编者按：外行看热闹，内行看门道。当这波新的人工智能热潮掀起时，大多数人关注的是生成式人工智能那些酷炫的例子。但对于投资者来说就不一样了，他们关心的是谁能从中分到最大一份蛋糕。那么该如何思考这个问题呢？以史为鉴是很好的参考。看看过去的技术转变的情况是什么样的，看看谁是最大的受益者，可以捕捉到这场新的技术转变的价值捕捉的蛛丝马迹。文章来自编译。
从大型机到个人电脑、从台式机到移动设备、从无网络到互联网、从本地部署到云计算与 SaaS，软件的技术进步往往遵循熊彼特的创造性破坏理论：新时代会出现新的赢家。正如我们的合伙人 Martin Casado 和 Sarah Wang 最近所探索那样，现在这种动态终于也开始在人工智能领域发挥作用作用了。人工智能在（间歇性地）经历了几十年的寒冬之后，我们终于即将迎来真正的平台转变。而这场转变，将会为人工智能企业创造更多价值。虽然大部分焦点都集中在大语言模型以及生成式人工智能驱动的新用例上，但价值创造不会仅限于生成式人工智能，也会包括非生成式用例，尤其是日益成熟的计算机视觉模型相关的用例。
人工智能引领计算进入新的时代，谁将赢得价值捕捉的竞赛？为了探讨这个问题，从本地计算到 SaaS 和云计算，我们回顾了最近的平台转变。我们研究了过去 20 年来 262 家上市 的B2B 软件公司的创收情况，从而了解初创企业与既有企业* 之间的竞争动态，并确定从基础设施到应用的这个软件栈上下的价值捕获情况。
在本文中，我们将分享我们从 SaaS 时代了解到的市场动态。这些动态也可能会体现在人工智能时代，其中最值得注意的是，这将是一场正和游戏，新的基础设施层的出现可能会产生出最大的赢家。我们还解释了为什么向人工智能的转变的规模可能会比向 SaaS 的转变大得多，为什么它的发生速度似乎要比向云计算的转变还要快，以及人工智能产品特有的一些潜在的防御来源。
关于平台转变，尽管流行以弱胜强、零和颠覆的说法，但其实这通常是一种正和游戏。随着技术的进步，初创公司和既有企业的蛋糕都在变大。自纳斯达克指数于 2003 年第二季度触底以来，上市 B2B 软件公司的总收入已从 990 亿美元增长到 5870 亿美元，既有公司和初创企业的总收入增长了 5.9 倍。软件既有企业的营收已从 990 亿美元增长到 3230 亿美元，仍保持着 55% 的市场份额。或者，换句话说，既有企业增加了收入，但却让出了 45% 的市场给新进入者。 SaaS 推出 20 年之后，仍有大量价值有待挖掘 - 摩根士丹利最近估计，云端的工作负载在企业的渗透率仍只有29%。**
如果这种5.9 倍的软件扩张速度在未来20年仍“一切照旧”的话，上市B2B软件公司的收入将增长到3万亿美元以上。但是，我们认为即便 3万亿美元+ 也是未来机会的下限。尽管 SaaS 通过在本地无法实现的协作软件（比方说 Slack）释放出强大的网络效应，但应用层大多数的最大赢家都是我们所熟悉的本地产品的云实现：就像在CRM领域，Salesforce 之于 Siebel 、 人力管理系统领域的Workday 之于 PeopleSoft，在 ITSM（IT服务管理）领域的 ServiceNow 之于 BMC， ERP 领域的 NetSuite 之于 SAP，设计领域的 Figma 之于 Adobe等等。人工智能不仅仅是一种商业模式和软件交付创新，还是利用、综合既推进人类集体知识与经济生产力的一种新的手段。因此，人工智能会像互联网那样创造出新的价值：通过开辟全新的做事方式来创造价值，而不仅仅是做旧的事情的更好方式。
按照美国经济分析局（US Bureau of Economic Analysis）的数据估计，云软件将 B2B 软件的范围扩大到包括从拼车到送餐的一切消费者互联网应用，令美国数字经济的市场规模从 2005 年的 1.0 万亿美元增长到 2021 年的 2.4 万亿美元，软件需求的复合年增长率达到了 9.4%，我们预计这种增长不会很快出现放缓。人工智能软件最终带来的增值将超越软件预算所捕获带的确切美元数字，而是会覆盖它所支持的所有经济活动。
按照企业类型（既有企业/初创企业），技术栈（基础设施层/应用层）两个维度划分的情况
虽然我们无法从一次平台转变总结出软件物理的自然法则，但在 SaaS 时代，初创公司在应用层面赢得的市场份额要高于基础设施层。2003年刚开始那会儿，云基础设施与 SaaS 应用的占比大概是 70/30，截止 2023 年第一季度时，这个比例已经变成了 60/40。在此期间，我们样本里面的新进入者在 2310 亿美元应用市场大概占据了半壁江山 (1120亿美元)，但在 3560 亿美元的基础设施市场所占份额则只有 40%。
与基础设施型公司相比，应用型初创企业夺走了既有企业更多的市场份额，这与应用产品的防御能力往往比较差的普遍直觉是一致的。开发者工具以及现成的核心基础设施日渐成熟，这使得开发熟悉的应用的新版本变得更加容易，从而让初创企业得以从上一代产品手中抢走客户。说服客户拆除并更换核心基础设施则要困难得多，这会导致从旧的基础设施过渡到新的基础设施的周期更长，并为既有企业赢得更多的适应时间。
SaaS 时代的既有企业在适应过程中面临着一系列的障碍。他们需要新的工程人才来开发遗留产品的云实现，要更新产品开发实践来持续部署软件更新，还得针对订阅模式重组销售组织与薪酬结构。毫不奇怪，很多公司适应得很慢。 Siebel 在 Salesforce 推出 3 年后才推出了云端版的 CRM 产品，而 PeopleSoft 直到 SuccessFactors 上市十多年后才推出云托管的人力管理系统。
这一次，既有企业对应用的适应速度和推出速度显然会比 SaaS 时代更快。 ChatGPT 是在 2022 年 11 月推出的，此后绝大多数大型 SaaS 企业都推出了自己的生成式 AI 产品实现，其中包括 Salesforce 的 Einstein GPT、Crowdstrike 的 Charlotte AI、HubSpot 的 ChatSpot 以及 Adobe 的 Firefly 等。
同样重要的是，要注意，虽然既有企业的适应速度似乎更快了，但向人工智能转变的速度也比向云和 SaaS 转变的速度要快。在云基础设施到位后，SaaS 应用又用了大约 5 年的时间才真正开始起色。但在短短 6 个月内，ChatGPT 就拥有了 3 亿用户，并推出了插件与 API，让开发者可以在 GPT 的基础之上进行开发。因此，交付人工智能应用所需投入的人才和精力远远少于将本地产品调整为云实现所需的人才和精力，而且随着大语言模型生态体系与开箱即用工具的出现，这件事情只会变得越来越容易，越来越成熟。
考虑到推出基于 ChatGPT 的应用的容易程度，我们认为这一系列的活动更多地是既有企业只是在迎难而上，而不是证明他们这次已经破解了创新者的困境。既有企业提供的第一批解决方案往往可以分为两类：1）瘦用户界面，以基于聊天的形式呈现其遗留产品，而不提供任何的新功能，或 2）由于无法防御而出现饱和的类别的产品用例（比方说，制作营销文案）。
对于 SaaS 的既有企业来说，应用层的真正赢家可能是那些能够弄清楚如何将记录系统发展为预测系统并乃至于最终发展为执行系统的人。企业 SaaS CRM 击败了本地部署的既有系统，因为它们是更有用的记录系统，具备可以更好地跟踪和预测销售的功能。现在，作为既有者，这些 SaaS 时代的销售工具必须与人工智能驱动的销售智能产品竞争，比方说，这张销售智能产品已经能做到告诉销售代表，“这是下一个最有希望谈成的客户，以下是你的销售话术，”甚至可以将一次令人信服的电话交流直接复制到与客户的通话中。尽管少数经验丰富的工程师可以弄清楚如何以旧产品为基础推出由大语言模型支持的精简用户体验，但更有意义的创新将需要建立一支原生于该技术的全新的工程团队。
当平台转变出现时，新的基础设施层也会随之出现
当确实发生了基础设施创新，比方说随着大型云平台的兴起，它会在软件栈之中创建出新的层并释放巨大的价值。 Amazon Web Services（2006 年推出）、Microsoft Azure（2010 年推出）以及 Google Cloud Platform（2013 年推出）目前的年收入达 1730 亿美元，占到了上市软件公司收入的 30%。随着规模经济的不断增强，云计算平台的先发优势也日益凸显，率先推出的AWS 占到 33% ，Azure 拿到了 22%，GCP 也有 10%。
云变成既有者了
在人工智能时代，同样的市场力量已经在模型层出现，跟早年 AWS 的竞争格局类似，OpenAI也处在领先地位。但这一次，AWS 以及其他的大型云厂商变成了既有者。它们把人工智能看作是自身传统云计算业务的延伸。考虑到运行人工智能模型对计算的高需求、当前的芯片短缺，以及这些云提供商提供自有芯片或基于第三方芯片打造数据中心的能力，大多数云提供商都推出了自己的基础模型，在计算层和模型层展开角逐。
鉴于云计算的本质，它还在基础设施与应用之间建立了一种共生关系，这种关系会随着人工智能基础设施的发展而持续下去。核心基础设施为应用释放了新的机遇，而扩展应用的数量会增加对基础设施的需求，从而推动基础设施提供商更快地走向成熟。
从长远来看，人工智能的价值会在什么地方形成最终是一个可防御性的问题。在 SaaS 时代，可防御性的最大来源通常是这些：受到开发者关注，难以复制的技术，比方说 Databricks；作为企业工作流以及下游应用基础的平台记录系统，比方说 Salesforce；直接嵌入到产品体验之中的网络效应，比方说Slack；以及源自拥有产品进入市场（GTM）的主导地位，从而为产品扩展提供信息的客户反馈飞轮，比方说，Workday。
我们预期，在人工智能时代，所有这些可防御性来源同样还是会很重要。但人工智能产品背后的底层技术也带来了新的潜在竞争优势。我们的早期阶段合作伙伴已经撰写过关于生成式人工智能平台的价值捕获的文章，并继续探索了防御性将如何在人工智能基础设施当中发挥作用。在本文中，我们将分享评估成长阶段人工智能公司可防御性的早期框架，这时候，竞争优势将从早期理论转变为决定长期市场赢家和输家的因素。
2019 年的时候，我们曾经写过一篇文章，里面阐述了为什么我们相信在很多情况下（如果不是大多数情况下）数据护城河也许只是一个空洞的承诺。不过，随着更多人工智能初创企业走向成熟，我们看到，当人工智能产品依赖专有数据或数据规模作为关键要素和关键差异化因素时，数据开始提供持久的竞争优势。比方说，贵金属勘探公司 KoBold Metals 与主要的矿业公司签订了商业协议，获得了这些公司各个探矿地点历史记录的独家访问权，从而造就了一条有竞争力的护城河。作为一家国防初创企业，Anduril 必须赢得合适的联邦合作伙伴才能访问敏感数据。 Flock Safety 为执法部门汇集了最大规模的计算机视觉数据集，通过提供摄像头硬件，可以在从捕获到执行的整个生命周期当中控制住数据。这就解锁了一个飞轮：更多客户→更多摄像头→更多数据→更好的预测→更安全的社区→更多客户。
虽然数据护城河往往在人工智能防御性辩论中受到的关注最多，但生成式人工智能这个最新的周期也引入了新的具备防御可能性的维度。 Character.AI 具有产品网络效应，当用户体验产品时，使用情况就会成为训练数据，从而改善产品体验。 Midjourney 专注于开发性能最佳的专有基础模型，从而可以在其之上做出最佳的应用层用例。
在第一轮出现的生成式人工智能产品当中，一些潜在的防御来源可能有利于 SaaS 时代的既有企业。比方说，在 SaaS 时代达到一定规模的公司，可以在成熟的工作流功能的基础之上，利用人工智能添加相对精简的自然语言用户界面。在这种情况下，既有企业可以推出一开始就具有冲击力的生成式人工智能产品，虽然这些功能实际上并不是新功能，而只是新瓶装旧酒。同样地，当既有企业能够向传统客户群销售产品，或凭借强大的安全性或合规性声誉来赢得胜利时，它们可能就会具备一些优势。
我们认为人工智能将彻底重塑软件的工作流与用户界面，因为人工智能软件将日益充当预测和执行系统，而不仅仅是记录系统。我们已经看到这种转变发生的速度，这意味着敏捷者胜——能够吸引人工智能人才，并通过某些渠道快速行动的公司将处在取胜的有利地位。
无论可防御性从何而来，也不管最终是谁捕获了市场价值，到头来消费者才是最大的赢家。 2019 年的一篇论文发现，消费者给予“免费”产品非常高的估值，据估计，他们对搜索引擎的支付意愿高达 1.75 万美元、电子邮件的支付意愿也有 8400 美元、流媒体服务的支付意愿为 1200 美元。鉴于已经出现了各种有趣的消费者应用——24/7 全天候为你服务的虚拟治疗师、了解整个医学知识库的医生、处理日常生活各种单调细节的自动化秘书助理——人工智能催生的消费者剩余的规模是肯定会激发一波令人难以置信的创新浪潮。如果说要以史为鉴的话，关于创新，软件的历史告诉我们，那就是伟大的创业者总是会在每个新的技术时代找到建立起重要的公司的方法，总能发现让基业长青的妙招。
