zhuǎn)變，從賣工具進(jìn)化為直接交付工作結(jié)果。過(guò)去企業(yè)按人頭購(gòu)買軟件（如Office）來(lái)輔助員工工作，而AI時(shí)代，軟件將直接取代勞動(dòng)力完成任務(wù)。

2、專有數(shù)據(jù)是唯一的圍墻花園

隨著大模型能力的普及和商品化，模型本身的稀缺性下降，專有數(shù)據(jù)（Proprietary Data）成為真正的護(hù)城河。創(chuàng)業(yè)者應(yīng)利用私有數(shù)據(jù)構(gòu)建通用模型無(wú)法復(fù)制的優(yōu)勢(shì)。

3、商業(yè)模式變革：從賣原材料轉(zhuǎn)向賣成品

在AI時(shí)代，單純的數(shù)據(jù)訂閱模式（賣原材料）價(jià)值有限，真正的價(jià)值在于利用獨(dú)家數(shù)據(jù)生成成品。過(guò)去像PitchBook這樣的公司出售數(shù)據(jù)供人分析，現(xiàn)在AI應(yīng)該直接基于數(shù)據(jù)生成完整的分析報(bào)告或備忘錄。這種從賣蔬菜到賣大餐的轉(zhuǎn)變，能將產(chǎn)品價(jià)值提升10倍甚至100倍。

4、巨頭的防御：擁有人質(zhì)而非客戶

現(xiàn)有的軟件巨頭（如Salesforce、Workday）不會(huì)輕易被顛覆，因?yàn)樗鼈儞碛袠O難被替換的記錄系統(tǒng)和客戶關(guān)系，這些客戶更像是被鎖定的“人質(zhì)”。巨頭可以利用現(xiàn)有的壟斷地位，輕松上線AI功能并強(qiáng)制收費(fèi)，客戶雖然抱怨但別無(wú)選擇。

5、垂直整合服務(wù)：AI時(shí)代的門口野蠻人

與其開發(fā)一個(gè)難以銷售給會(huì)計(jì)師的軟件工具，不如直接收購(gòu)一家會(huì)計(jì)師事務(wù)所作為試驗(yàn)田，利用AI大幅提升效率，從而以更低成本服務(wù)成千上萬(wàn)的新客戶，成為一家AI驅(qū)動(dòng)的超級(jí)會(huì)計(jì)師事務(wù)所。這種模式解決了傳統(tǒng)軟件銷售中最難的獲客和交付問(wèn)題。

6、AI重構(gòu)勞動(dòng)力價(jià)值方程：增強(qiáng)而非單純替代

目前的AI變革更多是增強(qiáng)勞動(dòng)力或解決人才短缺，而非引發(fā)大規(guī)模失業(yè) 。商業(yè)決策的核心是成本與價(jià)值的權(quán)衡：當(dāng)AI能以極低成本全天候工作且情緒穩(wěn)定時(shí)，它實(shí)際上是在做人類不愿意做或做不好的工作 。未來(lái)的工作形態(tài)不是人類被淘汰，而是隨著AI接管低效勞動(dòng)，人類轉(zhuǎn)向更高價(jià)值的領(lǐng)域，正如昔日的農(nóng)民轉(zhuǎn)向其他職業(yè)一樣 。

7、消費(fèi)者AI的機(jī)會(huì)在于聚合與新類別

在消費(fèi)者應(yīng)用領(lǐng)域，除了創(chuàng)造全新的原生類別（如11Labs所在的語(yǔ)音市場(chǎng)），“模型聚合者”往往比單一模型更有價(jià)值。這就好比Kayak之于航空公司，用戶需要一個(gè)統(tǒng)一界面來(lái)調(diào)用所有模型的最佳能力，而不是被鎖定在某一個(gè)大廠的模型中。因?yàn)榇髲S通常受限于自家模型，這給第三方聚合平臺(tái)留出了巨大的生存空間。

以下為a16z報(bào)告原文：

1、宏觀視角：產(chǎn)品周期驅(qū)動(dòng)市場(chǎng)增長(zhǎng)

回顧1977年至今的納斯達(dá)克指數(shù)，盡管短期內(nèi)市場(chǎng)有漲有跌，但長(zhǎng)期趨勢(shì)始終向上。這一增長(zhǎng)的核心動(dòng)力在于產(chǎn)品周期。過(guò)去幾十年，我們經(jīng)歷了四個(gè)重大的產(chǎn)品周期：

個(gè)人電腦（PC）時(shí)代：這是起步階段。

互聯(lián)網(wǎng)時(shí)代：在PC基礎(chǔ)上建立連接，誕生了Cisco等基礎(chǔ)設(shè)施公司以及eBay、Amazon等應(yīng)用層巨頭。

云計(jì)算時(shí)代：AWS等基礎(chǔ)設(shè)施崛起，支撐了Workday、Shopify、Veeva等應(yīng)用層公司的爆發(fā)。

移動(dòng)互聯(lián)網(wǎng)時(shí)代：將計(jì)算機(jī)放進(jìn)了每個(gè)人的口袋。

現(xiàn)在，我們正處于第五個(gè)周期——AI時(shí)代。這并不是憑空出現(xiàn)的全新事物，而是建立在智能手機(jī)普及和云計(jì)算基礎(chǔ)設(shè)施之上的。如果退回幾十年前，只有ENIAC計(jì)算機(jī)而沒(méi)有云計(jì)算和移動(dòng)端，AI只能是博物館里的陳列品。如今，全球80億人大多擁有智能手機(jī)，新技術(shù)的采納速度前所未有。我們觀察到，軟件領(lǐng)域絕大多數(shù)的新增收入目前都來(lái)自于AI，無(wú)論是基礎(chǔ)設(shè)施層還是應(yīng)用層。

我對(duì)人類行為有一個(gè)普遍的觀察：每個(gè)人都想變得更富有、更懶惰。也就是說(shuō)，人們希望用更少的工作獲得更多的經(jīng)濟(jì)價(jià)值。生成式AI正是解鎖這一需求的關(guān)鍵。

兩年前，ChatGPT剛發(fā)布時(shí)，大家覺(jué)得它像個(gè)能寫劇本的新奇玩具。但現(xiàn)在，它已經(jīng)滲透進(jìn)企業(yè)，實(shí)實(shí)在在地為人們節(jié)省時(shí)間和金錢。以企業(yè)支出管理公司Ramp為例，我們可以看到具有前瞻性的公司（不僅僅是初創(chuàng)公司，也包括擁有數(shù)千員工的傳統(tǒng)企業(yè)）正在積極采用AI技術(shù)。這不僅是曲線的平穩(wěn)增長(zhǎng)，而是一個(gè)劇烈的拐點(diǎn)。

馬斯洛需求層次理論的底層曾被戲稱為Wi-Fi，而現(xiàn)在出現(xiàn)的下一個(gè)需求底層實(shí)際上是AI。美國(guó)約有15%的成年人每周使用ChatGPT，它已成為日常工具——從解決生活瑣事（比如我妻子用它查詢法律條款來(lái)處理校車投訴）到處理復(fù)雜的商業(yè)邏輯。

2、a16z的三大AI投資主題

我們一直在思考：什么是具有防御性的？哪些是OpenAI等巨頭不會(huì)去做的事情？基于此，我們總結(jié)了三個(gè)主要的投資主題：

傳統(tǒng)軟件的AI原生化：

這指的是現(xiàn)有的軟件類別正在利用AI進(jìn)行自我革新。回顧歷史，如果能回到15-20年前投資云原生公司（如Salesforce、NetSuite），你會(huì)獲得巨大的回報(bào)，因?yàn)楫?dāng)時(shí)的本地部署軟件巨頭無(wú)法適應(yīng)訂閱模式。

但這一次情況不同。現(xiàn)有的軟件巨頭如Adobe、Salesforce、Workday并沒(méi)有坐以待斃。它們正在將AI融入現(xiàn)有產(chǎn)品，并以此為新功能收費(fèi)。例如，Workday可能會(huì)利用其壟斷地位（擁有“人質(zhì)”而非僅僅是客戶），提供內(nèi)置的背景調(diào)查功能，價(jià)格雖高但客戶難以拒絕。這些巨頭因AI而變得更強(qiáng)大，因此在現(xiàn)有的軟件版圖上直接競(jìng)爭(zhēng)非常困難。

軟件取代勞動(dòng)力（Service-as-Software）：

這是我們最興奮的領(lǐng)域，也是最大的市場(chǎng)機(jī)會(huì)。這屬于空白市場(chǎng)（Greenfield Opportunity）。

以前，軟件公司是在賣工具；現(xiàn)在，軟件開始直接銷售工作結(jié)果。

假設(shè)一家眼科診所，每年花500美元訂閱Microsoft Office，但會(huì)花4.7萬(wàn)美元雇傭一名前臺(tái)接待。如果現(xiàn)在有一款軟件能完成前臺(tái)90%的工作（24小時(shí)在線、懂多國(guó)語(yǔ)言），診所不會(huì)只愿意付500美元，而是愿意支付接近人工成本的一小部分（例如2萬(wàn)美元）。

這徹底改變了軟件的市場(chǎng)規(guī)模。我們不再是爭(zhēng)奪那500美元的軟件預(yù)算，而是去切分那數(shù)萬(wàn)億美元的勞動(dòng)力市場(chǎng)。這類公司通常沒(méi)有歷史包袱，是在全新的領(lǐng)域創(chuàng)造價(jià)值。

圍墻花園與專有數(shù)據(jù)（Walled Gardens）

這一類是指擁有專有數(shù)據(jù)模型，且能形成深厚護(hù)城河的企業(yè)。其核心在于利用私有數(shù)據(jù)構(gòu)建通用的AI模型無(wú)法復(fù)制的優(yōu)勢(shì)。

在法律領(lǐng)域，大家可能聽過(guò)服務(wù)于高端企業(yè)律所的Harvey。但我們關(guān)注到了另一個(gè)獨(dú)特的市場(chǎng)——原告律師（Plaintiff Law），例如處理人身傷害或勞動(dòng)法的律師。

這個(gè)市場(chǎng)的商業(yè)模式非常特殊：風(fēng)險(xiǎn)代理/勝訴分成（Contingency Fee）。律師按勝訴金額的一定比例收費(fèi)，而非按小時(shí)計(jì)費(fèi)。

如果是企業(yè)律師，AI提高50倍效率可能會(huì)導(dǎo)致計(jì)費(fèi)工時(shí)減少，從而降低收入。但在原告業(yè)務(wù)中，效率提高5倍意味著律師可以處理5倍的案件，收入直接翻倍。這與AI的核心價(jià)值完美契合。

我們投資的Eve不僅僅是一個(gè)工具，它正在接管端到端的工作流。Eve推出了語(yǔ)音代理，可以自動(dòng)聯(lián)系潛在客戶、收集證據(jù)、梳理數(shù)千頁(yè)的醫(yī)療記錄，并起草索賠函。Eve的防御性不僅在于它能打電話或?qū)懻ㄟ@些是差異化，不是防御性），而在于它成為了記錄系統(tǒng)（System of Record）。

隨著Eve處理的案件越來(lái)越多，它積累了關(guān)于案件結(jié)果的私有數(shù)據(jù)。它能告訴律師：“根據(jù)過(guò)去的數(shù)據(jù)，這個(gè)案子只值5千美元，不值得投入精力；而那個(gè)案子可能值500萬(wàn)美元。”這種基于結(jié)果數(shù)據(jù)的判斷力是OpenAI或其他通用模型無(wú)法獲取的，因?yàn)檫@些數(shù)據(jù)不是公開的。

在AI投資中，我們不僅關(guān)注差異化（Differentiation），例如能用50種語(yǔ)言對(duì)話；更關(guān)注防御性（Defensibility）。

如果在現(xiàn)有的軟件版圖上競(jìng)爭(zhēng)，你面對(duì)的是擁有深厚客戶關(guān)系的巨頭，這很難。但如果你能：

開辟空白市場(chǎng)，用軟件取代昂貴且低效的人工勞動(dòng)；

建立記錄系統(tǒng)，通過(guò)掌控工作流積累私有數(shù)據(jù)，形成“數(shù)據(jù)-洞察-價(jià)值”的正向循環(huán)；

那么，你就能建立起真正的壁壘。正如Eve在法律領(lǐng)域的實(shí)踐，它不僅降低了處理案件的邊際成本，還通過(guò)數(shù)據(jù)優(yōu)勢(shì)指導(dǎo)商業(yè)決策，這種粘性和網(wǎng)絡(luò)效應(yīng)才是我們尋找的持久增長(zhǎng)動(dòng)力。

3、關(guān)于失業(yè)與技術(shù)替代的思考

關(guān)于大規(guī)模失業(yè)對(duì)社會(huì)的影響，我認(rèn)為這種情況不會(huì)很快發(fā)生。回看1789年，98%的美國(guó)人都是農(nóng)民。顯然，拖拉機(jī)的出現(xiàn)取代了部分人力，但也促使這部分人轉(zhuǎn)向了其他工作。坦率地說(shuō)，我們目前看到的大多數(shù)技術(shù)變革并不是在消除工作崗位。

以那350萬(wàn)名卡車司機(jī)為例，未來(lái)某個(gè)時(shí)間點(diǎn)，我們肯定會(huì)找到比人類駕駛卡車更好的解決方案——即由AI來(lái)完成。商業(yè)決策的核心在于成本與價(jià)值的權(quán)衡：當(dāng)產(chǎn)出價(jià)值低于成本時(shí)，雇傭人類是不合理的；但如果你能雇傭AI，情況就變了。當(dāng)成本大幅下降而價(jià)值保持不變時(shí)，企業(yè)會(huì)大量采用AI，但這并不意味著會(huì)大規(guī)模淘汰人類。這很難精準(zhǔn)預(yù)測(cè)，但回顧75年前，軟件公司里并沒(méi)有產(chǎn)品經(jīng)理或設(shè)計(jì)師這樣的職位，對(duì)于1800年代的人來(lái)說(shuō)，現(xiàn)代的許多工作也毫無(wú)意義。因此，我們現(xiàn)在看到的許多變化，并不是直接的替代，而是增強(qiáng)。

與其說(shuō)軟件正在吞噬勞動(dòng)力，不如說(shuō)軟件正在增強(qiáng)勞動(dòng)力，或者是在解決人才短缺的問(wèn)題。例如，我很難雇人在凌晨2點(diǎn)接電話，但我可以部署AI來(lái)做這件事。這不僅僅是成本問(wèn)題，更是價(jià)值與成本方程的重構(gòu)。

一個(gè)很好的例子是汽車貸款催收行業(yè)。這是一項(xiàng)艱難的工作，員工需要整天面對(duì)那些拒絕還款、因?yàn)檐嚨溁虮ｋU(xiǎn)糾紛而憤怒的客戶。還要忍受漫長(zhǎng)的電話等待音樂(lè)，這種環(huán)境讓人極其痛苦，導(dǎo)致員工流失率極高。而在這種場(chǎng)景下，AI的價(jià)值不在于省錢，而在于它能將回款率提高50%。

像Salient這樣的公司之所以能爆發(fā)式增長(zhǎng)，是因?yàn)樗麄兏淖兞送其N邏輯。他們不對(duì)客戶說(shuō)“我要幫你省錢”，而是說(shuō)“我要通過(guò)合規(guī)的方式，幫你把每月的收入提高50%，同時(shí)確保“你不會(huì)因?yàn)閱T工受氣說(shuō)錯(cuò)話而惹上法律麻煩”。AI可以全天候工作，情緒穩(wěn)定，嚴(yán)格遵守合規(guī)要求。這才是真正的價(jià)值創(chuàng)造。

通過(guò)軟件建立記錄系統(tǒng)（System of Record）并構(gòu)建垂直操作系統(tǒng)，是讓產(chǎn)品具有極高粘性的關(guān)鍵。

即使在餐飲這樣看似不買軟件且倒閉率高的行業(yè)，Toast也證明了垂直軟件的巨大潛力。起初很多人看衰Toast，但他們最終不僅提供軟件，還整合了金融服務(wù)（支付處理和貸款），成為了餐廳運(yùn)營(yíng)的一站式平臺(tái)。這種深度集成使得傳統(tǒng)的支付處理公司無(wú)法通過(guò)簡(jiǎn)單增加軟件功能來(lái)取代它。

同理，處理復(fù)雜的合規(guī)問(wèn)題也是一種護(hù)城河。比如在人力資源或法律科技領(lǐng)域，你需要捕捉每一條新的聯(lián)邦和州法律。你在密蘇里州、加利福尼亞州和愛(ài)荷華州需要說(shuō)的話完全不同。人類很難實(shí)時(shí)記住所有這些差異，但像Salient這樣的系統(tǒng)可以掌握21種語(yǔ)言和所有法規(guī)細(xì)節(jié)，這就是為什么它的表現(xiàn)能高出50%。

現(xiàn)在我們進(jìn)入一個(gè)非常重要的概念——圍墻花園（Walled Garden）。

目前像OpenAI這樣的公司就像是一個(gè)基礎(chǔ)設(shè)施供應(yīng)商，或者比喻為蔬菜農(nóng)場(chǎng)，他們種植并出售tokens。原本他們應(yīng)該只做基礎(chǔ)設(shè)施，讓下游公司去構(gòu)建應(yīng)用。但現(xiàn)在OpenAI也開始自己做應(yīng)用，這就相當(dāng)于農(nóng)場(chǎng)主在農(nóng)場(chǎng)里開了餐廳，直接與買菜的餐廳老板競(jìng)爭(zhēng)。

在這種環(huán)境下，應(yīng)用層公司的生存藍(lán)圖在于掌握稀缺的原材料——數(shù)據(jù)。這就像是世界上最古老的商業(yè)模式：圈一塊地，建立實(shí)體資產(chǎn)，然后對(duì)訪問(wèn)者收費(fèi)。在AI時(shí)代，你可以通過(guò)數(shù)據(jù)做同樣的事情。

有些數(shù)據(jù)本身是公開的，但聚合起來(lái)就變成了獨(dú)家資產(chǎn)。比如FlightAware的數(shù)據(jù)來(lái)自ADS-B應(yīng)答器，這在技術(shù)上是公開且免費(fèi)的，你甚至可以自己在亞馬遜買個(gè)天線來(lái)接收。但FlightAware在全球建立了龐大的接收網(wǎng)絡(luò)，將這些碎片化信息整合成完整的航班追蹤數(shù)據(jù)。這就是ChatGPT無(wú)法直接回答，但FlightAware知道的信息。

過(guò)去，像PitchBook這樣的公司出售私募市場(chǎng)的融資數(shù)據(jù)（例如1992年某公司的B輪估值），或者CoStar出售房地產(chǎn)數(shù)據(jù)。以前他們的模式是賣數(shù)據(jù)訂閱費(fèi)（比如每月200美元）。但在AI時(shí)代，真正的價(jià)值在于利用這些獨(dú)家數(shù)據(jù)生成成品。與其讓分析師去訂閱PitchBook然后寫報(bào)告，不如讓AI直接基于獨(dú)家數(shù)據(jù)生成一份關(guān)于某公司的完整備忘錄。這意味著商業(yè)模式從賣蔬菜（數(shù)據(jù)訂閱）轉(zhuǎn)變?yōu)橘u大餐（完整的分析結(jié)果），其價(jià)值可能從幾百美元提升到幾千美元。

Open Evidence是醫(yī)療領(lǐng)域的ChatGPT。它的界面和ChatGPT一樣，但區(qū)別在于它擁有《新英格蘭醫(yī)學(xué)雜志》及其他權(quán)威醫(yī)學(xué)期刊的獨(dú)家授權(quán)。如果你跟腱斷裂，問(wèn)ChatGPT只能得到中等質(zhì)量的建議；但Open Evidence基于權(quán)威循證醫(yī)學(xué)數(shù)據(jù)，能提供精準(zhǔn)得多的建議。因?yàn)樗鼔艛嗔烁哔|(zhì)量的食材供應(yīng)。

VLex是一家擁有26年歷史的公司，他們收購(gòu)了西班牙所有的法律檔案。通過(guò)將AI應(yīng)用于這些獨(dú)有的法律數(shù)據(jù)，他們的收入增長(zhǎng)了五倍。因?yàn)槁蓭熜枰牟皇峭ㄓ玫姆山ㄗh，而是基于特定判例法的、能在早上七點(diǎn)前準(zhǔn)備好的精準(zhǔn)備忘錄。

在企業(yè)采購(gòu)領(lǐng)域，Lio展示了專有數(shù)據(jù)的力量企業(yè)采購(gòu)部門不僅要省錢，還要處理復(fù)雜的合同博弈。比如你正在與德勤談合同，Lio系統(tǒng)可以調(diào)用該企業(yè)過(guò)去與德勤簽訂的50份舊合同，分析歷史條款，告訴你應(yīng)該在哪些條款上進(jìn)行回?fù)簟＿@些私有的歷史合同數(shù)據(jù)是ChatGPT永遠(yuǎn)無(wú)法獲取的寶庫(kù)，這讓Lio的產(chǎn)品具有了不可替代的價(jià)值。

許多信息在過(guò)去看起來(lái)是免費(fèi)的或價(jià)值不大（例如飛機(jī)的實(shí)時(shí)位置、YouTuber的歷史訂閱數(shù)），但在AI時(shí)代，這些數(shù)據(jù)成為了極其寶貴的訓(xùn)練資源和競(jìng)爭(zhēng)壁壘。只要你能收集、聚合別人無(wú)法獲取的數(shù)據(jù)，并在此基礎(chǔ)上構(gòu)建服務(wù)，你就擁有了應(yīng)對(duì)巨頭競(jìng)爭(zhēng)的圍墻花園。

我非常鼓勵(lì)大家去關(guān)注所謂的圍墻花園（Walled Garden）及其成果。這里指的不僅僅是創(chuàng)意檔案，還包括物流信息，甚至是縣政府記錄員辦公室里的數(shù)據(jù)。例如，你可以查到誰(shuí)擁有哪處房產(chǎn)，但這些信息通常必須親自去線下的辦公室才能獲取。雖然這些信息本質(zhì)上是免費(fèi)的，但如果你能將其數(shù)字化、使其易于訪問(wèn)，并在此基礎(chǔ)上通過(guò)AI增加價(jià)值，那么你創(chuàng)造的產(chǎn)品價(jià)值將遠(yuǎn)超數(shù)據(jù)本身。

這不僅僅是添加AI那么簡(jiǎn)單，其核心邏輯在于你擁有別人沒(méi)有的東西。人們之所以爭(zhēng)相購(gòu)買，是因?yàn)槟阍趧?chuàng)造一種最終更具價(jià)值的資產(chǎn)。現(xiàn)在正是做這件事的最佳時(shí)機(jī)。舉個(gè)例子，一位創(chuàng)業(yè)者找到了上世紀(jì)80、90年代所有攪拌機(jī)的舊說(shuō)明書。在1999年，你根本不知道去哪里找這些東西，但在eBay上可以低價(jià)買到。這展示了利用被忽視的數(shù)據(jù)構(gòu)建信息孤島的潛力。如果你在十年前做這件事，可能只是個(gè)普通生意，但在今天，通過(guò)AI交付成品，其實(shí)際價(jià)值可能提升10倍甚至100倍。

這就引出了一個(gè)經(jīng)典的投資框架：初創(chuàng)公司與既有巨頭之間的戰(zhàn)斗。關(guān)鍵在于，是初創(chuàng)公司先搞定分發(fā)渠道，還是巨頭先搞定創(chuàng)新？

對(duì)于那些擁有難以被取代的圍墻花園數(shù)據(jù)的領(lǐng)域，初創(chuàng)公司有巨大的顛覆機(jī)會(huì)。比如在eBay上賣舊手冊(cè)，以前這只是賣原材料（數(shù)據(jù)），只能通過(guò)訂閱費(fèi)變現(xiàn)，價(jià)值有限；但現(xiàn)在利用AI，你可以交付價(jià)值千金的成品，這讓商業(yè)模式變得可行。這就回答了創(chuàng)投圈常問(wèn)的“為什么是現(xiàn)在？”的問(wèn)題。就像Uber的出現(xiàn)需要iPhone和GPS普及一樣，現(xiàn)在AI技術(shù)成熟了，讓那些曾經(jīng)掙扎多年的垂直領(lǐng)域公司（如法律科技公司VLex）有機(jī)會(huì)變成獨(dú)角獸。相比之下，我對(duì)那些僅僅是在現(xiàn)有軟件基礎(chǔ)上做改良的項(xiàng)目持悲觀態(tài)度。

我不認(rèn)為NetSuite或QuickBooks會(huì)被輕易顛覆，因?yàn)樗鼈冋莆罩薮蟮慕鸬V——客戶數(shù)據(jù)和支付流。它們完全可以向現(xiàn)有客戶群推出AI功能并收費(fèi)。因此，對(duì)于SaaS（軟件即服務(wù)）領(lǐng)域的既有巨頭，我非常看好它們利用AI進(jìn)一步鞏固地位。為什么出租車公司沒(méi)有做出Uber？往往是因?yàn)榧扔姓呤芟抻诂F(xiàn)有思維，看不上新模式，或者覺(jué)得新模式很蠢，直到為時(shí)已晚。但對(duì)于那些能夠替代人工勞動(dòng)、或者基于專有數(shù)據(jù)構(gòu)建圍墻花園的新機(jī)會(huì)，我是非常看好的。

如果你擁有專有數(shù)據(jù)，不應(yīng)該只是把它賣給AI公司（如Harvey或OpenAI），而應(yīng)該利用這些數(shù)據(jù)自己構(gòu)建產(chǎn)品，直接面向終端客戶銷售。如果VLex把數(shù)據(jù)賣給律所，他們可能只能收一筆訂閱費(fèi)；但如果他們利用數(shù)據(jù)提供高價(jià)值的法律分析服務(wù)，就能大幅提高定價(jià)權(quán)。這就像OpenAI雖然收費(fèi)低廉，但基于其模型開發(fā)的應(yīng)用可以創(chuàng)造巨大價(jià)值。

聰明的公司會(huì)通過(guò)AI將原材料加工成成品。例如，你不需要買LexisNexis的原始數(shù)據(jù)，你真正需要的是一份經(jīng)過(guò)分析的風(fēng)險(xiǎn)評(píng)估報(bào)告。如果一家公司能利用AI完成從數(shù)據(jù)清洗、分析到輸出結(jié)論的全過(guò)程，直接幫客戶解決問(wèn)題（例如判斷是否接受一筆交易），那么它就不僅是賣軟件，而是在替代昂貴的人工服務(wù)。

這就談到了白領(lǐng)服務(wù)領(lǐng)域的變革。我曾將其稱為“門口的野蠻人（AI版）”。傳統(tǒng)的私募股權(quán)公司喜歡收購(gòu)會(huì)計(jì)師事務(wù)所或牙科診所，通過(guò)裁員和外包來(lái)削減成本。但現(xiàn)在，AI提供了全新的整合路徑。

以會(huì)計(jì)行業(yè)為例，最大的瓶頸是招聘注冊(cè)會(huì)計(jì)師（CPA）。如果你開發(fā)了一套AI工具，收購(gòu)一家會(huì)計(jì)事務(wù)所作為試驗(yàn)田，用AI大幅提升效率，你就不需要再去收購(gòu)100家事務(wù)所了。你可以依托這一家事務(wù)所的牌照和現(xiàn)有客戶，利用AI處理能力，以更低的成本服務(wù)成千上萬(wàn)的新客戶。與其做一個(gè)賣給會(huì)計(jì)師的軟件工具（這很難銷售），不如直接成為一家“AI驅(qū)動(dòng)的超級(jí)會(huì)計(jì)師事務(wù)所”。

同理，在債務(wù)催收領(lǐng)域，你可以買下一家有合規(guī)牌照但經(jīng)營(yíng)不善的催收公司，植入AI技術(shù)，利用其現(xiàn)有的客戶資源，迅速擴(kuò)大業(yè)務(wù)規(guī)模。這種“垂直整合軟件加服務(wù)”的模式，比單純賣軟件更具吸引力，因?yàn)樗鉀Q了獲客和交付的難題。

4、消費(fèi)者AI（Consumer AI）的三大趨勢(shì)

這種邏輯同樣適用于消費(fèi)者領(lǐng)域。我們觀察到三個(gè)主要趨勢(shì)：

傳統(tǒng)類別的AI原生化（AI-Native）：就像Photoshop是設(shè)計(jì)師的標(biāo)配，但在AI時(shí)代，年輕設(shè)計(jì)師可能會(huì)選擇其他的AI原生設(shè)計(jì)工具。因?yàn)檫@些新工具從底層就內(nèi)置了AI邏輯，使用體驗(yàn)完全不同。

新類別的創(chuàng)造：例如11Labs所在的語(yǔ)音和音頻模型市場(chǎng)，五年前幾乎不存在，或者只是極小眾的配音市場(chǎng)。通過(guò)縱向整合和技術(shù)突破，他們?cè)跇O短時(shí)間內(nèi)創(chuàng)造并占據(jù)了這個(gè)新類別。

專有數(shù)據(jù)的變現(xiàn)：這是一個(gè)非常有效的劇本。以我們投資的Slingshot為例，它是一個(gè)AI治療師。他們通過(guò)為人類治療師提供AI記錄工具來(lái)收集數(shù)據(jù)（筆記），然后用這些高質(zhì)量的專業(yè)數(shù)據(jù)訓(xùn)練基礎(chǔ)模型，最終開發(fā)出直接面向消費(fèi)者的心理咨詢產(chǎn)品Ash。OpenAI雖然強(qiáng)大，但沒(méi)有這種垂直領(lǐng)域的深度數(shù)據(jù)，這就是Slingshot的護(hù)城河。

很多人問(wèn)，為什么不是Google或OpenAI等大公司通吃一切？原因在于，在消費(fèi)者應(yīng)用中，做“模型聚合者”往往比只做一個(gè)模型更有價(jià)值。

這就像Kayak之于航空公司。用戶想要搜索所有航班的組合，而不是只去美聯(lián)航官網(wǎng)。在視頻生成或創(chuàng)意工具領(lǐng)域，不同的模型各有所長(zhǎng)，用戶需要一個(gè)能調(diào)用所有模型能力的統(tǒng)一界面。大廠通常受限于只能使用自家的模型，這就給第三方的聚合平臺(tái)留出了巨大的生存空間。

在a16z，我們尋找的是最好的交易，而不是不錯(cuò)的交易。這意味著我們更傾向于反向選擇——主動(dòng)去發(fā)現(xiàn)那些還未在市場(chǎng)上公開融資的頂級(jí)創(chuàng)業(yè)者，而不是等著看那些已經(jīng)流傳了半年的商業(yè)計(jì)劃書。

我們的決策過(guò)程是信念驅(qū)動(dòng)（Conviction Driven）而非單純的共識(shí)驅(qū)動(dòng)。如果一位合伙人對(duì)某個(gè)項(xiàng)目有極強(qiáng)的信念，哪怕其他人有疑慮，我們也會(huì)支持。因?yàn)樵陲L(fēng)投領(lǐng)域，錯(cuò)失一個(gè)改變世界的機(jī)會(huì)比投錯(cuò)一個(gè)項(xiàng)目代價(jià)更大。

一旦決定投資，我們會(huì)啟動(dòng)中斷流程，集全公司之力去贏得這筆交易。這不僅是資金的支持，更是利用我們?cè)诟鱾€(gè)領(lǐng)域的專家資源（無(wú)論是企業(yè)服務(wù)還是消費(fèi)者應(yīng)用）來(lái)幫助創(chuàng)業(yè)者成功。我們不希望僅僅做開支票的人，而是成為創(chuàng)業(yè)者在該領(lǐng)域的最佳合作伙伴。

關(guān)于AI原生公司的客戶留存率，目前我們還沒(méi)有看到嚴(yán)重的問(wèn)題。雖然市場(chǎng)上有很多嘗試和切換，但企業(yè)客戶越來(lái)越傾向于尋找能夠提供豐富生態(tài)系統(tǒng)和整體解決方案的初創(chuàng)公司。單純提供一個(gè)AI功能（如語(yǔ)音轉(zhuǎn)文字）是不夠的，必須在核心功能周圍構(gòu)建完整的工作流。

在銷售方面，我們發(fā)現(xiàn)了一個(gè)有趣的現(xiàn)象：比起傳統(tǒng)的推銷，現(xiàn)在更多的是前置部署工程（Forward Deployed Engineering）。大型企業(yè)非常渴望應(yīng)用AI來(lái)降本增效，但他們往往不知道具體該怎么做。因此，初創(chuàng)公司需要深入客戶內(nèi)部，幫助他們理解如何重構(gòu)業(yè)務(wù)流程以適應(yīng)AI。這不僅是賣軟件，更是一場(chǎng)文化變革。那些能夠幫助企業(yè)完成這種自我改造的初創(chuàng)公司，將獲得巨大的市場(chǎng)機(jī)會(huì)。