這篇文章深入探討了 AI 應用層的商業模式變革、護城河構建以及未來的投資邏輯。來源: 根據 Andreessen Horowitz (a16z) 合夥人 Alex Rampell 的觀點以及影片內容所整理的深度專業部落格文章。
由 AI 驅動的第五次軟體浪潮，指出我們正處於人工智慧應用發展的黃金時代。說明了 AI 原生公司 如何透過專有數據壁壘與端到端工作流，在法律、醫療與金融等領域建立強大的競爭護城河。專家強調，目前的趨勢已從單純的軟體工具轉向直接替代或增強勞動力，這將徹底改變企業的定價邏輯與獲利模式。此外，文中分析了圍牆花園策略的重要性，強調擁有大模型無法獲取的獨家數據是新創企業生存的關鍵。最終，這波變革不僅重塑了軟體產業的典範，更為消費者與企業端帶來了前所未有的市場擴張與生產力提升。
- 軟體業第五次浪潮與前四次有何不同？
- AI如何從「節省成本」轉向「創造收入」？
- 為何專有數據是AI時代最重要的商業護城河？
——————————————————————————–
前言：我們正處於「美好的舊時光」
如果你現在能擁有一台時光機，回到 15 或 20 年前，買入 Salesforce、Shopify、ServiceNow 這些公司的股票，你將擁有一個回報率驚人的投資組合。那是雲端計算（Cloud Computing）剛剛開始吞噬傳統本地部署軟體（On-Premise）的時代。
今天，我們正站在一個類似、甚至更為宏大的歷史節點上。
a16z 合夥人 Alex Rampell 將其稱為軟體行業的「第五次浪潮」。回顧 1977 年至 2023 年的納斯達克指數，我們可以清晰地看到前四次週期：PC 時代、網際網路時代、雲端計算時代，以及移動互聯網時代。每一次浪潮都誕生了新的基礎設施巨頭和應用巨頭。而現在，隨著 ChatGPT 等生成式 AI 的普及，我們正式進入了 AI 應用時代。
這不是未來的預測，而是正在發生的現實。這篇文章將深入剖析這場變革的核心邏輯，探討企業如何在這場範式轉移中建立真正的護城河，以及為什麼「替代勞動力」而非「軟體競爭」將成為最大的商業機會。
——————————————————————————–
一、 範式轉移：從 SaaS 到 AI Native 的「綠地機會」
AI 時代的到來並非憑空出現，它是建立在智慧型手機普及和雲端計算成熟的基礎之上的。這使得 AI 的採用速度遠超以往任何一次技術浪潮。然而，在這場競賽中，傳統軟體巨頭與新興 AI 原生（AI Native）公司之間的博弈顯得尤為精彩。
1. 為什麼傳統軟體難以轉身？
就像當年的本地部署軟體公司難以轉型為雲端公司一樣，現在的傳統 SaaS 公司在轉向 AI Native 時也面臨巨大挑戰。這不僅僅是技術問題，更是商業模式的衝突。傳統軟體習慣了一次性授權或基於「席位（Seat）」的訂閱模式，而 AI 的商業邏輯可能完全不同。
Alex Rampell 提出了一個「賓果卡（Bingo Card）」的概念：企業資源規劃（ERP）、客戶關係管理（CRM）、客戶支援、機器人流程自動化（RPA）等每一個傳統軟體類別，都存在被 AI 原生公司重新定義的機會。
2. 綠地（Greenfield）策略：不爭搶，只創造
對於新創公司而言，直接從 Salesforce 或 Workday 手中搶奪現有客戶（Brownfield 機會）是極其困難的。因為這些大公司擁有極強的「鎖定效應」——最好的公司擁有的是「人質」而非僅僅是客戶。一旦企業的記錄系統（System of Record）建立，遷移成本極高。
因此，AI 原生公司的機會在於「綠地」。
以 Mercury Bank 為例，它並沒有試圖從矽谷銀行手中搶走現有客戶，而是專注於服務那些剛剛成立的新創公司。同樣地，AI 原生 ERP 公司（如 Rippling 投資的相關企業）鎖定的是那些成長到 50 人規模、剛剛需要從 QuickBooks 遷移到更複雜系統的企業。在這個「轉折點」上，客戶會自然地選擇市場上最先進的產品，而不會被舊系統束縛。
——————————————————————————–
二、 商業模式的躍遷：軟體開始替代勞動力（Service-as-a-Software）
這是本輪 AI 浪潮中最令人興奮的變革：軟體的市場邊界正在被無限擴大，因為它不再只是與其他軟體競爭，而是在與人力成本競爭。
1. 突破價格天花板
傳統軟體市場受限於企業的 IT 預算，通常每個席位每年幾百到幾千美元。但勞動力市場的成本是每年幾萬甚至幾十萬美元。
讓我們看一個具體的例子：一家眼科診所招聘前台接待，年薪 4.7 萬美元。如果有一款軟體能完成其中 50% 的工作，診所絕不會只願意付 500 美元（傳統軟體價格），但也不會付 4.7 萬美元。他們可能願意支付 2 萬美元。這就創造了一個介於傳統軟體和全職人力之間的全薪定價區間，一個以前根本不存在的巨大市場。
2. 案例分析：EvenUp（法律科技的降維打擊）
a16z 投資的 EvenUp 是這一趨勢的完美註腳。它服務於人身傷害案件的原告律師。這是一個特殊的市場：律師按勝訴金額抽成，而非按小時計費。
• 痛點： 處理醫療記錄、起草索賠信需要大量高技能人力。
• AI 價值： EvenUp 不僅僅是節省時間，它能通過 AI 分析大數據，告訴律師哪個案子值 5 萬美元，哪個值 500 萬美元，並自動生成索賠文件。
• 收入增長而非成本節約： 如果 AI 能讓原告律師的效率提升 5 倍，他們的收入就能增長 5 倍。這種「增強人類」而非單純「替代人類」的模式，使得軟體可以直接分享業務增長的紅利。
• 擴大市場： 以前律師只接預期收益 5 萬美元以上的案子，現在因為 AI 降低了處理成本，5000 美元的案子也能接了，這解決了法律服務供需失衡的問題。
3. 案例分析：Sloane（解決高流失率的髒活累活）
Sloane 專注於汽車貸款催收和保險理賠。這是一份沒人喜歡的工作：員工整天被罵，流失率高達 40%-70%。
• AI 的優勢： AI 不會累，不會被罵哭，而且能精確記住全美 50 個州的每一條法律法規（這對合規至關重要）。
• 結果： 催收率提高了 50%。
• 價值主張： Sloane 賣的不是「催收軟體」，而是「更高的回款率」和「無法律風險」。這讓企業無法拒絕。
——————————————————————————–
三、 護城河的構建：圍牆花園與專有數據
在生成式 AI 時代，構建軟體變得異常容易。利用 Cursor 或其他 AI 輔助編程工具，競爭對手可以迅速複製你的功能。那麼，企業如何構建持久的護城河？
答案在於：專有數據（Proprietary Data）。
Alex Rampell 用了一個生動的「農場與餐廳」的比喻：OpenAI 就像種菜的農場，如果你只是買它的菜（API）來做菜（應用），那麼當農場決定自己開餐廳時，你就死定了。但如果你擁有獨家的食材（數據），也就是 OpenAI 訓練數據中沒有的東西，你就擁有了護城河。
1. 什麼是真正的專有數據？
這不僅僅是公開數據，而是經過數位化、整理、或通過獨家授權獲得的「高價值資訊」。
• Open Evidence（醫療）： 雖然 ChatGPT 閱讀過互聯網上的醫療資訊，但 Open Evidence 獨家授權了《新英格蘭醫學雜誌》等頂尖期刊。醫生需要的是基於權威文獻的「循證醫療」，而不是 GPT 可能產生的幻覺。這就是「獨家食材」。
• vLex（法律）： 這家公司收購並數位化了西班牙所有的法律記錄。如果律師需要一份基於西班牙判例的備忘錄，通用大模型做不到，只有 vLex 能做到。這讓他們從「按月收費」轉向了「提供高價值成品」的高溢價模式。
• Acel（採購）： 擁有成千上萬份舊合同數據，能告訴你在談判中該在哪些條款上施壓。這種隱性知識是大模型無法從公開網絡上獲取的。
2. 數據的飛輪效應
以 EvenUp 為例，它處理的每一個案件都在生成新的、非公開的數據（比如某類案件的平均賠償額）。這些數據反過來優化了模型，使其估值更準確，從而吸引更多律師使用。這是一個大模型公司無法觸及的數據閉環。
——————————————————————————–
四、 戰略格局：模型會吞噬應用嗎？
這是一個讓所有創業者焦慮的問題：OpenAI 或 Google 會不會親自下場做應用，把大家都滅了？
a16z 的觀點是：應用層不會被模型層吞噬，聚合器（Aggregator）將成為贏家。
1. 聚合器的價值
就像買機票時，我們更喜歡用 Expedia 或 Skyscanner 而不是單獨去每一家航空公司網站搜索一樣，用戶需要一個能訪問所有模型的統一介面。 不同的模型有不同的專長（有的擅長寫程式碼，有的擅長創意寫作）。在開發工具或創意工具中，用戶希望能在同一個工作流中調用最佳的模型。這種「模型聚合」本身就創造了巨大的價值，而單一模型廠商（如 Google 或 OpenAI）受限於自身利益，很難做到這一點。
2. 企業與消費者的並行機會
在消費者（Consumer）AI 領域，我們看到了同樣的趨勢：
• AI 原生工具的崛起： 年輕的設計師開始首選 Kittl 或 Canva 這樣的 AI 原生工具，而不是 Photoshop。就像雲端時代的新用戶首選 Google Docs 一樣。
• 品類創造： ElevenLabs 創造了「語音 AI」這個全新的消費級品類，這在五年前根本不存在。
• 數據驅動的垂直整合： Slingshot 透過 AI 抄寫員收集治療師的對話數據（在隱私保護下），訓練出專門的心理治療模型，進而推出面向消費者的 AI 治療師應用。這種從 B 端數據積累反哺 C 端產品的路徑，是通用模型無法複製的。
——————————————————————————–
五、 結論：軟體主導的未來
我們正在經歷的這場變革，速度之快前所未有。在傳統軟體時代，一家公司從主導到被淘汰可能需要五年，但在 AI 時代，如果沒有真正的護城河，被顛覆可能只在朝夕之間。
未來的贏家將具備以下特徵：
1. AI 原生（AI Native）： 從第一天起就基於 AI 架構設計，而不是在舊系統上打補丁。
2. 擁有專有數據（Proprietary Data）： 構建「圍牆花園」，擁有大模型無法獲取的獨家資訊。
3. 重新定義工作流（End-to-End Workflow）： 不只是提供工具，而是接管整個工作流程，直接交付結果（Outcome）。
4. 按價值定價（Value-Based Pricing）： 擺脫席位費的束縛，根據創造的經濟價值或節省的勞動力成本收費。
正如 Alex Rampell 所言，很多時候我們並未意識到自己正生活在歷史的關鍵時刻，直到時光流逝。AI 驅動的產品週期不再是中心化的，而是由軟體主導的，這賦予了技術人員前所未有的創造力。
對於投資者和創業者來說，這不是關於「AI 是否會取代人類」的恐慌，而是關於如何利用 AI 擴展服務邊界、解決供需失衡、並創造全新市場類別的機遇。
AI 應用的黃金時代，才剛剛開始。
——————————————————————————–
本文取材自 a16z YouTube 影片 – https://youtu.be/3XVDtPU8xKE
