基于 Microsoft M12 合伙人访谈的系统性分析导言AI 正在重塑整个软件行业。投资者问得最多的问题是哪些公司会被颠覆哪些会被增强哪些护城河会变得更深本文将从五个维度系统梳理 AI 时代软件创业的生态格局市场格局谁赢谁输护城河真正的壁垒投资视角泡沫与机会基础设施新基建的空白创业指南行动建议第一篇市场格局——谁赢谁输一、软件公司的三种命运1. 被颠覆的软件类型为什么被颠覆典型例子数据搬运工价值太薄Agent 可直接替代ETL 工具、数据同步软件RPA从录制-重复到推理-执行的质变UiPath 等传统 RPA单功能软件大模型可实时生成替代品医疗影像读取软件咨询/调研Agent 读资料的速度人类无法竞争市场调研、行业分析案例有人做核磁共振医生寄来 CD需要买几百美元的特殊软件才能读取。他把文件扔给 ClaudeClaude 实时生成代码就读出来了。2. 被增强的软件类型为什么被增强典型例子企业信息流枢纽Agent 需要这些平台的数据才能工作ServiceNow, Atlassian拥有独有数据的平台防火墙后的数据是 Agent 的燃料微软, Salesforce垂直领域专家深度 know-how 让 Agent 更强医疗、金融、供应链软件3. 不确定的公司AI Native 创业公司技术先进但缺乏数据和渠道传统软件转型中有数据但转型速度存疑二、大厂 vs 创业公司博弈分析大厂的优势优势说明数据积累服务全球企业积累海量生产数据和 know-how渠道壁垒企业采购流程复杂现有供应商有巨大惯性容错空间出问题可以兜底企业更放心合规资质FedRAMP 等认证需要 3 年 500-1500 万美元大厂的劣势劣势说明具体产品资源有限大公司虽大但具体产品只是小团队在做自我革命有阻力现有产品赚钱内部创新有惯性试错成本高客户不原谅错误动作保守只做通用需求大厂专注 80% 的市场无暇顾及垂直领域创业公司的策略空间大厂做 80% 通用需求 → 创业公司做 1% 垂直领域 大厂跑得慢 → 创业公司跑得快 大厂怕犯错 → 创业公司敢试错核心结论不要怕被大厂淹没。大公司做具体产品时资源和速度都有限。你的优势是速度和专注。三、微软的护城河变强了还是变弱了变强了非常强。护城河为什么变强数据优势服务全球企业看到海量生产数据和 know-how渠道优势企业采购不只是技术决策还有销售关系、合规流程生态优势一旦 Agent 质量提升用户体验可以做得很好GitHub Copilot 体验确实还有提升空间但微软有庞大的用户群体。一旦需要质量提升可以做得很好。第二篇护城河——真正的壁垒一、核心公式Context is KingAgent 需要两样东西才能发挥作用大量的上下文Context真实的数据Ground Truth而这两样东西做 Agent 的公司往往没有——它们是从外向内的视角。二、三大护城河1. Workflow Know-how工作流经验多年积累的业务流程经验别人无法复制代表Atlassian、ServiceNow2. 独有企业数据对比数据量GPT-4 训练数据1.5 PB一家大企业防火墙后15-30 PB真正有价值的数据都在防火墙后面做 Agent 的公司拿不到。这就是护城河。3. 渠道与分发企业采购的复杂性非技术层面的信任关系复杂的合规流程销售团队懂不懂卖给 Enterprise vs SMB现有供应商的惯性这个护城河很难跨越不是技术好就能突破的。三、创业公司的护城河在哪既然数据、渠道都在大厂手里创业公司怎么办答案垂直领域的深度 Know-how大厂创业公司做 80% 通用需求做 1% 垂直领域技术门槛低Know-how 门槛高谁都能用 AI 写代码但只有你懂这个行业的细节差异化来自 know-how不是技术。你在一个行业泡了很多年知道别人不知道的细节这才是壁垒。第三篇投资视角——泡沫与机会一、万亿投资的缺口指标数值AI 投资总额接近万亿级最大 AI 公司年化 ARR不足百亿资金缺口约8000 亿美元未来 3-5 年这些公司需要产生约 8000 亿美元的收入才能 justify 前面的投资。二、泡沫在哪里1. 早期公司定价过高创始人背景厉害技术刚起步就融几亿甚至十亿种子轮FOMO错过恐惧症情绪明显2. GPU 使用率极低问题数据GPU 集群使用率30%-40%甚至更低训练/推理失败率高达 70%失败原因软件层、硬件连接、光纤温感等3. 解决方向不是一味新建数据中心而是提升现有效率GPU 虚拟化类似 VM、Docker新硬件技术毫米波替代光纤三、AI 落地的不平衡AI 部署不是齐头并进的跑得快的领域代码生成内容创作客服/销售跑得慢的领域传统制造业医疗健康强监管行业差异的原因往往不是技术而是监管、隐私、法律、行业惯性。第四篇基础设施——新基建的空白一、Agent 支付下一个爆发点现状真正的 Agent 支付几乎没有还停留在叙事和实验阶段。三大挑战挑战说明法律限制Agent 不能持有个人信用卡违反 PCI Compliance身份问题Agent 需要自己的可验证、可审计身份支付场景变化一对一 → 一对多 → 多对多单次支付 → 微支付 → 流支付现有方案的局限方案局限虚拟卡成本高、速度慢、还是依赖真人身份Tokenized Credentials跳过虚拟卡但仍依赖真人真正的 Agent Native 支付需要什么Agent 有独立身份身份可验证、可审计支持一对多、微支付、流支付传统支付轨道解决不了需要全新基础设施。Web3/Crypto 在复杂场景下可能有潜力。二、Agent 安全全新的攻击面Agent 创造了全新的安全挑战挑战说明解决方向Agent IdentityAgent 需要独立身份不能借用人类身份新的身份认证体系Runtime Security实时监控 Agent 在做什么是否合规运行时监控工具Model Security防止 Prompt Injection、数据泄露Red Teaming、Pen Testing主动防御传统被动防御无法应对 Agent 速度从被动转向主动传统防火墙、身份认证解决不了这些问题。三、代码审查AI 时代的刚需AI 写代码的边界层面AI 能否胜任应用层代码✅ 可以底层代码数据库引擎等❌ 不行原因复杂度太高远超 Agent 能力底层代码需要 100% 可靠99% 不行底层一出错公司可能面临毁灭性打击新机会AI Code Review机器写的代码越来越多谁来 reviewCodeRabbit、Code、GrabTile 等公司快速增长机器产生的代码质量存疑需要机器来审查更深的机会设计层面的 AI真正能看到更多 context 的地方是软件设计层面Jira 的 ticket 信息Slack 的讨论Notion 的文档在早期设计阶段就嵌入 AI确保合规和风险控制在设计时就被考虑。第五篇创业指南——行动建议一、赛道选择要避开类型原因纯工具类软件价值太薄容易被替代数据搬运工Agent 可以直接完成单功能软件大模型可实时生成替代品通用需求大厂会覆盖 80% 市场要选择类型原因有数据沉淀的平台Context is King工作流 know-how别人无法复制垂直领域深度解决方案大厂无暇顾及检验标准你的产品是否在积累别人拿不到的上下文二、融资策略策略理由速度 估值合理估值 好投资人 高估值大额融资拆小3000-5000 万拆成多轮milestone 更小跑得更快财务 战略组合财务投资人领头价格/条款专业 战略投资人跟投资源/信号强三、团队搭建建议理由技术 商业互补技术强但不懂市场是常见问题跨领域背景产品要卖给其他行业需要懂的人跳出舒适圈不要只找背景相似的人如全是华人早期考虑 go-to-market需要能做市场的人四、心态建议不要怕大厂大公司有资源但具体产品是小团队在做有现有业务的包袱跑不快你作为创业公司没有包袱试错成本低可以用最新技术跑得快就是优势。技术不是壁垒know-how 才是AI 时代技术门槛被大幅降低了。用 Cursor、Codex、Lovable任何人都能快速做出一个像样的产品。但这也意味着技术本身不再是壁垒。真正的壁垒是你对一个领域的深度理解你在那个领域积累的数据和工作流 know-how你建立的渠道和客户关系这些是 AI 拿不走的东西。五、M12 的投资方向领域代表公司逻辑新硬件/光学芯片NeuroFos, D-Matrix提升算力效率数据质量MicroOne高质量数据是壁垒AI 网络安全Hidden Layer, Rich SecurityAgent 创造新攻击面模型评估Arise模型性能评估垂直应用Dideril供应链垂直 know-how游戏 世界模型—世界模型的天然场景区块链 AI—Agent 身份管理、支付结语AI 时代的软件创业核心问题不是用 AI 做什么而是在哪个领域用 AI。选择一个你深度理解的垂直领域做别人做不了的事——这才是 AI 时代软件创业的正确姿势。核心金句“Context is King”“真正的护城河是 workflow know-how 和独有的企业数据”“技术门槛降低了差异化来自对垂直领域的深度理解”“跑得快就是优势”“Know-how 是终极壁垒” AI 时代的软件创业：微软 M12 合伙人深度解读
基于 Microsoft M12 合伙人访谈的系统性分析导言AI 正在重塑整个软件行业。投资者问得最多的问题是哪些公司会被颠覆哪些会被增强哪些护城河会变得更深本文将从五个维度系统梳理 AI 时代软件创业的生态格局市场格局谁赢谁输护城河真正的壁垒投资视角泡沫与机会基础设施新基建的空白创业指南行动建议第一篇市场格局——谁赢谁输一、软件公司的三种命运1. 被颠覆的软件类型为什么被颠覆典型例子数据搬运工价值太薄Agent 可直接替代ETL 工具、数据同步软件RPA从录制-重复到推理-执行的质变UiPath 等传统 RPA单功能软件大模型可实时生成替代品医疗影像读取软件咨询/调研Agent 读资料的速度人类无法竞争市场调研、行业分析案例有人做核磁共振医生寄来 CD需要买几百美元的特殊软件才能读取。他把文件扔给 ClaudeClaude 实时生成代码就读出来了。2. 被增强的软件类型为什么被增强典型例子企业信息流枢纽Agent 需要这些平台的数据才能工作ServiceNow, Atlassian拥有独有数据的平台防火墙后的数据是 Agent 的燃料微软, Salesforce垂直领域专家深度 know-how 让 Agent 更强医疗、金融、供应链软件3. 不确定的公司AI Native 创业公司技术先进但缺乏数据和渠道传统软件转型中有数据但转型速度存疑二、大厂 vs 创业公司博弈分析大厂的优势优势说明数据积累服务全球企业积累海量生产数据和 know-how渠道壁垒企业采购流程复杂现有供应商有巨大惯性容错空间出问题可以兜底企业更放心合规资质FedRAMP 等认证需要 3 年 500-1500 万美元大厂的劣势劣势说明具体产品资源有限大公司虽大但具体产品只是小团队在做自我革命有阻力现有产品赚钱内部创新有惯性试错成本高客户不原谅错误动作保守只做通用需求大厂专注 80% 的市场无暇顾及垂直领域创业公司的策略空间大厂做 80% 通用需求 → 创业公司做 1% 垂直领域 大厂跑得慢 → 创业公司跑得快 大厂怕犯错 → 创业公司敢试错核心结论不要怕被大厂淹没。大公司做具体产品时资源和速度都有限。你的优势是速度和专注。三、微软的护城河变强了还是变弱了变强了非常强。护城河为什么变强数据优势服务全球企业看到海量生产数据和 know-how渠道优势企业采购不只是技术决策还有销售关系、合规流程生态优势一旦 Agent 质量提升用户体验可以做得很好GitHub Copilot 体验确实还有提升空间但微软有庞大的用户群体。一旦需要质量提升可以做得很好。第二篇护城河——真正的壁垒一、核心公式Context is KingAgent 需要两样东西才能发挥作用大量的上下文Context真实的数据Ground Truth而这两样东西做 Agent 的公司往往没有——它们是从外向内的视角。二、三大护城河1. Workflow Know-how工作流经验多年积累的业务流程经验别人无法复制代表Atlassian、ServiceNow2. 独有企业数据对比数据量GPT-4 训练数据1.5 PB一家大企业防火墙后15-30 PB真正有价值的数据都在防火墙后面做 Agent 的公司拿不到。这就是护城河。3. 渠道与分发企业采购的复杂性非技术层面的信任关系复杂的合规流程销售团队懂不懂卖给 Enterprise vs SMB现有供应商的惯性这个护城河很难跨越不是技术好就能突破的。三、创业公司的护城河在哪既然数据、渠道都在大厂手里创业公司怎么办答案垂直领域的深度 Know-how大厂创业公司做 80% 通用需求做 1% 垂直领域技术门槛低Know-how 门槛高谁都能用 AI 写代码但只有你懂这个行业的细节差异化来自 know-how不是技术。你在一个行业泡了很多年知道别人不知道的细节这才是壁垒。第三篇投资视角——泡沫与机会一、万亿投资的缺口指标数值AI 投资总额接近万亿级最大 AI 公司年化 ARR不足百亿资金缺口约8000 亿美元未来 3-5 年这些公司需要产生约 8000 亿美元的收入才能 justify 前面的投资。二、泡沫在哪里1. 早期公司定价过高创始人背景厉害技术刚起步就融几亿甚至十亿种子轮FOMO错过恐惧症情绪明显2. GPU 使用率极低问题数据GPU 集群使用率30%-40%甚至更低训练/推理失败率高达 70%失败原因软件层、硬件连接、光纤温感等3. 解决方向不是一味新建数据中心而是提升现有效率GPU 虚拟化类似 VM、Docker新硬件技术毫米波替代光纤三、AI 落地的不平衡AI 部署不是齐头并进的跑得快的领域代码生成内容创作客服/销售跑得慢的领域传统制造业医疗健康强监管行业差异的原因往往不是技术而是监管、隐私、法律、行业惯性。第四篇基础设施——新基建的空白一、Agent 支付下一个爆发点现状真正的 Agent 支付几乎没有还停留在叙事和实验阶段。三大挑战挑战说明法律限制Agent 不能持有个人信用卡违反 PCI Compliance身份问题Agent 需要自己的可验证、可审计身份支付场景变化一对一 → 一对多 → 多对多单次支付 → 微支付 → 流支付现有方案的局限方案局限虚拟卡成本高、速度慢、还是依赖真人身份Tokenized Credentials跳过虚拟卡但仍依赖真人真正的 Agent Native 支付需要什么Agent 有独立身份身份可验证、可审计支持一对多、微支付、流支付传统支付轨道解决不了需要全新基础设施。Web3/Crypto 在复杂场景下可能有潜力。二、Agent 安全全新的攻击面Agent 创造了全新的安全挑战挑战说明解决方向Agent IdentityAgent 需要独立身份不能借用人类身份新的身份认证体系Runtime Security实时监控 Agent 在做什么是否合规运行时监控工具Model Security防止 Prompt Injection、数据泄露Red Teaming、Pen Testing主动防御传统被动防御无法应对 Agent 速度从被动转向主动传统防火墙、身份认证解决不了这些问题。三、代码审查AI 时代的刚需AI 写代码的边界层面AI 能否胜任应用层代码✅ 可以底层代码数据库引擎等❌ 不行原因复杂度太高远超 Agent 能力底层代码需要 100% 可靠99% 不行底层一出错公司可能面临毁灭性打击新机会AI Code Review机器写的代码越来越多谁来 reviewCodeRabbit、Code、GrabTile 等公司快速增长机器产生的代码质量存疑需要机器来审查更深的机会设计层面的 AI真正能看到更多 context 的地方是软件设计层面Jira 的 ticket 信息Slack 的讨论Notion 的文档在早期设计阶段就嵌入 AI确保合规和风险控制在设计时就被考虑。第五篇创业指南——行动建议一、赛道选择要避开类型原因纯工具类软件价值太薄容易被替代数据搬运工Agent 可以直接完成单功能软件大模型可实时生成替代品通用需求大厂会覆盖 80% 市场要选择类型原因有数据沉淀的平台Context is King工作流 know-how别人无法复制垂直领域深度解决方案大厂无暇顾及检验标准你的产品是否在积累别人拿不到的上下文二、融资策略策略理由速度 估值合理估值 好投资人 高估值大额融资拆小3000-5000 万拆成多轮milestone 更小跑得更快财务 战略组合财务投资人领头价格/条款专业 战略投资人跟投资源/信号强三、团队搭建建议理由技术 商业互补技术强但不懂市场是常见问题跨领域背景产品要卖给其他行业需要懂的人跳出舒适圈不要只找背景相似的人如全是华人早期考虑 go-to-market需要能做市场的人四、心态建议不要怕大厂大公司有资源但具体产品是小团队在做有现有业务的包袱跑不快你作为创业公司没有包袱试错成本低可以用最新技术跑得快就是优势。技术不是壁垒know-how 才是AI 时代技术门槛被大幅降低了。用 Cursor、Codex、Lovable任何人都能快速做出一个像样的产品。但这也意味着技术本身不再是壁垒。真正的壁垒是你对一个领域的深度理解你在那个领域积累的数据和工作流 know-how你建立的渠道和客户关系这些是 AI 拿不走的东西。五、M12 的投资方向领域代表公司逻辑新硬件/光学芯片NeuroFos, D-Matrix提升算力效率数据质量MicroOne高质量数据是壁垒AI 网络安全Hidden Layer, Rich SecurityAgent 创造新攻击面模型评估Arise模型性能评估垂直应用Dideril供应链垂直 know-how游戏 世界模型—世界模型的天然场景区块链 AI—Agent 身份管理、支付结语AI 时代的软件创业核心问题不是用 AI 做什么而是在哪个领域用 AI。选择一个你深度理解的垂直领域做别人做不了的事——这才是 AI 时代软件创业的正确姿势。核心金句“Context is King”“真正的护城河是 workflow know-how 和独有的企业数据”“技术门槛降低了差异化来自对垂直领域的深度理解”“跑得快就是优势”“Know-how 是终极壁垒”