将云计算经验应用于人工智能

或许不足为奇，我目前最关注的问题（至少是投资方面的）都围绕着人工智能。

人工智能被切断中间环节的风险有多大？人工智能将如何影响公司的商业模式？这家公司在人工智能领域有没有护城河？

有一次我在播客里听到摩根·豪泽尔说，要理解一个周期，最好的办法是回过头去读一下之前那些周期的头条。能源基础设施看起来很像铁路建设，数据中心可能像光纤，而在这种情况下，我在想人工智能是否很像二十年前开始的云迁移时代。

如果你读当时的头条，几乎所有人都说云会在一夜之间终结本地部署软件。事实上在很大程度上确实如此，但这是一个渐进的过程。到2011年，云的采用率仍只有22%，又花了六年才达到饱和。整个转型持续了十多年，在某些行业甚至仍在进行中。

我试图弄清的一件事是，在云时代哪些因素保护了企业，以及在人工智能时代哪些会继续保护它们。幸存者与牺牲者可能并非随机，我想知道当年作为护城河的品质或企业在云时代采用的战术，是否也能在人工智能时代为它们提供保护。

上周我在一个播客里听 Jon Gray 讨论长期趋势与周期性趋势，这在当前尤其值得警惕。与 AI 相关的一些变化是周期性的，属于市场的自然波动；同时，确有一些变化是结构性的，软件变得更容易构建，能源价格飙升，等等。

我们今后可以依赖什么？这一直是我试图剖析的问题。我希望从从本地部署到云的转变中，能为 AI 提供一些线索。

Salesforce 与 Siebel

在云转型期间，Salesforce 击败了 Siebel。Siebel 曾是占主导地位的本地部署 CRM——在未能适应变化后于 2005 年被 Oracle 以近 60 亿美元收购。当 Benioff 出去为 Salesforce 融资时，大多数风险投资人都对这项他们认为风险很大的企业押注望而却步。他们不相信云技术能盈利，也不认为任何人会同意把像客户数据这样敏感的东西放在别人的服务器上运行。

2021 年，Salesforce 的市值增长到 2700 亿美元。这是一个关于如何在技术变革中取胜的典型教科书式案例，同时也可能是对未来发展的警示。Siebel 曾是企业 CRM 的先驱。用旧模式做到最好，结果反而不如以较新、尚未成熟的模式率先占位。

而现在，Salesforce 成为我们在第一季度看到的 AI 抛售中的目标之一。

市场普遍认为（可能也是正确的），横向 SaaS 的护城河正在削弱。那家以云优先击败 Siebel 的公司，也可能因为在 AI 上位居第二而被取代。

CRM 工作流程具有非确定性，且正是 AI 代理可自动执行的任务类型。这个顾客会对哪些邮件做出回应？我们应该开展并创建什么营销活动？这些正是 AI 在分析和自动化方面相当擅长的任务类型。

我认为市场上忽视的一点是，迁移复杂的客户数据极其困难。参加任何一次关于从 Hubspot 迁移到 Salesforce 或反向迁移的董事会讨论，你都会听到很多叹息声，因为每个人都清楚迁移这些数据的艰巨程度。

与当前的市场情形不同，我并不相信 Salesforce 注定要失败。但正如我们在科技史上一次又一次看到的，昨日的赢家并不保证明日仍能称雄。护城河必须随之演进。

云时代真正保护了企业的是什么

我研究了在向云转型过程中谁存活以及原因。三种特质始终将赢家与输家区分开来。

首先，专有数据锁定与信任。 不是任何数据——而是由客户在使用你的产品时产生、无法轻易复制的数据。

想想 Autodesk。建筑师和工程师手里有数十年的以专有格式（DWG、RVT）保存的 CAD 和设计文件，已成为行业标准。他们实际上无法在不进行大规模且风险很高的转换工作的情况下将这些作品导出到竞争对手那里。正是这种锁定让 Autodesk 在云转型时可以更慢而不失去客户。SAP 和 Oracle 也有类似的动态——财务和运营数据深深嵌入业务运作，移除它们是不可想象的。这些公司成功转向云，护城河得以保持。

但并非所有数据护城河都相同。确定性、专有数据比关系型数据（CRM 联系人、销售记录）更具防御性。这就是为何 SAP 的 ERP 和像 IBM 的 Maximo 这样的产品成为在云端小行星冲击中存活下来的“恐龙”。

这里也有一个合理的反驳：如果 AI 能让迁移更容易怎么办？如果一个 AI 代理能够映射数据模式、自动化 ETL，并处理平台之间混乱的转换，也许切换成本会从 9 降到 3。我认为对于简单数据来说，这个方向是对的。市场现在对很多软件的看法也是如此。

但要成为为关键行业提供企业软件的可信赖品牌——那个首席技术官愿意拿自己的职位来押注的品牌——并非人工智能能捷径达成的事情。

安全认证、合规记录、多年未出岔子的部署实施经验。这些都需要时间来积累，而且在数据关系到任务成败时极为重要。AI 也许能让数据迁移更容易，但不会让将数据托付给新供应商变得更容易让人信任。

第二，复杂且确定性的工作流程。 作为面向垂直行业的 SaaS 在复杂且确定性的工作流程上构建专业能力，始终是一道护城河。这需要通常经过多年经验积累才能获得的主题级细节知识。在建筑、能源和医疗等关键行业，高风险意味着必须有人类在环。AI 不太可能完全取代这一点

云时代催生了 Procore、ServiceTitan 和 Veeva 这样的公司。这些云原生的垂直行业 SaaS 公司以复杂的工作流程为基础，成长为各自的类别领导者。

以下是垂直 SaaS 的生命周期。构建能够出色处理复杂行业特定工作流程的软件。成为你所属类别的代表性品牌——家居服务的 ServiceTitan、建筑业的 Procore、生命科学的 Veeva。随着你成为行业标准，销售和营销投入会下降。

客户开始抱怨你价格昂贵、创新缓慢、难以使用。

他们并没有更换。

ERP 迁移需要 9–24 个月，而 CRM 仅需 3–7 个月。那种痛苦和高风险造成了锁定效应。即便在今天，只有 31% 的 SAP 客户已迁移到其云平台 S/4HANA，还有 27% 正在实施中。这些迁移很困难，而这种困难是特性，不是缺陷。

当客户抱怨但仍然留下时，护城河就非常坚固。这很像那句蝙蝠侠的梗：你要么英年早逝，要么活得够久，看到自己变成反派。

以下公司将首先有机会在其客户中部署人工智能。

第三，愿意自我牺牲。 尽管有 5 万名客户联名请愿反对，Adobe 仍推动用户迁移至 Creative Cloud。Autodesk 在 2016 年停止销售永久许可证，并在 2017 年终止维护计划——两者都选择了短期阵痛以换取长期生存。SAP 宣布其遗留平台结束维护，看到许可证收入暴跌 37%，而云收入增长至 136 亿欧元。

Siebel 做不到。他们拥有庞大的企业客户和海量数据，却无法足够快地自我吞噬其商业模式。正是这种犹豫——再加上庞大的企业客户群体变成了拖累而非护城河——导致了他们的失败。

这不像柯达在数码相机战争中缺乏竞争力那样。软件公司可以且应该开始采取不一样的行动，因为它们具备内部技能来做到这一点。

将此应用于人工智能

人工智能正沿着与云相同的轨迹发展，只是更快。云在两年内实现了600亿美元的收入。生成式人工智能有望更快达到600亿美元——从2024年的240亿美元增长到预计的2025年600亿美元。

但像云一样，其影响将是多样的，而非统一的。

能够处理复杂工作流、并拥有可信品牌和专有数据的软件将得以存活并可能繁荣发展。Autodesk 的专有文件以及客户多年来以其格式构建的数据、SAP 的财务流程，以及 Veeva 处理复杂工作流的能力，都是 AI 可能巩固优势而非取而代之的例子。

管理通用工作流和“如果-那么”关系数据的软件面临真实风险。通用项目管理、基础 CRM、客户支持工单、会计软件——AI 可以复制这些。

市场开始将此风险计入估值。实现 10%以上自由现金流量利润率的软件公司比例自 2021 年以来已从 21%翻倍至 42%。成熟的软件企业已回应市场对更高盈利能力的呼声，但企业软件的估值倍数仍在压缩，因为在 AI 可能摧毁整个产品类别时，确定终端价值变得更困难。

与此同时，ERP 系统和垂直 SaaS 尽管历史上上限低于横向同业，但表现更为持久。市场正在告诉你目前它信任哪些护城河。

保持不变的方面

技术转变总是比预期耗时更久。云计算用了十多年。人工智能也会——我们也许才走了两年。

影响总是有差异的，绝不是均匀分布。云时代，ERP 幸存，而通用生产力工具消亡。人工智能时代，同样的质量差异将继续发挥作用。

评估一家软件企业的问题并未改变：该企业是否拥有专有数据？工作流程是否造成真正的转换成本？它是否具有关键任务性质？价值是否通过网络效应不断累积？

我们如何回答这些问题很可能需要改变。当人工智能能够大规模合成公共信息时，哪些数据仍属专有？哪些复杂工作流程还能受到保护，哪些又会被人工智能复制？我们是在用专业领域的知识提升人类，还是我们的软件在增强一个在人工智能时代并非真正必要的劳动力群体？

投资的一大好处是可以借鉴历史的教训。技术总是崭新的。移动、云、人工智能，以及未来出现的一切，总是前所未见。但这些新发明带来的问题，历史上会一再重演。重要的是我们如何回答这些问题。

我在追寻的想法

今天所做的哪些决策会在明天产生意想不到的后果？

我正在收集的想法

“我们以欣喜接受新信息，而不是拿它与已有信念作比较；我们保持好奇，而非厌倦。”——Rick Rubin，《The Creative Act》

“伟大的领导者要求自己和他人更深入地理解并重新思考他们的业务，从而能够同时实现看似相互矛盾的两件事。”——David Cote，《Winning Now, Winning Later》