传统经济护城河
一些最伟大、最持久的科技公司都拥有强大的护城河作为防御。例如，微软、谷歌和 Facebook (现为 Meta) 都拥有建立在 规模经济 和 网络效应 基础上的护城河。
在技术转型之际，构建有价值的 AI 产品的关键组成部分是基础模型——这些模型经过数十亿（甚至数万亿！）参数的训练，成本高达 数亿美元 ——以及驱动它们所需的计算资源。如果不是 LLaMA 的发布，我设想 大部分价值将归属于谷歌 这样的公司，或者像 OpenAI、Anthropic 和 Inflection 这样拥有资本（和 GPU）来训练这些模型的初创公司。摆在我们面前的一个问题是，拥有数万亿参数的模型与小型模型之间的平衡。如果这场竞赛倾向于越来越大的模型，那么 规模可能就成了终极的护城河。
规模经济： 规模越大，经营杠杆效应越强，从而降低成本。SaaS 和云服务可以拥有强大的规模经济：您可以扩大收入和客户群，同时保持核心工程相对稳定。
作为开发基础模型的初创公司的重要计算合作伙伴，三大云服务提供商 AWS、微软和谷歌正在利用规模经济和网络效应，在当前的 AI 热潮中保持竞争力。训练 AI 模型已经成为一个 数据中心规模的问题，将计算和网络结合成一个巨大的、建筑规模的超级计算机。
对大型云服务提供商的依赖，即使是在运行复杂的机器学习模型方面，也 催生了甲骨文的复兴，使其成为首选合作伙伴。
网络效应： 麦特卡夫定律（Metcalfe’s Law）对此有最佳的描述，即如果你的产品或服务具备“网络效应”，那么你的产品的 每增加一个用户，都会为其他所有用户 带来更多价值。Slack 和 WhatsApp 等消息应用，以及 Facebook 等社交网络，都是网络效应强大的良好范例。iOS、Android 和 Windows 等操作系统也拥有强大的网络效应，因为随着越来越多的客户使用这些操作系统，将有更多的应用程序在其之上构建。
深度科技/知识产权/商业秘密： 专有软件或方法 是大多数科技公司的起点。这些商业秘密可以包括解决棘手技术问题的创新解决方案、新发明、新工艺、新技术，以及后来用于保护已开发知识产权 (IP) 的专利。随着时间的推移，公司的知识产权可能会从特定的工程解决方案演变为 积累的运营知识 或对问题或过程的洞察。
高转换成本： 一旦客户开始使用您的产品，您就希望让他们尽可能难以转向竞争对手。您可以通过标准化、缺乏替代品、与其他应用程序和数据源集成，或者因为您已经建立了一个客户赖以生存的 根深蒂固且有价值的工作流程 来构建这种粘性。以上任何一种都可以作为一种 锁定机制，让客户难以离开。
旧护城河会被摧毁
强大的护城河能帮助企业度过重大的平台转型期，但“生存”不应与“繁荣”混淆。
此外，这些大规模的平台转变——如云计算和移动端——如同技术潮汐，为新参与者创造了机遇，并使创业者得以 绕过现有护城河，另辟蹊径。成功的创业者往往会采取一种双管齐下的策略：1）攻击现有巨头的护城河，2）同时建立自己利用新浪潮的、可防御的护城河。
人工智能正成为当今的平台技术，而这股新一轮的 LLM 浪潮可能会 颠覆现有巨头的层级。
企业系统栈
记录系统
在系统堆栈的底层，通常是一个数据库，应用程序构建在其之上。如果数据和应用程序支撑着关键业务功能，它就成了一个“记录系统”。企业中有三个主要的记录系统：客户、员工和资产。CRM 负责客户，HCM 负责员工，ERP/财务负责资产。历代公司都围绕着拥有一个记录系统而建立，每一波浪潮都产生了一个新的赢家。
基础模型不会取代现有的记录系统，但它们是 解锁所有记录系统中价值和理解的工具。
参与系统™
参与系统™ 是用户与记录系统之间的接口，可以成为强大的商业工具，因为它们 控制着最终用户交互。
“参与系统”最具有战略优势的地方或许在于，它可以与多个“记录系统”共存，并 收集产品中流经的所有数据。随着时间的推移，你可以利用积累的所有数据，将你的参与定位演变成一个实际的“记录系统”。
未来，我们不再需要打开 Uber 或 Instacart 等应用来订车或订购杂货，而是可以请我们的 AI 代理为我们点餐或规划假期。在一个每个人都有自己 AI 助手的未来，所有的 互动都可能感觉像是使用消息应用。
智能系统™：新的护城河
我仍然认为，超级智能™系统是新的护城河。什么是智能系统，它为什么如此具有防御性？
智能系统的价值在于它通常 跨越多个数据集 和 多个记录系统。
一家初创公司要在像 Oracle 和 SAP 这样的巨头公司中蓬勃发展，你需要将他们的数据与其他数据源（公开或私有的）相结合，为你的客户创造价值。
下一代企业级产品将采用不同的生成式人工智能（AI）技术来构建智能系统™。不仅是应用程序，数据中心和基础设施产品也将被 AI 彻底改变。
在所有这些市场中，竞争正从旧护城河（数据来源）转向新护城河（对数据的使用）。利用公司的数据，您可以提高客户的销售额、自动回复支持工单、防止员工流失以及识别安全异常。那些利用特定行业或特定公司的数据来解决战略性问题的产品，看起来就像是相当深的护城河，特别是如果您能够 替换或自动化整个企业工作流程，或者创造一个因这种智能化而成为可能的新增值工作流程。
成功的公司可以在此 建立一个良性的数据循环，因为你的产品生成和训练的数据越多，你的模型就会越好，你的产品也会越好。最终，产品会为每个客户量身定制，这又会形成另一道护城河——高转换成本。
新的护城河就是旧的护城河
尽管人工智能的兴起令人兴奋，但在许多方面，我们围绕构建新护城河的探索已走回原点。事实证明，旧的护城河比以往任何时候都更重要。如果谷歌“我们没有护城河”的预测属实，并且人工智能模型使任何能够访问 GPT 或 LLaMA 的开发人员都能构建智能系统，那么我们又该如何建立一个可持续的业务呢？
应用程序的价值在于 如何交付这些价值。工作流程、与数据和其他应用程序的集成、品牌/信任、网络效应、规模和成本效益，都将成为经济价值的驱动因素和护城河的创造者。那些能够构建智能系统的公司仍然需要 掌握市场推广。它们不仅需要完善产品与市场的契合度，还需要 完善产品上市的契合度。
人工智能并不会改变初创公司营销、销售或合作的方式。人工智能提醒我们，尽管每一代技术都有其底层技术，但 构建业务的基本原则始终不变。