Sequoia合伙人Grady Booch：创业者对抗AI实验室需构建护城河与分发能力
Sequoia合伙人Grady Booch在AI Ascent活动开场中将当前阶段定义为“AGI时刻”，并提出创业公司在与大型AI实验室竞争时，应优先构建“Moats、Affordances、Distribution”三要素，同时强调产品策略必须从客户需求出发，而非技术驱动。
这一判断建立在AI能力快速商品化的背景之上。多家英文媒体与研究机构指出，大模型能力正在加速标准化，OpenAI、Google DeepMind、Anthropic等实验室持续压低能力获取门槛，使单纯依赖模型能力的创业公司竞争空间收窄。Sequoia此前在AI市场报告中亦将潜在市场规模定义为万亿美元级别，并强调分发与应用层成为价值捕获关键。
此外，多位AI公司创始人与投资人近阶段在英文播客与社交平台上反复强调，真正可持续的优势正从“模型性能”转向“用户关系、数据闭环与渠道控制”，与Sequoia此次框架形成呼应。
来源：公开信息
ABAB AI 解读
这类表述的核心，不在“AGI是否到来”，而在资本对价值捕获位置的重新划分。基础模型层正在经历典型的技术扩散路径：性能快速提升、成本持续下降、供给由少数扩展到多家。这一阶段，模型能力本身逐渐从“稀缺资产”转为“基础设施”，类似云计算早期向通用算力的演化。
当底层能力趋于同质化，利润与定价权自然上移至应用层与分发层。所谓Moats与Distribution，本质是对“用户入口”和“需求控制权”的争夺，这与历史上操作系统、搜索引擎、移动应用商店的竞争逻辑一致：不是谁技术最强，而是谁掌握用户与流量。
“customer-back”则指向另一层结构变化——AI正在从技术驱动产业，转为需求驱动产业。早期阶段由工程能力定义产品边界，而在能力过剩阶段，真正稀缺的是对具体场景的理解与数据闭环的构建能力。这意味着创业门槛并未降低，而是从“训练模型”转移到“组织真实世界需求”。
更深层看，这是一次典型的价值链再分配：资本密集型的基础模型公司承担高成本与不确定性，而应用层通过更轻资产结构捕获现金流与用户关系。Sequoia的框架，本质是在引导创业者避开与巨头在资本与算力上的正面竞争，转而占据更稳定的结构性位置。