Newshot 大多数 AI 护城河只是燃料
我在三月写过一篇文章，其中我论证智能正在变成一种商品，而我们喂给模型的上下文才是真正的护城河。自那以后，情况已经发生了很大变化（包括我的想法），但我们都能同意的是，智能已经广泛普及，并且确实已经成为一种商品。当 AI 实验室称赞 harness+model 的组合（即它们的垂直整合）是充分利用其模型所提供智能的方式时，你就能感受到这一点。它们的卖点是：如果使用正确的 harness，并非所有 token 都是平等的。
在那篇文章中，我论证上下文（及其背后的 know-how）会在一个 AI 广泛普及的世界里成为护城河。我认为这仍然有一定道理。更进一步说，这（对我而言）是订阅目前正在被补贴的一个很大原因。这篇文章完美描述了一个我也认同的论点：订阅 token 有折扣，是因为通过它们，我们分享了自己工作中的大量 know-how 以及我们的个人上下文（我们是训练反馈回路的一部分，而这个回路让实验室在某些任务上变得越来越好）。我们纠正的每一个输出，以及我们在实验室的 harness 内做出的每一个决定，都是实验室会从 Mercor 和 Surge 这类供应商那里购买的工作。所以，折扣就是实验室为我们的上下文付费的方式，而一旦它进入他们的模型，它就不再是我们的护城河。
随着最近所有这些模型的发展和发布，我自己又回到了关于护城河的问题上。如果上下文和 know-how 不再是护城河（或者至少不再是我们的护城河），那么企业可以建立哪些护城河，才能在 AI 时代保持持久？在这个时代，构建软件和技术的成本正趋近于零（或者说只要几个 token 的成本）。当然，最近 Twitter 圈子里围绕这个问题有过激烈的讨论，Lenny Rachitsky 问道：“护城河！现在还有人拥有护城河吗？”，所以我决定写下自己的观点，一方面引发讨论，一方面提醒“未来的我”：我在此时此地的想法是什么。
这些真的是护城河吗？
如果你读遍外面所有关于 AI 时代护城河的清单，你会一遍又一遍看到同样的东西：物理世界（任何由原子构成、模型无法触及的东西）、分销渠道、既有品牌、转换成本、网络效应、数据效应、资本获取能力、受众，等等。Dan Hockenmaier 的文章保留了其中四个（转换成本、网络效应、规模经济、数据效应），以及一份名为“你的业务能抵御 AI 吗？”的清单，作为给你的项目和想法打分的方式：你需要原子，你需要许可，人们为你而来，人们为彼此而来，你拥有别人没有的数据，并且你销售结果。
但这些真的是护城河吗？在我看来，这些清单把保护你的东西和帮助你跑得更快或取得先发优势的东西混在了一起。一个有执照的电工在这份清单上得两分，因为必须有人到场，而且这份工作需要执照。这能把 AI 挡在外面，但对同一条街上的另一个电工毫无作用。所以在决定我的清单上放什么之前，我必须先定义我理解的护城河是什么。
什么是护城河？
对我来说，护城河是一种能暂时保护你的业务，使其免受冲着你的市场和客户而来的竞争的东西，即使你不做任何新的事情。你不投入更多资本，你不发布新功能，你不开展更多营销活动，护城河仍然能保卫你的业务。
写成 {{NAME_ab12cd34}} 这样的值是真实值的占位符。在回复和工具调用中都要完全按原样使用它们：它们会在任何内容运行之前被填入真实值。不要要求验证它们，也不要用示例替换它们。
大多数 AI 护城河只是燃料
一个很好的例子是强大的品牌。像 Coca-Cola 这样的品牌，即使不再追加投资也很难被取代，而竞争对手要从零开始打造一个类似的品牌需要数十年。许可证是另一个例子。一旦你拿到许可证，它就能让你无需额外投资即可运营，而竞争对手需要时间和资本才能获得自己的许可证（如果他们真能拿到的话）。我在 Shellment 就看到了这一点：任何人都可以直接复制这个平台，但没有人能复制让这个想法成为可能的授权、许可证和法律框架。
护城河由其高度定义，也就是竞争对手复制它们并攻击你需要多少时间和金钱。Mayo Clinic 迁移到 Epic 花费了超过十亿美元、历时五年，这让你能大致了解 Epic 的护城河有多高。电工执照也是一种护城河，但只是一道低矮的护城河，每年都有很多人跨过去。
所以我在本文剩余部分要用的检验很简单：如果你明天停止向你的业务投入资源，它还能保护你吗？
燃料
然后是燃料，也就是你建立业务并最终围绕业务建立护城河所需的汽油和能量。资本配置、不挑战物理定律的技术、执行速度、分销渠道和受众都是燃料。它们帮助你赢得市场并开始围绕市场建立护城河，但它们本身并不保护你。Hockenmaier 把速度、分销、品牌、团队和资金归入同一类，这是我对他文章中认同度最高的观点（对品牌我只同意一半：打造品牌是燃料，但一旦品牌建立起来，它就是护城河）。
燃料和护城河之间的区别，在你停止投入资源的那一刻就会显现。更多汽油能让你朝着护城河取得进展，但如果你停止投资，就没有内在保护，而一个持续添加燃料的竞争对手可以超过你并吃掉你的业务。如果我停止写这份通讯几个月，我的读者会转向仍然在写作并为他们增加价值的人。我仍然有品牌和分销渠道，我大概可以利用它们，但它正在与他们可能找到的新的闪亮内容竞争。
规模经济也是燃料，即使很多人把它算作护城河。Tesla 就是一个很好的例子。随着它扩大规模，它不得不建造更多工厂并开设更多销售点，这使得每辆车的制造成本更低、购买更容易。但工厂和门店不是护城河，因为只要有足够的钱，竞争对手也能建起来，而事情正是这样发生的：BYD 在 2025 年卖出的电动汽车比 Tesla 更多。甚至 Tesla 用来改进流程的一些发明，比如用巨型压机把汽车的大型部件铸成一体，也被购买同样压机的中国汽车制造商复制了。规模是燃料，帮助 Tesla 围绕产品和品牌建立了真正的护城河，而在竞争对手拥有同样工厂的情况下，这道护城河是否仍然成立，仍是一个悬而未决的问题（对我来说，今天 Tesla 有趣的部分是其车队数据是否会形成循环，但那是另一篇文章的故事，也是我们在这份通讯中已经简要讨论过的一个话题）。
不久前（很多人可能还记得那些时候），软件和技术本身就可以是一道护城河。但我在日常工作中看到这种情况正在发生很大变化。如今，当我看到一款我喜欢的付费软件时，我的第一反应是用我的智能体构建自己的版本，并把它调整成我需要的样子，而不是为别人的、我无法控制的软件付费。当客户可以在一个周末重建你的产品时，你的技术就不再保护你。你已经在游戏领域看到了这股洪流：Steam 上大约一半的新发布作品现在都声明包含一些 AI 生成内容。我们正生活在历史上最容易构建软件、却最难靠它赚钱的时代。
这也是为什么我现在认为，上下文和 know-how 是燃料，而不是护城河。它们让你获得先发优势，但如果你停止把它们输入你的业务，一个使用相同模型（这些模型除其他数据外，也是在你的纠正上训练的）的竞争对手最终会赶上。
几周前我思考这个问题时，我自己列出的潜在护城河清单上还有受众和资本，它们是保护你抵御竞争的两项稀缺资源。然而，我越想越觉得它们也是燃料。话虽如此，对于独自单干的人来说，我仍然认为受众和资本比那份清单上的其他任何东西都更重要。当你在业余时间做实验时，储蓄和愿意听你说话的人，才是让某件事失败后还能再试一次的东西。它们不是护城河（你一停下来它们就消失），但它们让你在这个游戏里待得足够久，从而找到一条护城河，并且是反馈的无价来源（这也是为什么我非常感谢你们每一个人，花时间读我每周不得不写的东西，谢谢）。
循环
增强循环是消除持续燃料需求、让护城河变得更高的一种好方法。所谓循环，就是每一个新客户都让下一个客户更容易赢取，而你无需投入更多资源。Hockenmaier 把它们称为复利优势，他的四种优势（转换成本、网络效应、规模经济、数据效应）在起作用时都是循环。
Stripe 就是一个好例子。经过 Stripe 的大多数支付此前都已经经过 Stripe，所以每笔交易都会改进它的欺诈检测，这带来更多商户，更多商户又带来更多交易。无论新来者拥有多少燃料，都买不到这一点。这也是规模经济如何不再只是燃料、而变成循环的方式。Zipline 的每次配送成本已从约 $300 降至 $12，这部分节省又回到更便宜的配送中，而更便宜的配送带来更多配送。今天起步的竞争对手无法继承其中任何一点，必须从零开始建立这种规模效应（以及底层循环）。
循环本身就可以成为护城河，因为它们减少了对更多燃料的需求。一旦循环转起来，当你专注于增长和改进其他战线时，业务就更难被攻击，竞争对手不仅要复制你当前所在的位置，还要追上某个不断远离他们的东西。当获客成本、资本配置等不再需要与你获得的新客户成比例增长，而业务越来越自主地增长时，你就知道自己已经拥有产品-市场契合。
当然，AI 并非以同样方式影响所有循环。网络效应是保持得最好的，因为智能体可以重建你能想到的任何市场的产品，但你得到的只是一个空房间。数据循环也极有价值，但比许多创始人以为的范围更窄。正如 Casado 和 Lauten 所说，“增量数据的价值会下降”，而收集真正能带来差异的数据则变得更昂贵。
转换成本是 AI 造成最大破坏的地方，因为它消除了迁移的麻烦。10 月我写过，离开一个 API 只需要一行配置，而 Lawrence Lundy-Bryan 有一个很棒的帖子，讲芯片领域也在发生同样的事。CUDA 是多年来把所有人留在 Nvidia 上的代码，因为没人想重写它，如今它正被 AI 编程工具侵蚀，而 Google 的新工具接入 Claude Code 和 Cursor，能在几分钟内把人带到 TPUs 上。AI 无法消除的是同意。智能体可以迁移一家医院的患者记录，但它无法收集所有必须批准这次迁移的人的签字，也无法在记录丢失时承担责任。据我所知，还没有人测量过智能体实际上消解了多少锁定，所以如果公司在未来几年开始迁离核心系统，那我在这一点上就错了。
这让我又回到那些实验室以及它们的补贴订阅。在我看来，折扣就是为启动一个循环而消耗的燃料。Hockenmaier 把前沿实验室归入规模经济，但我不太信服，因为当一个实验室在提供 token 服务上变得更便宜时，价格战会把节省下来的成本交给用户。他们追求的循环，正是 Hockenmaier 为 Cursor 描述的那个循环：“随着用户每一次接受或拒绝，模型都更擅长理解什么才算好代码”。更进一步，实验室比 Cursor 处于更有利的位置，因为它们位于那个数据循环的下游（它们拥有模型）。我们的修正让模型变得更好，更好的模型带来更多用户，更多用户带来更多修正。如果这个循环转起来，那么这笔折扣将成为有史以来买过的最便宜的护城河。我还不知道它会不会转起来，因为开放模型一直在缩小差距。
燃料还是护城河？
所以，综合以上所有内容，我会这样归类我们讨论过的一切：
在 AI 时代，我们所谓的大多数护城河其实都是燃料，而 AI 正在让每个人的燃料变得更便宜。这并不意味着它没用。我每周的实验没有护城河，也不需要护城河，因为它们的任务就是教会我一些东西。但当你决定要扩展某样东西时，关键在于你正在燃烧的燃料是否在启动一个循环。
所以，如果你明天停止为你正在构建的东西添加燃料，还有什么仍能保护它？我很想听听大家对护城河和燃料的看法。让我们开始讨论吧。
下周见！