AI 是否让风投忘记了基本竞争策略？

为何 Anthropic 和 OpenAI 不可能赢下每一个市场

今天我想谈谈基础竞争策略和 AI。

几天前，Firstmark 的 Matt Turck 在 LinkedIn 上发表了下面这篇帖子。Matt 的风格一向是带点戏谑的 VC 评论，但这一次，他对 VC 们的调侃里却意外地有不少真话。我们在为 Neurometric 融资时，收到最多的反馈就是：“OpenAI 和 Anthropic 难道不会直接做这个吗？”我认识的大多数创始人朋友，不管他们的初创公司做什么，听到的也都是同样的话。所以，对于那些对此感到担忧的 VC 们，我想试着让你们放心一些。

企业战略的核心在于取舍 。没有哪家公司能包揽一切，因为在大多数市场中，顾客偏好各不相同，从而形成了重视不同产品或服务版本的不同客户群体。选择以某种方式做事、迎合某一类偏好，也就意味着你的业务在满足另一类偏好时，配置上会更不适配。举例来说，当人们抱怨 Dunkin Donuts 的咖啡不够好时，他们其实没抓住重点。Dunkin Donuts 和 Blue Bottle 采取的是不同的战略，这也决定了它们在如何做事、为何这样做上的不同选择。Dunkin 的定位是以快速、便利的方式提供还不错的咖啡。它并不迎合讲究咖啡品质的饮用者，也不服务那些想带着笔记本电脑一坐就是几个小时的人。它服务的是那些想迅速、轻松补充咖啡因的人。

当前这波对 AI 的恐慌，忽视了商业策略中权衡取舍的重要性。这不过是 1990 年代“Microsoft 直接把它捆绑进 Windows 里就行了”或 2010 年代“Amazon 直接抄你的产品就行了”的现代版本。它落入了一个经典陷阱：把技术能力与战略定位混为一谈。现实情况是，尽管 OpenAI 和 Anthropic 正在构建史上最令人惊叹的“引擎”，但它们不可能打造出每个行业所需的每一种“载具”。要理解其中原因，我们必须跳出 LLM 跑分指标，直面战略取舍冷酷而坚硬的逻辑。

“万事皆可做”的谬误

当风投问道，“OpenAI 难道不会直接做这个吗？” 他们其实是假定 AI 市场是一场由模型原始能力决定、赢家通吃的游戏。他们认为，只要 GPT-X 足够聪明，它就会天然解决对冲基金、医学实验室或专业研究机构的具体问题。

但策略不只关乎你能做什么；它更关乎你选择不做什么 ，从而让你能够在其他事情上做到卓越。

如果 OpenAI 决定成为世界的“通用基础设施”，它就不得不在一系列特定的权衡中做出选择：

• 横向优先于纵向： 他们必须优先开发能够服务 1 亿人的功能，而不是满足某个细分领域 1000 名高级用户需求的功能。

• 标准化优先于定制化： 为了保持可扩展性，他们的 API 必须是“一刀切”的通用接口。

• 模型性能优先于工作流整合： 他们更有动力花费 100 亿美元打造一个更聪明的模型，而不是投入 1000 万美元去打磨某个特定行业监管合规所需的完美 UI。

AI 狂热分子会说，AGI 机器将能够两者兼顾！它会解决所有问题，甚至包括如何同时走横向和纵向的问题。但这一想法没有任何证据支撑。事实上，我们对世界的一切认知都表明，权衡取舍是现实的核心组成部分，而除了那种未经验证的信念——即 AGI 能解决所有问题——之外，没有人提出过任何理由说明这一点为何会不再成立。

咖啡店矩阵：为什么权衡取舍至关重要

让我们回到 Dunkin’与 Blue Bottle 的例子。如果 Dunkin’试图开始提供手冲、单一产地、需要 12 分钟才能冲泡完成的咖啡豆，它就会摧毁其核心价值主张： 速度。 它的得来速车道会陷入停滞，忠实的“赶路型”顾客会离开，运营成本也会飙升。

这就是为什么战略转型如此困难，而且往往会失败。还记得 JC Penney 曾聘请 Apple 的门店设计大师，并将品牌重塑为 JCP 吗？之所以没有奏效，是因为这与 JCP 所瞄准的市场细分并不匹配。企业必须以能够向特定顾客群体交付价值的方式来配置自身业务，而要改变这种配置是很难的。

风投之所以在这个问题上判断失误，是因为他们高估了模型的价值，却低估了系统的价值。

1. 企业“最后一公里”的摩擦

软件是混乱而复杂的。它需要与遗留数据库进行集成，遵守高度细化的监管要求（如 HIPAA 或 SOC2），并提供符合专业人士实际工作方式的用户界面。若要让 Anthropic“无所不能”，它就需要一支由 5 万人组成的销售和工程团队，仅仅为了处理各个行业实施层面的细节。到了那个地步，它就不再是一家高利润率的科技公司，而是一家咨询公司。

2. 利益冲突

如果 OpenAI 为律师构建一款专业工具，就有可能疏远成千上万家为其 API 接入付费的法律科技初创公司。这里存在一种“平台与应用”之间的张力。要成为全球性平台，你就必须像瑞士一样保持中立。如果你开始与自己的顾客竞争，顾客就会转向 Llama 3 这样的开源模型，或像 Mistral 这样的竞争对手。前沿模型必须决定要进军哪些市场、放弃哪些市场。如果它们什么都想做，就会把所有人都得罪。

3. 数据敏感性与“护城河”

许多行业——尤其是处理神经数据、金融机密或专有研发成果的行业——都极度担心将自身数据送入“通用”模型，因为这些模型可能会利用这些数据来训练未来的迭代版本。专业化公司则可以提供“狭域主权”：即保证系统只针对单一任务进行优化，确保数据零泄露，并对该领域的特定边缘案例保持极度聚焦。

为什么风投感到害怕

Matt Turck 对风投的调侃之所以一针见血，是因为它凸显了一种想象力的匮乏。说一句“巨头会把你吃掉”要容易得多，而真正下功夫去理解某个特定细分领域为何具备防御性，则困难得多。

在互联网发展的早期，人们曾以为“互联网”会是一家公司。他们认为 AOL 或 Yahoo 会简单地“包办一切”。他们没有意识到，互联网其实是一个赋能层 ，它将使数以千计的专业化赢家脱颖而出。

OpenAI 和 Anthropic 就是新的互联网。它们是基础层。但你不会用“地基”来装饰客厅；你会用它来建造一栋满足你特定需求的房子。

退一步看，别忘了 AI 将成为一个规模巨大的市场，而且会有很多很多公司取得成功。

感谢阅读。