当软件变得免费,什么生意最难被抄走?

Greg Isenberg 最近做了一期单人播客，讲的是一个让很多创业者失眠的问题：你今天花几个小时用 AI 搭出一个产品，别人明天花几个小时就能抄出一模一样的。那还做什么？

他的回答是反着来的：机会不是变少了，是变多了。只不过机会的位置变了——从“产品本身”转移到了“产品之外”的东西。他把这些位置拆成八类：atoms（实体生意）、permission（许可）、attention（注意力）、timing（时机）、belonging（归属感）、liquidity（交易撮合）、unique data（独有数据）、outcomes（替客户完成工作）。Greg 对它们的排序也很干脆：实体和许可生意排在最前，替客户完成工作排在最后，而且八类可以混着用。

下面逐类来看看。

一、实体生意：AI 修不了漏水的马桶

Greg 把生意分成两种：pixels（像素，代码和界面在屏幕里的生意）和 atoms（原子，摸得着、要有人到场交付的生意）。他的判断很朴素：咖啡要有人端过来，马桶漏水 AI 没法替你拧扳手。软件可以一夜之间被克隆，实体生意不能——难做本身，就是壁垒。他甚至预期，当科技行业的钱看懂了这道壁垒，实体生意的估值会往上走。

案例：Big Way Hot Pot。 两个创始人把传统围坐共享的火锅，改成了“一人一锅、自选食材、按重量计价”的模式。顾客在 100 多种食材里自己搭配，拿去过秤、选汤底，既保留火锅的核心体验，又适配了北美消费者对个性化和便捷的需求。就是这一个“把共享仪式拆成一人一碗”的改动，让它在北美开出 25 家门店，年收入做到 6000 万美元。实体店的选址、供应链、后厨动线、员工培训，每一样都笨重，但每一样 AI 都替不了。笨重，就是别人抄不走的成本。

二、许可：卡住的是排队，不是手艺

第二类生意挡对手的方式不是“难做”，而是“不让你做”。Greg 拆出两种：一种是合作关系，比如你成为 Salesforce 或 Microsoft 的优选供应商，这层关系别人第一天就拿不到；另一种是牌照和监管，有些行业必须有执照才能开门，你不是律师，就找一个律师合伙人，你管增长和 AI，他管专业交付。许可类生意对 AI 的抵抗力最强，因为它卡的是准入资格，不是生产能力。

案例：Greg 自己给出的路径。 他在讲这一类时没有绕弯子：如果你想切进一个受监管的行业，而你自己没有那张执照，最直接的办法不是去考一个，而是找一个已经持有执照的人合伙。你负责市场、增长和 AI 提效，对方负责合规和专业判断。这种结构一旦跑通，抄你的人抄得走页面，抄不走那张执照，也抄不走你和持牌人之间的信任关系。

三、注意力：先造一台廉价的内容机器

注意力的逻辑在 AI 时代反而被加强了：内容生产成本趋近于零，能持续、廉价地生产注意力，再把注意力卖给需要它的人，本身就是一种资产。Greg 在播客里把媒体称为“被低估的生意”——AI 让你可以在一个极窄的微利基里，用一个人运转一台内容机器。

案例：Gohar‘s Guide。 Gohar Khan 是 MIT 毕业生，2020 年开始做大学申请和学业效率类的短视频，内容形态极轻——大量 30 秒左右的实用技巧。到今天，他在各平台积累约 1280 万粉丝，整个生意只有一名全职员工，却做到了七位数美元的年收入。他的路径拆开看很简单：低成本生产注意力 → 测量什么内容能留住人 → 把受众的访问权卖给品牌。一个人、一台手机、一套选题判断力，加上 AI 辅助的剪辑和分发，就是一台可以持续运转的注意力机器。

四、时机：产品可以抄，时间窗口抄不走

时机类的机会，核心不在“做一个别人没做过的东西”，而在在一个趋势刚刚抬头的时候站进去。Greg 把时机排在中间偏上的位置：第一个做出来的人，产品本身可能第二天就被复制，但他在那个窗口里积累起来的数据、品牌和信任，后来者补不回来。

案例：Cars & Bids。 Doug DeMuro 在 YouTube 上积累了数百万汽车爱好者粉丝之后，2020 年才推出线上汽车拍卖平台。他踩中的不是一个“没人做过的拍卖网站”的想法，而是一个具体的时机节点：线上拍卖基础设施成熟了，同时一个拥有大量 enthusiast 受众的创作者，第一次可以直接把信任转化成交易场景。Cars & Bids 上线两年后，The Chernin Group 以约 3700 万美元买下多数股权；平台累计完成的交易额后来做到 6.75 亿美元，售出超过 3 万辆汽车。拍卖平台本身不是新东西，但在那个时间点上，一个自带受众的人来做这件事，复制窗口很短。

五、归属感：人们付钱，是为了“被接住”

归属感生意的底层不是内容，也不是工具，而是一群人希望确认自己和同类在一起。Greg 在框架里把付费社群和线下活动放在这个位置，理由是：当 AI 让信息和答案变得无限便宜，人对“真实关系”和“被看见”的支付意愿反而在上升。归属感的壁垒不在功能表上，在于一个成员离开时失去的不是一个账号，而是一张桌子、一圈熟人。

案例：Peak and Pace。 Owen Akhibi 在纽约发起了一个免费跑步俱乐部，最初只是为了交朋友。跑步本身不收钱，真正产生收入的是跑步之后的社交场景：票价为 15 到 25 美元的聚会和派对。2025 年，这个从免费跑团长出来的社群做出了超过 64 万美元收入，整体利润率约 15%。卖的不是跑步，是“在这个城市里有一群人等你出现”的确定感。

六、交易撮合：让本来不会发生的交易发生

撮合生意的价值不在于“有一个平台”，而在于降低交易摩擦，让原本卡住的买卖双方匹配上。Greg 把 liquidity 排在粘性最高的一档：一个跑通的交易市场，一旦买方和卖方都在上面形成了习惯，迁移成本极高；而 AI Agent 让一个一五人的小团队就有可能运转一个过去需要几十人才能维护的市场。

案例：Aurigin。 这是一个面向中间市场企业的交易撮合平台，用算法把寻求资本的企业和全球机构资金方匹配起来。到今天，平台上有 32,000 家机构会员，每月提交的新交易约 500 到 700 笔，其中约 70% 通过审核进入匹配池。它做的不是“发布信息”，而是用一套结构化的筛选和匹配机制，把过去依赖投行人际关系网络才能触达的交易流，变成可以被系统化处理的资产。

七、独有数据：产品是楔子，数据才是生意

Greg 的判断很直接：当通用模型把公开数据变得越来越不值钱，你合法拥有、别人无法以同样方式聚合的数据，会变得极其值钱。独有数据生意的关键不在于模型多强，而在于那批数据是不是“只有你能攒出来”。

案例：Trellis。 它给诉讼律师做一个研究工具，看起来像一个普通的 SaaS 产品。但真正值钱的东西在后面：Trellis 花了大量慢功夫，把美国 45 个州、超过 3000 个法院的州初审法院记录、案件摘要、文书和对方律师的出庭模式聚合、结构化，做成一个可以检索和分析的数据层。州初审法院的数据高度碎片化、格式各异，把这件事做一遍本身就是一道又长又脏的护城河。产品是客户进入的门，数据才是让客户离不开的原因。

八、替客户完成工作：卖的是一份“干完了的活”

最后一类，也是 Greg 排序里位置最低、但市场池子最大的一类。SaaS 卖的是工具，客户自己拿去把活干完；outcomes 卖的是活已经干完了的结果。他的原话是：劳动力市场是数万亿美元级别，软件市场从来不在同一个量级上。这一类门槛低、竞争密，但一旦在一个具体工作流里建立起“结果可信”的声誉，客户买单的对象就从“软件预算”换成了“人力预算”，天花板完全不同。

案例：Sameday AI。 它服务的是水管工、空调维修、除虫公司这类蓝领生意，做的事情只有一件：接电话。AI 接起电话，判断意向，当场完成报价、预约和派工。它不卖软件许可证，不让客户登录后台自己配置，卖的是“电话已经接起来了、单子已经定下来了”这个结果。官方披露的数字是：超过 200 万通行业电话被接起，92% 的预订率，由 AI Agent 促成的收入达到 12.5 亿美元，客户满意度 96%。买单的餐厅老板不关心用了什么语音模型，只关心今天的位子有没有订满。

八类可以混着用

Greg 在播客里特意提了一句：这些类别不是互斥的，你可以把两三类叠在一起。Cars & Bids 就是“注意力 + 交易撮合”——先用 YouTube 攒注意力，再把注意力导入一个高摩擦、高客单的交易场景。Hampton 是“归属感 + 许可”——高门槛的会员资格本身就是一道准入筛选，而月度线下同桌吃饭构成归属感的交付。独有数据可以给撮合平台当匹配燃料，实体生意可以长出一个付费社群。

真正的信号不在于选哪一类，而在于你手里已经有什么东西，是 AI 明天早上起来拿不走的。那张执照、那群人的信任、那批花三年攒出来的脏数据、那个只有你能接起来的电话——找到它，然后把它做成生意。

关注我们，一起开启探索之旅！