|
本文来自微信公众号：AIGC 从 0 到 1，作家：王零壹，题图来自：视觉中国 从 2023 年启动，我就在试图搞明晰一件事：AI 之间的竞争，究竟按什么逻辑伸开？ 前边几篇著述有读者响应，说我可爱用宏不雅大词，莫得行动价值，尤其是这篇开年重磅万字长文范式复盘：咱们身在 AI 奇点之中。其实，范式便是共鸣信念，范性是微不雅特色，而我层层拆解、想搞明晰的是范式底下的范性——这一轮 AI 竞争里，有几个特色和以往总共贸易竞争王人不一样，恰是这些范性，将决定谁赢、谁死、谁在无声无息中变成别东谈主的用具。 《前文 Agent 竞争推演：谁会赢，谁会死，按什么逻辑（万字慎点）》描摹了举座概述：三个竞争层面，四个演化阶段。但有一块舆图只画了界限，莫得走进去——垂直 Agent 之间，相互怎么竞争？ 春节后大家王人在加快研发出品，但莫得东谈主回话阿谁总共从业者最顾惜、最慌张、每天王人在濒临的问题： 我和同赛谈的敌手，到底在争什么？争的逻辑是什么？我目下的每一步，是在赢照旧在输？ 当我真的把这个问题终止——意图的结构、任务的界限、数据飞轮的歪斜时机、高下文积蓄的本体——我有一种后背发凉的嗅觉。 因为范性的不同，可能有些创造者，正在一个空幻的战场上打一场空幻的仗。 他们以为在打功能战，其实战场是意图层。他们以为在比模子质料，其实决胜点是数据积蓄速率。他们以为竞争敌手是同业业的同类产物，其实真的的敌手可能来自全王人不同的领域——而真的的盟友，可能正在变成要挟。 01 你以为在打功能战，其实战场是意图层 打一场战的第一步是，找到主战场在哪？这像是一句正确的妄语，却是最难的第一性道理。 用户说"我想让公司增长"。有东谈主要把这句话翻译成：搜索这 10 家公司、草拟这 3 封邮件、安排这 2 个会议。谁作念这个翻译，谁就决定了下贱总共用具的调用权。 这便是意图层。a16z 把它称为" AI 时期最有价值的地产"——因为限定意图翻译，就等于限定了用户钱包到具体行动之间的总共旅途。 但意图自身，比大多数东谈主假想的复杂。Stanford HAI 的商量指出，用户意图不是线性的，而是图状的： 看法图：用户说出来的指标 隐含意图：没说出来但默许存在的（"别搞坏我现存的系统"） 梗阻意图：相互衡量的指标（速率 vs 质料） 演化意图：跟着用户学习而不绝改换的指标 能建模完竣意图图谱的 Agent，和只实行名义那句话的 Agent，劳动的根底不是归并件事。前者在积蓄贯通，后者在破费契机。 Google DeepMind 的商量进一步指出：意图界限不是语义的，是情境的。"帮我查一下这个药的反作用"——从医师嘴里说出来和从病东谈主嘴里说出来，是全王人不同的意图。用"医疗 AI "、"法律 AI "这么的语义标签切割商场，会不绝遭遇界限失效的情况。 Microsoft Research 的论断最径直：意图证据是个性化问题，不是 NLP 问题。用户简直从不在职务层抒发意图，他们在指标层抒发。Agent 必须从"我想让公司增长"臆度出"目下应该作念哪个具体任务"——这个臆度技艺，依赖的是对这个特定用户的深度贯通，不是通用模子技艺。 是以意图层的竞争，本体上是一场贯通深度的竞争，不是功能竞争。 大多数垂直 Agent 延续了模子层的吩咐——我比你多一个功能，我的模子比你准小数——顾惜图层的竞争逻辑眼前，简直没特道理。
意图的拓扑结构图 ( Topological Map of Intention ) 02 你以为竞争敌手是同业，其实竞争单元是任务 在现实舆图中要争夺的是山川河流、城池堡垒，顾惜图层战场的竞争单元是什么呢？我想，这个问题固然抽象，但极其要害！ "法律 AI "不是一个商场。 望望法律 AI 赛谈真实发生的事：Harvey 作念通用法律，Ironclad 作念合同收敛，EvenUp 作念东谈主身伤害案件，Casetext 作念法律检索（最终被 Thomson Reuters 以 6.5 亿好意思元收购）。他们王人叫"法律 AI "，但他们劳动全王人不同的用户、全王人不同的责任场景、全王人不同的收效措施。他们之间的竞争，远比名义看起来少得多。 真的的竞争单元，是任务。 First Round 和 Reforge 的商量给出了任务的完竣界说，需要四个成分： 触发情境：什么情况下用户需要这个 欲望效果：用户想要什么 不休条目：用户在什么限定下操作 收效措施：用户奈何判断收效 {jz:field.toptypename/}用这个框架，"帮创业公司 CEO 在 30 分钟内完成合同风险判断"和"帮大所讼师完成并购案的诉讼告示商量"，是两个全王人不同的任务，两个全王人不同的商场。 这个领略有两个让东谈主后背发凉的推行： 第一，归并改行的两个产物可能根底不竞争。要是任务界说不同，用户不同，数据不同，收效措施不同，竞争就不存在。你花大量元气心灵盯着的"同业"，可能根底不是你的敌手。 第二，不同业业的两个产物可能径直竞争。一个法律合规 Agent 和一个金和会规 Agent，要是王人在劳动归并家企业合规总监处理跨领域问题，他们就在争夺归并个用户的归并个判断权。你从未谛视过的"生人"，可能正在抢你的中枢用户。 a16z 进一步指出了任务层在通盘意图层级里的策略位置： 指标层（"我想让公司增长"）：商场最大，但径直濒临 OpenAI 和 Anthropic 任务层（"帮我找 10 个潜在客户"）：垂直 Agent 的甘好意思区——豪阔具体不错实行，豪阔往常不错有领域 法子层（"在 LinkedIn 搜索 XX "）：商场最小，但高度可谢绝 但任务层有一个握续的要挟：任务层和法子层之间的界限，会跟着模子技艺普及而不绝下移。今天需要你作念的任务层责任，翌日可能被模子原生技艺降维到法子层，然后被用具化、商品化。任务层的玩家，必须握续朝上搬动，更深地贯通用户的指标层意图，才能保握价值。 03 你以为在比模子，其实在比数据积蓄速率 有了竞争单元，那比的是什么呢？数据、数据、照旧数据！ Bessemer Venture Partners 对垂直 agent 商场的商量，给出了一个清亮的竞争阶段图。 第一阶段（0～12 个月）：功能平权期 总共玩家功能各异不大，竞争靠营销和价钱。这个阶段的当先莫得实质道理。今天的第别称，翌日可能被一个功能周边但营销更好的敌手卓越。 第二阶段（12～24 个月）：数据分化期 这是真的的要害窗口。有真实客户数据的玩家启动拉开差距。数据飞轮启动动掸：更多真实场景数据 → 更好的产物性量 → 更多用户 → 更多数据。这个飞轮一朝转起来，跟从者很难追上。 第三阶段（18～36 个月）：表情固化期 头部玩家训导了难以逾越的数据壁垒。自后者唯有两条路：去更细分的子赛谈，或者退出。 NFX 的商量给出了商场歪斜的具体条目：当当先者积蓄了 3～5 倍于第二名的覆按数据时，商场启动歪斜。在大多数垂直商场，这个歪斜点发生在第一个严肃玩家参加后的 18 个月摆布。 竞争的本体不是模子质料，是数据积蓄速率。 因为大家王人在用相通的基础模子，模子质料的各异会越来越小。真的的各异来自两个场地：你有莫得这个领域的专稀有据，你的责任流镶嵌有多深。 这意味着：目下许多垂直 Agent 在作念的事——优化模子调用、打磨产物体验、作念功能迭代——在竞争逻辑上是次要的。最紧要的事，是以最快的速率积蓄最多的真实场景数据，在那 18 个月的窗口期里训导 3～5 倍的数据上风。 窗口期关闭之后，再奋力也很难改换表情。 04 颗粒度：你能吃多大的任务 颗粒度的接纳，本体是意图层级的接纳——你决定在哪个位置训导笔据地？ 往上走的蛊惑很真实：任务层的玩家王人想往指标层搬动，因为指标层商场更大、粘性更强、切换资本更高。 但往上走有一个致命罗网：指标层需要的不是更多功能，可提现游戏平台而是更深的高下文积蓄。莫得在职务层训导豪阔的信任和数据，径直宣称我方在指标层，是空的。用户不会因为你宣称"我是你的万能责任 Agent "就把高层判断权交给你。判断权是一层一层往上交的，每一层王人需要用推行的任务完成质料来换取。 往下走相通有罗网：法子层看起来安全，作念用具和 API，被其他 Agent 调用。但法子层的界限会随模子技艺普及而搬动。今天的法子层责任，翌日可能被模子原生技艺径直遮掩。 均衡点唯有一个：你的真实劳动技艺能匹配的那一层。精打细算，策略清爽。 还有一个更密致的判断用具——生态位的四个维度： 功能生态位：你处置什么任务 用户生态位：你劳动谁 数据生态位：你积蓄什么专稀有据 关连生态位：你在用户责任流的哪个位置（上游 / 中枢 / 下贱） 两个 Agent 在这四个维度上高度重复，就会发生强烈竞争。有豪阔各异，就不错共存。这个框架比"归并垂直"或"不同垂直"的判断精准得多——它告诉你竞争的真实烈度，而不仅仅名义的行业标签。 05 搬动速率：从任务层打到指标层 如安在战场上穿插？有千山万壑、有志愿军战术穿插、也有 2023 年用 8 万发炮弹打一个指标的饱和蹙迫战例。 搬动的条目有三个档次： 细分任务的劳动质料→ 能高质料完成单个任务，训导基础信任。这是来源，莫得这个，后头王人是空的。 细分任务的连贯性→ 多个关联任务构成完竣的责任流，用户启动依赖你处理一通盘指标，而不仅仅单个任务。这是从任务层向指标层搬动的要害越过。 细分任务的领域代表性→ 你完成的任务越能代表这个领域的中枢责任，指标层的意图就越向你蚁集。作念边际任务积蓄不了意图层的领略，作念中枢任务才能。 搬动的本体是：让用户在某个领域里，把越来越高层的判断权交给你。这个过程不可跳班。 速率是每一步的质料和连贯性共同决定的。一个在中枢任务上握续高质料托福的 Agent，比一个功能许多但每个王人作念得一般的 Agent，搬动速率快得多。 06 护城河：高下文积蓄，行动不是功能 有蹙迫势必有防护，别的部分在《别 FOMO 了，AI 真的护城河不是时间，是…》先容过了，这里只说高下文积蓄。 三种高下文，层层叠加： 个东谈主高下文：用户的偏好、民俗、沟通作风、风险界限 组织高下文：公司过程、团队动态、历史决议格局 领域高下文：行业常识、监管规则、最好实践 这三层高下文跟着劳动时辰增长而加厚。用户搬动的资本，不是"我要把数据导出来"，而是"我要再行让一个新 Agent 贯通我的这一切"。这个资本会随使用时辰指数级增长。 但这里有一个来自搬动互联网时期的紧要申饬。 Benedict Evans 的商量梳理了转少顷期的活命规则：活下来的是领有"行动"的 App —— Uber 领有叫车行动，Instagram 领有好意思照分享行动，Waze 领有社区驱动及时路况；死掉的是只提供"功能"的 App ——天气、手电筒、计较器，一齐被系统原生功能杀死。 Waze 的案例尤其值得深念念。导航功能被 Google Maps 和 Apple Maps 原生化了，但 Waze 活下来了，因为它领有的不是导航功能，而是"司机社区共同吝啬及时路况"这个行动——这个行动，平台没法原生化。 论断：护城河要建在"行动"上，不是"功能"上。 功能不错被复制，不错被原生化，不错被更好的模子遮掩。行动——用户在你这里变成的使用民俗、责任流依赖、判断录用——才是真的难以搬动的财富。 还有一个要挟需要正视：要是意图自身发生了搬动——用户的需求升维了，你还在蓝本那一层——护城河就变成了围墙。高下文积蓄是壁垒，但它同期亦然惰性。最危急的时刻，是你的用户仍是启动需要指标层的劳动，而你还在用任务层的逻辑劳动他们。
数据护城河的"地层"剖面 ( Stratigraphic Profile of the Data Moat ) 07 生态里谁是一又友，谁是敌手 毛选《中国社会各阶层的分析》写谈："谁是咱们的敌东谈主？谁是咱们的一又友？这个问题是立异的首要问题。中国畴昔一切立异战役成效甚少，其基本原因便是因为不可协作真的的一又友，以挫折真的的敌东谈主。" 在新的范性中，一又友和敌手要再行别离。 用 Brandenburger 和 Nalebuff 的价值网框架来看，Agent 生态里有四类关连方：用户、供应商（LLM 提供商）、竞争者、互补者。 最紧要的知悉：互补者和竞争者之间的界限，会跟着膨胀而搬动。今天的盟友，是翌日最危急的竞争者。 一个销售 Agent 和一个 CRM Agent，今天是互补关连。但当销售 Agent 启手脚客户收敛，或者 CRM Agent 启手脚念销售自动化，他们就变成了径直竞争者。这个转念时时发生在两边王人莫得充分相识到的时候。 生态关连的判断逻辑： 责任流高下贱的 Agent → 自然互补，主动深度集成，越早越好。在膨胀之前通过 API 集成和数据分享训导豪阔深的合作，使得分开的资本高于合作的收益——这是锁定盟友关连的正确时机，不是比及对方启动膨胀再谈。 相邻场景的 Agent → 目下是盟友，膨胀之后界限暧昧。YC 的判断框架：当对方劳动的是你用户的非重复责任流，且集成创造的价值大于竞争能取得的价值时，合作；当对方参加你的中枢责任流，且你在重复区域稀有据上风时，竞争。 归并任务的 Agent → 径直竞争，数据积蓄速率决定赢输。这里莫得太多策略可言，便是实行速率和数据质料的比拼。 LLM 提供商→ 既是供应商亦然潜在竞争者。Ben Thompson 的分析给出了清亮的摄取阈值：水平的、时间可复制的、策略紧要的功能会被摄取；垂直特定的、需要专有真实宇宙数据的、需要监管合规的功能不会被摄取。 对应的独处性策略有五个维度：多模子架构（时间独处）、数据不放在对方劳动器（数据独处）、让用户相识你而不是底层模子（客户关连独处）、去监管复杂的深水区（监管独处）、训导开源社区（社区独处）。 当垂直已有相通者时，First Round 给出了三便条垂直策略：往深走（专利诉讼 AI，而不是法律 AI）、往邻走（法律 AI → 合规 AI → 监管 AI）、往高下走（相通者作念企业，你作念中小企业）。子垂直策略在子垂直有私稀有据需求时最灵验——要是数据需乞降相通者高度重复，子垂直的壁垒便是假的。 条约层，我以为闭源措施和开源措施会并行，粗略率变成中好意思各自的措施体系。开源的标的是细方针——追求零摩擦、追求普适性。这个话题下一篇单独写。
竞争生态位的"利基"多维坐标图 ( Multidimensional Niche Coordinate Map of Competition ) 08 最终表情：意图层会被谁中分 结尾念念维，训导递归相识，当潮流退去时才不会光着裤衩，这小数很紧要，既要有冲浪的酣畅，也要最终上岸。 Ben Thompson 用团聚表面作念了一个估量，我以为是目下最有阐发力的分析。 互联网时期，团聚器限定需求，商品化供给。Agent 时期，相通的逻辑在更高层运作：限定意图的 Agent，会把总共下贱专科化 Agent 变成它的用具。 但意图比需求更难团聚，因为意图是个东谈主化的、情境化的。这个特色决定了最终表情不会是一家通吃：会出现多个意图团聚器，每个认真一个主情境——责任 Agent、个东谈主 Agent、可能还有领域专属 Agent。每个团聚器会商品化其情境内的总共用具。 a16z 的估量：意图层最终会被 2～3 个 Agent 中分，赢得这些槽位的公司，对总共下贱用具和劳动有宏大杠杆。 对垂直 Agent 来说，这个表情意味着两种红运： 一种是成为意图团聚器——在某个主情境里，成为用户第一个预见、第一个调用的阿谁 Agent。这需要豪阔深的高下文积蓄，豪阔强的任务完成纪录，豪阔高的用户信任。 另一种是成为被调用的专科用具——顾惜图团聚器的编排下，提供某个细分技艺。这不是失败，但它意味着订价权和用户关连王人在团聚器手里。 Harvey 在法律赛谈的策略值得再看一遍：它在成为通用法律意图团聚器的同期，通过收购专科化玩家来补全技艺。赢家的策略是：我方占领意图层，然后把专科化用具变成我方的军火库。 垂直 Agent 的竞争，名义上是速率和资源的比拼。 真的的战场，是数据积蓄速率，是高下文深度，是用户脑子里阿谁"这件事找谁"的一霎。 谁占了阿谁一霎，谁就占了意图层。 其他东谈主，王人在给它打工… 参考文件 Stanford HAI（2025）.The Intent Graph: How Agents Should Model User Goals Google DeepMind（2025）.Semantic vs. Contextual Intent Boundaries Microsoft Research（2025）.Intent Decomposition in Agentic Systems Andreessen Horowitz / a16z（2026）.The Intent Layer: The Most Valuable Real Estate in AI First Round Capital（2026）.The Sub-Vertical Strategy: How to Win When the Vertical is Already Taken First Round Capital（2025）.Why Vertical AI Markets Are Actually Job Markets Reforge（2025）.JTBD and AI Agents: Redefining Market Boundaries Bessemer Venture Partners（2026）.Within-Vertical Competition in AI Agents NFX（2026）.Network Effects and Tipping Points in Agent Markets Benedict Evans（2025）.Lessons from Mobile App Competition for the AI Era Stratechery， Ben Thompson（2026）.The Aggregation Theory Applied to Agent Markets Stratechery， Ben Thompson（2025）.The Innovator's Dilemma for LLM Providers Andreessen Horowitz / a16z（2026）.Context Accumulation as Competitive Strategy Y Combinator（2025）.When Vertical Agents Should Partner vs. Compete The Information（2025）.Competitive Dynamics in Legal AI: A Case Study 本文来自微信公众号：AIGC 从 0 到 1，作家：王零壹 |
备案号: