目光清澈，技术全面，岂会失败？

RECODEX · 深度文章 AI

Vertical AI 的创始人何时应该拥有某层技术、获取其访问权，或将其商品化

在经历了十年以轻资产模式获得成功的风险投资企业之后，垂直整合再度成为主流趋势。

其论点如下：人工智能正在使越来越多的软件变成标准化产品，而专有数据、使用场景、现实世界的反馈、信任度以及产品分发渠道则成为仅存的稀缺资源。正因如此，垂直整合型的初创企业才有动力掌控整个价值链。如今，这种趋势已从传统的科技与商业服务领域扩展到由人工智能驱动的家居服务、建筑行业、养老产业，甚至医院系统之中。

NFX 在《AI Wrapper 已死》一文中简明地总结了这一观点：

代码生成环节已经过时了。那些存活下来的企业以及新一代的初创公司将会采取垂直整合的战略来思考问题——“我该如何掌控价值链中的每一个环节？”

毫无疑问，结构较为简单的业务模式容易受到攻击。不过，“掌控所有环节”这种说法其实是一种过度简化的表述，它实际上涵盖了多种截然不同的战略。企业可以选择拓展多款产品、拥有实体资产、将硬件与软件相结合、以服务提供商的身份运营，或是向市场的其他领域进行纵向整合。这些都是差异巨大的战略，其背后的经济逻辑也各不相同。

我们认为，人工智能虽然拓展了由风险投资支持的初创企业的可行发展边界，但并未确定其最优边界。人工智能企业应着力掌控那些数据、工作流程节点以及高价值成果集中的价值链环节。有时这需要实现垂直整合，但往往并非必需。

此外，垂直整合的形式与整合程度同样重要。一家企业即便掌控了整个技术链条，仍可能只能收集到无差异化的数据，不得不依赖与其他公司相同的模型，进而比那些专注发展的竞争对手面临更高的运营阻力与更差的盈利状况。

那种追求极致整合的理念忽视了一个事实：长期以来，那些占据主导地位的垂直应用层平台之所以能够实现强大的规模效应与竞争优势，恰恰是因为它们并未试图涉足所有可能的业务领域。即便在当前的 AI 时代，企业只要专注于掌控那些能够积累学习成果的关键工作环节，依然能够蓬勃发展，甚至获得更好的业绩。

在垂直领域的人工智能领域，正如此前的 SaaS 行业一样，其目标其实很简单：掌控那些关键控制点。当然，这些控制点会因行业不同而有所差异，并且会随着技术的发展而发生变化——有些环节会变得具有独特性，而另一些则会被视为标准化产品。但那种主张全面整合的观点认为，LLMs 已经把每一个垂直领域的环节都变成了控制点，而这正是该观点的致命缺陷。在任何 B2B 业务环境中，顾客的工作流程中能够作为数据系统启动点的关键节点始终是有限的。

粘土·克里斯滕森的另一个理论

粘土·克里斯滕森最为人熟知的作品当属《创新者的窘境》。他还提出了另一个关于垂直整合与模块化的理论，不过知名度较低。克里斯滕森最早在《颠覆、解体与差异性的消逝》一文中阐述了这一理论。在 2006 年接受彭博社采访时，他这样总结了这一观点：

在行业发展的初期，当产品的功能与可靠性还无法满足顾客的需求时，采用专有解决方案几乎总是最佳选择——因为这样能够以最优的方式将各部分整合在一起。

但一旦技术成熟到足够好的程度，行业标准便会出现。这会导致接口的标准化，从而使企业能够专注于整个系统中的特定部分，产品也因此变得模块化。此时，早期领先者的竞争优势就会消失，盈利能力则转而掌握在那些能够控制决定性能的子系统的人手中。

换言之，当市场尚处于初级阶段时，其本质就具有试验性：

买家们正在考虑是应该购买、自行开发，还是等待时机。
供应商分散且标准不一，缺乏内在的规模经济优势。

在这一阶段，如果买家认为这项新技术具有价值，那么采用专有化的方法就会显得更具吸引力。从买家的角度来看：鉴于目前的供应商规模较小且成本高昂，或许我们应当掌握自己的命运，争取在这片新兴领域中占据价值主导地位。而对于供应商而言，垂直整合则更有优势——他们可以提供咨询服务、解决整体问题，并拥有更多控制权。此时，将技术合作伙伴发展成独立运营的企业甚至也是合情合理的。为什么供应商不能像买家那样，拥有自己自主研发技术的成果呢？

然而，随着该领域的成熟以及相关标准的出现，模块化产品便逐渐占据优势。顾客不再愿意为集成解决方案支付额外费用，反而开始重视产品的互操作性。此时，早期的集成商就会面临困境——那些低成本供应商能够通过各种组件自行组装产品，从而在专业性和价格上对集成商的方案构成冲击。与此同时，开源解决方案也应运而生。而对于那些已经转型为传统运营企业的科技公司而言，它们再也无法保持技术上的自给自足；如果想要获得最先进的技术，就必须亲自成为技术采购方。根据克里斯滕森的理论，长期的市场利润并不会被集成商所获取，而是归那些掌控着“决定性能的关键子系统”的企业所有。

人工智能通过扩大初创企业能够在内部处理的业务范围，使得这一理论再次具有现实意义。越来越多的技术环节可以被自动化、整合或内化。这固然增加了实现垂直整合的吸引力，但却不会改变利润的最终流向。

在《颠覆传统巨头指南》一文中，我们阐述了这一理念如何被初创企业用来通过使互补产品商品化、削弱现有企业的定价能力，并利用由此产生的利润来获取销售渠道与客户信任，从而实现对传统巨头的颠覆。在那篇文章中，我们以 Microsoft 与 PC 市场为例，介绍了商品化策略的典型案例。

20 世纪 80 年代初，软件甚至还不被视为与硬件分离的独立市场。当个人电脑开始流行起来时，IBM 急于成为先行者，于是推出了采用开放架构的 5150 型号：它使用现成的硬件，公开技术规格，并支持扩展卡的使用。 ³ 包括 IBM 在内的众多追随者迅速陷入价格战，市场竞争愈发激烈。与此同时，作为个人电脑不可或缺的配套操作系统、备受青睐的 ⁴ 操作系统的 Microsoft DOS 则销量激增。

即便通过整合能在初期取得优势，日后仍可能失去市场。那些曾经辉煌但现已衰落的技术巨头便是明证。垂直整合在某些情况下可能是结构上的必然选择，或是生态系统成熟之前的临时过渡手段；但它也有可能成为扼杀企业的错误决策。产品同质化终将影响那些采取整合策略的公司。垂直人工智能领域的创业者应当专注于掌握那些具备持久防御能力及盈利潜力的核心组件。

NVIDIA 正是对“整合至上”理念的现代反例。该公司将 GPU 架构、CUDA、网络技术以及与加速计算相关的软件生态系统进行了深度整合，但却将半导体制造环节交由台积电等企业负责。通过这种整合方式，再加上协同设计带来的更强控制力，NVIDIA 得以进入那些需要大量资金的领域，在那里专业厂商能获得更好的成本优势。正是这样的策略帮助 NVIDIA 成为了全球价值最高的企业之一。

最简必要技术栈

只有当整合能够掌控某种稀缺资源时，才能带来持久的竞争优势。主张掌控更长的价值链，其核心理由在于提升防御能力。例如：一种能够感知外界、收集第一手数据、影响相应行为、观察结果并进而实现自我优化的产品，如果该公司能掌控整个流程，竞争对手就无法获取同样的信息。

然而，垂直整合并不能确保企业的防御能力。即便一家公司掌控了整个价值链，它所收集的也可能只是普通数据而已。真正的长期价值取决于数据的质量与结构，这些数据必须具有独有性、高度密集且难以被复制。那些实行垂直整合的初创企业，其传感器产生的往往也是缺乏差异性的数据。在这种情况下，整合非但无法提升防御能力或长期发展前景，反而会增加资本与运营负担。这类企业最终只能与那些利用不断下降的投入成本来压低价格的初创企业竞争。在论证了整合的必要性之后，企业管理层往往不得不陷入一场注定失败的斗争，进而削弱其核心产品的实力。

垂直软件领域的传统经验依然适用。那些领先的垂直软件公司往往并非通过掌控整个价值链来取胜，而是通过掌握工作流程中的关键控制点获得优势。而“掌控一切”的理念在业务领域与技术领域同样适用——Toast 掌控的是 POS 系统和交易层面，而非餐厅本身；Veeva 掌控的是生命科学领域的核心商业与监管工作流程，而非制药企业本身。

这些平台的优势在于它们能够理解工作流程并将其转化为商业价值，同时无需承担整个行业的全部成本结构。垂直型人工智能提升了标准，因为软件现在可以直接完成更多工作。但核心战略问题依然如故：

在系统的哪些环节需要实施控制，以实现学习的持续提升？

那些具备持久竞争力的原生 AI 企业，正是通过努力掌控关键控制点而取得成功的。在我们之前关于成功垂直 AI 发展策略的研究中，我们建议许多原生 AI 企业应从构建一个创作层开始——这一层可作为打造能够创造收入并迅速带来投资回报的优质内部工作流程的起点。这其实是一种基于产品策略的考量。

我们对垂直整合的看法正是建立在这一基础之上的：在初创阶段，这类企业只需掌握实现控制点所必需的最小功能组合——也就是流程中那些能够产生复利效应的环节即可。

企业获取控制点的方式多种多样，具体取决于所处行业及技术发展水平：工作流嵌入、许可授权、系统集成、合同条款规定的权利、专用硬件等等。关键在于能够获取密集且可重复的信号。规则其实很简单：

只有当拥有某项资产能够帮助企业掌控关键控制点时，才值得去拥有它；否则，那只会带来不必要的成本与麻烦。

此前，核心问题在于是自行开发还是购买现有产品。而对于垂直领域的人工智能企业而言，战略上的关键问题则是自主掌控与外部获取：哪些环节需要直接控制，而在哪些方面通过可靠的外部渠道即可满足需求？

从本地软件向 SaaS 的转变已经印证了这一道理。大多数 SaaS 公司都通过租赁方式获取计算资源和存储空间。那些仅依靠通用基础设施而无法提供独特价值的 SaaS 产品固然脆弱，但解决办法并非购买数据中心，而是掌控那些对数据和业务流程至关重要的环节，再将其余部分外包给云服务提供商。

垂直整合本身并不会带来任何特定的市场优势。只有当传感器、模型、集成方案、服务以及硬件能够帮助企业掌控关键控制点时，它们才具有价值。一旦超出这一基本门槛，拥有这些资源反而可能会增加运营阻力，而无法带来真正的持久优势。

现实场景中的控制点

有三个独立变量可用于描述垂直整合的各个构成要素。使用权意味着无需拥有某项资产即可使用它；所有权则指该资产归你的公司所有；而控制权则指的是对关键控制点的掌控。

四个案例展示了它们在实践中是如何结合的：

OpenEvidence：可使用而不必拥有所有权

OpenEvidence 会聚焦于临床诊疗现场所提出的问题，检索相关证据，进而为医生提供答案。

通过与医学期刊出版商签订的商业协议，这些企业获得了授权内容的使用权限。其核心控制点在于诊疗环节中的临床问题。它们无需掌控从期刊、医院到医生工作流程的整个链条，只需能够可靠地获取相关证据，并持续关注那些临床问题即可。

因此，其竞争力取决于内容访问的可持续性、医生资源分布情况、用户信任度以及聚合需求所带来的价值，而非完全封闭的临床学习循环。在这种情况下，即便不拥有相关内容的所有权，只要能获得许可即可确保长期竞争力——因为归根结底，真正起到差异化作用的并非内容本身，而是他们对医生在临床场景中提出的问题的深刻理解，以及由此带来的为医生提供最佳服务的能力。

哈尔特：为掌控而拥有所有权

Halter 能够采集牛只数据，通过虚拟围栏控制牛只的移动，并为牧场主提供用于管理牛群的软件。

该连接件是必要的，因为它能够让人接入控制点。没有这种硬件，Halter 就无法获取信号、执行操作或了解结果。

然而，硬件本身并非真正的护城河。在当今时代，它之所以重要，是因为它保障了“观察-行动”循环以及能够实现学习效应不断累积的“牧场主工作流”。随着时间推移，只要这种模块化硬件组件不会削弱对关键控制点的掌控，就应当允许其走向商品化，从而让更多人能够获取第一手数据。

简而言之：掌控而不必拥有所有权

Abrief 能够记录临床对话、生成文档，并将相关记录与后续的病历录入、编码以及收入核算流程相衔接。

虽然传感器是麦克风，但 Abridge 的掌控点在于内容创建层：临床记录首先在他们的软件中生成，通过深度集成进入医疗系统，进而成为后续各项关键工作的基础。这一位置能够掌握医生的修改内容、审批意见、编码变更以及相关的收益数据。

Abrief 的学习循环无需涉及医疗价值链中其控制点及其下游工作流程之外的任何其他部分。即便临床笔记记录逐渐变得标准化，起决定性作用的仍是那些下游环节，而非转录行为本身。在医疗文书撰写领域，一个关键问题依然是：在面临那些具有强大优势且积极性极高的现有企业时，底层技术能否为这一控制点提供长期的防御能力——不过，哪一个是真正重要的控制点，这一点依然很明确。

原生 AI 律所：拥有所有权却无法掌控全局

现在来看看一家完全实现垂直整合的“原生 AI”律所：客户关系管理、律师团队以及服务交付全都由内部负责。

尽管掌控整个价值链看似有理有据，但实际上往往只会收集到缺乏差异化的数据，而这些数据很容易被那些处于行业前沿的模型公司、使用 Harvey 等工具的传统律所，以及其他以人工智能为核心技术的律所获取。我们在关于“以人工智能为核心的技术服务”的文章中已经探讨过这一现象。

只有当没有其他竞争服务采用相同的 LLM 技术进展时，模型改进才能让某项服务具备竞争力。而这绝不是我们愿意冒的风险。

软件领域最强大的护城河始终在于那些难以被复制的要素——专有数据流程、工作流集成、分发机制以及网络效应——而非其底层基础设施，无论该工具本身还是其产生的成果是否需要收费。

何时真正需要整合

尽管文章告诫人们应避免那种想要掌控整个价值链的冲动，但在争夺市场时，垂直整合往往在结构层面上是不可或缺的。

通过垂直整合可以保障供应、降低延迟、提升质量控制水平、确立单一的负责主体，还能防止关键供应商掌控产品的盈利模式。这些确实具有优势，但它们只是实现这些目标的手段，而非真正的竞争壁垒。

当满足以下三种条件之一时，垂直整合才最具合理性。

1. 该领域还不够成熟，难以实现模块化。

如果模型、工作流程、硬件以及周边环境之间的衔接不断变化，不同的供应商可能无法快速实现协调。

在这些市场中，为了实现快速迭代，整合是必要的。但这指的是在不稳定的接口之间进行整合，而非拥有所有相关的业务。

2. 性能未达到买方的标准。

多供应商系统可能还不够成熟或稳定性较差，因此采购方往往会选择由单一厂商来确保系统的可靠性。为了建立信任，往往需要进行整合。那些提供 RLHF（基于人类反馈的强化学习）服务的厂商就属于这类情况。

即便在这些情况下，企业也应区分当前业务运作所必需的环节，以及未来有可能成为盈利核心的环节。

3. 若不拥有控制权，就无法确保持续的访问权限

供应商可能会拒绝提供相关数据。那种“传感器”，无论是实际的还是比喻意义上的，都可能根本不存在。软件供应商则可能使系统集成变得几乎不可能，或严重限制产品所能执行的功能。

如果获取访问权限的唯一可靠方式就是拥有相关资产，那么拥有该资产或许是必要的。

这些情况确实存在，但其局限性要比那些主张全面整合的观点所描述的要大。而且它们变化迅速，尤其是在 LLM 时代。市场发展得很快，激烈的竞争推动了系统间的互操作性，与此同时，买家也愈发清楚自己的需求是什么。那些采用模块化架构的新兴企业必然会瞄准集成商解决方案中的各个组成部分，而往往是在集成商已经确立该行业格局之后才这么做。

采用模块化架构的竞争者并不总能取胜。而通过掌控整个价值链所带来的优势往往也是有限的，除非该整合方能够持续控制着性能瓶颈或关键节点，或是同时掌控两者。

如今我们正处于克里斯滕森所描述的典型“年轻市场”阶段。买家们难以判断该购买什么、该开发什么，甚至不确定哪些技术值得采用。在这种情形下，采取更为试验性的方法、提供更多咨询服务，以及承担更多原本不必处理的企业级问题，都是合理的选择。而这样做带来的回报，或许就是能够更快地占据比传统模式更广阔的市场份额。

不过，我们认为，对于垂直领域的人工智能初创企业而言，正确的做法并非从一开始就盲目试图掌控所有环节。要做到这一点需要强大的管理纪律与判断力，但那些能够同时进行各项测试并保持专注的企业将会获得巨大收益。创始人可以通过多种策略来维持平衡、扩大业务范围，并测试业务扩展的可能性。

将互补产品商品化，而非采用其经济模式

在《颠覆现有企业的指南》一书中，我们探讨了如何通过推出互补产品以及削弱对手的定价能力来对其构成威胁。初创企业可以通过降低相关产品的价格、将其变为免费产品、将其嵌入现有产品中，或是以其他方式降低对手获取利润的能力，从而削弱现有企业的实力。

不过，即便某项配套产品已变得商品化，也无需拥有其所有权，更不必采用其经济模式或商业架构。通常，更好的策略是让这类配套产品更加丰富、标准化且价格低廉，这样价值就能重新回归到你能够掌控的环节上。

初创企业可以通过降低价格或推动互操作性标准来取得优势。其目的在于消除瓶颈，同时不必永久承担配套产品的成本结构。

如果某家医疗人工智能公司发现服务环节是瓶颈，那么最初可能需要人工干预。但其目标应是将重复性的服务工作转化为对关键控制点的掌控能力，而非仅仅成为一家成本更低的服务提供者。

软件的最大优势在于杠杆效应。虽然人工智能改变了初创企业能够做的事情的范围，但它并未削弱软件以及轻资产商业模式的优势。事实上，随着基础智能技术的成本不断降低，杠杆效应的重要性愈发突出。那些跟风者，甚至那些处于行业前沿的企业，都会采用模块化方式来设计他们的产品与服务。

在创始人考虑应该掌控技术栈的哪个部分之前，他们应当先问一个更重要的问题：

我们试图将什么商品化？

如果某种互补要素会阻碍产品的普及，那么只需进行适度整合，以降低其定价能力、协调成本或可靠性风险即可。如果某个环节无法增强控制力，不妨考虑通过租赁、授权的方式使用它，或通过模块化接口将其对外开放。

将互补性要素商品化，但避免采用其成本结构。职能与劳动的分工是我们所知最基本的经济规律之一——优秀的创始人会明智地选择何时挑战这一原则，并意识到自己不太可能在这场持久战中获胜。

1841 年的控制点

在 1837 年的经济危机暴露出商业信用信息缺乏可靠性的问题之后，废奴主义者刘易斯·塔潘创立了商业信息机构。该机构建立了首个 B2B 信用网络：一个由遍布全国的付费通讯员构成的网络，这些通讯员多为律师、银行家以及其他当地观察人士，他们负责汇报商家的偿付能力、声誉和信用状况。据称，年轻的亚伯拉罕·林肯也是该网络早期的通讯员之一。