作者: JERRY CHEN. 编译：Cointime.com QDD

六年前，我发布了《新Moat：为什么智能系统是下一个可维护的商业模式》一文。在那篇文章中，我假设初创企业将能够使用人工智能建立可维护的Moat。

考虑到过去一年中发生的所有发展，我想重新审视这个框架，看看什么依然成立，什么已经改变。

我不会重复过去六年中关于人工智能的每一项技术突破和变化。这已经在无数篇博客、推特风暴和我Instagram动态中无数由人工智能生成的头像中得到了详细的记录。

但我当然会指出，如果没有变压器模型（首次在2017年的Google Brain论文中描述），我们不会来到这里的。在过去的几年中，进步迅速，今天的人工智能景观实在是太“超现实”了。像GPT-4、PaLM2和LlaMA这样的大型语言模型是AI正在成为此时此刻启用技术的实体例证。我会指向我的合伙人Saam Motamedi和Reid Hoffman撰写的文章，这些文章深入探讨了基础模型的当前和潜在影响。

在这个寒武纪式的人工智能创业公司的大爆炸中定位自己需要问一个基本问题：市场中的持久价值在哪里？或者，用我六年前的问题的变体来问我自己：新的新的Moat是什么？

为了说明我的想法，我对原始的“智能系统”框架进行了涂改、更新和修改预测，提出了新问题，并放弃了其他问题。我希望这个练习能帮助我们在航行当前的人工智能炒作周期时保持脚踏实地。

为什么智能系统仍然是下一个可维护的商业模式？

“在商业方面，我寻找由无法攻破的‘护城’所保护的经济堡垒。”——WARREN BUFFET

要建立一个可持续和有利润的企业，你需要在公司周围建立强大的防御Moat。这在今天尤为真实，因为我们正在经历一个世代中最大的平台转移之一，应用程序转移到云上，在iPhone、Echo和特斯拉上消耗，建立在开源上，并由AI和数据推动。这些巨大的转变正在使一些现有的Moat失去作用，让首席执行官们感觉几乎不可能建立可维护的业务。

事实上，正是像LLaMA、Alpaca、Vicuna、RedPajama等开放源码的AI模型，促使了“我们没有Moat，OpenAI也没有”这条臭名昭著的谷歌备忘录产生。这个备忘录抱怨谷歌和OpenAI拥有的专有优势正在被开放源码和特别是Meta的LLaMA模式的释放所扰乱，这促成了一个生态系统的发展（并改进了）LLaMA成为的种子。备忘录总结道，“矛盾的是，在所有这一切中，唯一的赢家就是Meta。因为泄露的模型是他们的，他们有效地获得了整个星球的免费劳动力。”

然而，Meta并不是这一发展的唯一受益者。整个初创企业市场，无论大或小，也有一个优势。在我六年前恩写的原始“新Moat”文章中，我指出了开源的力量，但我错误地认为它只有大规模提供开源服务的云提供商受益。相反，这一新一代的人工智能模型潜在地可以将权力转移回初创企业，因为他们可以在他们的产品中利用基础模型——无论是开源还是非开源。

事实上，这个新一波人工智能的早期受益者是现有公司和初创企业，他们已经能够将生成式人工智能添加到他们的应用程序中，如Adobe、Abnormal、Coda、Notion、Cresta、Instabase、Harvey、EvenUp、CaseText和Fermat。

为了转述达尔文的话，“能够生存下来的不是最强大（最大、最资本化或最知名）的公司，而是最能适应并融合人工智能的公司”。

换句话说，这篇备忘录并不是要提出是否有Moat的问题，而是在询问价值在哪个层面聚集的问题。

历史上，开源技术在可用的任何层面上都降低了价值，并将价值转移到相邻的层面。例如，像Linux或Android这样的开源操作系统减少了应用程序对Windows和iOS的依赖，并将更多的价值转移到了应用层。这并不意味着开源层面没有任何价值（Windows和iOS肯定捕获了价值）。同时，你仍然可以通过开源商业模式创造价值并攻击“云中的城堡”，就像Databricks、MongoDB和Chronosphere所实现的那样。

在我们六年前的博客中，我们强调得到受益最多的相邻层面通常是大型云平台。但是，关于开源基础模型，我们可以看到OpenAI或谷歌本来会获得的一些价值现在可能会被转移到应用程序、初创企业和围绕LLM的基础设施上。OpenAI和谷歌仍然可以获得价值，而在规模上构建和运行这些巨型模型的能力仍然是一个Moat。建立开发者社区和网络效应仍然是一个Moat，但在存在开源替代方案的世界中，这些Moat所获得的价值会降低。

在这篇文章中，我将回顾一些传统的经济Moat，这些Moat通常是技术公司所利用的，以及它们如何被打破。我相信今天的初创企业需要建立智能系统™——AI驱动的应用程序——“新的Moat”。

企业可以建立许多不同的Moat，并且这些Moat随着时间的推移可以变化。下面的列表绝对不是详尽无遗的，公正地说，它看起来像一篇糟糕的MBA博客！

传统经济Moat

一些最伟大和最持久的科技公司都有强大的Moat。例如，微软、谷歌和Facebook（现在的Meta）都有以规模经济和网络效应为基础的Moat。

在这个技术的过渡时刻，构建有价值的AI产品的关键因素是基础模型——它们被训练在数十亿（万亿）的参数上，成本高达数亿美元——和支持它们的计算资源。如果不是因为LLaMA的发布，我想大部分价值会归属于像谷歌这样的公司或像OpenAI、Anthropic和Inflection这样的初创企业，它们有资本（和GPU）来训练这些模型。我们面临的一个问题是万亿级参数模型与较小模型之间的平衡。如果比赛青睐越来越大的模型，那么规模可能成为最终的Moat。

规模经济：规模越大，就有越多的经营杠杆，这反过来会降低你的成本。SaaS和云服务可以具有较强的规模经济：你可以扩大你的收入和客户群，同时保持你的产品核心工程相对平稳。

作为初创企业开发基础模型的重要计算合作伙伴，AWS、微软和谷歌这三个云服务提供商正在利用规模经济和网络效应，在当前的人工智能热潮中保持竞争力。训练AI模型已经成为一个数据中心级别的问题，将计算和网络结合成一个巨大的建筑规模的超级计算机。

依赖大型云服务提供商来运行复杂的机器学习模型甚至导致Oracle作为合作伙伴的重新崛起。该公司最初在云服务器业务上滞后，但通过与NVIDIA的合作，在人工智能方面采取了一系列明智的举措，其中我的合伙人Jason Risch在一篇关于人工智能对云的影响的文章中进行了描述。Oracle目前正在与一些领先的初创企业合作，包括Adept、Character和Cohere。

网络效应：用Metcalf定律最好地描述，如果你的产品或服务每增加一个用户，它就会为每个其他用户获得更多的价值。像Slack和WhatsApp这样的消息应用程序，以及像Facebook这样的社交网络，都是强大的网络效应的很好的例子。像iOS、Android和Windows这样的操作系统具有强大的网络效应，因为随着更多的客户使用该操作系统，就会有更多的应用程序在其上构建。

最成功的云业务之一Amazon Web Services（AWS），既具有规模的优势，也具有网络效应的力量。更多的应用和服务会在AWS上本地构建，因为“那里有客户和数据”。反过来，解决方案的生态系统会吸引更多的客户和开发人员构建更多的应用程序，生成更多的数据，持续推动良性循环并通过规模的优势降低亚马逊的成本。

先驱者可以建立网络效应。OpenAI正在努力构建其模型周围的第一个网络效应Moat。特别是，他们的函数调用和插件架构可以将OpenAI变成新的“AI云”。竞争建立网络效应仍然为时过早，不能宣布任何公司是赢家。事实上，有许多参与者在扩展这个概念，创建像LlamaIndex、Langchain、AutoGPT、BabyAGI和许多其他服务，所有这些服务都旨在自动化你的应用程序、基础设施或生活的某些部分。

深度技术/IP/商业机密：专有软件或方法是大多数科技公司的起点。这些商业机密可以包括解决难题的新颖解决方案、新发明、新流程、新技术和稍后保护所开发知识产权（IP）的专利。随着时间的推移，公司的IP可能会从特定的工程解决方案转变为累积的运营知识或对问题或流程的洞察。

今天的一些AI公司正在构建自己的模型，既用于生产应用程序，也用于向他人提供服务。这个小组中的初创企业包括Adept、Inflection、Anthropic、Poolside、Cohere等。正如之前提到的，这个抉择是建立这些模型的天价成本。正如我们上面提到的，有趣的是看看早期基础模型开创者如OpenAI、谷歌等公司是否可以利用他们的深度技术构建一个Moat，或者他们最终是否在面对开源和所有AI领域的学术研究和工作中只是其他模型之一。

高转换成本：一旦客户使用了你的产品，你希望尽可能地让他们很难转向竞争对手。你可以通过标准化、缺乏替代品、通过与其他应用程序和数据源的集成，或者因为你建立了一个根深蒂固且有价值的工作流程而使客户依赖你。任何这些都可以作为一种形式的锁定，使客户很难离开。

有趣的是看看模型层面或应用程序层面是否存在转换成本。例如，Midjourney有数百万用户使用其扩散模型生成图像。如果出现更好的第三方模型，Midjourney将如何替换自己的模型？即使存在更好的模型，用户转换到另一个应用程序将有多大困难？在接下来的几年中，我们将看到公司尝试在应用程序层和潜在的模型层建立转换成本。

品牌和顾客忠诚度：强大的品牌可以成为Moat。每次产品与客户之间的积极互动，你的品牌优势都会随着时间而变得更强大，但是如果客户失去对产品的信任，品牌实力很快就会消失。

在AI中，信任是必不可少的，对于许多人群而言，这种信任尚未被赢得。这些早期的AI模型可能会出现“错觉”、错误答案或类似“Bing”中的奇怪角色。将会出现一种竞争，即构建可信赖的AI和像Trulens这样的工具，以帮助实现这一目标。

OLDMoat可以被摧毁

强大的Moat有助于公司在主要平台转换中生存，但生存不应与蓬勃发展混淆。

例如，高转换成本可以在一定程度上解释为什么“大型机”系统和主机系统在这些年后仍然存在。有着深厚Moat的传统企业可能不再是它们的巅峰时期的高增长车辆，但它们仍在产生利润。公司需要认识到并在行业整体转型之际作出反应，否则它们可能会成为自己成功的受害者。

转换成本作为Moat：在2009年之前，x86服务器收入不足以超过主机和其他“大型机”。

有趣的是，我们可以透过NVIDIA和Intel的财务表现来看到AI平台的转型。 NVIDIA是GPU的主要提供商，Intel是CPU的主要提供商。在2020年，NVIDIA超过Intel成为最有价值的芯片提供商。在2023年，该公司估值达到了1万亿美元。

此外，这些庞大的平台转型（如云和移动）是技术潮流，为新玩家创造了机会，并使创始人能够在现有的Moat上下建立途径。

成功的初创公司创始人往往执行双重策略：攻击传统玩家的Moat，同时建立自己的有利Moat，以乘上新潮流。

AI正成为当今平台技术，这种新的LLM浪潮可能会对现有企业的等级产生破坏。例如，通过与OpenAI的ChatGPT集成，微软一直备受诟病的Bing可能最终会破坏谷歌的搜索Moat。

例如，Facebook拥有最深入人心的社交网络，但Instagram则开发了一个首个移动端的照片应用程序，并通过智能手机浪潮获得了10亿美元的收购。在企业世界中，SaaS公司（如Salesforce）正在破坏现场软件公司（如Oracle）。现在，随着云计算的出现，AWS、Azure和Google Cloud正在为客户创造直接通道。这些平台的转变也可以改变买家和最终用户。在企业中，买家由中央IT团队转变为办公室知识工作者，再到使用iPhone的任何开发人员。

今天，新的LLM模型已经创造出了一个新的用户类别：即时工程师。随着生成式人工智能模型用于多个行业的使用，用户的角色也变得广泛。现在AI已经成为每种产品的内在组成部分，即时工程师角色的持久性将会变化尚未可知。

没有Moat了吗？

在当前的颠覆浪潮中，是否仍有可能建立可持续的Moat？对于创始人来说，建立的每一种优势似乎都可以被街边另一个团队复制，或者至少似乎Moat只能在大规模的基础上建立。开源工具和云计算已经将权力转移给了新的现有企业，即在大规模、具有强大的分销网络、高转换成本和强大品牌的当前一代公司，如苹果、Facebook、谷歌、亚马逊和Salesforce。

为什么感觉已经“没有Moat”可以建造了？在云和开源的时代，攻击艰难问题的深度技术正在成为一个较浅的Moat。使用开源工具使技术进步变得更难以实现商业化，而使用云计算来提供技术将可防御性转移到产品的不同部分。太过关注技术而忽略客户问题的公司将陷入两难处境——或者我喜欢说的“在开源和云端之间”。例如，像Oracle专有数据库这样的现有技术正在受到Open Hadoop和MongoDB等开源替代品的攻击，而在云端则被Amazon Aurora和Google Spanner等创新产品所冲击。另一方面，建立出色的客户体验可能会通过软件的工作流程找到防御能力。

我认为深度技术Moat并未完全消失，仍然可以在知识产权周围构建可防御的商业模型。如果选择技术堆栈中的一个领域，并成为最好的解决方案，就可以创建一个有价值的公司。然而，这意味着选择几乎没有替代品、需要艰难的工程和操作知识才能扩展的技术问题。

基础模型是当今深度技术/IPMoat之一。基础模型的所有者发布API和插件，同时还在内部不断开发更好的产品。开发人员相对容易地在开源LLM之上构建，导致出现了大量提供专门用途产品的初创企业。但是，已经很清楚，大多数处于这一层的初创公司没有建立足够的Moat。他们不仅可能被指责拥有“薄弱的知识产权”（基本上是一个简单的ChatGPT应用包装器），而且他们还面临着来自基础模型提供者的直接竞争，正如我们在OpenAI和Jasper之间看到的那样。

可能存在这样一个世界，在这个世界中，大型模型解决大部分复杂问题，而较小的模型解决特定问题或为手机、汽车或智能家居等边缘应用提供动力。

今天，市场青睐“全栈”公司，提供应用逻辑、中间件和数据库结合的SaaS产品。技术正在成为完整解决方案的隐形组成部分（例如，“只要你的美食能准时送达，谁关心你喜欢的移动应用程序后面支持哪种数据库”）。在消费者世界中，苹果通过iPhone将集成或全栈体验普及开来，将硬件与软件无缝集成。这种集成体验也正在主导企业软件。云和SaaS使直接、具有成本效益地接触客户成为可能。因此，客户越来越倾向于通过SaaS应用程序购买完整栈技术，而不是购买技术栈的单个组件并构建自己的应用程序。强调整个应用程序体验或“技术栈的顶部”是我通过另一个框架来评估公司的原因，这就是企业系统的堆栈。

企业系统的堆栈

记录系统

在系统堆栈的底部通常是一个数据库，上面构建了应用程序。如果数据和应用程序支持关键业务功能，则变成了“记录系统”。企业中有三个主要的记录系统：客户、员工和资产。客户关系管理系统管理客户数据，人力资源管理系统管理员工数据，ERP/财务系统管理资产。有许多公司基于拥有记录系统而建立，每一次技术浪潮都会产生新的赢家。在客户关系管理方面，我们看到Salesforce替代了Siebel成为客户数据的记录系统，而Workday则替换了Oracle PeopleSoft成为员工数据的记录系统。Workday也扩展到了财务数据。其他应用程序可以围绕记录系统构建，但通常不如实际的记录系统有价值。例如，营销自动化公司Market和Responsys围绕CRM创建了大型业务，但从未像Salesforce那样具有战略意义或价值。

基础模型不会替换现有的记录系统，但它们是解锁所有记录系统的价值和理解的工具。今天有少数几个基础模型。正如我之前提到的，世界是否趋向少数几个大型模型，然后对其进行提炼或修剪以在所有情况下使用，还是有一个较小模型的市场，这仍然是一个争论的问题。在任一种情况下，这些模型都是我们六年前在《新Moat》中所称的智能系统的关键要素。

参与系统

参与系统是用户与记录系统之间的接口，因为它们控制最终用户互动，所以可以成为强大的业务。

在大型机时代，当大型机和终端本质上是同一产品时，记录系统和参与系统是紧密联系在一起的。客户/服务器浪潮为一类公司引入了试图拥有你的桌面的产品，但随后被一代基于浏览器的公司所取代，后来又被以移动优先为主的公司所取代。

当前争夺参与系统所有权的公司包括Slack、亚马逊Alexa以及其他每个语音/文本/对话界面初创公司。在中国，微信已成为主导的参与系统，现在成为从电子商务到游戏等方面的平台。

如果听起来像系统参与™比记录系统更易变动，这可能是因为它们确实如此。后续的系统参与™世代不一定会消失，而是用户不断添加新的交互方式来与他们的应用程序交互。在多渠道世界中，如果你控制大部分最终用户参与，或者是跨渠道系统，可以在用户所在的任何地方接触到他们，拥有参与系统最有价值。

作为参与系统的最大战略优势可能在于，你可以与多个记录系统共存，并收集通过你的产品传递的所有数据。随着时间的推移，使用你积累的所有数据，你可以将参与职位发展成为实际的记录系统。

六年前，我强调了聊天作为一个新的参与系统。Slack和Microsoft Teams试图成为企业的主要参与系统，以聊天前端为企业应用程序服务，但未能实现。 这种以聊天为先的愿景尚未实现，但LLM可能会改变这一点。我们可以请求我们的AI代理为我们订餐或计划假期，而不是打开像Uber或Instacart之类的应用程序来叫车或为我们提供杂货。在未来，每个人都拥有自己的AI助手，所有参与都可能感觉像是消息应用程序。基于AI的语音聊天系统，如Siri和Alexa，将被像Pi一样的智能聊天系统所取代，后者是由Inflection.ai开发的个人智能代理。

OpenAI的插件和函数调用公告正在构建一种新的构建和分发应用程序的方式，有效地使GPT成为一种新的平台。在这个世界中，聊天可以成为基本上所有内容的前门，成为我们日常参与系统。有趣的是看看在不久的将来AI应用程序的用户体验如何发展。虽然聊天似乎今天非常流行，但我们预计会看到多模态交互模型创造出超越聊天的新的参与系统。

新的Moat：智能系统™

我仍然相信，超级智能系统™是新的Moat。

什么是智能系统，并为什么它如此具有防御性？

智能系统的价值在于它通常跨越多个数据集和多个记录系统。一个例子就是将Web分析、客户数据和社交数据结合起来，以预测最终用户的行为、流失率、寿命价值或提供更及时的内容。你可以在单个数据源或单个记录系统上构建智能，但该位置变得难以针对拥有数据的供应商进行防御。

对于初创企业要在Oracle和SAP等现有企业公司周围蓬勃发展，你需要将它们的数据与其他数据源（公共或私人）结合起来，为客户创造价值。现有领导者将在自己的数据上占据优势。例如，Salesforce正在构建一个智能系统Einstein，从其自己的记录系统CRM开始。

自从我在《新Moat》中提出初创公司将构建智能系统的预测以来，已经有几个令人难以置信的AI应用程序，如Tome，Notable Health，RunwayML，Glean，Synthesia，Fermat以及数百个其他初创公司。尽管尚不清楚这个新兴堆栈中的长期价值将会在哪里积累，但这种转变为初创公司提供了充足的机会。

但正如我早些时候暗示的那样，我们最初没有预见到大型语言模型的威力，它们真正增强了我们六年前所称的智能系统的价值。

我们目前正在研究构建LLM应用程序所需的“新堆栈”。出现了大量新的中间件工具以链式提示或组合模型，对于模型内存的使用，也重新引起了人们的兴趣。就像我们看到创立云计算和存储更可管理的公司数量激增一样，我们正在看到一批初创公司被设计成使基础模型更易于使用。

我们相信，这个新的中间件堆栈将包括数据框架，例如LlamaIndex，用于桥接企业数据和LLM，代理框架如Langchain来构建应用程序和连接模型。此外，还将需要一批新一代的安全性和可观察性工具，以确保这些新应用程序的稳定性和安全性。

正如我们几周前宣布我们在LlamaIndex的投资一样，阐述了这一点：

或者，更新我2017年论文中的图表：

下一代企业产品将使用不同的人工智能（AI）技术来构建智能系统™。不仅应用程序将被AI转化，而且数据中心和基础架构产品也将被转化。我们可以将构建智能系统™的三个主要领域分类：客户旅程周围的面向客户的应用程序、面向员工的应用程序（如HCM、ITSM、财务）或基础架构系统，如安全、计算/存储/网络和监控/管理。除了这些广泛的横向用例之外，初创公司还可以专注于单个行业或市场，并围绕垂直领域的独特数据构建智能系统，如生命科学领域的Veeva或建筑领域的Rhumbix。

以前的应用程序一直在自动化数字过程，但这些新的AI应用程序将可能取代人类处理器，或者从积极的方面考虑，它们将放大和增强人类能力，使个人更加高效。

AI工具已经存在，可以使设计、编码、数据处理、法律工作和其他活动更加准确和快速。例如，在法律领域，类似于Harvey.AI和Even Up Law的公司正在执行助理和助理律师的任务。Github的合作伙伴可以让每个开发人员的生产力提高数倍，新开发人员现在可以像资深专业人士一样编码。使用Adobe的新Firefly动力产品的设计师可以创造先前需要整个团队才能完成的数字图像。像Tome、Coda和Notion这样的生产力应用程序现在可以让每个桌面工作者拥有新的超能力，如提高速度和生产力，这些真正是由技术承诺的AI动力“钢铁侠服装”。随着我们越来越依赖于基于AI的应用程序，管理和监控可靠的AI变得更加重要，以确保我们不会基于错觉做出决策。

在所有这些市场中，竞争的重点正在从旧的Moat（数据来源）转向新的Moat（数据的应用）。利用公司的数据，你可以向客户提供升级服务、自动响应支持工单、防止员工流失和识别安全异常。利用特定于行业（如医疗保健、金融服务）或特定于公司（客户数据、机器日志等）的数据来解决战略性问题的产品，开始看起来像一个深度Moat，特别是如果你可以替代或自动化整个企业工作流程或创建一种新的附加值工作流程，这是由这种智能可能带来的。

建立记录系统的企业应用程序一直是强大的商业模式。一些持久的应用程序公司，如Salesforce和SAP，都建立在深厚的知识产权上，从规模经济中受益，而且随着它们在公司的工作流程和业务流程中越来越深入，它们会累积更多的数据和操作知识。然而，即使是这些现有的公司也无法免于平台转移，因为一代新的公司正在攻击他们的领域。

公平地说，我们可能会面临着AI营销疲劳的风险，但所有的炒作都反映了AI改变了这么多行业的潜力。一种流行的AI方法——机器学习（ML），可以与数据、业务流程和企业工作流程相结合，创造上下文来构建智能系统。谷歌是将ML应用于进程和工作流程的早期先驱：他们收集了更多有关用户的数据，并应用机器学习来在Web搜索的工作流程中提供更及时的广告。还有其他不断发展的AI技术，如神经网络，将继续改变我们对这些未来应用程序的期望。

我在这个预测中犯了两个错误：首先，我不认为目前有疲劳的风险。我们正在见证下一个伟大的技术浪潮的开始，激情是可以理解的。其次，基础模型已经成为AI中最具变革性的进展。举个例子，以前一代ML/AI公司的几家公司面临着被LLMs带来的最近进展所超越的风险。

这些由AI驱动的智能系统™为新创企业带来了巨大的机会。成功的企业可以建立数据的良性循环，因为你使用产品生成的数据越多，训练越充足，你的模型就越好，你的产品就越好。最终，产品将为每个客户量身定制，这将创造另一个Moat——高换牌成本。还可以构建将系统互动™与智能甚至企业堆栈的所有三个层次组合的公司，但智能或互动系统可能是创业公司针对现有企业的最佳插入点。构建互动或智能系统不是一项轻松的任务，需要深入的技术，特别是在速度和规模方面。特别是那些能够促进跨多个数据源的智能层面的技术将至关重要。

同样，我们已经看到了数据良性循环的作用。不仅仅是原始模型的训练价值数据，还有用户数据的价值、模型和应用程序的反馈环路，甚至是（在极端情况下）RLHF，这一切随着时间的推移都会深化数据Moat。

ChatGPT或Inflection AI的Pi等个人AI工具有明显的潜力成为每项任务的主要渠道，无论是访问应用程序、开发软件还是在各种情况下进行通信。此外，像LlamaIndex这样的数据框架将是连接个人数据和LLMs的关键。模型、使用数据和个人数据的结合将为每个用户或公司创建个性化的应用体验。

最后，有一些企业可以通过使用客户和市场数据来训练和改进模型，使得产品对所有客户都更好，从而加速智能的飞轮。

总之，你可以构建作为互动、智能或记录系统的可防御的业务模型，但随着AI的出现，智能应用程序将是下一代优秀软件公司的源泉，因为它们将是新的Moat。

新的Moat就是旧的Moat

虽然人工智能的崛起带来了激动人心的变革，但在许多方面，我们发现我们已经回到了起点，重新审视了旧有的问题。事实证明，旧的Moat比以往任何时候都更重要。如果谷歌“我们没有Moat”的预测是正确的，并且AI模型使任何具有GPT或Llama访问权限的开发人员都能够构建智能系统，那么我们如何建立可持续的业务？应用程序的价值在于如何提供价值。工作流、与数据和其他应用程序的集成、品牌/信任、网络效应、规模和成本效益都成为经济价值的驱动因素和Moat的创造者。能够建立智能系统的公司仍然需要掌握市场推广。他们不仅需要完善产品市场适配性，还需要完善产品推向市场的适配性。

人工智能不改变初创企业的营销、销售或合作方式。人工智能提醒我们，尽管每一代技术都有其技术基础，但商业建设的基本原则仍然保持不变。

新的Moat就是旧的Moat。

感谢Saam Motamedi、Reid Hoffman、Mustafa Suleyman、Jason Risch、Corinne Riley、Heather Mack、Elisa Schreiber和我在Greylock公司的其他合作伙伴的贡献。此篇文章还得到了我在几家Greylock资助的公司，包括Adept、Inflection、Instabase、LlamaIndex、Truera、Notable Health等的朋友们的帮助，以及数十个影响了我的思考的创始人和CEO的讨论。感谢Eli Collins六年前启发了我撰写原始文章。所有好的创意都是无耻地窃取的，所有坏的创意都仅属于我自己。