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 转折点：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交互产生的数据集。

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。