大模型越来越强上层 App 凭什么还能卖高价

大模型越来越聪明，企业自己搭建 AI 应用的门槛也在下降。那为什么还要花高价购买专业 AI App？

石油巨头 Repsol 做过一次真实的采购实验。

它把 Harvey、Microsoft Copilot 和内部自研的 Lexia 放在一起盲测，随后组织 50 名律师，在 12 个司法辖区进行了 8 周试点。

最终，Repsol 选择了 Harvey，并于 2024 年 4 月全面部署。

根据 Harvey 后续披露的客户案例，法律部门采用率达到 96%，律师每周节省 4–6 小时。这些成效数据来自供应商。

11 月 2 日，a16z 发表《How AI Applications Earn Their Premium》，讨论了上层 AI App 维持高价的几个理由。

① 完整工作流

以法律 AI 为例，从读取合同、检查法律规则、多 Agent 并行审查，到合并修改、处理冲突、提交律师复核。客户愿意为整套工作的完成付费。

② 专业上下文

企业拥有合同、客户记录和内部政策，但权限管理、数据清洗、可靠检索、持续更新都需要工程投入。有些专业软件商还积累了跨客户的行业数据，形成额外优势。

③ 可衡量的工作成果

客户关心一份合同审查花多少钱、一张客服工单多久解决。

Notion 与 Decagon 的客户案例报告了最高 34% 的工单解决时间改善。Clay 则把平台编排工作（Actions）与数据、AI 使用（Data Credits）分开计量。

我觉得 a16z 这篇文章提出了一个很现实的挑战：

当企业越来越容易自己搭建 AI 应用，上层 App 就必须持续证明，购买它比自行开发和维护更划算。

而且这笔账要算上模型调用、失败重试、人工复核、维护成本，以及最终的工作质量。

底层模型每进步一次，上层 App 的定价权就需要重新经受一次考验。

原文：
https://a16z.com/how-ai-applications-earn-their-premium/