在商業中，我尋找那些由堅固護城河保護的商業城堡。
——沃倫·巴菲特
六年前，Jerry Chen 在Greylock 上發布了文章《新的護城河：為什麼智能係統是下一個可防禦的商業模式》，推測初創公司將應該利用人工智能構建防禦性護城河。如今隨著越來越多LLM 模型開源，構建企業自己的大語言模型似乎不再成為壁壘，而什麼會是未來人工智能企業的護城河？幾天前，Jerry Chen 重新回顧智能係統與科技公司的傳統護城河，並對LLM 大規模開源背景下的新一代護城河提出展望。
Sense 思考
– 傳統商業護城河：規模效應、網絡效應、深科技/IP/產業積累、高轉換成本和品牌/客戶忠誠度是技術公司的傳統商業護城河。
– Gen-AI 浪潮下的新護城河：
1. 基礎模型壁壘：1）解決困難問題的方式從精巧的產品和交互設計，轉向模型本身，基礎模型是當今的深度技術/知識產權護城河之一，而處於模型應用層的初創公司目前並沒有建立足夠的護城河。 2）深度技術的護城河還在，圍繞知識產權建立可靠的商業模式，但必須是替代品少、需要艱難工程和需要運營知識來擴展規模的技術問題。
2. 智能係統壁壘：1）企業系統可分為“記錄系統”和“用戶參與系統”，參與系統的所有權價值最大，多模態交互會顛覆用戶參與系統，影響記錄系統。 2）“智能係統”會連接和管理多個數據集和記錄系統，三大主領域：以客戶旅程為中心的面向客戶的應用程序、面向員工的應用程序（如人力資源管理、IT服務管理、財務等）和基礎設施系統（如安全、計算/存儲/網絡以及監控/管理）
– 不變的：應用的價值在於如何傳遞價值。工作流程、與數據和其他應用的集成、品牌/信任、網絡效應、規模和成本效率依舊是經濟價值和壁壘的創造者。人工智能並不改變初創公司的營銷、銷售或合作方式，仍然需要精通市場推廣。
導語
要建立一個可持續盈利的企業，你需要在公司周圍建立堅固的防禦性護城河。在我們經歷一代人中最大的平台轉型之際，這一點尤其重要，因為應用程序正在移向雲端，被消費在iPhone、Echo 和Tesla 上，基於開源構建，並且由AI 和數據驅動。這些劇變使一些現有的護城河變得無用，讓CEO 們感覺幾乎不可能建立一個具有防禦性的業務。
LLaMA、Alpaca、Vicuna、RedPajama 等越來越多的模型開源使得Google 表示”我們沒有護城河，OpenAI 也沒有。“Google 和OpenAI 所持有的專有優勢正在被開源打亂，特別是Meta 發布的LLaMA 模型的發布，這一模式孕育出了一個以LLaMA 為基礎模型，進行發展（並改進）的生態系統。谷歌表示“矛盾的是，所有這些中唯一明確的贏家是Meta。因為洩露的模型是他們的，他們實際上獲得了相當於整個地球的免費勞動力。”
然而，Meta並不是這一發展的唯一受益者。整個市場的初創公司，無論大小，也有優勢。在六年前發布的原創文章《新護城河》中，筆者正確地指出了開源的力量，但錯誤地假設它只有利於能夠大規模提供開源服務的大雲提供商。相反，這一新一代的AI模型可能會將權力重新轉移到初創公司，因為它們可以在產品中利用基礎模型——無論是開源的還是非開源的。
實際上，這一新波AI的一些早期受益者是已經能夠將生成性AI加入其應用的現有公司和初創公司，如Adobe、Abnormal、Coda、Notion、Cresta、Instabase、Harvey、EvenUp、CaseText 和Fermat。
借用達爾文的話來解釋即“能夠生存下來的公司不是最強大的（最大的、資本最充裕的或最知名的），而是最能適應整合AI 的。”本文的重點不在於探討是否存在護城河，而在於AI 的價值在何處得以積累而爆發。
從歷史上看，開源技術已經降低了它所在層的價值，並將價值轉移到相鄰的層。例如，像Linux 或Android 這樣的開源操作系統減少了應用對Windows 和iOS 的依賴，並將更多的價值轉移到了應用層。這並不意味著開源層沒有任何價值（ Windows 和iOS 絕對有價值！）。同時，你仍然可以通過基於雲的開源商業模型創造價值，比如Databricks、MongoDB 和Chronosphere。
在六年前發布的文章中，作者強調了鄰近層如何更受益於大型雲平台。然而，對於開源基礎模型，我們可以看到原本可能被OpenAI 或Google 捕獲的一部分價值現在可以轉移到圍繞LLMs 的應用、初創公司和基礎設施上。 OpenAI 和Google 仍然可以獲取價值，而構建和運行這些巨型模型的能力仍然是一個護城河。建立開發者社區和網絡效應仍然是一個護城河，但在存在開源替代品的世界裡，這些護城河捕獲的價值減少了。
在這篇文章中，我們將回顧一些技術公司通常利用的傳統商業護城河，以及它們如何被打破。今天的初創公司需要構建智能係統—— 由AI 驅動的應用—— “新的護城河”。企業可以構建幾種不同的護城河，並在時間的變化中隨之改變護城河。
傳統商業護城河
要建立一個可持續盈利的企業，你需要在公司周圍建立堅固的防禦性護城河。在我們經歷一代人中最大的平台轉型之際，這一點尤其重要，因為應用程序正在移向雲端，被消費在iPhone、Echo 和Tesla 上，基於開源構建，並且由AI 和數據驅動。這些劇變使一些現有的護城河變得無用，讓CEO 們感覺幾乎不可能建立一個具有防禦性的業務。
01. 規模效應
一些最偉大且最老牌的技術公司都擁有強大的護城河。例如，微軟、谷歌和Facebook（現在的Meta ）都有基於規模經濟和網絡效應的護城河。
在這個技術轉型的時刻，構建有價值的AI產品的關鍵組成部分是基礎模型， 這些模型在數十億或萬億的參數上進行訓練，它們需要數億美元的訓練費用，以及為它們提供動力的計算資源。如果沒有LLaMA 的發布，大部分的價值可能將歸屬於像谷歌這樣的公司或像OpenAI、Anthropic 和Inflection 這樣有資本（和GPU ）訓練這些模型的初創公司。我們面臨的一個問題是萬億參數模型與小型模型之間的平衡。如果競賽更偏向於越來越大的模型，那麼可能規模就成為了最終的護城河。
一個產品的規模越大，產品擁有的運營槓桿就越多，這反過來會降低你的成本。 SaaS和雲服務可以具有強大的規模經濟：你可以在保持產品核心工程相對穩定的情況下，擴大你的收入和客戶基礎。
作為初創公司開發基礎模型的重要計算夥伴，全球三大雲提供商AWS、Microsoft 和Google 正在利用規模經濟和網絡效應來在當前的AI熱潮中保持競爭力。訓練AI模型已經成為一個數據中心規模的問題，將計算和網絡組合成一個巨大的建築規模的超級計算機。
依賴大型雲提供商來運行複雜的機器學習模型甚至導致Oracle 作為首選合作夥伴的複興。這家公司最初在雲服務器業務上落後，後面主要通過與NVIDIA 合作，在AI 方面做出了一系列赶超。 Oracle 目前正在與一些領先的初創公司合作，包括Adept、Character 和Cohere。
02. 網絡效應
梅特卡夫法則提出，如果一個產品或服務的每一個額外用戶都能為所有其他用戶帶來更多的價值，那麼你的產品或服務就具有”網絡效應”。像Slack 和WhatsApp 這樣的消息應用，和Facebook 這樣的社交網絡都是強大網絡效應的好例子。像iOS、Android 和Windows 這樣的操作系統具有強大的網絡效應，因為越多的客戶使用操作系統，就會有越多的應用在其之上構建。
最成功的雲廠商之一，亞馬遜網絡服務（AWS），既具有規模優勢，也具有網絡效應的力量。因為”那裡有客戶和數據”，更多的應用和服務得以在AWS 上構建。反過來，提供解決方案的基礎設施生態系統吸引了更多的客戶和開發者，他們構建更多的應用，生成更多的數據，繼續良性循環，同時通過規模優勢降低亞馬遜的成本。
首批獲得用戶支持的創新者可以建立網絡效應。 OpenAI 正在迅速地圍繞他們的模型建立第一個網絡效應壁壘。特別是他們的函數調用和插件架構可能會把OpenAI變成新的“ AI 雲”。然而建立網絡效應的競賽還為時過早，無法宣布任何公司為贏家。事實上，有許多玩家擴展了這個概念，創建了像LlamaIndex、Langchain、AutoGPT、BabyAGI 等代理，所有這些都旨在自動化你的應用、基礎設施或生活的一部分。
03. 深科技/IP/產業積累
大多數科技公司都是從自有軟件或方法開始的。這些商業秘密可以包括對硬技術問題的核心解決方案、新的發明、新的流程、新的技術，以及後來保護開發出的知識產權（IP）的專利。隨著時間的推移，公司的IP 可能從特定的工程解決方案演變為積累的操作知識或對問題或過程的洞察。
如今一些AI 公司正在建立自己的模型，它們既被用於開發應用程序，又作為服務提供給其他人使用。這個領域的初創公司包括Adept、Inflection、Anthropic、Poolside、Cohere 等。如之前所言，這些模型的關鍵在於權衡模型訓練的成本。有趣的是，OpenAI、谷歌等早期基礎模型的先驅者是否能夠利用他們的深度技術構建起護城河，或者最終他們是否只是面對開源和AI 領域中的所有學術研究和工作的又一個模型。
04. 高轉換成本
一旦客戶開始使用你的產品，你希望他們盡可能難以切換到競爭對手。你可以通過標準化、缺乏替代品、與其他應用和數據源的集成，或者因為你構建了一種根深蒂固且有價值的工作流程，使你的客戶依賴於它，來建立這種粘性。其中任何一種都可以作為一種形式的鎖定，使客戶難以離開。
一個有趣的思考是模型層或應用層是否存在切換成本。例如，Midjourney 有數百萬用戶使用其擴散模型生成圖像。如果出現了一個更好的模型，Midjourney 要替換自己的模型有多難？即使存在一個更好的模型，用戶要切換到另一個應用有多難？在接下來的幾年中，我們將看到公司試圖在應用層和潛在的模型層建立切換成本。
05. 品牌/客戶忠誠度
強大的品牌可以成為一種護城河。隨著產品和客戶之間每一次積極互動，品牌優勢會隨著時間的推移而變得更加強大，但如果客戶對其產品失去信任，品牌的實力很快就會消失。
在AI 領域，信任至關重要，但對於許多人來說，這種信任尚未贏得。這些早期的AI 模型可能會出現“錯覺”，給出錯誤的答案或產生奇怪的人設，比如Bing 中的Sydney。將會出現一場建立可信賴的AI 和像Trulens 這樣的工具的競賽，以獲得客戶的信任。
傳統護城河將被重塑
強大的護城河可以幫助公司在主要平台轉型中生存下來，但生存不能被誤解為蓬勃發展。
例如，高切換成本在一定程度上可以解釋為什麼在這些年頭之後，主機和“大型計算機”系統仍然存在。擁有深厚護城河的傳統企業可能不再是它們黃金時期的高增長驅動力，但它們仍然在產生利潤。公司需要在行業整體轉型的過程中認識到並做出反應，以免成為自己成功的受害者。
“切換成本”作為護城河：x86服務器收入直到2009年才超過主機和其他“大型計算機”收入。
我們可以通過NVIDIA 作為GPU 主要提供商和Intel 作為CPU 主要提供商的財務表現來看到向AI 平台的轉變。在2020 年，NVIDIA 超過Intel 成為市值最高的芯片提供商。在2023 年，該公司市值達到了萬億美元。
這些大規模的平台轉變，比如雲計算和移動領域，都是技術潮流，為新進入者創造了機會，並使創始人能夠在現有護城河上建立自己的道路。
成功的初創公司創始人往往採取雙管齊下的策略：1）攻擊傳統企業的護城河；2）同時建立自己的可靠護城河，以順應新潮流。
AI 正成為當今的平台技術，這種新的LLM 潮流有可能打破現有企業之間的等級體系。一個例子是，通過與OpenAI 的ChatGPT 集成，長期備受詬病的微軟必應（Bing）可能最終打破谷歌的搜索護城河。
再比如，Facebook 擁有最牢固的社交網絡，但Instagram 構建了一個以移動為主的照片應用，搭上智能手機的浪潮進行了10 億美元的收購。在企業服務領域，像Salesforce 這樣的SaaS 公司正在打破像Oracle 這樣的本地軟件公司的市場格局。現在，隨著雲計算的出現， AWS、Azure 和Google Cloud 正在為客戶創造直接的渠道。這些平台轉變也可以改變買家和最終用戶的角色。在企業中，買家已經從中央IT 團隊轉變為辦公室的知識工作者，再到使用iPhone 的人，最後變成任何擁有GitHub 賬戶的開發者。
如今，新的LLM 模型已經創造了一個新的用戶類別：提示工程師。隨著生成式AI 模型被訓練用於各行各業，用戶的角色變得更加廣泛和多樣化。隨著AI 成為每個產品的內在組成部分，提示工程師的角色的持久性還有待觀察。
新護城河？
在當前的顛覆浪潮中，是否仍然有可能構建可持續的護城河？對於創始人來說，他們可能會覺得自己建立的每一個優勢都可能被另一個團隊複製，或者至少感覺只有在大規模的情況下才能建立護城河。開源工具和雲計算已經將權力轉移到了“新的現有企業”——那些處於大規模、擁有強大分銷網絡、高切換成本和強大品牌的公司。這些公司包括蘋果、Facebook、谷歌、亞馬遜和Salesforce 等。
為什麼感覺好像“沒有了護城河”可以建立？在雲計算和開源時代，攻擊困難問題的深度技術正在成為一種較淺的護城河。開源的使用使技術進步變得更難以實現商業化，而使用雲計算來交付技術則將防禦性轉移到產品的不同部分。那些過於關注技術而沒有將其放入客戶問題的背景中的公司將陷入進退兩難的境地，“處於開源和雲計算之間”。例如，像Oracle 的專有數據庫這樣的現有技術正在受到Hadoop 和MongoDB 等開源替代品以及亞馬遜Aurora 和Google Spanner 等創新技術在雲端的攻擊。另一方面，構建出色的客戶體驗的公司可能會通過軟件的工作流程獲得防禦性。
我們相信，深度技術的護城河並沒有完全消失，可以圍繞知識產權建立可靠的商業模式。如果選擇技術棧中的一個領域，並成為絕對最佳的解決方案，同樣可以創建一個有價值的公司。然而，這意味著選擇一個沒有太多替代品、需要艱難工程和需要運營知識來擴展規模的技術問題。
基礎模型是當今的深度技術/知識產權護城河之一。基礎模型的所有者發布API 和插件，同時還在公司內部不斷努力開發更好的產品。開發人員可以相對輕鬆地在開源LLM 之上構建應用，這導致了大量的初創公司提供各種專用產品。但目前已經清楚的是，大多數處於這一層的初創公司並沒有建立足夠的護城河。它們不僅可能被指責擁有“薄薄的知識產權”（本質上是ChatGPT 周圍的簡單應用封裝），而且面臨著與基礎模型提供商的直接競爭風險，正如我們在OpenAI 和Jasper之間所看到的。
一個潛在的可能是，大型模型可以解決大部分複雜問題，而較小的模型可以解決特定問題或為手機、汽車或智能家居等邊緣設備提供動力。
如今，市場偏向於“全棧”公司，即提供應用邏輯、中間件和數據庫的SaaS 產品。技術正在成為完整解決方案的一個無形組成部分（例如，“只要你的食物能按時送達，誰關心你最喜歡的移動應用程序後台使用的是哪個數據庫！”）。在消費者領域，蘋果通過無縫地將硬件與軟件集成在一起，使集成或全棧體驗成為流行。這種集成體驗也逐漸主導企業軟件。雲計算和SaaS 使得以成本效益的方式直接接觸客戶成為可能。因此，客戶越來越傾向於購買以SaaS 應用程序形式提供的全棧技術，而不是購買技術棧的各個組成部分並構建自己的應用。對整個應用體驗或“技術棧頂部”的強調，也是作者通過額外的框架——企業系統的堆棧來評估公司的原因。
企業系統的堆棧
01. 記錄系統(Systems of Record)
一個系統的底層通常是數據庫，上面構建著應用程序。如果數據和應用程序支持關鍵的業務功能，它就成為一個“記錄系統”。在企業中有三個主要的記錄系統：客戶、員工和資產。客戶關係管理（CRM）管理客戶，人力資源管理（HCM）管理員工，企業資源計劃（ERP）/財務管理管理資產。
幾代公司圍繞著擁有一個記錄系統建立起來，每一次技術浪潮都會產生一個新的勝者。在CRM 領域，我們看到Salesforce 取代Siebel 成為客戶數據的記錄系統，Workday 取代了Oracle PeopleSoft 成為員工數據的記錄系統。 Workday 還擴展到了財務數據領域。其他應用程序可以圍繞記錄系統構建，但通常不如實際的記錄系統有價值。例如，像Marketo 和Responsys 這樣的市場自動化公司圍繞CRM 建立了大型業務，但從未像Salesforce 那樣具有戰略意義或價值。
基礎模型並不取代現有的記錄系統，而是用於解鎖所有記錄系統中的價值和理解。如前所述，目前有幾個基礎模型。至於世界是否朝著幾個大型模型的發展方向演變，這些模型經過提煉或修剪後可以用於各種情況，還是存在一個較小模型的市場，目前還存在爭議。無論哪種情況，這些模型都是我們在六年前的《新的護城河》中稱之為“智能係統”的關鍵要素。
02. 用戶參與系統(Systems of Engagement)
用戶參與系統（Systems of Engagement™）是用戶和記錄系統之間的接口，它們可以成為強大的業務，因為它們控制著最終用戶的互動。
在大型機時代，記錄系統和參與系統是綁定在一起的，當時大型機和終端實際上是同一個產品。客戶/服務器浪潮帶來了一批試圖佔據你的桌面的公司，但他們最終被基於瀏覽器的公司所顛覆，而後又被以移動為先的公司所取代。
當前一代爭奪參與系統所有權的公司包括Slack、亞馬遜Alexa 和其他語音/文本/對話界面的初創公司。在中國，微信已成為一個占主導地位的參與系統，現在已成為覆蓋從電子商務到遊戲等各個領域的一體化平台。
參與系統的更替速度可能比記錄系統快。連續幾代的參與系統並不一定消失，而是用戶不斷添加與其應用程序互動的新方式。在多渠道世界中，擁有參與系統的所有權最有價值，如果你控制了大部分終端用戶的參與，或者是一個跨渠道系統，能夠接觸到用戶所在的任何地方。
作為參與系統的最重要戰略優勢之一是，你可以與多個記錄系統共存，並收集通過你的產品傳遞的所有數據。隨著時間的推移，你可以利用累積的所有數據，將你的參與位置演變成一個實際的記錄系統。
六年前，作者強調了聊天作為一種新的參與系統。 Slack 和Microsoft Teams 試圖成為企業的主要參與系統，並為企業應用程序提供聊天前端，但未能達到目標。這種以聊天為先的願景尚未實現，但基礎模型可能會改變這一點。我們可以通過詢問我們的AI 助手來訂購晚餐或計劃度假，而不是打開Uber 或Instacart 這樣的應用程序來叫車或送貨。在每個人都擁有自己的AI助手的未來，所有的互動可能都會像是在使用消息應用程序。像Siri 和AAlexa這樣的基於AI 的語音聊天系統將被像Pi （Inflection.ai開發的個人智能助手）一樣的智能聊天系統取代。
OpenAI 的插件和接口調用的發布正在構建一種新的構建和分發應用程序的方式，有效地使GPT 成為一個新的平台。在這個世界中，聊天可能成為幾乎一切的前門，成為我們日常的參與系統。我們將會看到AI應用程序的用戶體驗在不久的將來如何演變，這將是非常有趣的。雖然聊天似乎在今天非常流行，但我們預計會看到多模態交互模型創造出超越聊天的新的參與系統。
03. 新護城河：智能係統(Systems of Intelligence)
超級智能係統依舊是新的護城河。
“什麼是智能係統，為什麼它如此有防禦性？”
智能係統之所以有價值，通常是因為它跨越多個數據集和多個記錄系統。一個例子是將網站分析、客戶數據和社交數據結合起來，以預測終端用戶的行為、流失、生命週期價值（LTV）或提供更及時的內容。你可以在單個數據源或單個記錄系統上構建智能，但這個位置將更難抵禦擁有數據的供應商的競爭。
對於初創公司而言，要在Oracle和SAP等老牌企業周圍蓬勃發展，需要將它們的數據與其他數據源（公共或私人）結合起來，為你的客戶創造價值。老牌企業在自己的數據上具有優勢。例如，Salesforce 正在構建一個名為Einstein 的智能係統，從他們自己的記錄系統CRM 開始。
在六年前提出建立“智能係統”的概念之後，我們見證了一些令人難以置信的人工智能應用程序的出現，例如Tome、Notable Health、RunwayML、Glean、Synthesia、Fermat 等，還有成百上千的其他初創公司。雖然目前尚不清楚在這個新興堆棧中價值將累積在哪裡，但這個轉變為初創公司提供了充足的機會。
但正如之前提到的，我們最初沒有預見到大型語言模型的威力，這些模型真正增加了我們在六年前所稱的智能係統的價值。
而在LLM 應用程序中出現了一批“新堆棧”，包括一批新的中間件工具，用於鏈接提示或組合模型。就像我們看到創立了大量公司來使雲計算和存儲更易管理一樣，我們正在看到一批旨在使基礎模型更易於使用的初創公司。
這個新的中間件堆棧將包括數據框架，如LlamaIndex，用於連接企業數據與LLM；代理框架，如Langchain，用於構建應用程序和連接模型。此外，還需要一代新的安全性和可觀察性工具，以確保這些新應用程序的運行時間和安全性。
未來一代企業產品將使用不同的人工智能（AI）技術來構建智能係統。不僅應用程序將受到AI 的改變，數據中心和基礎設施產品也將發生變革。我們可以將構建智能係統的主要領域歸類為以下三個方面：以客戶旅程為中心的面向客戶的應用程序、面向員工的應用程序（如人力資源管理、IT服務管理、財務等）或基礎設施系統（如安全、計算/存儲/網絡以及監控/管理）。除了這些廣泛的橫向用例之外，初創公司還可以專注於特定行業或市場，在垂直領域（如生命科學中的Veeva或建築行業中的Rhumbix ）構建基於獨特數據的智能係統。
以前的應用程序代替了數字化流程，但這些新的AI 應用程序將冒著取代人類的風險，或者從積極的角度來看，它們將增強和提升人類能力，使個人更加高效。
AI 工具已經存在，可以使設計工作、編碼、數據處理、法律工作和其他工作更加準確和快速。例如，在法律領域，像Harvey.AI 和Even Up Law 這樣的公司正在執行法律助理和律師的任務。 Github Co-pilot 使每個開發者的生產力提升數倍，新開發者現在可以像經驗豐富的專業人士一樣編寫代碼。使用Adobe 的的新產品Firefly 進行設計的設計師可以創作以前需要整個團隊完成的數字圖像。 Tome、Coda 和Notion 等生產力應用程序現在使每個辦公桌上的工作者擁有了新的超能力，提高了速度和生產力。這些確實是技術承諾的由AI 驅動的“鋼鐵俠裝備”。隨著我們越來越依賴於基於AI 的應用程序，管理和監控可信賴的AI 變得更加重要，以確保我們不會基於幻覺做出決策。
在所有這些市場中，競爭的焦點正在從舊的壁壘（數據的來源）轉向新的壁壘（如何利用數據）。利用公司的數據可以向客戶推銷增值產品，自動回复支持票，預防員工流失，並識別安全異常。使用特定於某個行業（如醫療保健、金融服務）或特定於某個公司（客戶數據、機器日誌等）的數據來解決戰略問題的產品，看起來就像是一個非常深厚的壕溝，特別是如果AI 能夠替代或自動化整個企業工作流程，或者創建一個由這種智能技術實現的新的增值工作流程。
建立記錄系統的企業應用程序一直是強大的商業模式。一些持久存在的應用程序公司，如Salesforce 和SAP，都建立在深厚的知識產權基礎上，從規模經濟中獲益，並隨著時間的推移，在公司的工作流程和業務流程中積累了更多的數據和運營知識。然而，即使是這些現有巨頭也無法免受平台轉變的影響，因為新一代的公司正在攻擊他們的領域。
事實上，我們可能面臨著對AI 營銷產生疲勞的風險，但所有的輿論反映了AI 在改變許多行業的潛力。機器學習（ML）是一種受歡迎的AI 方法，它可以與數據、業務流程和企業工作流程相結合，為構建智能係統提供上下文。谷歌是早期將機器學習應用於流程和工作流程的先驅：他們收集了每個用戶的更多數據，並應用機器學習在網頁搜索的工作流程中提供更及時的廣告。還有其他正在發展的AI技術，如神經網絡，將繼續改變我們對這些未來應用程序的期望。
然而對於這個預測，作者認為在兩個方面的判斷有些錯誤：首先，AI 在當前不會讓人們產生疲勞的感覺。我們正在目睹下一個偉大技術浪潮的開始，興奮情緒理所自然較高。其次，基礎模型已經成為人工智能中最具變革性的進展。以此為例，許多先前的機器學習/人工智能公司正面臨被最新的LLM（大型語言模型）所超越的風險。
這些以人工智能驅動的智能係統為新創企業提供了巨大的機遇。在這個領域取得成功的公司可以構建數據的良性循環，因為你生成和訓練產品所用的數據越多，你的模型就會變得越好，產品也會越來越出色。最終，產品會因每個客戶而定制，從而形成另一個護城河- 高昂的切換成本。建立一個同時結合了系統的參與和智能甚至是企業整個技術層面的公司是有可能的，但是智能或參與系統可以成為新創企業針對現有企業的最佳切入點。構建一個系統的參與或智能並不是一項微不足道的任務，它需要深厚的技術背景，特別是在速度和規模方面。特別是那些能夠促進多個數據源之間智能層的技術將是必不可少的。
我們已經看到數據的良性循環正在發揮作用。不僅僅是數據在訓練原始模型方面的價值，還有用戶數據、模型和應用程序的反饋循環，甚至是在極端情況下的強化學習等，隨著時間的推移，所有這些都會堅固數據的護城河。
ChatGPT 或像Inflection AI 的Pi 這樣的個人AI 工具有明顯的潛力成為每個任務的主要渠道，無論是訪問應用程序、開發軟件還是在各種場景下進行溝通。同時，像LlamaIndex 這樣的數據框架將是將個人數據與LLM 相連接的關鍵。模型、使用數據和個人數據的結合將為每個用戶或公司創造個性化的應用體驗。
最後，有些企業可以通過使用客戶和市場數據來訓練和改進模型，從而為所有客戶提供更好的產品，進而加快智能的發展。
初創公司可以構建一個有防禦性的商業模型，作為參與、智能或記錄的系統。隨著人工智能的出現，智能應用將成為下一代偉大軟件公司的源泉，因為它們將成為新的護城河。
舊護城河即新護城河
人工智能的興起令人興奮，當前初創公司在建立新護城河的探索中也基本已經走了一整圈。事實證明，舊的護城河比以往任何時候都更重要。如果谷歌的“我們沒有壁壘”的預測成為現實，並且AI 模型使任何可以訪問GPT 或LLaMA 的開發人員都能夠構建智能係統，那麼我們如何建立一個可持續的業務呢？應用的價值在於如何傳遞價值。工作流程、與數據和其他應用的集成、品牌/信任、網絡效應、規模和成本效率都成為經濟價值和壁壘的創造者。能夠構建智能係統的公司仍然需要精通市場推廣。他們不僅要完美地找到產品與市場的契合點，還要找到產品與市場推廣的契合點。
人工智能並不改變初創公司的營銷、銷售或合作方式。人工智能提醒我們，儘管每一代技術都有其技術基礎，但企業建設的基本原理始終保持不變。
舊的壁壘其實也是新的壁壘。
聲明：本內容為作者獨立觀點，不代表0x财经 立場，且不構成投資建議，請謹慎對待，如需報導或加入交流群，請聯繫微信：VOICE-V。
來源：深思圈
