AI产品的防御性：技术、数据、分发！

如果你将AI应用作为独立产品进行销售，那么考虑产品的防御性就非常重要。

低门槛既是福也是祸。如果你很容易就开发出了某个产品，那么你的竞争对手同样容易复制。你有哪些护城河可以用来保护你的产品？

从某种意义上说，在基础模型之上构建应用意味着你在这些模型之上提供了一个额外的层。这也意味着，如果底层模型的能力不断扩展，你所提供的这一层可能会被模型本身所取代，从而使你的应用过时。

举个例子，假设你基于ChatGPT构建了一个PDF解析应用，前提是ChatGPT无法很好地解析PDF，或者无法大规模地解析PDF。一旦这个前提不再成立，你的竞争力就会减弱。当然，即使在这种情况下，如果你的PDF解析应用是基于开源模型构建的，并且面向那些希望内部托管模型的用户，那么这个应用依然可能有意义。

一家大型风险投资公司的普通合伙人告诉我，她见过许多初创公司的整个产品其实都可以成为Google文档或Microsoft 365中的一个功能。如果这些产品真的火了，谷歌或微软只需安排三名工程师，用两周时间就能复制出来，那么这些初创公司又该如何应对？

在AI领域，竞争优势一般有三种：技术、数据、分发（将产品推向用户的能力）。

在基础模型时代，大多数公司的核心技术非常相似，而分发优势则很可能属于大公司。

数据优势的情况则更加微妙。大公司可能拥有更多现成的数据。然而，如果一家初创公司能够率先进入市场，并收集足够的使用数据来持续改进产品，那么数据将成为它的护城河。即使在某些情况下用户数据无法直接用于训练模型，使用信息也能提供关于用户行为和产品缺陷的宝贵洞察，从而指导数据收集和训练过程。

有许多成功的公司，它们最初的产品或许只是更大产品中的一个功能模块——Calendly原本是Google日历的一个功能，Mailchimp原本是Gmail的一个功能，Photoroom原本是Google相册的一个功能。很多初创公司最终超越了体量更大的竞争对手，而它们的起点往往是开发那些被大公司忽视的功能。也许你的产品会成为下一个这样的例子。