AI时代的护城河
AI时代的护城河
AI时代的护城河：七大力量在AI时代如何演变
塔奈·贾普里亚
2026年3月3日
263次分享
我是塔奈·贾普里亚，Wing公司的合伙人，这是一份关于科技行业商业的每周通讯。要免费在收件箱中接收塔奈的通讯，请在此订阅：订阅
朋友们好，
我们目前正处于“SaaS末日”。人们认为软件已死，利润率将压缩至零。甚至有人说，在AI时代，像Visa这样的公司会被绕过，DoorDash会被聚合掉。所有看起来像软件的东西都变成了商品，不再有护城河。
在我们宣布所有企业的可防御性终结之前，我认为有必要立足于实际存在的可防御性来源。我最喜欢的关于可防御性和护城河的书是汉密尔顿·赫尔默的《七大力量》，它概述了公司建立可防御性的常见方式。
问题是：在AI世界中，哪些力量来源会削弱，哪些会留存？让我们逐一审视这七种力量，特别是在软件和科技公司的背景下。
1. 规模经济
定义
当更大的规模能以较小竞争对手根本无法匹敌的方式降低单位成本，从而创造成本优势时，就存在规模经济。在传统软件和数字业务中，规模允许将工程、基础设施和销售方面的投资分摊到庞大的客户群中，从而在结构上实现更低的单位成本。
例如：
亚马逊网络服务（AWS）将数据中心和基础设施的巨额资本投资分摊给数百万客户。
Netflix将其超过100亿美元的内容预算分摊给超过2亿的订阅用户，使其能够拥有比竞争对手更多数量和更小众的内容。
像Salesforce这样的大型SaaS供应商，历史上将研发和支持成本分摊给成千上万的企业客户，从而强化了利润率和再投资优势。
AI的影响
AI压缩了软件/数字工作中基于人力的规模优势。一个配备智能体的20人团队，现在可以以以前需要庞大组织才能达到的速度构建功能、处理支持、编写文档和进行实验。
然而，在基础设施和模型层，规模仍然很重要，并且是一种力量来源。
最终结果
基于将研发及类似成本分摊给庞大用户群的应用层规模优势会减弱。
基础设施层的规模优势仍然存在。事实上，规模经济为像OpenAI和Anthropic这样的模型层公司提供了力量来源。
2. 网络效应
定义
当产品随着更多参与者的加入而变得更有价值时，就产生了网络效应。主要有两种类型：
同边网络效应：用户直接受益于其他用户的存在，如社交网络和即时通讯应用中的情况。
跨边网络效应：两个不同的用户群体创造相互价值，这在像Uber和DoorDash这样的市场中很常见。
例如：
WhatsApp变得不可或缺，因为每一个新增用户都增加了网络对所有其他人的效用。
DoorDash随着更多餐厅的加入而增强，这吸引了更多消费者，进而又吸引了更多餐厅，从而强化了市场的流动性。
在每种情况下，价值都随着网络的增长而扩展。
AI的影响
智能体引入了无缝的多归属，即使平台不存在，也能更容易地模拟聚合市场的一侧。例如，一个新的订餐服务可以使用语音智能体致电不在其平台上的餐厅进行订餐。或者，面向消费者的智能体可以在多个市场之间套利以找到最佳价格。
这可能会削弱浅层的排他性。
但AI无法制造实时的流动性、配送员密度、声誉历史或规范的身份图谱。市场密度和信任是结构性的，而非基于人力。
最终结果
一些表层的网络效应可能会减弱，但具有信任、声誉和协调密度的深度流动性网络仍然可以保持持久性。
3. 反定位
定义
当新进入者采用一种现有企业若复制就会损害其现有业务的商业模式时，就发生了反定位。这通常发生在技术变革期间，新进入者将现有企业的现有资产和业务“转化”为弱点。
例如：
Netflix从DVD向流媒体的转型削弱了传统的租赁经济模式，并迫使现有企业做出痛苦的战略权衡。
提供订阅定价的SaaS公司挑战了依赖前期许可收入的本地部署软件供应商。
AI的影响
AI创造了新一轮的反定位浪潮。初创公司可以提供基于使用结果形式的定价，而不是按席位定价。他们可以用智能体取代工作流程，而不是增强用户。
现有企业可能难以采用这些模式，因为这样做会蚕食现有收入流或破坏组织激励机制。
最终结果
反定位是初创公司在当前市场中起步的一种强大力量形式。然而，现有企业比以往任何时候都更精明，认识到蚕食仍然是必要的。
此外，初创公司可能无法对所有争夺新市场的参与者（如AI实验室等）进行反定位，因为他们不像现有企业那样受制于先前的商业模式。
总的来说，反定位在早期阶段仍然是起步的良好力量来源。
4. 转换成本
定义
当客户在离开一个产品时面临显著的痛苦时，就产生了转换成本。在企业软件中，这历史上包括：
复杂的数据迁移
重建自定义集成
在新工作流程和系统/用户界面上重新培训团队
可以说，这是许多软件公司试图创造的主要力量来源。
例如：
Salesforce深度嵌入销售流程，捕获了多年的数据，使得迁移成本高昂且风险巨大。
Workday运行薪资和人力资源合规系统，这些系统与监管报告紧密集成。
AI的影响
AI直接攻击基于人力的转换成本。智能体可以映射数据模式、重写集成、生成培训材料，甚至并行运行系统以降低迁移风险。过去需要数月咨询工作的任务，可能会压缩到数周的自动化编排。
此外，如果智能体处理工作流程，人工工作流程可能不再那么重要，并且人类AI可能会演变为更简单的自然语言交互或无论如何都会改变，这意味着工作流程作为一种转换成本也可能大幅减少。
最终结果
软件业务的转换成本显著减弱。公司可以更容易地采用新软件、导入数据、快速且相对廉价地定制符合其工作流程的用户界面。某些程度的风险仍然作为摩擦来源保留了一定程度的转换成本，但大多数公司将不再感到被供应商挟持。
如果你还没有在邮箱中收到塔奈的通讯，请加入10,000多名订阅者的行列：订阅
5. 品牌
定义
品牌降低了评估成本。它充当了信任、质量和可靠性的捷径。
在企业市场，品牌通常意味着安全。选择IBM或微软不会有人被解雇。在消费市场，品牌在一个充满不明确主张的嘈杂世界中塑造了偏好和习惯。
例如：
微软，其企业品牌减少了跨软件类别的采购摩擦。
像耐克这样的消费品牌，情感依恋驱动着持久的偏好。
AI的影响
如果智能体持续根据性能和成本对产品进行基准测试，并能基于用户/企业的个体需求进行深入研究，那么品牌作为启发式捷径的作用就会减弱。评估可以变得系统化，而非基于声誉。这对于消费品牌可能尤其如此，因为性能和功能更重要，而品牌曾是这方面的捷径，而不是像被视为奢侈品的品牌那样。
与此同时，AI也引入了新形式的风险：模型不可预测性、幻觉、安全问题。在高责任环境中，机构信任变得更有价值。
这导致了品牌分裂的概念：
在价格/性能权衡很重要的领域，营销驱动的品牌力量会压缩，因为智能体可以彻底评估这些因素。
机构可靠性品牌会持续存在，甚至可能在一个风险仍然很高且与AI相关的风险甚至可能增加的世界中得到加强。
最终结果
某些形式的品牌显著减弱，因为深入彻底的评估成为可能，甚至对于以前不值得这样做的购买也是如此。
其他形式的品牌持续存在甚至加强，因为信任和问责变得更为重要。
6. 垄断资源
定义
当一家公司控制了竞争对手无法获得的资产时，就存在垄断资源。
这可能包括独家数据、监管许可、分销控制或专有知识产权，如生物技术/制药领域的专利。在软件领域，最常见的垄断资源形式是专有数据，这些数据通常是通过客户在长时间内直接收集和聚合的。
例如：
标普全球 / 穆迪 / 惠誉以信用评级、指数和参考数据的形式拥有垄断资源，这些数据被直接写入法规、契约和授权中。
CoStar在商业房地产领域拥有来之不易的专有数据集，包括房源信息、可比交易、历史交易、建筑属性和联系人，经纪人和业主都依赖于此。
赫尔默以皮克斯为例，它曾拥有一代难遇的创意人才集群作为垄断资源。
AI的影响
AI增加了专有数据的价值，因为模型会随着独家信号而改进。同时，特别是对于那些以某种形式公开的数据集，AI意味着它们不再被“垄断”，因为现在可以利用大语言模型来抓取/结构化这些数据集，从而比过去便宜得多地获取它们。
因此，如果排他性是真实的，并且……
原文来源：Tanay Jaipuria
