书评：《投资人工智能：识别护城河与陷阱的六种思维模型》，罗布·梅著

我很期待阅读《投资人工智能：识别护城河与陷阱的六种思维模型》，主要是因为多年来，我一直通过罗布·梅的《投资人工智能》时事通讯关注他。在我看来，罗布·梅与许多投资者不同之处，在于他愿意避开群体思维，从第一性原理出发进行推理。他不拘泥于主流叙事，而是追问一家企业实际如何运作、优势从何而来，以及这些优势能否经受住下一次技术变革。

这正是本书的出彩之处。这是我读过的第一本以这种方式探讨人工智能投资的书。它不只是指出令人振奋的技术或不断增长的市场，而是引导读者重新审视分析围绕这类技术建立的企业的方法。机遇巨大，但识别出有前景的人工智能能力，与识别出值得投资的公司，是两种截然不同的本领。

当人工智能叙事遭遇现实

罗布·梅以人工智能生态圈中广为人知的案例为讨论奠定基础。Jasper一度成为媒体宠儿，并以15亿美元估值融资1.25亿美元。随后，ChatGPT将强大的文本生成能力直接带给消费者，动摇了那些依托类似底层能力构建的产品的价值。罗布·梅借此分析，看似牢固的优势如何迅速变得脆弱。

这个案例引发的问题尤其令我关注，也迫使投资者或创始人正面思考：当底层技术变得广泛可用时，客户仍需要你的公司提供什么？一家拥有可防御护城河的企业，究竟凭什么区别于又一个人工智能套壳产品？先发优势可以争取时间，却无法回答这个问题。一旦获取模型的能力变得商品化，对工作流程的掌控、分销能力、专业知识和客户关系都会变得重要得多。

DeepSeek展现了不确定性的另一面。书中谈到，一款达到GPT-4级别的模型问世，令人震惊，而其据报道训练成本为557.6万美元。这带来的投资启示意义重大：对竞争成本的假设，变化速度可能远超估值模型的预期。

为何需要重新审视SaaS的惯常模式

罗布·梅回顾了过去的人工智能寒冬，并指出，如今人工智能已广泛部署，打破了过去那种先有令人期待的演示、随后却普遍令人失望的模式。他认为，如今实用的人工智能已嵌入太多真实工作流程，不可能就此退回实验室。尽管如此，即便人工智能仍在持续普及，要找出下一个能够借势发展的独角兽企业，依然可能很困难。

他指出了四项根本差异，有助于解释这一转变：人工智能能够执行认知任务、从数据中学习、改变使用者的预期，并成为伴随它成长的一代人日常生活中的默认组成部分。第三点——反身性——尤其耐人寻味。客户一旦体验过某种能力，就会开始期待在其他地方也能获得这种能力。随着技术普及，企业所服务的市场也会发生变化。

最具颠覆性的变化是规模扩张的速度。人工智能企业能够在过去只有少数异军突起者才能达到的时间跨度内，实现可观的规模增长。但评估这类企业，仍需理解其商业模式。按任务或成果收费，与销售固定数量的软件席位相比，价值、收入和成本之间的关系截然不同。

SaaS领域的一些经验仍然非常适用。领域专长依然重要。了解某个行业实际难题的垂直领域工具，能够建立显著优势。专有数据闭环可以不断累积价值，深度集成也能提高转换成本。关键在于区分这些持久优势与客户从数十家其他供应商那里也能获得的功能。

让问题更有洞察力的六种思维模型

本书围绕六种思维模型展开核心论述：将人工智能视为一系列技术；质疑传统SaaS的假设；预期市场将出现重大动荡；认识市场与企业战略的变化；理解更快的规模扩张；以及仔细评估人工智能的销售成本。

这些模型相辅相成，因为每一种都揭示了表面化投资论点中的一处弱点。把一家公司称为“人工智能企业”，并不能说明多少有关其经济效益的信息。收入大幅增长，并不能说明这种增长是否持久。今天毛利率很高，也不能说明当客户开始要求产品处理更困难的工作时会发生什么。

我最看重的是养成追问第二个问题的习惯。问过技术是否可行之后，还要问它是否足够可靠，能够满足客户实际工作流程的需求。问过客户是否付费之后，还要问他们究竟为何付费，以及这种支出是否可能持续。正因如此，即便离开书中案例所处的时代，本书依然有用。

Botkeeper与成本变化趋势的重要性

最有参考价值的案例研究之一是 Botkeeper，这是一家 Rob May 投资过的记账自动化公司。他描述了一家最初严重依赖人工会计师、毛利率约为 20% 至 25% 的企业。对于期待传统软件毛利率的投资者而言，这样的表现并不讨喜。但这些员工所做的工作也产生了有助于自动化流程的数据。Rob May 指出，随着更多工作转由软件完成，毛利率后来超过了 70%。

我从中得到的启示是，要考察人力投入究竟在构建什么。如果每完成一项任务，系统处理下一项任务的效率就能提高，那么早期的服务成本或许是在为一家更具规模化潜力的企业提供资金支持。如果每增加一位客户，就必须永久按比例增加人工工作量，那么这门生意的经济账就完全是另一回事了。

Rob May 还探讨了相反的成本走势：随着使用量增长，推理成本可能变得越来越高。面对更难的任务，AI 系统可能需要更多算力、反复尝试，或接受人工审核。某款产品在小规模试点中看起来颇具吸引力，但当客户依赖它处理复杂工作时，成本可能会变得高昂。因此，成本的变化趋势与当前毛利率同样重要。

效率并不必然构成护城河

我认为另一个很有用的框架，是 Rob May 对 AI 价值的三分法：商品化 AI、核心 AI 和拓展型 AI。概括来说，这三类分别指竞争对手容易采用的能力、能够强化公司现有优势的能力，以及能够开辟新业务机会的能力。

他举出的假设性航空公司案例，让第一类很容易理解。一家航空公司引入 AI 客服代理，从而提高了效率。随后，竞争对手也采用类似工具。短暂看来像是差异化优势的东西，很快就成了行业标配，而由此带来的一部分经济收益也可能被竞争侵蚀。

这有助于我们避免把每一条 AI 发布消息都视为企业实力增强的证据。我想知道，当竞争对手也能使用类似工具后，企业还剩下哪些独特优势。相比于只宣布推出人人都能买到的同类自动化工具，那些将 AI 与专有反馈、深厚的运营知识或难以复制的客户工作流程结合起来的公司，显然更能给出令人信服的答案。

寻找能够让 AI 真正发挥作用的经营者

书中充满了务实的见解，其中包括支持那些真正有能力吸收并应用 AI 的经营者这一点。相比一份承诺在整个组织内全面应用 AI 的演示文稿，一套关于如何改变工作流程和职责的具体计划要有说服力得多。

Rob May 对收入质量的讨论也印证了这一点。付费试点和概念验证可能带来亮眼的早期数据，但应与来自持续生产性工作的收入区分开来。一个值得关注的问题是：如果客户明天就停止试验，这家企业还能保留多少业务？

我认为这一点对创始人尤其有价值。赢得试点项目固然是进展，但打造一款融入客户日常运营的产品，则是另一种成就。尽早理解这一区别，有助于决定产品优先事项、招聘安排，以及公司衡量成功的方式。

最终评价

我最大的收获是，这本书不应只是投资者的专属读物。创业者同样能从中受益：了解什么样的 AI 公司值得投资、持久优势如何形成，以及哪些创业陷阱可以在代价变得高昂之前避开。

读这本书，最好把它当作一套判断框架，而不是一份待买股票清单。它最突出的价值，是帮助读者更准确地说明自己看好一家企业的理由。随着行业发展，书中的案例难免会过时；真正让这本书长久有用的，是质疑各种假设的思维习惯。

《投资人工智能：用六种思维模型辨别护城河与陷阱》体现了第一性原理思维；正是这种思维，让我最初开始阅读 Rob May 的通讯。对于试图区分有坚实防御力的企业与动人故事的投资者，以及致力于打造前者的创业者来说，这是一本发人深省、值得一读的书。