人工智能企业如何构建真正的防御壁垒

本文信息来源:nfx
AI 企业正以前所未有的速度增长。但快速增长并不能确保持久的成功。
那么,我们该如何区分那些志在成为行业领袖的公司与即将撞上南墙的企业呢?
关键在于长期防御壁垒的构建。过去十年间,除了规模效应、产品嵌入度和品牌影响力外, 网络效应始终是初创企业构筑竞争壁垒的核心手段。
但人工智能彻底改变了游戏规则。如今创办公司和开发产品从未如此简单。正因如此,某些"传统"防御策略在这个 AI 快速扩张的时代显得过于迟缓。
解决方案是:你需要同时部署短期和长期的复合防御策略。快速规模化是首要杠杆,但必须持续为未来布局。网络效应将决定哪些公司能在这次 AI 浪潮中生存并占据主导地位,但关键在于把握最佳部署时机——这应当作为长期战略布局的重要一环。
可以这样理解:你的初创企业应该像一座"城寨城堡"。在中世纪战争中,这种城堡拥有两个截然不同的防御阵地:外城(bailey)——一个开阔易达的庭院,日常事务在此进行,初期战斗在此展开;以及内堡(motte)——山丘上戒备森严的高塔,当外城失守时防御者可退守至此。外城的设计初衷就是必要时可放弃;而内堡则被打造得坚不可摧。
对 AI 初创企业而言,你的"外城"由快速部署的防御优势构成:卓越的渠道分发、快速规模化能力以及品牌势能。这些能让你快速进入战场,但面对决心坚定的竞争者时无法持久抵抗。你的"内堡"则是竞争加剧时的退守之地:真正的网络效应、深度工作流嵌入以及系统性锁定机制,这些几乎无法被撼动。
关键在于懂得何时在外城作战,何时构筑内堡。
AI 时代的核心防御壁垒
当今 AI 时代我们看到的核心防御壁垒包括:
1. 网络效应 :每新增一个用户都会让现有用户获得更好的产品体验。
如今的网络效应虽然不如往年明显,但威力依旧。例如 ChatGPT 看似是单机游戏(毕竟只有你和 AI 互动),但深入观察会发现大量多人协作功能。比如每个与 AI 对话的用户都在为后续用户优化服务;又或者你的 AI 助手与你共同建立的记忆越多,你从中获得的个人效用就越大——这就是个人效用网络效应的典型案例。
2. 某种程度上的数据护城河:获取大规模专有数据能带来先发优势,借此可打造性能更优的 AI 模型。但正如我们先前所述 ,数据网络效应存在明显局限(实时数据才是关键差异点)。
3. 分销渠道:具备长期增长潜力的初创企业往往是当代分销游戏的高手。Cursor、Lovable、Clay 这些公司精通现代分销策略,并能借助这种势头跃升至防御力图谱的更高层级。
4. 品牌效应:曾被视为薄弱防御环节的品牌价值如今已至关重要 。由于众多产品功能趋同,加之存在幻觉问题和数据隐私顾虑,建立品牌(这必然与卓越的分销能力和产品质量相关联)能帮助企业脱颖而出。这就是为什么有些人更青睐 ChatGPT 而非 Claude,或偏爱 Claude 胜过 Grok。
5. 规模效应:在当下语境中,规模往往等同于算力系统和数据收集能力。能够扩大算力规模的 AI 公司,有望在产品性能等方面形成更强的增长飞轮。
6. 嵌入式整合:历史上,嵌入式整合一直是行业巨头的专属领域。如今依然如此:现有巨头正将 AI 嵌入自家产品,以发挥其分销渠道优势。
有趣的是,我们看到初创公司借鉴这种思维模式,将自身功能嵌入现有工作流程,从而形成极强的用户粘性。
例如,NFX 投资的法务公司 Evenup 就将他们的索赔函撰写服务嵌入了人身伤害律师的工作流程。对许多 AI 初创企业而言,嵌入工作流程正成为一种强有力的竞争策略。

事实上,初创企业在早期阶段几乎没有任何防御壁垒 ——这些壁垒是随着时间推移逐步构建的。关键在于何时部署每一道防线。(少数例外出现在科技生物或深科技领域,知识产权护城河能立即形成防御壁垒。)
先筑外城,再建内堡。这样能在初期最大化发展速度,积累必要资源,为构建更深层次的护城河奠定基础。
例如,分销已成为企业从种子轮发展到 A 轮实现快速早期增长的主要动力。( 我们在此探讨过这一观点。 快速增长本身在早期阶段就能形成护城河, 因为你能借此吸引更优质的投资人、更优秀的人才,从而为企业打造良性循环的飞轮效应。
但随着你从 A 轮融资进入 B 轮或 C 轮,增长的底层机制就变得至关重要。此时,你的竞争对手都已成功发展到这一阶段。
随后,我们见证了网络效应等工具开始发挥作用。这属于更宏大的防御体系中的一环。正当竞争对手以为即将赶超之际,你已悄然启动下一轮防御机制。
高竞争时期的渐进式防御策略:城堡与外围工事战术
分层防御策略在历史上屡试不爽。事实上,回顾那些高竞争与技术平台更迭并存的类似时期,你会发现大多数防御策略都是这样构建的。
以搜索技术的诞生为例。谷歌的发展历程完美诠释了防御性优势应如何分阶段构建。
1996 年,当拉里·佩奇和谢尔盖·布林开发出 PageRank 算法时,谷歌最初的竞争优势纯粹源于速度——他们比竞争对手更快地建立了卓越的数据和算法基础。搜索这个概念早已存在——雅虎手动分类网站,其他搜索引擎则采用简单的关键词匹配。但 PageRank 算法具有压倒性优势,其极简主义的设计理念也帮助他们与当时杂乱无章的门户网站形成鲜明区分。
这一策略成效显著:谷歌的每日搜索处理量从1998年的1万次飙升至2000年的4200万次。如此迅猛的规模扩张强化了其核心数据优势,谷歌随后将这些优势转化为渠道分发和网络效应战略。
到 2000 年,他们推出了谷歌 AdWords,这一产品不仅为后续创新提供了关键资金支持,更构建了一个流量增长的飞轮效应。
真正的网络效应后来才显现——随着用户进行更多搜索,以及网站为在谷歌搜索结果中占据显眼位置而自我优化,谷歌的搜索引擎服务不断改进。此外,他们庞大的消费者需求和技术能力使其能够在广告产品中引入竞价模式,从而构建了一个极具价值且难以撼动的在线广告市场。
最终通过分销合作伙伴关系以及 AdSense、Gmail、地图等产品创新(最终扩展到安卓和 Chrome 浏览器),实现了在整个互联网生态系统的系统性嵌入。
这种严谨的推进顺序——先夯实数据基础,再拓展分发渠道,继而形成网络效应,最终实现生态嵌入——创造了近乎不可逾越的优势,使得谷歌能持续占据全球搜索引擎市场90%以上的份额。
反面案例同样不胜枚举。未能成功构建核心壁垒的企业往往走向衰亡,Groupon 就是典型代表。


Groupon 初创时期曾是科技宠儿,仅用约 16 个月就达到十亿美元估值,并因拒绝谷歌 60 亿美元的收购要约而闻名业界。
他们的商业模式看似绝妙:整合本地商户需求,在足够多人"认购"后提供大幅折扣引发病毒式传播,并从中抽成。他们起步迅猛。执行到位的分销策略确实能让你走得很远。
但它们从未形成真正的网络效应,用户留存率也很低。Groupon 看似具有网络效应——每增加一个用户,交易达成的可能性就更高。但 Groupon 的用户之间并不存在黏性。他们对 Groupon 平台本身缺乏忠诚度,对通过优惠券光顾的商家也只有短暂兴趣。商户们抱怨称,Groupon 的顾客很少会以原价再次消费。
看似网络效应的现象,实际上只是伪装成病毒传播的现金激励 ——这种策略能快速吸引用户,却无法提供让他们留存的理由。
谷歌与 Groupon 的区别在于后者未能把握转型节点。短期策略遮蔽了长期规划。
初创阶段应聚焦于能实现最快增速的防御性领域。一旦发现市场认可迹象、初步达成产品市场契合,或出现模仿者时,就要开始优化长期防御渠道。
评估 AI 网络效应的分析框架
由于许多 AI 原生的网络效应仍在发展中,这些框架可能有助于识别新兴策略。
转换成本测试
问题 :“如果我停止使用这个产品会怎样?”
- 薄弱回答 :“我会改用其他类似工具”
- 有力回答 :"我将失去数月的团队默契、共享工作流程和协作关系"
协作价值测试
问题 :"当其他人也使用这个产品时,它会更有价值吗?"
- 无力回答 :"无论怎样效果都一样"
- 强力答案 :“当我的团队/社区使用它时效果显著提升”
中心辐射测试
问题 :“用户是否通过产品进行互动?”
- 薄弱答案 :“用户可以根据需要分享输出内容”
- 有力回答 :“用户会定期协作、在彼此成果上继续创作、在平台内建立社交关系或培养粉丝群体。”
人工智能时代涌现的网络效应战略
许多应用层的 AI 初创企业仍处于早期阶段——因此多数尚未转向基于网络的战略,仍在全速推进单一产品路线。
话虽如此,我们已开始看到部分企业正转向构建持久护城河。目前显现出几大趋势:
1. 协作语境+记忆=个人效用网络
AI 系统中的记忆功能——无论是来自用户单人模式下的 AI 交互,还是嵌入企业工作流程——已成为一种常见的竞争壁垒形式。
Cursor 完美诠释了这一模式。虽然最初只是 AI 代码补全工具,但 Cursor 真正的护城河在于学习团队模式和共享语境。当整个工程团队都使用 Cursor 时,AI 能理解团队的代码库架构、编码惯例和项目结构。
开发者若想更换工具,失去的不仅是一个编程助手,更是 AI 中积累数月的团队知识。这种语境在团队成员间不断叠加,随着工程部门采用率的提升,工具价值呈指数级增长,由此产生的迁移成本会随着团队使用规模而倍增。
2. 原生 AI 分发=轴辐式网络效应
2022 年我们定义了一种名为轴辐式的网络效应:当节点将内容或商品提交至中央枢纽后,该枢纽会精选少量内容推送至全部(或近乎全部)节点。
这种平台内分发机制为少数幸运节点带来巨大关注与价值,使其相对网络中其他节点获得不对称优势,从而形成内部幂律分布。赢家将收获粉丝、收入、地位、喜爱...这正是优质网络的精髓所在。
这正是 TikTok 或早期 Medium 采用的网络策略。创作者能在平台上积累忠实粉丝,每个用户都怀揣着登顶幂律分布的期待。
在人工智能时代,这些效应已从传统社交媒体平台演变为更复杂的原生 AI 体验。
Character.ai 似乎是一个强有力的早期范例。任何访问 Character.AI 网站或应用的用户,都会看到大量聊天机器人,但经过精选的少数角色拥有极高的对话量——例如哈利·波特已产生 3400 万次对话,而阿尔伯特·爱因斯坦虽也达到可观的 57 万次,但相差甚远。
Character.AI 完美诠释了 AI 领域的"中心辐射"模式。用户可以创建"角色",设计其"性格",设置特定参数,然后发布到社区供他人对话。其精妙之处在于推广机制:虽然每天有数千名创作者提交角色,但只有精选的少数能登上平台推荐位、趋势榜单和算法推荐。
当你的角色被 Character.AI 这个"中心枢纽"推送时,回报将极为显著。一个被推荐的角色几乎能在一夜之间从几百次对话激增至数百万次。
3. 未来趋势:AI 智能体网络
过去两年间,我们持续记录着 AI 智能体的崛起 。最终,AI 智能体的核心价值将很大程度上取决于它们彼此间的协同能力。
当智能体相互连接时,其效能将呈指数级提升。例如:你的日程安排智能体与差旅智能体沟通,围绕既定会议自动预订航班;或是财务智能体与采购智能体协作,根据预算限制自动优化公司支出。
这些智能体将发展出若干典型的网络效应,例如:
1. 跨智能体通信网络 能够"说"相同协议的智能体越多,每个独立智能体的价值就越大。早期案例已出现在 LangChain 和 AutoGPT 等框架中,这些框架支持智能体之间传递上下文和任务。
2. 共享行动库 能够利用共同"行动"库(MCP、API 调用、工具集成、工作流模板)的智能体,随着该库的扩展会呈现指数级增长的有用性。每个新集成都能让生态系统中的所有智能体受益。
但随着我们对智能体理解的深入,更多可能性将不断涌现。
AI 网络效应时代即将来临
2017 年我们曾估算, 科技生态系统中 70%的价值都可由网络效应解释。但当时评估的企业多为新兴数字巨头,它们已将网络效应深度融入战略布局。
当下关于"AI 时代网络效应是否消亡"的讨论甚嚣尘上。更合理的解释或许是:我们尚未见证新一代原生 AI 应用层巨头的崛起。
人工智能应用生态系统仍处于高速扩张阶段。我们才刚刚开始转向更具持久性的护城河建设,比如网络效应。
未来几年内,AI 时代的网络效应将逐渐成型。这将决定哪些公司会成为这个十年的谷歌,哪些则会沦为这个十年的 Groupon。
若想成为前者,现在就该规划发展路线图。不必牺牲发展速度,但要准备好时机成熟时向更高阶的护城河矩阵迈进。