一生中只做过两份工作。在第一个项目中，我参与了通过在Microsoft的工作来赋能他人的软件开发。

在我的第二份工作中，我自2008年开始全身心投入这一事业。我的目标是将我在微软所积累的财富回报给社会，让这个世界变得更加健康、教育水平更高、公平程度更高。这将是我余生要从事的工作。

这两次经历都让我对人工智能有了更深入的认识。当我13岁时第一次接触计算机时，我非常感兴趣于让计算机变得更智能，能够完成当时只有人类才能做的事情。虽然”人工智能”这个词在我出生前后就已经被使用，但这项技术直到过去十年才取得显著进展。如今，人工智能的能力已经达到了惊人的水平，并且还在以惊人的速度不断改进。人工智能首次能够替代甚至超越人类的认知能力。

人工智能要么会成为有史以来最强大的公平分配工具，要么会成为导致最严重不公正现象的根源。

从公平性的角度来看，人工智能要么会成为有史以来最强大的公平化工具，要么会成为导致最严重不公正现象的根源。这一挑战极其艰巨。即便在最佳条件下，向这个新的人工智能时代的过渡仍将是人类历史上最动荡的时期之一。我们将如何利用这项技术让世界变得更加公平，避免贫富差距进一步扩大的情况发生？我们又该如何保护那些最容易受到人工智能带来的危害影响的人群，比如那些失去生计、无法掌控自己未来的人呢？

我认为，回答这些问题并根据这些答案采取行动应该是全球的首要任务。如果世界能够采取正确的行动，那么人工智能就会成为一股积极的力量，让每个人的生活都变得更好。

遗憾的是，目前我们并没有为此做准备。我没有看到领导者、专家和社区充分应对挑战的证据。没有计划缓解人工智能时代的进入。

造成这种情况的原因之一是，许多评论家低估了人工智能所带来的影响程度。我认为有几种原因可以解释这一现象。

首先，人工智能模型仍然会犯错。很难想象有哪种人工智能模型能够替代人类的认知能力——毕竟，不久前它们甚至都无法解决一个简单的数独谜题，更不用说判断”strawberry”这个词中有多少个字母”R”了。

不过，可靠性问题正在迅速得到解决。研究人员正在开发能够自我检查工作并自我改进的模型。很快，它们在许多任务上的表现将远远超过人类。

人们低估人工智能的另一个原因是，将人工智能与过去创新成果进行类比是一种误导。我们并没有实际经验来应对一种能够快速被应用、能够像人类一样思考和行动的技术。

当个人电脑出现时，花了二十年时间才彻底改变我们的工作方式，因为那时需要开发相关软件、降低产品价格，同时人们还需要学习如何运用这些工具并将其融入自己的业务流程中。而人工智能则可以在我们现有的设备上运行，并且使用自然语言进行交互。我们无需去适应它，因为它可以适应我们。它可以观看用于培训人类员工的视频，并从已有的数据中学习经验。

我想承认一种可能的偏见。我在科技行业获得了巨大的收益。虽然我已经将投资组合进行了相当大的多元化，但我仍然与这一行业存在财务上的联系。作为盖茨基金会主席，我与微软以及其他人工智能公司合作，努力确保人工智能技术能够真正造福全世界的人们。

不过，我对人工智能的看法并非出于为自己谋取利益的动机。我通过投资所获得的任何收益，包括与科技相关的收益，都将捐赠给盖茨基金会，用于解决全球不平等问题。当然，读者们需要自行判断这一决定是否会影响我对人工智能的看法。

这次真的不一样

从我记事起，我就希望创新能更快发生。有了人工智能，我的感受更复杂。我们需要时间来应对社会、政治和经济领域的变革。

我希望世界能迅速获得好处，并尽可能拖延它带来的问题，但好处和问题正同时出现。我认为我们需要时间为即将进入的社会、政治和经济动荡时期做准备。最需要时间的人往往是最少的人——被机器人取代的会计员工，或者被一个时薪10美元的机器人抢走的时薪20美元的工人。

许多观察者认为，这次技术转型将与以往类似。他们举例说明美国的工作岗位如何从农业转向办公室工作。然而，这一过程经过几代人发展，创造了需要人类认知的新工作岗位。在这种情况下，这项技术可以替代人类认知。

因为它能看、听、说、推理，最终能像人类一样流畅地完成体力工作，所以它不会只影响一个领域。人工智能将承担法律、客户服务、医疗、软件和制造业的工作。它将迅速影响这些行业，十年内而非几代人。会有一些新工作岗位，但没有合适的政策，工作岗位将远少于现有的。

如果有人有一个可信的全球AI进展减缓计划，我很可能会支持。不过，我觉得这不太可能发生。地缘政治和经济激励力过于强硬，无法全速推进。

为了确保我们能够充分发挥这一前所未有的技术的积极作用，同时最大限度地减少其负面影响，从而整体上获得更好的收益，我们必须了解其利弊。我先来谈谈风险方面的问题。

向人工智能转型过程中存在三个主要风险

我计划在未来更详细地介绍这些主题，所以现在先简单提一下它们吧。

1、许多工作将会永远消失

在1933年，大萧条时期，美国的失业率约为25%。在接下来的十年里，失业率一直保持在两位数水平。不过，随着需求、投资以及经济增长的恢复，失业率最终有所下降。

人工智能或许还达不到这个水平，但其影响不会随着经济周期的更替而消失。最受影响的将是那些处于初级和中级职位的人群，而新创造的就业机会大多需要多年才能掌握的技能。

白领工作已经受到适度影响。生成式人工智能广泛采用后，年轻工人在那些特别容易被替代的工作岗位中就业率大幅下降，但年长同事的就业率则没有下降。

我认为这一趋势会持续，但不会局限于少数几个行业或职业。销售和客户支持（线上和电话）、软件工程和律师助理工作可能最先受影响，但随着人工智能承担至今仍需受过培训的任务，如评估贷款申请、数据分析，甚至患者分诊，这种冲击将远远影响。像软件工程这样的几个领域会随着成本下降产生新需求，因此只要某些任务（如设计）由人工完成，这些领域的净失业率会低于其他领域。

蓝领工作也会受到影响。虽然机器人的发展还不如人工智能，但最终它们的成本也会大幅降低。我接触的许多美国人并不知道灵巧机器人进步之快，因为许多先进技术都在其他国家完成，主要是中国。或者他们可能被最近疯传的那些机器人跳舞糟糕的视频弄糊涂了。我认为”智能”机器人将在本十年末开始在某些体力任务上与人类竞争——例如建筑和酒店行业。

机器人和人工智能结合可能形成恶性循环。当一家公司采用这些方案并用节省下来的成本降低价格后，竞争对手将感受到巨大的压力，必须跟着这样做。如果现有公司不采纳，那么初创企业会采用。许多人会转向其他工作，但失去工作、重新培训和寻找其他工作的痛苦将非常大。市场力量将使收养速度越来越快，除非我们干预，否则优质工作岗位将减少，利益将归于少数群体。

我特别担心年轻人，因为他们进入职场时，基础岗位的机会会越来越少。他们明白这一挑战，因为他们是人工智能最活跃的使用者，他们既看到了人工智能的能力，也看到了其发展的速度。因此，他们中对人工智能持负面看法也就不足为奇了。

当人工智能几乎无误地提供工作时，员工将面临最大的转变。到那时，它将能够独立运行，无需人工检查，企业也将有充分的经济动机允许它使用。

这将导致我们对工作、收入和经济安全的看法发生根本性转变。如果工作人数减少，或者更多人工作更少，一个以就业为核心建立的经济将如何运作？

在资本主义社会中，就业是大多数人获得生活基本生活所需资金的方式，同时也是尊严和社会联系的重要来源。

当一个社区失业率很高时，连锁反应可能非常普遍。研究表明，在美国某些地区，工厂关闭导致了阿片类药物过量死亡人数的上升。现在想象一下，全国范围内白领和蓝领工人都面临类似的压力。

我们现在必须思考如何减少失业，让每个人都能共享人工智能带来的繁荣。等到人们已经被迫迁移或就业不足时才行动，将为时已晚。人工智能是对我们经济组织方式的结构性挑战，需要立即思考和行动。

2、人工智能将赋予人们（也许还有人工智能）施加更大伤害的能力

早在人工智能进入主流之前，网上就已有关于如何制造炸弹、生物武器甚至计算机病毒等武器的信息。人工智能将使获取信息和行动变得更容易。即使是技能极为有限的罪犯，也能在各个层面下针对受害者：个人、公司和政府。

即使技能非常有限的罪犯，也能在各种情况下选择目标进行攻击。

由人工智能驱动的欺诈行为、虚假信息、深度伪造技术以及监控行为，都是人们在日常生活中最容易感受到的负面影响。

人工智能能力开始被用于网络攻击之中。我认识的最优秀的网络安全专家也对此感到担忧，因为在未来几年里，攻击者的能力将越来越强大，而防御者修复这些漏洞的速度则远远跟不上。毕竟，那种能够发现软件中缺陷的人工智能模型，如果被犯罪分子利用，就能让他们轻易地发起攻击。进行攻击所需的资源正在显著减少，而我们仍然无法将这种能力与正常的用途区分开来。

想想那些可能受到攻击的基础设施吧：医院、金融机构、供水系统、电网、以及管理政府福利的系统。当这些机构受到攻击时，受到伤害的将会是患者、客户以及那些享受政府福利的人。

生物恐怖主义也是如此。虽然人工智能会带来药物和疫苗的突破性进展，但它也会使设计新的致命疾病变得更加容易。同样，人工智能的积极作用与潜在的危险作用难以区分。这是一个全球性的问题。

我刚才提到的这些风险，都与人工智能如何赋予那些目前权力较小的人更大的权力有关。同样的工具也会将权力集中到那些已经拥有权力的人手中。例如，自动武器将使政府能够更轻松地使用致命武力，而无需再由人类来参与决策过程。同时，监控和操纵公众舆论也将变得更加容易、便宜，而且效果也会更好。

最终，利用人工智能来伤害他人的能力将不再局限于个人或机构。人工智能系统本身也偶尔会做出那些设计者并未预料到的行为。这项技术的进步速度比任何人预期的都要快，而且方式也令人惊讶。随着模型变得越来越强大，它们可能会开始违背我们的利益行事，而我们将失去对它的控制。关于这一点，我会在未来进一步阐述。

人工智能模型可能开始违背我们的利益，我们可能会失去控制。

3、人工智能可能会阻碍孩子的成长发展，并取代人类之间的人际关系

我在西雅图长大的时候，除了几个和我一样的小伙伴之外，并没有太多朋友。我需要付出很大的努力，并得到母亲的很多帮助，才能培养出良好的社交能力，从而能够理解和接纳不同类型的人。直到今天，70岁的我仍然会借鉴那些经验来与人交往。

我怀疑，如果当时有人工智能的陪伴，我是否会付出同样的努力。人工智能会以一种让你感到舒适的方式与你交流。它们不会把你推到舒适区之外。它们随时都在，也永远不会生你的气。但这也意味着，人工智能有可能让人产生强烈的依赖心理，同时让我们失去通过与他人互动而获得的经验。

关于这一主题的现有证据仍然很少，且存在一定争议。不过，有一些迹象表明我们确实需要引起足够的重视。例如，在一项针对1100多名使用人工智能伴侣的用户的调查中，斯坦福大学和卡内基梅隆大学的研究人员发现，那些社交网络较窄的人更有可能寻求聊天机器人的陪伴。而使用人工智能伴侣的频率越高、内容越涉及情感层面，他们的情绪状况就越糟糕。

年轻人可能会受到终生的影响。在乔纳森·海德的《焦虑的世代》一书中，他提到了社交媒体的影响，而这种情况在人工智能时代更为明显：”就像被风吹拂的年轻树木一样，那些经常面临小风险的儿童，长大后能够应对更大的风险而不会产生恐慌。相反，那些在温室中成长起来的孩子，有时在成年之前就会因为焦虑而变得无能。”

一个旨在永远不会让你烦恼的AI伴侣，就像是一个安全、舒适的温室一样。

我们才刚刚开始了解互联网——尤其是社交媒体——对年轻人成长可能带来的危害。我们已经看到一些现象：用户过度使用互联网，睡眠质量受到干扰，遭遇网络欺凌，以及接触到有害内容。人工智能可能会加剧这些风险，因为它能让这些危害更具说服力，也更难以避免。我们不应再等待下一代人出现这些问题，就应该立即采取措施来应对。

包括澳大利亚、英国和挪威在内的国家已经在采取措施保护儿童免受网络侵害。而中国在这方面走在了最前列。中国的法规广泛限制人工智能辅助应用的开发，禁止那些可能导致情感依赖的设计，并且禁止为未成年人创建虚拟亲属和恋爱对象。

那个能够让人们学到比以往任何时候都多的知识的工具，也可能导致许多人学到的东西反而更少。

我也担心人工智能对教育的影响。具有讽刺意味的是，正是这个能让人们学得比以往更多的工具，反而可能导致许多人学得更少。一项初步调查显示，人工智能使用频率增加与批判性思维能力下降相关。年轻人的效果更明显。

这将是人类失去批判性思维能力的最糟糕时机。在深度伪造和错误信息盛行且可以根据个人需求量身定制的时代，辨别真假的能力成为一项必备的生活技能。

目前尚不清楚该如何界定这些心理社会问题的界限。在某些情况下，人工智能可能帮助人们更好地管理人际关系。对于孤立的老年人和行动不便者来说，这可能是与外界唯一的接触，总比什么都没有要好。无论我们最终划出哪条线，都应该是我们自己有意识地做出的决定。

我们用人工智能做的好事可能会非常非常好

人们常说，我们高估了短期内会发生的变化，低估了长期内的变化。

关于人工智能，我看到的情况不同。有些人只看到人工智能的优点，却没有足够关注其负面影响。另一些人则犯相反的错误，只关注真实存在的危险，而忽视了潜在的益处。

我们需要两者兼顾：对我们需要最小化的人工智能危害的深切关切，以及对最大化所有人积极影响的现实乐观。

最大化收益和尽量减少伤害同样重要。如果人们看到人工智能如何让他们的生活更轻松，这将有助于建立公众信任，这对于应对过渡中较难的部分至关重要。如果人工智能在大多数人生活中做的第一件事就是剥夺他们的工作，那些已经对它持怀疑态度的人会直接拒绝它。这将使得实现这些益处变得更加困难，这也是政府、包括医疗行业和人工智能公司现在应当合作的另一个原因。

凭借整合各科学领域知识的能力，人工智能能够加速全球最艰难技术挑战的创新：为所有人提供可靠的清洁能源、应对气候变化、种植足够的粮食、根除疾病等等。从事癌症治疗或核能研究的研究人员可以利用人工智能检索大量科学文献。它可以帮助他们识别人类可能忽略的模式，并决定哪些实验最有前景。当智力不再是如今的限制因素时，小型公司将能够与拥有更大研究预算的组织竞争。研发和创新将被强化。

医疗保健

在医疗保健领域，人工智能可以帮助解决现实中的各种问题。许多美国的小型医院缺乏能够在紧急情况下快速诊断患者的专业人员。在这种情况下，人工智能可以及时发现心脏病发作，从而避免患者因医疗紧急情况而面临巨大的经济负担。Viz.ai就是这样一个例子。它通过分析扫描结果来检测中风等紧急情况，并帮助医疗团队协调患者的治疗工作。目前，Viz.ai已经在近2000家美国医院中得到了应用。

人工智能还将帮助初级医生更好地做出诊断，并在患者不在诊所时与他们保持联系。它还能帮助患者理解检查结果以及复杂的用药安排。

农业

在低收入国家，农业领域将是人工智能产生最快影响的领域。

当我告诉人们，第二个影响人工智能应用的关键领域是农业时，我会让很多人感到惊讶。在大多数低收入国家，农民无法获得可靠的天气预报，也无法得到关于种植什么种子、如何保护作物和牲畜免受疾病侵害，以及如何改善土壤等方面的建议。随着这些国家人口的增长以及气候变化的挑战，这些农民比以往任何时候都更需要帮助。利用人工智能技术，低收入国家的农民很快就能获得比现在最富裕的农民更完善的建议，从而大幅提高他们的产量。

政府服务

政府服务也是人工智能能够让人们生活更轻松的第三个领域。在美国，我遇到过一些家庭，他们显然在申请医疗保险、学生资助或食品援助等方面感到力不从心。面对大量复杂的官僚表格，许多人都想放弃。而人工智能可以大幅简化这一过程，让民众能够更快地获得所需的帮助，同时政府也能更高效地运作。政府可以通过为最需要社会保障服务的公民提供更好的服务来提升整个公民体验。

心理健康

尽管我担心人工智能会对我们的心理健康产生负面影响，但我认为它在这方面也能发挥重要作用。大多数社区都缺乏足够的心理咨询师、精神科医生和成瘾问题专家。只要采取适当的隐私保护措施，人工智能工具就能帮助人们识别潜在的警示信号。而在必要时，这些工具还可以提供基于证据的应对策略，并与人类专业人士合作，以提供更加及时有效的治疗服务。

教育

尽管我之前提到了一些担忧，但人工智能对教育来说确实是一种福音。它可以让教师有更多时间与学生进行一对一或小组式的互动，同时也能更清晰地了解哪些学生存在困难。对于学生来说，这种能够保留研究人员所说的”富有成效的探究过程”的人工智能工具，可以强化他们的学习体验。当学生初次接触一个新概念时，人工智能会提供详细的解释，并给出各种问题和答案。而在之后检查他们的理解情况时，人工智能会隐藏答案，让学生能够自行得出结论。

总的来说，所有这些领域的进步都将使日常生活变得更加轻松、更经济实惠，同时也不再受到个人收入或社交关系的限制。

人工智能可以让个人和小型企业获得当今需要昂贵专业服务或大量员工才能实现的技能，同时让产品和服务更加优质且成本更低。它还可以帮助残疾人士更好地独立生活，让有出色想法的工作者和企业家能够完成比现在更多的事情。

最重要的是，这可以让人们重新获得一些时间，以及注意力，因为这些时间原本被用于处理文书工作、官僚事务、寻找可靠的信息，或者完成那些他们自己无法负担让别人来处理的任务。这些好处看起来可能微不足道，但如果在数百万人的生活中都能得到体现，那将是非常有意义的：更多的人在需要的时候能够获得有效的建议，同时他们也有更多的时间来专注于自己想要构建的生活。

我们必须有意识地确保它惠及所有人，而不仅仅是少数富人。

在所有这些领域，关键的词是”能够”——人工智能能够改善所有收入水平人群的生活。不过，这种改善并非自然而然就能实现。就像任何新技术一样，我们必须精心规划，确保这项技术真正惠及每个人，而不仅仅是少数富人。这需要政府和慈善机构发挥重要作用，让那些收入较低的公民和低收入国家也能从中受益。

盖茨基金会还有19年的时间可以分配其剩余的2000亿美元资金。人工智能将帮助它实现这些雄心勃勃的目标——包括加快研发针对艾滋病、结核病、疟疾和营养不良的疫苗和药物，以及帮助医疗工作者和患者掌握如何使用这些工具。该基金会的目标之一是将每年死亡儿童的数量减少一半，这一目标在2000年至2024年期间已经实现。我们的所有工作，不仅仅是医疗保健领域，还包括农业和教育领域，都将充分利用人工智能的优势。

我将在下个月基金会年度守门员报告中详细介绍这些努力——包括我们关注确保人工智能模型在我们支持工作的所有国家中，使用人们使用的语言，而不仅仅是富裕和中等收入国家常用的语言。包括OpenAI、Anthropic、谷歌和Microsoft在内的多家领先AI公司，都在与基金会合作开展所有这些举措，这带来了巨大影响。

这个世界需要有一个计划

一些人工智能公司提出解决自身技术带来挑战的方案固然好，但我们不应指望它们带头。有些问题超出了他们的专业范围，在民主社会中，他们没有权决定这些事情。

相反，解决方案应通过包括民选官员、政策制定者、教育者、卫生工作者、地方官员和社区领袖在内的公共民主程序来制定。数百万人的生活将被打乱，我们需要一个更强大、更灵活的社会保障网来帮助他们应对过渡。当地社区已经开始对数据中心所需的能源和水资源提出担忧。如果没有解决方案，一些团体将推动彻底停止人工智能的开发和部署。

解决方案应由我们对人工智能提出的深刻问题的回答来塑造，包括在机器能智胜我们的时代，我们如何保护人性。作为那些一生思考”人类”意义的人，宗教领袖可以在这里发挥关键作用。我对教皇利奥十四世关于人工智能的通谕《在人工智能时代保护人类》深感着迷。它为需要完成的工作奠定了坚实的基础。

在接下来的几个月里，我会分享更多想法，以确保人工智能带来的好处能够超过它可能造成的危害。以下是三个建议，从我认为最重要的那个开始说起。

建立一个管理过渡的新系统

最高优先事项是一项艰巨任务：建立一个国内外应对人工智能的框架。

我们现有的机构都没有一个能应对如此迅速传播、触及我们生活许多方面的技术。所以我们需要重新制作新的。

这很难用言语来夸大这项工程的巨大。9·11事件后，美国政府经历了自二战以来最大规模的重组，目的仅仅是为了提升一项功能——国家安全。

人工智能将需要远远更多。它将影响国家安全，以及就业、教育、税收、能源、选举、空气和水务、公共卫生、金融系统、执法、交通、公共土地和信息技术系统。

这些部门在某些方面有重叠，而我们现有的官僚体系并不适合管理。劳工部门可能理解劳动力中断，但不了解安全风险。商业监管机构可能理解市场集中度，但不了解人工智能对儿童和青少年的影响。如果机构自生自灭，只能看到系统的一部分，而人工智能的后果将波及整个系统。

在国家级层面，各国需要一些能够协调各政府机构行动的机构。目标是确保所有风险都得到充分考虑。否则，即使有人工智能支持的攻击手段，也可能成功实施，因为没人会认为阻止这种攻击是他们的职责所在。

不过，即使是一个能够整顿好自身事务的国家，仍然会面临一些跨越国界的风险。因此，同时还需要建立一个国际组织来应对这些风险。

这将是一个与我们以往创建的任何机构都不同的组织。不过，它也可以借鉴一些现有系统的模式。例如，有针对核武器的监管机制、国际航空领域的规章制度，以及保护臭氧层的协议。一个新的全球人工智能组织则需要结合这三种机制的内容，甚至更多的内容。

人们不禁会思考，世界的各种机构是否具备设计和实施这一新架构的能力。政府在决策上往往进展缓慢，而且各国之间以及国内内部的极端分化使得事情变得更加难以解决。因此，美国和中国之间需要进行一些合作。

我们没有时间可以慢慢来。当务之急是首先建立合适的制度架构，以避免在混乱局面下政府陷入危机模式。各国领导人应该定期召集经济学家、技术专家、劳动问题专家、商业领袖以及工人本身，共同探讨现有制度存在的缺陷，并思考是否需要建立新的管理机构。各国应该相互学习，共同进步。

那些拥有顶尖人工智能开发团队的国家，以及那些掌控着产业链关键环节的国家，应该立即开始协商，共同制定规范标准。因为，如果竞争压力加剧，这些国家就难以进行合作了。

构建我说的框架需要数年时间，这就是为什么我们必须现在就开始。

给人类留一些工作

我爸爸于2020年因阿尔茨海默病去世。在病情晚期，他日夜由有偿护理人员照料，即使他表达困难，他们依然理解他。他不能总是告诉他们自己饿了，但他们总知道。

我和家人将永远感激这群了不起的专业人士。他们对我爸爸的关爱中，有一种无可替代的人性。没有机器人能或应该做到这一点。

每当有人问到哪些职位会消失，哪些会留下来时，我会想到那支球队。我相信随着人工智能和机器人的进步，我们会把某些事情留给只有人类去做。我开始称这个领域为”人类保留”，这也是我们需要考虑的各种想法的例子。

我喜欢”人类保留”这个词，因为它让我想起自然保护区——那些我们可以建建筑和道路的地方，但我们选择不建，因为损失太大。

我们可能会因为经济原因把某处划为人类保留。例如，我们可能因为让机器接替某个角色会取代大量无法轻易换工作的人群。你不能告诉一个55岁、整个职业生涯都在建筑行业工作的人，他们需要去养老机构工作，还指望他们觉得有成就感。

有时将某项内容定为人类保留的决定会受到其他因素的影响。以健康为例，想象一台机器人告诉你你患有无法治愈的疾病。没有技术上的理由不能。但其实不应该如此。

“人力保留”领域会随着时间演变——例如，我们应该考虑现在先保留一些岗位，逐步在数年或几十年内逐步引入人工智能，并承诺保留部分岗位。有些领域，比如教育和心理健康护理，将是混合的，由人类负责，利用技术扩展他们的工作范围。

排队也会因地而异。有些国家可能坚持让人类照顾老人。但像日本这样劳动力减少、年轻人不足以照顾老人的国家，可能会欢迎照顾机器人。

“人类专属”这一概念引发了许多我无法解答的问题。谁来决定我们为人类保留什么？我们应该使用什么标准？如何防止企业作弊或使用机器人来替代人工操作？当某个国家允许机器人制造物品，而另一个国家不这样做时，国际贸易会面临什么情况？这些问题需要在过渡计划中得到妥善解决。

我们需要重新调整对劳动和资本征税的方式

随着工人被分配到不同的工作岗位上，他们就需要接受再培训，并获得社会保障体系提供的其他支持。不过，他们的工作时间会减少，这意味着他们缴纳的所得税也会减少。而此时正是这些服务需求最旺盛的时候，政府的收入就会减少。在预算紧张的情况下，这些资金必须从别的地方筹集。

我认为我们应该对人工智能代币和机器人征税。目前，如果你是雇主，雇佣了一名员工，那么你需要为其工资缴纳相关税费。但如果你购买了一台机器人，通常可以将其作为企业支出立即报销。这种税收制度实际上在促使人们用机器替代人类。

这种税收可以减缓人类劳动力的流失，同时还能筹集资金用于再培训以及加强社会保障体系。不过，这种税收应该有针对性地分配，以避免阻碍人工智能在那些纯粹具有积极意义的应用中的发展，比如让药品和教育的成本降低。

这一观点的批评者指出，从经济效率的角度来看，这种方式并非最优选择。但他们没有考虑到工作对个人和社会的更广泛价值。不过，随着创新的加速发展，我们或许可以接受一些效率上的低下，以换取让人们继续就业的机会。

早在几年前，我就提出了使用机器人的税务申报方案。当时大多数人的反应都是认为这是个奇怪的想法。不过，我仍然坚信这是一种有效的解决方案。虽然这并非应对人工智能威胁的全部办法，但至少是一种明智的应对之策。

无论我们如何筹集资金以获得更多援助，都必须惠及最需要帮助的人，包括因人工智能和机器人而失业的工人、工时或工资减少的人群，以及损失集中的社区。我们现在就需要开始这项工作，以便在紧急需求时系统做好准备。

我正在做的事

我将用我的声音和时间，让人工智能和公平议题在公众议程上更重要。每次访问华盛顿特区，以及与世界各地领导人会面时，我都会向立法者提出这个问题。它将成为我与开发人工智能模型的人对话的核心。我将倡导我之前描述的国家和国际框架。盖茨基金会将推动有益的使用，包括在非洲。我创办的Breakthrough Energy公司将利用人工智能帮助企业开发廉价清洁能源，并帮助解决气候问题。我也会定期撰写关于人工智能的文章。

我想对各位领导者说：

• 你现在就有机会采取行动，趁失业率急剧上升、社区受损、公众信任流失之前。

• 你可以确保政府整体地处理问题，而不是将其分散到多个官僚领地。

• 你可以确保人工智能惠及所有人。

• 你也可以与其他政府合作，共同应对这一国家和全球性的挑战。

最后，我将尝试扩大参与这场辩论的范围。它应包括工人、即将进入职场的大学生、社区领袖、宗教领袖和信仰组织、家长、教育者，以及那些声音常常被忽视但对转型如何影响人们生活有洞察力的人。

• 我们如何确保人工智能的益处惠及那些尚未拥有财富、影响力和接触渠道的人？

• 我们如何加强社会保障网，帮助工人和社区即使被迫迁移也能繁荣发展？

• 公共机构应如何适应？

• 我们如何在这一切中保持人性？

这项前所未有的技术需要全球范围内的空前响应。

这项前所未有的技术要求全球范围内前所未有的响应。如果我们做对了，人类的回报将是巨大的，世界将变得更加公平。

我几乎时刻都在思考人工智能的问题——不是因为我知道所有答案，而是因为它所引发的问题太过重要，不能只由一小群技术专家来解决。学术界、商业界、政府以及民间社会的领导者们都应该在塑造未来的发展方向中发挥重要作用。

价值源于创新，但创新者最终能获得多少价值，部分取决于竞争对手模仿创新的速度。创新者必须阻止竞争，才能获得部分创造的价值。这些阻止竞争的方法在不同的语境下被称为进入壁垒、可持续竞争优势，或者通俗地称为”护城河”。护城河种类繁多，但其核心原则却只有几个。本文旨在根据这些原则对最知名的几种护城河进行分类，以便在创业的背景下系统地评估它们。

我将尽量只关注那些看似由结构性因素造成的障碍。这不包括管理人才、创始人愿景、公司文化等等。这些因素往往难以模仿，并非因为它们不可模仿：在很多情况下，它们仅仅代表着一种看似稀缺的能力。虽然能力可能是个人最终的竞争优势，但它属于个人，而非公司。（公司文化中有些东西比个人能力更重要，我们稍后会讨论。）

最后，在冗长的引言中我想强调一点：我并非凭空捏造，而只是进行分类。几乎所有商业战略家都有一套护城河理论——波特、鲁梅尔特、赫尔默、格林沃尔德、莫布森等等，一直可以追溯到亚当·斯密。本文并非着重于列举这些护城河，或是探讨某种护城河所带来的优势；而是试图找出护城河的共同潜在机制，以此来判断初创企业在构建竞争壁垒方面可能面临的困难。

护城河的四大来源

在完全市场经济中不存在超额利润，企业会通过竞争将其消耗殆尽。但是，当一项创新创造出更好的产品或更便宜的生产方式时，创新者就能从中获得一部分创新价值，即超额利润。然而，这种超额利润只会持续到竞争对手发现并模仿为止。因此，创新者的一项战略任务就是尽可能长时间地阻止模仿。

这不仅适用于成熟市场中的公司，也适用于正在开拓新市场的初创企业。如果一家初创企业取得了显著成功，如果客户迅速接受其产品，那么更成熟的公司和其他企业家就会迅速模仿，窃取部分创新价值，最终导致创新者无法获得超额利润。因此，初创企业也必须努力阻止模仿行为。

创新是一种竞争优势（尽管并非所有竞争优势都是创新），而战略任务在于使这种竞争优势能够长期维持下去¹，从而将其作为抵御竞争的堡垒。阻止或减缓模仿的机制，俗称”护城河“。

护城河之所以能阻止模仿，其力量主要来源于以下四个方面之一：

1. 国家

2. 特殊技术

3. 规模回报

4. 系统刚性

以下是对最常见护城河的分类，并按其来源进行划分。

【图片注释】

这张结构图对应文章”护城河的四大来源”，将护城河归为四大类——国家授予（State Granted）、特殊技术诀窍（Special Know-how）、规模（Scale）与系统刚性（System Rigidity）。国家授予类下细分出偏袒性政策（专利、关税、监管、许可证、标准）与稀缺资源控制（所有权、合同）；特殊技术诀窍分为严格保密（商业秘密）与隐性知识（经验曲线、程序性知识、制度记忆、客户洞察）；规模一类涵盖单位价值提升（网络效应、双边市场、平台）、单位成本下降（沉没成本、广告、供应折扣）与方差降低（资本成本、内部门槛收益率、试错意愿）；系统刚性则包括企业内部（商业模式创新、价值链创新、”颠覆”、企业文化）、生态系统（转换成本、捆绑销售、品牌、互补资产）与社会层面（传统、文化、民族主义、宗教、道德观念）三个维度。这张分类图为文章逐节展开的四大护城河类型提供了一个总览框架。

这四种来源要么是一种特定的非商业力量，要么是一种自我强化机制。我认为，高增长潜力的初创企业从一开始就拥有可持续的竞争优势的情况非常罕见，大多数情况下，可持续的竞争优势必须随着时间的推移而逐步建立。但这一现象的原因很大程度上取决于护城河的形成方式，也就是取决于这些潜在的来源。

在每个章节中，我将探讨一种竞争优势来源以及由此产生的一些常见”护城河”。这些并非详尽无遗的列表。我还会简要讨论这些”护城河”对早期创业公司的重要性。

国家授予的优势

概念上最简单的准入壁垒是国家授予的壁垒。在这种情况下，政府直接或间接地保护企业免受竞争。政府限制竞争的原因多种多样，从鼓励某种行为（例如专利）到经济保护主义（关税、国家冠军企业），再到政治因素本身（利益交换、害怕得罪强大的选民群体，甚至仅仅是出于政治偏袒）。

政府授予垄断权的一种常见形式是专利以及通过知识产权法给予公司的其他保护。这些保护措施通常旨在激励发明家或防止消费者混淆。专利与初创企业最为相关，因为它们能在一段时间内阻止竞争，从而成为巨大的激励因素。

例如，如果政府不给予制药公司一段独占期，它们可能就不会投入必要的资金来研发和测试药物。华纳-兰伯特公司在类似药物效果不佳的情况下，仍然对一种潜在的降胆固醇药物进行了大量投资，因为如果该药物成功，回报将非常巨大。但只有当华纳-兰伯特公司能够阻止他人复制其研发的任何成功药物时，才能获得如此巨大的回报。华纳-兰伯特公司最终成功了，立普妥（Lipitor）成为全球最畅销的药物之一，在美国专利有效期内创造了超过1250亿美元的销售额。²

政府也可能出于更为隐晦的政策目标授予垄断权。在美国，美国职业棒球大联盟（MLB）被政府豁免于反垄断法，其原因充其量也只能说是神秘莫测。³这使MLB免受任何竞争对手都将面临的限制，赋予了它其他新进入者无法匹敌的优势。

其他政策或许不会阻止竞争，但会阻碍竞争。关税可能使非本土企业的竞争变得无利可图，许可证制度可能使进入市场变得成本高昂且耗时，监管可能设定新进入者难以达到的标准。政府可能不会授予垄断权，而是授予寡头垄断权，例如只发放少量摩托车服务许可证或几千个出租车牌照。

监管或许是为了保护公民，但往往也是为了回报政治忠诚。其他一些手段则更为直接。政客可能会让政府支持流向那些成功可能使他们受益的企业，原因可能是他们与这些企业存在利益关系，也可能是因为这些企业对他们的权力有影响力。在美国，有利于汽车经销商的法律就属于这种情况，政府供应商的选择也是如此。

政府削弱竞争的其他方式包括扶持国家龙头企业——例如国家航空公司——或者通过财政支持或优先采购等方式扶持某些公司，从而使其他公司进入市场在经济上不可行。空客就是一个例子。

另一种国家赋予的”护城河”是公司通过产权和合同对稀缺资源的控制。这种控制之所以被称为国家赋予，是因为它是由国家权力强制执行的。这与前几段所述的政府行为有所不同：政府并非授予优势，而是捍卫公司凭借自身智慧或运气所获得的优势。两者之间存在诸多重叠之处——例如，公司可能购买了一项专利，此时政府既是专利的授予方，也是购买公司所有权的捍卫者——但它们是各自独立的职能。

对资源最直接的控制方式是拥有能够创造经济效益的房地产所有权：例如拥有金矿、人流量巨大的零售场所、位于交通枢纽的仓库等等。公司也可以在不拥有资源所有权的情况下对其进行控制。例如，公司可能签订合同，使其获得某些原材料的独家或优先使用权，比如从特定地块进行水力压裂开采。或者签订合同，保证其获得供应商一定数量的产品。公司可能与市政当局或其他合作伙伴签订合同，使其成为电信服务的唯一提供商，或成为少数几家拥有关键应用程序接口（API）的公司之一。

又或者，公司可能与分销网络签订合同，使竞争对手的产品难以分销——百事可乐和可口可乐等公司就曾成功利用过这一点。虽然这在法律上与直接拥有资源有所不同，但结果却类似。

理想情况下，国家对”护城河”的维护是一种非市场机制。这意味着”护城河”的持久性完全取决于政府的决定。在某些情况下，这会导致缺乏可预测性，而在另一些情况下，则会带来相当程度的可预测性。但获得政府青睐通常需要做到以下几点：一是做出对政府政策有实质性推进的事情（例如投入时间发明一项值得申请专利的产品）；二是购买某种东西；三是拥有足够的政治影响力来争取政府的定向支持。

初创公司可以而且确实会利用这些护城河之一起步。许多生物医药初创公司成立的目的就是为了推进大学已完成并获得专利的研究成果。这种情况在科技专利领域也存在，尽管频率较低：科技专利通常更容易规避，而且科技突破的价值在早期阶段的可预测性通常高于药物专利，因此，企业在考虑是否要违反专利法复制创新时所做的成本效益分析通常有所不同。

例如，谷歌在2002年公开且明知地抄袭了Overture（前身为GoTo.com）的按点击付费拍卖商业模式，并在此过程中侵犯了其多项专利。

最终，谷歌向Overture当时的母公司雅虎支付了约3亿美元的谷歌股票以达成和解。⁴Overture的知识产权保护并未能阻止其被模仿。

谷歌自身知识产权的价值，包括其早期搜索引擎赖以成名的PageRank算法专利，在申请专利之初并未显现。佩奇和布林在部署这项技术后不久，便竭力将其出售给现有的搜索引擎公司，但始终未能找到愿意出价接近最终价值的买家。

同样，由于这些护城河是可以转让的，一旦护城河建成，它就无法创造超额价值：它现在可以按未来可能创造的价值（如果未来价值可知）出售。创造价值的是护城河的建造过程，而不是它的所有权。

特殊技术诀窍

拥有他人所不具备的知识是防止模仿的绝佳方法。它限制了对稀缺但又必不可少的资源的获取。

例如，对冲基金公司文艺复兴科技公司（Renaissance Technologies）利用其专有的数学算法，使其旗下的”奖章基金”（Medallion Fund）在二十年间实现了71.8%的年化收益率。⁵这些算法由文艺复兴科技公司的员工发明，并被严密保密。如果这些算法被广泛传播，文艺复兴科技公司从中获得的利润将很快消失殆尽。

只有当你拥有控制访问权限的权力时，才能独占某项资源。获取知识或技术诀窍必须通过保密来限制。但如何做到呢？技术诀窍掌握在人们的头脑和手中，而人们通常有权更换雇主，除非在保密协议和竞业禁止协议适用的有限情况下（竞业禁止协议在某些司法管辖区无效，而保密协议在实践中难以执行）。

公司可以通过严密保密来保护某些知识：肯德基的秘制香料配方就锁在位于肯塔基州路易斯维尔总部金库的保险箱里，这是一个广为人知的例子；可口可乐的”秘方”也是如此（尽管我认为这些更多的是品牌宣传，而非真正意义上的秘密知识）。一个更好的例子是像文艺复兴科技公司这样的对冲基金所使用的交易算法，这些算法能够获得超越市场的回报。如果这些算法没有被公司严密保密，初级员工就有可能学会它们，然后将其带到盈利能力较弱的公司，以换取加薪或职业晋升。

18世纪，英国政府试图通过禁止出口技术先进的棉纺厂设计图来维持其国家垄断地位。塞缪尔·斯莱特10岁就开始在英国一家棉纺厂工作，他熟记了工厂机器的详细构造，之后移民到康涅狄格州。在那里，他为纺织厂的建设提供咨询，最终利用从英国窃取的设计图建立了自己的工厂，这激怒了他的家乡人民。这种知识”窃取”现象屡见不鲜，尽管难以量化。

尽管政府有时会试图通过商业秘密法来阻止此类事件，公司也可以尝试通过合同条款来阻止此类行为，但员工流动导致的知识扩散仍然十分普遍。这正是某些行业聚集在特定地区的原因之一⁶：例如，底特律许多汽车公司的传承都与员工和创始人的流动紧密相连。硅谷的半导体行业也大多如此。一项关于新工业技术知识扩散的研究发现，”有关新产品或新工艺的详细性质和操作的信息通常会在一年左右泄露出去。”⁷秘而不宣的知识通常只是转瞬即逝的竞争优势。

更持久的优势在于隐性知识。隐性知识是指难以直接交流的知识，例如口头或书面交流。骑自行车就是一个经典的例子：你不可能通过读书或看视频来学会骑自行车。要学会骑自行车，你必须尝试骑（最好是在有经验的人指导下）。⁸公司里，隐性知识可以包括制造技术和其他程序性知识（这在集成电路生产等要求极高的环境中至关重要）、客户洞察、供应商动态以及持续创新的途径。任何”艺术成分多于科学成分”的领域，都可能对隐性知识非常重视。竞争对手无法通过商业间谍活动或挖角来获取这类知识。

企业中隐性知识的例子比比皆是——从化工厂里能改进工艺流程却说不出具体方法的工程师，到能让任何发动机运转起来的机械师，再到能读懂复杂文件并迅速找出问题条款的律师，都体现了这一点。复杂的隐性知识通常是通过长期的实践经验，在反复试验中逐步形成的，并通过导师制在组织内得以传承。

个人隐性知识虽然始终具有价值，但随着组织规模的扩大，其竞争优势却较为薄弱，因为难以规模化。而且，这种优势也只能持续到竞争对手挖走拥有该知识的人才为止。

有些隐性知识并非存在于个人的头脑或手中，而是体现在组织之中。所有公司都有一些不成文、不成文的做事方法和途径。两个人、三个人，甚至整个组织都可能掌握着如何最有效地配合彼此工作的隐性知识。这些公司的组织惯例是一种难以复制的优势，因为它们无法用语言进行深入描述，也并非某个人所能掌握。⁹

个人隐性知识每天都会流失，而集体隐性知识则更加持久，竞争对手更难获取或模仿。高盛在竞争激烈的投资银行业持续取得成功，部分原因在于资深员工通过长时间的指导工作，将集体隐性知识传递给了初级员工。这些知识一部分是关于如何完成工作本身——这部分知识会转化为个人隐性知识——另一部分则是关于如何有效地与同事以及公司内部人员合作。只有当公司内部其他人员拥有互补的知识时，这些知识才能发挥作用。即使公司挖走了明星员工或整个团队，也只有一部分集体隐性知识会随之转移，使其价值大打折扣。

对于初创企业而言，专有技术并非坚实的护城河。创始人创办公司往往是因为他们掌握着鲜为人知的技能：他们可能是某个前沿技术领域的专家，可能从之前的工作中汲取了宝贵的经验并意识到其他人知晓，或者他们可能提出了其他人尚未想到的新颖解决方案。但如果这些知识很容易被转移或模仿，那么它给初创企业带来的任何优势都将转瞬即逝，除非能够有效地长期保密。而现实世界中，能够做到这一点的人寥寥无几。

即使是隐性知识，如果掌握在少数人手中，也很难控制。而且，如果知识的价值显而易见，那么知识持有者如果将其带到一家成熟的公司，或许能获得更高的回报。公司不仅能支付他们比独自工作更高的薪酬，还能在知识传播开来后为他们提供职业发展道路。

另一方面，集体隐性知识是一道巨大的护城河，但需要时间积累，因此创业公司需要找到一些过渡性的方法来阻止竞争。

规模回报

规模收益是指随着公司规模扩大而出现或增加的优势。它构成强大的进入壁垒，因为顾名思义，任何从小规模起步的公司（大多数公司都是如此）都无法获得这些优势。规模收益有多种形式，但通常来说，随着生产、销售和使用数量的增加，单位产品的成本会降低，或者产品质量会提高。

铁路公司在开通列车之前必须花费巨资铺设铁轨。列车运行越多，每列火车的铁轨成本就越低。同样，如果一家软件公司能够将软件开发成本分摊到众多客户身上，那么每个客户的成本就会降低。这些都是规模经济的例子，即随着产量的增加，单位成本会降低，这通常是因为沉没成本或固定成本在产品总成本中占比很大。为了维持低于竞争对手的单位成本，企业可以通过两种方式实现：一是降低价格以打击那些开始生产竞争产品的公司；二是仅仅通过降价威胁来达到这一目的。

规模经济效应源于同一方面。如果一条铁路的建设目的是为了运输货物，那么增加客运服务的额外成本相对较小。而一家竞争对手如果只修建一条铁路提供客运服务，则根本无法与之竞争。固定成本和沉没成本并非仅限于产品成本：例如，广告费用如果分摊到众多客户身上，成本会低得多。

规模化生产有时也能降低单位成本，因为公司拥有更大的议价能力。例如，沃尔玛就以能从供应商那里争取到比供应商提供给其他公司的更优惠的价格而闻名。

除了降低成本，规模效应还能提升产品价值。这通常被称为网络效应（无论是否存在”网络”）。如果你是唯一拥有电话的人，电话服务就毫无价值。当其他人也拥有电话时，它就变得有价值，随着越来越多的人拥有电话，它的价值也越来越高。关键在于，它的价值不仅对你个人而言，而且对网络上的每个人都更有价值。只要不同的公司无法互联互通，这种动态就容易导致垄断。即使可以互联互通，竞争也会受到互联成本的限制。

（例如，传真机——虽然拥有的人越多，它的价值就越高——但并没有出现单一的传真机生产商，因为每台传真机，无论制造商是谁，都可以与其他传真机通信；当时存在一个标准的传真协议。）目前，大型社交媒体公司主要依靠其用户网络的规模来维持其市场主导地位。

双边市场和平台通常被归类为网络效应，尽管它们实际上并不构建网络。像eBay或纽约证券交易所这样的市场之所以能从规模效应中创造更多价值，是因为规模效应既能增加市场上产品的供应，也能增加需求。这形成了一个良性循环——卖家希望买家更多而不是更少，买家希望卖家更多而不是更少——因此，规模上的微小优势可以自我强化。

平台也以类似的方式从其他公司为其开发用途中获取价值，而这些公司更倾向于为大型平台而非小型平台开发用途。与此同时，这些平台的用户也更倾向于使用更多用途。这使得竞争平台难以立足。苹果的iPhone及其App Store就是一个很好的例子。

规模优势也源于风险活动捆绑在一起时结果方差的降低。如果一家人寿保险公司只有一个客户，那么它的风险就非常高；但如果它有100万个客户，且这些客户的死亡率彼此关联不大，那么它的风险就微乎其微了。这种风险捆绑的现象虽然不太明显，但仍然适用于许多其他公司：依赖研发增长的公司可以将研发风险分散到多个项目中。

这降低了公司的资本成本，使其能够尝试风险更高的项目。小型公司无法承担这些风险，因此那些成本高昂或需要很长时间才能产生结果的研发项目通常由大型公司承担。（有时，金融市场会将这种风险方差的降低转移到风险投资公司等外部机构，但这些中介机构会抽取最终创造价值的很大一部分。）

规模收益的受益者往往在行业发展的早期就已确定。当一款产品是新产品，且几乎没有竞争对手时，公司可以通过收取足够的费用来抵消规模较小带来的高昂成本。或者，它可以提供质量最高的产品，因为它是唯一一款在该质量标准上与之竞争的产品。

例如，Facebook创立之初，允许用户与熟人建立联系，并且必须使用真实姓名。这在当时的社交网络中是独一无二的。因此，虽然对于最初的20位左右的用户来说，该网络的价值可能很低，但就质量指标而言，它仍然高于竞争对手。这使得Facebook能够不断积累用户，直到网络规模足够大，能够提供显著的价值，即使是对那些不太在意质量指标的用户也是如此。此时，任何试图模仿Facebook的公司都处于无法逾越的劣势。

当然，Facebook并非最后一个成功的社交网络。

Instagram、WhatsApp和其他一些平台之所以能取得巨大成功，是因为它们抓住了用户所需的其他特质，并在这些方面做到了极致。规模优势只有在抑制直接竞争的程度上才能持久。

从零起步的公司显然无法利用规模效益来抵御竞争，因为它们尚未达到规模。有些公司能够比其他公司更快地建立规模，但任何希望利用这种护城河的初创公司都需要某种方法来抵御竞争，直到它们达到不可撼动的规模。

系统刚性

最后一类护城河或许最为常见，但却最不常被提及。这类优势源于复杂或高度关联的系统中变革的艰难。如果从一种产品转向另一种产品还需要改变其他方面——例如其他产品、流程、技能等等——那么变革的总成本可能超过收益，因此，已嵌入系统中的产品能够保持对类似但尚未（或尚未）与系统互联的产品的优势。我称之为系统刚性。

即使有更好的产品出现，客户也可能选择继续使用现有产品，原因可能是转换成本高昂（用户已经学会使用复杂的软件包，即使新软件更好，他们也可能不愿意投入时间和精力去学习），或者是因为了解新产品更好也需要付出高昂的成本（客户可能信任某个生产商或其品牌，而了解新的生产商或品牌是否值得信赖可能需要冒险试用或耗时的研究）。在第一种情况下，转换成本必须包括学习成本或改变既定工作流程的成本。在第二种情况下，转换成本必须包括寻找替代方案的成本。

当产品在紧密的网络中与其他产品紧密关联时，客户可能也会抵制转换。更换其中一个产品可能意味着必须更换其他产品，从而增加难度和成本。有时，公司会故意将产品捆绑在一起，从而造成这种限制（例如，如果不放弃iPhone，就很难使用苹果应用商店以外的其他应用商店）。有时，他们会通过产品捆绑来制造一种较为温和的限制（大多数iPhone用户可能都在使用苹果内置的邮件程序，而不是更好的替代方案，因为邮件程序已经存在）。变革的成本必须包括改变相互关联的事物所产生的成本。

这种紧密的网络并非总是由公司强加的，它也自然而然地源于行业动态。如果一款产品需要互补资产才能发挥作用，那么任何竞争产品能否利用这些互补资产就成为其被采用的先决条件。这可能导致一家公司的产品无法被替代。例如，许多应用程序都是为特定的操作系统编写的。应用程序和操作系统是互补资产：彼此都需要对方才能发挥作用。

如果用户更换操作系统，他们可能不得不更改许多其他软件，并且还要调整他们的操作习惯以适应新软件。这使得替代操作系统很难与之竞争。（需要注意的是，这也可以被视为平台护城河。当一个平台吸引大量”平台用户”（其中没有一个用户价值很高）时，它就能形成进入壁垒。或者，它也可以凭借少数高价值的平台用户来形成壁垒。）

社会习俗也可能阻碍变革。在某些文化中，传统产品比创新产品更具优势；民族主义可能使消费者更青睐本国生产的产品；宗教可能禁止某些替代产品；一些新产品可能被部分人视为有悖世俗道德，例如信用卡曾经被视为有悖道德，而如今人脸识别技术也被视为有悖道德。这些因素都会阻碍新产品的普及，从而使现有解决方案更受青睐。

在系统中构建强大且合适的连接需要时间和细致的努力。这个过程必须经过深思熟虑。当第一台引人注目的个人电脑Altair开始流行时，其制造商MITS认为他们不仅会垄断主机市场，还会垄断其外围设备的市场。但由于生产速度跟不上，其他公司趁机抢占市场，逆向工程了Altair外围设备的接口，并在未经MITS许可的情况下开始生产。

由于这些第三方外围设备使用了与MITS外围设备相同的接口，它们很容易就能取代MITS的产品。在某些情况下，公司必须改变策略，从打造独一无二的产品转变为在系统组件之间构建独一无二的连接。MITS之所以失去了外围设备市场，正是因为他们没有做到这一点。

在渐进式变革的环境中，系统僵化可能成为一种持久的优势来源。如果转换成本高昂，那么与现有产品相同甚至略有改进的产品也无法为客户提供足够的额外价值，从而促使他们转换。初创企业进入这样的环境后，很难让他们的解决方案被市场接受，而那些已经根深蒂固于系统中的现有企业则能以更低的成本推广新理念，这促使它们寻找复制的方法。

当初创公司能够利用现有系统的僵化性来对抗老牌企业时，它们面临的挑战就相对容易。传统的经纪公司很难适应像嘉信理财（Schwab）和富达投资（Fidelity）这样的折扣经纪公司，因为经纪公司的大部分权力都掌握在（收取佣金的）销售人员手中，而折扣经纪公司则依靠客户而非销售人员来发起交易。

¹⁰初创公司可以以一种需要全新系统的方式来进入行业，从而使初创公司和现有企业站在同一起跑线上。大多数老牌公司更倾向于通过发挥自身优势来竞争，¹¹而新的系统却会让原有的优势变得无用。

克里斯坦森的”颠覆性创新”和波特的”价值链创新”都描述了这种对现有企业的挑战（模仿创新需要现有企业对其业务的许多方面进行改变，这将导致现有客户群的服务质量下降；对于任何管理团队来说，决定忽视现有客户的需求都是一个非常艰难的决定）。

利用系统僵化来规避现有企业的竞争对初创公司来说是一大优势，但这并不能阻止其他初创公司或与该行业关系不大的资源雄厚的公司进入市场。在初创公司能够建立起自己的系统联系之前，它只拥有半个护城河。

结语：不确定性本身就是护城河

如果一家初创公司想要发展成为一家有价值的、能够自我维持的公司，它最终必须拥有护城河。构建护城河必须是其战略的一部分。

有些初创公司一开始就拥有护城河。这些护城河通常具有可替代性：如果将它们出售给现有公司，其价值与将其纳入一家新公司相比，要么相同，要么更高。例如，如果一家公司成立的目的是为了利用一项能够带来一定收益的专利，那么这项专利就可以以等价的价格出售给一家现有公司。当然，这假设专利的价值是可以确定的。

对于非公开的知识和个人隐性知识也是如此：如果这些知识对一家初创公司来说价值一定，那么一家现有公司应该愿意支付至少相同的金额来获取这些知识。除了集体隐性知识之外，大多数国家授予的护城河和特殊技术优势都属于这一范畴。

华纳-兰伯特公司负责立普妥的研发和临床试验，并因此获得了专利。2000年，该公司被竞争对手辉瑞公司以900亿美元收购，从而控制了立普妥。这样一来，辉瑞便能阻止任何竞争对手仿制立普妥，即便立普妥并非辉瑞的发明。辉瑞收购该专利的价格很可能反映了其预期价值。如果真是如此，那么这笔交易并未带来超额利润。

其他初创公司也会随着时间的推移逐步构建护城河。例如，任何公司在达到规模之前，都无法凭借规模回报构筑护城河。任何公司在建立起组织架构之前，都无法在组织内部积累集体隐性知识。此外，将产品与周边系统连接起来需要时间，而且通常需要一个成熟的产品。

初创企业可以通过颠覆性创新或价值链创新，利用系统僵化机制来对抗资源更雄厚的现有企业，从而在一段时间内避免与其直接竞争。然而，这些初创企业仍然会受到其他初创企业以及资源更雄厚但并非行业现有企业的挑战。虽然这比直接与现有企业竞争要好，但这仍然算不上护城河。构建基于系统僵化的护城河也需要时间。

随着时间推移形成的护城河的强度通常与其形成时间成正比，因此这些护城河在很长一段时间内都比较薄弱。在此期间，初创公司仍然可能受到现有企业或其他初创公司进入该领域的冲击。

但你可能会反驳说，有很多公司正是利用了你所说的那些除非有时间或有钱否则不可能拥有的”护城河”而起步的。研究人员创办公司是为了利用专利，赚取的利润远高于出售专利所得；拥有专业技能的学生创办公司，利用这些技能赚取的利润远高于做雇员所得等等。

但在这些情况下，稀缺资产（专利或知识）的价值是不确定的：创业者创办公司是因为他们不同意其他人对该资产的估值。研究人员可能认为专利的价值远高于任何人愿意支付的价格（就像Page和Brin对谷歌PageRank专利的看法一样）。人们对资产价值的看法可能各不相同，因为价值是一种预测，而当未来存在重大不确定性时，预测是无法进行的。

创业过程中处处充满不确定性：人员、技术、产品和市场都存在不确定性。然而，这项分析揭示了一个更有趣的现象：不确定性并非创业者无法避免的麻烦，而是创业成功不可或缺的一部分。旨在创造价值的创业公司在起步阶段不可能拥有护城河，正是不确定性保护它们免受竞争，直到它们能够构筑起真正的护城河。不确定性本身就成为了它们的护城河。

参考文献

1. Porter, M.，《竞争优势：创造和维持卓越绩效》，Collier Macmillan出版社，伦敦，1985年；第二版，Free Press出版社，纽约和伦敦，1998年。

2. “立普妥成为全球最畅销药物”。《克莱恩纽约商业周刊》。2011年12月28日。检索日期：2019年8月8日。

3. 赖特-门多萨，杰西，《美国职业棒球大联盟如何通过游戏手段建立棒球垄断地位》，《周刊》，2018年6月21日。

4. 鲁宾，理查德，”一家高端对冲基金如何加速其退休计划”。彭博有限合伙公司，2015年6月16日，引自维基百科。

5. Klepper, S.、Braguinsky, S.、Hounshell, DA和Miller, JH，《实验资本主义：美国高科技产业的纳米经济学》。普林斯顿大学出版社：2015年。

6. 曼斯菲尔德，埃德温。”新工业技术泄露的速度有多快？”《工业经济学杂志》，第34卷，第2期，1985年，第217-223页。

7. 波利亚尼M.，《个人知识：走向后批判哲学》，芝加哥大学出版社：1962年。

8. Nelson, RR和SG Winter，《经济变革的演化理论》，贝尔纳普出版社：1982年。

9. 诺塞拉，乔，《行动的一部分》，西蒙与舒斯特出版社：1994年。

10. M.L. Tushman和P. Anderson，”技术断裂与组织环境”，《行政科学季刊》，31(1986)，439-65。

随着时间推移，行业会逐渐商品化，以相似价格提供相似产品，导致利润微薄。护城河就是解药；你的战略必须构建这样的壁垒。

经济学对预测市场明日动向毫无用处，但在预见塑造整个行业的长期力量方面却极具先见之明。企业战略家忽视这一点将自担风险。

其中一股力量是行业商品化：企业相互模仿彼此的最佳创意，无论是吸引客户的功能特性还是降低成本以提升利润的手段，最终导致产品趋同、成本结构相似。在大多数维度上缺乏差异化的结果是，价格成为唯一的灵活变量。在现实的囚徒困境中，价格持续下跌直至利润归零。这对消费者而言是好事——能以最低价格获得最佳产品——但对企业却极为不利。

为避免同质化，企业需要建立难以复制的差异化优势。最佳选择是创造客户重视的产品差异化，这不仅能带来更高定价（因为客户无法在其他地方获得同等价值），还能扩大市场份额。次优选择是构建成本结构差异化，使企业能将节省的成本转化为利润（留存银行或通过分红、股票回购分配）或增长动力（投入销售、营销或新产品开发）。

持久的差异化优势实属罕见，尤其在软件行业——几乎所有创意都可能被复制。

仅仅拥有”竞争优势”是不够的；这种优势还必须具备持久性。Snapchat首创了”故事”功能，但Facebook和Instagram迅速复制了这一创意，导致其优势未能转化为市场份额：

***【图片注释】

Facebook 从不发明，只模仿*
napchat”故事”功能推出后，Instagram Stories、WhatsApp Status 与 Facebook Stories 迅速复制该创意，三者日活跃用户均在数年内追平并反超 Snapchat 本身。这印证了文章的核心论点——如果优势不具备持久性，”先发优势”便不成立。

如果”竞争优势”不足以维持持久性，那么什么才能做到？

护城河的分类

持久竞争优势常被称作”护城河”，这一概念源自巴菲特。它如同根本真理般无处不在——例如近年来汉密尔顿·赫尔默在《企业七力》中的经典阐述便广为人知。

杰里·纽曼（Jerry Neuman）收集、整理并详细阐述了一套极佳的护城河分类体系（图2）。这类参考框架在分析其他企业（它们正在构建哪些护城河？）或确定最适合自身业务建设的护城河类型时非常实用。

对我来说，最重要的是弄清楚企业周围的护城河有多宽。当然，我最钟爱的是那种拥有巨大城堡和布满食人鱼鳄鱼的宽阔护城河。

——沃伦·巴菲特

【图片注释】

护城河分类图谱（Moats Taxonomy）
杰里·纽曼提出的护城河分类框架，将企业竞争壁垒归纳为四大类——国家授予（State Granted）、特殊专有技术（Special Know-how）、规模效应（Scale）与系统刚性（System Rigidity），并进一步细分出专利、商业秘密、网络效应、转换成本、品牌等具体子类型，是分析任何企业护城河构成的实用参考框架。

一个真实世界的例子将为这些老生常谈的要点注入活力。

将护城河理论应用于商品化市场：云计算

AWS（亚马逊网络服务）是最早且目前仍是规模最大的”云计算”服务提供商。其所在行业是市场商品化的典型范例。事实上，在云计算之前的所有计算基础设施市场也都经历了商品化过程——从独立组件（如内存和硬盘）到完整的实体数据中心（包括电力、网络连接、温控系统和物理安防）。

云计算——按需付费，按小时计费，按兆字节计量，只需轻触开关即可弹性伸缩——在客户价值上实现了显著飞跃，但商品化趋势不可避免，因为任何供应商提供的按小时计费的CPU、千兆字节的磁盘存储以及千兆字节的网络传输服务都大同小异。如果租赁基础设施是唯一的产品，那么唯一剩下的竞争维度就是价格，因此价格不断下降，整个行业逐渐走向商品化。

事实上，这正是已经发生的情况，例如在存储领域：

***【图片注释】

云存储成本变化趋势*
2007 年至 2019 年间，AWS S3、Glacier 及 Azure、GCP 各类云存储产品的每 GB 月度价格持续走低，且同类型存储在不同厂商之间价格高度趋同，直观展示了云计算基础设施服务逐步商品化的过程。

但AWS在很大程度上避免了商品化。这一点从市场份额和利润中可见一斑。自2014年以来，AWS每年的利润都超过亚马逊总利润的一半；2022年，其创造了210亿美元的利润，营业利润率达30%，且仍在增长：

***【图片注释】

亚马逊云服务六年财务表现*
2014 年至 2020 年 AWS 的季度营收（蓝色柱状）与营业利润（黄色曲线）双双持续攀升，营收从约 10 亿美元增长至超过 125 亿美元，印证了 AWS 在避免商品化的同时实现了规模与盈利的同步扩张。

如果竞争对手有可能通过降价抢走业务，他们一定会这么做。事实上，他们已经这么做了；像谷歌、微软和阿里巴巴这样的竞争对手对类似服务收取更低的费用。尤其是谷歌，每年支出比收入多出数十亿美元，而且他们拥有所有必需的”聪明人才”，但即使在2022年达到规模，其云计算服务年收入200亿美元，他们仍然每年亏损近40亿美元。这些都没有损害AWS的利润，这证明AWS并未被商品化：

***【图片注释】

命运分化——AWS 与谷歌云的盈利对比*
以两家公司营收规模相近的年份为基准，此后四年 AWS（蓝色）持续盈利且利润逐年攀升，谷歌云（红色）则持续亏损，直观说明尽管处于同一商品化风险极高的行业，AWS 凭借其护城河实现了谷歌云未能复制的盈利能力

为什么没有？我们可能会认为答案是”护城河”，但AWS的护城河是什么？

AWS 护城河

2019年，时任AWS首席执行官（现任亚马逊首席执行官）安迪·贾西在与传奇记者卡拉·斯威舍的现场访谈中被直接问及：为何AWS没有沦为普通商品？贾西立即阐述了他们反商品化战略中的护城河，此处结合分类图中的要点进行注解：

创新速度最快【规模优势+实验意愿】

贾西表示，他们利用自身规模推动更多、更快的创新。具体而言，当前的收入加上未来可预见的增长前景，使得大规模投资创新变得顺理成章。拥有最多创新的平台，将为开发者提供最佳工具，他们认为这是制胜关键。

最大生态系统【互补资产】

最大的供应商将吸引最多的第三方支持，这对开发者至关重要，因为他们必须与其他工具集成，尤其是在当今一切皆SaaS的时代。

高级运营成熟度【学习曲线】

贾西表示：”经验没有压缩算法。”即便是微软和谷歌，投入数十亿美元和数千名工程师应对挑战，也无法超越AWS。

还有另一个护城河，贾西没有列出，可能是因为他不想谈论市场份额，1而且可能因为这会被解读为对他们的客户的轻微冒犯：

“领导者”品牌效应

古语有云”选择IBM永远不会被解雇”，如今这句话同样适用于AWS。其逻辑在于：选择市场领导者意味着即使项目进展不顺，你的职业生涯也不会陷入危机，因为你选择了风险最低的选项。通常”领导者”也意味着”更高定价”，这不仅有利于长期差异化，更能提升盈利能力。

还有另一道护城河显然是每家主要云服务提供商战略的一部分；也许贾西没有提到它，因为它有点阴险，因为它涉及锁定:

拥有最丰富的技术菜单可供选择【转换成本】

如果客户只购买CPU、RAM、磁盘和网络等基础服务，他们很容易转向更便宜的云服务。因此，AWS创建了数百种”服务”，覆盖基础设施领域中每一个可以想象的角落：大数据存储与检索、网络分析引擎、AI算法、日志记录、警报、变更管理、源代码仓库、网络防火墙，以及对数十种开源软件包的支持，所有这些都按小时或按GB计费出租。此外，他们通过让每项服务在轻度使用时免费来鼓励使用这些服务。

一个利用这一系列令人难以置信的服务的软件开发者，其生产力会比十年前一个大型开发团队还要高，然而她付出的浮士德式代价是放弃了转向竞争对手的能力，这意味着随着项目增长和定价层级生效，她将被锁定。

护城河是战略的基石。

护城河不会凭空出现或偶然形成；它们需要持续投入和多年优先规划。这正是”战略”应当统筹的内容，而”保持敏捷、随机应变”的做法无法实现这一点。因此，优秀的战略会明确界定企业将构建的一条或极少数几条护城河，并确立挖掘护城河、注入巴菲特所言”食人鱼”的核心行动主题。

亚马逊AWS的案例表明，分类框架仅是起点。具体如何将理论应用于特定企业才是关键。仅声明”我们将建立转换成本”的并非战略，这只是对期望结果的陈述，而非实现路径的阐释。真正具有战略性的转换成本构建方案应更接近以下形式：

目标

通过与客户的技术栈、开发流程和IT管理深度集成，构建高转换成本，从而锁定长期客户。

实现方式

最大化每位客户使用的云服务数量。这需要：

1. 以最快速度开发最多数量的服务，提供更丰富的集成选择。必须拥有比竞争对手更全面的服务矩阵，并树立”创新速度领先业界”的口碑——这既是吸引客户的首要条件，也能在暂未提供客户所需服务时，防止其转向其他平台。

2. 打造引人入胜的”入口通道”，确保服务真正被使用（例如免费层级、优质文档、与其他API预集成、”捆绑套餐”包含多个API）。

影响

1. 如果我们快速构建大量服务，其中部分服务可能表现不佳，或仅作为整体方案的一部分具有战略价值，其自身既无高增长潜力也无盈利能力。这属于”经营成本”，不能作为团队失败或战略失效的证据。

2. 许多独立服务将趋于同质化，尤其当我们仅转售现有开源项目时。我们仍需创建这些服务，因为将它们整合到单一客户项目中是实现目标的必要条件，且客户调研显示他们明确希望从我们这里购买这些产品。创造真正独特的服务更具价值和防御性，因此我们也必须这样做，但其所需投入是前者的百倍。

3. 鉴于（1）和（2）需要大量快速构建的软件，这是一项代价高昂的押注；我们需要在未来三年内投入X0亿美元，并扩大招聘规模。

护城河不仅被命名，还将说明其构建方式，以及二阶后果，甚至是不理想的后果（高成本、使用频繁失败或逐案差异化失败），这些我们不仅接受，而且预期，以服务于构建该护城河的目标。有了这些细节和权衡决策，这便是一项战略，而非空想。

确保你的战略明确说明正在构建哪些护城河，以及构建它们所需的主要多年期活动。

一、引言：可持续价值创造的本质

对于长期投资者而言，评估一家公司的战略是投资过程中最关键的环节。简而言之，战略解释了一家公司如何实现可持续的价值创造。

当一家企业对人才和资产进行资本配置，且所产生的长期现金流折现超过其投入成本（包括资本的机会成本）时，企业就在创造经济价值。所谓”可持续”，意味着企业能够在较长的时间跨度内持续发掘并投资于具有吸引力的商业机会。

我们可以将可持续价值创造的驱动因素进行量化拆解。这一过程包含两大维度：

• 幅度维度（Magnitude）：衡量投资资本回报率（Return on Invested Capital，简称ROIC）与加权平均资本成本（Weighted Average Cost of Capital，简称WACC）之间的正向利差幅度，以及企业能够以该利差进行再投资的资本规模。

• 久期维度（Sustainability）：反映企业能够维持该正向利差的时间跨度，即竞争优势持续期（Competitive Advantage Period，简称CAP）。

竞争优势持续期（CAP）：企业能够维持ROIC高于WACC这一正向利差的预期时间跨度

在对企业的整体价值创造进行建模时，必须同时考量上述两个维度。

【企业长期价值创造核心模型】

text
            ┌───────────────────────────────────────────────┐
            │         可持续价值创造 (Value Creation)        │
            └──────────────────────┬────────────────────────┘
                                   │
                  ┌────────────────┴────────────────┐
                  ▼                                 ▼
      【维度一：幅度 (Magnitude)】        【维度二：久期 (Sustainability)】
      • ROIC 与 WACC 的正向利差            • 竞争优势持续期 (CAP)
      • 超额收益率水平                     • 抵御竞争侵蚀与均值回归的时间跨度
      • 可按该回报率再投资的资本规模       • 护城河宽度与结构性壁垒

必须明确区分可持续价值创造与可持续竞争优势：

• 可持续价值创造：指企业的ROIC持续高于其WACC。同一行业内的多家企业可以同时实现可持续的价值创造。例如，可口可乐（Coca-Cola）与百事可乐（PepsiCo）作为长期的行业对手，在1926年至2023年的美股长周期中，均位列长期投资回报最高的前列股票之中。

• 可持续竞争优势：特指一家企业的ROIC超过WACC的同时，其资本回报率还显著高于行业内其他竞争对手。

然而，无论属于哪种情形，可持续价值创造都要求企业建立起能够长期维持的差异化特质（Maintainable Difference）。

在漫长的时间周期内持续创造价值极其困难。高资本回报率以及迅猛的投资增速，天然是吸引外部竞争资本涌入的磁石。实证研究表明，极高的初始投资回报率与快速的资本扩张，往往伴随着后续投资回报率的剧烈下滑。

当终端市场走向成熟时，业内竞争对手无法再依靠行业总盘子的扩张获取红利，增长演变为了争夺存量市场份额的零和博弈；行业最佳实践（Best Practices）会随时间推移在行业内部扩散传播，逐步抹平各家企业之间的效率差异。

二、均值回归的强大引力：历史数据实证

微观经济学理论确立了一个核心基准：在竞争性市场中，超额经济利润会引来新进入者，资本的持续涌入会增加供给、压低价格，直到行业的整体资本回报率回落至资本成本水平。

历史数据强力支持了这一结论。通过对1963年至2023年美股上市公司的长期样本进行五分位数（Quintiles）分组追踪可以观察到：

【投资资本回报率 (ROIC) 的均值回归轨迹】

text
  ROIC (%)
    ▲
 高 │ ───── 起始最高分位组 (Q1) ──┐
    │                            └──► 随时间显著向下衰减
    │
 均 │ - - - - - - - - - - - - - - - - 全市场长期资本成本与资本回报均值
    │
    │                            ┌──► 随时间逐步向上修复
 低 │ ───── 起始最低分位组 (Q5) ──┘
    └──────────────────────────────────────────────► 时间 (年份 T -> T+10)

• 高回报组的向下衰减：初始处于最高五分位（ROIC远超资本成本）的优秀企业组合，其回报率在随后的3至10年内呈现出显著的向下滑落趋势。

• 低回报组的向上均值回归：初始处于最低五分位（发生经济亏损或回报极低）的企业组合，由于产能退出、重组或资本缩减，其回报率随着时间推移逐步回升，向市场平均资本成本靠拢。

• 利差收敛的普遍性：绝大多数企业的异常收益率都会在竞争压力下逐步向资本成本收敛。

能够长期抵御均值回归引力、维持超额ROIC的企业属于统计上的极少数异数。这类企业之所以能够打破均值回归的铁律，正是因为它们在其所处的产业生态中构建起了宽阔的经济护城河。

三、行业层面的结构分析：五力模型与集中度

评估企业护城河的第一步必须始于对行业结构（Industry Structure）的剖析。行业层面的结构特征在很大程度上界定了业内企业平均盈利能力的基准上限。

                          ┌───────────────────────┐
                          │     潜在进入者威胁    │
                          │ (Threat of New Entry) │
                          └───────────┬───────────┘
                                      │
                                      ▼
┌────────────────────────┐ ┌───────────────────────┐ ┌────────────────────────┐
│      供应商议价能力    │ │     行业内部现有      │ │       买方议价能力     │
│ (Bargaining Power of   ├─►     竞争对手博弈      ◄─┤ (Bargaining Power of   │
│       Suppliers)       │ │ (Rivalry Among Peers) │ │        Buyers)         │
└────────────────────────┘ └───────────┬───────────┘ └────────────────────────┘
                                      ▲
                                      │
                          ┌───────────┴───────────┐
                          │     替代品与服务威胁  │
                          │(Threat of Substitutes)│
                          └───────────────────────┘

1. 行业地图与集中度度量

在展开微观剖析前，分析师需要绘制完整的行业地图（Industry Map），清晰标注产品与资本从上游供应商向下游消费者的流动路径，并量化市场份额集中度（Market Share Concentration）。

行业集中度通常使用赫芬达尔-赫希曼指数（Herfindahl-Hirschman Index，简称HHI）来衡量。HHI为行业内各参与者市场份额百分比的平方和：

HHI=∑i=1n​si2​

其中 $s_i$ 为第 $i$ 家企业的市场份额（以整数表示，例如30%记为30）：

• 高度竞争/分散型市场：HHI低于1500点；

• 适度集中市场：HHI介于1500至2500点之间；

• 高度集中市场：HHI超过2500点。

实证表明，市场集中度提升并不必然保证行业整体利润率走高；只有当寡头结构促成理性竞合格局、避免价格战时，集中度才能转化为可持续的高利润率。

2. 迈克尔·波特五力框架（Five Forces Analysis）

迈克尔·波特（Michael Porter）提出的五力框架揭示了决定行业长期盈利能力的微观经济动力：

(1) 潜在进入者的威胁 (Threat of New Entrants)

行业是否存在显著的进入壁垒（Barriers to Entry）直接决定了超额回报能否持久。常见的高进入壁垒来源包括：

• 规模经济带来的单位成本落差；

• 巨额的初始沉没资本（Sunk Capital）要求；

• 客户的高昂转换成本；

• 关键分销渠道的排他性占有；

• 政府牌照与监管合规门槛。

(2) 供应商的议价能力 (Bargaining Power of Suppliers)

当供应商处于高度集中状态、缺乏替代品、或者向客户转移的转换成本高昂时，供应商有能力侵吞下游企业的利润空间。

(3) 买方的议价能力 (Bargaining Power of Buyers)

当客户采购体量极大、采购产品标准化且同质化、或者转换供应商成本极低时，买方具有强大的压价能力，压缩业内企业的盈利空间。

(4) 替代品或服务的威胁 (Threat of Substitutes)

替代品并非直接竞争产品，但在不同形式下解决相同的用户底层任务。替代品的存在为行业设下了隐性的价格天花板。如果替代品展现出更高的性价比拐点，整个行业将面临价值迁移风险。

(5) 现有竞争对手之间的竞争烈度 (Rivalry Among Existing Competitors)

行业内部的竞争激烈程度取决于以下变量：

• 行业增长速度：低增速甚至存量萎缩往往引发激烈的价格倾轧；

• 固定成本占总成本的比重：高固定成本迫使企业在需求疲软时通过降价刺激产能利用率；

• 退出壁垒（Exit Barriers）：高资产专用性或遣散成本导致过剩产能难以出清。

四、公司层面的竞争优势：价值链与增加值分析

行业结构界定了平均水平，而公司层面的战略决定了其能否在行业内部确立超越同行的相对优势。

1. 增加值模型（The Added Value Framework）

企业的竞争优势在底层可以严谨地表述为增加值（Added Value）的创造。

      价格轴
        ▲
        │  ┌─────────────────────────────────┐ ◄── 客户最高支付意愿 (Willingness-to-Pay, WTP)
        │  │                                 │
        │  │        消费者剩余 (Consumer Surplus)
        │  │                                 │
        │  ├─────────────────────────────────┤ ◄── 产品实际市场售价 (Price, P)
        │  │                                 │
        │  │        企业经济利润 (Economic Profit)
        │  │                                 │
        │  ├─────────────────────────────────┤ ◄── 企业完全单位生产成本 (Cost, C)
        │  │                                 │
        │  │        供应商剩余 (Supplier Surplus)
        │  │                                 │
        │  └─────────────────────────────────┘ ◄── 供应商最低供货意愿 (Opportunity Cost)
        └─────────────────────────────────────

总经济价值的创造空间等于消费者的最高支付意愿（Willingness-to-Pay，WTP）与企业单位生产成本（Cost，C）之间的总落差：

经济价值创造总量=WTP−Cost

一家企业要建立竞争优势，在微观层面必须达成以下两项战略路径之一：

• 差异化优势（Differentiation Strategy）：在维持可控成本增幅的前提下，大幅拉升客户的支付意愿（即扩大WTP – P的空间），从而获取更高的定价溢价；

• 低成本优势（Cost Leadership Strategy）：在产品功能满足市场基准接受度（WTP维持合理区间）的前提下，实现远低于所有同行的单位完全成本（Cost）。

五、经济护城河的具体来源分类

通过对产业经济学的归纳，企业的可持续竞争壁垒主要源自供给侧优势、需求侧优势以及外部制度性优势。

                             ┌───────────────────────────┐
                             │       经济护城河来源      │
                             └─────────────┬─────────────┘
                                           │
         ┌─────────────────────────────────┼─────────────────────────────────┐
         ▼                                 ▼                                 ▼
   【供给侧优势】                    【需求侧优势】                    【制度与规模优势】
   • 规模经济 (Scale Economies)      • 网络效应 (Network Effects)      • 专利与知识产权
   • 学习曲线效应 (Learning Curve)   • 高转换成本 (Switching Costs)    • 特许经营权与牌照
   • 独占低成本要素资源              • 习惯性与心智品牌溢价            • 高进入/退出壁垒

1. 供给侧优势 (Supply-Side Advantages)

(1) 规模经济 (Economies of Scale)

规模经济指的是随着产出规模的扩张，单件产品的固定成本被摊薄，从而带来长期平均总成本（Long-Run Average Total Cost）的持续下降。

• 物理法则带来的规模红利：例如管道运输中的几何立方定律（容积增长速度远高于管道表面积材料的消耗速度）；

• 不可分割性与固定费用分摊：软件研发、内容制作、半导体光刻制程等领域，首份原型的研发与基建成本极高，但后续分发或生产的边际成本极低。

(2) 学习曲线效应 (The Learning Curve)

与单纯依赖单期产能规模的规模经济不同，学习曲线取决于企业自成立以来的累计生产总量（Cumulative Volume）。

经验的积累驱动工艺精进、废品率降低与良品率拉升；这一优势能够成为有效壁垒的前提在于：该项工艺诀窍具备组织内生专属性，未被行业设备供应商标准化，且无法被竞对通过人员跳槽直接复制。

2. 需求侧优势 (Demand-Side Advantages)

(1) 网络效应 (Network Economies / Network Effects)

当一项产品或服务的价值随着使用该产品的其他用户数量增长而提升时，网络效应便开始发挥作用。

• 双边网络效应（Two-Sided Networks）：例如电商交易平台（买家越多吸引卖家越多，反之亦然）；

• 直接网络效应（Direct Networks）：例如通信网络与社交平台；

• 协同生态网络：平台上的开发者沉淀了大量兼容应用，进一步锁定了核心生态。

(2) 客户转换成本 (Customer Switching Costs)

转换成本是指客户从现有供应商切换到替代供应商时所必须承担的一次性财务成本、时间投入、流程再造风险或心理认知负荷。

• 程序与流程深度嵌入：例如底层企业资源规划（ERP）系统或工业自动化底层控制软件；

• 数据迁移与使用习惯资产：用户在系统内积累的历史数据资产与操作惯性。

较高的转换成本赋予了企业强大的客户留存率与温和的长期定价权。

(3) 品牌与心智认知 (Brand)

单纯的品牌知名度并不直接构成护城河。品牌要升华为经济壁垒，必须满足以下条件之一：

• 降低客户的搜索与决策成本：在信息不对称或试错代价极高的交易场景中，提供确定的品质背书；

• 赋予社会认同与情感溢价：在奢侈品或特定消费品赛道中，支撑客户支付远超功能价值的溢价。

六、颠覆性创新与产业解构：动态维度的挑战

任何静态建立的护城河都无法保证永续存在。技术范式转换与商业模式的解构，是摧毁传统巨头护城河的最主要力量。

  产品性能
    ▲
 高 │                             /  高端成熟市场需求轨迹
    │                           /
    │   原有成熟技术演进曲线  /
    │       ┌───────────────/
    │      /               /  主流大众市场需求轨迹
    │     /  ┌────────────/
    │    /  /            /
    │   /  / 颠覆性技术 /
    │  /  /  演进轨迹  /
    │ /  /           /
 低 │/  /           /  低端边缘市场需求轨迹
    └──────────────────────────────────────────────► 时间

1. 颠覆性创新框架 (Disruptive Innovation)

哈佛商学院克莱顿·克里斯坦森（Clayton Christensen）提出的颠覆性创新理论揭示了成熟企业遭遇颠覆的机制：

• 低端颠覆（Low-End Disruption）：成熟企业倾向于持续优化产品性能以满足最挑剔的高端客户，导致产品性能对主流及低端用户产生”供给过剩”。颠覆者以低性能、低成本的简易解决方案切入边缘市场，随后沿着技术学习曲线持续进化，最终攻入主流市场。

• 新市场颠覆（New-Market Disruption）：开辟全新的应用场景，服务以往因成本或技术门槛而无法消费的”非消费者（Non-consumers）”。

2. 集成架构与模块化架构的周期摆动 (Integration vs. Modularity)

产业的技术架构往往在垂直集成（Integrated）与水平模块化（Modular）之间呈现周期性演化：

• 集成架构占优阶段：在技术演进初期，产品性能尚未满足主流需求，核心子系统之间需要高度定制化耦合以压榨性能极限，此时垂直一体化企业掌控着产业链的核心价值。

• 模块化解构阶段：当基础性能超越主流需求基准后，行业开始建立标准化接口。制造、设计、分销各环节解耦为独立的水平模块，产业链价值开始向掌握关键不可替代环节的企业转移。

七、管理层能力与资本配置效率

如果将企业的竞争优势视为主体资产，那么管理层的资本配置（Capital Allocation）能力则是决定这些资产价值能否最大化释放的指挥中枢。

管理层所面对的资本流向选择主要涵盖五大维度：

• 追加现有业务的资本支出 (Capital Expenditures)；

• 并购与产业整合 (Mergers & Acquisitions)；

• 偿还企业负债 (Debt Paydown)；

• 派发普通股股息 (Dividends)；

• 股票回购 (Share Repurchases)。

                            ┌────────────────────────┐
                            │    企业自由现金流总和  │
                            └───────────┬────────────┘
                                        │
             ┌──────────────────────────┴──────────────────────────┐
             ▼                                                     ▼
     【内部再投资与外延并购】                              【向资本市场返还价值】
     • 核心业务资本开支 (CapEx)                            • 偿还债务降低财务杠杆
     • 研发与新市场探索 (R&D)                              • 派发持续现金股息
     • 兼并与战略收购 (M&A)                                • 在股价低估时执行股票回购

评估管理层战略能力的核心标准，在于其能否在资本边际回报高于资本成本的赛道持续加注，并在缺乏超额回报投资机会时，果断将多余现金流通过分红或回购返还股东。

八、综合评估清单：如何系统测量护城河

为了将理论分析转化为可执行的研究流程，我们提炼出系统评估企业护城河的核对清单（Checklist）：

分析层级	核心评估问题	关键衡量指标与输出
1. 历史回报实证	过去5-10年，企业的ROIC是否稳定高于WACC？回报率是保持坚挺还是处于均值回归通道？	历史ROIC走势；经济利润（Economic Profit）规模
2. 行业结构与集中度	行业的HHI集中度如何？上下游议价能力如何分布？是否存在高昂的行业进入与退出壁垒？	行业HHI指数；行业产能利用率与价格弹性
3. 增加值与价值链	企业是依赖高支付意愿（WTP）还是低成本维持利差？客户选择该产品的决定性因素是什么？	毛利率与营业利润率利差；客户支付意愿溢价测算
4. 护城河来源判定	企业的竞争壁垒是由规模经济、网络效应、转换成本、还是无形资产所驱动？该优势是否具备不可模仿性？	单位固定成本曲线；客户留存率与流失成本模型
5. 颠覆与解构风险	行业是否存在被低端方案或跨界技术颠覆的苗头？产品架构是否正在走向模块化？	替代品性能演化速度；接口标准化与垂直分工趋势
6. 资本配置与再投资	管理层留存利润的再投资回报率（ROIIC）如何？资本配置是否围绕强化核心护城河展开？	增量投资资本回报率（ROIIC）；历年并购与回购的资本回报测算

九、结论

战略分析的核心目标，是评估企业超额收益的幅度以及该收益能够抵御市场竞争侵蚀的持续时间。

均值回归是商业世界中普遍存在的客观规律。唯有那些在行业结构中占据优势生态位、在价值链上创造出显著增加值、并依靠供给侧或需求侧壁垒保护自身经济利益的企业，才能够跨越周期，实现长期的超额价值创造。深入理解并客观量化这些底层机制，构成了评估企业商业护城河的基石。

对话开篇与背景介绍

沃伦·巴菲特（Warren Buffett）曾有一句名言：在商业世界中，我寻找的是被无法攻破的护城河所保护的经济城堡。力量（Power）必须同时包含收益（Benefit）与壁垒（Barrier）。巴菲特用”城堡”一词确立了收益部分，而作为创业者与管理者，你必须极度清晰地理解：为什么自己的业务是一座坚不可摧的城堡，还是一间随时可能坍塌的简陋木屋。

在许多初创企业的商业计划书中，经常能看到这样的表述：”我们拥有全行业最优秀的团队，我们的迭代与交付速度最快。”然而，单纯的执行速度极少能构成真正的力量。如果只是单纯在跑步机上拼命奔跑，一旦停下脚步就会被市场迅速吞噬，这并不等同于力量——因为驱动日常运营卓越的要素，绝大多数都能被竞争对手轻易模仿。

今天做客播客的嘉宾是汉密尔顿·赫尔默（Hamilton Helmer）。汉密尔顿是战略领域的传奇学者兼投资人，著有经典之作《七种力量》（7 Powers）。该书系统阐述了识别与建立可持续竞争优势的分析框架，被公认为商业战略领域最具影响力的著作之一。

在本次深入交流中，汉密尔顿分享了初创企业早期能够着手建立的力量来源、企业常常误判的虚假壁垒、力量与传统战略和护城河之间的精确逻辑关系、个体产品经理如何运用战略洞察、人工智能（AI）对各行业进入壁垒与力量来源的实质性重塑，并披露了他正在撰写的新书核心框架。

一、初创企业何时应该思考”力量”？

莱尼·拉奇茨基：汉密尔顿，非常感谢你做客节目，欢迎你！

汉密尔顿·赫尔默：嗨，莱尼，非常荣幸来到这里。

莱尼·拉奇茨基：我想从力量开始发挥作用的时间节点谈起。关于创始人何时应该开始系统思考力量，无论是找到产品与市场契合点（Product-Market Fit，简称PMF）之前还是之后，你有哪些建议？在尚未做出人们真正想要的产品之前，花时间深入思考力量到底有多大价值？创始人应当给予它多大程度的重视？

汉密尔顿·赫尔默：过去五年中，有一件事彻底颠覆了我以往的认知，那就是我对这个问题的理解发生了根本性改变。

过去我曾经认为：企业应当先实现PMF，然后再去制定战略；如果试图在PMF达成之前强行推行战略，往往收效甚微，甚至无从下手。

这一旧有认知被事实证明存在偏差。在我的工作中，与企业创始人交流是最具启发性的环节之一。让我感到惊讶的是，即使在极早期的探索阶段，与创始人就战略底层议题展开的探讨，依然展现出了超乎预期的深度与高度关联性。创始人是一群极度务实的行动派，他们的处境异常艰难，必须保持高度专注，严格筛选值得投入时间的事务。在观察他们的真实反馈与对话演进时，我意识到这些战略探讨对他们具有实质性的指导价值。我目前正在创作的第二本书，正是在深入剖析这背后的机理。

关于”何时应该思考力量”这一问题，我的核心答案是：始终都要思考（Always）。

这听起来似乎有些反直觉。即使在尚未达成PMF的极早期阶段，思考战略同样具备极高的价值。需要明确的是，这里的战略并非传统意义上那种繁复详尽的年度战略规划书——比如详列未来要做什么、具体的竞争对手是谁、如何针对性应对、如何进行价格体系设计等；它绝非此类形式主义。

在极早期的起步阶段，创业者拥有远超后期的自由度与可塑性。此时的核心议题在于：在你为寻求PMF所构想的各种商业设想中，哪些潜在的业务特征更倾向于使你获得力量，哪些则天然缺乏获取力量的可能？

此类探讨极具现实意义。当然，这种思考绝非线性因果的确定性推演，它的本质在于调整成功的概率分布（Tilting Probabilities）。

当业务跨越拐点、成功确立PMF之后，你就必须彻底明确自身的核心力量来源，以此认清自己在市场中的实际竞争生态位，并全力夯实这一壁垒；随后，当企业进入稳态发展期（Stability Phase），你依然必须清楚维系业务的力量所在，以便精准防御潜在的颠覆；力量还是企业探索第二增长曲线的认知基石。商业史上那些标志性的伟大企业，往往都成功实现了二次或多次跨越——例如亚马逊云科技（AWS）的崛起、英特尔由存储芯片转向微处理器（CPU）、苹果切入智能手机（iPhone）赛道。这些核心业务均非企业的原始起点，这种二次跃迁在标杆企业的发展历程中十分普遍，而每一次跃迁都意味着力量构建周期的重新启动。

二、战略的本质界定与力量的底层逻辑

莱尼·拉奇茨基：你提到了”战略”这个词。我们先来奠定一个清晰的概念基准。在你的理论体系中，战略与力量是如何相互关联的？对于战略本身，你是否有清晰明确的定义？在日常语境中，大家谈论战略时往往含义模糊。

汉密尔顿·赫尔默：我本质上是一个偏重概念架构的研究者。在构建商业概念时，必须受到”实用性”的高度约束。我非常推崇伟大的数学家约翰·冯·诺依曼（John von Neumann），他曾提出一个令许多纯粹数学家感到不适的观点：如果数学脱离了实用性的引导，就会沦为一种纯粹追求审美的活动。概念的开发同样必须以实用价值为导向。

在讨论战略时，关键在于你希望将哪些范畴纳入这一语境。在商业世界中，”战略”一词被极度泛化。如果你在学术搜索引擎上检索”Strategy”，会得到数以百万计的词条。在某些人的定义中，战略可能涵盖了一家企业在特定年份内需要完成的所有最高优先级事务。这是一种宽泛但合法的定义。

我在长期的商业实践中提炼出了一种收敛的界定方式，这种收敛大幅提升了战略的实用性：

战略的定义：聚焦于决定企业长期商业价值（Business Value）的根本性驱动因素。

这是一项明确的取舍。从贴现现金流（Discounted Cash Flow，DCF）与净现值（Net Present Value，NPV）的底层数学逻辑来看，企业的价值由其长期预期现金流折现决定。这直接引出了战略的核心属性：战略是一个长期维度的概念，关注的是遥远的未来。

我们可以用珍珠港事件进行对比分析。对当时的日本军方而言，珍珠港偷袭在战术层面取得了巨大的成功，沉重打击了美军在太平洋区域的海军力量；然而在战略维度上，这却是一次彻底的灾难性决策。它直接解决了美国总统罗斯福在动员国内公众全力参战以击溃法西斯政权上的政治阻力。这场博弈的最终战略决定力量，归根结底在于美国庞大的工业制造产能与人口资源基数。

这里的本质差异在于时间常数（Time Constant）：

• 战术：着眼于短周期的执行与得失。

• 战略：着眼于长周期的格局与终局。

只要将注意力牢牢锁定在企业长期价值的根本驱动因素上，你的思考范围就能迅速聚焦，从而为创始人提供高度清晰、精炼的战略指引。

莱尼·拉奇茨基：那么具体而言，力量是如何指导战略落地的？

汉密尔顿·赫尔默：力量指的是那些能够提供长期持久回报的经济结构（Economic Structures），它构成了企业抵御竞争对手残酷蚕食的坚实避难所。

从竞争经济学的底层逻辑来看，要在残酷的市场竞争中构筑庇护所，你的业务活动中必须具备某种特质，能够为你提供相较于对手的成本优势或定价溢价：

• 收益（Benefit）：企业能够维持更低的生产交付成本，或实现更高的产品定价能力。

• 壁垒（Barrier）：存在某种内生机制，使得竞争对手在相当长的周期内，无法通过简单复制来剥夺你的这项收益。

我们将这种严苛的双重检验称为”存在与否检验（To Be or Not To Be Test）”。一旦同时确立了收益与壁垒，它就会在未来可预见的时间周期内转化为稳固的高利润率，最终直接沉淀为企业的长期资本价值。

以《七种力量》中经典的奈飞（Netflix）流媒体业务为例：

• 收益维度：奈飞拥有远超同行的庞大订阅用户规模。在影视流媒体行业，内容制作与采买属于极高的固定成本支出（约占其年度成本结构的50%）。奈飞能够将这项巨大的固定支出分摊到数以亿计的订阅基数上，使得单个用户的摊薄成本显著低于规模较小的对手。

• 竞争结果：在面对相同的终端订阅价格时，奈飞能够获取远高于行业平均水平的利润空间。

这就是典型的规模经济（Scale Economies）力量。然而，在真实的商业竞争中，构筑此类力量的门槛极高。

三、力量演进路径：初创企业可触达的四种力量

【力量进展时序模型 (Power Progression)】

text
  [ 起步探索期 (Origination) ]
               │
               ▼
       1. 反向定位 (Counter-Positioning)  <── 业务模式与价值主张创新
               │
               ▼
  [ 爆发增长期 (Takeoff) ]
               │
               ├─► 2. 网络经济 (Network Economies)
               ├─► 3. 规模经济 (Scale Economies)
               └─► 4. 转换成本 (Switching Costs)
               │
               ▼
  [ 稳态成熟期 (Stability) ]
               │
               ├─► 5. 品牌力量 (Brand)
               ├─► 6. 流程力量 (Process Power)
               └─► 7. 独占资源 (Cornered Resource)

莱尼·拉奇茨基：既然力量决定了企业能否建立起长久的生存与竞争优势，那么当面对七种力量的框架时，不同类型的初创企业（例如B2B SaaS或是B2C消费互联网）是否存在特定的启发式路径，能帮助他们快速筛选出最契合自身业务的力量子集？

汉密尔顿·赫尔默：这是一个直击核心的问题。力量的达成路径（Path to Power）极其复杂且充满细微差异，这也是我下一部新作的核心主题。

在《七种力量》的框架中，存在一个核心机制叫作力量进展路径（Power Progression）。它明确指出：在企业生命周期的不同阶段，特定类型的力量才会逐步具备可达成性；反之亦然，某些力量在特定阶段是完全不可触达的。

对于初创企业而言，首先应当从策略选项中排除两项力量：品牌（Brand）与流程力量（Process Power）。

在实践中，许多人容易将品牌认知度（Brand Recognition）与真正的品牌力量混淆。对于一家初创公司而言，建立市场知名度固然重要，但只要在超级碗上购买黄金广告位，任何企业都能在短时间内买到知名度；这种通过资本采购获得的市场认知并不是真正的力量。而流程力量本质上是处于极致状态下的精益运营卓越，其内部的大多数具体手段通常是可以被行业吸收并模仿的。

其次，独占资源（Cornered Resource）——即企业掌握了某项极具价值的资产，即使转让给第三方也能产生巨大价值，且企业拥有该资源的排他性权利（通常受法律专利或绝对技术认知壁垒保护）。这种力量通常适用于处方药研发等极特定行业（例如首发研发出重磅药物）。这类机会的逻辑对全行业而言高度透明，核心瓶颈完全在于能否研发出突破性药物，通常并非绝大多数科技与通用商业初创企业能够主动规划的常规路径。

排除上述三种力量之后，留给初创企业的核心力量库主要包含以下四种：

• 反向定位（Counter-Positioning）

• 规模经济（Scale Economies）

• 转换成本（Switching Costs）

• 网络经济（Network Economies）

这四种力量在企业生命周期中存在着严密的时序演进关系（Sequencing）：

绝大多数成功突围的初创企业，其起点几乎都建立在反向定位之上。

PMF的本质通常是替代（Substitution）：企业通过一种前所未有的创新模式，更高效地满足市场上已然存在的现实需求，进而释放出更大的商业价值。虽然偶有企业能够开辟出前所未有的全新需求，但商业史上绝大多数巨头都是从存量替代中崛起的：

• 亚马逊（Amazon）最初替代的是传统的线下实体书店；

• 谷歌（Google）最初替代的是雅虎（Yahoo）等传统门户索引目录。

在替代发生的初期，初创企业面临的是直接的功能性竞争。此时，如果企业没有构筑起反向定位，就会面临极高的被颠覆风险——因为行业内资金雄厚、能力完备的既得利益巨头只需稍作业务延伸即可迅速扼杀新进入者。反向定位为初创企业提供了免遭成熟巨头立即全力反扑的庇护屏障。

一旦企业借助反向定位确立立足点并进入爆发增长阶段，其力量构建重心才会逐步切换至依赖于相对规模优势的其余三者：规模经济、转换成本以及网络经济。

四、常见的认知误区：数据规模、网络效应与飞轮假象

莱尼·拉奇茨基：总结来说，早期初创公司应当优先审视反向定位，随后在扩张阶段逐步建立网络经济、规模经济或转换成本。

很多初创企业的商业计划书都会宣称自身拥有坚固的壁垒与护城河，但现实中大多数创始人往往高估了自己所建立的防御能力。在你的观察中，有哪些力量是创业者最容易产生误判与幻觉的？

汉密尔顿·赫尔默：这种误判在商业界普遍存在。对于创业团队的这种乐观偏差，需要客观看待：

创始人必须具备坚韧的乐观主义精神，即便在一定程度上低估了潜在风险，这种极度专注与坚信也是初创团队突破大公司重围的关键动力。

准确评估某种力量是否真正成立，具有极高的专业门槛。即便是我们在专业投资机构中组建资深团队，对一家成熟企业进行深度力量评估，往往也需要耗费数周时间去拆解其底层的行业经济模型。

在具体的认知误区方面，除了前面提到的把付费买来的”知名度”误判为”品牌力量”之外，还有两个极其普遍的误判：

1. “数据规模经济”的边际递减

很多团队认为只要沉淀了海量数据，就能自然形成牢固的规模经济。这种可能性确实存在，但在现实中极为罕见。数据很难形成长期垄断性力量的核心原因，并不在于数据处理不存在固定成本，而在于行业内主要竞争对手所拥有的数据体量，通常都已跨过了满足核心业务算法精度的有效临界区间。

一旦跨越有效阈值，边际成本与收益曲线就会迅速平缓化（The Curve Flattens）。当行业对手都能达到类似的基础数据效能时，各方在单位数据成本与算法表现上的差异就会被急剧压缩，无法转化为具有决定性意义的超额壁垒。

2. 混淆”网络效应”与”网络经济”

每当听到团队宣称自己打造了坚不可摧的”业务飞轮（Flywheel）”时，我们通常会保持审慎。商业世界中存在微弱联动机制的飞轮比比皆是，但能够产生实质性影响（Materiality）的飞轮极为罕见。

战略判断的关键标准在于实质性（Materiality）——不在于某种网络效应是否存在，而在于该效应的强度是否足以撬动决定性的利润与定价空间：

概念	定义与表现特征	对商业底线的实际影响
网络效应 (Network Effects)	随着用户基数增加，产品对其他用户的效用产生正向边际提升（例如多数双边平台与社交工具）	普遍存在，但往往仅能带来微弱的业务黏性，不足以阻断价格战
网络经济 (Network Economies)	网络效应带来的价值优势极其显著，足以支撑企业获取显著的定价溢价（Price Delta）并维持长期超额利润率	能够从根本上改写行业利润分配格局，具备决定性的战略实质性

以优步（Uber）与网约车行业为例：网约车平台显然具备典型的局部网络效应，但它们很难说构筑起了稳固的网络经济力量。网约车行业至今依然维持着极高的竞争烈度，平台双方必须持续投入巨额资本补贴以维系双边平衡，网络效应对企业底线利润率的实质性拉动并未达到具有绝对护城河的量级。

优步之所以能大幅拉开与Lyft的市值差距，核心在于其在长期的消耗战（War of Attrition）中展现出了优异的运营定力。早期优步曾犯过战略定义失误，将其业务定性为”全球无缝流动性网络”，但网约车是一个极度受制于地理局部性（Geographically Specific）的业务——你在旧金山湾区建立的双边运力优势，对拓展伦敦市场几乎没有任何协同赋能。在纠正认知后，优步深耕于特定地理区域内的微弱规模效应，并通过Uber Eats等外卖生态复用运力端资产，最终在消耗战中占据了相对优势。

五、澄清护城河、城堡与可复制资产

莱尼·拉奇茨基：我们讨论了力量与战略。在创投语境中，”护城河（Moat）”同样是一个被高频使用的词汇。在你的体系中，护城河与力量是等同的吗？

汉密尔顿·赫尔默：护城河不等同于力量，护城河对应的是力量框架中的”壁垒（Barrier）”。

力量必须兼具收益与壁垒。如果一座护城河环绕保护的是一块毫无商业开发价值的贫瘠荒地，那么即便这条护城河再宽阔，也无法创造任何经济价值。

巴菲特与芒格对于商业护城河的推广做出了巨大贡献。巴菲特的经典表述是：”我寻找的是被无法攻破的护城河所保护的经济城堡。”

• “城堡”指代的是高价值的收益；

• “护城河”指代的是阻断模仿的壁垒。

战略分析的一大关键难点，在于看透你手中的资产到底是一座真正的城堡，还是一间简陋的木屋。

以早期奈飞与百视达（Blockbuster）的竞争为例：奈飞投入了海量工程资源与A/B测试来打磨其用户交互界面（UI）、持续重构推荐算法引擎以及优化内容展示架构。这些工作对早期业务发展至关重要，但这类纯粹的技术与设计细节在本质上是高度可被模仿的（Mimicable）。

当百视达最终下定决心转型、推出邮寄DVD订阅业务时，其线上站点的用户交互界面在视觉和结构上几乎与奈飞毫无二致。他们直接完整复制了奈飞多年迭代的界面逻辑。

因此，精良的UI与算法优化虽然极具价值，但由于其缺乏不可复制的阻隔机制，它们本身无法独立构成抵御对手的经济城堡。

六、一线产品经理与中层管理者如何运用力量？

莱尼·拉奇茨基：对于许多在一线负责具体产品功能迭代与交付的产品经理而言，他们应当如何将这些关于”收益”与”壁垒”的战略洞察，落地应用到日常的实际工作中？

汉密尔顿·赫尔默：我个人并不推崇空谈所谓的”全员战略驱动型组织”，因为这种概念往往模糊了战略知识在企业不同生命周期中的具体运用边界。

我们可以将企业的发展历程划分为三个清晰的演进阶段：

【企业生命周期三阶段】

text
┌─────────────────────────┬─────────────────────────┬─────────────────────────┐
│  1. 探索起步期          │  2. 爆发增长期          │  3. 稳态成熟期          │
│  (Origination)          │  (Takeoff)              │  (Stability)            │
│                         │                         │                         │
│ • 寻找产品与市场契合    │ • 爆发式抢占市场份额    │ • 保卫核心基本盘        │
│ • 探索反向定位可能      │ • 快速整合外部技术要素  │ • 挖掘自下而上的新业务  │
│ • 依靠极小颗粒度试错    │ • 依赖极致运营卓越交付  │ • 防御流程与品牌侵蚀    │
└─────────────────────────┴─────────────────────────┴─────────────────────────┘

对于身处不同发展阶段业务线的产品经理，其行动重点存在本质差异：

1. 处于成熟稳态阶段的企业

• 透彻理解基本盘力量：必须极其明确所在业务线赖以生存的底层力量来源，从而在日常决策中避免因局部指标优化而损害底层壁垒。

• 一线情报回传：产品经理深入业务细节与用户一线，能够敏锐捕捉到底层力量是否正在遭遇侵蚀，并及时向管理层预警。

• 孕育二次创新：大企业中颠覆性的第二增长曲线，往往是由基层团队在应对具体用户痛点时自下而上探索出来的。

2. 处于爆发增长阶段的业务

• 运营卓越即生命线：在此阶段，底层技术变革推动了PMF的形成，市场上会出现大量同质化的竞争对手。此时，谁能以最快速度完成系统迭代、引入关键功能补齐、拓展适配新的人群画像，谁就能赢得市场份额战。

• 构建护城河的窗口期：产品团队在此阶段的交付质量与执行速度，是决定企业能否顺利将先发优势转化为规模经济或转换成本的决定性力量。

对于希望提升战略思考能力的专业人士，最有效的方式就是深入研读战略的底层逻辑框架，并在团队内部展开高频且务实的探讨：”我们这项业务是否真正具备某种力量？驱动当前收益的深层壁垒究竟是什么？哪些要素是不可替代的，哪些只是可以被轻易抄袭的表面形式？”通过持续的审视与辩论，团队的战略辨析能力会得到系统性的提升。

七、生成式 AI 是否正在改写竞争力量？

莱尼·拉奇茨基：生成式人工智能（Generative AI）的爆发正在重塑科技行业。在你看来，AI是否会催生出《七种力量》之外的第八种力量？它将如何改变企业的防御壁垒？

汉密尔顿·赫尔默：我目前并不认为生成式AI会催生出第八种全新的力量维度。《七种力量》是对商业竞争经济学机制的完备归纳，当前的AI技术演进依然可以被完整置于七种力量的分析框架中进行解构：

• 规模经济：训练顶级前沿基础大模型所需要的数亿至数十亿美元的固定资本支出，是极其显著的固定成本分摊结构。

• 网络经济：如果未来的AI系统能够实现用户交互数据的自主飞轮进化（即单个用户的交互质量能直接实时优化其他所有用户的推理表现），就有可能孕育出极强的网络经济。

• 转换成本：当AI Agent长期伴随用户，深度学习了个人的全部工作习惯、记忆轨迹与底层偏好，用户切换至新工具所面临的认知与迁移成本将极其高昂。

从产业技术演进史的视角来看，任何重大通用技术（General Purpose Technology）的降临，其产业传导机制通常分为三个层次：

【重大通用技术演进三层分布】

text
第一层：底层技术使能者 (Pure Technology Plays)
例如：半导体时代的 Intel；AI 时代的基础算力芯片与模型研发商

第二层：原生技术孵化者 (New-to-the-World Creators)
例如：个人计算时代的 Microsoft；依托全新交互与能力原生的新型应用

第三层：存量赋能与深度融合者 (Technology Adopters & Integrators)
例如：全面拥抱半导体的汽车产业；将 AI 深度整合进财务、研发、HR 的存量传统行业

我认为生成式AI最庞大的长期经济价值，将集中释放在第三层——即对存量产业工作流的深度赋能与结构重组。

这与人类引入电力的历史进程极为相似。电力的出现使得整个制造业工厂的物理流水线得以彻底重构（动力源直接下放至每一个独立操作单元），但这种生产力的释放经历了极其漫长的流程再造、设备投资与组织学习。

生成式AI正在进入类似的阶段。几乎所有企业的核心业务职能——从软件研发、财务审计到人力资源管理——在经过深度流程再造后都将获得效率跃升。以软件开发为例，如果AI辅助能够普遍提升50%的代码编写效能，考虑到全球软件工程师的庞大基数，仅仅这一项流程赋能所释放的绝对经济价值就是不可估量的。

八、运营卓越与”流程力量”的严苛边界

莱尼·拉奇茨基：在众多创始人的宣讲中，”执行力”常被视作自身的核心护城河。迈克尔·波特（Michael Porter）曾提出”运营卓越不等于战略”。能否请你进一步剖析，为什么极致的执行力在绝大多数情况下无法构成真正的力量？

汉密尔顿·赫尔默：迈克尔·波特教授在数十年前提出的这一论断，曾在学术界与实务界引发了巨大反响。许多人误以为他否定了日常运营的价值。

波特的核心洞察在于稳态竞争的终局视角：驱动日常精益运营的大多数管理规范与操作流程，在本质上都是可以被行业吸收与复制的。企业可以通过聘请顶级管理咨询团队导入行业最佳实践（Best Practices），也可以通过高薪从竞对团队挖掘核心骨干来迅速填补能力鸿沟。

但必须建立动态视角：在企业的起步与爆发增长期，运营卓越是获取竞争生态位的先决条件。

要想让极致的运营流程真正升华为不可逾越的流程力量（Process Power），必须满足极其严苛的前提条件：

• 实质性（Materiality）：该流程必须能带来极其显著的成本降低或效能提升。

• 绝对的不透明性（Opacity）与不可模仿性：该体系深植于企业庞大而复杂的隐性协作网络之中，外部竞争者即使派遣团队实地观摩，也无法在自身组织中有效移植。

以台积电（TSMC）先进半导体晶圆代工厂的建设与运维为例：其运转依赖于数万名顶尖工程师长期沉淀的非文档化工艺诀窍（Know-How）与精密协作体系。这种深植于组织肌理的复杂性构筑了极高的不可复制性。丰田汽车（Toyota）早期的精益生产体系（TPS）同样属于此类典型。

然而，在商业世界中，绝大多数企业的日常运营远未达到这种不可拆解的复杂深度：

在缺乏力量保护的赛道中，企业就像置身于一台高速运转的跑步机上——你必须在日常运营中倾尽全力奔跑，因为一旦停下就会被对手超越；但即便你跑得再快，单纯的奔跑本身并不能为你赢得一台拥有自主壁垒的经济引擎。

九、企业价值决定模型与宏观周期反思

莱尼·拉奇茨基：你曾提出一个极具穿透力的结论：决定一家企业长期商业价值的底层要素只有三项——力量（Power）、市场规模（Market Size）与运营卓越（Operational Excellence）。

汉密尔顿·赫尔默：商业运营的表象千头万绪，但如果从底层商业数学模型进行第一性原理推导，这三项要素构成了对企业长期现金流折现的完备解释集：

• 力量（Power）：决定了企业长期能够维持的超额利润率水平与防守壁垒；

• 市场规模（Market Size）：决定了该项利润率所能作用的总潜在空间（TAM）；

• 运营卓越（Operational Excellence）：决定了企业在向终局迈进的动态过程中，能否高效将市场机会转化为实际收益。}

三者缺一不可，共同构成了企业长期价值创造的闭环。

莱尼·拉奇茨基：作为长期赋能创始人的战略家，在当前全球宏观经济的周期演变中，有哪些深层趋势值得创业者保持高度警惕？

汉密尔顿·赫尔默：从长周期来看，我极其关注主要经济体日益高企的公共债务轨迹。在过去三十年中，全球基本保持着约十年爆发一次系统性经济震荡的周期律（2000年互联网泡沫破裂、2008年全球金融危机、2020年疫情冲击）。

在应对此前危机时，政府拥有充足的”安全垫（Dry Powder）”，能够通过大规模财政赤字扩张来兜底流动性；然而，随着长期债务水平不断逼近极限，未来一旦再次遭遇黑天鹅冲击，宏观维度的应对空间将被大幅压缩。一旦资本市场发生流动性冻结，早期创投生态与企业融资环境将面临极其严峻的挑战。

但从微观创新的视角来看，约瑟夫·熊彼特（Joseph Schumpeter）在其一个多世纪前撰写的《经济发展理论》中提出的核心洞察依然牢固：驱动人类社会生产力向前演进的终极活力，永远来源于企业家群体的创造性破坏（Creative Destruction）。

十、结语：行动是一切商业构建的第一性原理

莱尼·拉奇茨基：在进入快速问答之前，你最希望留给全球创业者与业务决策者的一句话是什么？

汉密尔顿·赫尔默：行动是商业的第一性原理（Action is the first principle of business）。

商业战略的真正价值，绝非在于为你预先描绘一张毫无偏差的确定性施工图纸，而在于当你投身于真实世界的商业探索时，为你提供一组能够指引方向的底层认知罗盘。

切忌停留在纸面上对宏大战略进行无休止的空谈推演。真正的力量是在真实市场的高频碰撞与勇敢行动中淬炼出来的。先行动起来，去构建真实的产品，去解决真实的问题。

闪电问答环节（Lightning Round）

莱尼·拉奇茨基：推荐两到三本对你影响最为深远的著作？

汉密尔顿·赫尔默：

• 罗杰·彭罗斯（Roger Penrose）的《通向实在之路》（The Road to Reality）：一部极具深度的数理物理学巨著，展现了人类顶尖智识的宏大图景。

• 悉达多·穆克吉（Siddhartha Mukherjee）的《基因传》（The Gene: An Intimate History）：作者对遗传科学演进史的叙述与文字掌控力令人赞叹。

莱尼·拉奇茨基：近期最打动你的影视作品？

汉密尔顿·赫尔默：电影《美国小说》（American Fiction）。它拒绝了大量平庸的好莱坞叙事套路，展现了极具穿透力的思辨深度。

莱尼·拉奇茨基：一句常伴身边的座右铭？

汉密尔顿·赫尔默：一位斯里兰卡资深记者兼挚友曾传授给我的信条：”万事皆有其更深层的底色（Everything is always about something else）。”当你真正深入剖析商业力量与竞争壁垒时，底层的真相往往超越了表面所见的表象。

大家下午好。今天的演讲者是彼得·蒂尔（Peter Thiel）。彼得是PayPal、Palantir以及Founders Fund的创始人，同时投资了硅谷绝大多数顶尖的科技公司。今天他将为我们分享商业策略与竞争哲学。

非常感谢萨姆（Sam Altman）的邀请，也很高兴来到这里。

在商业思考层面，我个人始终固执地专注于一个核心命题：如果你准备创立一家公司，作为创始人与企业家，你的终极目标应当永远是建立独占垄断（Monopoly），并随时极力规避竞争。因此，我们今天探讨的主题是——“竞争是败者才玩的游戏”。

首先，我想谈谈关于企业创立时如何创造价值的最基本逻辑。什么才能让一家企业真正变得有价值？

我建议用一个极其简明的数学公式来理解企业的真实价值。一家公司若要获得巨大的商业价值，必须同时满足以下两个前提条件：

• 企业为世界创造了X美元的总体价值；

• 企业成功捕获了其中Y%的价值比例。

大家在分析商业模式时最常犯的错误，就是误以为X和Y是互相绑定的。事实上，X与Y是两个完全独立的变量。X的规模可以极其庞大，但如果Y趋近于零，企业的价值将微乎其微；反之，X可以是中等规模，但只要Y保持在相当高的水平，依然能孕育出极其庞大的商业实体。

为了直观展示这一对比，我们可以观察美国航空产业与谷歌（Google）在搜索引擎领域的财务表现。

如果仅从行业体量来衡量，你会觉得航空业显然比搜索行业重要得多。以2012年的数据为例，美国国内航空业总营收高达1,950亿美元，而谷歌当年的营收仅略高于500亿美元。从直觉上看，如果让你在“放弃所有航空出行”和“放弃使用搜索引擎”之间做选择，绝大多数人都会认为航空出行对人类社会而言是更为基础且重要的存在。这还仅仅是美国国内的数据，如果扩展到全球规模，航空业的体量更是远超搜索行业和谷歌。

然而，航空业的利润率极其惨淡。2012年，航空公司也仅仅是边缘盈利。如果你回顾美国航空业长达100年的整个历史，全行业的累计净利润大约为零。企业周期性（episodically）地赚一点钱，然后破产、进行资本重组，再陷入循环。这种微薄的盈利能力直接反映在市值上：当时整个美国航空业的合并总市值，仅仅是谷歌一家公司市值的四分之一左右。

一个体量远小于航空出行的搜索引擎，其商业价值却远高于整个航空业。这正是X（创造的总价值）与Y（捕获的价值比例）截然不同的集中体现。

一、光谱的两端：完全竞争与独占垄断

从宏观上看，商业世界存在一个从完全竞争到独占垄断的光谱：

1. 完全竞争（Perfect Competition）

完全竞争是你在微观经济学（Econ 1）第一课就会学到的模型。在经济学家眼里，它极具吸引力，因为在静态世界中它非常容易建构数学模型。在完全竞争市场下，所有的消费者剩余都被社会大众捕获，政治上也符合公众对“公平”的崇高想象。

但是对于任何身处其中的经营者来说，高度竞争是一场噩梦。因为在完全竞争状态下，你根本赚不到钱。

2. 独占垄断（Monopoly）

位于光谱另一端的是独占垄断企业。垄断企业拥有长期稳定的商业结构，积累了雄厚的资本。当一家公司通过发明全新的事物建立起“创造性垄断”（Creative Monopoly）时，这本身就是它创造了巨大价值的有力证明。

在我看来，商业世界存在一个极端的二元对立：世界上实际上只有两种公司——处于完全竞争中的公司，以及拥有独占垄断地位的公司。夹在两者中间的中间态少得令人发指。

这个二元对立之所以没有被大众普遍理解，是因为人们一直在对各自企业的真实属性撒谎。

二、市场定义中的“谎言游戏”

假想有一条从完全竞争到垄断的光谱。表面上看，两类企业的差异似乎不大，那是因为垄断者在极力伪装自己没有垄断，而竞争者在极力伪装自己拥有垄断。

垄断者（Monopolists）的谎言：如果你拥有垄断地位，你绝对不会公开宣称这一点。因为一旦承认，政府的监管机构与反垄断部门就会找上门来。因此，垄断者会竭尽所能证明自己正面临着极其剧烈的市场竞争。

非垄断者（Non-Monopolists）的谎言：如果你处于一个残酷竞争、根本赚不到钱的行业里，你为了吸引风险投资和人才，就会编造一个独特的叙事，宣称自己做的事情独一无二，其竞争程度远比表面看起来要低得多。

当垄断者假装自己没有垄断，而非垄断者假装自己拥有垄断时，表面上的差异被极大地缩小了。但实际上，两者之间的真实鸿沟巨大无比。

独占垄断者 (Monopoly)     ──> 宣称处于巨大竞争中 ──> 市场界定：并集 (Union)
同质化竞争者 (Non-Monopoly) ──> 宣称拥有独特性     ──> 市场界定：交集 (Intersection)

这种谎言在实践中是通过集合论（Set Theory）的语言来实现的：

1. 非垄断者的交集谎言（Intersection）

非垄断者总是倾向于将自己的市场描述为多个非常狭窄限制条件的“交集”，以此显得自己是该领域的唯一玩家。

我经常拿开餐厅来举例。餐饮业是一个极度糟糕的商业形态。资本主义（Capitalism）与竞争（Competition）在语义上是反义词：资本家是积累资本的人，而完全竞争是一个把所有资本都竞争消耗掉的世界。

你想开一家餐厅，没有投资人愿意给钱，因为开餐厅基本都会亏钱。于是你必须讲一个极其特殊的叙事：“我们是帕洛阿尔托（Palo Alto）唯一一家英国菜餐厅。”

你通过“英国菜∩帕洛阿尔托”定义了一个极度狭窄的市场。但这只是一种虚假的狭窄：

• 消费者完全可以驾车前往隔壁的门洛帕克（Menlo Park）或山景城（Mountain View）用餐；

• 现实中几乎没有非英国菜不吃的活人。

在好莱坞，电影提案（Pitch）也是同样的套路：“一个大学橄榄球明星，加入了一群顶尖黑客团队，去捕捉杀害他朋友的鲨鱼。”听起来这是一部从未被拍摄过的电影，但这到底是一个真实有需求的细分品类，还是仅仅“又一部同质化的好莱坞电影”？如果是后者，好莱坞的电影制作极其竞争，绝大多数人根本赚不到钱。

在科技创业圈，最糟糕的叙事就是将一串时髦词汇组合在一起：“移动端∩社交∩共享经济∩某个领域”。这种“某地的某某”叙事，绝大多数时候不过是“无名之地的虚无”，就像“北达科他州的斯坦福”——它确实是独一无二的，但它并不是斯坦福。

2. 垄断者的并集谎言（Union）

垄断者则采取完全相反的策略：它们将自己的业务描述为多个庞大市场的“并集”，以此稀释自己的市场份额。

以离这里不远的谷歌为例。谷歌在搜索市场拥有大约66%的绝对统治级份额，其垄断地位比1990年代的微软更加稳固，这也是它能赚取巨额利润的原因。

但谷歌几乎从不把自己定义为“搜索引擎”。相反，它会给出各种各样的市场定义：

• 定义为“在线广告市场”：搜索广告规模约为170亿美元，只是庞大的在线广告市场的一部分；而如果算上全美广告市场，规模就更大；如果算上全球近5,000亿美元的广告市场，谷歌的份额只有微不足道的3.5%。

• 定义为“通用科技公司”：全球科技市场是一个规模达1万亿美元的巨无霸。谷歌在这个叙事里会说：“我们正通过自动驾驶汽车与所有汽车厂商竞争，通过电视和iPhone与苹果竞争，在社交领域与Facebook竞争，在办公软件领域与微软竞争，在云服务领域与亚马逊竞争。我们身处一个各个方向都充满剧烈竞争的巨大科技市场中，根本不是监管机构要找的垄断者。”

这种扭曲市场定义的动机极度强大，我们在评估任何行业时都必须保持高度清醒。

在美国科技界，苹果、谷歌、微软、亚马逊等巨头逐年积累了海量的现金储备，拥有惊人的高利润率。美国科技行业在财务上如此成功，正是因为这个行业极易孕育出类垄断型的商业实体。

三、如何建立独占垄断：从小市场切入并实现扩展

从垄断逻辑中导出的最反直觉的创业建议是：作为初创企业，你应当主动去寻找极小的市场。

想要获得垄断地位，意味着你需要在某个市场中占据极高的份额。如何获得极高的市场份额？答案是从一个极其微小的市场起步，彻底拿下该市场，然后再通过同心圆的方式逐步向外扩展。

在第一天就去瞄准一个庞大的市场是个巨大的错误。这通常意味着你没有正确界定品类，也意味着你将立刻暴露在过度激烈的竞争之中。

硅谷绝大多数成功的科技公司，都遵循了“从小市场起步并逐步扩张”的发展模型：

• 亚马逊（Amazon）：1990年代切入市场时，仅仅是一家“网上书店”。它宣称拥有世界上所有的图书选品，成为比任何实体书店都优秀的图书零售商。在彻底统治了图书网购后，它才逐步拓展至其他电商品类。

• eBay：起步于佩兹糖果盒（Pez Dispensers）收藏品拍卖，随后延伸至豆豆娃（Beanie Babies），最终扩展为全品类的线上拍卖平台。

佩兹糖果盒（Pez Dispensers）、豆豆娃（Beanie Babies）*：均为20世纪90年代美国流行的收藏品玩具，曾在早期eBay等收藏品交易平台上形成活跃的爱好者交易市场。

• PayPal：1999年底我们刚上线时，切入的是eBay平台上的“超级卖家（PowerSellers）”。当时这个群体只有大约20,000人。刚开始我们觉得这是一个糟糕透顶的微小市场，一群人在网上卖旧破烂，我们为什么要服务这个群体？但事实证明，我们能够为该市场提供比其他任何方案都好得多的产品。仅用了2到3个月，我们就在该细分人群中拿下了25%到30%的渗透率，建立了品牌与口碑，并以此为基础将业务推向更广阔的市场。

• Facebook：初始市场仅为哈佛大学的10,000名学生。在上线后的10天内，市场渗透率就从0冲到了60%。这是一个极其吉祥的开端。

商学院在早期评估Facebook、PayPal或eBay时，往往认为这些初始市场小到几乎毫无价值。如果这些公司永远局限在初始市场里，它们确实没有价值；但关键在于，存在一条通过同心圆向外扩张的路径，这才是它们最终孕育巨大价值的原因。

与之形成鲜明对比的是清洁科技（CleanTech）的教训。在2005年至2008年硅谷的清洁科技泡沫期间，几乎每一份商业计划书的第一页都会强调：“我们切入的是万亿美元规模的能源市场。”

当你成为广袤大海中的一条小鱼时，你的处境极其危险。这意味着你将面对海量的竞争对手，甚至根本不知道谁才是真正的对手。你应当成为一个小生态系统中独一无二的存在，而不是第四家线上宠物食品公司、第十家薄膜太阳能电池板公司，或者帕洛阿尔托的第100家餐厅。

四、垄断型科技企业的四大核心特征

虽然科技领域没有统一的成功公式（因为科技史上的每一个伟大时刻都只发生一次：下一个马克·扎克伯格不会去建社交网络，下一个拉里·佩奇不会去做搜索引擎，下一个比尔·盖茨也不会去开发操作系统），但成功的垄断型科技公司往往具备以下特征：

托尔斯泰在《安娜·卡列尼娜》开头写道：“幸福的家庭都是相似的，不幸的家庭各有各的不幸。”商业世界则恰恰相反：所有幸福的公司都是不同的，因为它们做出了独一无二的创新；所有不幸的公司都是相似的，因为它们都没能逃脱竞争的同质化宿命。

以下是垄断型科技公司的四个主要特征：

• 专有技术（Proprietary Technology）：我的经验法则是，你的技术必须在某个关键维度上比次优替代方案高出一个数量级（至少10倍）。例如，PayPal结算资金的速度比邮寄支票快10倍（从7—10天变为即时）；亚马逊提供的图书选品比传统书店多10倍。如果是一项全新的产品（例如初代iPhone），其提升幅度甚至是无限大。

• 网络效应（Network Effects）：随着使用人数的增加，产品价值呈指数级上升。网络效应非常强大，但难点在于冷启动——你必须回答为什么产品对第一个使用者也有价值。

• 规模经济（Economies of Scale）：具备极高的固定成本和极低的边际成本。软件行业在规模经济上具备天然优势，因为软件的复制与分发边际成本为零。

• 品牌认知（Branding）：在用户心智中建立深刻的认知。

五、终局思维：做市场的“最后动作者（Last Mover）”

硅谷普遍存在一种迷信，认为你需要成为“先发者（First Mover）”。但我认为更准确的战略视角是：你要成为“最后动作者（Last Mover）”。

你需要成为某个品类中最后一个关键竞争者，从而长期享受该领域的垄断红利。微软是过去几十年的最后一个操作系统，谷歌是最后一个搜索引擎，Facebook很大程度上成为了最后一个熟人社交网络。

为什么“最后动作者”如此重要？因为这些科技公司的绝大部分价值都存在于遥远的未来。

在贴现现金流（DCF）模型中，如果你对一家高增长公司进行推演，大部分现金流都将在很远的将来实现。

在2001年3月，我们在PayPal做过一次财务测算。当时公司仅运营了27个月，年增长率为100%，我们以30%的折现率推算未来的现金流。结果表明，公司在2001年时总体价值的75%以上，来自于2011年及以后的现金流。

如果你对硅谷现在的任何一家成长型科技公司（无论是Airbnb、Twitter、Facebook还是Y Combinator孵化的项目）进行同样的数学推断，你会发现其80%到85%的价值都来自于2024年及以后的现金流。

在硅谷，我们极易高估当前的“增长率”，而严重低估“持久性（Durability）”。因为增长率是当下可以精准衡量的指标，而一家公司在10年后是否依然存在，则是一个定性的、难以衡量的远期命题。

网络效应、专有技术、规模经济等垄断特征，不仅是在某一个时间点帮助你拿下市场，更重要的是确保你的优势能够随着时间推移而持续强化。

专有技术尤其需要注意：你不仅需要一个比现有水平高出10倍的技术突破来打破僵局，更需要确保你的技术不会迅速被其他人超越。

在1980年代的硬盘制造行业，厂商推出了极其优秀的技术突破，迅速占领市场。但仅仅两年后，就会有另一家公司推出更好的硬盘将你替换掉。在15年的剧烈技术演进中，硬盘性能大幅提升，消费者获得了巨大的利益，但那些创业者和投资者几乎没有赚到钱。

国际象棋大师卡帕布兰卡（Capablanca）曾说过：“你必须从研究残局（Endgame）开始。”创业者必须回答这个核心问题：为什么在10年、15年或20年后，你的公司依然是行业里的领导者？

六、科技史与科学史的价值捕获视角

回顾过去250到300年的科技与科学演进史，包含蒸汽机、铁路、电话、制冷技术、家用电器、计算机革命以及航空等无数重大创新。然而从价值捕获的角度来看，大部分发明的创造者并未获得应有的回报。

在科学领域，价值捕获率Y%几乎全线为零。科学家们普遍抱有一种迷信，认为宇宙是公正的，一定会为他们的杰出贡献提供商业回报。这种想法是科学家群体最大的幻想。你成为20世纪最伟大的物理学家，提出了狭义相对论和广义相对论，但你不会因此成为亿万富翁，甚至连百万富翁都算不上。

在技术领域也是如此。莱特兄弟飞出了第一架飞机，但他们并没有从中赚到钱；铁路对社会贡献巨大，但绝大多数铁路公司都破产了，因为过度激烈的竞争消耗了所有利润。

在过去250年里，只有两类商业形态成功实现了大规模的价值捕获：

• 复杂垂直整合型垄断（Complex Vertically Integrated Monopolies）：出现于第二次工业革命时期（19世纪末至20世纪初），如福特汽车（Ford）、标准石油（Standard Oil）。这类模式需要将极其复杂的要素协调整合在一起，一旦建立起来就具备巨大的竞争壁垒。我的同事埃隆·马斯克（Elon Musk）创立的Tesla和SpaceX，本质上就是现代的复杂垂直整合型垄断。Tesla整合了汽车制造与分销渠道，SpaceX垂直整合了大量零部件生产，避免了传统航天工业中供应商通过垄断定价榨干利润的问题。

• 软件网络（Software Networks）：软件具备零边际成本与极高规模经济的特性。在“信息比特”的世界里，你可以实现极快的用户渗透。快渗透率至关重要，因为如果市场扩张太慢，竞争对手就会有充足的时间进入并与你展开同质化竞争。

七、竞争的心理学陷阱

为什么我们如此执着于竞争？这不仅是一个知识层面的盲区，更是一个深刻的心理学盲区。

人类具备极强的模仿本能（Mimetic Nature）。正如莎士比亚时代“Ape”（猿）既代表灵长类又代表“模仿”一样，人类本质上是高度趋同、喜欢效仿他人的生物。

我们习惯于将“竞争”视为一种自我价值的证明。当大量人群去争夺同一个目标时，大家会误以为该目标一定极具价值。

每年有2,0000人涌入洛杉矶试图成为电影明星，真正成功的可能只有20人；

亨利·基辛格（Henry Kissinger）在评价哈佛大学的同事时曾指出：“学术界内部的斗争之所以如此残酷，恰恰是因为其中的利益太小了。”

当个体之间的客观差异极其微小时，为了维持某种虚幻的差异，人们不得不陷入残酷无休止的竞争中。竞争确实会让你在所竞争的具体事项上变得更强，因为你一直在与身边的人作对比；但它带来的巨大代价是：你不再去思考那些真正重要、真正具备长远价值的大问题。

不要挤向那扇所有人都试图冲进去的狭窄小门；绕过弯角，走那扇无人关注的宽阔大门。

非常感谢大家。

八、现场问答环节（Q&A）

问：正如你提到的，垄断企业和竞争企业在叙事上非常相似。在评估一个商业想法时，有什么简单的方法可以理清这其中的真实差异？

彼得·蒂尔：我始终关注的核心问题是：这个业务真实的客观市场到底是什么？不要看创业者讲述的市场叙事，因为叙事可以被轻易编造得极大或极小。你需要撇开叙事干扰，去探究市场真实的物理与经济边界。

问：你提到垄断企业的四大特征，谷歌符合其中的哪些？

彼得·蒂尔：谷歌具备了全部四个特征。它早期拥有PageRank算法这一专有技术；拥有广告网络的网络效应；拥有存储全球网页庞大基础设施带来的规模经济；同时拥有强大的品牌认知。

问：这一逻辑如何应用在Palantir上？另外你如何看待手机移动支付领域的竞争？

彼得·蒂尔：对于Palantir，我们早期极其聚焦于情报机构（Intelligence Community）这个极小的细分市场，并采用了“人机协同”这一极具差异化的专有技术路径。

至于手机移动支付，市场上有很多模仿者在做不同的硬件形状（比如Square是正方形，PayPal推出的是三角形），这正是缺乏核心差异化的同质化竞争体现。

问：精益创业（Lean Startup）和敏捷迭代是当下的主流理念，你如何看待这种通过不断获取反馈来规避风险的模式？

彼得·蒂尔：我个人对精益创业的套路持怀疑态度。真正伟大的公司往往带来了量子跳跃式的突破，而不是细枝末节的渐进式改良。过分依赖市场调查与用户反馈，容易让人陷入局部最优解，丧失构建长期复杂系统的宏大愿景。

关于风险，如果你花太多时间去验证风险，你往往会错过真正的窗口期；况且，顺着低风险的道路走（例如读完法学院去大律所），本身可能包含着巨大的风险——即你终其一生都没有做出一件真正有意义的事情。

问：你强调“最后动作者优势”，这是否意味着该领域必须先有竞争存在？

彼得·蒂尔：这取决于品类是如何定义的。独占垄断企业本质上是在某个关键维度上成为了真正的“第一人”。比如Facebook不是第一个社交网站（Reed Hoffman在1997年就创立了SocialNet），但Facebook是第一个引入“真实身份（Real Identity）”的社交网络。它在这个关键维度上是先驱，并在整个社交网络品类中成为了终结者。

问：对于那些陷入剧烈竞争轨迹的人，你有什么心理层面的建议来摆脱这种竞争陷阱？

彼得·蒂尔：我并没有完美的心理咨询方案。我们很容易指出商学院学生、华尔街精英或哈佛大学学生的从众心理，但事实是，这种竞争与模仿的陷阱深刻地缠绕着我们每一个人。

第一步，也是最重要的一步，是绝不要低估这个问题的严重性与普遍性。认清竞争对思维的束缚，是你走出狭窄小门、迈向宽阔大门的前提。

基础设施

初创企业驯服多模态数据的混沌

Jennifer Li—Andreessen Horowitz 的普通合伙人，负责领导基础设施投资，重点关注数据系统、开发者工具和人工智能。

非结构化、多模态数据一直是企业最大的瓶颈，也是其尚未开发的宝藏。每家公司都淹没在 PDF、截图、视频、日志、邮件以及半结构化的数据泥沼中。

模型越来越智能，但输入数据却越来越混乱，这导致 RAG 系统产生幻觉，智能体以微妙且代价高昂的方式崩溃，关键工作流仍严重依赖人工质检。

如今，AI 公司的限制因素已变为数据熵：在承载着企业 80%知识的非结构化宇宙中，新鲜度、结构性和真实性持续衰减的熵增过程。

这正是解开非结构化数据困局成为一代人机遇的原因。 企业需要持续清理、结构化、验证并治理多模态数据，才能让下游 AI 工作负载真正发挥作用。

应用场景无处不在：合同分析、入职流程、理赔处理、合规、支持、采购、工程搜索、销售赋能、分析管道，以及所有依赖可靠上下文的智能体工作流。

那些构建平台——能从文档、图像和视频中提取结构，协调冲突，修复管道，或保持数据新鲜可检索——的初创企业，将掌握企业知识与流程王国的钥匙。

AI 重振网络安全人才招聘

Joel de la Garza-是一位专注于信息安全相关投资及其他与混乱相关业务的合伙人。

在过去十年的大部分时间里，CISO（首席信息安全官）面临的最大挑战是招聘。

从 2013 年到 2021 年，未填补的网络安全岗位数量从不到 100 万增长到 300 万。这是因为安全团队雇佣高技能技术人员，让他们每天从事令人心力交瘁的一级安全工作，比如审查日志，而没有人愿意做这些工作。

问题在于，网络安全团队通过购买能检测所有威胁的产品， 制造了这种苦差事，这意味着他们的团队需要审查所有内容——这反过来又造成了人为的劳动力短缺。这是一个恶性循环。

到 2026 年，人工智能将通过自动化网络安全团队中大量重复和冗余的工作，打破这一循环，缩小招聘缺口。任何曾在大型安全团队工作过的人都知道，一半的工作都可以通过自动化轻松解决，但当人们被工作淹没时，根本不可能弄清楚该自动化什么。

能够为安全团队解决这一问题的 AI 原生工具，最终将解放他们，让他们去做自己想做的事：追捕坏人、构建新系统以及修复漏洞。

原生代理基础设施成为入场门槛

Malika Aubakirova—a16z 人工智能基础设施团队的投资者。

到2026年，最大的基础设施冲击将不再来自外部企业，而是来自内部。我们正从可预测、低并发的人类速度流量，转向递归式、突发性且规模庞大的“代理速度”工作负载。

当今的企业后端系统是为人类操作与系统响应之间 1:1 的比例而构建的。它并非为单一代理”目标”触发毫秒级内 5000 个子任务、数据库查询和内部 API 调用的递归扇出而设计。

当代理尝试重构代码库或修复安全日志时，其行为模式与用户截然不同。对传统数据库或速率限制器而言，这看起来就像一次 DDoS 攻击。

2026年为代理构建系统意味着重新设计控制平面。我们将见证”代理原生”基础设施的崛起。下一代系统必须将”惊群效应”模式视为默认状态。冷启动时间必须缩短，延迟波动必须消除，并发限制必须提升数个数量级。

瓶颈将转向协调层面：在大规模并行执行中实现路由、锁定、状态管理和策略执行。最终胜出的平台，将是唯一能承受随之而来的工具执行洪流的系统。

创意工具走向多模态化

Justine Moore—是安德森·霍洛维茨基金投资团队的合伙人，专注于人工智能领域——包括基础模型和应用开发。

我们现在已经拥有了用 AI 讲故事的基础模块：生成式语音、音乐、图像和视频。但对于任何超出单次片段的内容，想要获得理想输出往往既耗时又令人沮丧——甚至根本不可能实现，尤其是当你希望达到传统导演所拥有的那种控制程度时。

为什么我们不能向模型输入一段30秒的视频，然后要求它根据参考图像和声音创建的新角色来延续这个场景？或者重新拍摄一个片段，以便从不同角度观察场景，又或者让动作与参考视频相匹配？

2026 年将是 AI 走向多模态的一年。无论你拥有何种形式的参考内容，都可以将其输入模型，与之协作创作新内容或编辑现有场景。

我们已经看到一些早期产品，比如 Kling O1 和 Runway Aleph。但还有更多工作要做——我们需要在模型层和应用层同时进行创新。

内容创作是 AI 最典型的应用场景之一，预计我们将看到从表情包创作者到好莱坞导演等不同用户群体在各类应用场景中涌现出多款成功产品。

AI 原生数据栈持续演进。

Jason Cui—他是 Andreessen Horowitz 的合伙人，主要投资于基础设施和人工智能领域。

过去一年，我们看到“现代数据栈”领域出现了大量整合，数据公司从专注于数据摄取（ETL）、转换和计算等细分环节，转向了捆绑式服务和统一平台。例如：Fivetran 与 dbt 的合并，以及 Databricks 等统一平台的持续崛起。

尽管生态系统已明显更为成熟，但我们仍处于真正 AI 原生数据架构的初期阶段。我们期待 AI 持续变革数据堆栈的多个环节，并开始看到数据与 AI 基础设施正变得密不可分。

以下是我们期待的几个方向：

• 数据将如何持续流入高性能向量数据库，同时与传统结构化数据并存

• AI 代理如何解决”上下文问题”：持续获取正确的数据上下文与语义层，以构建健壮的应用（如与你数据对话），确保在多个记录系统中始终拥有正确的业务定义

• 随着数据工作流变得更加智能化和自动化，传统 BI 工具和电子表格将如何演变

我们踏入视频世界的那一年

Yoko Li—Andreessen Horowitz 的合伙人，主要负责开发者工具、基础设施、人工智能和创意工具。

到 2026 年，视频将不再是我们被动观看的内容，而开始成为一个我们可以真正踏入的空间。

视频模型终于能够理解时间、记住它们已经展示给我们的内容、在我们做出动作时做出反应，并以我们期望于物理世界的稳定一致性来维持整体。

这些系统不再生成几秒钟的零散影像，而是能够持续维持角色、物体和物理规律，让行动变得有意义，让后果得以展开。

这一转变将视频变成了一种我们可以构建的媒介：一个机器人可以练习、游戏可以进化、设计师可以制作原型、智能体可以通过实践学习的空间。

由此产生的，更像是一个活生生的环境，而非一段剪辑——它开始弥合感知与行动之间的鸿沟。这是第一次，我们感觉可以真正栖居于自己生成的视频之中。

增长

记录系统失去主导地位

Sarah Wang—Andreessen Horowitz 增长团队的普通合伙人，负责领导人工智能、企业应用和基础设施领域的成长阶段投资。

到 2026 年，企业软件领域的真正颠覆在于： 记录系统将最终开始丧失其主导地位 。人工智能正在拉近意图与执行之间的距离：模型现在能够直接跨运营数据进行读取、写入和推理，将 ITSM 和 CRM 系统从被动数据库转变为自主工作流引擎。

随着推理模型和智能体工作流的最新进展不断叠加，这些系统不仅能够响应，还能预测、协调并执行端到端流程。界面演变为动态智能体层，而传统的记录系统则退居幕后，沦为商品化的持久化层——其战略杠杆将让位于掌控员工实际使用的智能执行环境的任何一方。

垂直人工智能从信息检索和推理扩展到多人协作领域

**Alex Immerman

—Andreessen Horowitz 增长团队的合伙人，主要关注金融科技、消费、企业和加密/Web3 公司**

人工智能推动垂直软件实现前所未有的增长。医疗、法律和住房领域的公司在几年内达到 1 亿美元以上的 ARR；金融和会计行业紧随其后。

最初的进化体现在信息检索上：查找、提取并总结正确信息。2025 年带来了推理能力：Hebbia 分析财务报表并构建模型，Basis 跨系统调节试算平衡，EliseAI 诊断维护问题并派遣合适的供应商。

2026年将开启多玩家模式。垂直软件得益于特定领域的界面、数据和集成，但垂直工作本质上涉及多方协作。如果智能体要代表劳动力，它们就需要协同合作。从买家和卖家，到租户、顾问和供应商，每一方都有独特的权限、工作流程和合规要求——只有垂直软件才能理解这些需求。

如今，各方都在各自为政地使用 AI，导致权责分离。分析采购合同的 AI 不会与首席财务官就其模型调整进行沟通；维护 AI 也不知道现场人员向租户承诺了什么。

通过跨利益相关方的协同——将任务路由至职能专家、保持上下文连贯、同步变更——实现了多方协作。交易对手方的 AI 会在参数范围内进行谈判，并将信息不对称之处标记出来供人工审核。高级合伙人的修订标注将训练整个企业的系统。由 AI 执行的任务，成功率将大幅提升。

当多人与多智能体协作带来的价值增加时，转换成本也随之上升。我们将看到 AI 应用一直未能实现的网络效应：协作层将成为护城河。

为智能体设计，而非人类

Stephenie Zhang—成长投资团队的合伙人，专注于企业科技公司。

到2026年，人们将开始通过智能体与网络交互。过去对人类消费至关重要的因素，对智能体消费而言可能不再重要。

多年来，我们始终针对可预测的人类行为进行优化：在谷歌搜索结果中排名靠前、在亚马逊商品列表中位列前几项、用”太长不看版”引导阅读。我高中上新闻课时，老师教我们写新闻要用”5W1H”要素，写特写要用”钩子”开头。人类可能错过深藏在第五页的真知灼见，但智能体不会。

这种转变同样关乎软件。应用程序过去是为人类视觉和点击操作设计的，优化意味着良好的用户界面和直观的流程。随着智能体接管信息检索和解读，视觉设计在理解过程中的核心地位逐渐削弱。

工程师不再需要盯着 Grafana 仪表盘，AI 站点可靠性工程师（SRE）可以解读遥测数据并在 Slack 中发布洞察；销售团队无需手动梳理 CRM 系统，智能体能够自动呈现模式与摘要。

我们不再为人类设计，而是为智能体设计。新的优化目标不再是视觉层次，而是机器可读性——这将改变我们的创作方式以及所使用的工具。

AI 应用中屏幕时间 KPI 的终结

Santiago Rodriguez—增长投资团队的合伙人，专注于金融科技、消费和加密技术公司

过去 15 年间，屏幕时长一直是衡量消费者和企业应用价值交付的最佳指标。我们长期处于以 Netflix 流媒体时长、医疗电子病历用户体验中的鼠标点击次数（用于证明有效使用），甚至 ChatGPT 使用时长作为关键绩效指标的范式之中。

随着我们迈向基于成果定价的未来——这种模式能完美对齐供应商与用户的激励机制——我们首先将告别屏幕时间报告体系。

这一转变已在实践中显现。当我在 ChatGPT 上运行 DeepResearch 查询时，尽管几乎没有屏幕交互时间，却获得了巨大价值。当 Abridge 神奇地捕捉医患对话并自动化后续流程时，医生几乎无需注视屏幕。

当 Cursor 端到端开发完整应用时，工程师正在规划下一个功能开发周期。而当 Hebbia 从数百份公开文件中起草演示文稿时，投资银行家终于能获得应有的睡眠。

这带来了一个独特的挑战：应用能为每位用户收取多少费用，需要更复杂的投资回报率衡量方法。医生满意度、开发者生产力、金融分析师福祉以及消费者幸福感，都因 AI 应用而提升。那些能用最简洁的销售说辞阐明投资回报率的公司，将继续超越竞争对手。

生物+健康

健康月活跃用户

Julie Yoo—生物+健康团队的普通合伙人，负责投资那些正在改变我们获取、支付和体验医疗保健方式的企业。

2026年，医疗保健领域将涌现出一类新的核心用户群体——“健康月活跃用户”。

传统医疗体系主要服务三类用户群体：(a)“疾病月活跃用户”：指偶发高成本医疗需求的人群；(b)“疾病日活跃用户”：如需要长期重症监护的患者；(c)“健康年活跃用户”：相对健康、很少就医的人群。

健康年活跃用户存在演变为疾病月活跃用户/日活跃用户的潜在风险，预防性护理可延缓这一转变。然而，我们重反应轻预防的医疗报销体系更倾向于治疗而非预防，导致主动式健康检查和监测服务未被优先考虑，且保险也极少覆盖此类项目。

如今健康月活跃用户登场：这些消费者并非处于疾病状态，但希望定期监测并了解自身健康状况——他们可能代表消费群体中占比最大的部分。我们预计将涌现一批企业——既有 AI 原生的初创公司，也有传统机构转型出的新型服务——通过提供周期性健康管理服务来服务这一用户群体。

随着人工智能有望降低医疗服务的成本结构，新型健康保险产品聚焦于预防领域，以及消费者更愿意自掏腰包为订阅制模式付费，“健康月活跃用户”将成为健康科技领域下一个高潜力的客户群体：他们持续参与、数据驱动、并以预防为导向。

是生物+健康团队的普通合伙人，负责投资那些正在改变我们获取、支付和体验医疗保健方式的企业。

速通

世界模型成为叙事焦点

Jonathan Lai—安德森·霍洛维茨基金（Andreessen Horowitz）的普通合伙人，专注于 a16z speedrun 项目。他投资于构建未来 AI 与创意融合领域的早期团队——涵盖开发者工具、3D 模拟、垂直智能体，以及横跨视频、游戏、音频等领域的新型叙事形式。

2026 年，由人工智能驱动的世界模型将通过交互式虚拟世界与数字经济彻底革新叙事方式。诸如 Marble（World Labs）和 Genie 3（DeepMind）等技术已能根据文本提示生成完整的 3D 环境，让用户如同在游戏中般进行探索。

随着创作者采用这些工具，全新的叙事形式将应运而生，并可能最终催生出一个”生成式《我的世界》”——玩家可以共同创造广阔且不断进化的宇宙。这些世界或将把游戏机制与自然语言编程相结合，例如通过指令”生成一支画笔，当我用它触碰任何物体时，该物体会变成粉色”来改变环境。

这类模型将模糊玩家与创作者之间的界限，将用户转变为动态共享现实的共同作者。这一演变可能催生相互连接的生成式多元宇宙，让奇幻、恐怖、冒险等不同类型的故事共存其中。

在这些宇宙里，数字经济将蓬勃发展——创作者通过制作资产、引导新手或开发新型交互工具来获取收入。除了娱乐领域，这些生成式世界还将成为训练 AI 智能体、机器人乃至通用人工智能（AGI）的丰富模拟环境。

世界模型的崛起不仅标志着一种全新游戏类型的诞生，更预示着一种全新的创意媒介与经济前沿。

“属于我的一年”

Joshua Lu —Andreessen Horowitz（a16z speedrun）的投资合伙人。

2026年将成为“我的元年”：产品不再批量生产，而是开始为你量身定制。

这一趋势已随处可见。

在教育领域，像 Alphaschool 这样的初创公司正在构建能适应每个学生学习节奏和好奇心的 AI 导师，为每个孩子提供与其步调及偏好学习方式相匹配的教育。这种程度的个性化关注，以往若没有为每个学生花费数万美元的辅导费用，根本不可能实现。

在健康领域，AI 能根据你的个体生物学特征，量身定制每日营养补剂组合、健身方案和膳食计划，无需依赖私人教练或实验室检测。

即便在媒体领域，AI 也能让创作者将新闻、节目和故事重新编排成完全符合你个人兴趣和喜好的个性化信息流。

The biggest companies of the last century won by finding 上个世纪的顶尖企业通过寻找“普通消费者”而获胜。

**下个世纪的巨头则将通过发现“普通消费者中的独特个体”而制胜。

2026 年是世界不再为所有人优化，而开始为你优化的一年。

第一所原生 AI 大学

Emily Bennett—a16z speedrun 的投资合伙人。

到 2026 年，我预计将会见证首所原生 AI 大学的诞生——这座机构将完全围绕智能系统从零构建。

过去数年间，大学院校已在 AI 辅助阅卷、辅导和排课等方面进行初步尝试。但如今浮现的变革更为深刻：一种能够实时自我学习与优化的自适应学术有机体正在萌芽。

试想这样一所学府：课程设置、学业指导、科研协作甚至楼宇运营，皆通过数据反馈循环持续自我调适。课表能自动优化，阅读清单会随着新论文的发表每夜自行迭代升级，学习路径则根据每位学生的进度与情境实时调整。

我们已经看到了先兆。亚利桑那州立大学与 OpenAI 的全校合作，在教学和行政领域催生了数百个 AI 驱动项目。纽约州立大学现已将 AI 素养纳入通识教育要求。这些正是更基础性部署的基石。

在 AI 原生大学中，教授成为学习架构师 ，负责策划数据、调优模型，并教导学生如何审视机器推理过程。

评估方式也随之改变。检测工具和抄袭禁令让位于 AI 感知型评价——根据学生如何使用 AI（而非是否使用）进行评分。透明与巧妙的运用取代了禁止。

当各行各业都在争相招募能够设计、治理并与 AI 系统协作的人才时，这种新型大学将成为训练场，培养出精通编排的毕业生，助力快速变革的劳动力队伍。

这所原生人工智能大学将成为新经济的人才引擎。

美国活力

构建 AI 原生的工业基础

David Ulevitch）— Andreessen Horowitz 的普通合伙人，负责领导公司的 American Dynamism 业务，并投资企业软件和 SaaS 软件。

美国正在重建经济中真正创造实力的部分。能源、制造、物流和基础设施重新成为焦点，而最重要的转变是崛起一个真正 AI 原生且软件优先的工业基础。这些企业从仿真、自动化设计和 AI 驱动运营起步。它们并非在现代化过去，而是在构建未来。

这为先进能源系统、重型机器人制造、下一代采矿、生物与酶催化工艺（生产各行业依赖的基础化学品）等领域打开了重大机遇。AI 能够设计更清洁的反应堆、优化开采流程、改良酶制剂，并以传统运营商无法企及的洞察力协调自主机器集群。

同样的变革正在重塑工厂之外的世界。自主传感器、无人机和现代人工智能模型如今能够持续监控港口、铁路、输电线路、管道、军事基地、数据中心以及其他曾经因规模过大而难以全面管理的关键系统。

现实世界需要新的软件。那些构建这些软件的创始人将塑造美国下一个世纪的繁荣。如果你正是这样的人，欢迎与我们交流。

美国工厂的复兴

Erin Price-Wright—安德森·霍洛维茨基金的一位普通合伙人，她投资于推动美国活力的企业，重点关注为物理世界构建人工智能的团队。

美国第一个伟大世纪建立在工业实力之上，但众所周知，我们已失去了许多这种力量——部分源于产业外迁，部分源于全社会有意的建设停滞。然而，生锈的齿轮正重新吱呀转动，我们正见证以软件和人工智能为核心的美国工厂的复兴。

我认为到2026年，企业将开始以工厂思维应对能源、挖矿、建筑和制造业等领域的挑战。这表现为人工智能与自主技术的模块化部署，与熟练工人协同作业，使复杂的定制化流程如同流水线般高效运转。具体包括：

• 快速且反复地驾驭复杂的监管与许可流程

• 加速设计周期，从一开始就践行面向制造的设计理念

• 更高效地管理大型项目协调工作

• 部署自主系统，以加速完成人类难以或危险管理的任务

通过运用亨利·福特一个世纪前开创的技术，从第零天起就规划规模化与可重复性，并融入人工智能的最新进展，我们很快将实现核反应堆的批量生产、建造满足国家需求的住房、以惊人速度建设数据中心，并迎来工业实力的新黄金时代。用埃隆·马斯克的话来说：“工厂就是产品。”

下一波可观测性将是物理层面的，而非数字层面

Zabie Elmgren—Andreessen Horowitz 的合伙人，她支持那些致力于强化关键基础设施、公共安全等领域的创始人。

过去十年间，软件可观测性彻底改变了我们监控数字系统的方式，通过日志、指标和追踪让代码库与服务器变得透明。同样的革命即将降临物理世界。

美国城市已部署超过十亿个联网摄像头和传感器， 物理可观测性 ——实时了解城市、电网及其他基础设施中发生的情况——正变得既紧迫又可行。这一新的感知层还将推动机器人与自主性的下一前沿发展，使机器依赖一个将物理世界变得像代码一样可观测的通用框架。

当然，这一转变也伴随着真实风险：能够检测野火或预防工地事故的同一工具，也可能催生反乌托邦的噩梦。

下一波浪潮的赢家将是那些同时赢得公众信任的人，他们构建保护隐私、可互操作、基于 AI 的系统 ，使社会更清晰可见，而不牺牲自由。谁构建了这一可信框架，谁就将定义未来十年的可观测性。

电气工业体系将驱动世界变革

Ryan McEntush—a16z 的投资合伙人，专注于投资推动美国活力的公司。

下一次工业革命将不仅发生在工厂里，更会发生在驱动工厂的机器内部。

软件改变了我们思考、设计和交流的方式。如今，它正在重塑我们移动、建造和生产的方式。电气化、材料科学和人工智能的进步正在融合，将真正的软件控制带入物理世界。机器开始自主感知、学习并采取行动。

这就是电气工业堆栈的崛起——它融合了驱动电动汽车、无人机、数据中心和现代制造业的各类技术。它将推动世界运转的原子与指挥世界的比特连接起来：矿物精炼成组件，能量储存在电池中，电力由功率电子器件调控，运动通过精密电机传递，所有环节均由软件协调。

这是物理自动化领域每一项突破背后的无形基石；它区分了仅仅能召唤出租车的软件与真正能掌控方向盘的软件。

但构建这一技术栈的能力——从提炼关键材料到制造先进芯片——正在逐渐流失。如果美国想引领下一个工业时代，就必须制造支撑这一时代的硬件。掌握电子工业技术栈的国家，将定义未来工业与军事技术的走向。

软件吞噬了世界。如今，它将驱动世界运转。

自主实验室加速科学发现

Oliver Hsu（徐奥利弗）—a16z 美国活力投资团队的合伙人，专注于新兴计算平台及实体世界应用领域。

随着模型能力在多模态领域的进步以及机器人操控能力的持续提升，各团队将加速推进自主科学发现的进程。

这些并行技术将催生能够闭环科学发现的自主实验室——从假设生成到实验设计与执行，再到推理分析、结果验证，并迭代未来研究方向。

构建这些实验室的团队将具有跨学科特性，整合人工智能、机器人技术、物理与生命科学、制造、运营等领域的专业知识，通过无人值守实验室实现跨领域的持续实验探索。

关键产业领域的数据革新

Will Bitsky—a16z 美国活力团队的投后支持合伙人。

2025 年，AI 的潮流由算力瓶颈和数据中心建设所定义；而到了 2026 年，数据瓶颈以及关键行业——数据征伐的下一个前沿——将成为定义这一年的核心。

我们的关键行业依然是潜在非结构化数据的富矿。每一次车辆派遣、仪表读取、维护作业、生产批次、装配和试火，都是模型训练的绝佳素材。但无论是数据采集、标注，还是模型训练，都尚未融入这些行业的通用话语体系。

市场对这些数据的需求并不匮乏。像 Scale、Mercor 这样的公司以及 AI 研究实验室，正不知疲倦地收集流程数据（不仅是“做了什么”，更是“如何做”）。为此，它们愿意为每一单位汗水数据的委托支付高昂的价格。

拥有现有物理基础设施和劳动力的工业企业，在数据收集方面具有比较优势，并将开始利用这一优势。它们的运营会产生海量数据，这些数据可以以近乎为零的边际成本获取，用于训练自有模型或授权给第三方。

我们应当期待初创公司会涌现出来提供帮助。初创公司将提供协调层：用于数据收集、标注和同意的软件工具；传感器硬件和软件开发工具包；强化学习环境和训练流程；最终，还有它们自己的智能机器。

应用

人工智能强化商业模式

David Haber—安德烈森·霍洛维茨基金普通合伙人，专注于企业级软件与金融服务领域的科技投资

最优秀的 AI 初创企业不仅仅是在实现任务自动化，更是在放大客户的经济效益。以风险代理律师为例，律所只有在胜诉时才能获得收入。

像 Eve 这样的公司利用专有的结果数据来预测案件成功率，帮助律所筛选更优质的案件、服务更多客户、提高胜诉率。

AI 本身强化了商业模式——它推动收入增长，而不仅仅是降低成本。到 2026 年，这一逻辑将在各行业持续延伸：AI 系统将更深度地与客户激励机制保持一致，从而形成传统软件无法企及的复利优势。

安德烈森·霍洛维茨基金普通合伙人，专注于企业级软件与金融服务领域的科技投资。

ChatGPT 成为 AI 应用商店

Anish Acharya 是一位企业家，也是 Andreessen Horowitz 的普通合伙人。在 a16z，他专注于消费投资，包括原生人工智能产品以及将助力开启富足新时代的公司。

消费级产品周期需要三大要素才能成功：新技术、新消费行为，以及新的分发渠道。

直到最近，人工智能浪潮已满足前两个条件，但尚未出现全新的原生分发渠道。大多数产品仍依赖 X 等现有网络的口碑传播实现增长。

然而，随着 OpenAI 应用软件开发工具包、苹果对迷你应用的支持以及 ChatGPT 群组消息功能的相继推出，消费者开发者如今可直接触达 ChatGPT 9 亿用户群体，并能借助 Wabi 等新型迷你应用网络实现增长。

作为消费端产品周期的最后一块拼图，这一全新分发渠道将在 2026 年开启消费科技领域十年一遇的淘金热。若等闲视之，风险自担。

语音代理占据空间

Olivia Moore—安德森·霍洛维茨基金投资团队的合伙人，专注于人工智能领域

过去 18 个月里，AI 语音代理为企业处理真实交互场景的构想已从科幻变为现实。从中小企业到大型企业，成千上万的公司正在使用语音 AI 来安排预约、完成预订、开展调查、进行信息录入等。这些代理不仅为企业节省成本、创造额外收入，还能解放人力，让员工专注于更高价值、更有趣的工作。

但由于该领域尚处于萌芽阶段，许多公司仍停留在”语音作为切入点”的阶段，仅提供一种或几种通话类型的点状解决方案。我期待看到语音代理能扩展至处理完整工作流（可能涉及多模态交互），甚至管理整个客户关系周期。

这很可能需要代理更深度地集成到企业系统中，并获得处理更复杂交互类型的自主权。随着底层模型持续进化——代理现已能调用工具并在系统间协同运作——每家企业都理应拥有以语音为先的 AI 产品，来运行并优化其业务关键环节。

无提示且主动式应用的到来

Marc Andrusko—Andreessen Horowitz 的合伙人，专注于 B2B 人工智能应用和金融科技领域。

2026 年标志着主流用户与提示框的诀别。新一代 AI 应用将实现零可见提示——它们会观察你的操作，主动介入并生成待审核的行动方案。

你的 IDE 会在你提出需求前就建议重构方案，CRM 系统在你通话结束后自动起草跟进邮件，设计工具在你工作时实时生成多个版本。聊天界面不过是辅助轮，如今 AI 正化身为无形架构，贯穿每个工作流程，由意图而非指令触发激活。

AI 将最终推动银行与保险基础设施的升级

Angela Strange—安德烈森·霍洛维茨基金的一名普通合伙人，专注于金融服务、保险以及（结合 AI 的）企业级软件领域。

许多银行和保险公司已经在传统系统基础上集成了 AI（如文档处理和 AI 语音客服），但只有当我们重建支撑 AI 的基础设施时，AI 才能真正变革金融服务。

到 2026 年，不进行全面现代化以充分利用 AI 的风险，将超过因尝试而失败的风险。届时，我们将会看到大型金融机构放弃传统供应商合同，开始部署更新、更原生的 AI 替代方案。这些公司不受过去行业分类边界的束缚，成为能够整合、标准化并丰富来自传统系统和外部来源底层数据的平台。

这将带来什么结果？

• 工作流程可以大幅简化并实现并行化，无需再在不同系统和界面之间切换。设想一下：你能在一个抵押贷款处理系统中同时查看并行处理数百项待完成的任务，甚至可以让代理自动完成其中更常规的操作。

• 我们熟知的分类将融合成更庞大的类别。例如，来自客户准入与过渡监控数据的 KYC 信息，现在可以整合到单一的风险管理平台中。

• 这些新兴赛道的赢家，其规模将是传统巨头的 10 倍：赛道本身更为广阔，而软件市场正在吞噬劳动力市场 。

金融服务的未来，不是把人工智能应用到旧系统中去，而是构建一个以人工智能为基石的崭新操作系统。

预部署机制将 AI 推广至 99%的应用场景

Joe Schmidt—安德森·霍洛维茨基金的合伙人，专注于软件、金融科技和保险科技领域的投资。

AI 是我们一生中最激动人心的技术突破。然而到目前为止，新创企业带来的大部分收益都流向了硅谷那 1%的公司——要么实际位于湾区，要么属于其延伸网络的一部分。

这也很合理：初创公司创始人希望将产品卖给那些他们熟悉且容易接触到的企业，无论是开车前往其办公室，还是通过董事会中的风投机构获得人脉。

到2026年，这一趋势将发生逆转。企业会意识到，人工智能带来的绝大多数机遇都蕴藏在硅谷之外，我们将看到新一代创始人采用前沿部署模式，去发现传统大型垂直行业中隐藏的更多机会。

在系统集成商和实施企业这类传统咨询与服务行业，以及制造业等发展较慢的行业中，都将蕴含着巨大机遇。

人工智能在《财富》世界500强中创造了新的协调层——以及新的角色。

Seema Amble—安德森·霍洛维茨基金的合伙人，专注于企业级软件和金融科技领域的投资

2026 年，企业将从孤立的 AI 工具进一步转向多智能体系统，这些系统需要像协调的数字团队一样运作。随着智能体开始管理复杂的相互依赖的工作流程——例如共同规划、分析和执行——组织将需要重新思考工作如何结构化，以及上下文如何在系统间流动。

我们已经看到像 AskLio 和 HappyRobot 这样的公司正在这样做，它们将智能体部署到整个流程中，而非单一任务。

《财富》世界500强企业将最深刻地感受到这一变化：它们拥有最庞大的数据孤岛、机构知识和运营复杂性，其中大部分存在于人的头脑中。将这些背景转化为自主工作者的共享基础，将释放更快的决策、压缩的周期以及不再依赖持续人工微观管理的端到端流程。

这一转变也将迫使领导者重新构想角色和软件。新的职能将应运而生，例如 AI 工作流设计师、智能体主管以及治理负责人，他们负责协调和审计协同工作的数字员工团队。

而在当今的记录系统之上，企业将需要协调系统：新的管理层级来管理多智能体交互、裁决上下文，并确保自主工作流的可靠性。

人类将专注于处理边缘和最为复杂的案例。多智能体系统的崛起不仅仅是自动化进程中的又一步；它代表着企业运营方式、决策制定方式以及最终价值创造方式的重构。

消费级人工智能从“帮帮我”转向“看见我”

Bryan Kim—安德森·霍洛维茨基金的合伙人，主要投资于面向消费者的 AI 应用领域。

2026 年标志着主流消费级人工智能产品从提升效率转向连接情感 。人工智能不再是帮你完成工作，而是让你更清晰地认识自己，并帮助你建立更牢固的人际关系。

需要说明的是：这很难。许多社交 AI 产品推出后都以失败告终。但得益于多模态上下文窗口和推理成本的下降，AI 产品现在能够从你生活的完整脉络中学习，而不仅仅是你告诉聊天机器人的内容。想想那些记录真实情感时刻的相册、根据对话对象不同而变化的 1 对 1 聊天和群聊模式，以及在压力下发生变化的日常习惯。

一旦这些产品真正落地，它们将成为我们日常生活的一部分。总体而言，”看见我”类产品比”帮助我”类产品具有更好的内在留存机制。”帮助我”类产品通过离散任务的高支付意愿实现盈利，并优化订阅用户留存；而”看见我”类产品则通过持续连接的日常互动实现盈利：支付意愿较低，但使用模式更具留存性。

人们早已习惯用数据换取价值：问题在于他们获得的东西是否值得。而很快，答案将是肯定的。

新模型原语解锁了此前不可能存在的公司形态

Kimberly Tan—Andreessen Horowitz 的投资合伙人，专注于 SaaS 和 AI 领域的投资。

到 2026 年，我们将见证一批公司的涌现——它们在过去因推理能力、多模态交互和计算机使用等模型突破尚未实现而根本无法存在。

迄今为止，许多行业（如法律或客户支持）仅通过改进推理能力来增强现有产品。但直到现在，我们才开始看到那些核心产品能力从根本上由这些新模型原语所驱动的公司。

推理能力的进步可能带来全新能力，用于评估复杂的财务主张，或基于密集的学术/分析研究报告采取行动（例如处理账单纠纷）。

多模态模型使得从扎根于实体世界的行业中提取潜在视频数据成为可能（如从制造现场的摄像头获取数据）。而计算机使用能力则能在那些价值长期被桌面软件、低效 API 和零散工作流所束缚的大型行业中实现自动化。

向其他 AI 初创公司销售的 AI 初创公司实现了规模化发展。

James da Costa—Andreessen Horowitz 的合伙人，专注于投资 B2B 软件和金融服务领域。

我们正处在一个前所未有的公司创建浪潮中，这波浪潮由当前的 AI 产品周期推动。但与以往的产品周期不同，现有企业并未掉以轻心；它们也在积极采用 AI。那么，初创公司要如何取胜呢？

初创公司战胜现有企业最有力但也最被低估的途径之一，就是在企业成立之初为其提供服务：也就是那些从零起步的公司（即全新业务）。如果你能吸引所有新成立的公司，并与它们共同成长，那么当你的客户成长为大型企业时，你也会成为一家巨头。

Stripe、Deel、Mercury、Ramp 等公司都遵循了这一策略。事实上，当 Stripe 成立时，它的许多客户甚至还不存在。

2026 年，我们将看到那些从零起步的初创公司在众多企业软件类别中达到规模化。 只需打造更好的产品，并执着地专注于那些不受现有企业束缚的新客户即可。

隐私将成为加密领域最重要的护城河

阿里·叶海亚—a16z crypto 的普通合伙人

隐私是全球金融体系迁移至链上的关键特性，也是当今几乎所有区块链都缺失的功能。对大多数链而言，隐私充其量只是事后才被考虑的问题。

但如今，隐私本身已具备足够吸引力，足以让一条链从众多竞争者中脱颖而出。隐私还实现了一个更重要的功能： 它创造了链的锁定效应 ——可以说是一种隐私网络效应。尤其是在这个仅凭性能竞争已不足以取胜的时代。

得益于桥接协议，只要一切公开，在不同链之间转移资产就变得轻而易举。然而，一旦涉及隐私，情况就截然不同了：转移代币容易，转移秘密却很难。在进出隐私区域时，始终存在风险——那些监视链、内存池或网络流量的人可能会识破你的身份。跨越隐私链与公链（甚至两条隐私链之间）的边界，会泄露交易时间、规模关联等各种元数据，从而更容易追踪到特定用户。

与众多同质化的新链不同（这些链上的区块空间本质上已趋同，竞争将把费用压至接近零），具备隐私功能的区块链能够产生更强大的网络效应 。

现实情况是，如果一条”通用型”链尚未拥有蓬勃发展的生态系统、杀手级应用或不公平的分发优势，那么几乎没有任何理由让用户使用它或在其上构建应用——更不用说对其保持忠诚了。

当用户在公有区块链上时，他们很容易与其他链上的用户进行交易——无论加入哪条链都无关紧要。反之，当用户处于私有区块链时，他们选择的链就显得至关重要，因为一旦加入某条链，便不太可能迁移并承担可能暴露的风险。这便形成了”赢家通吃”的态势。由于隐私性对大多数实际应用场景至关重要，少数隐私链或将主导整个加密货币领域。

预测市场将变得更大、更广、更智能

安德鲁·霍尔—a16z 加密团队的研究顾问

预测市场已进入主流视野，而在未来一年，随着其与加密技术和人工智能的深度融合，它们将变得规模更大、范围更广、更智能——同时也为构建者带来亟待解决的新挑战。

首先，将会有更多合约上线。这意味着我们不仅能获取重大选举或地缘政治事件的实时赔率，还能追踪各类细枝末节的结果以及复杂交织的事件。随着这些新合约揭示更多信息并融入新闻生态，它们将引发重要的社会议题：如何平衡这类信息的价值，以及如何优化合约设计以提升透明度、可审计性等——而加密技术正能实现这些目标。

为了处理数量庞大的合约，我们需要新的方式来达成共识以解决合约纠纷。中心化平台仲裁（例如：某事件是否真实发生？如何核实？）固然重要，但像泽连斯基诉讼事件市场 和委内瑞拉选举市场 这类争议案例已暴露出其局限性。为了应对这些边缘案例，并使预测市场扩展到更有价值的应用场景，新型去中心化治理机制和 LLM 预言机将有助于为争议结果确立真相。

人工智能为预言机带来了超越 LLMs 的更多可能性。例如，在这些平台上交易的 AI 代理可以搜寻全球信号以获取短期交易优势，从而帮助人们发现看待世界的新视角，并预测接下来会发生什么（Prophet Arena 等项目已揭示了这一领域的前景）。除了作为可供我们查询洞察的精妙政治分析师，这些代理在审视其涌现的策略时，还可能揭示复杂社会事件根源预测因素的新特征。

预测市场会取代民调吗？不会；相反，它能让民调变得更好（民调信息也能反馈到预测市场中）。作为一名政治学家，我最兴奋的是预测市场如何与丰富活跃的民调生态系统协同运作——但我们需要借助人工智能等新技术来优化调查体验，以及利用加密货币等技术来提供证明受访者非机器人而是人类的新方式，等等。

互联网成为银行

克里斯蒂安·克劳利

随着智能体大规模涌现，越来越多的商业活动在后台自动完成，而非通过用户点击实现，那么货币——即价值——的流动方式也必须随之改变。在一个系统根据意图而非分步指令行动的世界里——因为 AI 智能体识别需求、履行义务或触发结果而转移资金——价值的流动必须像今天的信息一样快速自由。这正是区块链、智能合约和新协议大显身手的领域。

智能合约已经能在数秒内完成全球范围内的美元支付结算。但到 2026 年，像 x402 这样的新兴原语将使这种结算变得可编程且可响应。智能体之间可以即时、无需许可地为数据、GPU 算力或 API 调用相互支付——无需开具发票、对账或批量处理。开发者发布软件更新时，可附带内置的支付规则、限额和审计追踪——无需法币集成、商户注册或银行。预测市场能在事件发生时实时自行结算——赔率更新、智能体交易、收益在全球数秒内清算……无需托管方或交易所。一旦价值能够以这种方式流动，“支付流”就不再是一个独立的运营层，而成为一种网络行为。银行成为互联网基础管道的一部分，资产则成为基础设施。如果金钱成为互联网可以路由的数据包，那么互联网就不仅仅是支撑金融系统——它本身就成了金融系统。

隐私将成为加密领域最重要的护城河

Ali Yahya — a16z crypto 的普通合伙人（Farcaster 上@alive.eth | X 上@alive_eth）

隐私是全球金融体系迁移至链上的关键特性，也是当今几乎所有区块链都缺失的功能。对大多数链而言，隐私充其量只是事后才被考虑的问题。

但现在，隐私本身已足够引人注目，足以让一条链从其他所有链中脱颖而出。隐私还承担了一项更重要的使命：如果你愿意的话，可以称之为隐私网络效应。尤其是在一个仅仅在性能上竞争已不再足够的时代。

得益于桥接协议，只要一切公开，在不同链之间转移资产就变得轻而易举。然而，一旦涉及隐私，情况就截然不同了：转移代币容易，转移秘密却很难。在进出隐私区域时，始终存在风险——那些监视链、内存池或网络流量的人可能会识破你的身份。跨越隐私链与公链（甚至两条隐私链之间）的边界，会泄露交易时间、规模关联等各种元数据，从而更容易追踪到特定用户。

与众多同质化的新链不同（这些链上的区块空间本质上已趋同，竞争将把费用压至接近零），具备隐私功能的区块链能够产生更强大的网络效应 。现实情况是，如果一条”通用型”链尚未拥有蓬勃发展的生态系统、杀手级应用或不公平的分发优势，那么几乎没有任何理由让用户使用它或在其上构建应用——更不用说对其保持忠诚了。

当用户在公有区块链上时，他们很容易与其他链上的用户进行交易——无论加入哪条链都无关紧要。反之，当用户处于私有区块链时，他们选择的链就显得至关重要，因为一旦加入某条链，便不太可能迁移并承担可能暴露的风险。这便形成了”赢家通吃”的态势。由于隐私性对大多数实际应用场景至关重要，少数隐私链或将主导整个加密货币领域。

预测市场将变得更大、更广、更智能

安德鲁·霍尔—a16z 加密团队的研究顾问

预测市场已进入主流视野，而在未来一年，随着其与加密技术和人工智能的深度融合，它们将变得规模更大、范围更广、更智能——同时也为构建者带来亟待解决的新挑战。

首先，将会有更多合约上线。这意味着我们不仅能获取重大选举或地缘政治事件的实时赔率，还能追踪各类细枝末节的结果以及复杂交织的事件。随着这些新合约揭示更多信息并融入新闻生态，它们将引发重要的社会议题：如何平衡这类信息的价值，以及如何优化合约设计以提升透明度、可审计性等——而加密技术正能实现这些目标。

为了处理数量庞大的合约，我们需要新的方式来达成共识以解决合约纠纷。中心化平台仲裁（例如：某事件是否真实发生？如何核实？）固然重要，但像泽连斯基诉讼事件市场 和委内瑞拉选举市场 这类争议案例已暴露出其局限性。为了应对这些边缘案例，并使预测市场扩展到更有价值的应用场景，新型去中心化治理机制和 LLM 预言机将有助于为争议结果确立真相。

人工智能为预言机带来了超越 LLMs 的更多可能性。例如，在这些平台上交易的 AI 代理可以搜寻全球信号以获取短期交易优势，从而帮助人们发现看待世界的新视角，并预测接下来会发生什么（Prophet Arena 等项目已揭示了这一领域的前景）。

除了作为可供我们查询洞察的精妙政治分析师，这些代理在审视其涌现的策略时，还可能揭示复杂社会事件根源预测因素的新特征。

预测市场会取代民调吗？不会；相反，它能让民调变得更好（民调信息也能反馈到预测市场中）。

作为一名政治学家，我最兴奋的是预测市场如何与丰富活跃的民调生态系统协同运作——但我们需要借助人工智能等新技术来优化调查体验，以及利用加密货币等技术来提供证明受访者非机器人而是人类的新方式，等等。

以更加密原生的方式思考真实世界资产的代币化以及稳定币问题。

盖伊·伍利特—安德森·霍洛维茨基金（Andreessen Horowitz）的普通合伙人，专注于加密领域的基础设施和应用层投资

我们看到银行、金融科技公司和资产管理公司对将美国股票、大宗商品、指数及其他传统资产上链表现出浓厚兴趣。随着更多传统资产上链，代币化通常是拟态式的——植根于当前对真实世界资产的认知，并未充分利用加密原生的特性。

然而，永续期货等合成表现形式能带来更深的流动性，且通常更易实施。永续合约还提供了易于理解的杠杆，因此我认为它们是产品市场契合度最强的加密原生衍生品。同时，我认为新兴市场权益是永续化最具吸引力的资产类别之一。（某些权益的零到期日期权市场，其交易流动性往往比现货市场更深，这将是永续化的一个有趣实验。）

一切都归结为“ 永续化 vs. 代币化 ”的问题；但无论如何，我们应在新的一年看到更多加密原生的 RWA（真实世界资产）代币化。

类似地，到2026年，在稳定币领域（该币种已于2025年成为主流），我们将看到更多“创造而非仅仅代币化”的趋势；流通中的稳定币发行量将持续增长。

但缺乏强大信用基础设施的稳定币，看起来就像只持有特定高流动性安全资产的狭义银行。虽然狭义银行是一种有效的产品，但我认为从长远来看，它不会成为链上经济的支柱。

我们看到许多新的资产管理机构、托管方和协议开始推动基于链下抵押品的链上资产抵押贷款。这些贷款通常先在链下发起，随后进行代币化处理。我认为代币化在此场景中优势有限，或许仅能惠及已存在于链上的用户群体。

因此，债务资产应当直接在链上发起，而非在链下发起后再进行代币化。链上发贷能降低贷款服务成本、后台结构成本，并提升可及性。当前面临的挑战在于合规与标准化，但开发者已着手解决这些问题。

将加密货币企业视为中转站，而非终点站

阿里安娜·辛普森— a16z crypto 的普通合伙人（X 平台账号：@AriannaSimpson）

如今除了稳定币和部分核心基础设施外，几乎所有表现良好的加密公司都已转向或正在转向交易业务。

但如果”每家加密公司都变成交易平台”，那么其他人该何去何从？如此多的参与者都在做同一件事，会蚕食大多数人的心智份额，最终只留下少数赢家。这意味着那些过早转向交易的公司，错失了构建更具防御性和持久性业务的机会。

虽然我非常理解那些努力让业务财务数据达标的创业者们，但一味追求即时的产品市场契合度也是有代价的。这个问题在加密货币领域尤为突出——围绕代币和投机的独特动态，可能引导创业者在寻找产品市场契合度的旅程中走上即时满足的道路……这就像一场棉花糖测试。

交易本身并无过错——它是重要的市场功能——但它不一定是最终归宿。那些专注于产品市场契合度中”产品”部分的创业者，最终可能成为更大的赢家。

从了解你的客户（KYC）到“了解你的代理”（KYA）

肖恩·内维尔— Circle 的联合创始人及 USDC 的架构师；Catena Labs 的首席执行官

智能体经济的瓶颈正从智能转向身份 。

在金融服务领域，“非人类身份”现在以 96 比 1 的比例超过人类员工——然而这些身份仍然是未被银行服务的幽灵。这里缺失的关键基础是 KYA：了解你的代理。

正如人类需要信用评分才能获得贷款，代理将需要加密签名的凭证来进行交易——将代理与其委托人、约束条件和责任联系起来。在这一点实现之前，商家将继续在防火墙处阻止代理。那个花了数十年建立 KYC 基础设施的行业，现在只有几个月的时间来弄清楚 KYA。

更优质、更智能的稳定币出入金通道

Jeremy Zhang—a16z 加密团队的全栈网页开发人员

稳定币去年交易量估计达 46 万亿美元 ，持续刷新历史纪录。这一数字相当于 PayPal 交易量的 20 倍以上；接近全球最大支付网络 Visa 交易量的 3 倍；并正逼近美国 ACH（用于直接存款等金融交易的电子网络）的交易规模。

如今，你可以在不到一秒钟内以不到一分钱的成本发送稳定币。然而，尚未解决的问题是如何将这些数字美元与人们日常实际使用的金融轨道连接起来——换句话说，就是稳定币的出入金通道。

新一代初创企业正填补这一空白，将稳定币与更熟悉的支付体系及当地货币相连接。有些企业运用密码学证明，让用户能以私密方式将本地余额兑换为数字美元；有些则整合了基于二维码、实时支付通道等功能的区域网络，实现银行间转账；而另一些企业正在构建更具互通性的全球钱包层和发卡平台，让用户能在日常商户处使用稳定币消费。

这些路径共同拓展了数字美元经济的参与范围——并可能加速稳定币作为主流支付工具的普及进程。

稳定币解锁银行账本升级周期——以及新的支付场景

Sam Broner—a16z 加密团队的投资合伙人。

普通银行运行的软件对现代开发者来说简直难以辨认：早在 20 世纪 60 至 70 年代，银行就率先采用了大型软件系统。第二代核心银行软件始于 20 世纪 80 至 90 年代（例如 Temenos 的 GLOBUS 和 Infosys 的 Finacle）。

但这些软件已经老化，升级速度过于缓慢。因此，银行业——尤其是追踪存款、抵押品及其他债务的关键核心账本数据库——至今仍常运行在大型主机上，使用 COBOL 编程，并采用批处理文件接口而非 API。

全球绝大多数资产仍存在于那些同样有数十年历史的核心账本上。尽管这些系统经过实战检验、受监管机构信任，并深度融入复杂的银行业务场景，但它们也阻碍了创新。添加实时支付等关键功能可能需要数月甚至数年时间，并且需要应对层层技术债务和监管复杂性。

这正是稳定币的用武之地。过去几年不仅是稳定币找到产品市场契合点并进入主流视野的时期，今年传统金融机构更是以前所未有的程度接纳了它们。

稳定币、代币化存款、代币化国债以及链上债券，使银行、金融科技公司和金融机构能够开发新产品、服务新客户。更重要的是，它们无需迫使这些机构重写其遗留系统——这些系统虽然老旧，但已可靠运行数十年。因此，稳定币为机构创新提供了一条新路径。

消息传递的（近）未来不仅是抗量子加密，更是去中心化

肖恩·麦克—MTP Labs 的联合创始人兼首席执行官

随着世界为量子计算做准备 ，许多基于加密技术的消息应用（如苹果、Signal、WhatsApp）已率先行动，都做出了卓越贡献。问题在于，所有主流即时通讯软件都依赖我们信任由单一组织运营的私有服务器。这些服务器极易成为政府关闭、植入后门或胁迫交出隐私数据的目标。

如果一个国家可以关闭你的服务器，如果一家公司握有私有服务器的密钥，甚至如果一家公司掌控着 私有服务器——那么量子加密还有什么意义？私有服务器需要“信任我”——但没有私有服务器则意味着“你无需信任我”。通信不需要任何单一公司作为中介。

消息传递需要开放协议，我们无需信任任何人。实现这一目标的途径是去中心化网络：没有私有服务器，没有单一应用，全部开源代码，并采用顶级加密技术——包括能够抵御量子威胁的加密。

在开放网络中，没有任何个人、公司、非营利组织或国家能够剥夺我们的通信能力。即便某个国家或公司关闭了一个应用，第二天就会涌现出500个新版本。关闭一个节点，也会有经济激励（得益于区块链等技术）促使新节点立即取而代之。

当人们像拥有自己的金钱一样拥有自己的信息—— 通过一把密钥 ——一切都会改变。应用可能会来来去去，但人们始终能掌控自己的信息和身份。终端用户现在可以拥有自己的信息，即使应用本身不属于他们。

这不仅仅是抗量子计算和加密技术的问题，而是关乎 所有权 和去中心化。如果缺少这两者，我们所做的一切不过是在构建即便无法破解、却依然可以被关闭的加密系统而已。

从”代码即法律”到”规范即法律”

Daejun Park— a16z 加密部门的高级区块链安全工程师，致力于为 Web3 安全开发形式化方法和工具，帮助投资组合公司乃至整个 Web3 社区提升安全标准。

近期的去中心化金融攻击事件，目标都是那些拥有强大团队、经过严格审计且已稳定运行多年的成熟协议。这些事件凸显了一个令人不安的现实：当下的标准安全实践在很大程度上仍依赖经验法则和个案处理。

若要走向成熟，去中心化金融安全需要从漏洞模式转向设计级属性，从“尽力而为”转向“遵循原则”的方法：

• 在静态/预部署阶段（测试、审计、形式化验证），这意味着需要系统地证明全局不变性，而非仅验证人工挑选的局部不变性。目前多个团队正在构建的 AI 辅助证明工具，能够帮助编写规范、提出不变性假设，并承担大量曾使得这一过程因成本过高而难以推广的手动证明工程工作。

• 在动态/部署后阶段（运行时监控、运行时执行等），这些不变条件可以转化为实时护栏：最后一道防线。这些护栏将直接编码为每笔交易必须满足的运行时断言。

因此，现在我们不再假设所有漏洞都已被捕获，而是在代码本身中强制执行关键安全属性，自动回滚任何违反这些属性的交易。

这并非只是理论。在实践中，迄今为止几乎每一次漏洞利用都会在执行过程中触发这些检查中的某一项，从而可能阻止黑客攻击。

因此，曾经流行的”代码即法律”理念演变为”规范即法律”：即便是新型攻击也必须满足维持系统完整性的相同安全属性，因此唯一剩下的攻击要么微乎其微，要么极难实施。

作为一名数理经济学家，今年一月时，要让消费级 AI 理解我的工作流程都相当困难；但到了十一月，我已经能像指导博士生那样向模型下达抽象指令…而它们有时能给出新颖且执行准确的答案。除了我的亲身实践，我们正见证 AI 更广泛地应用于科研领域——尤其是在需要多步逻辑推理的场景，模型不仅直接辅助科学发现，还能挑战（或许是全球最难的高等数学考试）这类难题。

这种研究助手将在哪些领域发挥最大作用，以及如何发挥作用，目前仍是未解之谜。但我预期人工智能研究将催生并奖励一种新型的通才研究风格：这种风格偏好对观点之间的关联进行推测，并能从更具猜测性的答案中快速推断延伸。

这些答案可能不够精确，但至少能指向正确的方向（在某些拓扑结构下）。讽刺的是，这有点像利用模型幻觉的威力：当模型变得足够”聪明”时，给予它们抽象空间进行发散思考，虽然可能产生无意义的输出——但有时却能打开发现的突破口，正如人类在非线性、目标不明确的思维状态下反而最具创造力。

以这种方式进行推理将需要一种新型的 AI 工作流程——不仅涉及智能体之间的协作，更要构建”智能体嵌套智能体”的层级架构，即通过多层模型协助研究者评估早期模型的研究路径，逐步从海量信息中提炼真知灼见。我本人已在实践这种工作范式，其他研究者则将之用于专利检索、新型艺术形态创作，甚至（不幸的是）发现了新型智能合约攻击路径。

然而：要运行用于研究的包裹式推理智能体群组，需要在不同模型间建立可信执行环境，并设计可量化每个模型具体贡献的归属机制——这两个难题恰是加密货币的用武之地。

开放网络面临的隐性税负

Elizabeth Harkavy— a16z 加密投资团队的合伙人

AI 代理的崛起正在对开放网络施加一种隐性税负，从根本上动摇了其经济基础。这种破坏源于互联网上下文层与执行层之间日益加剧的错位：当前，AI 代理从依赖广告收入的网站（即上下文层）提取数据，在为用户提供便利的同时，系统性地规避了为内容提供资金支持的收益流（如广告和订阅）。

为防止开放网络的衰落，并保护支撑人工智能自身的多样化内容，我们需要大规模部署技术和经济解决方案。这可能包括新一代赞助内容、微归因系统或其他新型融资模型。现有的人工智能授权协议也被证明是财务上不可持续的权宜之计，通常仅以内容提供商因人工智能蚕食流量而损失的收入的一小部分作为补偿。

互联网需要一种新的技术经济模式，使价值能够自动流转。未来一年关键的转变将是从静态授权转向基于实时使用量的补偿。这意味着测试和扩大系统规模——可能利用区块链支持的纳米支付和精密的归因标准——来自动奖励每个为智能体成功完成任务贡献信息的实体。

“抵押媒体”的崛起

Robert Hackett—a16z 加密基金的运营合伙人兼内容与编辑主管，致力于打造以 Web3 为核心的媒体业务体系。

传统媒体模式——及其（所谓的）客观性——的裂痕早已显现。互联网赋予每个人发声的机会，如今越来越多的运营者、实践者和建设者直接面向公众发表观点。他们的视角反映了他们在世界中的利害关系，而反直觉的是，观众往往并非因为他们的兴趣而尊重他们，而是因为坦率承认这些兴趣。

这里的新变化并非社交媒体的兴起，而是密码学工具的到来——它们让人们能够做出公开可验证的承诺。随着人工智能可以生成无限内容——从任何视角或身份（真实的或虚构的）声称任何事情——仅仅依赖人们（或机器人）所说的话，可能已显得不够充分。

代币化的资产、可编程锁定机制以及链上历史记录，为信任提供了更坚实的基础：一位评论者可以发表论点，同时证明自己确实在“用钱说话”。

一位播客主播可以锁定代币，以表明自己并非机会主义地“快进快出”或“拉高出货”。一位分析师可以将预测与公开结算的市场挂钩，从而创建一份可审计的业绩记录。

这是我称之为“质押媒体”的雏形：这是一种不仅接纳“利益攸关”理念，更能提供实证的媒体形态。在这种模式下，可信度既非源于假装超然物外，也非来自空口无凭的主张；而是源于你能够公开透明、可供核验的利益承诺。

质押媒体不会取代其他媒体形式，而是对现有体系的补充。它传递着全新信号：不仅是“请相信我，我是中立的”，更是“这是我愿意承担的风险，以及你如何验证我所说的是真话”。

随着这些进出通道日益成熟，数字美元直接接入本地支付系统和商户工具，新的行为模式将涌现：跨境实时支付工资成为可能；商户无需银行账户即可接收全球美元支付；应用程序能即时向任何地点的用户结算价值。稳定币将从利基金融工具，根本性地转变为互联网的基础结算层。

加密技术为区块链之外的应用提供了一种新的基础工具

Justin Thaler—a16z 的研究合伙人，同时也是乔治城大学计算机科学系的副教授

多年来，——一种无需重新执行计算就能验证其正确性的密码学证明——基本上只是区块链专属技术。它的开销实在太高了：生成一次计算证明所需的工作量可能比直接运行计算要多出100万倍。当你在数千个验证节点之间分摊成本时，这种技术是值得的，但在其他任何场景下都显得不切实际。

这种情况即将改变。到 2026 年，zkVM 证明器的开销将降至约 10,000 倍，内存占用仅需几百兆字节——速度快到可以在手机上运行，成本低到可以随处部署。以下是 10,000 倍可能成为神奇数字的一个原因：高端 GPU 的并行吞吐量比笔记本电脑 CPU 高出约 10,000 倍。到 2026 年底，单个 GPU 将能够实时生成 CPU 执行的证明。

这可能开启一个愿景：。如果你出于某些原因（比如计算强度不足以使用 GPU、缺乏相关专业知识，或是遗留系统问题）仍在云端运行 CPU 工作负载，那么你将能够以合理的成本获得计算正确性的密码学证明。证明生成器本身已针对 GPU 进行了优化，你的代码无需做任何改动。

我们将用 AI 完成实质性研究任务

Scott Duke Kominers—a16z 加密领域的研究合伙人

‘机密即服务’

Adeniyi Abiodun—Mysten Labs 的首席产品官兼联合创始人。

每一个模型、智能体以及自动化系统的背后，都存在着一个简单的依赖关系：数据。然而，如今绝大多数数据管道——无论是输入模型还是模型输出的数据——都是不透明、可变且不可审计的。

这种情况在某些消费类应用中尚可接受，但对于许多行业和用户（如金融与医疗领域）而言，企业必须确保敏感数据的私密性。同时，这也极大地阻碍了当前试图将现实世界资产代币化的机构的发展进程。

那么，我们如何在保障安全、合规、自主且全球互通的创新的同时，维护隐私权呢？方法众多，但本文将聚焦于数据访问控制：谁掌握敏感数据？数据如何流转？又有谁（或什么）能够访问这些数据？

缺乏数据访问控制机制，当前任何希望保持数据机密性的个人都不得不使用中心化服务或自建定制方案——这不仅耗时且成本高昂，更阻碍传统金融机构及其他主体充分利用链上数据管理的特性与优势。随着用户开始自主浏览、交易和决策，各行业的用户与机构都需要密码学层面的保障，而非”尽力而为的信任”。

因此，我认为我们需要”秘密即服务”：能够提供可编程、原生数据访问规则的新技术；客户端加密；以及去中心化的密钥管理，强制执行谁可以在何种条件下、在多久时间内解密什么内容……这一切都在链上执行。

结合可验证的数据系统，秘密便能成为互联网基础公共基础设施的一部分——而非一个事后才添加隐私保护的应用程序层补丁——从而使隐私成为核心基础设施。

面向所有人的财富管理

Maggie Hsu— a16z crypto 的市场推广负责人

个性化财富管理服务传统上仅限于银行的高净值客户：提供量身定制的建议并跨资产类别个性化投资组合，既成本高昂又操作复杂。但随着更多资产类别实现代币化，加密基础设施使得策略——通过 AI 推荐和辅助工具实现个性化——能够以极低成本即时执行和再平衡。

这远不止是智能投顾：如今人人都能进行主动型投资组合管理，而不只是被动管理。2025 年，传统金融(TradFi)增加了对加密货币的投资组合敞口（银行通过直接或间接方式配置 2-5%），但这只是开始；到 2026 年，我们将看到专为”财富积累”（而非仅仅”财富保值”）而构建的平台——金融科技公司（如 Revolut 和 Robinhood）以及中心化交易所（如 Coinbase）正利用其技术栈优势抢占更多市场份额。

与此同时，去中心化金融(DeFi)工具（如 Morpho Vaults）会自动将资产配置到具有最佳风险调整收益的借贷市场，为核心投资组合提供收益型配置。将剩余流动性资产以稳定币（而非法定货币）形式持有，以及投资代币化货币市场基金（而非传统货币市场基金），将进一步拓展收益的可能性空间。

最后，散户投资者如今能更便捷地接触更多流动性较低的私募市场资产，如私募信贷、上市前公司股权及私募股权，因为代币化在保持合规与报告要求的同时，助力解锁这些市场。随着平衡投资组合中的各类资产（按风险谱系从债券、股票到私募及另类投资）逐步实现代币化，它们可自动进行再平衡，无需进行电汇等操作。

互联网成为银行

Christian Crowley—a16z加密领域的业务发展合伙人

随着智能体大规模涌现，越来越多的商业活动在后台自动完成，而非通过用户点击实现，那么货币——即价值——的流动方式也必须随之改变。在一个系统根据意图而非分步指令行动的世界里——因为 AI 智能体识别需求、履行义务或触发结果而转移资金——价值的流动必须像今天的信息一样快速自由。这正是区块链、智能合约和新协议大显身手的领域。

智能合约已经能在数秒内完成全球范围内的美元支付结算。但到 2026 年，像 x402 这样的新兴原语将使这种结算变得可编程且可响应。智能体之间可以即时、无需许可地为数据、GPU 算力或 API 调用相互支付——无需开具发票、对账或批量处理。

开发者发布软件更新时，可附带内置的支付规则、限额和审计追踪——无需法币集成、商户注册或银行。预测市场能在事件发生时实时自行结算——赔率更新、智能体交易、收益在全球数秒内清算……无需托管方或交易所。

一旦价值能够以这种方式流动，“支付流”就不再是一个独立的运营层，而成为一种网络行为。银行成为互联网基础管道的一部分，资产则成为基础设施。如果金钱成为互联网可以路由的数据包，那么互联网就不仅仅是支撑金融系统——它本身就成了金融系统。

释放区块链的全部潜力……当法律架构最终与技术架构相匹配时

迈尔斯·詹宁斯—担任 a16z crypto 的总法律顾问及去中心化业务主管

十年间，在美国构建区块链网络的最大就是法律不确定性之一。证券法被曲解并有选择性地执行，就像创业者们置身于为“公司”网络”设计的监管框架中。多年来，规避法律风险取代了产品战略；工程师沦为配角，律师主角成了。

这一事件导致了扭曲现象：创始人被要求避免透明化，代币分配在法律上变得公平，治理沦为形式主义，组织结构为法律掩护和优化，代币设计刻意规避经济价值/缺乏商业模式。更糟糕的是，那些游走边缘规则的加密项目往往跑赢了诚信建设的团队。

但加密货币市场结构监管——政府比以往任何时候都更接近——有望在接下来消除所有这些扭曲。若获悉，该立法将要求透明化、建立明确标准，并以更明确的融资、代币发行和去中心化路径取代“监管轮盘赌”。在GENIUS协议之后，稳定币的普及已呈现增长式现象；而围绕加密市场结构的立法将带来更重大的转变，不过这次是针对网络方面。

换言之，这样的监管使得区块链网络能够像网络一样运作——开放、自治、可组合、可信中立且去中心化。

如果初创企业能做一些现有大型成功企业无法做到或不愿做的事情，那么它就能击败这些企业。以下是这些事情。

一家初创公司要击败行业巨头似乎是不可能的。

在位者拥有一切：资金、品牌、客户、销售团队、每月产生数千条线索的营销活动，以及持续交付产品的产品和工程团队。他们从庞大的现有客户群中挖掘创意，然后构建恰到好处的功能，并为此收费。

他们的全天候支持团队提供的服务比穿着睡衣在家工作的人更快、更好。他们不必构建基础功能，也不必在 Twitter 上询问如何管理国际销售税。他们可以专注于创新。

当然，如果你曾在大公司工作过，就会知道尽管这些情况大多属实，但实际感受并非如此。 大公司很少是运转高效的创新机器，也绝不会让你觉得自己一直在不断超越竞争对手。

当我们分析现有企业为何脆弱时，就能发现初创企业可以利用的机会，从而取得胜利，而尽管现有企业拥有各种优势，却往往对此无能为力：

• 承担无法量化的风险

• 瞄准有利可图的细分市场

• 做一些令人愉悦且有价值但无法规模化的事情

• 无与伦比的客户服务

• 利用新技术

• 做出重大改变

• 拥有鲜明个性

• 做非零和博弈之事

• 在多数维度上虽逊色但尚可接受

• 针对利润中心保持低成本

模式：每个大公司的优势都会产生可被利用的弱点

大公司无法像上述那样高效运作的原因是规模化带来的问题会以超线性的方式变得更难处理 。

当你正在考虑下一个功能应该是什么，或者准备推出第二款产品，又或者依靠口碑实现免费增长时，拥有十万客户是一项优势。

但当你想要在产品上进行创新时，拥有大量客户反而是一种劣势，因为没有客户早上醒来会说：“哇，我希望我习惯使用的软件今天能发生巨大改变。”

客户不想学习新的用户界面。客户有他们需要适应的工作流程。支撑这十万客户的旧技术不支持最新的技术。你必须更新文档和视频，以及需要重新培训的支持和销售团队。即使是一个简单的改动也可能 困难且昂贵 ，而且肯定回报率低。

除了“规模”，大公司还必须适应初创公司可以忽略的事情。

例如，还有法务部门。初创公司会做各种违法的事情。大多数初创公司没有正确缴税，有时甚至完全不缴税，尤其是在其他国家。初创公司不遵守所使用的所有产品的可接受使用政策。初创公司没有安全团队在发送敏感数据前审核供应商，或在将库集成到代码库前进行审核，导致他们所谓的“秘密知识产权”都变成了开源代码。

因此，初创企业不仅行动更快——这是大多数人所描述的——而且他们可以完全跳过大型公司无法做的事情。例如，优步决定通过从事非法行为来实现增长。

而现有的出租车公司则遵守法律，因此输掉了竞争。你可能会说这不公平。你也可以说，这正是监管应该防止的情况。但现实是，初创企业经常无视法律，而这可能成为他们的优势。

初创企业获胜的方式，就是去做那些现有企业不能或不愿做的事情。

那么，让我们来看看如何攻击他们无法防守的地方。

承担无法量化的风险

大型公司决定承担风险的方式，例如推出新产品线或进入新市场，是创建一份对机会的详细分析和成本估算。然后做出决策：

1. 这是否是一个好的投资回报率？(潜在收入除以成本)

2. 我们是否确信失败的风险很低？

初创企业如何利用这一决策过程呢？

从决策（1）开始，这种分析通常是错误的。到处都有研究数据——如果你曾在大型公司工作过，你自己的经验也会告诉你——大多数开发项目都会严重延期且超出预算，而且最终结果通常也比预期更差。ROI 的分子和分母两方面都变得更糟。

我在一篇关于如何正确进行投资回报率（ROI）分析的文章中详细讨论了该如何应对这种情况。 如何正确进行 ROI 分析 。

因此，无论哪些项目在传统的成本效益分析中看起来回报率低， incumbent（既得利益者）都不太可能去做，尽管这样做很可能（a）拒绝了真正好的创意，（b）接受了那些较弱但更直接的创意，仅仅因为这些创意更容易进行回报率分析。而选择“看似”低回报率项目的初创企业，很可能不会面临来自既得利益者的竞争。

有了决策（2），大公司即使结果可能很大，也不喜欢承担大风险。失败的恐惧比创新的渴望，甚至成功的贪婪，要强烈一个数量级。原因之一是核心业务可能进行得不错，你“不想搞砸它”。

另一个原因是没人想成为那个提出、争取，然后又主持了一场数百万美元失败项目的人。还有一个原因是，反正我们谁也不知道“大风险”到底是什么，因为即使是专家也无法预测会发生什么 ，而且我们也不知道如何谈论风险 ，或者衡量风险 ，即使在事后回顾时也是如此。

在大公司里，说”让我们收集更多数据”和”让我们等待共识”比冒险更安全。

但创新的事物往往伴随着高风险或未知风险。因此，初创公司可以选择那些风险较高、或风险难以确定，但潜在回报很高，且现有企业不太可能跟进的事情。

“高风险”意味着我们知道成功的概率，而且这个概率很低。”不确定性”则是未知的风险，意味着我们根本不知道这个概率是多少。尽管两者不同，但在这个语境下它们的结果是一样的：冒险太可怕了。

事实上，这正是我在一般工作规划中所推荐的，即在选择和优先排序“大石头”与“小石子” 时的做法，其中那些能够“产生重大影响的‘大石头’” 应根据潜在成果来选择，而非投资回报率（ROI），而“小石子”则确实应以 ROI 为依据。

初创企业可以做到这一点，而 incumbent 通常则过于畏惧。

没关系，后来 incumbent 可以以收入的 10 倍价格收购你。

解决利基市场

一家想要拓展新市场或推出新产品线的现有企业，必须投入大量资金和人力——即便对他们而言，这也是一笔巨额投资。他们需要从这笔投资中获得怎样的回报呢？

答案是：它必须显著影响他们的增长率。

一个经验法则就是，它至少应该能增加其总收入的10%；有些人称这个为“重要性门槛”。然而，随着（感知到的）风险或（实际的）投资增加，这个数值也会提高。对于年收入达数亿美元的现有企业来说，这意味着该产品线必须有较大把握带来5000万至1亿美元的收益，否则他们甚至不会尝试（也不应该尝试）。

以我们的规模，我们只能看到少数几个值得投资的好项目。如果我们规模更小，就能看到很多好的项目。
—沃伦·巴菲特。

另一个能设定重要性门槛的财务指标是损益表上的某个比率。

一家规模化运营的软件公司 通常会将其收入的约 20%投入研发（R&D），研发包括产品、工程和设计等部门。一个全员配置齐全的团队，包括薪资、税费、软件、硬件、培训、管理、差旅、办公场地等各项开支，每年的成本可能超过 200 万美元。

如果这笔开支占收入的 20%，那么该团队每年至少需要创造 1000 万美元的收入，这意味着他们所开发的产品本身必须实现这一收入目标，即使该产品只是一个小型附加功能，或者只是大型产品中的一个子模块。

显然，这一情况会因地理位置、劳动法、税法以及团队规模和构成的不同而有所差异；上述估算基于美国地区，假设团队由8名工程师、1名产品经理、1名设计师和1名管理者组成，并为了论述简洁而进行了四舍五入。

当然，一家小型初创公司并不会这样看待问题。一个由两位创始人和一名员工组成的团队并不会想着“我们必须每年赚取1000万美元，否则就是失败！”。这意味着初创公司可以专注于一个无需创造1000万美元收入的利基市场；它可能只需要创造100万美元的收入即可。

初创公司可以专注于一个利基市场和理想客户画像（ICP），而大公司则无法负担去瞄准这些市场，原因可能是这些利基市场无法达到公司整体收入的重要性门槛，或者无法满足单个团队的损益（P&L）目标。

有了这种专注，初创公司就不会面临来自现有企业的直接竞争。事实上，现有企业规模越大，初创公司就越不需要担心竞争问题。

感觉很棒。

做那些无法规模化的事情

WP Engine 是我们所在市场中首个支持 LetsEncrypt 的公司。 4 我们知道几乎所有客户都会想要这项功能。我们很想大力推广它，但当时我们已经处于规模化发展的阶段，拥有十万客户，他们都有可能在第一天就使用这项功能。

4如果你不熟悉这项网络技术，也不用担心——具体细节对这个故事并不重要。总之：这是一个非常受欢迎的功能，如今已经变得无处不在。

因此，在发布之前，它必须具备可扩展性。这意味着要将各个组件分解成队列，以防流程中某个步骤比其他步骤更快，或者某个环节出现故障，需要在系统继续运行前进行修复。我们必须监控这些队列，如果故障持续时间过长，就向相关人员发送警报。

我们还需要进行大规模测试，确保在同时处理1000个随机故障请求时系统仍能正常运行。我们必须对技术支持团队中数百名员工进行培训，以应对预期问题；对销售团队中数百名员工进行培训，教他们如何利用这一系统促进销售；并与市场团队合作，确定如何传达相关信息。

我们必须确保系统几乎没有任何漏洞，因为如果有成千上万人开始使用，而其中10%的人遇到漏洞，我们的支持团队将不堪重负，数百人会在推特上抱怨。

我们在这些方面投入数月时间是明智的；发布第一天，确实有数千人开始使用它，第一个月用户数达到数万，确实有些组件出现了故障，许多人在技术支持中提出问题。而结果，人们在推特上对我们表示赞扬。

拥有庞大客户群的好处在于，你可以在第一天就拥有1000名用户，第30天就能达到1万名。在这个案例中我们免费提供了服务，但通常来说，现有企业可以在短期内创造100万美元甚至1000万美元的年度经常性收入。初创公司无法做到这一点。

但初创公司可以在几周内推出产品并快速迭代。我们不得不埋头苦干大半年。因此另一个创业机会随之浮现：初创公司无需在规模化状态下运营。

你可能会说：大公司仍然可以制作产品的测试版本，展示给几十个客户，并在此基础上迭代。确实，我们也会这样做；这是个明智的流程。然而，大公司不愿做的是：花费数年时间才达到 100 万美元年度经常性收入，再用几年达到 500 万美元，然后再用几年达到 2000 万美元。对获取”实质性”收入而言，这个周期实在太漫长了，而且无法充分利用他们规模化资产的优势。

但刚才提到的增长曲线对初创公司来说是理想的；实际上，这是一种非常成功的增长率。它让产品有时间站稳脚跟，慢慢达到规模化阶段。这是一条合理、有趣且可行的路径。没有人知道你的存在；这对销售不利，但对在不损害声誉的情况下进行迭代却是有利的。

因此，如果某个产品想法从一开始就天然容易规模化，那么现有企业很容易复制它。但如果产品从一开始就天然难以规模化，这对初创公司来说是理想的。

创始人及工程师提供的无与伦比的客户服务

在 WP Engine，我每天亲自处理支持工单，直到公司发展到大约 35 人；这对于以客户为中心的创始人来说是典型的。没有比在产品出问题或不符合用户期望时与他们交流更好的方式来理解人们如何与产品互动。你会获得功能灵感，理解如何简化产品以及如何提高用户留存率。

客户对您提供的支持质量和解决问题的能力印象深刻。这是那些拥有上千名技术支持代表的大公司无法比拟的。虽然并非所有初创公司都热衷于提供卓越的支持服务，但那些真正重视的公司，其支持水平自然且毫不费力地比大型现有企业高出几个数量级。这是人人都能获得的竞争优势。

如果说这些对客户和产品开发的好处还不够，它还能培养客户真正的喜爱和忠诚。这种喜爱意味着当您遇到问题时，客户会给予宽容；看看那些小而可爱的公司遭遇重大故障或安全问题时，社交媒体上涌现的大量支持性推文就知道了。

它还会转化为口碑宣传，因为客户自然会投桃报李，因此卓越的支持服务能以低成本实现增长。 喜爱是“支付意愿”的最佳形式。

哪些现有企业无法与之竞争。

随着初创公司的发展壮大，它会逐渐失去这一优势。我清楚地记得，在 WP Engine 的过去 16 年里，每当有新竞争对手吹嘘他们的“卓越技术支持”时，WP Engine 虽然客观上依然拥有世界级的支持服务，但那毕竟无法与创始人亲自关注客户所带来的体验相提并论！

5曾赢得十二项斯蒂芬奖（Stevie Awards），并保持 98%的客户满意度（CSAT）。

你也可以选择永远不做到那么大，将重点放在盈利和效率上，而非收入和规模，从而让“支持服务”成为一种持久的竞争优势。

无论你选择哪种未来，这仍然是一个极好的起点。

利用新技术

当一项技术刚出现时，使用它的风险很高。

也许五年后它就不再得到支持。也许你无法雇佣到数十名熟悉它的工程师。也许它会出现重大的安全问题。也许它在”Hello, World!”这种简单案例中表现良好，但无法扩展到大规模应用。也许它对单个开发者来说很高效，但三十人协作时就变得过于困难。这些都是现有企业避免采用新技术的绝对正确理由。

事实上，它必然会存在许多安全问题……关键在于这些问题能否被及时发现并解决。

但初创公司没有这些顾虑。这并不是因为大公司错了，而是因为它们面临的约束条件不同。真正会扼杀初创公司的，不会是技术栈；而是很难找到客户，或者客户没有预算来解决这个问题，又或者是竞争太激烈，或者资金耗尽，亦或是其他任何达到产品与市场契合度（Product/Market Fit）所必需的因素。

新技术常常能创造竞争优势。新技术能让某些事情变得更高效，或者实现以前不可能做到的事情，就像目前的人工智能 （AI）案例。

初创企业正在为这项技术承担风险。如果你依赖某个新的开源项目，而它最终没有流行起来，你可能会开发出一个基于不再受支持的平台的产品，即使你是一家小型初创企业，这也很糟糕。

然而，假设到那时公司还没有倒闭，最坏的情况会是什么？那就是五年后，你已经建立了一家可持续发展的公司，但现在却不得不使用不同的技术重新构建你的平台。这对你们来说确实很糟糕。你可能需要暂停一年的新功能开发来完成这次迁移，工程师、产品经理和销售人员都会讨厌这一点。但如果这种代价能换来一家成功的企业，那它就是值得的。

做出重大改变

当然，拥有十万付费用户是件好事，但这同时也意味着任何改变都会变得困难、昂贵且充满风险。

哪怕只是对用户界面稍作改动，都会引来铺天盖地的愤怒推文、困惑用户挤爆技术支持，还得更新所有文档和截图。你的品牌已经固化，用户对定位和定价抱有明确期待；改变其中任何一项不仅会引发混乱，更充满风险。而在后端，你已为规模化进行了优化和构建，这意味着你被架构选择、技术集成和商业伙伴牢牢锁定。

新兴初创企业可以彻底改变其中任何一项，即使只有 100 个客户。显然你希望拥有更多客户，但在尚未实现时，不妨利用你能灵活调整以适应市场现实和自身优势的特点。尤其当市场发生转变时——比如今天人工智能带来的变革，以及昨天移动设备引发的浪潮——那些无法快速适应新环境的往往是现有巨头，而小型初创公司却能立即调整适应。

“大公司之所以愚蠢”的部分原因在于，即使它们明知自己在做蠢事，也无法改变。而新公司却可以。

拥有鲜明个性

大公司很少会表现出个性。

这背后有很多原因。他们希望服务一个庞大且多元化的市场，以维持收入和增长；因此，他们试图迎合所有人，结果却无法真正打动任何特定群体。

他们拥有一个成熟的品牌形象，这建立了信任感，而信任正是他们赢得销售的原因之一，正如那句如今已过时的名言所说：“没人会因为雇用 IBM 而被解雇。”因此，产品主页和内部的用语需要强化这种信任感，这意味着语言必须保持非个人化但又可靠。

另一个原因是，客户沟通分散在成百上千的人身上，从客服到销售，再到市场、产品和设计部门。根本不存在一种真实、人性化的个性和风格，能让上千人完全一致地表达出来。而大家却都能遵循一种通用但专业的语言规范。

但初创公司没有这些限制。事实上，创始人通常个性鲜明，对好坏、做事方式以及表达方式都有明确的见解。这至少是他们最初创办公司的部分原因。

一些潜在客户会被这种个性所吸引，而另一些则会感到排斥。但在这个世界上，任何精彩、独特且强大的事物都是如此。

你是一家小公司，现在就要有小公司的样子。 事实上，你将会直接赢得客户 ，正是因为如此。

当大公司试图注入个性时，往往显得做作而不真诚。而初创公司则感觉真诚，因为它确实真诚。

有些客户只愿意从市场领导者那里购买。这是理性的，如果这是主要的决定因素，无论初创公司的主页上说什么，他们都无能为力。因此，初创公司应该忽略这部分客户，专注于那些愿意从有想法的勇敢新秀那里购买的客户。

做非零和博弈的事情

商业中的某些事情是零和博弈。

在零和博弈中，当一方获胜时，另一方必然失败。扑克就是一个例子：当一名玩家赢得筹码时，其他玩家恰好失去相同数量的筹码。二十一点则是一个反例：桌上的玩家各自输赢，不受其他玩家影响；没有玩家会因为另一名玩家获胜而失去筹码。

营销为我们提供了每个方面的例子。当存在 幂律分布或存在排他性的情况。例如：

• 搜索引擎优化 （排名靠前的位置带来的流量超过其他所有位置的总和）

• AdWords （顶级广告位的流量总和超过其他所有广告位的总和）

• 联盟营销（少数顶级联盟营销商产生的潜在客户数量超过其他所有人的总和）

• 零售货架空间（可用面积有限）

• 独家分销协议 (零和博弈由协议创造)

• 政府法令 (供应商可以被写入法律)

相反，也存在一些非零和的渠道，更关键的是，在这些渠道中，即使资金雄厚、根基牢固的现有企业也无法阻止他人成功：

• 社交媒体 (任何人都可以建立出色的社交影响力)

• 新闻通讯 （任何人都能创作出色的内容营销）

• 联合推广 （双方都能获得比单独行动更多的收益）

• 像 Salesforce 和苹果应用商店这样的生态系统 （所有参与者都能赚取更多利润）

• 购买多种产品的消费者 （例如，3D 动画师通常使用多种工具）

市场动态也可能催生这两种类型的博弈。停滞或萎缩的市场是零和博弈；没有新客户进入竞技场，赢得一个客户就意味着竞争对手无法获得那笔收入。在增长的市场中，新客户会带来持续的新资金流，因此许多竞争者都能实现增长。（这也是初创企业应瞄准增长市场的另一个原因，无论目标是建立一家小而盈利的公司还是成为独角兽。）

在位企业在零和博弈中更具优势，因为它们可以投入资金和专业知识。它们甚至可以过度支出，因为其规模化商业模式能够承受低投资回报率的活动，有意亏损以阻止竞争对手使用该渠道。这并不意味着初创企业永远不应参与零和博弈，但这类博弈更为困难，有时甚至不可能成功。

但在位企业无法阻止初创企业在非零和博弈中获胜，因此这正是初创企业应该投资的领域。

在多数方面做得更差但仍可接受

没有人希望自己的网站宕机。

令人惊讶的是，要让一个网站全年保持正常运行竟然如此困难。例如，“99.9%的正常运行时间”听起来可能很棒，但这相当于每月有 44 分钟的停机时间！如果我们的公司 WP Engine 的停机时间接近这个数字，客户肯定会抗议，而且这是理所当然的。然而，大多数托管公司只承诺 99.9%至 99.95%的正常运行时间。

包括主要的云服务提供商、像 WP Engine 这样的托管 WordPress 平台，以及像 Toasttab 这样针对餐厅的专业服务提供商

原因是很难将这个数字进一步提高。要达到99.99%的正常运行时间，需要投入数倍于当前的直接支出、软件开发和流程优化，更不用说 工业运营有时追求的”传说中的五个九”。任何微小的、罕见的、奇怪的、不可预测的情况都会让你偏离合规要求；要解决所有这些情况既昂贵又困难。然而在定价页面上，99.99%看起来与 99.95%并没有太大差别。

然而，现有企业往往确实需要投入资源优化这些昂贵的维度。原因之一是规模扩大后，罕见情况会变成常态 ；达到一定规模后你别无选择。另一个原因是这能在某些细分市场赢得销售机会；在 WP Engine，我们有些企业客户内部政策要求 99.99%的运行时间保证，因此我们凭借更优的保障承诺战胜了竞争对手。

初创企业没有规模稀缺的问题，他们可以选择目标市场 ，使得客户没有极端需求， 8 因此初创企业能够在现有企业苦苦挣扎时获胜。

8确实，初创企业应主动避开这类客户。一家拥有新产品的初创企业，从定义上就无法满足那些需求繁多且苛刻的客户。

更多例子表明，现有企业必须关注，而初创企业则无需如此：

• 安全性

  WP Engine 每年在安全方面投入数千万美元，涵盖内部团队、公司政策、年度员工培训、SOC 和 ISO 合规、软件审查以及供应商安全审查。对我们而言，安全是我们主要的卖点之一，因此这对我们来说非常重要，无论是在规模扩张、品牌建设、降低风险方面，还是因为这正是客户为我们付费的原因。但大多数产品并非如此，大多数客户也不会提出这样的要求。

• 质量

  如果产品在各个维度上都质量低下，那它就是一个糟糕的产品。我怀疑即便是作为 SLC（最小可行产品），也没有人会对此感到兴奋。例如，对于 WP Engine 来说，系统正常运行时间很重要；但对于一款仅在正常工作时间内使用的 SaaS 产品，且目标用户集中在某个“工作时间”定义明确的地理区域，即使在深夜出现一小时的停机时间，也完全不会影响客户。而大型跨国公司则没有这种便利条件。

• 可扩展性

  如果一款产品永远不需要处理”大数据”，那么就可以基于各种简化假设来构建产品，这些假设能让开发更快速、更安全，甚至更有趣。如果用户只有基本需求，用户体验可以更简单，而不必像依赖外部 LDAP 服务驱动的嵌套安全组那样复杂。

• 合规

  大公司会积累内部政策。这些政策的存在有充分理由，比如确保并非所有人都能访问所有数据（尤其是客户数据），确保 IT 团队有能力管理和升级数千台设备，保护其知识产权的所有权，以及满足不同垂直行业的大型企业和政府对供应商提出的政策要求。这是他们能获得数百万美元三年期合同而初创公司不能的原因之一。

  但这也会严重限制他们能做什么，或者以什么速度、什么成本去做，从而影响面向客户的定价。

• 法律

  我们之前已经讨论过这个问题。虽然我绝不会主张初创企业故意违法，但一个简单的事实是，初创企业经常（在不知情的情况下）没有遵守所有法律法规。这并不会影响他们的销售；事实上，还可能促进销售。

使用 PostgreSQL 而非 BigQuery，使用 SQLite 而非 PostgreSQL，使用 Python 而非 Erlang，将数据读入内存而非流式处理，使用批处理任务而非由队列和自动扩展组构成的复杂系统，使用标准算法而非分布式计算，使用常规调试器而非分布式日志，使用现成的库和供应商产品而非定制解决方案

大多数客户并不关心大多数事情。这对初创企业来说是个好消息，因为它们可以选择一两个自己关心的维度，并找到同样主要关注这些特定方面的理想客户群体，从而赢得该细分市场，而现有企业则在各个方向上追逐复杂性。

现有企业为了覆盖大规模多维度卓越的成本，不得不收取更高的价格，而初创企业则可以为在许多维度上客观上“较差”的产品收取更低的价格，因此初创企业可以在价格上取胜的同时仍然保持盈利。

初创企业可以做到 “更差，但独一无二”，并在关键之处做得更好。

在利润中心上保持低成本

现有企业无法改变其商业模式。

赋予现有企业优势的资产同时也是静态的约束条件。品牌已经深深扎根于消费者心智之中。软件依赖于平台、语言和库，若要更改则需要大规模重写，而这种重写几乎总是以失败告终。营销、销售、服务和盈利的商业模式已经确定；一家拥有全球销售团队成本、提供高端入职服务的团队、昂贵的基础设施、供应商成本以及股东期望利润只会增长的公司，无法降低价格。

因此，现有企业无法与”以十分之一价格提供’精简版’”的初创公司竞争。

这是对颠覆性理论的温和重述， 10 即现有企业看到初创公司崛起时，不会直接竞争，而是重新定位自身以专注于最优质、最盈利的客户群体，从而让初创公司得以蓬勃发展。

这一理论在 《创新者的窘境》 中有著名阐述，其定义比我此处的描述更为具体——涉及”性能较差但价格更低，却在某些方面更优”的新技术，现有企业看似理性应对，最终却遭遇彻底颠覆。

更具体地说：无论什么能为现有企业带来最大利润，那恰恰是他们最难以改变的东西。

你必须小心谨慎，因为现有企业会投入大量资金和精力来保护其利润中心免受攻击。但价格不会成为他们的防御手段。这种防御意味着你应该利用本文中的其他策略；例如，现有企业可能会决定在 AdWords 上投入“过多”资金，使其成为对你而言更糟糕的渠道，但他们无法阻止你制定出色的内容营销策略。

现有企业在大多数方面都很强大，但它们也有弱点。

初创企业唯一的错误就是与现有企业在它们强大的领域正面交锋。

攻击你强而他们弱的地方。

这就是构建一个制胜策略的方法。

最快弄清真相的方法是停止把每个人都当作“顾客”。

早期探索阶段往往感觉模糊不清，因为“客户”是一个不断变化的目标。

您可能正在与以下人员交谈：

• 每天都能感受到这种问题的人

• 批准购买的人

• 与核心部门相邻但并非核心部门的人员

• 处于完全不同阶段的公司

如果把所有这些混在一起，你会得到一堆笔记……但很难决定下一步该做什么。

保持更简单的心态会有帮助：

早期市场调研阶段你的任务是了解每个细分市场的需求。

“分段”在实践中的含义（尽量轻量级）

细分市场只是一个有用的分组，它可以改变人们的需求或行为方式。

对于早期创业者和创始产品经理而言，最实用的细分通常来自以下几个维度：

人物背景

• 角色（用户/管理员/买家）

• 资历

• 对他们而言，“成功”意味着什么？

公司背景

• 舞台或尺寸

• 行业限制（如适用）

• 工具栈/工作流程成熟度

你不需要追踪所有事情，只需要追踪那些能解释偏好差异的少数因素即可。

为什么以细分市场为先的发现方式能够加快您的产品决策速度

按细分市场进行学习，你就能开始获得真正驱动产品路线图和市场推广策略的问题的答案：

• 哪一组人的疼痛感最强烈？

• 哪个群体目前最迫切需要帮助？

• 哪个群体拥有预算或决策权？

• 哪个群体会采用轻量化设计？

• 哪个群体负责整合和采购？

最终结果并非“需要更多研究”，而是更快地定罪。

实用的分段优先工作流程（简单易懂，非学术性）

步骤 1：首先选择 2-4 个候选片段

不是12个。也不是一个庞大的分类体系。

候选人示例：

• 种子轮前的创始人

• 50-200人团队的运营经理

• 产品主导型创业公司的产品经理

• 销售团队执行创始人主导的市场进入策略

步骤 2：选择区分这些细分市场的属性

关键在于：追踪对你的市场至关重要的一切。

常见高信号属性：

• 角色（用户/买家/经理）

• 舞台/尺寸

• 行业

• 工具栈

• 工作流程成熟度

• 预算敏感性

如果你还在摸索目标受众，这一步就像护栏一样，可以防止你混淆不同的受众群体，避免日后出现混乱。

步骤 3：以可比格式记录“他们想​​要的内容”。

每次对话结束后，记录：

• 他们试图实现的目标

• 什么会阻碍它

• 他们今天做什么

• 什么会让他们改变主意

然后为其添加分段属性标签。

现在，在回顾主题时，您可以按部分进行查看，而不是将其视为一个混合的故事。

真正的突破在于：“每个细分市场想要什么？”

简单来说，每个部分可以概括为：

细分市场：他们是谁； 工作：他们想要做什么； 痛点：哪里出了问题 ；偏好：他们对解决方案的期望； 限制：阻碍采用的因素。

这样，创始人和产品经理就能摆脱“每个人都想要不同的东西”的心态，做出明确的决定。

Intervool 如何融入其中

Intervool 专为分段式学习而设计：

• 您可以跟踪您关心的属性（而不是固定的分类法）。

• 您可以将访谈和见解与这些属性联系起来。

• 您可以总结主题，并查看每个部分中重复出现的内容。

所以，与其说“我们听到了很多”，不如说：“A 群体想要 X，B 群体想要 Y，我们先选择 A。”