AI-Native 公司的定義：把 AI 拿掉，公司會死的那種

多數人講的 AI 公司其實是「AI 加速」公司。加速跟 native 差在哪？差在斷電之後你還活不活得下去。

---

一個簡單的 thought experiment

最近跟幾個做新創的朋友聊，我都會問一個問題：

「如果明天所有 LLM API 全面斷線，你的公司會怎樣？」

大部分人想一想會說：「會慢很多，產能掉一半，但還活著。」

這句話基本上宣告了——你不是 AI-native 公司，你是 AI-accelerated 公司。

這不是貶意，而是一個需要被看清的區別。因為兩者的商業邏輯、護城河、募資故事、甚至 day-to-day 的決策，完全不一樣。

---

AI-accelerated：把舊流程跑得更快

絕大多數現在掛著「AI」招牌的公司,其實都屬於這類。

• 法務 SaaS 加個 GPT 幫你摘要合約 → AI 沒了，律師還是會讀合約，只是慢。
• 客服系統塞個 copilot 建議回覆 → AI 沒了，客服自己打字，一天少接 30% case。
• 行銷團隊用 AI 產 landing page 文案 → AI 沒了，copywriter 回來加班。

這些產品的共通點是：AI 是「生產力乘數」，不是「產品核心」。 業務流程、資料結構、員工角色、商業模型——全都是 pre-AI 時代設計的，AI 只是灑上去的 performance enhancer。

這類公司有價值嗎？當然有。但有三個結構性問題：

1. 護城河其實是通路、品牌、資料，不是 AI 本身。
2. 當 foundation model 能力繼續往上長，你的「AI 功能」會被 ChatGPT 原生內建替代掉。
3. 競爭對手只要 API key 成本跟你一樣，就能做出 70% 像的東西。

---

AI-native：AI 斷電，公司就死

真正 AI-native 的定義我覺得只有一條：

把背後的 model 拔掉，公司就無法提供核心 value，而不只是變慢。

產品本身是「湧現式行為」的結果，沒有 AI 就沒有產品，不是沒有 AI 產品變難用。

這類公司目前還不多，但已經有幾個範本：

• Cursor / Claude Code — 沒有 LLM，它就只是一個 IDE 外殼，連最基本的 autocomplete 都不如十年前的 IntelliSense。
• Harvey / EvenUp — 法律、醫療理賠類 agent，整個 workflow 是「agent 跑完一段多步驟推理後交付結果」，沒有模型就沒有 output。
• Perplexity — 拿掉 LLM 之後只剩 Google 的 10 個藍色連結，用戶來幹嘛？
• Replit Agent / v0 — 沒有模型，沒有「從一句話到一個 working app」的產品命題。

它們有個共同特徵：產品的 unit of delivery 不是功能，是「一段 cognition」。 你付錢買的不是軟體，是模型幫你思考過的結果。

---

商業見解：為什麼這個區分重要

1. 護城河的形狀不同。 AI-accelerated 的護城河在舊世界的通路跟整合；AI-native 的護城河在 data flywheel、evaluation harness、以及「把通用模型調教到垂直場景的 craft」。前者是可複製的，後者是累積出來的。

2. Pricing power 不同。 AI-accelerated 最終會被壓成「原本 SaaS 價錢 + 20% AI 溢價」。AI-native 因為直接取代人類勞動（律師、工程師、設計師），pricing anchor 是「人力成本」不是「工具成本」，毛利結構完全不同。一個 legal agent 收客戶 $500/件很合理，因為原本請律師要 $5000；但你很難賣一個 legal SaaS 月費 $500。

3. 組織設計不同。 AI-native 公司 day 1 就是「1 個人管 10 個 agent」的結構。不會有「先雇 30 人、之後導入 AI 提升效率」這種 roadmap。他們從招募、流程到 KPI，全都預設 human-in-the-loop 是例外而非預設。

---

給創業者的三個發想

找到「以前 architecturally 做不出來」的產品。 不是「以前也能做但貴」，是「以前根本不可能」。比方說個人化到每個用戶都有自己 UI 的 app、即時到幾乎沒延遲的跨語言 meeting、根據每個學生學習曲線動態生成的教材——這些以前不是做得慢，是做不出來。

找到「需要大量認知勞動但單價低」的市場。 傳統服務業裡那些「太瑣碎，請人不划算，但客戶真的需要」的工作。中小企業稅務諮詢、個人醫療導航、移民文件整理。過去這些領域都是薄利勞力密集，AI-native 可以把單位成本壓到 1/100，原本經濟上不成立的服務突然可行。

敢把「沒有 AI 的 fallback」拿掉。 很多團隊 pitch 時會說「AI 壞了我們還有人工審核」。這句話就是 AI-accelerated 的自白。真正 AI-native 的公司應該能自信地說：「如果底層模型永久斷線，我們跟著倒閉，這是我們的賭注。」這個 commitment 本身就是護城河——因為競爭對手沒這個膽，就做不出同等深度的產品。

---

最後

「AI 沒了會不會死」這個問題表面上是技術選型，骨子裡是 identity。

你是一個「用 AI 讓舊事情做得更快」的公司，還是一個「沒有 AI 就不成立的新物種」？

兩條路都能賺錢。但只有第二條，有機會長成下一個世代真正的 incumbent。

延伸閱讀

• Harvey vs Legora 誰會贏得千億法律 AI 市場？
• 華爾街需要自己的 Claude Code 從 LangAlpha 看 AI 垂直產品
• 拆解 Agent Harness — 你以為的 AI Agent 其實 90% 是 harness