今天小編分享的科技經驗：AI迎來Uber時刻，初創公司如何構築新護城河？，歡迎閱讀。
文 | 适道
最近，一篇題為 AI Has an Uber Problem（The Information）的文章引人深思。
作者 Tim O'Reilly 指出：當初 Uber 和 Lyft 利用豐厚的風投資金補貼車費，趕走了競争對手。如今 OpenAI 等财大氣粗的 AI 初創企業，正在重復這種 Uber 模式。
在國内，我們常說滴滴是 " 虛假壟斷 " ——下架 18 個月，歸來仍是王者 & 成立至今，累計虧損超千億元。
當 Facebook 們已經憑借網絡效應搶先一步成為 " 赢家 " 時，同樣具備網絡效應的滴滴們卻還在持續燒錢，而且只能燒錢。
網約車行業的網絡效應像是一種 " 詛咒 "。
首先，從 A 到 B 的出行服務過于标準化，乘客奔着解決出行需求而來，司機也在同時切換幾個平台。其次，在出行服務上放大社交功能，很容易出現安全問題，例如滴滴的順風車業務。
因此，即便做到了 " 壟斷 "，滴滴也沒有定價權。如果想提高客單價，取消補貼來增加毛利，且不說虎視眈眈的高德們，就連城市出租車系統也會分一杯羹。
為何說 OpenAI 迎來了 Uber 時刻？在文章中，作者 Tim O'Reilly 其實主要是想批判一種 " 堵死市場公平競争 " 的現象。
但我們不妨将 OpenAI 們的困境與 Uber 們進行一個類比。
矽谷知名投資人 Chris Dixon 曾說 " 因工具而來，為網絡而留 "。這句話，Uber 們沒有完全做到，OpenAI 們只做到了前半部分。
雖然技術壁壘遠比 Uber 深厚，大模型玩家沒有表現出捆綁用戶的能力。Similarweb 數據顯示：2023 年 5 月— 2024 年 1 月，其中的 5 個月内，ChatGPT 總訪問量都在下降；去年 11 月驚豔亮相的 GPT Store 也沒有什麼水花，絕大多數聊天機器人，每天只能吸引到 1-2 個用戶。
大膽想象一下，現在 Claude 3 已經開始 " 田忌賽馬 " 定價策略，下一步該不會又是熟悉的價格戰？
其次，AI 時代的網絡效應是 " 有毒 " 的——某種程度上，用戶越多，虧得越多。Anthropic 長期毛利率在 60% 左右；OpenAI 因為 ChatGPT 免費版，毛利率可能更低。相較之下，美國 SaaS 公司普遍毛利率在 70% 左右。
當然，只要 AI 創業能保持這種增長勢頭，投資人也可以忽略虧損，直到收入增長掉進 30% — 40%。一位 VC 合夥人表示：到那時，如果一家公司的經營現金流為負，并在短期内沒有将至少 10% 的收入轉化為現金流，就很難吸引新的投資人入局。
由此產生了一個問題：OpenAI 們的 " 護城河 " 真的堅不可摧嗎？以及，AI 初創企業該如何構建自己的 " 護城河 "。
01 關鍵點：獲取并維系付費客戶
什麼才是 " 護城河 "？是關鍵性技術壁壘，還是壓倒性的市場占有率？
這些都是表象，真正的 " 護城河 " 是企業產生利潤的能力——企業與供應商和客戶的議價能力，幫助企業提高價格并降低成本，以產生更高的利潤。
一個簡單的推導：如果我花費 X 元（CAC），能獲取一個為我花費 Y 元（LTV）的客戶，只要 Y>X，燒錢也值得。
為此，企業要麼降低 X，要麼提高 Y。如果不能同時實現，也可以通過拉長時間周期，最終讓 Y 總值 >X 總值 。
當我們将企業核心組成分割為 "a 創造東西；b 吸引客戶購買東西；c 分發東西 "（Evan Armstrong），就會發現兩個差異點：
移動互聯網時代打破了 "c 分發規律 "，得益于規模經濟 + 網絡效應，巨頭們的 "X 總值 " 可以非常小（除了沒有差異性的 Uber 們）。
AI 時代的主題是打破 "a 創造規律 "，雖然能大大降低用戶使用數字組件生產商品的成本，但算力需要花錢，"X 總值 " 不可能是一個小數目。
因此，獲取并維系付費客戶的能力将成為 AI 企業構築 " 護城河 " 的關鍵所在。
比起充滿不确定性的 C 端用戶，注重技術革新（付費強）+ 長期合作（粘性高）的 B 端客戶才是穩妥之選。
具體來看，OpenAI 逐漸轉向 B 端業務，ChatGPT 為引流，API 才是營收大頭；Anthropic 更是旗幟鮮明地一頭扎向了 B 端市場；而 Inflection 被微軟 " 生吞 " 幾乎宣告了初創企業放棄 C 端的聊天機器人戰場。
02 差異點：搶先 " 包裝 "AI 品牌
一旦企業發現底層技術不能制造差異，就要尋找新的差異點。此時，品牌和影響力比以往任何時候都重要。
著名風投機構 NFX 研究了幾百家 AI 應用層初創企業，發現它們的產品居然像 " 水 " 一樣，技術差異化趨向于零！
很多 AI 企業期待憑借"（數據 + 模型）* 用戶體驗 "取得勝利。
但實際上，真正有效的公式是"（數據 + 模型）* 用戶體驗 *（分發 + 客戶感知價值）"。
NFX 認為，目前在數據和模型上，不太可能實現差異化——非結構化數據可能會在一段時間内給企業帶來優勢，但最終數據本身是不夠的，模型大部分情況下也可以互換。
還剩下什麼？
首先是用戶體驗。在加密貨币中，用戶體驗就像吃玻璃。AI 現在的問題也是如此，會有人想出一種驚豔的 AI 應用嗎？但這個應用 100% 不會是純聊天機器人。
其次是分發。例如，想要基于用戶數據開發個性化 AI 應用，就很難和 Instagram、Sharepoint、Google Drive 等現有企業抗衡。
最後是客戶感知價值。這部分是目前最具發揮空間的元素。如果企業一開始能做好品牌，就可以在最豐富、最平淡的材料注入情感價值，但這幾乎會變成一個 " 心理遊戲 "。
綜上，NFX 分享一個思考框架：生成式 AI 如水，AI 應用如瓶裝水。
水有三個特征：必需品、無處不在、每瓶水都差不多。
聽上去有點絕望，但美國目前約有 80 個瓶裝水品牌，而且大家都活得還挺好，且瓶裝水也是美國最暢銷的飲料。
歷史上，美國的瓶裝水行業經歷過一個" 衰退 -- 智能營銷和細分市場定位復蘇 -- 現有企業進入、收購真正佼佼者、擊敗大部分競争對手 "的重生循環。
1850s，在美國公共水系統發展初期，出現了一些區網域性瓶裝水企業，宣傳瓶裝水比自來水更幹淨。1900 年，美國大多數公共飲用水已經變得幹淨，随後瓶裝水行業逐漸銷聲匿迹。
1970 年，法國品牌 Perrier 進軍高端市場，銷售模式主要為 B2B，用來調制雞尾酒。
1975 年，Perrier 開始播放 D2C 廣告，将品牌定位為高端、性感，以及更新鮮、更純淨的自來水替代品。随後，Perrier 銷售額從 1975 年的 300 萬美元飙升至 1979 年的 2 億美元。（1992 年被雀巢收購）
可以說，Perrier 帶動了美國瓶裝水市場正式復興，且增長勢頭持續不斷—— 1988 年到 1998 年，整個美國瓶裝水市場的銷售額增長了 144%。
2001 年，可口可樂和百事可樂通過淨化自來水，創立了兩個中端市場品牌：Aquafina 和 Dasani，并憑借其原有的分發優勢，擁有巨大的市場份額。但這兩個品牌并沒有堵死其他品牌的活路，如今還有新的瓶裝水企業以同樣的模式出現：Liquid Death、Chlorophyll water。
理性來看，人們并不需要這麼多的瓶裝水品牌，但當越來越多的創始人帶着獨特的故事和價值觀來到市場，品牌總能活下去。
基于此，NFX 認為，AI 企業至少要在獲得技術優勢之前學會營銷遊戲。
03 轉捩點：從找數據到處理數據
風投機構 Greylock 同樣認為，AI 創企需要精通市場推廣，并給出了進一步建議。
首先，創始人應該是具有領網域經驗的產品構建者：只有深入了解復雜性，才能制定正确的營銷推廣策略、預測銷售時間表和招聘計劃表。
其次，用緊迫感（FOMO ) 來主導主要的分銷渠道：從經驗來看，那些沒有采取 FOMO 策略的垂直企業需要花費很長時間才能看到業績起飛。
但與 NFX 的 " 擺爛式 " 不同，Greylock 強調了數據的重要性——不可復制的專有數據集能夠制造差異點，而且只有客戶使用產品時所產生的數據才能形成長期壁壘。例如，客戶标記自己的行為數據或與產品互動產生的數據集。
目前對于許多垂直行業而言，數據還留在雜亂的傳統系統中。為了處理數據，一些大型科技公司已經開始提供為客戶合成數據的服務，并将合成數據用于模型訓練，以實現快速交付的目标。
如此看來，AI 創企的戰場正在從舊的壁壘（數據來源）轉移到新的壁壘（處理數據）。
結語
" 護城河 " 通常是以靜态方式被我們讨論，就好像它早已被 " 固定 " 在企業中。但事實上，每一家企業倒閉的概率都不可能為零。甚至從大數據來看，一家企業在誕生第 10 年倒閉和誕生第 25 年倒閉的概率相同。
一勞永逸的 " 護城河 " 行不通。無論是過去還是未來，最好的企業永遠能夠為特定客戶，解決 " 不斷更新 " 的痛點，而這需要企業持續高速改進最佳產品，用創新擴大競争優勢。就像馬斯克說的 " 創新步伐 "。
對于 AI 創企而言，如果你正在搖擺不定，不妨将 AI 元素從解決方案中剔除，再來看這是不是一門好生意。
