30 天總結：AI 公司的商業護城河到底在哪裡？——算力、數據、模型還是生態
「AI 公司 30 天」系列收官總結：從 29 篇、五十多家公司的分析中，提煉 AI 行業的護城河真相——為什麼模型是耗材而非資產、算力是誰的護城河、什麼樣的數據才算壁壘、生態如何成為終極答案。附投資人視角的護城河分層框架、八條反覆驗證的行業規律，與 2026 下半年的觀察清單。
WRITTEN BY
- Name
- Harry Chang
「AI 公司」系列第三十篇，收官。三十天、二十九篇、五十多家公司——從估值近兆的 OpenAI（058）到零融資的 Midjourney（071），從蒸發輝達六千億美元的 DeepSeek（079）到被掏空的 Inflection（077）。
現在回答開篇就埋下的問題：AI 公司的商業護城河到底在哪裡？算力、數據、模型，還是生態？
先給結論，再給論證：模型是耗材，算力是上游的護城河、下游的成本，數據要分真假，生態是終極答案——而這四者之上，還有一個被低估的第五元素：變現路徑本身。
一、先排除：什麼「不是」護城河
29 篇積累的反面教材，比正面案例更有說服力。
1.1 模型本身不是護城河——它是保鮮期以週計的耗材
| 證據 | 出處 |
|---|---|
| DBRX 從「最強開源 MoE」到無人提起,只用數月;Databricks 認賠 14 億退場後反而更值錢 | 067 |
| Llama 4 Behemoth 訓練費以億計,內部評測不佳直接夭折 | 064 |
| AI21 的 Jamba 架構判斷正確,公司仍走向被收購 | 062 |
| Qwen3.6-27B 打贏自家上一代 397B——你的旗艦會被對手的小鋼炮追平,也會被自己的下一代否定 | 078 |
模型排行榜的位置是狀態，不是資產。真正有價值的是「持續造出好模型的能力」——那屬於人才與研究文化（見第三章），不屬於權重檔案。
1.2 融資額不是護城河——信仰估值是最脆弱的定價
SSI 零產品估值 320 億、Thinking Machines 500 億談判破裂（076）、智譜市值與基本面脫鉤的千億狂歡（081）——資本可以買時間，買不到終局。反例是最好的證明：零融資的 Midjourney（071）活得比大多數融資百億的公司健康。
1.3 先發不是護城河——除非你把它兌換成別的東西
Siri 比 ChatGPT 早十一年（084）、百度比所有人早 All in AI（083）、Stability 點燃了開源圖像革命（072）——先發者的墓園比後發者擁擠。先發的唯一價值是兌換窗口：兌換成生態（LangChain 063/085）、兌換成工作流（Runway 073）、兌換成標準（MCP 085），沒兌換的先發等於零。
二、四個候選答案的逐一檢驗
2.1 算力：上游的護城河，下游的成本
算力是不是護城河，取決於你站在價值鏈的哪一端：
- 對 NVIDIA（069）與超大雲（066）——是。CUDA 二十年生態、CoWoS 產能綁定、年更節奏、6,250 億美元未履約合約——這是全系列最深的幾條護城河。
- 對模型公司——不是,是軍備稅。OpenAI 承諾 7,500 億美元算力支出(058)、Meta 年燒 1,300 億(064)、字節 700 億(082)——算力是它們的成本結構,不是壁壘:錢到位誰都買得到(xAI 122 天建成十萬卡集群,060),買不到的只有晶片配額(中國狼群的共同天花板,078-082)。
- 一個重要的修正案:DeepSeek 的 R1 時刻(079)證明效率可以抵消一代的算力差距——但抵消不了三代。算力軍備競賽沒有被推翻,只是門檻被重新定價。
2.2 數據：要分真假——公開資料是原料，獨家飛輪才是護城河
「數據是新石油」在 AI 時代只對了一半：
| 假護城河 | 真護城河 | 案例 |
|---|---|---|
| 爬來的公開網路資料(人人都有,還會被告) | 獨家場景資料 | 抖音/TikTok 影片庫之於世界模型(082)、X 即時流(060)、Tesla 車隊 |
| 一次性的訓練語料 | 持續回饋飛輪 | Midjourney 數百萬用戶的審美四選一(071)、ChatGPT 十億用戶的對話回饋(058) |
| 資料本身 | 資料的引力(遷移成本) | Databricks 的 Lakehouse:企業核心資料進去了就出不來(067) |
| 資料量 | 資料的合法性 | 版權三部曲(071/072/075)證明:未授權資料是負債;Lionsgate 授權(073)、唱片和解(075)把合規做成了商業模式 |
2.3 模型：不是資產，但「造模型的組織」是
模型會折舊,但三樣東西不會:研究品味(DeepSeek 兩百人勝過萬人大廠,079)、方法論(GRPO、MLA 這些論文級創新的產出能力)、人才密度(NVIDIA 願為 AI21 的 200 人出 30 億,062;Meta 為單一研究員開 2.5 億,064)。
這帶出系列最尖銳的發現:當「人」成為唯一可靠的模型層資產,市場就會給人定價(信仰估值,076),巨頭就會直接買人(人才收購潮,077)——公司的邊界因此變得前所未有地脆弱。護城河如果只建立在人上,它長著腿。
2.4 生態：終極答案，但「生態」是四種不同的東西
「生態」被用得太氾濫，29 篇的案例可以把它拆成四種強度遞減的形態：
| 形態 | 機制 | 案例 |
|---|---|---|
| 1. 分發霸權 | 用戶在哪,AI 就推到哪——獲客成本為零 | Google 搜尋+Android(059)、Meta 34 億日活(064)、微軟企業全家桶(066)、Apple 23.5 億裝置(084)、抖音之於豆包(082) |
| 2. 標準與開發者生態 | 定義介面,讓行業圍繞你生長 | CUDA(069)、MCP(085)、PyTorch(064)、Qwen 的開源份額過半(078) |
| 3. 工作流嵌入 | 換掉你=重建整個流程 | 企業資料治理(067)、片廠管線(073)、有聲書工作流(074)、政企私有部署(061/081) |
| 4. 社群與品牌心智 | 品類=你的名字 | 「AI 搜尋=Perplexity」(063)、「AI 藝術=Midjourney」(071)、「開源=Hugging Face」(068) |
強度排序的依據是可攻擊性：分發霸權幾乎無法繞過（除非平台轉移）、標準有慣性但可被分叉、工作流可被更好的產品逐步替換、心智一次產品失誤就會鬆動。
三、護城河分層框架：投資人視角的總表
把 29 篇的護城河評估疊在一起，可以畫出三層金字塔：
第一層：結構性護城河（值得付溢價）
| 護城河 | 持有者 |
|---|---|
| 分發通路 | Google、Meta、微軟、Apple、字節、阿里 |
| 硬體/供應鏈綁定 | NVIDIA、台積電系、ASML(Mistral 的股東結構,065) |
| 生態標準 | CUDA、MCP、PyTorch、Qwen 生態 |
| 資料引力+治理 | Databricks、企業私有部署陣營 |
| 印鈔機本業的供養 | 廣告(Meta/Google)、硬體(Apple)、電商(阿里/字節) |
第二層：營運性優勢（真實但需持續證明）
| 優勢 | 持有者 |
|---|---|
| 效率文化 | DeepSeek(079)、Mistral(065)、Together 的核心層(070) |
| 品味與美學 | Midjourney(071)、BFL(072) |
| 信任與合規 | Anthropic(057)、Cohere(061)、Apple 隱私(084) |
| 產品速度 | Perplexity(063)、月之暗面(080) |
| 場景變現力 | 可靈(083)、ElevenLabs(074) |
第三層：脆弱的偽護城河（隨時蒸發）
跑分領先（保鮮期以週計）、價格補貼買來的用戶（豆包的變現裂口，082）、信仰估值（076）、單一大客戶依賴（OpenAI 佔 Azure RPO 的 45%，066）、監管套利（政策一變就消失）。
四、八條反覆驗證的行業規律
29 篇裡重複出現三次以上的模式，值得當成定律記下：
- 利潤向價值鏈兩端遷移：上游算力（NVIDIA、雲）與下游場景（工作流、終端）賺錢，中間的模型層折舊最快、競爭最慘（067 提出，070/083 反覆驗證）。
- 開源的收銀台定律：開源模型的價值流向生態，除非你設計好收銀台——雲租金（Qwen）、階梯授權（FLUX）、信任狀（Cohere）都是收銀台；「全送出去再想辦法」已被 Stability 證偽（072）。
- 旗艦閉源趨同律：Google、Meta、xAI、阿里全部走向「旗艦閉源+中堅開源」（078）——開源是奪市場的武器，閉源是收割的工具；堅持全開源的只剩 DeepSeek 系，而它靠的是不需要模型賺錢的特殊結構。
- 互補品生存法：在巨頭射程內活下來的方法，是做所有巨頭的互補品而非替代品——ElevenLabs 做嘴巴（074）、Perplexity 做路由（063）、Hugging Face 做貨架（068）、LangChain 做除錯（085）。
- 人才即資產、公司即容器：信仰估值（076）與人才收購（077）是同一枚硬幣——AI 時代公司的邊界脆弱化，「買人不買公司」成為標準武器，防守方的回應是天價薪酬與股權鎖定。
- 場景比模型重要：付費意願藏在「用戶本來就有預算」的場景裡——影片素材（可靈）、客服（語音 Agent）、編碼（Cursor 級工具）天生能收費；聊天陪伴（Pi，077）再受歡迎也變現無門。
- 法律是行業級定價因子：版權三案（Getty/迪士尼/唱片業）的判決與和解直接改寫商業模式；Launch-Train-Settle（075）證明「Settle 時的體量決定條約性質」——法務戰略就是商業戰略。
- 地緣政治的雙面性：主權敘事養出了 Mistral（065）與智譜（081），晶片禁運鎖死了中國狼群的天花板（079），安全審查第一次否決了跨境併購（Manus，085）——護城河與枷鎖，往往是同一條國界線。
五、2026 下半年的觀察清單
系列在 2026 年 7 月定稿，這些未決事件將檢驗上面所有判斷：
| 事件 | 檢驗的命題 |
|---|---|
| OpenAI / Anthropic IPO 定價 | 兆元信仰能否通過公開市場的殘酷定價（058/057） |
| 迪士尼 vs Midjourney 開庭、Suno 簡易判決 | 合理使用的邊界=整個生成式內容業的成本結構（071/075） |
| 豆包付費牆的轉化率 | 3.36 億免費月活能否變現——消費 AI 商業模式的壓力測試（082） |
| DeepSeek R2 與 V4 正式版 | 效率革命是時代開端還是孤星閃光（079） |
| Muse Spark 之後的 Meta 下一代模型 | 鈔能力換血能不能買回前沿地位（064） |
| Siri AI 的用戶留存 | 「模型商品化、終端為王」的世紀賭注（084） |
| NVIDIA 的中國替代與客戶自研晶片進度 | 賣鏟人霸權的第一道裂縫何時出現（069） |
| 智譜股價 vs 基本面的收斂方向 | 中國 AI 信仰的第一次市場檢驗（081） |
結語：三十天的最後一段話
回到系列第一篇（057）寫下的第一家公司：一群因為理念離開 OpenAI 的人，五年做到 470 億美元年營收。三十天後，這個故事有了完整的上下文——AI 行業同時是真實的革命與真實的泡沫：革命的部分在於，它已經產生了本系列記錄的真實收入、真實效率、真實的工作流改變；泡沫的部分在於，信仰估值、循環交易、市銷率三位數的股票也同樣真實。
如果要把三十天壓縮成一段給投資人與從業者的話：
不要問「誰的模型最強」，要問五件事：它站在價值鏈的哪一層？它的收銀台在哪裡？它的護城河是結構性的還是長著腿的？它的資料是原料還是飛輪？它被誰需要——用戶、巨頭，還是只有下一輪投資人？
能同時答好這五題的公司，在 29 篇裡不超過一掌之數。這就是為什麼護城河的問題值得用三十天來回答——在一個所有人都在講智能的行業裡，最稀缺的從來是商業的常識。
系列完結。感謝追完三十天的你——番外篇（影片生成大戰、Cursor 與編程工具戰爭、工業視覺 AI 與智慧職安）籌備中。
系列索引：
- 第一週·閉源巨頭：057 Anthropic、058 OpenAI、059 Google DeepMind、060 xAI、061 Cohere、062 AI21、063 Perplexity
- 第二週·開源生態：064 Meta、065 Mistral、066 Microsoft、067 Databricks、068 Hugging Face、069 NVIDIA、070 Together AI
- 第三週·多模態與人才：071 Midjourney、072 Stability × BFL、073 Runway、074 ElevenLabs、075 Suno × Udio、076 SSI × Thinking Machines、077 Inflection 與人才收購潮
- 第四週·中國狼群與終端：078 阿里 Qwen、079 DeepSeek、080 月之暗面 Kimi、081 智譜 GLM、082 字節豆包、083 快手可靈 × 百度文心、084 Apple、085 Agent 框架生態