AI 時代的護城河不是程式碼，是資料：Ramp 創辦人與 a16z 的深度對談

本文整理自 Stripe 2026 年 2 月播出的單集。

{{< youtube TRPCRIhrYac >}}

---

AI 正在消除軟體公司之間的技術差距

Ramp 的 CTO Karim 同時負責行銷，而且做得很好。客服人員可以直接把程式碼推到生產環境。設計師自己寫程式碼上線。Ramp 創辦人兼執行長Eric Glyman在 Stripe 節目中描述了一個正在發生的現象：AI 工具正在瓦解傳統的職能邊界，從「發現問題到修好問題」的半衰期在急遽縮短。想改一個按鈕的顏色？跟 Ramp 的內部工具說一聲，幾分鐘後它就驗證、上線了。

a16z 合夥人Alex Rampell指出了一個有趣的矛盾：每個人都有了 Cursor 和 Claude Code，設計師覺得不需要工程師了，工程師覺得不需要產品經理了，產品經理覺得不需要其他人了。「每個人都對，就像《黑暗騎士》開場那樣，每個人都戴著小丑面具。」但他跟一位營收很高的 CEO 聊完之後發現，這家公司導入了所有 AI 工具，效率卻沒有變好。原因有兩個：第一，它是真公司、有真客戶，不能隨便推東西上線然後祈禱沒事；第二，從零開始建的話你根本不會用八個人的 EPD 團隊，你會讓每個人各自成為一個 pod，但已經存在的組織結構不是說改就能改的。

這段對話直指了 AI 時代軟體競爭的核心問題：如果寫程式碼的成本趨近於零，那軟體公司的競爭優勢到底是什麼？

SaaSpocalypse：哪些 SaaS 會死，哪些不會

Rampell 把當前的恐慌叫做「SaaSpocalypse」，意思是 AI 可以快速複製任何 SaaS 產品，導致整個 SaaS 產業崩盤。但他的判斷是：要看產品的深度。

如果一個產品本質上是「一個功能變成了一家公司」，那它確實危險。比如一個伺服器掛掉時通知你的工具（想想早期的 PagerDuty），這種東西用 AI 幾天就能做一個差不多的替代品。但如果是 NetSuite 或 Workday 這種深度嵌入企業運作流程的平台，情況就完全不同。Rampell 甚至說了一句很毒的話：「最好的企業軟體公司擁有的是人質，不是客戶。」不是因為產品多好用，是因為換掉它的成本太高了。

Glyman 補充了一個更精準的框架。他引用 Anthropic 執行長 Dario Amodei 的比喻：想像你有一個「天才之國」（country of geniuses），裡面住著無限多的 AI 工程師，他們被激勵來跟你競爭。如果你的產品經不起這個思想實驗，那你就有麻煩了。但反過來說，如果即使有了這群天才，他們還是做不出你已經擁有的東西，那就是真正的護城河。

他進一步把這個想法提煉成一個「fitness function」（適應度函數）：一家軟體公司的防禦力，取決於「即使你能花 token 來複製它，複製所需的 token 成本是否仍然高於直接使用現有系統的成本」。如果複製的 token 成本比使用的 token 成本還低，這家公司就完了。

暗物質護城河：你看不到的才是真正的競爭力

Rampell 用了一個很有畫面感的類比來解釋他所說的「暗物質護城河」（dark matter moat）。天文學家發現銀河系的質量遠超所有可觀測的恆星和行星加總，差距來自「暗物質」，一種存在但看不見的東西。軟體產品也是一樣：你從外面看到的只是皮膚，看不到裡面有胰臟、有腎臟。

他舉了一個例子。你跟 Claude 說「去複製 Ramp」，AI 會抓你的網頁，做出一個長得一模一樣的網站。但它不知道 Ramp 內部有九百萬個邊界案例（edge cases）。技術債聽起來是個貶義詞，但其實它是好東西，因為它代表你已經踩過所有可能出錯的坑。他用 Waymo 的例子來說明：一個半月前舊金山停電，Waymo 的自駕車因為沒有處理過「停電」這個邊界案例而出了問題。但正是因為出了問題，下一次就不會再犯。這些累積起來的邊界案例處理經驗，從外部完全看不到，但它構成了產品真正的護城河。

一個更老的故事也能佐證這一點。2000 年前後，Download.com 是最大的共享軟體下載平台，上面的熱門軟體每個都賺幾千萬美元。接著 Elance（現在的 Upwork）出現了，你可以花 500 美元請羅馬尼亞或印度的工程師複製排行榜上的任何軟體。結果呢？複製從來都沒有成功過。因為複製只到皮膚深度，下面有太多你從外面看不到的東西。

Glyman 用招聘新人的經驗來類比。你可以請一個 MIT 畢業的天才第一天就上班寫程式，他可能會做出一個看起來很厲害但實際上很詭異的東西，因為他還不懂公司內部的流程、慣例和無數的例外規則。學習一個組織的運作方式需要時間，這件事對人類如此，對 AI 也是如此。給 AI 足夠的資料和流程文件，它學得會很快，但那些資料和文件本身就是多年累積下來的產物。

資料是 AI 時代唯一不能用 token 複製的東西

對話中出現了幾個資料護城河的經典案例。

第一個是 vLex，一家西班牙的法律資料公司。創辦人 Alex 花了 25 年把西班牙（甚至可以追溯到 1492 年）的法律文件全部數位化，過去靠賣訂閱給大型律師事務所，一年做兩千萬美元。但 ChatGPT 出來之後，營收在一年內從兩千萬暴增到一億。原因很簡單：以前是律師助理（paralegal）讀這些原始文件然後整理成摘要，向客戶收一萬美元。現在 GenAI 可以直接讀 vLex 的資料庫然後生成摘要，但它必須有 vLex 的資料才行。資料本身的價值在 AI 時代不是變低了，是暴增了。

第二個是 DomainTools。這家公司每天對全世界每一個網域跑一次 WHOIS 查詢，然後存起來。今天你想知道 stripe.com 在 1999 年是誰擁有的，這個資訊在 1999 年是免費的，但你沒有時光機。DomainTools 就是那台時光機，而且它的資料是 25 年、一天一天累積起來的，即使你現在開始做，也要 25 年才能追上。

Rampell 總結得很精準：這些資料很多原本是免費的，或者像 Ramp 的廠商定價資料一樣，是業務副產品。但當 LLM 可以在這些資料上面做推理的時候，資料的價值會指數級成長。Bloomberg、FactSet 這些金融數據聚合商存在幾十年了，但 AI 讓這類公司的商業模式變得比以前更有價值。一萬個天才可以寫出任何程式碼，但他們不能回到過去收集 25 年的 WHOIS 紀錄。

Ramp 的資料看到了官方統計看不到的 AI 採用率

一個數據對比很能說明問題。美國人口普查局定期做企業調查，問企業「你們有多少程度在使用 AI 來生產商品或服務」，得到的回答是個位數百分比。但 Ramp 的 55,000 家客戶的實際消費數據顯示，大多數企業已經在使用 AI 工具了，不管是 ChatGPT、Anthropic、Cursor 還是 Cognition。

這個落差來自兩件事：第一，官方調查問的是「AI 用於生產商品或服務」，措辭太正式了，很多企業可能不覺得自己員工用 ChatGPT 查資料算是「用 AI 生產商品」。第二，消費數據不會說謊。你有沒有在用 AI，看你公司的信用卡帳單就知道了。

Ramp 的資料也顯示美國的 GDP 成長正在加速，從先前的 1-2% 升到 4-5%。Glyman 認為整體企業健康狀況比普遍報導的要好，而他自己客戶群 16% 的營收成長率也反映了這一點。

我的觀察

這場對談裡最值得帶走的框架，我覺得是 Glyman 的「token 成本複製測試」。判斷一家軟體公司能不能活過 AI 時代，就問一個問題：複製你的產品需要花多少 token？如果答案是「花不了多少」，那你的護城河基本上不存在。如果答案是「即使 token 無限便宜，你還是需要 25 年的歷史資料、九百萬個邊界案例的處理經驗、以及幾萬家企業的真實交易數據才能複製」，那你就很安全。

對台灣的軟體團隊來說，這個框架有一個很實際的含義：如果你現在做的產品，核心價值可以被一個好的 prompt 加上通用的 LLM 複製出來，那你需要認真思考你的資料策略了。程式碼當然有價值，但這個價值正在快速貶值。真正會增值的是你在業務過程中累積的獨有資料，那些別人即使知道去哪找、也需要花很多年才能追上的東西。

這也解釋了為什麼 Ramp 要在六年內衝到 55,000 家客戶：不只是為了營收，更是為了建立一個別人無法複製的廠商定價資料庫。每多一家客戶加入，資料就更完整，對所有客戶的價值就更高。這種網路效應加上時間維度的資料護城河，是 AI 時代最值得投資的防線。