AI应用的爆发不仅仅是技术迭代，更是商业模式的全面重塑。a16z投资人Alex深度解析三类最具价值的AI应用：重做核心系统、替代人工岗位、利用数据围墙升级产品，揭示AI时代创业与投资的黄金法则。

又是一期 a16z 的播客分享，这期的看点是他们请了a16z Apps Fund 应用基金的投资人 Alex，话题主要围绕 AI 应用，我觉得还挺有看头，分享给大家。

本质上他们在回答三个问题：AI 时代，什么样的应用公司能做大？VC 应该怎么投？创业者应该往哪里用力？

01 这轮 AI，是软件史上跑得最快的一次

Alex：别被短期涨跌带偏。软件行业真正长期的上行，靠的是一轮轮产品周期：PC、互联网、云、移动。AI 是下一轮，而且它跑得更快。

Jen：每一轮大家都说“这次不一样”。你说快，快在哪？

Alex：两个原因。第一，AI 不是从零开始，它是叠加在云、智能手机、全球互联网之上的，所以扩散速度天然更快。第二，应用层的商业化速度前所未有：我们已经看到一些公司在 1–2 年里把收入从 0 拉到上亿美元，而且是企业真实付费，不是试点演示。

Jen：你们怎么判断企业是真在用，不是玩具？

Alex：看钱和流程。像Ramp这种做企业费用管理的平台，你能看到企业侧在某个时间点开始把 AI 作为流程的一部分去用，而不是试试功能。

Alex：我们看到的结论很直接：软件世界的新增收入里，相当大一部分都来自 AI，不管是基础设施还是应用。

Alex：消费端也在变成习惯。播客里提到一个很扎眼的数据：全球成年人里大约15% 每周会用 ChatGPT。很多人不是为了炫技，而是把它当成日常的省脑工具。

Alex：我把它归结为一句很粗糙但很管用的人性假设：人只想两件事，更懒一点和更有钱一点。AI 同时满足两边，所以扩散会很快。

02 最重要的框架：a16z 把 AI 应用分成三类

Jen：现在加了 AI 的应用太多了。你们到底怎么筛？

Alex：先立个底线：不是所有加 AI 的应用都值得做。真正值得长期下注的，只有三类。

第一类：重做核心系统，不是插件，而是接管主流程。

Alex：先说这类的直观特征：它不是给老软件加一个 AI 功能，而是从第一天就按 AI 的能力边界重做一个完整系统。

Jen：但替换老系统很难。

Alex：所以机会通常出现在两个窗口：一是新公司第一次选系统，完全没历史包袱；二是老公司到了规模拐点，原来的系统撑不住了，不换不行。

Alex：我们特别在意它是不是系统中枢：一旦你接管了关键流程，客户就很难换。最好的公司不是有客户，而是有“人质”。意思是迁移成本高到离谱，客户跑不掉。

第二类：软件开始“吃掉岗位”，不是提效，而是直接替代一部分人工。

Jen：你刚才说第二类你最兴奋？

Alex：对。因为这不是简单的提效，而是过去你要雇一个人，现在买一个软件。劳动力市场比软件市场大得多，这类一旦跑通，空间非常夸张。

David：而且 AI 在岗位替代上有天然优势：24 小时、多语言、不请假，更容易做合规约束。真正能卖爆的产品，通常也不是省点钱，而是直接多赚一截，比如回款率、转化率显著上去。

Jen：给个具体例子，别停在概念上。

David：例子一是Eve：面向原告律师的法律 AI，把「 接案—收集证据—翻阅大量文件—判断案件价值—推进文书与流程」 这一整条工作链做进系统。

David：对原告律师来说，很多时候赢了才有钱，所以他们过去100个案源可能只敢接1个。系统把筛选和准备材料的成本压下来，就会改变他们敢接多少案的边界。

Alex：更关键的是闭环：大量案件都流经系统之后，会沉淀结果数据，比如哪些特征对应更高价值、更高胜率。这些数据不公开，大模型公司也拿不到，于是产品越用越准，优势越来越大。

David：例子二是Salient：做汽车贷款贷后和催收自动化。过去大量工作靠坐席和电话，AI 把「 沟通 + 流程推进 + 合规约束 」做进系统，客户更在意的是回款明显变多，而不只是省几个坐席。

Salient 我之前也分析过，可以看这里：Salient AI：“小而美”的消费金融贷后服务平台

Alex：这类产品共同点只有一个：AI 不是一个功能点，而是嵌进完整工作流，最后逼近行业操作系统，而不是工具。

第三类：有数据围墙的公司，用 AI 把“原料”升级成“成品”

Jen：第三类你们叫数据围墙，你能用更直白的话解释吗？

Alex：很简单：你有一批别人拿不到、或者拿不到同样质量的数据。通用模型再强，也拿不到这些私有数据。AI 在这里的作用，是把“卖原料”变成“卖成品”。

Jen：具体例子？

Anish：一个是 Open Evidence：做医生用的循证医疗问答和检索产品，核心资产是高质量医学证据与授权内容，让输出更贴近临床证据链；

这家公司我也介绍过，需要的可以看：从 ChatGPT 到 OpenEvidence：AI 医疗的正确打开方式

Anish：另一个是 Vlex：法律数据与检索平台，覆盖多国家、多语种法律文本与判例，AI 让它从查资料升级为交付可用的法律产出。

Alex：这类模式的本质是：过去你卖数据库订阅；现在你能把数据变成直接可用的结论、报告、行动建议，定价和毛利结构会被重写。

Anish：消费端也一样：

• Krea：面向设计师、创作者的 AI 视觉工具，强调创作工作流而不是单点生成；
• ElevenLabs：语音、音频生成平台，让声音能力可直接调用；
• Slingshot：先给专业治疗师提供 AI 记录、总结工具，获取真实专业场景数据，再训练模型，面向消费者做心理健康、陪伴类产品。

03 最警惕什么样的 AI 应用

Jen：那你们最不看好的是什么？

Alex：只做一个能力点：语音、总结、Agent、某个提示技巧，这些都太容易被模型升级或大厂集成抹平。今天写软件更快，你的优势可能几周就变成行业标配。

David：我们内部常用一句话：差异化不等于防御力。看起来很强不重要，重要的是：产品是否接管主流程？是否沉淀结果数据？停了会不会痛？如果可有可无，客户就会随时比价、随时切换。

04 这期播客想传达的底层逻辑

Jen：压缩成一句话？

Alex：AI 应用的竞争，不是模型能力之争，而是谁能更早占住工作流、数据和结果闭环。

Alex：而且别忘了最朴素的驱动力：人只想更懒一点、更有钱一点。只要你持续把这两点做进产品、做进闭环，付费会从试试变成离不开。

最后，我觉得这期播客最有价值的在于把 AI 应用领域的“热”拆成三条可走的路：重做核心系统、替代岗位、用数据围墙把原料变成成品。

你会发现，真正能做大的 AI 应用往往没那么炫，但它们都有同一个共同点：一旦接管流程并沉淀结果，替换它的成本就会高到让客户自动留下来。

以上，祝你今天开心。