最好的 AI 應用時代要來了，為什么現在是軟件行業最大的范式轉變！

你有沒有想過，軟件行業可能正在經歷有史以來最劇烈的一次范式轉變？過去兩年里，我們見證了一個驚人的現象：有軟件公司在一年內從零做到上億美元營收。這在以前幾乎是不可能的事情。傳統上，企業軟件公司要達到這個規模可能需要五到十年，因為你得一個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模和客戶決策周期。但現在情況完全不同了。a16z Apps Fund 的合伙人 Alex Rampel 最近做了一次分享，他用數據和案例展示了 AI 應用為什么代表著軟件歷史上最大、最快的產品轉變。

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年到現在的納斯達克指數走勢，并指出軟件行業經歷了四次重大的產品周期：PC 時代、互聯網時代、云計算時代、移動時代，而現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；互聯網時代有 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 時代不是憑空出現的，它是建立在所有之前的技術浪潮之上的。正因為我們已經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 提到的一個數據：現在全球約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，如果你看企業支出數據，比如 Ramp 這家提供企業信用卡和費用管理的公司，他們的數據顯示2025年1月出現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公司，而是有幾千名員工、更注重技術前沿的成熟企業，可能在灣區或紐約。這些公司突然意識到，AI 不再只是一個魔術般的演示工具，而是真正能在企業內部節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。但現在完全不同了，AI 已經進入了企業的日常運營，開始真正創造商業價值。這種從"有趣的演示"到"不可或缺的工具"的轉變，正是 AI 應用爆發的根本原因。

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 競爭對手的產品。微軟也在大舉進入這個領域。回顧歷史，Marc Andreessen 創立的 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境下，如何構建一家能夠長久存續的公司？a16z 總結了三個核心投資主題。

第一個主題是傳統軟件正在變成 AI native。Alex 用了一個很形象的比喻：如果你現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？因為那些傳統的本地部署軟件公司無法有效應對云計算的轉變，他們習慣于一次性收取大筆費用賣軟件，不知道如何轉向每月收取較少費用的訂閱模式。同樣的轉變現在正在 AI 領域發生。Alex 制作了一個"賓果卡"，列出了各種傳統軟件類別：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分，就是 greenfield（綠地）機會和 brownfield（棕地）機會的區別。Alex 用 Mercury 作為例子。Mercury 是一家為初創公司打造的新銀行，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，或者到達某個轉折點（比如員工數從50人增長到需要更復雜的系統時），他們會選擇市場上最好的產品，而不是被鎖定在某個舊系統里。

第二個主題，也是 Alex 個人最興奮的，是全新類別的出現，軟件開始直接替代勞動力。這個市場比傳統軟件市場大得多，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。軟件市場的規模一直受限于企業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萬美元一年。AI 創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。更關鍵的是，很多情況下雇傭真人根本不現實。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），也就是基于專有數據建立的護城河。Alex 用了一個農場和餐廳的比喻來解釋：OpenAI 就像一個蔬菜農場，種植 tokens 并賣給應用開發者。但后來 OpenAI 說，既然很多人來我們的農場，我們為什么不在農場里開餐廳呢？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實：在 AI 時代，擁有專有數據源變得極其重要。如果你的數據是 OpenAI 或其他大模型無法獲得的，你就有了真正的護城河。

傳統軟件的 AI native 轉型：為什么現在是絕佳時機

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。傳統上，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，比如 NetSuite。這就是一個轉折點，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、能夠自動結賬的系統。

我認為這里的關鍵洞察是：現有的大公司，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查嗎？每次調查收費500美元。"為什么沒人能做499美元來競爭？因為你已經被 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，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、成為企業記錄系統（system of record）的公司。

什么是記錄系統？就是運行整個業務的系統。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，要么就是直接構建新的記錄系統。現有的老牌公司也在這么做，但對于全新進入市場的公司，或者到達轉折點的公司來說，選擇新的 AI native 產品仍然是顯而易見的。

我覺得這種轉變的速度會比云計算時代快得多。云計算時代，很多企業和 IT 部門對云持懷疑態度，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。

這里就出現了 AI 的完美應用場景。對于企業方律師來說，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 從產品角度看也很有意思，他們希望擁有從案件接收到最終結果的端到端工作流。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，篩選大量醫療記錄或就業文件，幫助律師決定接哪些案子。

更厲害的是，這個系統會生成一個案件特征數據集，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。"然后它會協助完成訴訟前和訴訟期間的所有階段：起草醫療年表、起草需求信、提交訴狀等等。David 強調，Eve 之所以有護城河，不是因為語音 AI 這個技術本身，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品。100%的案件都在這個產品里流轉。

更關鍵的是，Eve 在所有案件中生成的結果數據是非公開的，大模型無法訓練這些數據。這些數據反過來又能優化案件接收環節，告訴系統"根據我們在 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 與商業模式完美契合的例子：既能增加收入，又能節省成本。我看到這個案例時的第一反應是：這不只是一個軟件產品，這是一個能夠從根本上重塑整個行業運作方式的平臺。而這樣的機會在各行各業都存在。

Salient：AI 如何創造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，真正讓這個產品起飛的不是節省成本，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，實時抓取每一條新的聯邦和州法律——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，Salient 憑什么能贏？Arya 的回答很好：護城河很重要。因為他們已經做了數百萬次電話，知道該說什么；他們有一個非常好的產品，能夠實時接收全美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。因為現在構建軟件變得太容易了。Alex 說，現在 Anish、David 和他可以用 vibe coding 非常快速地構建一個軟件產品。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勢，數據通常就是其中之一。

圍墻花園：專有數據創造的護城河

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（第一古老的職業大家都知道）：建造一個物理屬性，在周圍筑一道墻,然后對進入你財產的人收費。在數據世界也可以這樣做。

Alex 舉了 FlightAware 的例子。這個公司的數據其實都是公開的，你可以在亞馬遜上買一個天線來接收飛機的 ADS-B 應答器數據。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。這些數據是免費的，FlightAware 在全球有大約一百個天線來收集這些信息。但 ChatGPT 不知道這些數據，只有 FlightAware 知道。類似的還有 PitchBook（融資輪次數據）、LexisNexis（法律數據）、CoStar（房地產數據）、Bloomberg（金融數據）。很多情況下這些信息都是免費的公開記錄，但經過數字化和整理后就變成了有價值的產品。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據護城河的。

關鍵在于,這些數據在 ChatGPT 或 Anthropic 上都沒有。當然他們可以授權獲取，但這正是重點。Alex 說，以前如果你想用 PitchBook 的數據，你會雇一個分析師,讓他寫一份關于某個公司的報告，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 輪融資的數據，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——不只是原始數據，而是分析報告。

Alex 分享了三個具體案例。第一個是 OpenEvidence。美國三分之二的醫生每周都在用這個產品。它的界面看起來和 ChatGPT 一模一樣，但關鍵區別是：OpenEvidence 獨家授權了《新英格蘭醫學雜志》和其他所有醫學期刊。如果你想了解循證醫療，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學文獻的。用農場比喻來說，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 聚合和數字化這些信息，賣給需要的律所和其他人。利潤率很高，但規模一直不大，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，涉及西班牙法律數據，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 擁有這些數據，這讓產品好太多了。

我認為這個"圍墻花園"主題揭示了一個深刻的商業邏輯：數據一直都很有價值，但 AI 讓同樣的數據能創造10倍甚至100倍的價值。因為現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 應用的創業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，創業公司還有機會嗎？

Anish 提出了一個關鍵框架：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的模型一樣"參差不齊"。他們在關注的領域非常強大，但也有復雜的承諾（比如 Google 對監管機構的承諾不會進一步中介化互聯網）和艱難的優先級問題（OpenAI 同時在競爭成為領先的消費公司、企業公司、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注至關重要的領域，我們看到的是一個繁榮的創業生態系統，僅2025年就產生了超過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。現有的大公司會變得更強，但這不意味著創業公司沒有機會。關鍵是要在正確的領域構建正確的護城河。

消費者 AI 的三個機會

Anish 專門談了消費者 AI，我發現模式和企業 AI 完全一致。第一，傳統類別正在變 AI native。他舉的例子是 Photoshop 和 Krea。Photoshop 是一個很好的業務，但如果你是一個職業生涯早期的年輕設計師，你想用的是 AI native 的 Photoshop，那就是 Krea。它內置了所有 AI 原語，是早期職業設計師正在選擇的第一個設計工具。

第二是品類創造。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，又有消費者和企業產品線。因為垂直整合，他們能夠真正抓住這個機會，在很短時間內創造了一個品類。

第三是專有數據。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據的大規模消費公司。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據？他們為現有的治療師提供 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 擁有的數據。因此 Slingshot 能夠提供差異化的高價產品，而且運作得很好。

我看到這個案例時的第一感受是：數據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性的要求更高，而專有數據正是實現這一點的關鍵。

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。但現在不同了，用 vibe coding 可以非常快速地構建軟件，這意味著如果你的產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品，你必須擁有別人難以復制的東西——數據、工作流、網絡效應、或者深度的領域專業知識。

第二個問題是關于價值捕獲。傳統軟件的定價是基于功能和用戶數。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向這種思維：不是替代，而是增強；不是節省成本，而是創造收入。

第三個問題是關于社會影響。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%的美國人是農民。拖拉機讓一些人失業，但也讓他們去做了其他事情。大多數我們現在看到的 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，就像75年前不存在"產品經理"或"UX 設計師"這樣的職位一樣。

最后一個思考是關于這個時代本身。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，直到這些時光已經過去。所以把這當作你的提醒。"這個產品周期不那么中心化，更由軟件主導，對技術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折點，軟件正在以前所未有的速度和規模重塑世界。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、構建真正有價值和有護城河的公司的人，會創造出改變世界的產品。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內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出更好的內容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產品創業方向，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，垂直專業化才是未來