硅谷頂級風投a16z最新報告：SaaS已死，AI應用的護城河來自三方面

1月20日，硅谷頂級風險投資機構a16z發佈了一份關於AI應用的深度分析報告。主題聚焦於AI應用真正的護城河在哪里？

a16z總結出三個要點：

一、軟件取代勞動力

過去二十年，SaaS行業的黃金法則一直是：將原本由人完成的工作流程化、工具化，然后按人頭向企業收費。但在a16z看來，這個邏輯正在失效。AI應用正在進入一個新的階段，軟件即勞動力（Software is eating labor）。

這是一個比傳統軟件市場大得多的生意。a16z以投資的Salient為例，傳統的SaaS思路是賣一套更好的管理軟件給催收公司，幫他們省錢，但Salient的做法是：直接用AI取代催收員。傳統的催收員不僅成本高、流動性大，而且受限於情緒和法律知識，經常出錯。而AI催收員可以熟知全美50個州複雜的法律條款，精通21種語言，且永遠情緒穩定。結果Salient不僅降低了成本，更重要的是幫客户多收回了50%的欠款。

「每個人都想省錢，但每個人更想賺錢。」當軟件不再只是工具，而是直接交付結果時，客户願意支付的就不再是每人每月幾美元的訂閲費，而是基於結果的分成。

二、傳統軟件的AI原生化

儘管創業公司攻勢兇猛，但a16z並不認為巨頭會輕易倒下。最好的公司擁有的是「人質」（Hostages），而不是客户。

像NetSuite、Workday這類巨頭，記錄系統早已嵌入企業的肌理，極難被替換。對於這些存量市場的霸主來説，AI成了加固城牆的工具。Workday可以輕松上線一個AI背景調查功能，併爲此向每個員工收取500美元，客户雖然抱怨，但別無選擇。因此，a16z建議創業者避開這些巨頭，去尋找那些全新的增量市場。

三、用專有數據構建圍牆花園

隨着OpenAI、Google等巨頭將大模型能力不斷推高，模型本身的稀缺性正在下降。在模型日益商品化的今天，專有數據（Proprietary Data）成爲了唯一的圍牆花園。

Open Evidence是一個典型的案例。雖然ChatGPT也能回答醫學問題，但Open Evidence擁有《新英格蘭醫學雜誌》等核心醫學文獻的獨家授權。這種基於封閉數據構建的答案，是通用大模型無法通過公開爬蟲獲取的。當AI擁有了理解和推理能力，沉睡的數據就變成了金礦。

a16z認為人性底層的邏輯非常簡單：每個人都想要兩樣東西：變得更富和變得更懶。對於企業來説，採用AI不僅僅是爲了降本（更懶），更是爲了直接創造營收（更富）。從Ramp的數據來看，企業在AI上的支出在2025年1月出現了一次巨大的躍升。這是實打實的生產力落地。

不同於移動互聯網時代僅僅是把電腦裝進口袋，AI時代的變革是疊加在過去五十年PC、互聯網、雲和移動技術之上的。它面對的是全球80億已經聯網的用户，擴散速度前所未有。雖然外界對AI泡沫的擔憂從未停止，但在a16z的投資版圖中，那些能在數據上構建圍牆、在業務上直接交付結果的公司，正以0到1億美元營收的最快紀錄，證明着這個時代的真實性。對於創業者而言，現在不是擔心巨頭的時候，而是去尋找那些還未被數字化的角落，用AI把苦力活變成印鈔機的最佳時機。

a16z報告內容劃重點：

1、軟件即勞動力是最大增量

SaaS行業的邏輯正在發生根本性轉變，從賣工具進化為直接交付工作結果。過去企業按人頭購買軟件（如Office）來輔助員工工作，而AI時代，軟件將直接取代勞動力完成任務。

2、專有數據是唯一的圍牆花園

隨着大模型能力的普及和商品化，模型本身的稀缺性下降，專有數據（Proprietary Data）成為真正的護城河。創業者應利用私有數據構建通用模型無法複製的優勢。

3、商業模式變革：從賣原材料轉向賣成品

在AI時代，單純的數據訂閲模式（賣原材料）價值有限，真正的價值在於利用獨家數據生成成品。過去像PitchBook這樣的公司出售數據供人分析，現在AI應該直接基於數據生成完整的分析報告或備忘錄。這種從賣蔬菜到賣大餐的轉變，能將產品價值提升10倍甚至100倍。

4、巨頭的防禦：擁有人質而非客户

現有的軟件巨頭（如Salesforce、Workday）不會輕易被顛覆，因為它們擁有極難被替換的記錄系統和客户關係，這些客户更像是被鎖定的「人質」。巨頭可以利用現有的壟斷地位，輕松上線AI功能並強制收費，客户雖然抱怨但別無選擇。

5、垂直整合服務：AI時代的門口野蠻人

與其開發一個難以銷售給會計師的軟件工具，不如直接收購一家會計師事務所作為試驗田，利用AI大幅提升效率，從而以更低成本服務成千上萬的新客户，成為一家AI驅動的超級會計師事務所。這種模式解決了傳統軟件銷售中最難的獲客和交付問題。

6、AI重構勞動力價值方程：增強而非單純替代

目前的AI變革更多是增強勞動力或解決人才短缺，而非引發大規模失業 。商業決策的核心是成本與價值的權衡：當AI能以極低成本全天候工作且情緒穩定時，它實際上是在做人類不願意做或做不好的工作 。未來的工作形態不是人類被淘汰，而是隨着AI接管低效勞動，人類轉向更高價值的領域，正如昔日的農民轉向其他職業一樣 。

7、消費者AI的機會在於聚合與新類別

在消費者應用領域，除了創造全新的原生類別（如11Labs所在的語音市場），「模型聚合者」往往比單一模型更有價值。這就好比Kayak之於航空公司，用户需要一個統一界面來調用所有模型的最佳能力，而不是被鎖定在某一個大廠的模型中。因為大廠通常受限於自家模型，這給第三方聚合平臺留出了巨大的生存空間。

以下為a16z報告原文：

1、宏觀視角：產品周期驅動市場增長

回顧1977年至今的納斯達克指數，儘管短期內市場有漲有跌，但長期趨勢始終向上。這一增長的核心動力在於產品周期。過去幾十年，我們經歷了四個重大的產品周期：

個人電腦（PC）時代：這是起步階段。

互聯網時代：在PC基礎上建立連接，誕生了Cisco等基礎設施公司以及eBay、Amazon等應用層巨頭。

雲計算時代：AWS等基礎設施崛起，支撐了Workday、Shopify、Veeva等應用層公司的爆發。

移動互聯網時代：將計算機放進了每個人的口袋。

現在，我們正處於第五個周期——AI時代。這並不是憑空出現的全新事物，而是建立在智能手機普及和雲計算基礎設施之上的。如果退回幾十年前，只有ENIAC計算機而沒有云計算和移動端，AI只能是博物館里的陳列品。如今，全球80億人大多擁有智能手機，新技術的採納速度前所未有。我們觀察到，軟件領域絕大多數的新增收入目前都來自於AI，無論是基礎設施層還是應用層。

我對人類行為有一個普遍的觀察：每個人都想變得更富有、更懶惰。也就是説，人們希望用更少的工作獲得更多的經濟價值。生成式AI正是解鎖這一需求的關鍵。

兩年前，ChatGPT剛發佈時，大家覺得它像個能寫劇本的新奇玩具。但現在，它已經滲透進企業，實實在在地為人們節省時間和金錢。以企業支出管理公司Ramp為例，我們可以看到具有前瞻性的公司（不僅僅是初創公司，也包括擁有數千員工的傳統企業）正在積極採用AI技術。這不僅是曲線的平穩增長，而是一個劇烈的拐點。

馬斯洛需求層次理論的底層曾被戲稱為Wi-Fi，而現在出現的下一個需求底層實際上是AI。美國約有15%的成年人每周使用ChatGPT，它已成為日常工具——從解決生活瑣事（比如我妻子用它查詢法律條款來處理校車投訴）到處理複雜的商業邏輯。

2、a16z的三大AI投資主題

我們一直在思考：什麼是具有防禦性的？哪些是OpenAI等巨頭不會去做的事情？基於此，我們總結了三個主要的投資主題：

傳統軟件的AI原生化：

這指的是現有的軟件類別正在利用AI進行自我革新。回顧歷史，如果能回到15-20年前投資雲原生公司（如Salesforce、NetSuite），你會獲得巨大的回報，因為當時的本地部署軟件巨頭無法適應訂閲模式。

但這一次情況不同。現有的軟件巨頭如Adobe、Salesforce、Workday並沒有坐以待斃。它們正在將AI融入現有產品，並以此為新功能收費。例如，Workday可能會利用其壟斷地位（擁有「人質」而非僅僅是客户），提供內置的背景調查功能，價格雖高但客户難以拒絕。這些巨頭因AI而變得更強大，因此在現有的軟件版圖上直接競爭非常困難。

軟件取代勞動力（Service-as-Software）：

這是我們最興奮的領域，也是最大的市場機會。這屬於空白市場（Greenfield Opportunity）。

以前，軟件公司是在賣工具；現在，軟件開始直接銷售工作結果。

假設一家眼科診所，每年花500美元訂閲Microsoft Office，但會花4.7萬美元僱傭一名前臺接待。如果現在有一款軟件能完成前臺90%的工作（24小時在線、懂多國語言），診所不會只願意付500美元，而是願意支付接近人工成本的一小部分（例如2萬美元）。

這徹底改變了軟件的市場規模。我們不再是爭奪那500美元的軟件預算，而是去切分那數萬億美元的勞動力市場。這類公司通常沒有歷史包袱，是在全新的領域創造價值。

圍牆花園與專有數據（Walled Gardens）

這一類是指擁有專有數據模型，且能形成深厚護城河的企業。其核心在於利用私有數據構建通用的AI模型無法複製的優勢。

在法律領域，大家可能聽過服務於高端企業律所的Harvey。但我們關注到了另一個獨特的市場——原告律師（Plaintiff Law），例如處理人身傷害或勞動法的律師。

這個市場的商業模式非常特殊：風險代理/勝訴分成（Contingency Fee）。律師按勝訴金額的一定比例收費，而非按小時計費。

如果是企業律師，AI提高50倍效率可能會導致計費工時減少，從而降低收入。但在原告業務中，效率提高5倍意味着律師可以處理5倍的案件，收入直接翻倍。這與AI的核心價值完美契合。

我們投資的Eve不僅僅是一個工具，它正在接管端到端的工作流。Eve推出了語音代理，可以自動聯繫潛在客户、收集證據、梳理數千頁的醫療記錄，並起草索賠函。Eve的防禦性不僅在於它能打電話或寫摘要（這些是差異化，不是防禦性），而在於它成爲了記錄系統（System of Record）。

隨着Eve處理的案件越來越多，它積累了關於案件結果的私有數據。它能告訴律師：「根據過去的數據，這個案子只值5千美元，不值得投入精力；而那個案子可能值500萬美元。」這種基於結果數據的判斷力是OpenAI或其他通用模型無法獲取的，因為這些數據不是公開的。

在AI投資中，我們不僅關注差異化（Differentiation），例如能用50種語言對話；更關注防禦性（Defensibility）。

如果在現有的軟件版圖上競爭，你面對的是擁有深厚客户關係的巨頭，這很難。但如果你能：

開闢空白市場，用軟件取代昂貴且低效的人工勞動；

建立記錄系統，通過掌控工作流積累私有數據，形成「數據-洞察-價值」的正向循環；

那麼，你就能建立起真正的壁壘。正如Eve在法律領域的實踐，它不僅降低了處理案件的邊際成本，還通過數據優勢指導商業決策，這種粘性和網絡效應纔是我們尋找的持久增長動力。

3、關於失業與技術替代的思考

關於大規模失業對社會的影響，我認為這種情況不會很快發生。回看1789年，98%的美國人都是農民。顯然，拖拉機的出現取代了部分人力，但也促使這部分人轉向了其他工作。坦率地説，我們目前看到的大多數技術變革並不是在消除工作崗位。

以那350萬名卡車司機為例，未來某個時間點，我們肯定會找到比人類駕駛卡車更好的解決方案——即由AI來完成。商業決策的核心在於成本與價值的權衡：當產出價值低於成本時，僱傭人類是不合理的；但如果你能僱傭AI，情況就變了。當成本大幅下降而價值保持不變時，企業會大量採用AI，但這並不意味着會大規模淘汰人類。這很難精準預測，但回顧75年前，軟件公司里並沒有產品經理或設計師這樣的職位，對於1800年代的人來説，現代的許多工作也毫無意義。因此，我們現在看到的許多變化，並不是直接的替代，而是增強。

與其説軟件正在吞噬勞動力，不如説軟件正在增強勞動力，或者是在解決人才短缺的問題。例如，我很難僱人在凌晨2點接電話，但我可以部署AI來做這件事。這不僅僅是成本問題，更是價值與成本方程的重構。

一個很好的例子是汽車貸款催收行業。這是一項艱難的工作，員工需要整天面對那些拒絕還款、因為車禍或保險糾紛而憤怒的客户。還要忍受漫長的電話等待音樂，這種環境讓人極其痛苦，導致員工流失率極高。而在這種場景下，AI的價值不在於省錢，而在於它能將回款率提高50%。

像Salient這樣的公司之所以能爆發式增長，是因為他們改變了推銷邏輯。他們不對客户説「我要幫你省錢」，而是説「我要通過合規的方式，幫你把每月的收入提高50%，同時確保「你不會因為員工受氣説錯話而惹上法律麻煩」。AI可以全天候工作，情緒穩定，嚴格遵守合規要求。這纔是真正的價值創造。

通過軟件建立記錄系統（System of Record）並構建垂直操作系統，是讓產品具有極高粘性的關鍵。

即使在餐飲這樣看似不買軟件且倒閉率高的行業，Toast也證明了垂直軟件的巨大潛力。起初很多人看衰Toast，但他們最終不僅提供軟件，還整合了金融服務（支付處理和貸款），成爲了餐廳運營的一站式平臺。這種深度集成使得傳統的支付處理公司無法通過簡單增加軟件功能來取代它。

同理，處理複雜的合規問題也是一種護城河。比如在人力資源或法律科技領域，你需要捕捉每一條新的聯邦和州法律。你在密蘇里州、加利福尼亞州和愛荷華州需要説的話完全不同。人類很難實時記住所有這些差異，但像Salient這樣的系統可以掌握21種語言和所有法規細節，這就是為什麼它的表現能高出50%。

現在我們進入一個非常重要的概念——圍牆花園（Walled Garden）。

目前像OpenAI這樣的公司就像是一個基礎設施供應商，或者比喻為蔬菜農場，他們種植並出售tokens。原本他們應該只做基礎設施，讓下游公司去構建應用。但現在OpenAI也開始自己做應用，這就相當於農場主在農場里開了餐廳，直接與買菜的餐廳老闆競爭。

在這種環境下，應用層公司的生存藍圖在於掌握稀缺的原材料——數據。這就像是世界上最古老的商業模式：圈一塊地，建立實體資產，然后對訪問者收費。在AI時代，你可以通過數據做同樣的事情。

有些數據本身是公開的，但聚合起來就變成了獨家資產。比如FlightAware的數據來自ADS-B應答器，這在技術上是公開且免費的，你甚至可以自己在亞馬遜買個天線來接收。但FlightAware在全球建立了龐大的接收網絡，將這些碎片化信息整合成完整的航班追蹤數據。這就是ChatGPT無法直接回答，但FlightAware知道的信息。

過去，像PitchBook這樣的公司出售私募市場的融資數據（例如1992年某公司的B輪估值），或者CoStar出售房地產數據。以前他們的模式是賣數據訂閲費（比如每月200美元）。但在AI時代，真正的價值在於利用這些獨家數據生成成品。與其讓分析師去訂閲PitchBook然后寫報告，不如讓AI直接基於獨家數據生成一份關於某公司的完整備忘錄。這意味着商業模式從賣蔬菜（數據訂閲）轉變為賣大餐（完整的分析結果），其價值可能從幾百美元提升到幾千美元。

Open Evidence是醫療領域的ChatGPT。它的界面和ChatGPT一樣，但區別在於它擁有《新英格蘭醫學雜誌》及其他權威醫學期刊的獨家授權。如果你跟腱斷裂，問ChatGPT只能得到中等質量的建議；但Open Evidence基於權威循證醫學數據，能提供精準得多的建議。因為它壟斷了高質量的食材供應。

VLex是一家擁有26年曆史的公司，他們收購了西班牙所有的法律檔案。通過將AI應用於這些獨有的法律數據，他們的收入增長了五倍。因為律師需要的不是通用的法律建議，而是基於特定判例法的、能在早上七點前準備好的精準備忘錄。

在企業採購領域，Lio展示了專有數據的力量企業採購部門不僅要省錢，還要處理複雜的合同博弈。比如你正在與德勤談合同，Lio系統可以調用該企業過去與德勤簽訂的50份舊合同，分析歷史條款，告訴你應該在哪些條款上進行回擊。這些私有的歷史合同數據是ChatGPT永遠無法獲取的寶庫，這讓Lio的產品具有了不可替代的價值。

許多信息在過去看起來是免費的或價值不大（例如飛機的實時位置、YouTuber的歷史訂閲數），但在AI時代，這些數據成爲了極其寶貴的訓練資源和競爭壁壘。只要你能收集、聚合別人無法獲取的數據，並在此基礎上構建服務，你就擁有了應對巨頭競爭的圍牆花園。

我非常鼓勵大家去關注所謂的圍牆花園（Walled Garden）及其成果。這里指的不僅僅是創意檔案，還包括物流信息，甚至是縣政府記錄員辦公室里的數據。例如，你可以查到誰擁有哪處房產，但這些信息通常必須親自去線下的辦公室才能獲取。雖然這些信息本質上是免費的，但如果你能將其數字化、使其易於訪問，並在此基礎上通過AI增加價值，那麼你創造的產品價值將遠超數據本身。

這不僅僅是添加AI那麼簡單，其核心邏輯在於你擁有別人沒有的東西。人們之所以爭相購買，是因為你在創造一種最終更具價值的資產。現在正是做這件事的最佳時機。舉個例子，一位創業者找到了上世紀80、90年代所有攪拌機的舊説明書。在1999年，你根本不知道去哪里找這些東西，但在eBay上可以低價買到。這展示了利用被忽視的數據構建信息孤島的潛力。如果你在十年前做這件事，可能只是個普通生意，但在今天，通過AI交付成品，其實際價值可能提升10倍甚至100倍。

這就引出了一個經典的投資框架：初創公司與既有巨頭之間的戰鬥。關鍵在於，是初創公司先搞定分發渠道，還是巨頭先搞定創新？

對於那些擁有難以被取代的圍牆花園數據的領域，初創公司有巨大的顛覆機會。比如在eBay上賣舊手冊，以前這只是賣原材料（數據），只能通過訂閲費變現，價值有限；但現在利用AI，你可以交付價值千金的成品，這讓商業模式變得可行。這就回答了創投圈常問的「為什麼是現在？」的問題。就像Uber的出現需要iPhone和GPS普及一樣，現在AI技術成熟了，讓那些曾經掙扎多年的垂直領域公司（如法律科技公司VLex）有機會變成獨角獸。相比之下，我對那些僅僅是在現有軟件基礎上做改良的項目持悲觀態度。

我不認為NetSuite或QuickBooks會被輕易顛覆，因為它們掌握着巨大的金礦——客户數據和支付流。它們完全可以向現有客户羣推出AI功能並收費。因此，對於SaaS（軟件即服務）領域的既有巨頭，我非常看好它們利用AI進一步鞏固地位。為什麼出租車公司沒有做出Uber？往往是因為既有者受限於現有思維，看不上新模式，或者覺得新模式很蠢，直到為時已晚。但對於那些能夠替代人工勞動、或者基於專有數據構建圍牆花園的新機會，我是非常看好的。

如果你擁有專有數據，不應該只是把它賣給AI公司（如Harvey或OpenAI），而應該利用這些數據自己構建產品，直接面向終端客户銷售。如果VLex把數據賣給律所，他們可能只能收一筆訂閲費；但如果他們利用數據提供高價值的法律分析服務，就能大幅提高定價權。這就像OpenAI雖然收費低廉，但基於其模型開發的應用可以創造巨大價值。

聰明的公司會通過AI將原材料加工成成品。例如，你不需要買LexisNexis的原始數據，你真正需要的是一份經過分析的風險評估報告。如果一家公司能利用AI完成從數據清洗、分析到輸出結論的全過程，直接幫客户解決問題（例如判斷是否接受一筆交易），那麼它就不僅是賣軟件，而是在替代昂貴的人工服務。

這就談到了白領服務領域的變革。我曾將其稱為「門口的野蠻人（AI版）」。傳統的私募股權公司喜歡收購會計師事務所或牙科診所，通過裁員和外包來削減成本。但現在，AI提供了全新的整合路徑。

以會計行業為例，最大的瓶頸是招聘註冊會計師（CPA）。如果你開發了一套AI工具，收購一家會計事務所作為試驗田，用AI大幅提升效率，你就不需要再去收購100家事務所了。你可以依託這一家事務所的牌照和現有客户，利用AI處理能力，以更低的成本服務成千上萬的新客户。與其做一個賣給會計師的軟件工具（這很難銷售），不如直接成為一家「AI驅動的超級會計師事務所」。

同理，在債務催收領域，你可以買下一家有合規牌照但經營不善的催收公司，植入AI技術，利用其現有的客户資源，迅速擴大業務規模。這種「垂直整合軟件加服務」的模式，比單純賣軟件更具吸引力，因為它解決了獲客和交付的難題。

4、消費者AI（Consumer AI）的三大趨勢

這種邏輯同樣適用於消費者領域。我們觀察到三個主要趨勢：

傳統類別的AI原生化（AI-Native）：就像Photoshop是設計師的標配，但在AI時代，年輕設計師可能會選擇其他的AI原生設計工具。因為這些新工具從底層就內置了AI邏輯，使用體驗完全不同。

新類別的創造：例如11Labs所在的語音和音頻模型市場，五年前幾乎不存在，或者只是極小眾的配音市場。通過縱向整合和技術突破，他們在極短時間內創造並佔據了這個新類別。

專有數據的變現：這是一個非常有效的劇本。以我們投資的Slingshot為例，它是一個AI治療師。他們通過為人類治療師提供AI記錄工具來收集數據（筆記），然后用這些高質量的專業數據訓練基礎模型，最終開發出直接面向消費者的心理諮詢產品Ash。OpenAI雖然強大，但沒有這種垂直領域的深度數據，這就是Slingshot的護城河。

很多人問，為什麼不是Google或OpenAI等大公司通吃一切？原因在於，在消費者應用中，做「模型聚合者」往往比只做一個模型更有價值。

這就像Kayak之於航空公司。用户想要搜索所有航班的組合，而不是隻去美聯航官網。在視頻生成或創意工具領域，不同的模型各有所長，用户需要一個能調用所有模型能力的統一界面。大廠通常受限於只能使用自家的模型，這就給第三方的聚合平臺留出了巨大的生存空間。

在a16z，我們尋找的是最好的交易，而不是不錯的交易。這意味着我們更傾向於反向選擇——主動去發現那些還未在市場上公開融資的頂級創業者，而不是等着看那些已經流傳了半年的商業計劃書。

我們的決策過程是信念驅動（Conviction Driven）而非單純的共識驅動。如果一位合夥人對某個項目有極強的信念，哪怕其他人有疑慮，我們也會支持。因為在風投領域，錯失一個改變世界的機會比投錯一個項目代價更大。

一旦決定投資，我們會啟動中斷流程，集全公司之力去贏得這筆交易。這不僅是資金的支持，更是利用我們在各個領域的專家資源（無論是企業服務還是消費者應用）來幫助創業者成功。我們不希望僅僅做開支票的人，而是成為創業者在該領域的最佳合作伙伴。

關於AI原生公司的客户留存率，目前我們還沒有看到嚴重的問題。雖然市場上有很多嘗試和切換，但企業客户越來越傾向於尋找能夠提供豐富生態系統和整體解決方案的初創公司。單純提供一個AI功能（如語音轉文字）是不夠的，必須在覈心功能周圍構建完整的工作流。

在銷售方面，我們發現了一個有趣的現象：比起傳統的推銷，現在更多的是前置部署工程（Forward Deployed Engineering）。大型企業非常渴望應用AI來降本增效，但他們往往不知道具體該怎麼做。因此，初創公司需要深入客户內部，幫助他們理解如何重構業務流程以適應AI。這不僅是賣軟件，更是一場文化變革。那些能夠幫助企業完成這種自我改造的初創公司，將獲得巨大的市場機會。

本文來自微信公眾號「劃重點KeyPoints」，作者：林易，36氪經授權發佈。