AI创业公司最强大的七道护城河——Light Cone深度讨论

一句话结论

《七种力量》的护城河框架在AI时代依然适用，但形态已变；书中未列的「速度」是AI创业早期唯一的真正护城河。创始人不应在看不到远期护城河时放弃创业——先找到痛点、解决问题，护城河会在过程中自然浮现。

来源信息

Executive Summary

本期 Light Cone 围绕 Hamilton Helmer 的《七种力量》（The Seven Powers: The Foundations of Business Strategy，2016年出版）展开，将该框架重新映射到 2025 年 AI 创业语境。四位 YC 合伙人逐一剖析：（1）流程力量——AI代理复杂工作流中最后10%的「苦差事盲区」构成壁垒；（2）垄断资源——前置部署工程师模式获取的私有数据和定制模型；（3）转换成本——深度定制的企业工作流一旦建立不会再做Bake-off；（4）反向定位——按座位收费的SaaS阿喀琉斯之踵被按结果收费的AI公司颠覆；（5）品牌——ChatGPT以品牌超越Google Gemini；（6）网络经济——数据飞轮：更多使用→更好模型→更多使用；（7）规模经济——训练前沿LLM需大量资本但DeepSeek削弱了此壁垒。核心洞见：「速度」应列为第八种护城河，Cursor的每日冲刺周期是核心证据。Gary最终总结：先找到痛点足够痛苦的人（「今年可能升不了职甚至被解雇」级别），从零到一，护城河会自然出现。

核心观点

0. 速度：书中未列的第八道护城河

Windsurf 的 Varun 曾说：在创业最早期，创业公司唯一的护城河就是速度。Jared 认为这应该被写进书里。Gary 以 Cursor 为例：大公司需要经过产品经理、运营流程、PRD文档、规格说明等层层流程；Cursor 创始人 Michael Truell 曾在 YC 分享，他们在 2023-2024 年间的产品开发冲刺周期只有一天——每天重新开始计时，每天都要发布新功能。这种速度是任何大公司都无法企及的。Gary 在最后总结中强调：你应该主要关注书中都没有列出的第一道护城河——速度。如果你在纠结「我们会不会成为垄断资源」之类的问题，思考方向就错了。

1. 流程力量（Process Power）

定义：构建了一个非常复杂的业务，包含大量难以复制的内容。AI时代对应：经过多年精细打磨、在真实世界条件下运行良好的复杂AI代理。关键案例：CaseText（法律AI）、Greenlight（银行KYC合规）、Casa（银行贷款审批）。黑客马拉松版本一个周末可做出，但若失败银行损失数百万美元——这是关键任务基础设施（Mission-Critical Infrastructure），更像自动驾驶汽车。Plaid 需要支持数千乃至数万家金融机构的 CI/CD 结构是深度例子。Harj 提出「苦差事盲区」（Schlep Blindness）：AI工具的黑客马拉松版本比以往更容易搭建，但最后10%——让它在每天数万次KYC请求中可靠运行——是一种特定、艰苦、乏味的工作，很多工程师不愿意做。OpenAI 的团队也很难对 KYC 工具的最后5%一致性感到兴奋。

2. 垄断资源（Cornered Resource）

定义：不可套利的、稀缺的、具有独立价值的资产，有时附带优惠获取条件。AI时代案例：Scale AI和Palantir与美国国防部（DoD）的合作——雇佣对的人、花大量时间在华盛顿和兰利、建造专门的安全数据中心（Skiff）。对于创业公司更现实的形式：前置部署工程师模式——走出去，以真实数据和真实工作流的形式获取垄断资源，与通常无法获得好软件的客户坐在一起，理解枯燥流程，转化为提示词、评估体系，最终转化为数据集微调自己的模型。Character AI 将LLM微调使服务成本降低10倍，这也是一种垄断资源。

3. 转换成本（Switching Costs）

AI时代新形式：Happy Robot 与 DHL 深度合作整合物流运营工作流；Salient 为金融行业构建AI语音代理——各家银行在贷款合并、债务追收、欺诈监控、风险合规等方面工作流各不相同。这些定制工作流一旦建立，大型企业不会再做「Bake-off」。Jared 指出 AI 同时也在降低转换成本——如果你能用代码生成工具从老旧系统提取数据，原本依赖转换成本的竞争壁垒可能被降至零。存在两种「风味」：老式SaaS的数据迁移之痛（LLM可能显著降低此成本），以及AI时代原生的深度定制逻辑之痛。Harj 补充：消费者端，记忆（Memory）正在成为转换成本——ChatGPT 越来越了解用户的兴趣和偏好，这种个性化随时间推移形成越来越强的转换成本。

4. 反向定位（Counterpositioning）

做一件现有竞争者难以复制的事，因为复制会蚕食其自身业务。AI时代最突出表现：SaaS公司的按座位收费（Per-Seat Pricing）模式——几乎所有SaaS公司都按员工数量收费，如果AI代理真的做好了工作，客户需要的员工减少，在简单逻辑下越成功收入越低。这是 SaaS 的战略阿喀琉斯之踵。新型AI创业公司的定价模式围绕「交付的工作量」或「完成的任务量」。Gary 举 Avoka 案例：ServiceTitan 只占 HVAC 公司总支出约1%，但 Avoka 发现客户支持支出占4-10%，意味着垂直AI SaaS代理可能比传统SaaS大至少10倍。Harj 讨论第二种反向定位——后发者优势：Legora 对阵 Harvey（法律AI领域早期赢家）、Giga ML 对阵 Sierra/Decagon（客户服务领域）、Speak 对阵 Duolingo（语言学习领域）。

5. 品牌（Brand）

ChatGPT 的日活用户数超过 Google 的 Gemini，而 Google 本就是全球最大消费品牌之一。这同时也是反向定位的完美案例——Google 拥有需要继续支持广告的商业模式和人类历史上最伟大的现金牛，为什么要自我颠覆？ChatGPT 由小团队在几个月内快速发布，再次印证速度这道护城河。

6. 网络经济（Network Economy）

AI时代网络效应的形态变化主要体现在数据层面：更多数据→更好定制模型→更好产品→更多使用→更多数据。ChatGPT 几乎肯定将大量用户聊天历史反馈到训练中——从 ChatGPT 1到5的所有聊天记录都喂入 GPT-6。Cursor 的 Tab 自动补全——免费版使用用户数据，几乎每一次鼠标点击和按键都被喂入模型。企业AI公司能获取私有数据：Salient 和 Happy Robot 的客户员工使用产品时产生大量私有数据使工作流不断改善。评估体系（Evals）是关键护城河——通过评估工作流成功与否，将结果反馈并迭代改进，这个飞轮只有在产品使用量增加时才能实现。

7. 规模经济（Scale Economies）

在AI世界主要体现在模型层而非应用层——训练最先进LLM是资本密集型的，只有少数公司能负担。DeepSeek 的发布削弱了此壁垒——RL部分确实更便宜，但仍建立在大型且昂贵的基础模型之上（这是媒体搞错的地方）。Exa 是创业公司案例：为AI代理提供搜索API需要爬取大量网页（大量固定资本投入），但同一份数据可复用于多个客户。

护城河的时机：先有东西可守

Gary 关键观点：YC始终告诉人们先找到有真实问题的人，然后去解决问题。世界上到处都是可以用软件——尤其是AI——解决的痛点，护城河会在与客户合作、构建产品、确定所需数据的过程中自然浮现。Jared 补充：如果有人因为看不到远期护城河而决定不做一个创业想法，那是很愚蠢的。护城河本质上是防御性的，你必须先有东西可守。如果什么都没有，就别操心护城河——那就像田野里的一滩水洼。

可执行建议

重要例子 / 公司案例

关键证据

涉及概念

涉及人物

涉及公司

可沉淀到哪些主题页

不确定事项

Change Log