AI迎來Uber時刻，初創公司如何構築新護城河？

2024-03-31 18:40:03 編輯： robot

導讀引言最近，一篇題爲AI Has an Uber Problem（The Information）的文章引人深思。作者Tim O'Reilly指出：當初Uber和Lyft利用豐厚的風投資金補貼車費...

引言

最近，一篇題爲AI Has an Uber Problem（The Information）的文章引人深思。

作者Tim O'Reilly指出：當初Uber和Lyft利用豐厚的風投資金補貼車費，趕走了競爭對手。如今OpenAI等財大氣粗的AI初創企業，正在重復這種Uber模式。

在國內，我們常說滴滴是“虛假壟斷”——下架18個月，歸來仍是王者&成立至今，累計虧損超千億元。

當Facebook們已經憑借網絡效應搶先一步成爲“贏家”時，同樣具備網絡效應的滴滴們卻還在持續燒錢，而且只能燒錢。

網約車行業的網絡效應像是一種“詛咒”。

首先，從A到B的出行服務過於標准化，乘客奔着解決出行需求而來，司機也在同時切換幾個平台。其次，在出行服務上放大社交功能，很容易出現安全問題，例如滴滴的順風車業務。

因此，即便做到了“壟斷”，滴滴也沒有定價權。如果想提高客單價，取消補貼來增加毛利，且不說虎視眈眈的高德們，就連城市出租車系統也會分一杯羹。

爲何說OpenAI迎來了Uber時刻？在文章中，作者Tim O'Reilly其實主要是想批判一種“堵死市場公平競爭”的現象。

但我們不妨將OpenAI們的困境與Uber們進行一個類比。

硅谷知名投資人Chris Dixon曾說“因工具而來，爲網絡而留”。這句話，Uber們沒有完全做到，OpenAI們只做到了前半部分。

雖然技術壁壘遠比Uber深厚，大模型玩家沒有表現出捆綁用戶的能力。Similarweb 數據顯示：2023年5月—2024年1月，其中的5個月內，ChatGPT總訪問量都在下降；去年11月驚豔亮相的GPT Store也沒有什么水花，絕大多數聊天機器人，每天只能吸引到 1-2 個用戶。

大膽想象一下，現在Claude 3已經开始“田忌賽馬”定價策略，下一步該不會又是熟悉的價格战？

其次，AI時代的網絡效應是“有毒”的——某種程度上，用戶越多，虧得越多。Anthropic長期毛利率在 60%左右；OpenAI因爲ChatGPT免費版，毛利率可能更低。相較之下，美國SaaS公司普遍毛利率在70%左右。

當然，只要AI創業能保持這種增長勢頭，投資人也可以忽略虧損，直到收入增長掉進30%—40%。一位VC合夥人表示：到那時，如果一家公司的經營現金流爲負，並在短期內沒有將至少10%的收入轉化爲現金流，就很難吸引新的投資人入局。

由此產生了一個問題：OpenAI們的“護城河”真的堅不可摧嗎？以及，AI初創企業該如何構建自己的“護城河”。

01 關鍵點：獲取並維系付費客戶

什么才是“護城河”？是關鍵性技術壁壘，還是壓倒性的市場佔有率？

這些都是表象，真正的“護城河”是企業產生利潤的能力——企業與供應商和客戶的議價能力，幫助企業提高價格並降低成本，以產生更高的利潤。

一個簡單的推導：如果我花費X元（CAC），能獲取一個爲我花費Y元（LTV）的客戶，只要Y>X，燒錢也值得。

爲此，企業要么降低X，要么提高Y。如果不能同時實現，也可以通過拉長時間周期，最終讓Y總值>X總值。

當我們將企業核心組成分割爲“a創造東西；b吸引客戶購买東西；c分發東西”（Evan Armstrong），就會發現兩個差異點：

移動互聯網時代打破了“c分發規律”，得益於規模經濟+網絡效應，巨頭們的“X總值”可以非常小（除了沒有差異性的Uber們）。

AI時代的主題是打破“a創造規律”，雖然能大大降低用戶使用數字組件生產商品的成本，但算力需要花錢，“X總值”不可能是一個小數目。

因此，獲取並維系付費客戶的能力將成爲AI企業構築“護城河”的關鍵所在。

比起充滿不確定性的C端用戶，注重技術革新（付費強）+長期合作（粘性高）的B端客戶才是穩妥之選。

具體來看，OpenAI逐漸轉向B端業務，ChatGPT爲引流，API才是營收大頭；Anthropic更是旗幟鮮明地一頭扎向了B端市場；而Inflection被微軟“生吞”幾乎宣告了初創企業放棄C端的聊天機器人战場。

02 差異點：搶先“包裝”AI品牌

一旦企業發現底層技術不能制造差異，就要尋找新的差異點。此時，品牌和影響力比以往任何時候都重要。

著名風投機構NFX 研究了幾百家AI應用層初創企業，發現它們的產品居然像“水”一樣，技術差異化趨向於零！

很多AI企業期待憑借“（數據+模型）*用戶體驗”取得勝利。

但實際上，真正有效的公式是“（數據+模型）*用戶體驗*（分發+客戶感知價值）”。

NFX認爲，目前在數據和模型上，不太可能實現差異化——非結構化數據可能會在一段時間內給企業帶來優勢，但最終數據本身是不夠的，模型大部分情況下也可以互換。

還剩下什么？

首先是用戶體驗。在加密貨幣中，用戶體驗就像喫玻璃。AI現在的問題也是如此，會有人想出一種驚豔的AI應用嗎？但這個應用100%不會是純聊天機器人。

其次是分發。例如，想要基於用戶數據开發個性化AI應用，就很難和Instagram、Sharepoint、Google Drive等現有企業抗衡。

最後是客戶感知價值。這部分是目前最具發揮空間的元素。如果企業一开始能做好品牌，就可以在最豐富、最平淡的材料注入情感價值，但這幾乎會變成一個“心理遊戲”。

綜上，NFX分享一個思考框架：生成式AI如水，AI應用如瓶裝水。

水有三個特徵：必需品、無處不在、每瓶水都差不多。

聽上去有點絕望，但美國目前約有80個瓶裝水品牌，而且大家都活得還挺好，且瓶裝水也是美國最暢銷的飲料。

歷史上，美國的瓶裝水行業經歷過一個“衰退--智能營銷和細分市場定位復蘇--現有企業進入、收購真正佼佼者、擊敗大部分競爭對手”的重生循環。

1850s，在美國公共水系統發展初期，出現了一些區域性瓶裝水企業，宣傳瓶裝水比自來水更幹淨。1900年，美國大多數公共飲用水已經變得幹淨，隨後瓶裝水行業逐漸銷聲匿跡。

1970年，法國品牌Perrier進軍高端市場，銷售模式主要爲B2B，用來調制雞尾酒。

1975年，Perrier开始播放D2C廣告，將品牌定位爲高端、性感，以及更新鮮、更純淨的自來水替代品。隨後，Perrier銷售額從1975年的300萬美元飆升至1979年的2億美元。（1992年被雀巢收購）

可以說，Perrier帶動了美國瓶裝水市場正式復興，且增長勢頭持續不斷——1988年到1998年，整個美國瓶裝水市場的銷售額增長了144%。

2001年，可口可樂和百事可樂通過淨化自來水，創立了兩個中端市場品牌：Aquafina和Dasani，並憑借其原有的分發優勢，擁有巨大的市場份額。但這兩個品牌並沒有堵死其他品牌的活路，如今還有新的瓶裝水企業以同樣的模式出現：Liquid Death、Chlorophyll water。

理性來看，人們並不需要這么多的瓶裝水品牌，但當越來越多的創始人帶着獨特的故事和價值觀來到市場，品牌總能活下去。

基於此，NFX認爲，AI企業至少要在獲得技術優勢之前學會營銷遊戲。

03 轉折點：從找數據到處理數據

風投機構Greylock同樣認爲，AI創企需要精通市場推廣，並給出了進一步建議。

首先，創始人應該是具有領域經驗的產品構建者：只有深入了解復雜性，才能制定正確的營銷推廣策略、預測銷售時間表和招聘計劃表。

其次，用緊迫感（FOMO)來主導主要的分銷渠道：從經驗來看，那些沒有採取 FOMO策略的垂直企業需要花費很長時間才能看到業績起飛。

但與NFX的“擺爛式”不同，Greylock強調了數據的重要性——不可復制的專有數據集能夠制造差異點，而且只有客戶使用產品時所產生的數據才能形成長期壁壘。例如，客戶標記自己的行爲數據或與產品交互產生的數據集。

目前對於許多垂直行業而言，數據還留在雜亂的傳統系統中。爲了處理數據，一些大型科技公司已經开始提供爲客戶合成數據的服務，並將合成數據用於模型訓練，以實現快速交付的目標。

如此看來，AI創企的战場正在從舊的壁壘（數據來源）轉移到新的壁壘（處理數據）。

結語

“護城河”通常是以靜態方式被我們討論，就好像它早已被“固定”在企業中。但事實上，每一家企業倒閉的概率都不可能爲零。甚至從大數據來看，一家企業在誕生第10年倒閉和誕生第25年倒閉的概率相同。

一勞永逸的“護城河”行不通。無論是過去還是未來，最好的企業永遠能夠爲特定客戶，解決“不斷更新”的痛點，而這需要企業持續高速改進最佳產品，用創新擴大競爭優勢。就像馬斯克說的“創新步伐”。