當 AI 變成一種功能：滲透如何重塑軟體經濟學
更新於 2025年11月7日
13 分鐘
簡介：從功能到平台的轉變
科技領域的每一次轉變，最終都關乎經濟——誰能獲取價值、誰會失去控制，以及何處會出現新的槓桿效應。目前的說法——「AI 功能正在滲透到所有應用程式中」——聽起來像是漸進式的，就像是在現有的工作流程中灑上智慧。這樣的框架具有誤導性。看似一波功能浪潮，實際上是一場緩慢的平台轉型，而其戰略後果取決於您在堆疊中的位置：模型提供商、基礎設施、聚合者，以及越來越多的擁有用戶工作流程的應用程式。
本文的論點很簡單：AI 滲透壓縮了功能層面的產品差異化，同時放大了分發、數據鄰近性和工作流程整合的價值。換句話說，競爭單位從模型演示的聰明程度轉變為生態系統的持久性。贏家將是那些將通用 AI 轉化為特定領域複合優勢的人。
背景：從能力到商品
軟體歷史是一系列能力衝擊後商品化的過程。圖形介面、資料庫、Web 框架、行動 SDK——所有這些最初都是差異化的，最終都變成了基本要求。AI 遵循相同的軌跡，但有一個轉折：通用模型將智慧外部化為 API，使先進功能可以立即整合到各種產品中。這種動態加速了從新奇事物到必需品的轉變。
有兩個事實很重要。首先，AI 能力正在以可預測的曲線改進，但由於模型即服務和開放權重，獲得能力的速度甚至更快。其次，向應用程式添加 AI 功能的邊際成本正在下降。當成本下降且存取範圍擴大時，功能層級的差異化就會崩潰——除非該功能嵌入在一個可以複合數據、分發和轉換成本的工作流程中。
AI 滲透的框架
要推理「無處不在的 AI」，將其分為四個層次會有所幫助：
- 模型層：基礎模型（封閉和開放）和微調。規模經濟和數據集中控制著優勢。
- 基礎設施層：推理、向量資料庫、協調、防護欄和監控。優勢在於卓越的營運和成本結構。
- 工作流程層：使用者實際完成任務的應用程式抽象；在這裡，AI 表現為副駕駛、代理和自動化。
- 聚合層：分發控制——使用者從哪裡開始、返回和預設。優勢在於注意力、預設和生態系統鎖定。
當模型和基礎設施退居幕後，而工作流程和聚合層捕獲大部分剩餘價值時，就會發生滲透。這是應用於 AI 的聚合理論：隨著供應（智慧）變得豐富且易於存取，需求（用戶時間和信任）成為最稀缺的資源。對該需求進行聚合的人可以獲得不成比例的價值。
經濟邏輯：功能通貨緊縮，工作流程通貨膨脹
考慮以下三個前提：
- 模型存取正在擴大：現在存在多個高品質模型，具有快速迭代和推理價格下降的優勢。
- 功能替代很容易：如果可以從多個供應商處獲得摘要器、翻譯器或產生器，則最終使用者在大多數情況下都無法分辨出差異。
- 切換工作流程很困難：習慣、數據上下文和整合會產生摩擦。團隊標準化使用端到端整合的工具。
結論如下：除非 AI 功能嵌入到一個可以複合的工作流程中，否則它們的價格和戰略價值會下降。整合步驟（編寫、審閱、歸檔、發布和分析）的工作流程受益最大，因為它們收集了可以提高 AI 效能並產生不可匯出的數據耗盡的上下文。該上下文是新的護城河。
歷史類比：雲端、行動和消失的差異化因素
在雲端轉型中，基礎設施變得可程式化且具有彈性。贏家不是伺服器；而是協調開發人員和數據的平台。在行動領域，感測器和螢幕商品化；贏家是控制分發的預設聚合器。AI 結合了兩者的要素：模型是新的可程式化基底；贏家將是工作流程和注意力的協調者。
堆疊重新對齊：誰能獲取價值？
- 模型提供商：優勢來自規模（計算、數據授權）、品牌（信任）和垂直專業化（領域調整模型）。但是，如果沒有分發，與應用程式的議價能力是週期性的。
- 基礎設施和工具：價值是真實的，但由於開放原始碼創新和雲端捆綁而競爭消失。差異化在於成本、可靠性和合規性。
- 應用程式工作流程：重心。AI 滲透轉化為經常性收入、保留和追加銷售的地方。產品包含的步驟越多，其 AI 從專有上下文中獲得的收益就越多。
- 聚合器：具有預設位置的現有企業——生產力套件、開發人員平台、溝通中心——具有優勢。他們的風險是自滿：如果他們將 AI 視為附加元件而不是重新架構工作流程，則新的進入者可以介入。
從副駕駛到系統：產品轉變
第一代 AI 功能看起來像副駕駛——對文字、程式碼或圖像的內嵌協助。有用，但不可防禦。第二代看起來像系統：連接到工具、策略和數據的有狀態代理，不僅通過輸出品質來衡量，還通過端到端任務完成來衡量。系統重新分配步驟和用戶之間的工作，而不僅僅是在一個步驟內。這種轉變就是 AI 滲透如此重要的原因：它改變了工作的單位經濟性。
主要含義：產品應該圍繞結果而不是提示進行設計。這意味著擁有工作流程：數據提取、上下文建模、策略、執行和審閱。產品自動化的程度越高，它就可以為結果而不是席位收取更多費用。
分發問題：使用者從哪裡開始？
聚合理論詢問：使用者從哪裡開始？在 AI 中，起始上下文至關重要。如果使用者從電子郵件客戶端開始，則最好的摘要器會贏得該主題。如果他們從文檔中心開始，則最好的產生器會贏得大綱。隨著時間的推移，使用者開始的地方將累積最相關的上下文，從而提高 AI 品質並進一步鞏固起點。
這種動態解釋了為什麼現有企業競相在其套件中發布 AI：如果使用者圍繞 AI 增強的預設形成習慣，則挑戰者很難介入。相反，新的進入者可以利用未擁有的工作流程——跨工具協調、數據治理、多代理自動化——現有企業行動緩慢或受到遺留假設的限制。
數據鄰近性作為護城河：上下文飛輪
通用模型很好；上下文模型更好。最好的上下文不是互聯網；而是公司工具內部存在的私有、結構化和及時的數據。戰略舉措是建立一個上下文飛輪：
- 捕獲：在獲得許可的情況下，跨文檔、工單、聊天和分析提取用戶數據。
- 建模：使用嵌入、模式和策略構建語義和關係上下文。
- 行動：使用該上下文來自動化和協助高精度行動。
- 返回：將結果和反饋反饋回微調和檢索策略。
這個迴圈是 AI 滲透有利於工作流程產品的核心原因：它們位於數據的創建和使用位置，而不是被動存儲的位置。護城河不是模型；而是模型、上下文和行動的整合。
定價能力：從席位到結果
如果 AI 是一種功能，則它在席位價格上競爭。如果 AI 運行工作流程，則它在結果上競爭。正在出現三種定價模式：
- 輔助：每個席位的副駕駛附加元件；適用於廣泛捆綁的現有企業。
- 自動化：與完成的任務對齊的每個流程或每次運行的定價；在自動化取代步驟的地方是理想的選擇。
- 變革性：基於結果或與業務指標相關的用量層級（合格的潛在客戶、解決的工單）。更難以銷售，但在驗證後更具粘性。
隨著滲透的持續，預計輔助功能的利潤率壓力將增加，並且在客戶量化 ROI 的自動化中獲得溢價。
構建者的戰略權衡
- 構建與借用模型：借用通用模型來擴展廣度；構建領域調整模型來深入挖掘。目標不是模型所有權，而是能力契合和對成本曲線的控制。
- 自下而上與自上而下的 GTM：自下而上在分散的用例中獲勝；自上而下在合規性和整合不可協商的情況下加速。AI 滲透支援兩者；根據工作流程的關鍵性進行選擇。
- 套件與最佳產品：套件可以在各個步驟中一致地整合 AI；最佳產品可以在特定的工作流程中更快地移動。互通性是專家的戰略武器。
風險與現實：品質、治理和信任
AI 滲透並非免費。幻覺風險、策略執行、數據駐留和可審計性是真實的約束。戰略回應是分層的：
- 防護欄：提示工程、約束解碼、驗證和人工迴路，用於關鍵行動。
- 可觀察性：跨提示、回應和行動的遙測，以調試故障並滿足合規性。
- 策略：基於角色的存取、編輯和可追溯性。如果沒有這個基礎，企業將不會採用。
市場結構：邊緣的整合
預計兩個層次會出現整合。在底部，模型和基礎設施圍繞規模進行整合。在頂部，工作流程圍繞起點進行整合——套件、開發人員平台、垂直 SaaS。在中間，一個廣泛且具有競爭力的協調、連接器和代理框架層將持續存在，但除非他們擁有持久的分發管道，否則只能捕獲有限的價值。
現有企業的競爭策略
- 在任何地方發布 AI，但在某個地方進行衡量：使用儀器和結果來確定 AI 實際改變工作流程的位置。
- 重新架構以實現上下文：統一數據模型和權限；沒有治理的檢索是一個演示，而不是產品。
- 深思熟慮地捆綁：對 AI 附加元件進行定價以推動採用，然後將高價值工作流程遷移到自動化層級。
- 捍衛起點：加強預設和整合；如果您不是起點，請通過跨產品自動化建立楔子。
挑戰者的競爭策略
- 選擇未充分擁有的工作流程：跨工具的協調、跨部門的交接或具有混亂數據的垂直流程。
- 通過結果獲勝：發布 ROI 指標（節省的時間、減少的錯誤）並將定價與這些結果對齊。
- 設計用於複合上下文：使每個行動都能改善下一個行動；創建不可匯出的狀態，而不會捕獲用戶數據。
- 主動互通：深入整合到現有套件中，以吸取上下文並成為特定工作的實際起點。
在上下文中考慮 Sider.AI
從戰略角度來看，Sider.AI 證明了滲透如何將優勢轉移到統一上下文和行動的產品。通過將 AI 助手直接嵌入到知識工作中——研究、寫作、編碼——並協調跨文檔和 Web 來源的檢索和防護欄，Sider.AI 的功能不像是一個附加的副駕駛，更像是一個工作流程系統。關鍵點是鄰近性：Sider.AI 位於工作開始的地方（起草、推理、程式碼審閱），這使其可以複合上下文並隨著時間的推移改善結果。這種定位與更廣泛的論點一致：在 AI 功能正在滲透到所有應用程式的世界中，槓桿作用會累積到成為要完成的工作的預設起點的應用程式。
案例研究：滲透創造槓桿的地方
- 客戶支援：AI 轉移例行工單、起草回應並觸發行動（退款、重置）。贏家整合 CRM 上下文、策略和分析，以實現可衡量的解決時間縮短。
- 銷售營運：AI 評估潛在客戶、編寫外展、更新 CRM 並安排後續行動。價值集中在系統通過準確的數據同步和結果跟蹤來關閉迴圈的地方。
- 軟體開發：程式碼建議正在商品化；將建議與測試、CI/CD 和事件上下文配對的儲存庫可創造持久的價值。
- 知識管理：摘要和搜尋很豐富；與工作流程相關的可操作合成（批准、任務、發布）稀缺且有價值。
重要的指標
- 任務完成率：在最少的人工幹預下完成的端到端工作流程的百分比。
- 上下文利用率：使用私有、許可數據與通用知識的行動份額。
- 反饋整合速度：從用戶反饋到模型/檢索改進的時間。
- 每個結果的服務成本：每次完成的任務的推理加上協調成本。
- 起點份額：在您的產品中開始的工作的比例，這是聚合能力的領先指標。
監管和護城河
監管可能會加強模型和數據合規性要求，這有利於資本充足的模型提供商和企業就緒的工作流程產品。但是，監管很少會自行創建護城河；它提高了下限。護城河來自工作流程層的複合上下文、分發和習慣形成。
團隊在任何地方採用 AI 時會發生什麼變化
- 治理優先：在擴大規模使用之前，建立數據邊界、基於角色的存取和審計追蹤。
- 工作流程映射：確定具有明確成功指標的高摩擦流程；將自動化定位在成功可以衡量的位置。
- 變更管理：將 AI 推出與培訓和劇本配對；只有在行為改變時，工具才重要。
- 採購原則：偏愛能夠證明結果改進並與您的記錄系統整合的產品。
關於開放原始碼和成本曲線的說明
開放模型降低了能力和成本的下限，從而加速了功能通貨緊縮。對於許多工作流程，當與強大的檢索和防護欄配對時，開放或小型專業模型就足夠了。這種靈活性在戰略上很有用：它可以讓產品控制單位經濟性並抵制模型供應商的定價能力。權衡是營運複雜性；贏家將掌握模型路由和評估作為核心能力。
戰略預測：未來 24 個月
- 功能飽和：AI 寫作、摘要、翻譯和基本代理成為大多數工具的標準。
- 工作流程整合：較少數量的產品成為關鍵工作的起點；其他產品整合或淡化為功能級別的相關性。
- 經濟分化：輔助附加元件的價格壓力；自動化層級在 ROI 可證明的地方捕獲溢價支出。
- 以數據為中心的護城河：具有最佳上下文管道的產品脫穎而出，尤其是在具有結構化流程和合規性需求的垂直領域。
- 安靜的基礎設施戰爭：持續投資於可觀察性、評估和成本控制；對於持久的優勢來說是必要的，但還不夠。
結論：滲透作為重新調整
解釋「AI 功能正在滲透到所有應用程式中」的正確方法不是作為一個檢查表項目，而是作為價值的重新分配。功能將在產品之間模糊；工作流程將價值集中在較少的地方。因此，競爭問題不是「您是否擁有 AI？」，而是「用戶從哪裡開始，以及您的上下文複合的速度有多快？」構建者應優先考慮工作流程而不是演示、結果而不是提示以及上下文而不是通用能力。買家應要求衡量的 ROI 和治理。每個人都應該認識到滲透是手段；圍繞工作流程的聚合是目的。
方法說明和市場閱讀
此分析綜合了橫向和垂直軟體領域的產品發布、價格變動和採用模式。貫穿始終的主線與過去的平台週期一致：能力區分了先行者，但分銷和工作流程控制區分了獲勝者。在AI領域，區別在於速度。由於能力被廣泛使用且快速改進，延遲工作流程整合的成本會因競爭對手的上下文飛輪效應而加劇。
因此，戰略要務很明確：選擇您將成為起點的位置，圍繞該工作建立上下文飛輪，然後讓滲透效應完成剩下的工作。
附錄：實用手冊
致產品負責人
- 繪製工作流程圖：定義端到端的工作流程，以及證明成功的指標。
- 監測一切：收集關於提示、上下文來源、採取的行動和結果的遙測數據。
- 強化支柱：儘早投資於權限、策略引擎和可觀察性。
- 智慧路由：使用多個模型；根據任務、成本和延遲進行路由。
- 閉環：建立系統性的反饋收集和評估；每週改進。
致買家和首席信息官
- 要求上下文：傾向於利用您的私有數據以安全方式獲得更好結果的供應商。
- 堅持評估：使用可衡量的成功標準進行試點，並比較成本與結果。
- 為變革做好準備：預留時間用於用戶引導和流程重新設計；投資回報來自行為改變。
- 避免意外的鎖定：即使在您標準化工作流程時，也傾向於允許模型選擇和數據可移植性的架構。
最重要的是：AI作為一項功能是不可避免的；AI作為一種工作流程是一種選擇。明智地選擇。
常見問題
Q1：為什麼AI滲透會降低功能差異化？
隨著對高品質模型的存取變得普遍，諸如摘要或生成之類的基礎AI功能在能力和價格上趨於一致。差異化轉向工作流程整合、專有上下文和分銷——在這些方面，轉換成本和複合數據創造了持久的護城河。
Q2：軟體公司應該如何為AI功能與自動化定價？
基於席位的定價適用於輔助副駕駛，但隨著功能商品化，面臨利潤壓力。自動化和基於結果的層級將定價與可衡量的價值對齊，在AI完成端到端工作流程的地方實現更高的ARPU。
Q3：什麼樣的數據策略可以為AI驅動的應用程式創造護城河？
建立上下文飛輪：攝取授權數據、建模關係和策略、對工作流程執行操作，並將結果反饋到檢索和微調中。這種複合上下文提高了準確性，並創造了不可導出的優勢，而不會捕獲用戶數據。
Q4：價值將集中在AI軟體堆疊的哪些地方？
規模優勢歸於模型和基礎設施提供商，但剩餘價值轉移到工作流程和聚合層。成為關鍵工作預設起點的產品將聚合需求並捕獲最大的價值份額。
Q5：現有企業如何防禦AI原生挑戰者？
圍繞上下文和結果重新設計，而不僅僅是附加功能：統一數據、強制執行治理並衡量任務完成情況。然後捆綁AI以加強預設設置，同時在ROI得到驗證的地方構建自動化層。
