有一個幻覺在每次新技術出現時不斷重演：當門檻降低，一切都會變得公平。手機的相機讓每個人都成為攝影師，Spotify讓每個人都成為音樂人，現在AI讓每個人都能編程。邏輯很簡單——基礎上升，競爭就更開放。

但所有人忽略的是天花板也在升高。而且升得更快。快得多。

這不是巧合。這是幾何級數的(power law)定律，完全不在乎你的意圖。承諾平等的技術反而產生最貴族化的結果。每一次。無一例外。

以Spotify為例。當Spotify推出時，他們做了一件激進的事——向全球每位音樂人提供渠道分發的權利，這在此之前只限於擁有巨大行銷預算的大型唱片公司。結果？音樂產業爆炸。數百萬新藝人，數十億新歌曲。基本門檻確實在上升。

但接著發生了一件有趣的事：現在前1%的藝人捕捉到的播放比例比CD時代更大。不是更小——更大。更多的音樂，更多的選擇，但不再受地理限制的聽眾反而轉向最優秀的作品。Spotify並沒有創造平等；它加劇了競爭。

同樣的模式也出現在寫作、攝影、軟體開發中。網路孕育出史上最多的作家，但也創造出更殘酷的注意力經濟。少數人獲得了大部分價值。我們感到震驚，因為我們以線性思維——認為生產力會像倒水到平底容器一樣平均分布——來看待這一切。但複雜系統並非如此運作，也從未如此。

幾何級數的分配不是市場的奇怪現象或技術失敗。它是自然的預設規則。想想克萊伯定律——在地球上的所有生物，從細菌到藍鯨，代謝率與體重的0.75次方成正比。這個關係在幾乎所有生命形式中都非常精確。沒有人設計它；它只是能量在複雜系統中遵循其內在邏輯的結果。

市場是複雜系統，注意力是資源。當摩擦消失——當地理、貨架空間、分銷成本不再是屏障——市場會趨向其自然形態。那個形態不是正態分佈的鐘形曲線，而是幾何級數的定律。

AI將比以往任何技術都更快推動這一過程。基礎在實時上升——任何人都可以在一個下午發布產品、設計界面、撰寫生產代碼。但天花板也在升高，而且升得更快。值得問的問題是：究竟是什麼決定了你的最終位置？

在執行成本低廉的時代，美學成為信號。還記得史蒂夫·喬布斯堅持第一代Macintosh內部電路板必須漂亮嗎？不是外部——是內部，客戶永遠看不到的部分。工程師們認為他瘋了。但他理解一些被輕視的事：你做事的方式就是你做一切的方式。

能讓隱藏部分變得美觀的人，並不是在展示品質，而是個人無法容忍糟糕產品的心態。這很重要，因為信任難以建立，但很容易被偽造。我們一直用啟發式來試圖理解誰是真正優秀，誰只是在假裝。

在過去的幾十年裡，這種信號被掩蓋。在SaaS的黃金時代(2012到2022)，執行變得如此標準化，以至於分佈已成為真正稀缺的資源。如果你能高效獲取客戶、建立銷售機器、達到40法則——產品本身幾乎不重要。美學信號淹沒在增長指標的噪音中。

AI徹底改變了信號與噪音的比例。當任何人都能產出功能性產品、漂亮界面和在一個下午內運行的代碼庫時，易用性已不再是差異化因素。問題變成：這真的了不起嗎？這個人知道“好”與“極佳”之間的差別嗎？甚至不用強求，他們是否足夠在意，去彌補最後的空隙？

這尤其適用於關鍵商業軟體——處理薪資支付、合規、員工資料的系統。這不是可以試用或下個季度放棄的產品。轉移成本是真實的，嚴重失敗的模式也存在，實施系統的人要對後果負責。在簽約前，他們會運用所有信任啟發式。漂亮的產品是最強的信號之一。它說明：開發者非常認真。

在執行成本低廉的世界裡，美學就是工作證明。

我在印度一個小城長大，人口2.5億。每年，整個印度只有大約三個學生能進入MIT。沒有例外，他們都來自德里、孟買或班加羅爾的昂貴預備學校。我是我所在州第一個進MIT的人。我提這個不是炫耀，而是這個論點的微觀版本：當門檻有限時，背景預測結果；當門檻打開時，深度總是贏。

在一個充滿背景尊貴人士的房間裡，我是贏的賭注，因為深度。這是我唯一知道的賭注方式。我學習物理、數學、計算機科學。這些領域最深的洞察，並非來自流程優化，而是來自看到他人忽略的真相。

我的碩士論文討論分散式訓練中的遲滯問題：當你運行大規模系統時，如何在不破壞整體完整性的前提下優化這個限制？當我二十多歲，觀察創業世界時，我看到的畫面是，這些深層洞察似乎不相關。市場給技術優越的產品貼上溢價，而技術本身看起來天真。

直到2022年底，環境開始改變。ChatGPT以直觀且激發人心的方式顯示，曲線已經彎曲。新的S曲線已經啟動。轉型階段不再獎勵那些能適應前一階段的人，而是那些能在他人理解其價值之前，看到新階段無限潛力的人。

我辭職創立了Warp。

美國有超過800個稅務機關——聯邦、州、地方——每個都有自己的報稅規則、截止日期、合規邏輯。沒有API，也沒有程式化的存取界面。數十年來，每個薪資供應商都用同樣的方法處理：增加人手。數千合規專家手動操作，在非大規模設計的系統中轉來轉去。

傳統巨頭——如Paychex及其他薪資公司——建立了完整的商業模型，圍繞這些複雜性。他們不是解決這些複雜性，而是吸收它，並將成本轉嫁給客戶。這是一個盈利的業務，但建立在脆弱的基礎上。

2022年，我看到AI代理仍然脆弱，但我也看到改進的曲線。對於深耕大規模分散式系統、觀察模型演進的人來說，可以做出準確的押注：當時脆弱的技術，在幾年內會變得非常強大。

因此，我們押注：從第一原則建立原生AI平台，從最困難的工作流程開始——由於架構限制，這些流程永遠無法由傳統巨頭自動化。我們不會解決複雜性，我們要從源頭消除它。

三年來證明了這個押注。自推出以來，我們已處理超過5億美元的交易，快速成長，服務於構建世界上最重要技術的公司。每個月，我們收集的合規數據、處理的邊緣案例、建立的整合，使平台越來越難被模仿，也越來越有價值。

護城河仍處於早期，但已開始形成並加速。

但還有一個決定一切的變數，這是大多數AI時代創始人犯的關鍵錯誤。有一個在創業界流行的迷因：你只有兩年時間擺脫底層階級。快速建設、快速募資，否則就出局或崩潰。

我理解這種心態的來源。AI發展的速度帶來存亡危機感。抓住這波浪潮的機會窗口看起來非常狹窄。年輕人看到Twitter上一夜成名的故事，自然相信遊戲的核心是速度——贏家是那些在最短時間內跑得最快的人。

但這是在完全錯誤的維度上。

執行速度確實很重要。我非常相信這一點——甚至在我公司名Warp中也體現出來。但執行速度不等於狹隘的視野。最有價值的創始人不是那些在過去兩年內快速套現利潤的人，而是那些持續十年奔跑，享受複利的人。

軟體中最有價值的東西——個人數據、深厚的客戶關係、實際的轉移成本、合規專業——都需要多年累積，且不可能被競爭對手快速複製，不論他們帶來多少資金或AI能力。

當Warp管理跨州的薪資支付時，我們收集數千個司法管轄區的合規數據。每一個完成的稅務通知、每一個處理的邊界案例、每一個完成的州政府登記——都在訓練一個越來越難被模仿的系統。這不僅僅是功能，這是防禦壕溝，因為我們用高品質長期深耕，形成了質量的密度。

這種複利效應在第一年看不出來。第二年開始模糊浮現。第五年，它就成為整個遊戲。

Frank Slootman，前Snowflake CEO，建立並擴展了比任何人都多的軟體公司。他簡潔總結：你必須習慣“不得舒適”的狀態。不是快速逃離，而是讓它成為常態。

在創業早期的戰爭迷霧——迷失方向、資訊不完整、必須做出行動決策——不會在兩年內消失。它只會改變。新的不確定性取代舊的。能在迷霧中清楚前行的創始人，不是找到確定性的人，而是學會在不確定中前行的人。

建立公司是殘酷的。你生活在持續的輕微恐懼中，有時伴隨更大的恐懼。你在資訊不足的情況下做出數千個決策，卻知道一連串錯誤的決策可能導致崩潰。

你在Twitter上看到的“瞬間成功”不僅是分佈的異常值，更是極端的異常值。用這些案例來優化策略，就像在訓練馬拉松時，研究那些走錯路、偶然跑完5公里的人的結果。

那為什麼要這樣做？不是因為舒服，也不是因為贏的機會大。而是因為對某些人來說，不這樣做就不是在認真生活。因為唯一比“從零開始建設”更糟的事情，是由“從未嘗試”帶來的沉默窒息。

而且——如果你猜得準，如果你看到別人未曾重視的真相，如果你長期執行，帶著美學和信念——結果不僅是財務上的。你在建立一個真正改變人們工作方式的事物。你創造出人們喜愛使用的產品。你招聘並激發你自己事業中最優秀的潛力。

這是一個十年的項目。AI無法改變這個事實。被改變的，是那些能堅持到最後、親眼見證未來天花板的創始人所能達到的高度。

那麼，未來的軟體會是什麼樣子？樂觀者說AI帶來豐盛——更多產品、更多創建者、更多分散的價值。他們說得對。悲觀者說AI會摧毀軟體護城河——任何東西都能在一天內被複製。他們也部分正確。

但這兩個群體都只關注基礎。沒有人在意天花板。

數千個點對點解決方案將出現——由AI產生的小工具，能解決特定狹窄問題。許多甚至不是由公司建立，而是由個人或內部團隊為解決自身問題而開發。對於入門門檻低、易於取代的軟體類別，市場將迎來真正的民主化。競爭激烈，利潤微薄。

但對於關鍵商業軟體——處理現金流、合規、員工資料、法律風險的系統——情況就截然不同。這是容錯率極低的工作流程。當薪資系統失敗，員工就拿不到薪水；當稅務申報錯誤，IRS就會來找麻煩；當福利支付中斷，真實的人會失去保障。

選擇這些軟體的人，必須對後果負責。這個責任不能交給隨意拼湊、用“感覺代碼”在下午寫出的AI。

對於這些工作流程，企業會持續信任供應商。在這些供應商中，“贏者通吃”的動態會比以往任何軟體世代都更激烈。不僅因為網絡效應更強，更因為基於AI的大規模平台，從數百萬交易和數千合規邊緣案例中積累的個人數據，具有複利優勢，讓新進者幾乎不可能瞬間追上。

防禦壕溝不再只是功能，而是持續高標準運營的質量積累，專為懲罰錯誤而設。

這意味著，未來十年，軟體市場的整合程度將超越SaaS時代。在人力資源和薪資領域，不會有20家各佔一位數市場份額的公司。我預計，兩到三個平台將掌握大部分價值，而長長的點對點解決方案清單幾乎不會佔有任何份額。

每個涉及合規複雜性、數據積累和轉移成本的軟體類別，都會出現類似的模式。

這些頂尖公司看起來非常相似：由具有真實產品品味的工程師創立；從第一天起就建立在原生AI架構之上；在那些巨頭無法結構性應對、而不得不拆解現有業務的市場中運作。他們從一開始就押注於獨特的洞察——看到AI尚未定價的真相——並堅持足夠長，讓複利效應變得明顯。

我們走到這一步的邏輯，就是我在本文中一直在闡述的：看到真相。比任何人都更深入。建立能在沒有外部壓力下持續維持的高標準。堅持足夠長，才能看到自己是否正確。

在AI時代的領先公司，將由那些理解以下原則的人建立：存取不是稀缺資源，而是洞察；執行不是防禦壕溝，而是美學；速度不是優勢，而是深度。

幾何級數的定律不在乎你的意圖。但它會獎勵正確的意圖。