AI 不會讓科技民主化，它只獎勵正確的人

作者：Naman Bhansali

編譯：深潮 TechFlow

深潮導讀：在新技術普及的初期，人們總會產生一種「技術平權」的幻覺：當攝影、音樂創作或軟體開發變得輕而易舉，競爭優勢是否就會隨之消失？Warp 創始人 Naman Bhansali 結合其從印度小鎮跨越到 MIT 的個人經歷，以及在 AI 領航 payroll 賽道的創業實踐，深刻揭示了一個反直覺的真相：技術越是降低門檻（Floor），行業的天花板（Ceiling）反而升得越高。

在這個執行力變得廉價、甚至可被 AI「vibecoded」的時代，作者認為真正的護城河已不再是單純的流量分發，而是難以偽造的「Taste」、對複雜系統底層邏輯的深度洞察，以及願意在十年尺度上持續複利的耐心。這篇文章不僅是對 AI 創業的冷思考，更是對「平民技術導致貴族結果」這一冪律法則的有力論證。

全文如下：

每當一項新技術降低了准入門檻，同樣的預測總會接踵而至：既然現在每個人都能做到，那麼誰都不再擁有優勢。拍照手機讓每個人都成了攝影師；Spotify 讓每個人都成了音樂家；AI 則讓每個人都成了軟體開發者。

這類預測總是一半正確：底線（The floor）確實提高了。更多人參與創造、更多人發布產品、更多人加入競爭。但這類預測總是忽略了天花板（The ceiling）。天花板上升的速度更快。而底線與天花板之間——即中位數水平與頂級水平之間——的差距並未縮小，反而正在擴大。

這就是冪律法則（Power laws）的特徵：它不在乎你的意圖。平權的技術總是產生貴族化的結果。每一次都是如此。

AI will not be an exception and may even exhibit more extreme behavior.

當 Spotify 發布時，它做了一件真正激進的事：它讓地球上任何音樂人，都能獲得以往只有唱片公司、行銷預算和極佳運氣才能觸及的分發管道。結果是音樂產業的爆發——數百萬名新藝人湧現，數十億首新歌發布。底線確實如承諾般提升了。

但隨後發生的事是：頂尖 1% 的藝人現在捕獲的播放量比例比 CD 時代還要大。不是變小了，而是變大了。更多的音樂、更多的競爭、更多尋找優質內容的途徑，使得不再受地理位置或貨架空間限制的聽眾們，紛紛向最頂尖的作品靠攏。Spotify 沒有實現音樂的大同，它只是加劇了這場錦標賽。

同樣的故事也發生在寫作、攝影和軟體領域。互聯網催生了歷史上數量最多的作者，但也產生了一個更殘酷的注意力經濟。更多的參與者，更高的頂層賭注，同樣的基本形態：極少數人獲取了絕大部分價值。

我們感到驚訝，是因為我們習慣以線性思維思考——我們期望生產力的提升能像往扁平容器裡倒水一樣均勻分佈。但大多數複雜系統並非如此運作，它們從未如此。冪律分佈並非市場的怪癖或技術的失信，它是大自然的預設設定。技術並未創造它，技術只是揭示了它。

想想克萊伯定律（Kleiber's Law）。在地球上的所有生物中——從細菌到藍鯨，跨越 27 個數量級的體重規模——代謝率與體重的 0.75 次方成比例。鯨魚的新陳代謝並非按比例的鯨魚規模。這種關係是一個冪律，而且在幾乎所有生命形態中都保持著極高的精度。沒有人設計了這種分佈，它僅僅是能量在複雜系統中遵循其內在邏輯時呈現的形態。

市場是一個複雜系統，注意力是一種資源。當摩擦力消失——當地理、貨架空間和分發成本不再發揮緩衝作用時——市場會趨向其自然形態。這種形態並非正態分佈的鐘形曲線，而是冪律。平等的故事與貴族化的結果並存，這正是為何每一項新技術都讓我們措手不及。我們看到底線在上升，便假設天花板也以同樣的速度跟進。事實並非如此，天花板正在加速遠離。

AI 對這一進程的推動將比以往任何技術都更快、更狠。底線正在實時升高——任何人都可以發布產品、設計介面、編寫生產環境代碼。但天花板也在升高，且升得更快。值得追問的問題是：究竟是什麼決定了你最終的位置？

1981 年，史蒂夫·喬布斯（Steve Jobs）堅持認為初代 Macintosh 內部的電路板必須是美觀的。不是外觀，而是內部——那個客戶永遠看不到的部分。他的工程師覺得他瘋了。但他沒瘋。他理解了一些容易被斥為完美主義、但實際上更接近某種證明的東西：你做任何事的方式，就是你做所有事的方式。一個能把隱蔽部分做得美觀的人，並不是在表演質量，而是他在性格上就無法容忍發布任何次品。

這很重要，因為信任很難建立，卻很容易在短時間內偽造。我們不斷地運行啟發式判斷（Heuristics），試圖弄清楚誰是真正的卓越，誰只是在表演卓越。憑證（Credentials）有幫助但可以被操縱；出身（Pedigree）有幫助但可以被繼承。真正難以偽造的是審美（Taste）——即一種持久的、可觀察到的、對某種無人要求的標準的高度堅持。喬布斯不必把電路板做得那麼美。他這麼做了，這件事本身就告訴了你，在你看不見的地方他會怎麼做。

在過去十年的大部分時間裡，這種訊號在某種程度上被掩蓋了。在 SaaS 的鼎盛時期（約 2012 年至 2022 年），執行力變得如此標準化，以至於分發（Distribution）成為真正的稀缺資源。如果你能高效獲取客戶、建立銷售機器，達到「40 原則」（Rule of 40）——產品本身幾乎不重要。只要你的進入市場（Go-to-market）策略足夠強大，你就能靠一款平庸的產品獲勝。審美所發出的訊號被增長指標的噪音淹沒了。

AI 役底改變了信噪比。當任何人都可以在一個下午生成一個功能性的產品、精美的介面和可運行的程式碼庫時，一件東西「是否好用」便不再是差異化因素。問題變成了：這東西是否真的卓越？這個人是否知道「好」與「卓越」（Insanely great）之間的區別？即使沒人強迫，他們是否足夠在乎去彌補那最後一點差距？

這尤其適用於業務關鍵型軟體（Business-critical software）——那些處理薪資發放、合規性與員工資料的系統。這些不是你可以隨意試用並在下個季度放棄的產品。切換成本是真實存在的，故障模式極為嚴重，部署系統的人必須對後果負責。這意味著在簽約之前，他們會進行所有信任啟發式判斷。一個美觀的產品是能發出的最強烈訊號之一。它在說：打造它的人非常用心。他們在乎你肉眼可見的部分，這意味著他們也很可能在乎你看不見的部分。

在執行力廉價的世界裡，審美就是工作量證明（Proof of work）。

這套邏輯一直成立，但在過去十年中，市場環境讓它變得幾乎不可見。曾幾何時，軟體行業最重要的技能甚至與軟體本身無關。

在 2012 年到 2022 年間，SaaS 的核心架構已經定型。雲基礎設施廉價且標準化，開發工具趨於成熟。構建一個功能性產品雖然困難，但那是一種「已被解決的困難」——你可以透過招聘來解決，遵循既定的模式，只要資源充足就能達到及格線。真正稀缺、能將勝者與庸才區分開來的是分發能力。你能否高效獲取客戶？能否建立可重複的銷售流程？你是否足夠了解單元經濟模型（Unit economics），從而在正確的時刻為增長之火添柴加薪？

在那個環境中如魚得水的創始人，大多來自銷售、諮詢或金融領域。他們對十年前聽起來像天書的指標了如指掌：淨金額留存率（NDR）、平均合約價值（ACV）、魔力指數（Magic number）、40 原則。他們生活在電子表格和銷售線索審核中，在那個語境下，他們確實是正確的。SaaS 鼎盛期催生了鼎盛期的 SaaS 創始人。這是一種理性的演化適應。

但我卻感到窒息。

我在印度一個擁有 2.5 億人口的邦的小鎮長大。每年，全印度僅約有三名學生能考入麻省理工學院（MIT）。毫無例外，他們都來自德里、孟買或班加羅爾昂貴的預科學校——這些機構專門為此目標而設立。我是我所屬邦歷史上第一個考入 MIT 的人。我提到這件事並非為了炫耀，而是因為這正是本文論點的一個縮影：當准入門檻受限時，出身（Pedigree）預測結果；當准入門檻開放時，深耕的人（Deep people）總會勝出。在一個充滿出身名門者的房間裡，我是靠深度取勝的籌碼。這也是我唯一知道的下注方式。

我學習了物理、數學和計算機科學，在這些領域中，最深刻的洞察並非來自流程優化，而在於看到了別人錯過的真相。我的碩士論文是關於分佈式機器學習訓練中的掉隊者緩解（Straggler mitigation）：當你在大規模運行系統時，如果部分環節落後了，你該如何在不損害整體完整性的情況下優化這一約束。

當我二十出頭看向創業世界時，我看到的是一個這些深度洞察都顯得無關緊要的圖景。市場的溢價給予了「進入市場」（Go-to-market），而非產品本身。構建技術卓越的東西似乎顯得有些天真——那被視為對「真遊戲」（即獲客、留存和銷售速度）的干擾。

隨後，在 2022 年底，環境變了。

ChatGPT 所展現的——以一種比多年研究論文更直觀、更震撼的方式——是曲線已經彎曲了。一個新的 S 曲線已經開啟。階段性的轉型（Phase transitions）不會獎勵那些最能適應前一階段的人，而是獎勵那些能在別人還未看清價格前，就洞察到新階段無限可能的人。

于是我辭掉工作，創立了 Warp。

這場賭注非常具體。美國有 800 多個稅務機構——聯邦、州、地方——每個都有自己的申報要求、截止日期和合規邏輯。這裡沒有 API，也沒有程式化存取介面。幾十年來，每個薪酬服務提供商（Payroll provider）都以同樣的方式處理這個問題：堆人。成千上萬的合規專家以手動方式，在這些從未被設計為可規模化運行的系統中周旋。傳統巨頭——ADP、Paylocity、Paychex——圍繞這種複雜性建立了完整的商業模式，他們並非解決複雜性，而是將其轉化為員工人數，並將成本轉嫁給客戶。

在 2022 年，我能看到 AI 智能體（Agents）還是脆弱的。但我也能看到改進的曲線。一個深耕於大規模分佈式系統、近距離觀察模型演進軌跡的人，可以下一场精準的賭注：當時脆弱的技術，在幾年內將變得無比強大。所以我們下注了：從第一性原理出發構建一個 AI 原生平台，從該類別中最難的工作流切入——那個因為架構限制而導致傳統巨頭永遠無法自動化的工作流。

現在，這個賭注正在兌現。但更宏觀的一點在於模式識別。AI 時代的技術型創始人不僅擁有工程優勢，更擁有洞察優勢。他們能看到不同的切入點，下不同的賭注。他們能審視一個被所有人視為「永久複雜」的系統，並追問：要實現真正的自動化需要什麼？然後，關鍵在於，他們能親手構建出答案。

巔峰 SaaS 時代的霸主是約束條件下的理性優化者。而 AI 正在移除這些約束，並安裝新的約束。在新的環境下，稀缺資源不再是分發，而是洞察可能性的能力——以及將其構建到應有標準的審美與信念。但還有一個決定一切的第三變量，而這正是大多數 AI 時代的創始人們正在犯下災難性錯誤的地方。

當前創業圈流行這樣一個迷因（Meme）：你有兩年的時間來逃離永久底層。快建、快融、要麼退出（Exit）要麼完蛋。

我理解這種心態的來源。AI 的演進速度讓人感到某種生存危機，抓住浪潮的窗口期似乎極窄。在 Twitter 上看到一夜成名故事的年輕人理所當然地認為，遊戲的本質在於速度——贏家是那些在最短時間內跑得最快的人。

這在完全錯誤的維度上卻是正確的。

執行速度確實至關重要。我深信不疑——這甚至體現在我公司的名字中（Warp）。但在 AI 時代能夠建立最具價值公司的創始人，並非那些衝刺兩年就套現的人，而是那些衝刺十年、並享受複利的人。

短視主義的錯誤在於：軟體中最具價值的東西——私有數據、深入的客戶關係、真實的轉換成本、監管層面的專業知識——都需要數年時間累積，且無論競爭對手帶來多少資本或 AI 能力，都無法被快速複製。當 Warp 為跨州公司處理薪資發放時，我們正在累積跨越數千個司法管轄區的合規數據。每一個解決的稅務通知、每一個處理過的邊界案例、每一個完成的州政府登記，都在訓練一個隨著時間流逝而變得越來越難以被複製的系統。這不是一個功能點，這是一條護城河，它之所以存在，是因為我們以極高的質量深耕了足夠長的時間，以致於它產生了質量密度。

這種複利在第一年是看不見的。在第二年若隱若現。到第五年，它就是遊戲的全部。

Snowflake 的前首席執行官 Frank Slootman 曾建立並規模化了比任何現存人士都更多的軟體公司，他對此言簡意賅：要習慣於「不舒服」的狀態。這不是為了短跑，而是將其視為一種永久狀態。初創公司早期的「戰爭迷霧」——那種方向迷失感、資訊不完整，以及不得不做出行動決策的要求——並不會在兩年後消失。它只是在演變，新的不確定性會取代舊的。能夠持久的創始人，並非那些找到了確定性的人，而是那些學會了在迷霧中清晰移動的人。

建立一家公司極其殘酷，這種殘酷很難向沒有經歷過的人傳達。你活在持續的輕微恐懼中，並時不時被更高層次的恐怖所點綴。你在資訊不全的情況下做出數千個決定，深知只要一連串錯誤的決定就會導致終結。你在 Twitter 上看到的那些「一夜成功」不僅是冪律分佈中的離群值，更是離群值中的極端。根據這些案例來優化你的策略，就像透過研究那些跑錯路、誤打誤撞跑完 5 公里的人的成績，來為馬拉松做訓練。

所以為什麼要這樣做？不是因為舒服，也不是因為勝算大，而是因為對某些人來說，不這樣做就感覺沒有真正地活著。因為唯一比「從無到有構建某物」的恐懼更糟糕的，是「未曾嘗試」所帶來的無聲窒息。

而且——如果你賭對了，如果你看到了別人尚未定價的真相，如果你在足夠長的週期內以審美和信念去執行——結果將不僅是財務上的。你構建了一個真正改變人們工作方式的東西。你創造了一個人們熱愛使用的产品。你在你親手構建的事業中，僱用並成就了那些在這裡發揮出最佳水平的人。

這是一個十年的項目。AI 改變不了這一點，它從未改變。

AI 改變的是，對於那些能夠堅持到最後看個究竟的創始人來說，這十年所能達到的天花板（Ceiling）。

那麼，在這一切的彼岸，軟體究竟會呈現出怎樣的面貌？

樂觀者說，AI 創造了富足——更多的產品、更多的建設者、更多的價值分配給更多人。他們是對的。悲觀者說，AI 摧毀了軟體的護城河——任何東西都可以在一個下午被複製，防禦性已死。他們也部分正確。但這兩派都盯著底線（The floor），沒人關注天花板（The ceiling）。

未來將出現成千上萬的單點解決方案（Point solutions）——微小、功能性、由 AI 生成的工具，足以勝任解決某些狹窄的問題。其中許多甚至不是由公司構建的，而是由個人或內部團隊為了解決自己的痛點而開發的。對於某些低門檻、易替換的軟體類別，市場將實現真正的民主化。底線很高，競爭異常激烈，利潤空間則薄如蟬翼。

但對於業務關鍵型軟體（Business-critical software）——那些處理資金流動、合規、員工資料和法律風險的系統——情況則截然不同。這些是容錯率極低的工作流程。當薪資發放系統故障時，員工就拿不到錢；當稅務申報出錯時，國稅局（IRS）會上門；當福利繳納在開放投保期斷檔時，真實的人會失去保障。選擇軟體的人必須為後果負責。這種責任感是無法外包給一個在下午靠「感性編碼」（vibecoded）拼湊出來的 AI 的。

對於這些工作流，企業將繼續信任供應商。在這些供應商中，“贏家通吃”的動態將比前幾代軟體更加極端。這不僅是因為網路效應更強（儘管事實的確如此），更因為一個在大規模運行、於數百萬次交易和數千個合規邊緣案例中累積私有數據的 AI 原生平台，其複利優勢讓後來者幾乎無法實現“原地起跳式”的追趕。護城河不再是一個功能集，而是在一個懲罰錯誤的領域中，長期維持高標準運營所沉澱下來的質量。

這意味著軟體市場的整合程度將超過 SaaS 時代。我預計十年後的 HR 和薪資領域，不會出現 20 家各自佔個位數市場份額的公司。我預計將由兩到三個平台佔據絕大部分價值，而一長串單點解決方案則幾乎分不到一杯羹。同樣的模式將發生在每一個合規複雜性、數據累積和切換成本共同發揮作用的軟體類別中。

處於這些分佈頂端的公司看起來會非常相似：由具備真實產品審美的技術人才創立；從第一天起就建基於 AI 原生架構；在那些現任巨頭若不拆解現有業務就無法做出結構性回應的市場中運營。他們很早就下了一場獨特的洞察力賭注——看到了 AI 創造的某種尚未被定價的真相——然後堅持了足夠長的時間，直到複利變得清晰可見。

我一直在抽象地描述這類創始人。但我非常清楚他是誰，因為我正努力成為他。

我於 2022 年創立 Warp，是因為我相信員工運營的整個堆棧——發薪、稅務合規、福利、入職、設備管理、HR 流程——都建立在手工勞動和舊架構的基礎之上，而 AI 可以徹底取代它們。不是改進，而是取代。老牌巨頭透過將複雜性吸收進員工人數中建立了價值十億美元的業務；而我們將透過從源頭上消除複雜性來建立事業。

三年的時間證明了這一賭注。自推出以來，我們已處理超過 5 億美元的交易，正在快速增長，並為那些構建世界上最重要技術的公司提供服務。每個月，我們累積的合規數據、處理的邊緣案例、構建的集成，都讓平台變得更難以被複製，對客戶也更有價值。護城河尚處於早期階段，但已初具規模，並正在加速。

我告訴你這些，並不是因為 Warp 的成功是命中注定的——在冪律分佈的世界裡，沒有什麼事是命中注定的——而是因為引導我們走到這裡的邏輯，正是我在全文中描述的邏輯：看到真相。比任何人都鑽得更深。建立一個無需外部壓力也能維持的高標準。堅持足夠長的時間，去看看你是否正確。

AI 時代的卓越公司，將由那些理解了以下道理的人建立：準入從未是稀缺資源，洞察力（Insight）才是；執行力從未是護城河，審美（Taste）才是；速度從未是優勢，深度（Depth）才是。

冪律法則不在乎你的意圖，但它獎勵正確的意圖。