最好的 AI 应用时代要来了，为什么现在是软件行业最大的范式转变！

你有没有想过，软件行业可能正在经历有史以来最剧烈的一次范式转变？过去两年里，我们见证了一个惊人的现象：有软件公司在一年内从零做到上亿美元营收。这在以前几乎是不可能的事情。传统上，企业软件公司要达到这个规模可能需要五到十年，因为你得一个客户一个客户地去谈，每个合同可能只有十万美元，增长速度受限于销售团队的规模和客户决策周期。但现在情况完全不同了。a16z Apps Fund 的合伙人 Alex Rampel 最近做了一次分享，他用数据和案例展示了 AI 应用为什么代表着软件历史上最大、最快的产品转变。

我听完这次分享后，脑子里一直在思考一个问题：为什么是现在？为什么不是五年前，也不是五年后？Alex 把当下的 AI 应用浪潮放在了更大的历史背景下来看。他展示了一张图表，从1977年到现在的纳斯达克指数走势，并指出软件行业经历了四次重大的产品周期：PC 时代、互联网时代、云计算时代、移动时代，而现在我们正处在第五次浪潮的开端——AI 时代。每一次浪潮都有基础设施层和应用层的公司，PC 时代有 Apple 和 Microsoft 作为基础设施，有 Lotus、Adobe 这样的应用公司；互联网时代有 Cisco 这样的基础设施，有 eBay 和 Amazon 这样的应用；云时代有 AWS，有 Workday 和 Shopify；移动时代把超级计算机放进了每个人的口袋。而 AI 时代不是凭空出现的，它是建立在所有之前的技术浪潮之上的。正因为我们已经有了智能手机和云计算，AI 才能如此迅速地被采用。

让我印象最深的是 Alex 提到的一个数据：现在全球约15%的成年人每周都在使用 ChatGPT。这个采用速度是前所未有的。他说，如果你看企业支出数据，比如 Ramp 这家提供企业信用卡和费用管理的公司，他们的数据显示2025年1月出现了一个巨大的增长拐点。这些使用 Ramp 的公司不是那些刚成立的初创公司，而是有几千名员工、更注重技术前沿的成熟企业，可能在湾区或纽约。这些公司突然意识到，AI 不再只是一个魔术般的演示工具，而是真正能在企业内部节省时间和成本的实用工具。

我自己的观察也印证了这一点。两年前，当 ChatGPT 刚出来的时候，大家把它当作一个有趣的玩具，用来写剧本，或者让朋友们惊叹一下。但现在完全不同了，AI 已经进入了企业的日常运营，开始真正创造商业价值。这种从"有趣的演示"到"不可或缺的工具"的转变，正是 AI 应用爆发的根本原因。

三大投资主题：AI 应用的核心机会在哪里

Alex 在分享中提出了一个非常关键的问题：在这个所有人都在做 AI 的时代，什么样的公司能够建立持久的竞争优势？因为 OpenAI 不只想做后端的基础设施，他们推出了消费级应用，甚至最近还推出了一个可以说是 TikTok 竞争对手的产品。微软也在大举进入这个领域。回顾历史，Marc Andreessen 创立的 Netscape 就是被微软碾压的，微软因此还遭遇了反垄断诉讼。那么在这样的竞争环境下，如何构建一家能够长久存续的公司？a16z 总结了三个核心投资主题。

第一个主题是传统软件正在变成 AI native。Alex 用了一个很形象的比喻：如果你现在能造一台时间机器，回到15到20年前，投资每一家云原生公司，你会拥有一个惊人的投资组合，包括 Shopify、Viva、NetSuite、Salesforce 等等。为什么？因为那些传统的本地部署软件公司无法有效应对云计算的转变，他们习惯于一次性收取大笔费用卖软件，不知道如何转向每月收取较少费用的订阅模式。同样的转变现在正在 AI 领域发生。Alex 制作了一个"宾果卡"，列出了各种传统软件类别：ERP、CRM、客户支持、RPA、邮件营销等等。每一个格子都代表着一个可以被 AI native 公司重新定义的机会。

我认为这里有一个非常重要的区分，就是 greenfield（绿地）机会和 brownfield（棕地）机会的区别。Alex 用 Mercury 作为例子。Mercury 是一家为初创公司打造的新银行，他们从来没有从 Silicon Valley Bank 那里抢走过一个现有客户，直到 SVB 倒闭的那个周末。这就是典型的绿地策略：不去抢夺现有客户，而是专注于全新的公司、全新的客户。当一家公司刚成立，或者到达某个转折点（比如员工数从50人增长到需要更复杂的系统时），他们会选择市场上最好的产品，而不是被锁定在某个旧系统里。

第二个主题，也是 Alex 个人最兴奋的，是全新类别的出现，软件开始直接替代劳动力。这个市场比传统软件市场大得多，因为你不是在和其他软件竞争，而是在和人力成本竞争。Alex 展示了一个招聘广告，Plaza Lane Optometry 招聘前台接待，年薪4.7万美元。如果你能提供一个软件产品，完成这八项工作职责中的五项，他们会购买这个软件。但他们不会支付4.7万美元，可能也不会只支付500美元（这是他们每年在 Microsoft Office 和 Squarespace 上的花费）。他们可能愿意支付2万美元。这就是一个全新的定价区间，一个以前根本不存在的软件市场。

我觉得这个洞察非常深刻。软件市场的规模一直受限于企业愿意为软件支付的金额，通常是几百到几千美元一年。而劳动力市场则是数万美元一年。AI 创造的不是一个新的软件类别，而是一个介于两者之间的全新市场。更关键的是，很多情况下雇佣真人根本不现实。Alex 说得很直白：人们想要两件事，更富有和更懒惰。他们想做更少的工作，获得更多的经济价值。而 AI 正好解锁了这个可能性。

第三个主题是"围墙花园"（walled garden），也就是基于专有数据建立的护城河。Alex 用了一个农场和餐厅的比喻来解释：OpenAI 就像一个蔬菜农场，种植 tokens 并卖给应用开发者。但后来 OpenAI 说，既然很多人来我们的农场，我们为什么不在农场里开餐厅呢？于是那些买蔬菜的餐厅老板就不高兴了——你既卖给我原材料，又跟我竞争？这个比喻说明了一个现实：在 AI 时代，拥有专有数据源变得极其重要。如果你的数据是 OpenAI 或其他大模型无法获得的，你就有了真正的护城河。

传统软件的 AI native 转型：为什么现在是绝佳时机

在第一个投资主题上，Alex 分享了一些让我印象深刻的案例。他提到了一家叫 Reel 的公司，这是 a16z 投资的一家 AI native ERP 系统。传统上，当一家公司成长到50人、有多个实体和多种货币时，他们使用的 QuickBooks 就不够用了，四大会计事务所会建议他们迁移到更好的 ERP 系统，比如 NetSuite。这就是一个转折点，一个绿地机会。在这个时刻，公司可以选择 NetSuite，也可以选择 Reel——一个具备50个 AI 功能、能够自动结账的系统。

我认为这里的关键洞察是：现有的大公司，像 bill.com、SAP、Adobe、Workday，他们也会因为 AI 而变得更强大。他们会开始对新功能收费。Alex 举了个例子，Workday 可能会说："你想让我们对每个新员工做背景调查吗？每次调查收费500美元。"为什么没人能做499美元来竞争？因为你已经被 Workday 锁定了。Alex 用了一个很犀利的说法："最好的公司拥有的是人质，而不是客户。"当然，他们不是要投资那些客户满意度极差的公司，而是要投资那些有强大护城河、成为企业记录系统（system of record）的公司。

什么是记录系统？就是运行整个业务的系统。那个"宾果卡"上的每一个类别——你怎么可能摆脱 NetSuite？基本上不可能。所以 AI native 公司要么通过一个 AI 楔子切入，要么就是直接构建新的记录系统。现有的老牌公司也在这么做，但对于全新进入市场的公司，或者到达转折点的公司来说，选择新的 AI native 产品仍然是显而易见的。

我觉得这种转变的速度会比云计算时代快得多。云计算时代，很多企业和 IT 部门对云持怀疑态度，觉得不安全、不可信任。但对于 AI，几乎所有人都认为这是个好主意。没有人会反对"在每个人口袋里放一个 AGI"这个愿景。这种普遍的认同会大大加速采用速度。

软件吃掉劳动力：一个更大的市场机会

第二个主题让我最兴奋，因为它代表着一个比软件市场大得多的机会。Alex 和他的团队成员 David 详细讨论了一个案例：Eve，一家为原告方律师提供 AI 解决方案的公司。这个案例完美展示了"软件替代劳动力"的逻辑。

David 解释说，法律 AI 领域大家听得比较多的是 Harvey 这样服务辩护方和企业方的公司。但原告方市场很多人不太了解。原告方律师代表个人客户，处理就业法、人身伤害等案件。这些律师的独特之处在于，他们采用"按胜诉收费"（contingency）模式——只有赢了官司才能收钱，不按小时计费，而是从案件结果中抽取一定比例。这意味着他们和客户高度一致。每接一个案子，都是对时间和劳动力的投资。所以在收到的一百个潜在案件中，他们通常只会接一个。

这里就出现了 AI 的完美应用场景。对于企业方律师来说，如果一个初级律师因为 AI 的效率提升了50倍，实际上削减了可以向客户收取的工时费。但对于原告方律师，如果 AI 让他们的效率提升5倍，他们的收入就可能增长5倍甚至更多。Eve 从产品角度看也很有意思，他们希望拥有从案件接收到最终结果的端到端工作流。他们最近推出了一个语音 AI agent，可以从潜在客户那里收集证据，筛选大量医疗记录或就业文件，帮助律师决定接哪些案子。

更厉害的是，这个系统会生成一个案件特征数据集，告诉律师"这个案子可能值5万美元，那个案子值500万美元，你应该把时间花在后者上。"然后它会协助完成诉讼前和诉讼期间的所有阶段：起草医疗年表、起草需求信、提交诉状等等。David 强调，Eve 之所以有护城河，不是因为语音 AI 这个技术本身，而是因为它拥有整个端到端工作流，成为了律师每天都要使用的产品。100%的案件都在这个产品里流转。

更关键的是，Eve 在所有案件中生成的结果数据是非公开的，大模型无法训练这些数据。这些数据反过来又能优化案件接收环节，告诉系统"根据我们在 Eve 平台上处理的所有案件的特征，具有这三个变量的案件可能值更多钱。"或者像 Alex 说的，降低接案成本——以前律师只接至少能赚5万美元的案子,现在可以接5000美元的案子。市场扩大了，原告方长期存在的供需失衡问题得到了解决。

David 说，Eve 的市场拉力比他们预期的还要强。这是一个 AI 与商业模式完美契合的例子：既能增加收入，又能节省成本。我看到这个案例时的第一反应是：这不只是一个软件产品，这是一个能够从根本上重塑整个行业运作方式的平台。而这样的机会在各行各业都存在。

Salient：AI 如何创造50%的额外收入

Alex 分享的另一个案例是 Salient，这家公司做汽车贷款服务，包括催收和保险理赔。传统上，汽车贷款公司需要雇佣大量员工来追踪还款、处理车祸后的保险理赔（确保保险公司把支票写给正确的人，因为有租赁关系存在）。这些工作需要培训很多人，而很多人讨厌这份工作——整天被客户骂，或者被保险公司的等待音乐折磨四个小时，员工的年流失率高达40%到70%。

Salient 的 CEO Arya 最初的推销点是"我能帮你省钱"。但 Alex 说，真正让这个产品起飞的不是节省成本，而是增加收入。Salient 能让催收率提高50%。想象一下，如果你去跟一个客户说："我每个月能帮你多收50%的账，而且能确保你不会因为员工培训不足说错话而惹上法律麻烦，AI 永远不会犯这种错误。"这个价值主张是无法拒绝的。

他们的第一个客户有一个5000万美元/年的呼叫中心。Salient 说："我们用软件来做这件事，给你提供一个记录系统，实时抓取每一条新的联邦和州法律——因为你在密苏里州能说的话和在加州能说的话完全不同，跟在爱荷华州又不一样。没有哪个人能把所有这些法规同时记在脑子里。"Salient 精确知道该说什么，而且能用21种语言说，这就是为什么催收率能提高50%。

Alex 问 Arya 的第一个问题就是：如果有一个叫 Taliant 的竞争对手出现，Salient 凭什么能赢？Arya 的回答很好：护城河很重要。因为他们已经做了数百万次电话，知道该说什么；他们有一个非常好的产品，能够实时接收全美50个州（有时甚至到县级）的每一条法律提案。这些都让竞争变得困难得多，让他们不会失去已有的客户。

我觉得这个案例揭示了一个重要的真理：在 AI 时代，护城河比以往任何时候都重要。因为现在构建软件变得太容易了。Alex 说，现在 Anish、David 和他可以用 vibe coding 非常快速地构建一个软件产品。如果你的软件没有强大的壁垒，有巨大的利润池，那只会招来竞争。必须要有独特的竞争优势，数据通常就是其中之一。

围墙花园：专有数据创造的护城河

第三个主题"围墙花园"可能是最有意思的。Alex 说这是世界第二古老的职业（第一古老的职业大家都知道）：建造一个物理属性，在周围筑一道墙,然后对进入你财产的人收费。在数据世界也可以这样做。

Alex 举了 FlightAware 的例子。这个公司的数据其实都是公开的，你可以在亚马逊上买一个天线来接收飞机的 ADS-B 应答器数据。自从马航客机失踪后，每架飞机都配备了一个小型应答器,显示高度、速度等属性。天线可以接收这些信息，知道某个航班号在某个位置。这些数据是免费的，FlightAware 在全球有大约一百个天线来收集这些信息。但 ChatGPT 不知道这些数据，只有 FlightAware 知道。类似的还有 PitchBook（融资轮次数据）、LexisNexis（法律数据）、CoStar（房地产数据）、Bloomberg（金融数据）。很多情况下这些信息都是免费的公开记录，但经过数字化和整理后就变成了有价值的产品。Ancestry.com 甚至是通过从摩门教会购买家谱记录建立起他们的数据护城河的。

关键在于,这些数据在 ChatGPT 或 Anthropic 上都没有。当然他们可以授权获取，但这正是重点。Alex 说，以前如果你想用 PitchBook 的数据，你会雇一个分析师,让他写一份关于某个公司的报告，比较法律科技领域所有做过类似事情的公司。PitchBook 只是卖给你一个订阅,提供自1992年以来所有法律科技公司 B 轮融资的数据，可能收费20美元或200美元/月。但更有价值的应该是什么？因为他们是唯一拥有这些信息的人，他们应该收费2000美元，提供一个完成品——不只是原始数据，而是分析报告。

Alex 分享了三个具体案例。第一个是 OpenEvidence。美国三分之二的医生每周都在用这个产品。它的界面看起来和 ChatGPT 一模一样，但关键区别是：OpenEvidence 独家授权了《新英格兰医学杂志》和其他所有医学期刊。如果你想了解循证医疗，ChatGPT 也能提供一些有用信息，但 OpenEvidence 要好得多，因为他们是唯一拥有这些医学文献的。用农场比喻来说，他们找到了所有独特的蔬菜，说服蔬菜供应商不要卖给其他餐厅，然后他们开了一家能提供完整菜品的餐厅。

第二个案例是 VLEX，一家有26年历史的公司，刚被收购。CEO 告诉 Alex，公司起源于西班牙，他们买下了西班牙所有的法律记录并进行数字化。为什么要这么做？因为律师事务所可能需要了解西班牙的判例法。VLEX 聚合和数字化这些信息，卖给需要的律所和其他人。利润率很高，但规模一直不大，主要在欧洲和西班牙市场。然后他们加入了 AI，收入居然增长了五倍。为什么？Alex 说，虽然 Harvey 是个很好的产品，但如果他需要在早上7点给客户一份完成的备忘录，涉及西班牙法律数据，那 VLEX 就是唯一的选择。与其按文章收费2美元或按月收费200美元，他们现在可以提供完成品而收费更高。

第三个案例是 AskLeo，一个采购产品。每家公司的员工都讨厌采购部门，因为采购部门一方面要确保没有员工从未批准的供应商那里以过高价格购买昂贵的产品，另一方面又在流程中引入了很多复杂性。想象一下，如果你有50份 Deloitte 的旧合同，能够了解在谈判中应该在哪些方面施压，这会非常有用。这是非常有价值的专有信息。你不能问 ChatGPT，因为你在哪里能找到50份 Deloitte 的旧合同？也许可以提交信息自由法案请求，但基本找不到。而 AskLeo 拥有这些数据，这让产品好太多了。

我认为这个"围墙花园"主题揭示了一个深刻的商业逻辑：数据一直都很有价值，但 AI 让同样的数据能创造10倍甚至100倍的价值。因为现在你可以提供完成品，而不只是原材料。

为什么 AI 应用不会被大模型公司吞并

分享中有一个我觉得非常重要的讨论：为什么应用层不会被模型层吞并？这是每个做 AI 应用的创业者都会被问到的问题。如果 OpenAI、Google、Anthropic 这些大模型公司什么都做，创业公司还有机会吗？

Anish 提出了一个关键框架：在很多类别中，做模型聚合器（aggregator）实际上比只用单一模型更有优势。他用了一个大家都熟悉的比喻：航空公司。从旧金山飞纽约，在 Kayak 上搜索比只在 Delta 或 United 上搜索更有用，因为你可以看到所有航空公司的库存。在 vibe coding 或创意工具等类别中，情况也是一样的。你真的希望能访问所有模型，因为每个模型都有各自的专长，它们不是完全可替代的。你想要一个统一界面来使用它们所有。而大模型公司和大科技公司从定义上讲只能使用自己的第一方模型。这就是为什么我们看到聚合器在赢，这是消费者 AI 的一个重要投资原则。

Alex 补充说，大模型公司和大科技公司在能力上和他们生产的模型一样"参差不齐"。他们在关注的领域非常强大，但也有复杂的承诺（比如 Google 对监管机构的承诺不会进一步中介化互联网）和艰难的优先级问题（OpenAI 同时在竞争成为领先的消费公司、企业公司、模型公司、硬件公司）。所以认为应用层会被模型吞并是一个错误的假设。即使在编程这样对模型进步和实验室关注至关重要的领域，我们看到的是一个繁荣的创业生态系统，仅2025年就产生了超过10亿美元的新收入。

我觉得这个洞察非常重要。在移动时代，Booking.com 为什么没有做出 Airbnb？出租车公司为什么没有做出 Uber？因为大多数人觉得这些新东西很蠢。但 AI 不一样，所有人都觉得这是好主意。现有的大公司会变得更强，但这不意味着创业公司没有机会。关键是要在正确的领域构建正确的护城河。

消费者 AI 的三个机会

Anish 专门谈了消费者 AI，我发现模式和企业 AI 完全一致。第一，传统类别正在变 AI native。他举的例子是 Photoshop 和 Krea。Photoshop 是一个很好的业务，但如果你是一个职业生涯早期的年轻设计师，你想用的是 AI native 的 Photoshop，那就是 Krea。它内置了所有 AI 原语，是早期职业设计师正在选择的第一个设计工具。

第二是品类创造。11 Labs 是一个很好的例子。语音和音频模型市场五年前根本不存在。也许有一些小众的配音和语音听写市场，但不值得关注。11 Labs 做了更有野心的事情：他们既是模型提供商，又有消费者和企业产品线。因为垂直整合，他们能够真正抓住这个机会，在很短时间内创造了一个品类。

第三是专有数据。Anish 特别提到这个对他来说很重要，因为他在 Credit Karma 工作多年，那是一家基于专有数据的大规模消费公司。他们投资的 Slingshot 是个很好的例子。Slingshot 是一个 AI 治疗师。他们怎么收集专有数据？他们为现有的治疗师提供 AI 抄写员（scribe），在治疗师为病人做咨询时做笔记。生成的笔记被用来训练基础模型。然后这个基础模型训练出一个叫 Ash 的消费者产品，直接卖给消费者。OpenAI 和 ChatGPT 很强大，但他们根本没有 Slingshot 拥有的数据。因此 Slingshot 能够提供差异化的高价产品，而且运作得很好。

我看到这个案例时的第一感受是：数据护城河在消费领域同样重要，甚至可能更重要。因为消费者对个性化和专业性的要求更高，而专有数据正是实现这一点的关键。

我对 AI 应用未来的思考

听完这次分享，我脑子里一直在思考几个问题。第一个问题是关于速度。Alex 提到，在软件历史上，一个公司从主导地位到被淘汰通常需要五年。WordPerfect、VisiCalc、Lotus 123，都是这样。但现在不同了，用 vibe coding 可以非常快速地构建软件，这意味着如果你的产品没有真正的护城河，被复制的速度也会非常快。这让我意识到，在 AI 时代，护城河的重要性被放大了十倍。你不能只是做一个功能更好的产品，你必须拥有别人难以复制的东西——数据、工作流、网络效应、或者深度的领域专业知识。

第二个问题是关于价值捕获。传统软件的定价是基于功能和用户数。但当软件开始替代劳动力时，定价逻辑完全改变了。你不再是和其他软件竞争，而是和人力成本竞争。这创造了一个更大的价值池，但同时也带来了定价的复杂性。Salient 的例子很说明问题：他们不是简单地比人力便宜，而是提供了50%更高的催收率。这种"增加收入"的价值主张比"降低成本"强大得多。我觉得未来成功的 AI 应用会越来越多地转向这种思维：不是替代，而是增强；不是节省成本，而是创造收入。

第三个问题是关于社会影响。Alex 在分享中简单提到了这一点，但我觉得值得深入思考。1789年，98%的美国人是农民。拖拉机让一些人失业，但也让他们去做了其他事情。大多数我们现在看到的 AI 应用，并不是要消灭工作，而是让原本不可能的事情变得可能。你不会在凌晨2点雇人接电话，因为价值和成本的等式是倒置的。但 AI 可以在凌晨2点接电话。这不是替代人类工作，而是扩展了可能性。当然，像350万卡车司机这样的群体，未来确实可能被自动驾驶替代。但我相信会有新的工作出现，就像75年前不存在"产品经理"或"UX 设计师"这样的职位一样。

最后一个思考是关于这个时代本身。Alex 在分享最后说了一句让我印象深刻的话："没有人会告诉你，你正活在美好的旧时光里，直到这些时光已经过去。所以把这当作你的提醒。"这个产品周期不那么中心化，更由软件主导，对技术人员来说比近期任何一个时代都更有趣、更有乐趣。我完全同意这一点。我们正处在一个历史性的转折点，软件正在以前所未有的速度和规模重塑世界。这种感觉像是站在一个巨浪的顶端，既令人兴奋又有些令人畏惧。但我相信，那些能够抓住这个机会、构建真正有价值和有护城河的公司的人，会创造出改变世界的产品。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

- END -

两个“特别坑”的AI产品创业方向，你知道吗

速度将成为AI时代唯一的护城河

a16z重磅预测：Vibe coding赢者通吃？错了，垂直专业化才是未来