作者： Naman Bhansali

編譯：深潮TechFlow

深潮導讀：在新科技普及的初期，人們總是會產生一種「技術平權」的幻覺：當攝影、音樂創作或軟體開發變得輕而易舉，競爭優勢是否就會隨之消失？ Warp 創辦人Naman Bhansali 結合其從印度小鎮跨越到MIT 的個人經歷，以及在AI 領航payroll 賽道的創業實踐，深刻揭示了一個反直覺的真相：技術越是降低門檻（Floor），行業的天花板（Ceiling）反而升得越高。

在這個執行力變得廉價、甚至可以被AI 「振動編碼」（vibecoded）的時代，作者認為真正的護城河已不再是單純的流量分發，而是難以偽造的「美學」（Taste）、對複雜系統底層邏輯的深度洞察，以及願意在十年尺度上持續複利的耐心。這篇文章不僅是對AI 創業的冷思考，更是對「平民科技導致貴族結果」這一冪律法的有力論證。

全文如下：

每當一項新技術降低了准入門檻，同樣的預測總是會接踵而至：既然現在每個人都能做到，那麼誰都不再擁有優勢。拍照手機讓每個人都成了攝影師；Spotify 讓每個人都成了音樂家；AI 則讓每個人都成了軟體開發者。

這類預測總是對了一半：底線（The floor）確實上升了。更多的人參與創造、更多的人發布產品、更多的人加入競爭。但這種預測總是忽略了天花板（The ceiling）。天花板上升的速度更快。而底線與天花板之間——即中位數水平與頂級水平之間——的差距並沒有縮小，反而正在擴大。

這就是冪律法（Power laws）的特徵：它不在乎你的意圖。平權的技術總是產生貴族化的結果。每一次都是如此。

AI 也不會例外，甚至會表現得更極端。

市場的演變形態

當Spotify 發佈時，它做了一件真正激進的事：它讓地球上的任何音樂人都能獲得以前只有唱片公司、行銷預算和極佳運氣才能觸及的分發管道。結果是音樂產業的爆發——數百萬新藝人湧現，數十億首新歌發布。底線確實如承諾的那樣升高了。

但隨後發生的事是：頂尖1% 的藝人現在捕獲的播放量比例比CD 時代還要大。不是變小了，而是變大了。更多的音樂、更多的競爭、更多尋找優質內容的途徑，使得不再受地理位置或貨架空間限制的聽眾們，紛紛向最頂尖的作品靠攏。 Spotify 沒有實現音樂的大同，它只是加劇了這場錦標賽。

同樣的故事也發生在寫作、攝影和軟體領域。網路催生了歷史上數量最多的作者，但也產生了一個更殘酷的注意力經濟。更多的參與者，更高的頂層賭注，同樣的基本形態：極少數人獲取了絕大部分價值。

我們對此感到驚訝，是因為我們習慣用線性思維思考──我們期望生產力的提升能像往扁平容器裡倒水一樣均勻分佈。但大多數複雜系統並非如此運作，它們從未如此。冪律分佈並非市場的怪癖或技術的失信，它是大自然的預設值。技術並沒有創造它，技術只是揭示了它。

想想克萊伯定律（Kleiber's Law）。在地球上的所有生物中——從細菌到藍鯨，跨越27 個數量級的體重規模——代謝率與體重的0.75 次方成比例。鯨魚的新陳代謝並非比例的鯨魚規模。這種關係是一個冪律，而且在幾乎所有生命形態中都保持著極高的精確度。沒有人設計了這種分佈，它只是能量在複雜系統中遵循其內在邏輯時所呈現的形態。

市場就是複雜系統，注意力是一種資源。當摩擦力消失——當地理、貨架空間和分發成本不再起到緩衝作用時——市場會向其自然形態收斂。這個形態不是常態分佈的鐘形曲線，而是冪律。平權的故事與貴族化的結果並存，這正是為什麼每項新技術都會讓我們猝不及防。我們看到底線在升高，便假設天花板也以同樣的速度跟隨。事實並非如此，天花板正在加速遠離。

AI 對這項進程的推動將比以往任何技術都更快、更狠。底線正在即時升高——任何人都可以發布產品、設計介面、編寫生產環境程式碼。但天花板也在升高，且升得更快。值得追問的問題是：究竟是什麼決定了你最終的位置？

當執行力變得廉價，美感成為訊號

1981 年，史蒂夫·賈伯斯（Steve Jobs）堅持認為初代Macintosh 內部的電路板必須是美觀的。不是外觀，而是內部——那位客戶永遠看不到的部分。他的工程師覺得他瘋了。但他沒瘋。他理解了一些容易被斥為完美主義、但實際上更接近某種證明的東西：你做任何事的方式，就是你做所有事的方式。一個能把隱蔽部分做得美觀的人，不是在表演質量，而是他在性格上就無法容忍發布任何次品。

這很重要，因為信任很難建立，卻很容易在短時間內偽造。我們不斷地運行啟發式判斷（Heuristics），試圖搞清楚誰是真正的卓越，誰只是在表演卓越。憑證（Credentials）有幫助但可以被操縱；出身（Pedigree）有幫助但可以被繼承。真正難以偽造的是美學（Taste）——即一種持久的、可觀察到的、對某種無人要求的標準的高度堅持。賈伯斯不必把電路板做得那麼美。他這麼做了，這件事本身就告訴了你，在你看不見的地方他會怎麼做。

在過去十年的大部分時間裡，這種訊號在某種程度上被掩蓋了。在SaaS 的鼎盛時期（大約2012 年到2022 年），執行力變得如此標準化，以至於分發（Distribution）成了真正的稀缺資源。如果你能有效率地獲取客戶，建立銷售機器，達到「40 原則」（Rule of 40）——產品本身幾乎不重要。只要你的進入市場（Go-to-market）策略夠強，你就可以靠著一個平庸的產品獲勝。美感所發出的訊號被淹沒在成長指標的噪音中。

AI 徹底改變了訊號雜訊比。當任何人都可以在一個下午產生一個功能性的產品、精美的介面和可運行的程式碼庫時，一件東西「是否好用」便不再是差異化因素。問題變成了：這東西是否真的卓越？這個人是否知道「好」與「卓越」（Insanely great）之間的區別？即使沒人強迫，他們是否足夠在乎去彌合那最後一點差距？

對於業務關鍵型軟體（Business-critical software）來說尤其如此——那些處理發薪、合規、員工資料的系統。這些不是你可以隨意試用並在下個季度放棄的產品。切換成本是真實存在的，故障模式是嚴重的，部署系統的人要為後果負責。這意味著在簽約之前，他們會執行所有的信任啟發式判斷。一個美觀的產品是能發出的最響亮的信號之一。它在說：建造它的人很用心。他們在乎你肉眼可見的部分，這意味著他們也很可能在乎你看不見的部分。

在執行力廉價的世界裡，美感就是工作量證明（Proof of work）。

新階段獎勵什麼

這套邏輯一直成立，但在過去十年中，市場環境讓它幾乎不可見。曾幾何時，軟體產業最重要的技能甚至與軟體本身無關。

在2012 年到2022 年間，SaaS 的核心架構已經定型。雲端基礎設施廉價且標準化，開發工具趨於成熟。建立一個功能性產品雖然困難，但那是一種「已被解決的難」——你可以透過招募來搞定，遵循既定的模式，只要資源充足就能達到及格線。真正稀缺的、能將贏家與庸才區分開來的是分發能力。你能否高效率獲取客戶？能否建立可重複的銷售動作？你是否足夠了解單元經濟模型（Unit economics），從而在正確的時刻為增長之火添柴加薪？

在那個環境下如魚得水的創辦人大多來自銷售、顧問或金融領域。他們對那些在十年前聽起來像天書的指標瞭如指掌：淨金額留存率（NDR）、平均合約價值（ACV）、魔力指數（Magic number）、40 原則。他們生活在電子表格和銷售管線審核中，在那個脈絡下，他們確實是正確的。 SaaS 巔峰期催生了巔峰期的SaaS 創辦人。這是一種理性的演化適配。

但我卻感到窒息。

我成長於印度一個擁有2.5 億人口的州的小鎮。每年全印度只有大約三名學生能考入麻省理工學院（MIT）。毫無例外，他們都來自德里、孟買或班加羅爾昂貴的預科學校——那些專門為此目標而建立的機構。我是我所在州歷史上第一個考上MIT 的人。我提這件事不是為了炫耀，而是因為這是本文論點的一個微縮版：當准入門檻受限時，出身（Pedigree）預測結果；當准入門檻開放時，深耕的人（Deep people）總會勝出。在一個滿是出身名門者的房間裡，我是一個靠深度取勝的籌碼。這也是我唯一知道的下注方式。

我學習了物理、數學和電腦科學，在這些領域中，最深刻的洞察並非來自流程優化，而是看到了別人錯過的真相。我的碩士論文是關於分散式機器學習訓練中的落後者緩解（Straggler mitigation）：當你在大規模運行系統時，如果部分環節落後了，你該如何在不損害整體完整性的情況下優化這一約束。

當我二十出頭看向創業世界時，我看到的是一個這些深度洞察都顯得無關緊要的圖像。市場的溢價給了「進入市場」（Go-to-market），而非產品本身。建構技術卓越的東西似乎顯得有些天真——那被視為對「真遊戲」（即獲客、留存和銷售速度）的干擾。

隨後，在2022 年底，環境改變了。

ChatGPT 所展現的——以一種比多年研究論文更直觀、更震撼的方式——是曲線已經彎曲了。一個新的S 曲線已經開啟。階段性的轉換（Phase transitions）不會獎勵那些最能適應前階段的人，而是獎勵那些能在別人還沒看清價格前，就洞察到新階段無限可能的人。

於是我辭掉工作，創立了Warp。

這場賭注非常具體。美國有800 多個稅務機構——聯邦、州、地方——每個都有自己的申報要求、截止日期和合規邏輯。這裡沒有API，沒有程式化的存取介面。幾十年來，每個薪資服務提供者（Payroll provider）都以同樣的方式處理這個問題：堆人。成千上萬的合規專家透過手動方式，在這些從未被設計為規模化運作的系統中周旋。傳統巨頭——ADP、Paylocity、Paychex——圍繞著這種複雜性建立了完整的商業模式，他們不是去解決複雜性，而是將其吸收進員工人數中，並將成本轉嫁給客戶。

在2022 年，我能看到AI 智能體（Agents）還是脆弱的。但我也能看到改進的曲線。深耕於大規模分散式系統、近距離觀察模型演進軌跡的人，可以下一場精準的賭注：當時脆弱的技術，在幾年內將變得無比強大。所以我們下注了：從第一原理出發建立一個AI 原生平台，從該類別中最難的工作流程切入——那個因為架構限製而導致傳統巨頭永遠無法自動化的工作流程。

現在，這個賭注正在兌現。但更宏觀的一點在於模式辨識。 AI 時代的技術型創辦人不僅擁有工程優勢，更擁有洞察優勢。他們能看到不同的切入點，下不同的賭注。他們能審視一個被所有人預設為「永久複雜」的系統，並追問：要實現真正的自動化需要什麼？然後，關鍵在於，他們能親手建構出答案。

巔峰SaaS 時代的霸主是約束條件下的理性最佳化者。而AI 正在移除這些約束，並安裝新的約束。在新的環境下，稀缺資源不再是分發，而是洞察可能性的能力——以及將其建構到應有標準的美學與信念。但還有一個決定一切的第三變量，而這正是大多數AI 時代的創始人們正在犯下災難性錯誤的地方。

高速中的長線遊戲

現在的創業圈流行著這樣一個迷因（Meme）：你有兩年的時間來逃離永久底層。快建、快融、要嘛退出（Exit）要嘛完蛋。

我理解這種心態從何而來。 AI 的演進速度讓人感受到某種生存危機，抓住浪潮的窗口期似乎極窄。在Twitter 上看到一夜成名故事的年輕人理所當然地認為，遊戲的本質在於速度——贏家是那些在最短時間內跑得最快的人。

這在完全錯誤的維度上卻是正確的。

執行速度確實至關重要。我對此深信不疑──這甚至刻在了我公司名字裡（Warp）。但執行的速度不等於視野的短淺。在AI 時代能夠建立最有價值公司的創辦人，不是那些衝刺兩年就套現的人。而是那些衝刺十年，享受複利的人。

短視主義錯在：軟體中最有價值的東西——私有資料、深度的客戶關係、真實的切換成本、監管層面的專業知識——都需要數年時間積累，且無論競爭對手帶來多少資本或AI 能力，都無法被快速複製。當Warp 為跨州公司處理發薪時，我們正在累積數千個司法管轄區的合規資料。每一個解決的稅務通知、每一個處理過的邊界案例、每一個完成的州政府登記，都在訓練一個隨著時間流逝而變得越來越難以被複製的系統。這不是一個功能點，這是一條護城河，它之所以存在，是因為我們以極高的質量深耕了足夠長的時間，以至於它產生了質量密度。

這種複利在第一年是看不見的。在第二年若隱若現。到第五年，它就是遊戲的全部。

Snowflake 的前CEO Frank Slootman 曾經建立並規模化了比現存任何人都多的軟體公司，他對此言簡意賅：要習慣於「不舒服」的狀態。不是為了短跑，而是將其作為一種永久狀態。新創公司早期的「戰爭迷霧」——那種方向迷失感、不完整的資訊、以及不得不做出行動決策的要求——並不會在兩年後消失。它只是在演變，新的不確定性會取代舊的。能夠持久的創始人不是那些找到了確定性的人，而是那些學會了在迷霧中清晰移動的人。

建立一家公司是極其殘酷的，這種殘酷很難向沒做過的人傳達。你活在持續的輕微恐懼中，並時不時被更高等級的恐怖所點綴。你在資訊不全的情況下做出數千個決定，深知只要一連串錯誤的決定就會導致終結。你在Twitter 上看到的那些「一夜成功」不僅是冪律分佈中的離群值，更是離群值中的極端。根據這些案例來優化你的策略，就像是透過研究那些跑錯路、誤打誤撞跑完5 公里的人的成績，來為馬拉松做訓練。

所以為什麼要這麼做？不是因為舒服，不是因為勝算大。而是因為對某些人來說，不這樣做就感覺不是在真正地生活。因為唯一比「從無到有建構某物」的恐懼更糟糕的，是「不曾嘗試」所帶來的無聲窒息。

而且——如果你賭對了，如果你看到了別人尚未定價的真相，如果你在足夠長的周期內以美學和信念去執行——結果將不僅是財務上的。你建構了一個真正改變人們工作方式的東西。你創造了一個人們熱愛使用的產品。你在你親手建構的事業中，僱用並成就了那些在這裡發揮出最佳水準的人。

這是一個十年的計畫。 AI 改變不了這一點，它從未改變。

AI 改變的是，對於那些能夠堅持到最後看個究竟的創始人來說，這十年所能達到的天花板（Ceiling）。

無人關注的天花板

那麼，在這一切的彼岸，軟體究竟會呈現出什麼樣的面貌呢？

樂觀主義者說AI 創造了富足——更多的產品、更多的建設者、更多的價值分配給更多的人。他們是對的。悲觀主義者說AI 摧毀了軟體的護城河——任何東西都可以在一個下午被複製，防禦性已死。他們也部分正確。但這兩派都盯著底線（The floor），沒人注意天花板（The ceiling）。

未來將會出現成千上萬的單點解決方案（Point solutions）－微小、功能性、由AI 產生的工具，足以勝任解決某些狹窄的問題。其中許多甚至不是由公司建構的，而是由個人或內部團隊為了解決自己的痛點而開發的。對於某些低門檻、易替換的軟體類別，市場將實現真正的民主化。底線很高，競爭異常激烈，利潤空間則薄如蟬翼。

但對於業務關鍵型軟體（Business -critical software）——那些處理資金流動、合規、員工資料和法律風險的系統——情況則截然不同。這些都是容錯率極低的工作流程。當發薪系統故障時，員工就拿不到錢；當稅務申報出錯時，國稅局（IRS）會上門；當福利繳納在開放投保期斷檔時，真實的人會失去保障。選擇軟體的人必須為後果負責。這種責任感是無法外包給一個在下午靠「感性編碼」（vibecoded）拼湊出來的AI 的。

對於這些工作流程，企業將繼續信任供應商。在這些供應商中， 「贏家通吃」的動態將比前幾代軟體更加極端。這不僅是因為網路效應更強（儘管事實的確如此），更因為一個在大規模運行、於數百萬次交易和數千個合規邊緣案例中積累私有數據的AI 原生平台，其複利優勢讓後來者幾乎無法實現“原地起跳式”的追趕。護城河不再是一個功能集，而是在一個懲罰錯誤的領域中，長期維持高標準運作所沉澱的品質。

這意味著軟體市場的整合程度將超過SaaS 時代。我預期十年後的HR 和發薪領域，不會出現20 家各佔個位數市佔率的公司。我預計會由兩到三個平台佔據絕大部分價值，而一長串單點解決方案幾乎分不到一杯羹。同樣的模式將發生在每一個合規複雜性、資料累積和切換成本共同發揮作用的軟體類別中。

處於這些分佈頂端的公司看起來會非常相似：由具有真實產品美學的技術型人才創立；從第一天起就構建在AI 原生架構上；在那些現任巨頭如果不拆解現有業務就無法做出結構性響應的市場中運營。他們很早就下了一場獨特的洞察力賭注——看到了AI 創造的某種尚未被定價的真相——然後堅持了足夠長的時間，直到複利變得清晰可見。

我一直在抽像地描述這類創辦人。但我非常清楚他是誰，因為我正努力成為他。

我在2022 年創立Warp，是因為我相信員工營運的整個堆疊——發薪、稅務合規、福利、入職、設備管理、HR 流程——都建立在手工勞動和舊架構的基礎之上，而AI 可以徹底取代它們。不是改進，而是取代。老牌巨頭透過將複雜性吸收進員工人數中建立了價值十億美元的業務；而我們將透過從源頭消除複雜性來建立事業。

三年的時間證明了這個賭注。自推出以來，我們已經處理了超過5 億美元的交易，正在快速成長，並為那些建立世界上最重要技術的公司提供服務。每個月，我們累積的合規資料、處理過的邊緣案例、建構的集成，都讓平台變得更難以被複製，對客戶也更有價值。護城河尚在早期，但它已經初具規模，並且正在加速。

我告訴你這些，並不是因為Warp 的成功是命中註定的——在冪律分佈的世界裡，沒有什麼事是命中註定的——而是因為引導我們走到這裡的邏輯，正是我在全文中描述的邏輯：看到真相。比任何人都鑽得更深。建立一個無需外部壓力也能維持的高標準。堅持足夠長的時間，去看看你是否正確。

AI 時代的卓越公司，將由那些理解了以下道理的人建立：准入從未是稀缺資源，洞察力（Insight）才是；執行力從未是護城河，美學（Taste）才是；速度從未是優勢，深度（Depth）才是。

冪律法則不在乎你的意圖。但它獎賞正確的意圖。