AI创业的双重路径：油井与管道的战略抉择

近期，A16Z的合伙人乔·施密特和安吉拉·斯特兰奇针对AI创业方向发布了一篇深度分析。

他们借鉴能源领域的经典隐喻，将创始人的战略选择概括为两类：

其一，挖掘“油井”，即深入特定场景，掌控核心数据，最终构建完整的记录系统；

其二，铺设“管道”，即打通分散的系统和流程，自动化那些依赖人工判断与跨部门协作的工作。

两条路径看似迥异，却都可能孕育出规模庞大、壁垒坚固的企业。

A16Z指出，油井与管道并非对立，而是AI时代两种互补的财富逻辑。关键在于创始人能否清晰认知自身赛道，并持之以恒地执行。

01

油井路径：替代与重构

在能源行业早期，财富积累呈现两极分化。油井象征着“聚焦一点”，只要钻探一口高产油井，就能持续产生现金流，依托单一资源获得长期收益。

管道则意味着“连接成线”，它不直接拥有资源，而是成为资源流动的枢纽，通过规模化输送创造稳定回报。简而言之，油井依赖稀缺性，管道依靠连通性。两种策略都曾造就行业巨头。

如今的AI创始人面临类似抉择。要么选择“钻一口井”，深耕于某一具体工作流，吃透流程、数据和客户，最终形成完整的记录系统；要么选择“修一条管”，整合不同系统和流程，自动化需要人工决策和跨部门流转的任务。

两条道路虽不同，却都能孵化规模化公司，只是在构建方式、销售逻辑和护城河来源上各有差异。

回顾企业软件史，最盈利且最具韧性的B2B公司，几乎都是“记录系统”。例如ERP、CRM、HRM等系统，本质是通过掌控企业底层数据，将客户锁定在自身生态中，使工作流程产生依赖，从而构筑持久护城河。

人工智能的兴起，极大加速了这一趋势。相比三十年前笨重僵化的系统，如今的AI初创公司能提供数量级的效率提升。

旧系统在AI面前显得迟钝而脆弱。董事会和管理层已开始热议“引入AI”，这意味着销售周期缩短，替代机会正以前所未有的速度涌现。

“油井”策略最适合数据非结构化、分散在不同系统的场景。一旦有人能将杂乱数据整合为清晰模型，带来的客户体验提升将是颠覆性的。这种方法主要包含两类机遇：

第一类，替代与重构。

当旧系统因过于落后、问题频出，无法支撑AI时，初创公司可用全新的、AI原生的系统取而代之。只要新方案带来的提升足够显著，让客户认为替换旧系统物超所值，机会便应运而生。

例如，Valon从零构建了一套房贷服务系统，将以往分散在25个不同旧系统中的流程，全部整合进Valon OS。该系统能自动生成可审计账本、配置可编程工作流，并有AI助手协助合规检查和客户服务。结果，原本仅能盈亏平衡的业务，如今利润率超过60%。

再如，Vesta开发了全新的房贷审批系统。以往的数据架构落后，一个贷款流程同时只能由一人操作，导致审批常拖延30天以上。Vesta的系统支持多环节并行处理，将审批速度和准确性提升数倍。

第二类，从零起步。

当市场尚无成熟软件系统，许多流程依赖人工处理时，初创公司便有机会切入，先获取客户，再伴随客户共同成长。通常从中小企业起步，随功能完善逐步进军大企业市场。

例如，Rillet开发了AI驱动的ERP工具，能自动化财务工作，如月末结账、实时报表生成。许多早期客户此前仅依靠纸笔、Excel或Quickbooks记账。Rillet成为他们的首个正式系统，并陪伴其扩展壮大。如今，Rillet已能挑战NetSuite等传统系统。

这些拥有核心数据模型的公司，不仅能开发出难以复制的功能，还会使客户逐渐形成工作流依赖，从而产生极高的转换成本。正如油井，钻探周期漫长，但一旦成功，便能享有深厚且长期的护城河。

02

管道模式的最佳应用场景

传统观点认为，围绕记录系统构建可能仅是一种功能，不足以支撑一家公司。确实，在某些场景下，老牌企业能在发展中吸纳新的编排工具。

但现实是，许多传统“油井”根深蒂固，迁移成本极高，或受严格合规限制，难以快速转型。同时，市场对效率的需求比以往更加强烈。这为AI打开了新窗口：智能代理如今能承接以往因太小、太零散而未被覆盖的市场机会。

“管道”并非替换核心系统，而是将人类在系统间承担的“粘合工作”交给AI。例如：处理杂乱的非结构化信息、基于上下文判断、在不同流程和部门间协调任务。过去这些只能依靠人力，现在AI能接手，为软件解决历史遗留问题提供了巨大机遇。

具体而言，适合“管道”模式的场景主要有两种：

场景一：分散的遗留系统。

许多大公司使用了十几年的旧系统，彼此互不兼容。导致信息分散在各处，部门间协作低效。但将这些核心系统推倒重来，成本过高、周期太长，因此他们更看重“即时见效”。

此时，“管道”的价值凸显：它能统一不同系统间的数据和流程，如同在旧机器间添加“总控台”。

例如，Further为保险行业搭建了一个AI工作空间，可自动化纸质化流程，如报案、损失记录和合规。它利用少量常见行业文档（如保单、ACORD、SOV等），就能将原本分散的系统“串联”起来，形成顺畅的工作流。

场景二：人工“中间层”。

在许多行业，软件虽已存在，但运行仍需大量人工“补丁”。人力被迫充当系统间的“中间层”：搬运文件、录入数据、进行检查。

现在，大语言模型（LLMs）能接管这些工作，将原本依赖人力的操作流程数字化，实现规模化。这类机会以往无法解决，如今反成为“孕育独角兽”的新市场。

例如，Concourse为企业财务团队开发了AI助手，无需更换底层系统，就能接入公司所有财务软件，自动完成查询、分析、报告生成，取代过去数小时的人工操作。

Sola是一款AI原生的后台自动化工具。用户只需通过电脑插件录制一次操作流程，Sola便能生成一个实时运行、自适应调整的AI代理，执行如发票对账、理赔处理、数据录入等以往全靠人工的工作。

与“油井”相比，“管道”的魅力在于：它无需客户推倒重来。

企业中大量人工劳动，本质是系统间的“粘合剂”——手动传输文件、跨部门沟通、处理非结构化信息、结合上下文决策。这些工作正是AI的强项。

管道能快速减少人力投入，连接原本孤立的系统。随着时间推移，每接入一个新的工作流，平台价值就会复合增长，形成越来越强的用户粘性。

重要的是，客户不必二选一。在复杂的企业环境中，这两种需求常并存：部分业务需要全新的记录系统，部分环节仅需轻量自动化。真正需要做出选择的是创业者自身。

因此，关键并非“油井与管道哪个更好”，而是认清自己在进行哪种游戏：如果机会在于掌握关键数据，解锁全新工作流，就去挖掘油井；如果市场过于分散、劳动密集，无法一次性替换旧系统，就去铺设管道，通过自动化释放价值。

归根结底，油井与管道并非对立，而是两种互补的路径。

油井的价值在于掌握基本事实；管道的价值在于基于事实进行高效编排。两者都可能成就影响深远的公司。对创业者而言，最重要的不是兼顾二者，而是有意识地选择并坚定地走到终点。