护城河的三个来源，单靠一个撑不住

2026-08-25

站内 L9 阶梯有一篇讲独立开发者长期定位的，里面也谈护城河。那篇假设的威胁来自别的开发者——AI 编程工具把动手门槛踩平，同质化的竞争者一下子多起来，「会写代码」这件事本身贬值。这篇换一个威胁来源：模型厂商。同一个词，防的是两拨完全不同的人。被别的开发者抄，你至少还在同一个身位上竞争；被模型厂商在下一个版本里做成默认功能，是整个身位消失。

一、三个来源，各自挡的不是同一件事

公开讨论里反复出现、并且互相收敛的说法是，面向模型厂商的护城河只有三个来源（B3.2）：

自有数据：随使用而累积、模型厂商拿不到的数据
工作流锁定：成为某项业务的「系统记录方」，迁移成本高
分销纵深：切进一个横向玩家不值得覆盖的细分场景

这个说法本站没有追到一手出处，所以下面不拿它当论断依据，只把它当作自检的起点——三个抽屉，先看看自己能往哪个抽屉里放东西。抽屉本身不构成结论。

本站的判断是：这三处挡的根本不是同一件事，把它们并排列出来，容易让人误以为是三选一。

自有数据挡的是能力平移。就算同类能力被做进默认功能，只在你这里产生的那部分数据仍然不在对方手上——B3.2 对这一处的定义原本就落在「模型厂商拿不到」上。

工作流锁定挡的是替换动作本身。就算对面能做出一模一样的东西，换过去这件事有成本，而且成本落在用户身上，不是落在你身上。

分销纵深挡的是注意力。横向玩家不是做不了，是这个场景太小、太脏、太需要线下，划不来。

同样一句「我们有护城河」，说的可能是这三种里的任意一种，而三种的失效方式互不相同。后面第四节会用到这一点。

二、三个自检问法，各自只打其中一处

有几种自检问法在公开讨论里反复出现——把模型厂商拿掉还剩什么、把核心提示词粘进通用对话框能不能拿到差不多的产出、模型厂商下一版把这个能力做成默认功能客户会不会退订。它们是方法不是研究结论（B3.1）。这三个问法怎么一步步跑、答案怎么组合着读，本专题另有篇目专讲，这篇不重复。

这里只用它们做一件事：对位。本站的判断是这三个问法并不是并列的三道关，而是各自只打其中一处来源：

「拿掉模型厂商还剩什么」打的是自有数据。答案里如果没有出现「用户在我这里攒了什么」，这一处就是空的。
「粘贴提示词能不能拿到差不多的产出」打的是分销纵深。这个测试之所以能通过，往往不是提示词写得多好，而是对方根本不知道该问什么、也不会跑到通用对话框里去问——这恰恰是分销问题，不是技术问题。
「做成默认功能会不会退订」打的是工作流锁定。会不会退订，取决于退订这个动作要不要惊动别人。

于是有一件事必须说清：**这三个问题里任何一个单独通过，都证明不了什么。**只有一处来源的产品，恰好只能通过对应的那一个问题，另外两个都会露馅。而通过一个就收手，是这一阶最常见的自我欺骗。

三、每一处怎么算「成立」：写证据句，不写意图句

判断自己有没有护城河，最常见的翻车方式是写下一句意图句——「我们在积累用户数据」「我们打算做成他们的工作台」。意图句永远为真，所以永远没有信息。

本站的判断是，每一处只有能写出证据句才算成立。证据句的形状是「已经发生的、可以被别人验证的事实」，不是计划。三处各给三条判据，三条全中才算这一处成立：

自有数据

这份数据在新账号的第一天不存在，必须靠使用累积出来。
它不能靠一次性导入、公开抓取或买一份现成数据集补齐。
它直接改变产出质量，不是躺在库里做报表。老用户和新用户做同一件事，产出应该看得出差别。

第 3 条是最容易空的一条。很多产品确实攒了一堆日志，但把日志全删掉，用户明天的体验一模一样——那不是资产，是存储成本。

工作流锁定

有人在你这里存了他不愿意重建的东西，不只是历史记录，是他还要拿去用的东西。
你的输出被下游别的环节直接消费，别人的流程里给你排了一格。
换掉你需要惊动第三方，或者改动别人的习惯，而不只是你自己的用户重新注册一个账号。

第 3 条是分水岭。只要「换掉你」这件事全部发生在单个用户自己手里，那不是锁定，那是懒得动。

分销纵深

你能具体说出一个横向玩家为什么不值得覆盖这个场景——成本、合规、线下环节还是客单价太低，说得出名目。说不出，那就是没有。
你的获客发生在一个不通用的地方：一个行业群、一份内部名单、一个只有从业者才看的信息源。
这个场景里的人彼此认识，你的口碑在这个圈子里跑得比在公网上快。

「我们做得更细」不构成理由。做得更细是产品选择，不是别人进不来的原因。

四、为什么一处不够：让触发器不共因

「PMF 会丢」这件事不是为 AI 编出来的新概念。a16z 2017 年那篇《12 Things About Product-Market Fit》里就把它列成了迷思之一：PMF 不是一次性的、大爆炸式的事件；文中转述 Ben Horowitz 的观点是 PMF 是迭代的、连续的，停止适应就会丢掉；配套论点是市场和竞争者在持续变化，因此需要持续适应才能保住（A5.4）。

本站的判断是：护城河的失效和 PMF 的丢失是同一件事的两种说法，而「叠两处」的意义，在于让两处的失效触发器不相关。

三个来源各有各的触发器：

自有数据的触发器是这类数据变成公共品——某种能力被做进默认体验，你攒的那部分不再稀缺。
工作流锁定的触发器是下游改流程——你被排的那一格因为对方业务调整而取消，跟你做得好不好无关。
分销纵深的触发器是场景变大——你选中的这块小地方长起来了，横向玩家开始算得过账。

同时触发两个不相关的触发器，概率明显低于触发其中任意一个。这就是「单靠一处很脆弱，叠两处才算门槛」这个说法在机制上讲得通的地方——它不是凑数，是让风险不共因。

一个反过来的推论：如果你的两处护城河共用一个触发器，那它其实只算一处。比如「自有数据」和「工作流锁定」都完全依附于同一个下游客户的同一条流程，那条流程一变，两处同时归零。数出两处不算数，数出两个互不相干的触发器才算数。

五、护城河没法靠外部榜单验证

想知道自己的护城河有没有起作用，最省事的念头是去看排名和榜单。这条路在 AI 品类上比在别处更不可靠。

a16z 的 Olivia Moore 在《The Top 100 Gen AI Consumer Apps》第 6 版里——2026 年 3 月 9 日发布，榜单数据截至 2026 年 1 月，网页端按 SimilarWeb 月度独立访问量、移动端按 Sensor Tower 月活——明确承认：它的排名「越来越低估了人们用得最多的那些 AI 产品」（原文用词为 undercount the AI products people use most）。原文举的例子是，一个每天泡在 Claude Code 里八小时的开发者属于重度 AI 用户，但在网页流量数据里几乎体现不出来（B4）。

一家把「排 AI 应用榜」做成招牌产品的机构，拿着这两家的数据，仍然在自己最新一版里写下这句话。本站的判断是：**外部口径量的是访问，护城河体现在深度，这两件事在 AI 品类上已经明确脱钩了。**用榜单、下载量、注册数去验证自己有没有护城河，方向从一开始就错了。

替代办法只能是内部的，而且都是同期群对比：

老用户与新用户在同一任务上的产出差——差距随时间拉大，说明自有数据在起作用；一直持平，说明第一处是空的。
导出与迁出请求的去向——有人导出是为了在别处用，还是为了给下游交付。后者是工作流锁定成立的信号。
新用户是从哪听说你的——来源持续集中在同一个圈子，分销纵深还在；开始散成公网泛流量，说明场景正在变大，触发器已经在动了。

六、承诺水平这条外部旁证

有一条外部参照可以侧面用一下，但要先说清它的两条限制。

那份统计到 2025 年 9 月的软件公司留存报告里，AI 原生这一组按档分层之后，高档与低档之间的留存差距非常大（B1.2）。两条限制：样本只统计已达到 25 万美元年经常性收入的公司，还没找到 PMF 的独立开发者根本不在样本里；而且分档究竟按标价还是按每账户平均收入，本站未能确认。这个领域的数字半年就翻篇，这一组也一样。

在这两条限制之下，本站愿意从中拿走的只有一句判断：同样是 AI 产品，做法不同、留存能差出好几倍，说明留存差的根源未必在「AI 这项技术」本身，更可能与承诺水平和定价姿态有关。这是相关不是因果，更不能读成「你把价格标高护城河就成立了」。

它对本篇的意义只有一点：护城河最终会体现在续费上，而不是体现在你怎么描述自己的技术。

七、今天就能做的那件事

拿一页纸，按第三节的九条判据，给三处来源各写一段证据句。规则只有一条：每条判据后面必须写出一个已经发生的事实，写不出就打叉，不许写计划。

写完数一下成立几处。

零处：这时候谈护城河没有意义，先回到「有没有人反复用」。
一处：这是最常见也最危险的位置——通得过一个自检问题，会让人误以为安全。往下走第二步。
两处及以上：检查两处是不是共用同一个触发器（第四节那条反向推论）。共用的话，按一处算。

只有一处时，第二处怎么选，本站给的排序是：

先看工作流锁定，它通常最快能拿到证据。做法是找到已经把你的输出往下游交的那批用户，问清楚他们交给谁、对方拿去做什么，然后把这个交付动作做进产品——从「用户自己复制粘贴」变成「你负责送到」。这一步不需要新技术。
再看自有数据，但只做能改变产出的那一部分。判据就是第三节的第 3 条：把这段数据删掉，用户明天的体验会不会变差。会，才继续投入；不会，先停手。
最后看分销纵深，因为它最慢，而且做的过程中你多半会发现前两处更容易补。

给自己定一个复核时间，把这张纸存好，下一次复核时逐条对照：哪条从计划变成了事实，哪条已经从事实退回成了计划。护城河这东西没有验收，只有复核。