最近，一篇题为AI Has an Uber Problem（The Information）的文章引人寻思。

作者Tim O'Reilly指出：当初Uber和Lyft利用丰硕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。

在海内，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“谩骂”。

首先，从A到B的出行做事过于标准化，搭客奔着办理出行需求而来，司机也在同时切换几个平台。
其次，在出行做事上放大社交功能，很随意马虎涌现安全问题，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时候？在文章中，作者Tim O'Reilly实在紧张是想批驳一种“堵去世市场公正竞争”的征象。

但我们不妨将OpenAI们的困境与Uber们进行一个类比。

硅谷有名投资人Chris Dixon曾说“因工具而来，为网络而留”。
这句话，Uber们没有完备做到，OpenAI们只做到了前半部分。

虽然技能壁垒远比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，个中的5个月内，ChatGPT总访问量都不才降；去年11月惊艳亮相的GPT Store也没有什么水花，绝大多数谈天机器人，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习的价格战？

其次，AI时期的网络效应是“有毒”的——某种程度上，用户越多，幸亏越多。
Anthropic长期毛利率在 60%旁边；OpenAI由于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%旁边。

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合资人表示：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”？是关键性技能壁垒，还是压倒性的市场霸占率？

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落本钱，以产生更高的利润。

一个大略的推导：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，企业要么降落X，要么提高Y。
如果不能同时实现，也可以通过拉永劫光周期，终极让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），就会创造两个差异点：

移动互联网时期冲破了“c分发规律”，得益于规模经济+网络效应，巨子们的“X总值”可以非常小（除了没有差异性的Uber们）。

AI时期的主题是冲破“a创造规律”，虽然能大大降落用户利用数字组件生产商品的本钱，但算力须要费钱，“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。

比起充满不愿定性的C端用户，看重技能改造（付费强）+长期互助（粘性高）的B端客户才是稳妥之选。

详细来看，OpenAI逐渐转向B端业务，ChatGPT为引流，API才是营收大头；Anthropic更是旗帜光鲜地一头扎向了B端市场；而Inflection被微软“生吞”险些发布了初创企业放弃C真个谈天机器人沙场。

02 差异点：抢先“包装”AI品牌

一旦企业创造底层技能不能制造差异，就要探求新的差异点。
此时，品牌和影响力比以往任何时候都主要。

著名风投契构NFX 研究了几百家AI运用层初创企业，创造它们的产品居然像“水”一样，技能差异化趋向于零！

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+客户感知代价）”。

NFX认为，目前在数据和模型上，不太可能实现差异化——非构造化数据可能会在一段韶光内给企业带来上风，但终极数据本身是不足的，模型大部分情形下也可以互换。

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运用吗？但这个运用100%不会是纯谈天机器人。

其次是分发。
例如，想要基于用户数据开拓个性化AI运用，就很难和Instagram、Sharepoint、Google Drive等现有企业反抗。

末了是客户感知代价。
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绪代价，但这险些会变成一个“生理游戏”。

综上，NFX分享一个思考框架：天生式AI如水，AI运用如瓶装水。

水有三个特色：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脱销的饮料。

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，涌现了一些区域性瓶装水企业，宣扬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偃旗息鼓。

1970年，法国品牌Perrier进军高端市场，发卖模式紧张为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发卖额从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，全体美国瓶装水市场的发卖额增长了144%。

2001年，适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上风，拥有巨大的市场份额。
但这两个品牌并没有堵去世其他品牌的活路，如今还有新的瓶装水企业以同样的模式涌现：Liquid Death、Chlorophyll water。

理性来看，人们并不须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代价不雅观来到市场，品牌总能活下去。

基于此，NFX认为，AI企业至少要在得到技能上风之前学会营销游戏。

03 迁移转变点：从找数据到处理数据

风投契构Greylock同样认为，AI创企须要精通市场推广，并给出了进一步建议。

首先，创始人该当是具有领域履历的产品构建者：只有深入理解繁芜性，才能制订精确的营销推广策略、预测发卖韶光表和招聘操持表。

其次，用紧迫感（FOMO)来主导紧张的分销渠道：从履历来看，那些没有采纳 FOMO策略的垂直企业须要花费很永劫光才能看到古迹起飞。

但与NFX的“摆烂式”不同，Greylock强调了数据的主要性——不可复制的专有数据集能够制造差异点，而且只有客户利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交互产生的数据集。

目前对付许多垂直行业而言，数据还留在凌乱的传统系统中。
为了处理数据，一些大型科技公司已经开始供应为客户合成数据的做事，并将合成数据用于模型演习，以实现快速交付的目标。

如此看来，AI创企的沙场正在从旧的壁垒（数据来源）转移到新的壁垒（处理数据）。

结语

“护城河”常日因此静态办法被我们谈论，就彷佛它早已被“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。
乃至从大数据来看，一家企业在出身第10年倒闭和出身第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，最好的企业永久能够为特定客户，办理“不断更新”的痛点，而这须要企业持续高速改进最佳产品，用创新扩大竞争上风。
就像马斯克说的“创新步伐”。

对付AI创企而言，如果你正在摇摆不定，不妨将AI元素从办理方案中剔除，再来看这是不是一门好买卖。