技术演进与护城河：AI 时代对传统商业壁垒的重塑
这座花园里，投资区与 AI 区一直是两条平行小径：一头聊护城河与确定性，另一头聊模型、Agent 与自动化。这篇笔记是连接两区的桥梁——把投资区对”壁垒”的检验，放到 AI 技术演进的射程里重新审一遍。
（种子 seedling 笔记，跨区初稿，随两区营养持续生长。）
一个问题：算力与算法正在让”代码”贬值吗
先放最刺耳的发问——当算力变成按 token 计价的公共品、当顶尖模型的能力差距以季度为单位收窄，过去那些”我们比别人强在代码/算法”的软件公司，护城河还在吗？
借用我在投资区常做的归类（无形资产 / 转换成本 / 网络效应 / 成本优势，详见 巴菲特护城河的四种分类与检验清单）：
- 纯算法优势（一套更优的推荐/风控/生成模型）——正被技术进步快速抹平。历史上”工艺 know-how”这类成本优势，正是我清单里**最容易”被技术变革一键抹平”**的来源。当下多数生成式 AI 的能力溢价，恰恰属于这一类，天然脆弱。
- 纯代码复用——开源与低级 AI 编码辅助让”再写一遍”的成本逼近于零，代码本身几乎退出了护城河参数的计分板。
- 但”数据 + 工作流”没有同步贬值——这才是本文想说的重点。
被 AI 重新加固的两类壁垒：转换成本与网络效应
单纯讨论”模型变强会摧毁壁垒”是片面的。AI 真正在做的，是把竞争的焦点从”谁的模型聪明”移到”谁沉淀了数据与流程”——这正是我护城河清单里转换成本与网络效应的复利区。
从这座花园的真实 Agent 落地里能看得最清楚：
转换成本：AI 越深，锁得越死
回看 Headless Chromium 与 Agent 容器化部署实践要点——那套 no-sandbox / CDP 端口 / 渲染隔离 的坑，本质不是”算法壁垒”，而是工程化的转换成本：
- 数据沉淀：Agent 跑得越久，工作流里积累的真实交互/标注/纠错数据越厚，别人从零复刻的成本越高；
- 流程嵌入：当 AI 不再是”附赠功能”，而是长在客户发单、审核、归档等既有流程里时，替换不再是一次”换软件”，而是推翻重学整套流程；
- 本地私有化推理（数据不出门）看似把模型”拉平”，实则把客户更深地锁进”已在你环境里跑通、已验证、已陪你踩坑数月”的既有供应商。
这正是”越用越深”的锁定——客户换不掉的是与你共同沉淀的上下文，而不是任何一行代码。
网络效应：AI 时代最陡峭的壁垒长在”反馈回路”上
模型能力同质化后，真正分化的变成谁能拿到更多真实的、高信噪比的反馈来微调与验证：
- 使用者越多 → 产生的真实场景数据越多 → 模型/系统在该场景越好 → 吸引更多使用者；
- 注意我投资区 护城河清单 里的提醒：要分清单边”量大”与双边”真网络”。AI 公司的规模若只停在调用量（成本侧），不是壁垒；只有当调用转化为迭代质量再回头强化服务，才构成真网络。
所以一个反直觉的判断：局部市场先行者（在某垂直场景先把反馈回路做闭环的 Agent 供应商）比”通用但平庸”的平台更有机会筑起新时代的护城河——这与我清单里”新玩家能不能在局部市场先赢下来再扩张”的检验正好同构。
那”无形资产”在 AI 时代还重要吗
品牌与信任反而更贵了：当工具智能到”看起来很对实则错得隐蔽”（这是我 AI 区里反复警惕的风险），谁能证明自己可问责、可审计、可归因，谁就获得定价权——这仍是老清单里的”非它不可 vs 凑合能用”。AI 没有取消无形资产那类护城河，只是把”无形资产”的内涵从”算法专利”重写成”可信的执行与认证”。
给投资者的一条准则
把上面收束成一句可带进估值与复盘的判断（也呼应我在 寻找确定性：商业模式与安全边际的思考框架 里的方法论）：
别为”谁的模型最聪明”付溢价，要为”谁已在真实场景沉淀了数据—反馈闭环、并深嵌进客户流程”付溢价——前者是会被技术演进一键抹平的成本优势，后者才是转换成本与网络效应反复加固的确定性。
判断一家 AI 公司，先问三件事：客户的数据与流程是否已锁定在你侧？你的反馈回路是否在变厚？把这两者答案放进确定性框架里，再看估值给的安全边际够不够。
跨界桥梁笔记，种子（seedling）状态：投资区的壁垒分类向我提供了检索引擎，AI 区的落地实践向我提供了证据。 它把两条小径在 首页 的数字花园里接成一面网——欢迎从任一区进入，也欢迎从中间进入。