套用於 AI 的七種力量

資料來源#

• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next

摘要#

Boris Cherny 使用 Hamilton Helmer 的 7 Powers 框架（由 Acquired Podcast 推廣），預測哪些競爭護城河能在 AI 時代存續、哪些會削弱。他的論點是：流程力量與轉換成本會崩解；網路效應、規模經濟與受限資源則會持續存在。 常被討論的「SaaS apocalypse」問題，其實是錯誤的框架——末日打擊的是 SaaS 中特定的子集（依賴流程力量與轉換成本者），而不是所有 SaaS。對開發者的直接啟示是：你押注的護城河，決定 AI 對你而言是助力還是破壞球。

七種力量（Helmer）#

1. 規模經濟
2. 網路效應
3. 反定位
4. 轉換成本
5. 品牌
6. 受限資源
7. 流程力量

Boris 明確討論了其中五種。

會隨 AI 削弱 的力量#

轉換成本#

"Switching costs [erode] because you can just use the model and you can kind of port from one thing to a different thing."

如果你的護城河是「使用者建立了工作流程／資料／整合，而遷移成本高得令人無法負擔」，AI agents 會大幅降低遷移成本。Agents 可以重建整合、移植資料、重新產生巨集。使用者對你特定產品形態的投資，不再那麼具有約束力。

受影響最嚴重的案例：擁有深度客製整合的企業 SaaS、使用專有資料格式的垂直軟體，以及累積大量使用者自建設定的生產力工具。

緩解方式：少依賴鎖定，多持續交付價值。

流程力量#

"Process power [erodes] because for companies whose mode is workflows and process and things, [Claude] is getting really good at figuring out process. And especially with 4.7, it can just hill climb anything. So if you give it a target and you tell it to iterate until it's done, it will just do it. I think this is the first model like that."

流程力量＝公司經過多年淬鍊出一套競爭者難以輕易複製的做事方式。Boris 的主張是：強大的模型＋目標，就能自動進行 hill-climb，還原這套流程。流程如今變得可模仿，而過去並非如此。

受影響最嚴重的案例：優勢在於「我們比任何人都更能做好 X」的營運卓越型公司，但背後沒有規模或網路效應支撐。包括分銷、營運、客戶服務等。

緩解方式：流程力量需要與具結構性保護的力量（規模、網路）結合，才能存續。

會持續存在的力量#

網路效應#

使用者價值會隨平台上的其他使用者增加而擴大。AI 不會改變這一點。通訊應用程式、市集、開發者生態系——價值存在於網路之中，而不是支援它的程式碼裡。AI 可能降低建造支援程式碼的成本，但無法複製網路。

規模經濟#

單位成本會隨規模擴大而下降。AI 運算本身就具有規模經濟（基礎模型訓練、GPU 叢集利用率）。資本密集度重要的垂直領域——半導體、基礎設施——仍會保有護城河。

受限資源#

對關鍵投入品的排他性取得——一份合約、一個監管機構、一項研究成果、一條資料流。AI 不會授予存取權。如果你的企業建立在競爭者無法複製的合約上，AI 不會讓它消失。

Boris 沒有明確評估的力量#

• 反定位——Boris 沒有談到這一點，但 Printing Press Software Democratization 中的類比暗示，反定位會蓬勃發展：AI 原生新創可以選擇既有企業在結構上無法採用的商業模式。
• 品牌——同樣未被處理；可以說它仍會持續存在，因為 AI 不會把建立品牌的成本降到零。

為什麼新創特別受益#

"If you look at the number of startups today or like maybe in the next 10 years, I think the number of startups in the next 10 years that are just going to disrupt everything is going to increase like 10×."

"A large company has to evolve their business process, retrain everyone, face internal resistance to that. No one [in this room] has that problem. If you're starting fresh, you can build with AI natively from the ground up."

新創沒有依賴流程力量的企業需要防守。它們可以選擇 AI 不會削弱的力量，直接建立在這些力量之上，不必承擔既有企業面臨的遷移成本。

反向考量#

• 品牌與信任型 SaaS（Stripe、Slack 等）建立在轉換成本加上網路／規模之上；即使轉換成本削弱，其餘部分仍然成立。Boris 的框架正確預測它們會比純網路效應公司更容易受到影響，但不至於災難性地受創。
• 流程力量並未消亡——只是更難壟斷。 給定目標後，模型可以對大多數流程進行 hill-climb，但定義正確目標並提供正確輸入本身就是一項技能。流程力量可能正在轉型，而非消失。
• 受限資源包括「人才」。 Boris 沒有特別深入；如果前沿 AI 人才受到壟斷，這就是 AI 本身會替持有者（Anthropic、OpenAI、Google）放大的力量。
• Mythos／Opus 4.7 作為受限資源。 Anthropic 會在發布前先於內部對兩者進行 dogfood。前沿模型的「受限資源」會創造一段持有者明顯領先的窗口——但模型發布後，窗口就會關閉。

轉換成本的圖像是雙面的（Emergence Capital，2026 年 6 月）#

Boris 的主張是，轉換成本會削弱，因為 agents 能移植資料並重建整合。Emergence Capital 的 Beyond Benchmarks 2026 同時揭示 AI 工具市場的另一半：買方正在整合供應商。2025 年平均 AI 支出成長 2.2 倍（每月 16K 美元 → 每月 34K 美元），但企業全年運作的 AI 供應商中位數只有 6–8 家——支出翻倍，供應商清單卻沒有增加。AI 現在約占企業軟體支出的 7%（從約 3% 上升）。報告的解讀是：「實驗階段正在結束……贏得第一筆交易，如今比 18 個月前重要得多。」因此，即使 agents 讓離開既有供應商變得更便宜，買方也正在早期圍繞少數 AI 平台鎖定——轉換成本的形成與轉換成本的削弱同時發生。鎖定尚未完全確立：企業排行榜仍在變動（Anthropic 超越 OpenAI，成為採用最廣泛的 AI 供應商，#3→#1；xAI #13→#5；Perplexity 儘管聲勢浩大，仍跌出前 20 名）。對開發者而言，這讓 land-then-lock-in 邏輯更加清晰：第一筆交易就是時間鎖定的護城河開始累積之處，而新供應商被採用的窗口正在縮小。（由創投發布但資料來自合作夥伴——Stackpack 的供應商層級收據，而非分析師估計。）

對開發者的啟示#

如果你的護城河是	建立 AI 原生能力
網路效應	AI 有所助益——更好的工具來捕捉並擴大網路
規模經濟	AI 有所助益——更好的工具來降低單位成本
受限資源	AI 中立——它不會授予你資源的存取權，也不會讓資源消失
轉換成本	面臨風險——尋找替代護城河，或接受利潤率壓縮
流程力量	面臨風險——與另一種力量結合，或接受商品化

相關連結#

• The Verifiability Thesis——哪些力量能存續，取決於什麼仍然可驗證且可防禦
• Boris Cherny——闡述者
• Printing Press Software Democratization——伴隨的類比（生產成本崩解），解釋為何某些力量會轉移
• Engineer PM Convergence——內部鏡像：流程繁重的組織結構，會以流程力量護城河失去價值的相同方式失去價值
• Harness Shrinkage as Models Improve——模型透過 hill-climbing 進行流程模仿，是流程力量削弱背後的直接機制
• AI Native Product Cadence——建立 AI 原生能力的新創優勢是營運層面的，而不只是策略層面的
• Compounding Data Moat——Anthropic 對於建立護城河的具體處方，來自 Boris 所命名的持續性力量組成：受限的行為資料＋能在遷移工具下存續的工作流程鎖定
• AI-Native Startup Lifecycle——將護城河建構跨階段落實；Scale 階段的退出問題（「如果資金充足的既有企業今天複製你的產品，你的使用者會留下嗎？」）是對這些力量的實證測試
• Founder as Agent Orchestrator——這項分析所規範的角色：在轉換成本與流程力量於 Boris 之後削弱的情況下，精實獨角獸創辦人合理能建立哪些護城河
• The AI-Native Safe-Choice Inversion——開放問題所要求的即時反定位策略：Campfire 利用一個在結構上不願成為 AI 原生的既有企業（NetSuite 無法翻轉，否則會蠶食自身業務）
• Product Velocity as Moat——是跑步機，而非一種力量：速度能贏得市場落地，但必須轉化為持久的鎖定，才能存續

開放問題#

• 「轉換成本」在實務中真的正在崩解，還是只存在於敘事中？Anthropic 自身的留存數據、Salesforce churn 等，可以用來驗證這一點。
• Boris 所說的「受限資源」，對自身也試圖將產品商品化的基礎模型實驗室而言，究竟是什麼樣子？這是內在矛盾，還是暫時階段？
• 反定位——明確就是「既有企業無法跟進」的力量——應該會在 AI 之下更加放大。是否有人正刻意採用這套策略？

衍生閱讀#

• Learning to Co-Work with AI: A Software Engineer's Field Guide——將能存續的護城河邏輯套用到個人職涯（策略定位技能群）
• Opinions on Using AI Tools & the Future of the Software Engineering Role——策略定位章節：哪些護城河（以及哪些職涯）能在 AI 轉變中存續
• AI-Native Moats Under Frontier-Model Improvement——評比哪些 AI 原生護城河能在前沿模型改進下存續，哪些只是不過是進入動作或正在浪費的資產

資料來源#

• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World——Emergence Capital、Beyond Benchmarks 2026（2026 年 6 月）：AI 供應商整合（支出成長 2.2 倍／供應商數量持平），作為 Boris 削弱論點的轉換成本形成對應面