

多家 VC 谈 AI 应用的护城河：技术差异正趋近于零

Tob行业头条

2024-03-26

2503

导读：AI 应用真正能构建护城河的地方只有工作流程、产品、社区和快速迭代。

之前在《创业公司最大的护城河是什么》一文中，曾分享了这样一个观点，对于创业公司来说，唯一能为其带来超额价值的护城河就是不确定性，因为不确定性使竞争持续了足够长的时间，以至于可以构造护城河。

Notboring 的 Packy McCornick 甚至总结了一个公司：

Depth of Moat Needed = How Obviously Good Your Idea Is - How Hard it is to Build

也就是：所需的护城河深度 = 你的想法显而易见的优点 - 构建的难度。如果你的创业想法非常明显并且很容易构建，那就越没有竞争壁垒，需要你去构建的护城河就越深；反之，如果你的想法不明显，并且构建难度很大，那么本身就已经有很大的竞争壁垒，因此所需的护城河深度就越少。

NFX：AI 似水，AI 应用似瓶装水

在 AI 时代，这个就似乎更加明显了，而对于大部分 AI 应用产品来说，这个护城河也更难构建。投资机构 NFX 最近写了一篇文章，将 AI 比喻为水，AI应用为瓶装水。

AI 似水（AI is like water），而水具有三个特征：必需品、无处不在以及它是在瓶子里（Necessary,Ubiquitous,Inside every bottle），因此 GenAI 应用就像是瓶装水。

NFX 说，他们在研究大量创业公司后发现，现实是很多产品本质上没啥区别，因此你不仅要和可能 100 家创业企业竞争，还要和现有企业竞争。而 AI 时代我觉得最大的一个不同之处在于，现有巨头企业成为应用 AI 技术的第一批市场参与者甚至推动 AI 应用的急先锋。

长期以来，技术一直是软件公司的一个差异化因素，虽然不是永远但至少会持续一段时间；但在 AI 时代，技术从一开始就基本上没有为你提供任何保护，技术差异这个护城河在 AI 时代正在急剧缩小甚至趋近于零。

之前很多公司行之有效的模式可能是这个公式：（Data +Model）x UX = MVP，也就是数据与模型结合一些用户体验就能获得成功。

但这可能不会让你走的很远，现在可能需要转变为这个公式：(Data + Model) x UX x (Distribution + Perceived Value to Customers) = AI MVP。

虽然一些非结构化数据能带来短暂的优势，但仅仅是数据是不够的，除非你能抢占别人没有的用户数据，而模型方面大部分是可以互换的，渠道方面现有企业可能更有优势。

对于创业公司来说，你对客户的感知价值，可能是目前最具发挥空间的地方。你可能需要问问自己，如果把 AI 的元素剔除掉，它还是一个好生意么？

将 GenAI 应用喻为瓶装水有一些有意思的启示，首先大部分瓶装水里装的东西都差不多甚至一样，但市场上仍然会有各种品牌的瓶装水以及新的瓶装水品牌出来；其次，人类没有水就无法生存，但只有水也不可能产生瓶装水这个产业，因为越来越多的公共水都干净到可以直接饮用，然而整体而言人们越来越喜欢喝瓶装水；在这个“底层技术”看似越来越雷同的市场，你需要在其他方面提供独特的差异化价值，比方说品牌、营销以及渠道等。

CRV：AI 应用真正能构建护城河的地方只有工作流程、产品、社区和快速迭代

因此 NFX 认为核心在于达到某些零界点时能快速寻找其它差异点，另一家 VC CRV 在之前的一篇文章里认为，AI 领域最令人兴奋的创新仍然来自于自下而上，而不是自上而下，它们仍然具有机会构建护城河。

从目前来看，AI 领域成功的产品看起来都比较像面向 C 端消费者的公司，比方说 Midjourney、OpenAI 以及 Character.ai 等。

不过 CRV 也认为，AI 应用真正能构建护城河的地方只有工作流程、产品、社区和快速迭代。而针对垂直行业的深刻理解是一开始构建 AI 应用的最佳护城河之一，目前法律 AI 是非常典型的案例；初创公司可以通过快速行动来赢得最初的胜利，但长期的护城河是通过进入大型科技公司和现有企业不会的领域来建立的。

Greylock：战斗正在从旧的护城河（数据来源）转移到新的护城河（你如何处理数据）

Greylock 则对 AI 应用构建护城河的能力比较坚信，创业公司仍然可以围绕知识产权构建可防御的商业模式。Greylock 说目前市场比较青睐“全栈”型公司，即提供应用程序逻辑、中间件和数据库的 SaaS 产品。这样的产品具有有“记录系统”（CRM、HCM、ERP）、“参与系统”（Slack、Amazon Alexa）和“智能系统”（组合数据集并提供见解）。

而构建智能系统正在这三个核心领域：面向客户的应用、面向员工的应用（HCM、ITSM 等）以及基础设施（安全、计算以及监控等），智能系统的价值在于它通常跨越多个数据集和多个记录系统，比方说一款应用产品可以将网络分析与客户数据和社交数据相结合，以预测最终用户行为、流失率以及 LTV 等。因此战斗正在从旧的护城河（数据来源）转移到新的护城河（你如何处理数据）。

Sapphire Venture：未来是垂直 AI 的机会

Sapphire Venture 的观点和 CRV 比较类似，认为未来的机会在垂直领域的 AI。AI 初创公司的护城河来自能够获得难以复制的专有数据集，随着时间的推移飞轮效应可以让它们从客户那里积累更多更好的数据，这些数据可以用来微调特定行业的 LLM，这块在垂直领域最容易做到。

法律和医疗领域的 AI 创业公司是利用“难以获取”数据源的公司的最好垂直行业，如果你所解决的行业数据大部分都是可以公开获得，那么你提供的价值很难超越 GPT-4 等大模型生成的内容，比方说营销内容这块的生成等。

Wing Venture 的观点和以上比较类似，认为垂直行业的私有数据非常重要，但最终的护城河还是要深入工作流程。这可能有两种方式，一种是将自己与现有企业的流程进行整合，比方说在某个生态里以一个插件的方式提供服务，或者通过与它们的内部流程进行整合，这是大部分产品做的一种方式；

而另一种就是用 AI 来完全重构一个全新的流程，典型的例子就是 Tome，正在从头开始重建幻灯片软件，但都是在深入业务的流程。

像我们比较熟悉的 Jasper AI，一开始作为现有工作流程的一个独立产品，用户可以在其产品里生成文本并进行编辑等，而现在的 Jasper AI，正在朝着集成的方向发展，某种意义上也是在重构流程。

这我们从 Jasper AI 首页的 Slogon 就能大概看出，以前的 Jasper AI 写的是：Create amazing love letters 10X faster with AI，针对的是某个具体的功能；而现在的 Jasper AI 则偏向于一个工作流：An AI copilot for enterprise marketing teams who want better outcomes, not just faster outputs。

尽管这些观点看起来比较宽泛，不过从最近 VC 在多个 AI Employee 领域的投资来看《今年 VC 的钱正在投这个 AI 方向》，垂直行业正在成为 AI 应用创业的新突破口。

【声明】内容源于网络

AI模式

Tob行业头条

关注TOB领域的新产品、新公司、新趋势，专注以原创记录TOB行业的人物、金钱与故事

内容 182

粉丝 0

Tob行业头条关注TOB领域的新产品、新公司、新趋势，专注以原创记录TOB行业的人物、金钱与故事

总阅读688.4k

粉丝0

内容182