VC视角:AI时代的软件壁垒

这两天看到一则新闻，北京市规划和自然资源委员会密云分局副局长谢陨石发挥编程特长，自购token、花近一个月，自主编程了密云专属防灾App“叫应”~

作为风险投资人交流了不少企业，观察到两个范式变化：一是开发变得极容易，长尾需求被空前激发——以前我们讲究抽象最佳实践、形成标准化软件流程，现在AI带来了极致灵活性；二是用户界面正在退场——以前依赖鼠标、报表、表单，现在智能体（Agent）本身的特征，使得使用数据和业务系统的方式完全不受限于原厂交互界面，直接通过API调用能力。

但热闹之下必须冷思考：当“手搓”成为常态，软件行业的壁垒究竟在哪里？创业者如何守，投资人又如何思考投资的门槛？

一、门槛崩塌：不是标准死了，而是标准的载体变了

传统软件是分工范式的数字化载体，靠习得性界面、固化代码流程建立壁垒；而AI驱动的端到端范式，以自然语言交互彻底消解了界面切换成本，定制化工作流无需代码固化即可搭建。这带来了你我所观察到的显性颠覆：

长尾需求井喷：Vibe Coding（氛围编程）让外行也能快速验证想法，像“防洪APP”等小团体甚至个体需求瞬间爆发；
UI壳被穿透：Agent成为软件新用户，直接通过语义化接口编排工具，传统软件依附的界面外壳被吞噬，仅保留独占数据与行业Know-How作为初始资产注入智能体。

未来的软件竞争从界面层转向API层，谁暴露出结构化、可组合的标准接口，谁才容易被Agent生态编排。因此更准确的说法是——99%的“软件原型/Demo”无门槛，但“可持续经营的软件业务”门槛只是发生了迁移。

二、99%的AI软件无壁垒：留给我们的三类真门槛

行业复盘早已指明残酷真相：99%的AI原生创业缺乏护城河，核心能力商品化、规模经济失效、迁移成本近乎为零，让大多数应用陷入短命内卷。站在VC尽调视角，应筛出那1%的例外。我主张真正的门槛目前有三类：

1. 私域数据：人无我有的数据资产或知识库

通用Agent因无专业数据被评“任何人能做”，而垂直场景唯有掌握高质量独占数据才能建起护城河。传统软件中沉淀的私有数据、监管合规规则、行业Know-How，在AI时代被萃取为“能力包”，成为新范式的基础燃料。具备数据飞轮的产品能越用越聪明，这才是健康壁垒。

2. 极高的工程门槛或商务通路门槛

纯脑力服务业易被AI压缩为prompt，但制造业、汽车行业等涉及设备、供应链、工艺、现场管理的复杂环节，替代速度极慢。越靠近物理世界，工程化要求与商务准入周期本身就是护城河。

3. 生态化：基础设施级的接口标准与供应商认同

当你的产品成为垂直领域基础设施，接口标准被供应商广泛认同，便形成生态属性壁垒。这不是单点工具能撼动的。

三、Manus的带来的补充：极致的用户体验+高价值的结果交付

Manus靠什么做得那么好？从表象看，它靠先动者红利与赛道定义权快速起量，并借资本叙事推高估值，成为通用Agent风向标。但对照我们的框架，Manus恰恰缺乏扎实的私域数据深绑、垂直工程壁垒与稳态生态。

这类应用层创业者的尴尬在于：若没有业务深绑，模型大厂可依托原生成本优势降维收割，前期积累的市场和用户随时被“一键清零”。Manus的案例反证了——其他Agent都会很快陷入红海，唯有注重用户体验、交付高价值结果，也可构筑一定的门槛（现在腾讯接盘了，更有流量加持，随时间再看看）。

四、给创业者与作为VC的自我反思

写给创业者：避开大模型能力会吞掉的方向，寻找真痛点、真壁垒、真价值交付。先问自己几个问题：用户不用我会不会真痛？别人复制我要多久？我的数据是否越用越强？下一代大模型出来我是会焦虑还是会更欢迎？

作为VC的“阶段性”认知（从业经历告诉我自己的认知经常会随着时间被打脸）：这个项目是否有真正的门槛？LLM之外是否有其他机理的模型的机会？国内软件商业化的挑战在AI时代背景下哪些领域或环节可能改善？（曾经在非AI背景下写了这篇文章供：从VC角度复盘国内企服软件生存环境和投资方向）

顺便说一句，AI+硬件我认为可能比软件更有机会，无论是to C或to B；可能会有明显的新体验和新能力~

创业者或投资人朋友欢迎拍砖和交流~