Sequoia合夥人Grady Booch：創業者對抗AI實驗室需構建護城河與分發能力
Sequoia合夥人Grady Booch在AI Ascent活動開場中將當前階段定義爲“AGI時刻”，並提出創業公司在與大型AI實驗室競爭時，應優先構建“Moats、Affordances、Distribution”三要素，同時強調產品策略必須從客戶需求出發，而非技術驅動。
這一判斷建立在AI能力快速商品化的背景之上。多家英文媒體與研究機構指出，大模型能力正在加速標準化，OpenAI、Google DeepMind、Anthropic等實驗室持續壓低能力獲取門檻，使單純依賴模型能力的創業公司競爭空間收窄。Sequoia此前在AI市場報告中亦將潛在市場規模定義爲萬億美元級別，並強調分發與應用層成爲價值捕獲關鍵。
此外，多位AI公司創始人與投資人近階段在英文播客與社交平臺上反覆強調，真正可持續的優勢正從“模型性能”轉向“用戶關係、數據閉環與渠道控制”，與Sequoia此次框架形成呼應。
來源：公開信息
ABAB AI 解讀
這類表述的核心，不在“AGI是否到來”，而在資本對價值捕獲位置的重新劃分。基礎模型層正在經歷典型的技術擴散路徑：性能快速提升、成本持續下降、供給由少數擴展到多家。這一階段，模型能力本身逐漸從“稀缺資產”轉爲“基礎設施”，類似雲計算早期向通用算力的演化。
當底層能力趨於同質化，利潤與定價權自然上移至應用層與分發層。所謂Moats與Distribution，本質是對“用戶入口”和“需求控制權”的爭奪，這與歷史上操作系統、搜索引擎、移動應用商店的競爭邏輯一致：不是誰技術最強，而是誰掌握用戶與流量。
“customer-back”則指向另一層結構變化——AI正在從技術驅動產業，轉爲需求驅動產業。早期階段由工程能力定義產品邊界，而在能力過剩階段，真正稀缺的是對具體場景的理解與數據閉環的構建能力。這意味着創業門檻並未降低，而是從“訓練模型”轉移到“組織真實世界需求”。
更深層看，這是一次典型的價值鏈再分配：資本密集型的基礎模型公司承擔高成本與不確定性，而應用層通過更輕資產結構捕獲現金流與用戶關係。Sequoia的框架，本質是在引導創業者避開與巨頭在資本與算力上的正面競爭，轉而佔據更穩定的結構性位置。