颠覆性创新的隐藏架构：当代创始人能从50年数据整合史中学到什么
本文信息来源：insightpartners
初创企业的世界崇尚速度、新奇与前进动力。但最精明的创始人——尤其是那些在 AI 和数据基础设施领域创业的——明白真正的创新并非始于白纸一张。它始于理解既有的构建成果、那些难以撼动的存在，以及表层之下正被悄然侵蚀的事物。
这正是 Insight Partners 董事总经理、Syncsort（现更名为 Precisely）前首席执行官 Lonne Jaffe 与 dbt Labs 创始人兼 CEOTristan Handy 在 Handy 的《分析工程播客》中进行广泛对话的核心论点。
Jaffe 的职业生涯始于 IBM，如今专注于深度科技公司投资。多年来他持续研究为何某些技术能历久弥新而另一些则遭淘汰——这些洞见在生成式 AI 驱动的时代愈发具有现实意义。
以下是给正在构建下一代企业软件浪潮的创始人们的五大战略启示。
点击此处收听完整对话
1. 性能基础构件永不过时
1968 年，一家名为 Syncsort（后由 Jaffe 领导）的企业围绕排序技术操作及相关基础构件（如合并、连接和聚合）建立了商业模式。当时，排序不仅是数据库功能，更是电信、银行等行业大型机计算工作流的基石。
五十年后，从传统数据库到 Apache Spark，排序依然是众多数据系统的核心逻辑支柱。
“当 Apache Spark 横空出世时，团队为展示其性能优势，首秀就选择了 2014 年 Gray 排序基准测试，”Jaffe 回忆道，”排序及相关的合并、连接、聚合操作性能至今仍具有决定性意义。”
对创业者的启示是什么？创新并不意味着要全盘否定旧事物，而是需要识别哪些技术基础要素仍能持续推动规模化性能与成本效益，并在关键环节持续优化。
2. 转换成本的力量——直到失效那一刻
贾菲的职业生涯横跨了既受益于又挑战过固有体系的企业。这使他对转换成本有着清醒认知：它们既可能成为企业软件最坚固的护城河，也可能成为最脆弱的环节。
“你可能会遇到这种情况：询问一千个客户’你喜欢这个产品吗？’，得到的肯定回答是零，”他指出，”所有人都想换掉它…但他们就是做不到。”
从历史上看，从遗留平台迁移需要重写大量代码库，却收效甚微。但生成式 AI 可能开始消解这些转换成本。代码生成、 智能体系统和自动化正在降低迁移成本——同时提升信心——那些曾令人望而生畏的迁移任务正变得可行。
如今构建基础设施的创业者需要为这一时刻设计：如果你正在替代遗留系统，你的时机可能终于成熟。如果你在捍卫现有市场地位，请诚实地思考客户忠诚度的真正来源。
3. 遗留系统长期存在的原因不止一个
并非所有遗留系统都是摇摇欲坠的纸牌屋。有些系统本身就是技术奇迹，在特定条件下仍能超越现代系统。
“大型主机本质是一台输入输出超级计算机，”杰夫解释道，”如果你要构建一个全球级信用卡处理系统或 ATM 网络…很难找到其他系统能在这台冰箱大小的机器上同时处理数万笔交易，并完美符合 ACID 原则。”
这揭示了一个明确事实：颠覆性创新不仅关乎价格更低或体验更友好。关键在于能否在可靠性、规模和精确性上比肩甚至超越成熟系统。若产品无法达到这些标准，就称不上替代品，只能算作补充方案。
4. 需求弹性能够解锁品类扩张
在多数市场中，价格下降意味着利润萎缩。但在基础设施领域，成本下降往往会带来市场扩容。
贾菲指出存储价格的历史性暴跌——从”1982 年每 GB 50 万美元降至如今三四美分”——是一个转折点。这种降价非但没有压缩市场，反而催生了新用例并极大扩展了需求。
这种弹性规律至今仍适用。构建数据基础设施、向量搜索或实时分析的创业者们，不仅要考虑当前的总可寻址市场（TAM），更要关注成本压缩和可用性突破所释放的潜在市场空间。
简而言之：不要只是随波逐流，要预判当成本下降时需求会向何处扩张。
5. 生成式 AI 正在重新定义产品边界和用户预期
贾菲观察到最显著的变化之一，是生成式 AI 如何模糊了传统产品类别。数据目录、ETL 工具甚至数据库正被重新定义为”模型工具”，而不仅仅是用户工具。
“你甚至可能看到数据库选择发生变化，”他表示，”不再需要执行搜索、分块处理结果再输入模型……而是让模型直接访问你的数据基础设施作为工具。”
为技术用户开发软件的创业者现在必须思考：如果主要用户是 LLM 会怎样？这需要怎样的接口、API 和工作流程？当模型而非人类来协调任务时，会催生怎样的产品可能？
*注：Insight Partners 已投资 Precisely 公司
