技術原本以促進平等為目標，然而最終卻導向精英化的趨勢

每當新科技降低產業門檻，類似的預測總會出現：既然人人都能做，優勢就不復存在。拍照手機讓所有人成為攝影師，Spotify 讓所有人成為音樂人，AI 讓所有人都能成為軟體開發者。

這種預測往往只對了一半。底線確實抬高了——更多人能創作、發布、參與競爭。但這些預測忽略了天花板。天花板上升得更快。底線與天花板之間——即中位水平與頂尖水平之間——的差距並未縮小，反而在拉大。

冪律分布的本質在於：它不會顧及你的初衷。平權技術最終帶來的是精英化結果，每一次都是如此。

AI 也不例外，甚至會更加極端。

市場形態

Spotify 上線時做了一件真正激進的事：讓全球任何音樂人都能獲得原本需要唱片公司、行銷預算和好運氣才能取得的同等發行渠道。結果是音樂數量爆發式增長。數百萬新藝術家，數十億新作品。底線如承諾般被抬高。

但同時也發生了這樣的事：如今，頂尖 1% 藝術家獲得的播放份額比 CD 時代還要多。音樂更多，競爭更激烈，發現頂尖作品的方式更多，聽眾不再受地理或貨架空間限制，最終都聚集到最優秀的作品。Spotify 並未實現音樂的平權，反而加劇了競技場的激烈程度。

寫作、攝影、軟體領域亦是如此。網路創造了有史以來最多的寫作者，也帶來了最殘酷的注意力經濟。參與者變多，頂層競爭更激烈，基本格局未變：極少數人獲得大部分價值。

我們對此感到驚訝，是因為習慣於線性思維——以為生產力提升會像水倒進平底容器那樣均勻分布。但複雜系統並非如此，從未如此。冪律分布不是市場偶然或技術承諾的失敗，而是自然的預設狀態。技術並未創造它，而是揭示了它。

以 Kleiber 定律為例。地球上所有生物體——從細菌到藍鯨，跨越 27 個數量級的體重——新陳代謝率都以體重的 0.75 次冪成長。鯨魚的新陳代謝並非按體型線性成長。這種關係就是冪律，並且在幾乎所有生命形式中都極其精準地成立。沒有人設計這種分布，這只是複雜系統中能量自然演化的形態。

市場本身就是複雜系統。注意力是一種資源。當摩擦消失——地理、貨架空間、分銷成本不再是緩衝——市場就會回歸自然形態。這不是鐘形曲線，而是冪律分布。平權的故事和精英化的結果始終並存，這也是為什麼新技術總令我們措手不及。我們看到底線提升，就以為天花板也在同步上升。其實不然，天花板拉得更遠了。

AI 會比以往任何技術都更快、更猛烈地推動這一切。底線正在即時提升——人人都能發布產品、設計介面、編寫生產程式碼。但天花板也在上升，且速度更快。值得思考的問題是：究竟是什麼決定了你最終抵達何處？

執行變得廉價，品味成為訊號

1981 年，Steve Jobs 堅持要求原始 Macintosh 的電路板必須美觀。不是外觀，而是內部——使用者永遠看不到的部分。工程師覺得他瘋了，其實沒有。他明白一點：這看似完美主義，實則是一種證明——你做任何事的方式，就是你做所有事的方式。一個讓不可見部分也美觀的人，並不是在表演品質，而是根本無法忍受交付低於標準的東西。

這很重要，因為信任難以建立，卻很容易被偽裝——哪怕一時。我們總在用各種啟發式方法判斷誰是真正優秀，誰只是在表演優秀。資歷有幫助，但可以被包裝。出身有幫助，但那是繼承來的。真正難以偽造的是品味——對無人要求你達到的標準，持續展現出的執著。Jobs 並不需要讓電路板變美，但他做了，這說明他在你看不見時也會如此。

過去十年裡，這種訊號一度被削弱。在 SaaS 高峰期——大約 2012 到 2022 年——執行標準化到極致，分銷才是稀缺資源。只要你能高效獲客、建立銷售體系、達到「40 法則」，產品本身幾乎無關緊要。只要 go-to-market 夠強，平庸的產品也能勝出。品味的訊號被成長數據的噪音淹沒了。

AI 完全改變了信噪比。當任何人都能在一個下午生成可用產品、精緻介面、可運行程式碼時，「能不能用」不再是區分標準。問題變成：這是否真正優秀？這個人能否分辨「好」和「極致」，並且願意主動彌合差距，即使沒人強迫他們？

業務關鍵型軟體更是如此——企業信任其發薪、合規、員工資料的系統。這些不是隨便採用、下季度就能棄用的產品。切換成本是真實存在的，失敗代價很大，部署者要為後果負責。這意味著在簽約前，他們會用所有信任標準來衡量。一個精美的產品就是最強烈的訊號之一。它說明：開發者在乎。他們在乎你能看到的部分，也很可能在乎你看不到的部分。

在執行變得廉價的世界裡，品味就是「工作量證明」。

新階段的獎勵機制

這一直如此。但有近十年，市場讓這一點幾乎不可見。軟體領域最重要的能力，與軟體本身無關。

大致從 2012 到 2022 年，SaaS 的核心架構已被摸透。雲基礎設施便宜且標準化，開發者工具成熟。構建可用產品雖難，卻是「可解的難題」——只需招合適人才，按套路操作，投入足夠資源就能達標。真正稀缺、決定勝負的是分銷。你能否高效獲客？能否建立可複製的銷售流程？能否精準把握單位經濟模型，在最佳時機加速擴張？

在那種環境下脫穎而出的創始人大多來自銷售、諮詢、金融領域。他們精通十年前還無人理解的指標——淨美元留存率、平均合約價值、魔力數字、「40 法則」。他們生活在表格和銷售漏斗中，這在當時完全合理。SaaS 巔峰期造就了 SaaS 巔峰創始人，這是理性的適應。

而我覺得這種環境令人窒息。

我成長於印度人口 25000 萬的小鎮。每年，全印度大約只有三名學生能進入 MIT，且無一例外都來自德里、班加羅爾或孟買的昂貴預科學校——這些學校專為此目標而建。我是我們邦歷史上首位錄取者。我說這個不是為了炫耀，而是因為這正是本文核心觀點的縮影：當機會有限時，出身決定結果；當機會開放，最終還是最深入的人勝出。我是在一群「出身黨」中押注「深度」的那一個，這也是我唯一會下的注。

我主修物理、數學和計算機科學——這些學科中最深刻的洞見並非來自流程優化，而是發現別人忽視的真相。我的碩士論文研究的是分布式機器學習訓練中的「掉隊者」緩解：當你在大規模系統中運行，部分節點落後時，如何在不損失整體完整性的前提下進行優化。

二十出頭時，我看向創業世界，發現這一切似乎都無關緊要。市場看重的是 go-to-market，而非產品本身。打造技術上卓越的產品幾乎顯得幼稚——這被視為偏離主賽道，真正的遊戲是獲客、留存和銷售效率。

直到 2022 年底，環境發生了變化。

ChatGPT 讓人們直觀感受到——比多年論文更具衝擊力——曲線已然彎折。新的 S 曲線開啟了。階段轉換不會獎勵最適應上一階段的人，而會獎勵那些能在其他人還沒反應過來前，洞察新階段可能性的人。

於是我辭職，創辦了 Warp。

我們的下注很明確。美國有 800 多家稅務機構——聯邦、州、地方——各自有不同的申報要求、截止日期和合規邏輯。沒有 API，沒有程式介面。數十年來，每家薪酬服務商都靠人力解決：成百上千的合規專員手動應對一個本就不適合規模化的系統。傳統廠商如 ADP、Paylocity、Paychex 並沒有解決複雜性，而是把它吸收進人力成本，再轉嫁給客戶。

2022 年時我就能看出，人工處理方式很脆弱。我也能看見改進的曲線。那些多年關注大規模分布式系統、密切追蹤模型演進的人，能夠判斷：眼下還很脆弱的技術，幾年後就會變得可靠。於是我們下注：從零搭建 AI 原生平台，從產業內最難自動化的流程切入——傳統廠商架構根本無法實現自動化的那一環。

這個下注現在已初見成效。但更重要的是模式識別。AI 時代的技術型創始人不僅有工程優勢，還具備洞察優勢。他們看到不同的切入口，下注不同。他們能重新審視一個被普遍認為「永久複雜」的系統，問一句：要真正自動化它，需要什麼？然後，關鍵是，他們能把答案做出來。

巔峰 SaaS 時代的創始人是在約束條件下的理性優化者。AI 正在消除這些約束，並帶來全新的約束。在新環境下，稀缺資源不再是分銷，而是看見新可能的能力——以及有品味、有信念去把它做到應有標準的能力。但還有第三個變數決定一切，而大多數 AI 時代的創始人在這一點上犯了災難性的錯誤。

高速環境下的長期主義

現在創業圈流行一句 meme：你有兩年時間逃離「永久底層」，要嘛快建快融快退，要嘛死掉。

我理解這種心態。AI 的發展速度讓人感到生存危機，抓住風口的窗口期似乎極為短暫。年輕人看著 Twitter 上的「一夜成名」故事，自然會認為這場遊戲比拼的就是速度，贏家就是窗口期內跑得最快的人。

但這恰好在錯誤的地方成立。

執行速度極其重要。我對此深信不疑——甚至把它寫進了我公司的名字。但「執行快」並不等於「視野短」。AI 時代最有價值的公司，不是兩年衝刺然後賣掉的那批，而是十年衝刺、持續複利的那批。

短視思維的最大誤區在於：軟體最有價值的東西——專有資料、深度客戶關係、真正的切換成本、合規專長——都需要多年積累，無論競爭對手有多少資金或 AI 能力，都無法速成。當 Warp 為多州企業處理薪酬時，我們在數千個轄區積累合規資料。每一份稅務通知、每一個邊界案例、每一次州註冊都在訓練系統，讓其每個月都更難被複製。這不是功能，而是護城河——只有長期高品質建設，才能形成壁壘。

這種複利效應在第一年幾乎看不見，第二年才隱約可見，到第五年就成了全部。

Frank Slootman——比幾乎任何人都更擅長打造和擴展軟體公司的企業家——說得很簡單：要習慣不適，不是一陣子，而是常態。初創公司「戰爭迷霧」中的迷茫、不確定資訊、必須持續決策的壓力，兩年後不會消失，只會轉化為新的不確定性。能堅持下來的創始人，不是那些找到確定性的人，而是能在不確定中清晰前行的人。

創業的殘酷超出未經歷者的想像。你要在持續低烈度的恐懼和偶爾高烈度的恐懼中生活。你要在資訊不全的情況下做成千上萬個決定，明知一連串錯誤就會毀掉一切。你在 Twitter 上看到的「一夜成名」故事，不只是已是冪律分布中的極端異類，更是極端中的極端。以此優化你的策略，無異於靠研究誤入賽道、只跑了 5 公里的馬拉松選手成績來訓練自己。

那為什麼還要做？不是因為這很舒服，也不是因為勝算高。而是對某些人來說，別的選擇根本稱不上「活著」。因為唯一比從零開始創業的恐懼更糟糕的，是從未嘗試的窒息感。

而且——如果你的下注是對的，如果你發現了別人還沒意識到的真相，如果你能用品味和信念，長期堅持執行——最終的成果不僅僅是財務上的。你會創造真正改變人們工作方式的東西，打造讓人熱愛的產品，吸引和培養那些在你平台上做出最好作品的人。

這是一項十年工程。AI 並不會改變這一點，從未改變過。

AI 改變的，是這十年裡「可能性天花板」的高度——只屬於那些堅持到最後的創始人。

無人關注的天花板

那麼，經歷這一切後，軟體的終局究竟是什麼樣？

樂觀主義者認為 AI 帶來繁榮——更多產品、更多建設者、更多價值分散到更多人手中。他們是對的。悲觀主義者認為 AI 毀掉了軟體護城河——任何東西都能一下午被複製，壁壘已死。他們也對了一部分。兩派都在關注底線，沒人關注天花板。

未來會有成千上萬的點狀解決方案——小而實用、由 AI 生成、能解決細分問題的工具。很多不是公司造的，而是個人或內部團隊為自己需求開發的。對於低風險、易替換的軟體，市場確實會高度平權：底線很高，競爭激烈，利潤微薄。

但在業務關鍵類軟體領域——企業信任其資金流轉、合規、員工資料、法律風險的系統——情況完全不同。這些流程容錯率極低。發薪失敗就沒人拿到工資，報稅出錯 IRS 會介入，福利註冊出問題就會有人失去保障。選擇軟體的人要為其後果負責，這種責任不會被外包給一個「下午隨手寫出來」的 AI。

在這些場景下，企業仍會信任供應商。而在供應商中，「贏家通吃」格局會比上一代軟體更為極端。原因並非網絡效應更強——雖然確實更強——而是 AI 原生平台大規模運行、在數百萬交易和數千合規邊界案例中積累專有資料後的複利優勢，幾乎無法被後來者快速複製。護城河不是功能集，而是你在高品質、高規模、容錯率極低領域長期積累形成的壁壘。

這意味著軟體市場的集中度會超過 SaaS 時代。十年後的 HR 和薪酬領域，我不認為會有二十家公司各自佔據個位數份額。我預計只有兩三家平台掌握絕大部分價值，而長尾點狀方案幾乎分不到什麼。所有合規複雜性、資料積累、切換成本能複利的賽道，都會出現同樣格局。

最終站在頂端的公司會有類似特徵：由真正有產品品味的技術型團隊創立，從第一天起就是 AI 原生架構，活躍在 incumbents 結構性無法應對的市場。他們會很早下注獨特洞見——看到了 AI 能帶來的新可能——並且堅持到複利效應顯現。

我一直在描述這種創始人的抽象形象，但其實我很清楚他是誰——因為我正努力成為那個人。

我創辦 Warp，是因為 2022 年我堅信，員工運營的整個技術堆疊——薪酬、稅務合規、福利、入職、設備、HR 運營——都建立在人工和遺留架構之上，AI 能徹底替代它們，不是改善，而是替代。傳統廠商靠將複雜性吸收到人力裡賺取十億美元，我們的方式是從源頭消除複雜性。

三年過去，這個下注正在兌現。自上線以來，我們已處理超過 50000 萬美元的交易，成長迅速，為全球最重要科技公司提供服務。每個月，我們積累的合規資料、解決的邊界案例、搭建的整合，讓平台越來越難以複製、對客戶越來越有價值。護城河還在早期，但已經具備規模，並在加速形成。

我說這些，並不是因為 Warp 的成功是必然的——冪律世界裡沒有什麼是必然的——而是因為支撐我們走到今天的邏輯，正是本文一直在闡述的邏輯。發現真相，比任何人都更深入，打造無需外部壓力也能自我維持的標準，長期堅持下去，才能知道自己是否正確。

AI 時代的偉大公司，將由這樣的人打造——他們明白，稀缺的從來不是「機會」，而是「洞見」；護城河從來不是「執行」，而是「品味」；優勢從來不是「速度」，而是「深度」。

冪律分布不在乎你的初衷，但它會獎勵那些正確的。

免責聲明：

1. 本文轉載自 [ayushswrites]。版權歸原作者 [ayushswrites] 所有。如對轉載有異議，請聯繫 Gate Learn 團隊，我們會及時處理。
2. 免責聲明：本文僅代表作者個人觀點，不構成任何投資建議。
3. 本文其他語種版本由 Gate Learn 團隊翻譯，除特別說明外，禁止複製、分發或抄襲譯文。