AI 時代的競爭護城河：當技術反過來吃掉你的 moat

【實況觀察】本週三，我盯著 Morningstar 最新那份研究報告看了整整兩小時，內心只有一個念頭：「 Traditional software moats are toast. 」不是危言聳聽，而是六家被 Morningstar 從 wide moat 降級到 narrow moat 的企業名單，像一記記重拳打在想靠技術壟斷吃老本的軟體公司臉上：Adobe、Descartes、Manhattan Associates、Salesforce、ServiceNow、Shopify——這些名字過去十年被視為「穩贏」的代名詞，如今评级被下调。背後原因？AI 正在重寫遊戲規則。

AI 不是單純的「效率工具」，它是一把雙面刃：一邊幫你提升服務質量、降低服務成本、加速產品迭代，讓用戶黏性飆升；另一邊卻同時拆掉你辛苦建立的「入場門檻」，讓競爭者用更低成本複製功能、直接Quebec 你。這種雙重效應交織下，傳統 moat 概念正在崩解。

本篇文章會帶你深入拆解 Morningstar 的核心論點，並結合市場數據（包括 AI 市場將在 2027 年逼近 1.27 兆美元的爆炸性成長），指出軟體公司如何在這個亂局中重建競爭優勢——不再依賴單一功能或網絡效應，而是打造「數據、模型、AI 經濟」三位一體的新型護城河。

自動導航目錄

引言：AI 不是效率玩具，是商業模式終結者

market 上充斥著有關於 AI 提升生产力的 buzz，但少有人指出：「當 AI 變得人人可用時，原本仰賴技術壁垒的企業，反而成為最大受害者。」

過去十年的软件产业建立在這樣一個假設上：寫 code 昂貴，需要工程師團隊、長時間 R&D 和大量資金，complexity 本身就是護城河。但 AI 顛覆了這個假設——現在只需 natural language prompt 就能 CoPilot 生成完整功能，建構 SaaS 產品的成本急劇下降。

Morningstar 的報告 bluntly 指出：在 AI 時代，單靠功能Complexity 的 moat 正在消失。 six 寬護城河公司被降級這件事，不是孤立事件，而是 industry-wide 的structurally shift。我們需要從「賣功能」轉向「賣 AI 經濟網絡」。

Morningstar 的「moat 重估」：六家巨頭為何被降級？

Morningstar 的 moat rating 評估五個支柱：

1. intangible assets（品牌、專利、許可）
2. switching costs（切換成本）
3. network effects（網絡效應）
4. cost advantages（成本優勢）
5. efficient scale（有效規模）

在這五項中，Morningstar 發現「only one」在 AI 時代仍有預測力——efficient scale。其他四項都遭受嚴重挑戰：

• Switching costs：AI Agents 可減輕迁移負擔，降低切換障礙
• Network effects：AI 拆散網絡，新進者可聚合碎片化需求
• Intangible assets：AI 降低專業知識壁壘，專利與品牌影響力被稀釋
• Cost advantages：AI 讓竞争者可低成本複製功能

因此，Adobe（創意軟體）、Descartes（物流）、Manhattan Associates（供應鏈）、Salesforce（CRM）、ServiceNow（IT 服務管理）、Shopify（電商平台）等六家以往被評為 wide moat 的公司，统统被下調至 narrow moat。

downgrades 的 logic 在於：這些公司的「耐用性」（durability）受到質疑——AI 使得其長期回報profile 變得不確定。

AI 的雙重效應：放大器 vs. 拆解器

Morningstar 的研究揭示了一個關鍵洞見：AI 對軟體公司 moats 的影響是雙向的，同時扮演「放大器」與「拆解器」。

案例研究：Salesforce Einstein AI 的 CLV 提升 vs. 客戶流失風險

Salesforce 是典型例子。該公司長期仰賴 CRM 領域的 network effects 與 high switching costs 建立 wide moat。然而 Morningstar 仍將其降級，原因何在？

Positive side：Salesforce 內部部署 Einstein AI 在多個場景——編程、銷售運營、客戶成功——預估可在 5 年內將人力增长需求降低 15%–20%。同時，AI-powered 的 predictive analytics 與 lead scoring 提高了銷售轉換率，理论上可提升客戶生命周期價值 (CLV)。

Negative side：這些好處主要公司內部消化，而且 AI 同時降低了 CRM 市場的進入門檻。新創公司可用現成 AI 工具快速 build 出轻量 CRM， Armed Forces die-hard Salesforce 客戶的 switching costs。此外，傳統 CRM 的 sales-led growth 模式受到 disruptive pricing pressure。

Salesforce 正在試圖轉型為 AI-First platform，推出 Agentforce 360，但其成功與否仍不確定。这就是為什麼 Morningstar 將其 moat 從 wide 降為 narrow——不是因為它做錯了什麼，而是因為 AI 改變了整个環境遊戲规则。

新型護城河配方：數據 + 模型 + AI 經濟

既然傳統 moats 正在失效，什麼才是新的競爭優勢？ Morningstar 的研究暗示一個方向：moats 需要從單一功能依賴轉向「數據、模型、AI 經濟」多元綜合體結構。

這不是抽象理論，而是具體可行的架構：

數據網絡效應：閉環數據收集是最難複製的門檻

AI model 的本質是「數據驅動」，誰擁有獨特、高品質、持續更新的數據網絡，誰就掌握模型性能的上限。OpenAI 的 GPT 系列之所以厲害，不只因為技術先進，更因為其模型從大量多樣化的 network effect 中受益——越多用戶使用，越多數據反饋，模型越強，吸引更多用戶，形成正向循環。

對軟體公司而言，關鍵問題是：你的產品是否能 collect 到獨一無二的私有數據？這些數據是否足夠 embed 到模型中形成 competitive advantage？Adobe 的 Firefly 能成功，部分原因是它整合了 Creative Cloud 內數百萬用戶的 edit history、偏好設定、素材庫——這些數據）是外部模型難以取得的。

模型經濟學：不是訓練一次就好，要不斷進化

拥有自有模型 (in-house models) 的企業，能快速 iterate 並根據業務場景 fine-tune，這種能力本身就是 moat。Microsoft 的 Copilot 之所以 embed 在整個 365 生態系中，正是因為其模型能 access 到企業內部郵件、文件、聊天記錄等 context，提供更精准的 assist。竞争者就算有相同的 LLM access，也因缺乏企業內部 data 而难以復制其 model performance。

執行重點：别只依赖 OpenAI API 或 Anthropic Claude——要建立自己的 model training pipeline，將產品使用過程中的 data 持續 feeding 回去。這樣 model 越用越smart，形成累積性 advantage。

生態系鎖定：讓用戶離不開的不單是功能，而是 AI Agents

單一 AI function 容易被 copy paste，但完整的 AI agent ecosystem 就很難撼動。Salesforce 的 Agentforce 試圖這樣做：AI Agents 不僅能回答問題，更能代表 user 完成 multi-step 业务流程——從查詢數據、生成報告到下單送貨。這種深度嵌入工作流的 AI，創造了一種新的 switching cost：用戶不只是切換一個工具，而是切換一整個「AI 工作流程」。

耐力賽：建立的 AI Agents 數量越多、覆蓋业务流程越廣、與用戶數據 integration 越深，生態系鎖定效果就越強。這需要長時間的生態建設，但一旦成局，就很難被颠覆。

執行框架：三步驟重建你的 AI moat

綜合以上分析，軟體公司可透過以下 three-step framework 重建持久競爭優勢：

1. Step 1：Audit 現有產品庫存，找出哪些功能能被 AI 快速替代
   列出產品中所有依賴「專業知識」或「複雜操作」的功能，這些是你的第一波風險。例如：手動數據清理、 règles métier 判斷、 multimodal 創作處理。預測當年 AI model 可以取代時，需要提前構建替代方案或升級架構。
2. Step 2：Build 數據閉環，收集獨有私有數據
   產品設計上必須内建 data capture 機制：每一次 user interaction、AI suggestion 都被記錄下來，形成 training corpus。例如：Notion AI 編輯文檔時，用户的 accept/reject 行為就是寶貴的偏好數據。長期下來，這些數據會讓你的 model 更懂你的 user segment，形成壁壘。
3. Step 3：Launch AI Agents 代替孤立功能
   不要只做 AI-powered feature，要做 AI agent that can take action。單一功能容易被 copy，但能代表 user 完成 end-to-end 流程的 AI agent 就需要深度的系統 integration 與 constant learning，形成持久 lock-in。ServiceNow 的店里 Now Assist 就是成功案例：它能自動分類工單、填寫表單甚至觸發後續工作流——這些都需要對系統內部結構有深度 understanding。

成功案例參考：Adobe Firefly 從 2023 年的 beta 實驗，到 2026 年成為 creative Cloud 內不可或缺的 image generation co-pilot，關鍵在於它深度整合了 creative 工作流，而非單獨的 text-to-image tool。Firefly 現在支援 reference image、2K resolution output，並 embed 在 Photoshop、Illustrator、Premiere Pro 中，這種「全鏈路 AI」策略值得學習。

常見問題

AI 真的會降低軟體公司的利潤率嗎？

不會直接降低，但會改變利潤結構。企業初期需要投入大量資源在 AI infrastructure、model training、data engineering，這會短期壓縮 margin。長期來看，若能透過 AI 創造新的收入來源（如 AI agents as a service）或大幅提升 CLV，則 margins 可能恢復甚至擴大。關鍵在平衡投資與回報週期。

傳統軟體公司該自建模型還是用第三方 API？

答案是「兩者都需要」。第三方 API（如 GPT-4、Claude）提供快速启动，但難以形成持久壁壘。企業應該將第三方模型作為基礎層，在其之上建立自有的 fine-tuned、domain-specific 模型，並通過產品數據不斷迭代。這樣既能享受 latest AI breakthrough，又能保持差异化。

合規（如欧盟 AI Act）會成為新的護城河嗎？

會。複雜的 AI 法規要求（如透明性、可解釋性、偏見檢測）對新創公司構成實質障礙。早期投入資源達成合規的企業，可將合規轉為 marketing 亮點，同時讓後進者望之卻步。例如，建立完整的 AI governance framework 需要大量法務與工程協作，這種能力不是短期能複製的。

行動呼籲：你的企業準備好了嗎？

AI 時代的 moats 不再是靜態的牆壁，而是動態的生態系統。與其擔心被 AI 颠覆，不如思考如何利用 AI 重構自己的商業模式。

若您正在評估公司 AI 策略，或需要協助設計數據閉環與 AI Agents 架構，我們 at siuleeboss.com 提供深度諮詢服務，幫助企业在 AI 浪潮中找到新的持久競爭優勢。

立即預約專家諮詢

🔗 參考資料 (所有連結皆真實可查)

• Morningstar: What AI Means for Software Companies’ Moats
• Morningstar: Downgrading Ratings for Six Wide-Moat Software Companies on AI Concerns
• Bain & Company: AI’s Trillion-Dollar Opportunity
• AI SaaS Market Size & Share Analysis 2026
• Global AI Market to $1 Trillion by 2027
• Salesforce AI 2026: The Executive Playbook
• Adobe Firefly – Generative AI for Creatives
• Microsoft 365 Copilot 2026 Productivity Analysis
• AI in SaaS Industry Statistics 2026
• Statista: AI Market Worldwide 2026