关于 AI 时代下，那些崩塌的壁垒，和可能不变的东西

事先声明，以下内容源于和 AI 的探讨总结出来的

AI时代，什么永远不变？

一份关于商业不变量的数据与逻辑

三句话版本

1.
AI正在把「能做出产品」这件事的门槛降为零------纯技术壁垒已经不再成立。

2.
历史上每次技术变革，活下来的企业靠的都不是技术------靠的是分发、信任、网络效应和判断力。

3. 这件事，从我们自己开始。

我们教孩子用代码和科技表达想法------这是我们从第一天就相信的事。

但最近几个月，我一直在想一个很具体的问题：当AI正在把「做产品」的成本压到接近于零的时候，我们公司真正的壁垒，在哪里？

我翻了大量数据和案例，也读了YC、a16z、Sequoia、NFX的最新研究报告，想把我的结论和推理过程都写下来，让大家也能看到我在想什么，并且直接挑战它。

一、技术变革的反复验证：谁活下来了，凭什么？

先建立一个基础共识：不是所有护城河都同等耐久。过去三十年，三次技术范式转移------互联网、移动互联网、云计算------给了我们足够多的历史数据来看清楚这个问题。

案例1：Blockbuster vs Netflix（2000--2010）

这个故事不是关于流媒体技术的，而是关于谁敢在自己最赚钱的时候主动转型。

$800M
Blockbuster每年来自滞纳金的收入------这笔钱锁死了它的战略想象力
(Netflix S-1)

Blockbuster
2000年收到以5000万美元收购Netflix的提案，拒绝了。2004年，Netflix市值5.4亿美元。2010年，Blockbuster申请破产，Netflix市值超过30亿美元。

→
真正杀死Blockbuster的不是Netflix的技术，而是它自己拒绝蚕食$800M滞纳金收入的决定。

案例2：Nokia（2007--2013）

Nokia的案例是「技术领先≠战略免疫」的最极端示范。

49.4% Nokia 2007年的全球手机市场份额（同年iPhone发布） (IDC)

$7.3B Nokia 2007年研发投入，高于Apple同期 (Nokia Annual Report)

Nokia不缺钱，不缺技术。它缺的是把所有资源从维护Symbian生态上解放出来的战略勇气------因为Symbian养活了数千家合作伙伴，动它就是动既得利益。

前Nokia CEO Stephen Elop
2013年的总结：「我们没有做错任何事，但不知为何，我们输了。」

→
技术壁垒的有效期取决于技术迭代速度。当迭代速度够快，任何技术领先都是暂时的。

案例3：Borders vs Amazon（1999--2011）

Borders 2001年把全部线上销售业务外包给Amazon，理由是「专注线下体验」。

6年 Borders.com所有线上流量持续转化为Amazon用户的时间

Amazon靠着Borders的流量建立了图书品类的数据飞轮，再用这些数据扩张到其他品类。Borders在2011年破产时，负债超过12亿美元。

→
分发权一旦拱手相让，就很难再要回来。每一个用户访问都是你帮竞争对手建立的护城河。

三个案例，一个共同结论：

存活下来的企业不是技术最强的，而是在竞争对手之前主动蚕食了自己最赚钱的业务。

二、AI这一轮：加速度在哪里，数据说了什么？

每次技术变革都有人说「这次不一样」。AI这轮，具体「不一样」在哪里？我尝试用数据来量化这个问题。

产品构建成本：正在系统性崩溃

25% YC 2025年在孵公司中，95%代码由AI生成的比例 (YC Lightcone
Podcast, 2025)

100x Altman预测：2027年底GPT-5.2级智能成本将下降的倍数 (Sam
Altman, 2025)

这意味着什么？意味着一个10人团队在数月内能完成以前需要50人做两年的产品。工程能力从「稀缺资源」变成了「可购买的商品」。

⚠
如果你今天最核心的竞争优势是「我们工程师更强」------这个优势的有效期正在急剧缩短。

注意力：唯一没有被AI扩大的资源

Sam Altman在那场咖啡馆聚会里说了一句我认为是这个时代最重要的判断之一：

「不管世界如何发展，人类的注意力始终是极其有限的东西。」

这是一个供需分析：AI正在指数级扩大商品供给侧------内容、软件、服务------但需求侧，每个人一天只有24小时，真正能用来消费内容和产品的时间约2-3小时，物理不变。

→
未来的竞争逻辑变了：不再是「谁做得出来」，而是「谁能被看见、被记住、被信任」。

数据：顶级投资人的共识正在收敛

2024-2026年间，硅谷几个最具影响力的机构几乎同时得出相似结论：

--- a16z合伙人Bryan
Kim（2025.6）：「如何在消费级AI构建护城河？很抱歉，目前没有传统意义上的。关键在于动量------谁先构建、谁迭代最快、谁分发最好。」

--- YC合伙人Garry
Tan（2025.2）：「评估能力（Evals）是真正的护城河------创始人像人类学家深入行业最被忽视的角落，积累AI无法替代的判断力。」

--- Sequoia（2025 AI
Ascent）：「最大价值将在应用层创造，第三幕是垂直Agent------为特定工作流端到端训练的系统。」

--- NFX Pete
Flint：「先用速度和分发建外庭，再用网络效应和深度嵌入建城堡。外庭让你入场，城堡让你不可被攻克。」

三、正在松动的五面墙

下面这张表，是对照商业史案例和当前AI数据，逐条分析「曾经的护城河」在今天的状态。

曾经的护城河 AI时代的现实

工程技术能力（「我们做得出来」） AI生成代码+低代码工具，10人团队可复制大多数产品

内容生产能力（「我们做得好」） 盲测中56%用户认为AI内容更有吸引力（Bynder, 2025）

数据体量（「我们数据最多」） 增量数据价值递减；a16z：数据护城河是空洞承诺

SaaS切换成本（「用户懒得迁移」） AI Agent可自动迁移数据，周期从18月压缩至数周

先发品牌优势（「我们进场最早」） 依然有效------但需叠加持续迭代，否则衰减加速

值得注意的是：先发优势并非完全失效，而是变成了一个「需要持续喂养的资产」------停止迭代，优势就会衰减。这和以前「赢了就锁定」的逻辑完全不同。

⚠ Morningstar
2026年初数据：AI暴露度最高的公司年初至今表现落后AI抗性公司26个百分点。市场正在系统性重新定价技术领先的含金量。

四、不变量金字塔：五层护城河，由外到内

说完变的，说不变的。我把研究结论整理成一个五层框架------从最容易被复制的（地基）到最难被复制的（塔顶）：

地基层：组织自我革命的速度

这是所有不变量的元能力------没有它，其他层都是沙上建塔。

Adobe 2011
主动蚕食盒装软件收入，转向订阅制------短期收入下滑，长期市值从100亿增长至2000亿+

Netflix、Amazon、Adobe------每一个活过技术变革的企业，都在竞争对手之前亲手颠覆了自己最赚钱的业务。这不是战略选项，是生存条件。

→
自检问题：如果有一个新进入者今天用AI重做你的核心产品，他们需要多久达到你的80%？

第一层：分发能力与注意力捕获

分发权在商业史上从未停止过是核心竞争力，AI时代只是改变了分发的形态：

80% 消费者现在依赖AI生成回答满足40%以上查询，且不再点击链接（Fast
Company, 2025）

这意味着「SEO可达」已经不够------品牌必须被嵌入AI的记忆中。我们自己要问：我们有多少真正属于自己的渠道？我们与用户的连接，有多少依赖平台算法？

第二层：品牌信任与人味偏好

这里有一个反直觉的数据：AI能力越强，消费者对「人味」的渴望越强。

44%
对高价值购买，偏好与真人沟通的消费者比例------比2022年上升12个百分点（Invoca,
2025）

37% 对AI交互感到正面的消费者比例（同上）

Gartner预测，到2027年，1/5的品牌将以「不使用AI」作为差异化定位。品牌信任从「默认属性」变成了「主动构建的稀缺资产」。

Sam
Altman自己说：「如果读完一本书发现是AI写的，我会感到非常失落------像一种真心错付。」这不是个别反应，是人类对真实性的系统性偏好。

第三层：网络效应与数据飞轮

70%
自1994年至今，科技行业约70%价值由具备真正网络效应的公司创造（NFX
Research）

但「网络效应」这个词被严重滥用了。NFX给出了真正网络效应的判断标准：每增加一个用户，产品对所有用户都要变更好。

真正的飞轮：使用量增加 → 产生独特数据 → 模型/产品更好 →
更多使用量。Tesla
Autopilot是硬件侧最清晰的案例：每辆车行驶都在让整个车队的模型变聪明。

⚠
a16z警告：「增量数据的价值递减。」数据体量本身不是魔法棒------没有完整飞轮闭环的数据积累，不是护城河。

第四层：垂直领域深度与工作流嵌入

1.8x 垂直SaaS相对水平SaaS的交易倍数溢价（Sapphire Ventures, 2025）

数周 垂直AI方案ROI显现的典型时间，相比水平平台的12-24个月

Harvey（法律AI）、Tempus（医疗AI）的成功，不是因为他们的模型比OpenAI更强，而是因为他们深入了一个特定行业的工作流、监管逻辑、专业术语和边缘情况。

a16z核心框架：「把自己定位为工作系统（System of
Work），而非记录系统（System of
Record）。」当你嵌入客户核心工作流，你从工具变成基础设施------切换成本提升一个数量级。

塔顶：判断力、品味与用户洞察

这是AI最难触及的层。AI可以生成20个方案，但它无法告诉你哪一个值得押注。

「Evals（评估能力）是AI创业公司的真正护城河------创始人像人类学家深入行业最被忽视的角落，这种判断力AI无法替代。」---
Garry Tan, YC

加州管理评论的案例研究：一家公司自动化呼叫中心后，把被替代的客服重新部署到产品设计------他们的洞察力显著提升了客户满意度。「知道该做什么」的能力，比「能做什么」更值钱。

→
我们做教育行业将近十年，陪伴过无数孩子和家长。这个「判断下一代需要什么」的洞察力，是我们最难被复制的资产------前提是我们持续更新它。

五、对我们意味着什么------三条可执行的结论

理论框架有了，回到最具体的问题：我们应该怎么做？我只说三件事，但每件事都需要真正行动，不是口头认同。

结论一：停止用技术能力安慰自己，把资源迁移到不变量

每隔一段时间，我们要做一次「不变量审计」：我们的哪些投入在构建分发/信任/网络效应/垂直深度/判断力？哪些投入在维护一个正在快速商品化的技术能力？

这不是说技术不重要------技术是入场券。但入场券和护城河，是不同的东西。

结论二：自己先成为AI的深度用户，再谈教别人用AI

我们是一家教孩子「拥抱科技、掌握未来」的公司。如果我们自己的工作流没有被AI深度重构，我们就失去了这个身份的可信度。

目标
每个团队找出3个可以用AI大幅提效的场景并真正落地------不是PPT里的场景，是真实运转的工作流

不是为了减少人，是因为一支真正用AI工作的团队，才能教出真正懂AI的孩子。

结论三：主动蚕食，比等待被颠覆提早三年

历史模式很清楚：等到威胁明显的时候再转型，往往已经晚了。Netflix在DVD还在赚钱的时候就押注流媒体；Adobe在盒装软件还有利润的时候就转向订阅制。

如果我们的课程核心价值依然是「教会孩子写for循环」，我们需要诚实地问：这是十年后孩子最需要的能力，还是AI最容易帮他做的事？

⚠ 这是一个需要我们主动回答的问题，不是等市场回答。

最后，Altman在那场聚会最后说：

「AI就算再厉害，你也要始终把船舵牢牢地抓在自己手里。」

这句话我理解的方式是：

AI是最强大的加速器，但加速的方向，由你决定。

我们教孩子的，是掌舵的能力，不是划桨的技术。这件事，从我们自己开始。