200亿涌入的新方向:用AI收购并改造传统企业
文章深入分析了一种正在兴起的AI商业模式:不再销售AI工具,而是通过私募股权基金直接收购传统服务型企业(如物业管理、呼叫中心),并注入自研AI系统进行底层运营重构。以Long Lake为代表的公司利用AI大幅替代人工,将利润在12个月内翻倍。然而,文章也警示了该模式面临的收购整合风险、估值泡沫及Thrasio破产案例的历史教训。
文章深入分析了一种正在兴起的AI商业模式:不再销售AI工具,而是通过私募股权基金直接收购传统服务型企业(如物业管理、呼叫中心),并注入自研AI系统进行底层运营重构。以Long Lake为代表的公司利用AI大幅替代人工,将利润在12个月内翻倍。然而,文章也警示了该模式面临的收购整合风险、估值泡沫及Thrasio破产案例的历史教训。
文章深入剖析了PE基金收购传统企业并注入AI的新型商业模式,数据详实且极具洞察力,不仅拆解了利润翻倍的底层逻辑,还客观对比了历史失败案例与潜在风险,对投资和一级市场具有很高的参考价值。
作者作为国内头部FDE(前沿部署工程师)团队从业者,指出大部分FDE是伪命题。核心论据:80%企业的AI需求是降本增效,而提效的终局是裁员——省出的工时会被公司排满或以裁人降成本收场。作者以客户案例算账:只有大型集团级客户(人力成本200-300万/月)才能让FDE的ROI算得过来,此类公司全国不超1万家,而FDE团队已超10万家,僧多肉少。中小企业场景下乙方单价难覆盖价值,卖SaaS代理、token、培训等路径均受资质或预算限制,生意难以成立。结尾预告下一方向是用AI帮企业做增长。
文章指出私募股权行业的 AI 价值创造计划过于依赖裁员降本,把 AI 策略简化为成本目标。作者认为 AI 是工程问题,应该问 AI 能如何改变公司交付的产品、速度和客户付费意愿,而非仅计算可裁减的岗位。文章用 Freight Audit 服务案例说明生产力可以投入产品路线图,并引用 Box 和 Ramp 数据显示重度 AI 采用者反而扩大招聘。作者分析四个盲点,重点讨论退出倍数风险:成本节约可能被估值倍数下降抹去,尤其在 AI 颠覆软件行业的背景下。建议从'希望退出时拥有的企业'出发制定 AI 战略,让 AI 作用于收益增长、退出倍数和持有期三要素。
作者提出'AI Roll Up'是新型私募股权模式:到2035年美国约5万亿美元企业(多为婴儿潮一代退休者的服务业小企业)将易手,买家可以用低价收购已有客户、牌照和信任的服务业企业,再用AI Agent重构交付流程,将传统5-10%的EBITDA利润率提升至30-40%。文章列举Long Lake、Thrive Holdings、General Catalyst等案例,并论证个人创始人相比大型基金的优势:基金看不上小额交易、工具人人可用(Claude Code、Codex)、单人可承担整合角色、卖家更愿意卖给个人、SBA贷款等融资渠道成熟。最后强调'买而优则建'的逻辑:客户信任和历史数据是初创公司无法快速获得的资产。
作者认为AI正在模糊软件与服务业的边界:软件变得越来越像服务(产品主动适配用户),而服务业借助AI代理实现产品化,形成'产品化服务'的混合模式。这类业务对外像服务(客户获得定制化结果),内部却像产品一样高效运转,既保留服务关系又获得软件级利润率。作者以自己21岁创办的Hourglass AI为例(自筹资金、持续盈利、单月收入破10万美元),认为这是年轻人低风险创业的最佳路径:从第一天就盈利、无需融资、拥有全部股权,并建议先亲自交付服务,再用AI代理规模化。
本文认为OpenAI的成功不在于拥有最好的模型或芯片,而在于其擅长创造新型客户和构建最持久的分发策略。作者引用德鲁克'企业的目的是创造客户'的观点,分析AI前沿企业的四大杠杆:创造新行为、广泛分发、定价捕获价值、高切换成本。模型层切换成本低、性价比竞争激烈,胜负取决于前两者。OpenAI凭借最广泛的用户基础(消费者、专业用户、企业)、最深的自改进技术栈(自研芯片),持续发现聊天界面、推理、工具调用、Computer Use等突破性模式。文章强调'通用知识'的积累依赖分发策略,平台模式虽变现慢但最持久,OpenAI正以长期视角构建制胜的AI平台。
文章以2026年科技行业大规模裁员为背景,指出依赖单一雇主收入的脆弱性,主张建立个人一人公司。作者结合自身16个月脱离朝九晚五的经历,阐述一人商业模式的逻辑:通过互联网将个人技能分发给目标受众,无需大量资本和团队。文章重点介绍了打造盈利一人公司所需的五大技能,首先详解了受众构建(围绕需求而非流量建立受众)与写作能力(清晰传达价值主张)两大核心技能,并给出Problem-Process-Proof内容框架,帮助读者将注意力转化为可持续的商业收入。
前字节团队推出专为独立导演和广告人打造的 AI 分镜 Agent「Story2Board」,蒸馏 250 部影史名片构建 27 万+ 电影分镜索引库。其核心亮点包括:通过 Consistency Layer 固化角色、道具和场景资产,解决人物一致性问题;接入影史镜头标注数据,可像专业摄影指导一样反推景别、运镜方式并解释情绪动机;支持导出含场记数据的 PDF 分镜表。商业模式采用按点数充值而非订阅制,降低了尝鲜门槛,但作者也指出这牺牲了 LTV 和营收可预测性,对获客能力要求更高。
文章以特里芬难题类比,指出注意力经济在后互联网时代已走向内部衰败:算法将人性弱点工业化,流量与注意力被瓜分至极限,进入存量博弈。随着用户将消费意图交给 Personal Agent,经济模式正从算法猜测意图转向用户主动广播意图,形成'意图经济'。MIT 实验显示 Agent 虽可被文字提示影响,但更看重评分、价格与明确偏好,营销话术权重下降。作者提出四个机会方向:面向意图做结构化产品、通过新硬件捕获真实意图、构建可携带的长期记忆护城河,以及内容创作者要么极致 ToH 要么极致 ToA。新经济源于资产的富裕而非稀缺的发现,我们正处在旧秩序瓦解的拐点。