今天小编分享的互联网经验：AI迎来Uber时刻，初创公司如何构筑新护城河？，欢迎阅读。
文 | 适道
最近，一篇题为 AI Has an Uber Problem（The Information）的文章引人深思。
作者 Tim O'Reilly 指出：当初 Uber 和 Lyft 利用丰厚的风投资金补贴车费，赶走了竞争对手。如今 OpenAI 等财大气粗的 AI 初创企业，正在重复这种 Uber 模式。
在国内，我们常说滴滴是 " 虚假垄断 " ——下架 18 个月，归来仍是王者 & 成立至今，累计亏损超千亿元。
当 Facebook 们已经凭借网络效应抢先一步成为 " 赢家 " 时，同样具备网络效应的滴滴们却还在持续烧钱，而且只能烧钱。
网约车行业的网络效应像是一种 " 诅咒 "。
首先，从 A 到 B 的出行服务过于标准化，乘客奔着解决出行需求而来，司机也在同时切换几个平台。其次，在出行服务上放大社交功能，很容易出现安全问题，例如滴滴的顺风车业务。
因此，即便做到了 " 垄断 "，滴滴也没有定价权。如果想提高客单价，取消补贴来增加毛利，且不说虎视眈眈的高德们，就连城市出租车系统也会分一杯羹。
为何说 OpenAI 迎来了 Uber 时刻？在文章中，作者 Tim O'Reilly 其实主要是想批判一种 " 堵死市场公平竞争 " 的现象。
但我们不妨将 OpenAI 们的困境与 Uber 们进行一个类比。
硅谷知名投资人 Chris Dixon 曾说 " 因工具而来，为网络而留 "。这句话，Uber 们没有完全做到，OpenAI 们只做到了前半部分。
虽然技术壁垒远比 Uber 深厚，大模型玩家没有表现出捆绑用户的能力。Similarweb 数据显示：2023 年 5 月— 2024 年 1 月，其中的 5 个月内，ChatGPT 总访问量都在下降；去年 11 月惊艳亮相的 GPT Store 也没有什么水花，绝大多数聊天机器人，每天只能吸引到 1-2 个用户。
大胆想象一下，现在 Claude 3 已经开始 " 田忌赛马 " 定价策略，下一步该不会又是熟悉的价格战？
其次，AI 时代的网络效应是 " 有毒 " 的——某种程度上，用户越多，亏得越多。Anthropic 长期毛利率在 60% 左右；OpenAI 因为 ChatGPT 免费版，毛利率可能更低。相较之下，美国 SaaS 公司普遍毛利率在 70% 左右。
当然，只要 AI 创业能保持这种增长势头，投资人也可以忽略亏损，直到收入增长掉进 30% — 40%。一位 VC 合伙人表示：到那时，如果一家公司的经营现金流为负，并在短期内没有将至少 10% 的收入转化为现金流，就很难吸引新的投资人入局。
由此产生了一个问题：OpenAI 们的 " 护城河 " 真的坚不可摧吗？以及，AI 初创企业该如何构建自己的 " 护城河 "。
01 关键点：获取并维系付费客户
什么才是 " 护城河 "？是关键性技术壁垒，还是压倒性的市场占有率？
这些都是表象，真正的 " 护城河 " 是企业产生利润的能力——企业与供应商和客户的议价能力，帮助企业提高价格并降低成本，以产生更高的利润。
一个简单的推导：如果我花费 X 元（CAC），能获取一个为我花费 Y 元（LTV）的客户，只要 Y>X，烧钱也值得。
为此，企业要么降低 X，要么提高 Y。如果不能同时实现，也可以通过拉长时间周期，最终让 Y 总值 >X 总值 。
当我们将企业核心组成分割为 "a 创造东西；b 吸引客户购买东西；c 分发东西 "（Evan Armstrong），就会发现两个差异点：
移动互联网时代打破了 "c 分发规律 "，得益于规模经济 + 网络效应，巨头们的 "X 总值 " 可以非常小（除了没有差异性的 Uber 们）。
AI 时代的主题是打破 "a 创造规律 "，虽然能大大降低用户使用数字组件生产商品的成本，但算力需要花钱，"X 总值 " 不可能是一个小数目。
因此，获取并维系付费客户的能力将成为 AI 企业构筑 " 护城河 " 的关键所在。
比起充满不确定性的 C 端用户，注重技术革新（付费强）+ 长期合作（粘性高）的 B 端客户才是稳妥之选。
具体来看，OpenAI 逐渐转向 B 端业务，ChatGPT 为引流，API 才是营收大头；Anthropic 更是旗帜鲜明地一头扎向了 B 端市场；而 Inflection 被微软 " 生吞 " 几乎宣告了初创企业放弃 C 端的聊天机器人战场。
02 差异点：抢先 " 包装 "AI 品牌
一旦企业发现底层技术不能制造差异，就要寻找新的差异点。此时，品牌和影响力比以往任何时候都重要。
著名风投机构 NFX 研究了几百家 AI 应用层初创企业，发现它们的产品居然像 " 水 " 一样，技术差异化趋向于零！
很多 AI 企业期待凭借"（数据 + 模型）* 用户体验 "取得胜利。
但实际上，真正有效的公式是"（数据 + 模型）* 用户体验 *（分发 + 客户感知价值）"。
NFX 认为，目前在数据和模型上，不太可能实现差异化——非结构化数据可能会在一段时间内给企业带来优势，但最终数据本身是不够的，模型大部分情况下也可以互换。
还剩下什么？
首先是用户体验。在加密货币中，用户体验就像吃玻璃。AI 现在的问题也是如此，会有人想出一种惊艳的 AI 应用吗？但这个应用 100% 不会是纯聊天机器人。
其次是分发。例如，想要基于用户数据开发个性化 AI 应用，就很难和 Instagram、Sharepoint、Google Drive 等现有企业抗衡。
最后是客户感知价值。这部分是目前最具发挥空间的元素。如果企业一开始能做好品牌，就可以在最丰富、最平淡的材料注入情感价值，但这几乎会变成一个 " 心理游戏 "。
综上，NFX 分享一个思考框架：生成式 AI 如水，AI 应用如瓶装水。
水有三个特征：必需品、无处不在、每瓶水都差不多。
听上去有点绝望，但美国目前约有 80 个瓶装水品牌，而且大家都活得还挺好，且瓶装水也是美国最畅销的饮料。
历史上，美国的瓶装水行业经历过一个" 衰退 -- 智能营销和细分市场定位复苏 -- 现有企业进入、收购真正佼佼者、击败大部分竞争对手 "的重生循环。
1850s，在美国公共水系统发展初期，出现了一些区網域性瓶装水企业，宣传瓶装水比自来水更干净。1900 年，美国大多数公共饮用水已经变得干净，随后瓶装水行业逐渐销声匿迹。
1970 年，法国品牌 Perrier 进军高端市场，销售模式主要为 B2B，用来调制鸡尾酒。
1975 年，Perrier 开始播放 D2C 广告，将品牌定位为高端、性感，以及更新鲜、更纯净的自来水替代品。随后，Perrier 销售额从 1975 年的 300 万美元飙升至 1979 年的 2 亿美元。（1992 年被雀巢收购）
可以说，Perrier 带动了美国瓶装水市场正式复兴，且增长势头持续不断—— 1988 年到 1998 年，整个美国瓶装水市场的销售额增长了 144%。
2001 年，可口可乐和百事可乐通过净化自来水，创立了两个中端市场品牌：Aquafina 和 Dasani，并凭借其原有的分发优势，拥有巨大的市场份额。但这两个品牌并没有堵死其他品牌的活路，如今还有新的瓶装水企业以同样的模式出现：Liquid Death、Chlorophyll water。
理性来看，人们并不需要这么多的瓶装水品牌，但当越来越多的创始人带着独特的故事和价值观来到市场，品牌总能活下去。
基于此，NFX 认为，AI 企业至少要在获得技术优势之前学会营销游戏。
03 轉捩點：从找数据到处理数据
风投机构 Greylock 同样认为，AI 创企需要精通市场推广，并给出了进一步建议。
首先，创始人应该是具有领網域经验的产品构建者：只有深入了解复杂性，才能制定正确的营销推广策略、预测销售时间表和招聘计划表。
其次，用紧迫感（FOMO ) 来主导主要的分销渠道：从经验来看，那些没有采取 FOMO 策略的垂直企业需要花费很长时间才能看到业绩起飞。
但与 NFX 的 " 摆烂式 " 不同，Greylock 强调了数据的重要性——不可复制的专有数据集能够制造差异点，而且只有客户使用产品时所产生的数据才能形成长期壁垒。例如，客户标记自己的行为数据或与产品互動产生的数据集。
目前对于许多垂直行业而言，数据还留在杂乱的传统系统中。为了处理数据，一些大型科技公司已经开始提供为客户合成数据的服务，并将合成数据用于模型训练，以实现快速交付的目标。
如此看来，AI 创企的战场正在从旧的壁垒（数据来源）转移到新的壁垒（处理数据）。
结语
" 护城河 " 通常是以静态方式被我们讨论，就好像它早已被 " 固定 " 在企业中。但事实上，每一家企业倒闭的概率都不可能为零。甚至从大数据来看，一家企业在诞生第 10 年倒闭和诞生第 25 年倒闭的概率相同。
一劳永逸的 " 护城河 " 行不通。无论是过去还是未来，最好的企业永远能够为特定客户，解决 " 不断更新 " 的痛点，而这需要企业持续高速改进最佳产品，用创新扩大竞争优势。就像马斯克说的 " 创新步伐 "。
对于 AI 创企而言，如果你正在摇摆不定，不妨将 AI 元素从解决方案中剔除，再来看这是不是一门好生意。
