图片来源：a16z
Z Highlight
-
在真实世界中，用户的行为难以预测，客户的数据一团糟，而成功与否取决于能否处理好用户可能采取的各种长尾路径。
-
由于老牌企业的精力被其核心传统业务和复杂的内部优先级所牵扯，这便为那些能够心无旁骛、专注于交付最佳产品的“AI原生”初创公司创造了机会，使其仍能获得广泛的用户采纳。”
-
AI本身并非护城河，它只是一种向客户交付价值的方式。
Andreessen Horowitz（简称a16z）是全球最顶尖的风险投资公司之一，由互联网先驱Marc Andreessen和管理大师Ben Horowitz共同创立。a16z以其“创始人友好”的理念和超越资本的投后服务而闻名，不仅投资了Facebook、Airbnb、OpenAI等众多科技巨头，还通过发布深度分析来引领行业思想。Kimberly Tan、Joe Schmidt、Marc Andrusko和Olivia Moore都是a16z公司的核心投资团队成员。他们是专注于发掘和投资下一代AI及企业服务公司的专家。
AI公司的行为方式与传统的SaaS公司具有差异
人工智能已成为几乎所有企业的战略优先事项：OpenAI声称，现在全球有10%的系统在使用他们的产品，并且许多世界500强公司都已采纳了由CEO主导的、旨在整合AI技术的指令。
创业者们正在充分利用这一巨大的需求，但AI公司的行为方式与传统的SaaS（ZP注：软件即服务）企业有所不同，许多在SaaS领域行之有效的普遍认知，似乎并不适用于AI。当我们与创始人会面时，他们总是围绕着“优秀的AI公司是什么样的”、“在哪些领域会面临产品商品化的风险”以及“如何建立一家具有持久价值的公司”等问题提出疑问。基于这些对话，我们总结了几点观察，关于企业级AI初创公司正在如何适应、成长并脱颖而出。
华丽的演示轻而易举，实质性的产品却难于登天。
在ChatGPT于2022年推出后，一种常见的论调是，所有的人工智能软件都将被商品化，因为它们不过是“GPT的包装层”——这意味着这些产品构建起来轻而易举，并且很容易被快速进步的模型能力所吞并。
近三年后，事实显然并非如此。用现代工具制作一个华丽的AI演示相对简单，但产品工作的“最后一公里”却异常艰难。在真实世界中，用户的行为难以预测，客户的数据一团糟，而成功与否取决于能否处理好用户可能采取的各种长尾路径。
演示版本来就是最终产品的简化版，但由于模型的不断演进及其非确定性的输出，AI产品的“演示与产品之间的鸿沟”甚至比以往更宽。像加拿大航空公司的“客服机器人产生幻觉”这样的事件，凸显了在真实的企业生产环境中部署AI所面临的挑战，以及一旦出错所带来的财务和声誉风险。在那些将准确性和信任度视为重中之重的领域，如会计和法律行业，这一点尤为真切。你不可能凭感觉去“vibe code”你的会计报表或法律文件。
因此，AI公司在最大化利用顶尖模型能力和为实现企业级可靠性而约束模型这两个方面，都已变得极其成熟。它们对最新的模型进行严格的评估，跨越不同模型来编排一系列的动作序列，在基础模型之上构建大量的“脚手架”，并制定能够在“今日之可能”与“明日之可能”间找到微妙平衡点的产品路线图。团队常常会根据模型在特定任务上的表现好坏，在不同模型间进行切换，并且必须在模型质量、成本、速度和可扩展性之间做出权衡。在许多情况下，他们还会微调自己的小型模型，使其在生产环境中与大型模型并存。其最终成果是一种任何单一API调用都无法提供的、稳健可靠的产品体验。
此外，任何AI产品若想具有价值，都必须理解其所服务业务的背景和逻辑。模型本身并不能“开箱即用”。因此，AI公司正投入大量的工程和实施资源，以使其产品能在每个独立客户实例的独特政策、文化和系统内有效运作。这是一种需要深入细节、艰苦繁杂的客户工作，但那些横向发展的模型公司自身并不会、很可能将来也不会去做。
考虑到跨越不断变化的模型阵容进行编排的复杂性、理解如何面向“即将实现的可能性”去构建产品的挑战，以及为使AI在真实生产环境中正常运作而需解决的大量长尾问题，可以说，建立一个可持续的应用型AI业务仍有广阔的空间——而这样的业务，是不会轻易被那些横向发展的模型提供商所商品化的。
脱颖而出，前所未有之难：“十倍好”才是新的“三倍好”
图片来源：a16z
在变现的头12个月内达到100万美元的ARR（ZP注：年度经常性收入），曾是企业级初创公司成功进行A轮融资的经典基准。但根据我们过去18个月观察到的A轮AI公司的样本数据，这个数字现在已低于中位数。同样，基于底层的支付数据，Stripe也曾表示，AI客户达到500万美元ARR的速度，比历史上SaaS领域的同行要快得多。AI公司的增长速度就是更快。
如今，增长最快的AI软件公司正以超过10倍的年同比增长率发展，甚至还有超越这一速度的特例，像Cursor这样的公司，就通过“产品驱动的市场进入策略”成为了有史以来增长最快的软件公司之一。
为什么会这样？首先，我们观察到企业采购行为发生了显著转变。AI的价值主张对企业而言显而易见，这催生了一大批热切的AI软件采购方，他们拥有专项的AI预算和推行指令。这缩短了销售周期，并因此加速了这些“AI原生”公司的营收增长。换句话说，采购方正在主动寻求并将AI软件引入其组织内部，这与前几代通常需要销售强力推动的软件截然不同。
其次，当企业真正采购时，他们的花费也比过去购买软件时要多。这是因为AI软件通常直接售卖的是工作成果本身，而不仅仅是售卖帮助人们完成工作的软件。这意味着AI公司正在取代的是劳动力预算，而劳动力预算的规模远超传统的软件预算，这使得AI公司的合同规模也比历史上的软件同行要大得多。
准入门槛降低：迎接海量应用的到来
创造的成本正在直线下降——在不到两年的时间里，每百万token的成本从30美元降至不足5美元。就在本月，OpenAI将其o3模型的价格下调了80%。这种“大语言模型通缩”，其降价速度甚至超过了PC革命时期的计算成本和互联网泡沫时期的带宽成本的历史性下降。
与此同时，像Cursor这样的“智能体化集成开发环境”，它极大地提升了开发者生产力，以及像Lovable和Replit这样的“文本到应用”平台，它赋能非技术用户通过自然语言来构建应用，都开创了全新的产品类别，极大地加快了新应用创造的步伐。
这两个因素已经开始瓦解软件创造的成本和复杂性，从而释放了创造大量“长尾工具”的可能性——这些工具在过去因不具备经济效益而无法被构建——并赋能了日益增长的、技术背景较弱的用户群体。
其中一些将是面向“个人市场”的个性化软件，例如定制的度假规划器或个人健康仪表盘。另一些则将增加可观的企业价值。企业将终于能够把那些现成的“货架”软件无法服务的长尾工作流和边缘案例“产品化”，而这些工作在过去不得不依靠人力或脆弱的RPA（ZP注：机器人流程自动化）解决方案来弥补。有了AI，就有办法将那种“打补丁”式的系统转变为专属的工具。AI正在解锁大量的新机遇——创造新市场，解锁过去由人力主导的领域，并扩展那些在历史上规模过小的市场。
兵贵神速，于今尤甚
数十家公司正试图向同一批企业采购方售卖听起来大同小异的解决方案，而这些采购方早已被信息淹没。他们希望从信誉卓著的参与者那里购买AI产品，因此，谁能率先将自己确立为那个值得信赖的供应商，谁就能创造出不可估量的价值。
要做到这一点，速度和势头至关重要。我们已经看到，早期的势头能推动公司以前所未有的速度成为品类领导者。先行者能够扩大产品覆盖面、创造口碑、拿下重要客户、实现快速的营收增长并建立品牌主导地位——这往往发生在那些“快速跟进者”还来不及做出充分反应之前。
在编程领域，Cursor迅猛的产品迭代速度已将其品牌声望推向了新的高度，以至于“Cursor”如今已被用作一个独立的名词，像Canva这样的大公司甚至期望求职者具备熟练使用该工具的能力，才能获得技术岗位。同样，像Decagon(ZP注：一家AI客户服务公司)、ElevenLabs(ZP注：一家AI语音生成公司)、Hebbia (ZP注：一家AI知识管理公司)和Harvey(ZP注：一家AI法律服务公司)这样的公司，也已能利用其早期势头，建立起顶级的企业品牌，从而在其各自的市场中不断巩固客户增长的势头。
这种速度，也正是这些公司得以在与传统老牌企业和模型提供商的竞争中保持领先的原因。如今在许多企业级软件类别中，老牌软件公司和模型提供商实际上也已推出了与领先初创公司类似的产品。例如，在编程领域，微软有GitHub Copilot，OpenAI有Codex，但这并未能阻挡Cursor的发展势头。由于老牌企业的精力被其核心传统业务和复杂的内部优先级所牵扯，这便为那些能够心无旁骛、专注于交付最佳产品的“AI原生”初创公司创造了机会，使其仍能获得广泛的用户采纳。”
为维持早期优势，商业“护城河”依然至关重要
纯粹的执行速度和产品交付速度是实现突围的一种方式，但公司需要维持这一优势，才能将“快速跟进者”和“传统老牌企业”拒之门外。AI本身并非护城河，它只是一种向客户交付价值的方式。
在竞争异常激烈的AI市场，公司仍需致力于构建能够基业长青的产品。“护城河”依然至关重要。他们可以通过以下几种方式来构建护城河：
成为SoR（ZP注：单一可信数据源）：
企业软件领域最经典的护城河，就是成为一个组织的核心SoR，即关键数据的权威来源。AI在不同市场（尤其是垂直市场）中开辟了令人兴奋的新机遇，因为它是在短时间内获得客户增长并展示清晰价值的绝佳途径。但归根结底，“记录系统”仍是确保长久价值的主导性商业模式。
这并不意味着追求AI楔子（ZP注：指先解决一个具体的、高价值的痛点，然后逐步沉淀数据、扩展工作流的行为）没有价值。一些AI公司，如Eve(ZP注：一家AI法律服务公司)、Salient(ZP注：一家AI汽车金融公司)和Toma(ZP注：一家AI汽车经销商公司)，正利用AI楔子，通过语音通话或处理非结构化数据，在数据被创造的那一刻就将其捕获，这是传统软件无法做到的。然后，他们从这个数据创造点开始，构建下游的工作流，其最终目标是在各自的行业内成熟演变为核心的SoR。
创造“工作流锁定”：
一旦公司能让用户将产品嵌入其日常工作流中，就会形成操作和行为上的肌肉记忆，这使得切换到其他产品在心理和文化上都极具破坏性。虽然我们常说AI软件能自主完成工作，因此缺乏经典的图形用户界面，但实际上仍存在大量的人与AI的交互循环，因为如今人类仍需频繁地监督和审计由AI执行的工作。例如，Decagon(ZP注：一家AI客户服务公司)构建的是一个人机协作系统：其AI智能体在前端自主处理工单，同时，强大的后台工作流也支持人类专家随时介入，进行监控、调整和分析，并在必要时无缝地将复杂问题升级转交。让用户对产品的用户界面/用户体验感到舒适，已经创造出了强大的工作流护城河，使客户不大可能切换到新工具。
构建深度垂直整合：
许多企业客户生存并依赖于一个复杂的商业软件系统网络，其中许多系统的API有限且互不相通。因此，希望服务这些企业的AI公司，通常必须深度连接并整合进这些定制化的系统中才能创造价值。将这些整合工作作为头等大事来投入，通过把产品嵌入客户的核心运营工作流中，有助于建立客户群的持久性，使其难以被剥离替换，否则会扰乱其他系统。
例如，在医疗保健领域，Tennr已投入巨资，与大量的传统传真和医疗系统进行整合，以简化服务提供商之间的患者转诊前流程。在物流领域，HappyRobot则与客户自研的TMS（ZP注：货运管理系统）平台建立连接，以部署其用于货运呼叫操作的AI语音智能体。而Glean的大部分价值也来自于与核心企业工具的关键整合。这些深度的、往往针对特定客户的整合，是让AI解决方案在真实世界中发挥作用的关键，并能充当强大的竞争护城河。
巩固客户关系：
企业采购方终究是人。值得信赖的关系，其重要性往往超过任何特定的功能或供应商价格，尤其是当AI供应商日益扮演其所服务客户的“战略性AI思想伙伴”这一角色时。如今许多AI公司获得了采购方的倾听和信任，这是传统软件供应商很少能做到的，他们帮助客户塑造产品路线图和AI战略，而不仅仅是销售工具。
对于builder而言，这无疑是历史上最激动人心的时代之一，因为AI正在解锁新市场，并扩展着现有的机遇。以上这些观察，反映了我们如今在AI初创公司中所见的普遍趋势，其目的在于为那些旨在构建“基业长青”公司的创始人们提供一份指南。
原文章：From Demos to Deals: Insights for Building in Enterprise AI
https://a16z.com/insights-for-enterprise-ai-builders/
编译：Guangyuan Tang，关注具身智能及AIGC艺术美学，欢迎交流
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
（文：Z Potentials）