“SaaS人工智能功能与没有护城河的应用相结合”

结合SaaS人工智能功能与无护城河的应用

最近有几家企业SaaS公司宣布推出生成性AI功能，这对于缺乏可持续竞争优势的AI初创公司构成了直接威胁

七月份，我们深入研究了 Y Combinator 的 W23 孵化批次中的生成性AI初创公司，特别是那些利用像GPT（为ChatGPT提供支持的大型语言模型）这样的模型的初创公司。我们发现了这些初创公司的一些重要趋势，比如专注于特定问题和客户（例如为中小型企业提供市场营销内容）、与现有软件的集成（例如与Salesforce等CRM平台的集成）、能够为特定环境定制大型语言模型（例如根据公司的品牌声音进行定制）。

文章中没有得到足够重视的一部分是关于护城河风险的讨论。当时引用了以下内容：

这些初创公司的一个关键风险是缺乏长期的护城河。由于这些初创公司的阶段和有限的公开信息，很难对其长期防御性做出太多解读，但很容易发现它们的长期防御性存在漏洞。例如：

如果一个初创公司建立在以下前提上：利用基本的大型语言模型（LLMs）如GPT，将其集成到帮助台软件中以理解知识库和写作风格，然后生成草稿响应，那么什么能阻止一个帮助台软件巨头（比如Zendesk、Salesforce）复制这个功能并将其作为其产品套件的一部分提供呢？

• SalesForce AI Research开发的ProGen：使用人工智能在蛋白质工程领域实现的一大飞跃
• NVIDIA RTX 视频超级分辨率更新增强视频质量，保留细节，并扩展至 GeForce RTX 20 系列 GPU
• 昆虫机器人：走向精准运动

如果一个初创公司为文本编辑器构建了一个很酷的界面，帮助生成内容，那么什么能阻止已经在尝试自动起草的Google文档 和已经在尝试Copilot工具的Microsoft Word复制这个界面呢？更进一步，什么能阻止它们提供一个质量差25%的产品并免费提供给已有产品套件的用户（比如Microsoft Teams占领Slack的市场份额）呢？

这正是最近几个月发生的情况。有几家大型企业SaaS公司宣布并/或推出了他们的生成性AI产品，包括Slack、Salesforce、Dropbox、Microsoft和Google等。这对于那些正在为企业客户构建有用的生产力应用的生成性AI初创公司来说是一个直接威胁，因为他们缺乏可持续的竞争优势（即没有护城河）。在本文中，我们将深入探讨以下内容：

• AI价值链回顾
• 企业SaaS公司最新的AI功能
• 初创公司如何在这个环境中构建护城河

AI价值链回顾

我们不会花太多时间来介绍这个概念，但是作为一个快速提醒，我们可以通过AI价值链的概念来思考企业如何从AI中获得价值。具体而言，您可以将价值链分解为三个层次：

• 基础设施（例如专门生产运行AI应用程序的芯片的NVIDIA，提供云计算服务的亚马逊AWS，提供像GPT这样的大型语言模型的Open AI以构建产品）
• 平台（例如Snowflake提供了一个基于云的解决方案，可以管理您所有的数据需求，从数据输入到清理再到处理）
• 应用程序（例如一个初创公司构建的产品，帮助中小型企业快速创建市场营销内容）

尽管生成性AI浪潮始于OpenAI推出的ChatGPT，该平台由GPT模型（基础设施层）提供支持，但越来越清楚的是基础设施层开始趋于商品化，很多大型参与者进入市场并拥有自己的LLMs，包括Facebook（LLaMA）、Google（LaMDA）和Anthropic等。这种商品化是由于大多数模型都是使用相同的公开可用数据（例如在Internet上爬行的CommonCrawl和维基百科）进行训练的。

除了这个数据池之外，每个拥有大量一手数据的大公司要么保密其数据或建立授权模式，这意味着这些数据要么无法获取，要么可用于为所有模型提供商进行训练，即商品化。这与云计算市场的情况相似，Amazon AWS、Microsoft Azure和Google Cloud现在都占据了市场的很大一部分，但它们之间也在激烈竞争。

尽管平台层面的商品化程度较低，可能还有更多的参与者可以满足各种客户需求（如初创公司、中小型企业和大型企业客户），但它正在朝着商品化的方向发展，大公司开始加强其产品（例如数据仓储平台Snowflake最近收购了Neeva以为企业解锁LLM应用，分析平台Databricks收购了MosaicML为其客户提供生成式人工智能支持）。

因此，大部分AI的价值将在应用层产生。然而，一个悬而未决的问题是，哪些公司有可能从大语言模型（如GPT）解锁的应用中获益。毫不奇怪，在Y Combinator的W23批次中的269个初创公司中，约31%标榜自己使用AI技术。虽然这些应用都是客观上有用的，能为用户创造价值，尤其是在企业SaaS领域，但越来越清晰的事实是，现有的SaaS公司处于更好的位置来从AI中获益。

企业SaaS公司最新的AI功能

最近几周，SaaS公司纷纷发布了一系列公告。我们来看几个例子。

Slack最初支持ChatGPT机器人在你的Slack工作区内运行，用于总结帖子和帮助起草回复。不久之后，Slack又增加了Claude机器人（Claude是Anthropic公司的GPT模型）。更重要的是，Slack宣布在应用内原生支持自己构建的生成式AI，可以在帖子和频道间进行广泛的总结功能（例如，告诉我今天这个频道发生了什么事，告诉我项目X的情况）。本来这些功能可能由初创公司开发的插件，现在被Slack作为原生功能开发。这并不是非常困难的事情，并且它还可以帮助Slack避免处理插件集成/用户体验不佳的问题。

Salesforce也发布了一则公告。他们的产品Einstein GPT定位为客户关系管理的生成式AI。它允许Salesforce用户查询各种信息（例如，谁是我现在的主要线索），自动生成和迭代电子邮件草案，甚至根据这些查询创建自动化工作流程。这个功能在截图中可能看起来比实际情况要好，但可以肯定的是，Salesforce很可能在一年内开发出一个相当流畅的产品。事实上，一些生成式AI初创公司正在开发的功能与之类似。虽然在短期内有用，这些初创公司的成功并不仅仅取决于比Einstein GPT更好，而是要比它好得多，以至于企业SaaS买家愿意为了使用新产品而付出一定的摩擦（我不会提到任何初创公司的名字，因为从零开始构建产品很难，而批评起来相对容易）。

类似地，Dropbox宣布了Dropbox Dash，定位为基于AI的通用搜索。它支持广泛的功能，包括从Dropbox存储的所有文档中获取问答答案，总结文档中的内容，并根据文档内容回答特定问题（例如，合同何时到期）。同样，在当前，一些生成式AI初创公司基本上是逐个功能地构建这些功能，而Dropbox具有更轻松的长期成功路径，因为他们已经获得了所需的数据，并且能够在其产品中创建无缝的界面。

清单继续：

• Zoom宣布推出Zoom AI，提供会议摘要、回答会议中错过的问题并进行补充，以及总结聊天记录。如今有几家初创企业正在将这些功能作为独立产品（如记事工具）进行开发。
• Microsoft 365 Copilot可以阅读您未读的电子邮件并进行摘要、回答您在文档中的问题，并草拟文件等。这些功能还将无缝地嵌入到Word、Excel、OneNote和OneDrive等产品的界面中。
• 谷歌也有一个类似的产品，称为Duet AI，用于其生产力套件产品。
• 即使是OpenAI（虽然不是一家主导的SaaS公司），也推出了ChatGPT enterprise，可以基本上插入公司的所有工具，并为员工提供简单的问题答案。

我绝不是声称这场战斗已经结束。如果您迄今为止使用过任何生成AI产品，可能有一些惊叹时刻，但也有更多不太惊人的时刻。上述产品的承诺很诱人，但其中大部分要么正在作为试点项目运行，要么仅仅是关于产品未来状态的新闻公告。

还有一些尚未解决的问题限制了这些产品的采用。价格随处可见，有些产品为了竞争而免费提供AI功能，而其他更广泛的副驾驶产品则每个座位收费。Microsoft 365 Copilot的价格为每用户每月$30，而ChatGPT enterprise的价格约为每用户每月$20 – 虽然对于消费者而言这似乎是可以接受的，但对于一些企业购买者而言，特别是考虑到在成千上万的员工中成本会迅速增加，他们可能会觉得这个价格荒谬。数据共享方面的考虑是另一个重要阻碍，因为企业不愿意将敏感数据与语言模型共享（尽管企业AI产品明确表示不会将客户数据用于训练目的）。

话虽如此，这些是可以解决的问题，大型SaaS公司专注于构建AI功能意味着这些问题将在不久的将来被解决。这又带我们回到了护城河问题 – 面向企业客户的生成AI初创公司如果想要在SaaS巨头AI功能的竞争中继续蓬勃发展，就需要构建坚实的护城河。

初创公司如何在当前环境中构建护城河

让我们从显而易见的非护城河策略开始：从货架上拿下一个大型语言模型，并在其之上构建一个小价值主张（例如更好的用户界面，插入一个数据源）并不能创造长期可持续的优势。这些很容易被模仿，即使您拥有先发优势，最终也会输给一家有更容易获取数据或界面更灵活的公司（现有公司），或者陷入价格竞争的泥潭。

以下是在企业AI产品周围构建护城河的一些方法，这并不是详尽无遗的。

1. 领域/垂直专业化

某些领域/垂直领域更适合构建AI应用程序。例如，在CRM软件之上构建是很难守住的，因为像Salesforce这样的CRM公司既有数据连接又有对界面的控制，因此可以做得更好。您可以提出非常聪明的创新（例如，使用CRM数据创建LinkedIn插件，自动草拟外联电子邮件），但是创新者/市场第一名并不总是能赢得市场。

法律是一个AI初创公司可以脱颖而出的垂直领域的例子。法律文件很长，阅读消耗了极大的人力资源，每个相关方在这个过程中都感到沮丧。对合同内容进行摘要/分析、从合同内容中进行问答、概述法律论点、从文件中提取证据都是耗时的任务，涵盖法律领域的LLMs可以有效地完成这些任务。Casetext和Harvey.ai是几家为律师提供副驾驶产品的初创公司，他们建立了专门针对法律用例的定制体验。

另一个迫切需要提高效率的垂直行业是医疗保健。在医疗保健中部署人工智能面临着一些挑战，包括数据隐私/敏感性、复杂的软件组合（企业资源计划、调度工具等）以及在为医疗保健构建产品的大型公司中缺乏技术深度和灵活性。这对创业公司来说是明显的机会，可以快速推出产品，并将市场先机作为一种壕堑。

2. 数据/网络效应

机器学习模型（包括大型语言模型）在有更多训练数据的情况下表现更好。这是为什么例如谷歌搜索是全球性能最好的搜索引擎的最大原因之一，不是因为谷歌索引了世界上的所有页面（其他搜索引擎也可以做到），而是因为数十亿人使用该产品，每个用户交互都是为搜索相关模型提供数据点。

然而，企业产品的挑战在于企业客户将明确禁止SaaS或AI软件提供商使用其数据进行训练（而且理所当然）。企业拥有大量敏感信息，从客户数据到公司战略数据都有，它们不希望将这些数据输入OpenAI或谷歌的大型语言模型中。

因此，这是一个难以建立壕堑的问题，但在某些情况下可能是可能的。例如，由AI工具为广告或营销目的生成的内容较不敏感，企业更有可能允许使用这些数据来改进模型（从而改进自己的未来表现）。另一种方法是提供一个非企业版本的产品，默认选择使用情况数据进行训练，个人和中小型企业用户更有可能接受这种方法。

3. 引入多个数据源

将大型语言模型应用于特定的企业用例最困难的部分不是从架子上挑选一个模型并部署它，而是建立需要将公司的相关数据集引导进模型的管道。

假设您是像 Intuit 这样为中小型企业销售会计和税务软件的大公司。您支持数以万计的中小型客户，当其中一位客户向您提出支持问题时，您希望为他们提供定制化的回应。很可能，关于该客户使用哪些产品的数据存储在一个内部数据库中，关于客户与产品的最新互动的数据存储在另一个数据库中，而他们过去的支持问题历史存储在一个帮助台SaaS产品中。构建生成式AI创业公司建立壕堑的一种方法是识别需要多个数据源的特定用例，这些数据源不是由单一的大型SaaS巨头拥有，并构建集成来引导这些数据。

在其他情况下，这种方法非常成功，例如整个市场上的客户数据平台的出现源于需要从多个来源提取数据以获得对客户的集中视图。

4. 数据隔离

大型企业不希望向模型暴露敏感数据，尤其是由竞争对手拥有或在市场上拥有过多影响力的公司所拥有的模型（即，由于缺乏替代选择，企业被迫与之共享数据的公司）。

从YC W23 文章中，CodeComplete是一个很好的例子，它是从这个痛点中崛起的公司：

CodeComplete 的想法最初是在他们的创始人在 Meta 公司时尝试使用 GitHub Copilot，但由于数据隐私考虑被内部拒绝。CodeComplete 现在是一款针对客户自己的代码库进行优化的AI编码助手工具，提供更相关的建议，并且模型直接部署在本地或客户自己的云中。

5. 建立完整的产品

鉴于以上所有原因，我个人对绝大多数独立的AI应用在拥有长期壕堑潜力方面持怀疑态度，特别是那些针对企业客户的应用。第一个进入市场肯定是一种策略，并且确实可能是迅速被收购的好途径，但建立真正强大的壕堑的唯一方法是建立一个完整的产品。

专注于营销的仅仅AI文案公司将始终面临被更大型的营销工具竞争的风险，例如营销云或来自Google/Meta等平台的创意生成工具。在CRM或帮助台工具之上构建AI层的公司很有可能被现有的SaaS公司蹭名声。

解决这个问题的方法是建立一个更完整的产品。例如，如果目标是为了提升营销的内容创作能力，一个更完整的产品将解决核心用户问题（例如创作内容所需的时间，需要创建多种规格的内容等），并且包含强大的生成式人工智能功能集（例如生成最佳的Instagram视觉效果）。

结论

我对生成式人工智能所能释放出的生产力感到兴奋。虽然我个人还没有迅速提升生产力的例子，但我相信这将在不久的中期内迅速发生。考虑到基础架构和平台层正在变得相对标准化，在AI驱动的生产力方面所带来的最大价值将由应用层的产品所获取。特别是在企业产品领域，我认为大量的价值将被现存的SaaS公司所获取，但我对于新的具有AI前瞻功能集和明显优势的更完整的产品的出现抱有乐观态度。

🚀 如果你喜欢这篇文章，请考虑订阅 我的每周新闻简讯 Unpacked。每周，我会发布一篇需要10分钟阅读时间的深入分析，关于当前科技话题/产品策略。祝好，Viggy。

Unpacked | Viggy Balagopalakrishnan | Substack

每周一篇关于科技话题/产品策略的深度分析直达您的收件箱。点击阅读Viggy的Unpacked…

thisisunpacked.substack.com