有一种幻觉会在每次新技术出现时不断重复：当进入门槛降低时，一切都会变得公平。手机里的摄像头让所有人都成了摄影师，Spotify 让所有人都成了音乐人，而现在 AI 让所有人都能编码。逻辑很简单——基础上升，意味着竞争会变得更开放。

但大家都忽略了：天花板也在上升。并且上升得更快。快得多。

这并非偶然。这是幂律 (power law)，它根本不在乎你的动机。越是承诺平等的技术，产生的往往越是最贵族式的结果。每一次。没有例外。

用 Spotify 来举例。Spotify 推出时，他们做了一件极其激进的事——把渠道分发的权限交给世界上每一位音乐人；而这在此前只属于那些拥有疯狂营销预算的大型唱片公司。结果呢？音乐产业爆发式增长。数百万新艺术家，数十亿首新歌。基础标准确实在上升。

但接下来发生了一件有趣的事：现在，Top 1% 的艺术家所获得的播放份额，比 CD 时代更高。不是更低——而是更高。音乐更多、选择更多，但不再受地理限制的听众反而转向了最好的作品。Spotify 没有创造平等；它加剧了竞争。

写作、摄影、软件也会发生同样的模式。互联网造就了史上最多的写作者，却也创造出比以往更残酷的注意力经济。少数人获得了绝大部分价值。我们之所以惊讶，是因为我们用线性的方式在理解——以为生产力会像把水倒进平底容器一样被均匀分配。但复杂系统从不这样运作，也从未如此。

“按级分布”不是市场的怪癖，也不是技术失败。这是自然界的默认设置。想想 Kleiber 定律：在地球上所有生物，从细菌到蓝鲸，代谢率都与体重的 0,75 次幂成正比。这个关系在几乎所有生命形态中都极其精确。没有人设计过它；它只是当能量在复杂系统中沿着自身固有逻辑流动时，自然而然呈现出来的一种形式。

市场是复杂系统，而注意力是资源。当摩擦消失——当地理、货架空间、分发成本不再起到缓冲作用——市场就会向其自然形态收敛。那不是正态分布的钟形曲线。那是幂律。

AI 会比以往任何技术都更快地推动这一过程。基础正在实时上升——任何人都能在一个下午发布产品、设计界面、编写生产代码。但天花板也在上升，而且上升得更快。真正应该被追问的是：究竟是什么决定了你最终会站在什么位置？

在一个执行变得廉价的时代，审美就是信号。记得 Steve Jobs 坚持：第一代 Macintosh 里的电路板内部必须漂亮。不是外部——而是客户永远不会看到的内部。工程师们觉得他疯了。但他理解了某个容易被误认为是“完美主义”的东西——实际上更接近于证据的形式：你做事的方式，就是你做一切的方式。

能够把隐藏部分做得好看的人，并不是在展示“质量”，而是个人层面无法容忍糟糕的产品发布。重要的是：信任很难建立，却非常容易被伪造。我们不断用启发式去试图理解：到底谁真的更优秀，谁只是在装。

在过去大部分十年里，这种信号一直被掩盖。SaaS 的辉煌时期 (2012 到 2022)，执行变得如此标准化，以至于分发渠道成了真正稀缺的资源。如果你能高效获取客户、搭建销售机器，做到 Aturan 40——那么产品本身几乎就不重要了。审美信号在增长指标的噪声里被淹没。

AI 真的在改变信号对噪声的比率。当任何人都能在一个下午产出功能性产品、做出漂亮的界面、维护能运行的代码仓库时，“是否好用”就不再是差异化因素。问题变成：这真的很了不起吗？这个人是否知道“good”和“insanely great”之间的区别？即使没有被迫，他们是否也足够在意，去补上最后那一丁点差距？

这尤其适用于关键的商业软件——处理薪资发放、合规、员工数据的系统。它不是你能试试就丢掉的产品；也不可能在下个季度就轻易放弃。迁移成本是真实的，失败模式也会很严重，而实施系统的人要为后果负责。在签合同之前，他们会跑完所有与信任相关的启发式流程。漂亮的产品是最强的信号之一。它在说：制造者非常认真。

在执行廉价的世界里，审美就是工作证明。

我在印度一个小城市长大，那个邦人口 250 百万。每年，整个印度只有大约三名学生能够进入 MIT。没有例外，他们都来自德里、孟买或班加罗尔价格昂贵的预备学校。我是我所在的那个邦里第一个进入 MIT 的人。提到这并不是为了炫耀，而是因为这其实是这个论点的微观版本：当进入门槛有限时，背景会预测结果；当进入门槛开放时，深度总会赢。

在一间满是显赫背景的人组成的房间里，我是“押注胜出”的那一方——因为我有深度。这是我唯一知道的下注方式。我学习物理、数学、计算机科学。跨这些领域最深的洞察，并不是来自流程优化，而是来自看见别人忽略的真相。

我的硕士论文讨论在分布式训练中缓解 straggler：当你运行大规模系统时，如何在不破坏整体完整性的前提下优化这个约束？当我还在二十多岁、观察创业世界时，我看到的是一种图景：这些深度洞察似乎毫无相关性。市场会给 go-to-market（走向市场）贴奖励，而不是给“产品本身”贴奖励。构建技术上更优的东西看起来有点天真。

但到了 2022 年底，环境变了。ChatGPT 以直觉且令人振奋的方式向我展示：曲线已经弯曲了。新的 S 曲线已经开始。相位的切换并不会奖励那些最能适应上一相位的人，而是奖励那些能在别人还没意识到新相位的价值之前，就先看见无限潜力的人。

我辞职并创办了 Warp。

美国有超过 800 个税务机构——联邦、州、地方——每一个都有各自的申报要求、截止日期和合规逻辑。没有 API，没有程序化访问的界面。几十年来，每一家薪资服务商都用同一种方式处理这些问题：增加人手。成千上万的合规专家手工操作，在那些从设计上就并不为大规模而生的系统里兜圈子。

传统巨头——比如 Paychex 以及该薪资领域的其他竞争者——围绕这种复杂性建立了完整的商业模式。他们并不是“解决复杂性”，而是把复杂性吸收到人头规模里，并把成本转嫁给客户。这是一门赚钱的生意，但建立在非常脆弱的地基之上。

到了 2022 年，我看到 AI 代理依然很脆弱。但我也看到改进的曲线。懂得大规模分布式系统、并观察模型如何演化的人，可以做出准确的押注：当时那些还很脆弱的技术，在几年之后会变得极其强大。

于是我们下注：从第一性原理出发构建原生 AI 平台，从这个类别里最难的工作流程开始——由于架构限制，传统巨头永远不可能将其自动化。我们不会去“解决复杂性”。我们要从源头把它消除掉。

三年证明了我们的押注。从上线以来，我们已经处理了超过 500 million 美元的交易，增长迅速，并为那些构建世界上最关键技术的公司提供服务。每个月，我们收集的合规数据、处理的边缘案例、我们搭建的集成，都让平台越来越难被模仿，并且对客户越来越有价值。

护城河仍处于早期阶段，但已经开始形成，并在加速。

不过还存在第三个变量，它决定了一切；而这也是绝大多数 AI 时代的创始人犯下的关键错误。现在创业圈里流行一个梗：你只有两年时间逃离永远的底层。要快建、快融资，否则就出局或毁灭。

我理解这种态度从何而来。AI 的进展速度制造了生存危机感。用来抓住这波浪潮的窗口看起来非常狭窄。那些在 Twitter 上看到“隔夜成名”故事的年轻人，会本能地相信游戏的核心是速度——赢家是在最短时间里跑得最快的人。

这在完全错误的维度上是真的。

执行速度确实非常重要。我对此深信不疑——甚至我公司的名字里也刻着它：(Warp)。但执行速度不等于狭隘视角。AI 时代最有价值的公司创始人，并不是过去两年里跑得最快、把利润快速变现的人；而是那些跑了十年并享受复利的人。

软件里最宝贵的东西——个人数据、深厚的客户关系、真正的切换成本、法规领域的专业能力——需要多年才能积累，竞争对手无论带来多少资本或多少 AI 能力，都无法快速复制。

当 Warp 为跨州公司处理薪资发放时，我们收集跨数千个司法辖区的合规数据。每一个处理完成的税务通知、每一个被处理的边界案例、每一个州政府注册的完成——随着时间推移，这些都在训练一个系统：它会变得越来越难以模仿。它不只是“一个功能”。它是一道防御壕沟——因为我们用极高的质量深耕了足够长的时间，直到形成“质量的密度”。

这种复利在第一年看不出来。第二年开始隐约出现。第五年，它就成了整个游戏。

Frank Slootman，前 Snowflake CEO，比任何人都更多地构建并扩展了软件公司。他用一句话概括：你得习惯一种“令人不舒服”的状态。不是为了快速逃离，而是把它变成常态。

创业早期的战场迷雾——迷失方向、信息不完整、必须做行动决策的强迫感——不会在两年后消失。它只是换了一种形态。新的不确定性会取代旧的。不倒的人不是那些找到确定性的人，而是那些学会在迷雾中清晰前行的人。

建立公司极其残酷。你生活在持续的轻微恐惧里，有时还伴随着更大的恐惧。你在信息不完整的情况下做出成千上万的决策，同时意识到一连串错误决策可能会导致彻底崩盘。

你在 Twitter 上看到的那些“隔夜成功”，不仅仅是“按级分布”的异常值，而是异常值中的极端。用这些案例来优化策略，就等于训练自己去跑马拉松，却只研究那些误入歧途但又碰巧完成了 5 公里的人的结果。

所以为什么要这么做？不是因为舒服，也不是因为赢的机会很大。是因为对某些人来说，不这么做就像没有认真地活过。因为唯一比“从零开始造东西”带来的恐惧更糟的，是那种“从未尝试”所造成的寂静窒息。

而且——如果你猜对了，如果你看见了别人尚未被定价的真相，如果你把它坚持足够长的时间，并用审美与信念把它做到底——结果就不只是财务层面的。你在构建一种真正改变人们工作方式的东西。你创造出人们爱不释手、愿意持续使用的产品。你招募并释放你所建立业务里的人们最好的潜能。

这是一项十年的工程。AI 无法改变这个事实。AI 能改变的，是在这十年里，哪些创始人能够坚持到最后、亲眼见证天花板而从中得到的高度。

那么未来的软件会长成什么样？乐观者说 AI 会带来丰盈——更多产品、更多建设者、更多价值被分散到各处。他们说得没错。悲观者说 AI 会摧毁软件护城河——任何东西都能在一天之内被复制。他们也有部分道理。

但这两类人都只盯着地基。没有人去关注天花板。

成千上万的单点解决方案会出现——由 AI 生成的小工具，功能专一、能够解决特定的狭窄问题。很多甚至根本不是由公司构建，而是由个人或内部团队为了解决自己的问题而开发。对于进入门槛低、容易被替代的软件类别，市场将出现真正的民主化竞争。竞争极其激烈，利润率会非常薄。

但对于关键的商业软件——处理现金流、合规、员工数据、法律风险的系统——情况完全不同。这是容错率极低的工作流程。当薪资支付系统失败，员工拿不到工资；当税务申报出错，IRS 就会找上门；当福利支付中断，真实的人会失去保护。

选择软件的人必须对后果负责。这份责任不能交给那些“随手拼出来的代码基于感觉”的 AI。

对这些工作流程，企业会继续信赖供应商。在这些供应商之间，“赢家通吃”的动态会比以往任何软件时代都更极端。原因不只是网络效应更强，更关键的是：基于 AI 的大规模平台一旦运行，就会积累来自数百万交易与数千个合规边缘案例的个人数据，从而拥有复利型优势，让新竞争者几乎不可能瞬间追赶上来。

防御壕沟不再只是功能，而是持续高标准运营带来的累计品质。

这意味着软件市场的整合程度将超过 SaaS 时代。未来十年，在 HR 和薪酬领域，不会有 20 家公司各自占据一位数的市场份额。我预计将有 2 到 3 个平台掌握大部分价值，而长长的单点解决方案清单几乎拿不到任何份额。

在每一个软件类别里，只要复杂度合规、数据积累与切换成本共同起作用，就会出现类似的模式。

这些位于分布顶端的公司看起来会非常相似：由真正懂产品取向的技术人员创建；从第一天起就建立在原生 AI 架构之上；在那些巨头无法在不推倒重来的前提下结构性应对的市场里运行。他们从一开始就押注于独特的洞察——看见 AI 尚未被定价的真相——并坚持足够久，直到复利效应清晰可见。

把我们带到这里的逻辑，就是我在整篇文章中反复阐述的逻辑：看见真相。比任何人都更深入地追踪。建立可以在没有外部压力的情况下长期维持的高标准。坚持足够久，看你是否真的正确。

AI 时代的领先公司将由理解以下原则的人创立：获取并非稀缺资源，而是洞察；执行并非防御壕沟，而是审美；速度并非优势，而是深度。

幂律不在乎你的动机。但它会奖励正确的动机。