a16z Enterprise Thesis 三连发 — SoR 解构 × Intelligence Layer × Stitch 下注

2026 年 5 月 13-14 日，a16z 连发三篇文章，构成一次有策划的 thesis launch：先拆旧世界，再建新叙事，最后用真金白银下注。这不是三篇独立文章，是同一投资论点的三个面。

第一幕：解构 — Is Software Losing Its Head?（Seema Amble）

起因

Salesforce 宣布开放 API 并推出”headless 产品”——赌在 agent 世界里自己的价值在数据层而不在 UI。Seema 吐槽了一句：这些 API 本来就有，本质是一次”经典的 Salesforce 营销发布”。但问题本身值得认真回答：如果剥掉 UI 只暴露数据库，你到底还剩下什么？跟一个设计良好的 Postgres + Schema + API 有什么区别？

旧世界：UI 就是产品

SoR（System of Record）是某个业务领域的”唯一事实来源”——CRM 管收入，HRIS 管人事，ERP 管财务。过去 20 年 Salesforce 卖的不是数据库，是销售管理界面。底下的数据库很关键但”附带”。

UI 驱动了黏性：强制数据规范、创造共享语言（Leads / Opportunities / Accounts）、变成肌肉记忆。很多销售主管换工作时坚持带上 Salesforce，不是因为 UI 好，是因为用惯了。

旧评分卡：5 个传统黏性维度

1. 使用频率 — CRM 每天都用，成了关键基础设施。真正难迁移的是建立在上面的管理节奏和习惯
2. 读写双向性 — CRM 是读写型（不断输入、不断查），替换它必须处理活跃运营数据，找不到安全切换时刻。对比 ATS（招聘系统）基本单向写入
3. 未文档化的 SOP — 关键业务逻辑编码在多年积累的工作流规则里（“$10 万以上 deal 需 VP 审批，EMEA deal 需隐私审查，季末战略折扣可跳过财务”）。迁移 = 逆向工程每一条规则
4. 内外部依赖数量 — 有多少内部系统和外部利益方（审计师、监管方）依赖这个 SoR
5. 合规关键性 — 薪酬/ERP/HR 数据需要法律上可辩护的事实来源

Seema 的经典比喻：替换 ATS 是痛苦但能活。替换 CRM 是开胸手术。替换 ERP 是病人跑马拉松时做开胸手术。

值得注意：传统 SoR 几乎没利用过专有数据和网络效应做护城河——工作流本身就够了。

Agent 时代：什么变了

Agent 不需要浏览器，需要 API + 上下文 + 指令 + 执行能力。LLM 有了推理能力，MCP 标准化了工具接口。软件买家现在有三条路：(1) 老系统 + agent 上层 (2) 完全 DIY (3) 买 AI 原生替代品。

消失的：人类行为驱动的黏性（使用频率/读写习惯/肌肉记忆）。Agent 杀死肌肉记忆作为护城河，但杀不死运营逻辑和上下文作为护城河。

短期仍重要的：未文档化的 SOP——agent 需要这些规则才能安全执行，也是最难重建的。但采集 context 的成本在快速下降。

持续重要的：依赖网络（方向从”跟上人类”变成”打通割裂的职能和软件”）；合规关键数据（成为 agent-to-agent 的身份/权限层）。

新评分卡：6 个 AI 原生护城河

1. 数据重建难度 — AI 让复制 SoR 的前 80% 变容易，但剩下 20%（例外、审批、合规边界、边缘工作流）区分”有用的切入点”和”真正的替代品”。短期 incumbent 可以通过让 API 难用/不完整/收费高来抵抗，但这道壁垒会被 CUA 削弱。

2. 专有数据生成 — 最精妙的一条。可防御的数据不是你导入的，是产品在运行中”独特地引发存在”的：行为模式、响应率、时间模式、异常记录、agent 执行轨迹。系统跑得越久积累越多，竞品无法批量导入。数据就是上下文。

3. 闭环 action layer — 旧世界只存记录就够了。新世界：执行行动 → 捕获结果 → 反馈优化未来决策。闭环产品坐在执行内部而非观察外部，拔掉它工作流就断。

4. 真实世界执行 — 最强护城河是连接物理世界的软件。DoorDash 不只是订单数据库，它调度骑手、管物流、完成配送。Postgres + agent 替代不了最后一公里。

5. 多方网络效应 — 传统 SoR 网络效应约等于零（内部工具）。但系统如果坐在多方之间（买卖双方、雇主雇员、公司与审计师），就从数据库变成协调基础设施。三条路径：共享工作流协调、跨网络基准情报、信任标准化。

6. 买家技术能力 — 制造业/建筑/会计等垂直行业没有工程团队自建。“操作复杂但技术不足”的市场是 AI 原生 SoR 的最佳靶场。

其他必备条件

• 数据模型需要重新设计：旧 schema 为人类仪表盘设计（Opportunity / Ticket / Candidate）。Agent 原生 schema 需要捕获推理、行动、状态追踪、异常处理、委托、跨系统协调。原生对象可能变成 Task / Intent / Thread / Policy / Outcome。
• 权限体系管 agent 不只管人：谁能做什么、通过哪个 agent、在什么策略下、需要什么审批、什么审计记录、怎么回滚。

第二幕：建设 — From “System of Record” to “System of Intelligence”（Gio / Steph / Alex）

核心类比：Facebook 社交图谱 → News Feed

社交图谱曾是 Facebook 的核心资产——你打开 Facebook 看的就是人的 profile。然后 News Feed 出现了：“这是今天发生的事，在这里了解情况并行动。” Feed 一开始是图谱的补充层，但最终图谱变成了 feed 算法的”诸多输入之一”。图谱没消失，但不再是重要的层了——feed 算法才是。

a16z 认为 CRM 正在经历同样的事。CRM 不会消失，但正在从”用户每天打开的东西”降级为”AI agent 读写的数据库”——就像 profile 数据变成了”在内部 API 层被消费”。

为什么数据库赢了 20 年

过去 30 年 GTM 领域产出了无数产品，但几乎所有价值都积累在两个名字上：Salesforce（~$140B）和 HubSpot（~$9B）。原因很简单：它们拥有数据库，而数据库是所有价值所在。数据积累几年后，切换成本高到用户变成”人质而非客户”（Alex Rampell 原话）。AppExchange 和 HubSpot Marketplace 上的每个工具都在为接入别人的数据库付租金。

然后 Salesforce/HubSpot 做了每个时代的主导平台都做的事：向外扩张。营销、服务、分析、商务——每个新模块建在同一根数据脊柱上，进一步提高离开的成本。

编排是新的引力井

AI agent 正在接管越来越大比例的 GTM 工作流。agent 不需要 drag-and-drop pipeline 视图，需要的是低摩擦可读写的结构化数据。从 agent 的角度看，CRM 就是一个数据库——一个非常大的、精心策划的、由受信任的供应商托管的数据库，但终究是个数据库。上面那些精心设计的工作流 UI 正在变成”遗产家具”——就像 Facebook profile 的 UI，曾经至关重要，现在无人在意。

引力从数据积累迁移到编排。 软件时代的引力来自”每个有价值的销售上下文必须存在一个地方，因为人类一次只能看一个地方”。AI 时代的引力来自编排——agent 可以同时从 CRM/日历/共享收件箱/通话录音/Slack/enrichment API/计费系统/产品遥测拉几十个信号并综合推理。

切换成本相应转移。“我们所有客户数据都在 Salesforce” → “我们所有的工作流、推理、积累的组织上下文都在 AI 层”。CRM 过去对每个想访问其数据的 app 收税；现在 intelligence 系统成了 hub，CRM 是它编排的诸多 SoR 之一。

GTM 软件 vs 人力：5-10% vs 90%

GTM 软件历史上只占企业 GTM 总支出的 5-10%，剩下全是人力工资。 Salesforce 统治软件那一块，但那块本身一直是个薄楔子。

AI 第一次让软件公司有机会有意义地降低成本同时打开新的高 ROI 用例。目前还没看到直接裁员——使用工具的 rep 达成配额和指标的比率明显高于没有的，每一美元 GTM 投入的回报在上升，而不是仅仅维持。

这意味着新公司不是在 Salesforce 的市场里抢份额，是在打开一个 10 倍大的新市场。

反直觉发现：CRM 使用量反而上升

GTM 调查的反直觉发现：自从 AI 工具规模化采用以来，CRM 使用量实际上升了。agent 听通话、写结构化笔记回系统，数据质量大幅提升，rep 反而更愿意查 CRM。

短期来看，agent 是 CRM 的增强器，不是替代器。但长期来看，用户的”主屏幕”已经不是 CRM 了——是 intelligence feed。

VP of Sales 的一天（2028 场景）

VP of Sales 不再从 Salesforce 的静态账户列表开始。她打开的是 intelligence 系统生成的优先级 feed：哪些客户昨晚有重大新闻、哪些潜在客户突然进入采购状态、哪些 pipeline deal 安静了需要调查。日常优先级决策——过去消耗每个 rep 和每个销售主管大量认知精力——被静默卸载到 intelligence 层。

Rep 准备更充分：从来不读 10-K 的 rep 现在带着为他起草的简报进去。6 周的新人在某些指标上比旁边坐了 10 年的老手更好。

更重要的是，VP 有了团队真实表现的完整画面——不再是那个经常不完整、偶尔虚构的 CRM 数据。通话录音/邮件/日历数据自动流入、持续分析，她能实时看到谁在做规范 discovery、谁在跳步骤、哪些客户被覆盖、哪些被悄悄忽视。

最深远的影响：组织知识不再随 rep 离职流失——intelligence 系统在 rep 任期内静默吸收的所有上下文，可以在她离开时完整交接给继任者。组织记忆变成了可以交付的资产。

中间层的”不起眼但关键”工作

技术核心是 foundation model。但 foundation model 本身不是 GTM 应用，就像 Oracle 的数据库引擎不是 CRM。model 和客户之间有大量不起眼的领域特定工作：编排几十个连接系统的上下文、编码销售和营销团队的实际运作逻辑、处理权限和合规、集成 Fortune 500 IT 环境的混乱现实。这个工作就是新的 GTM 应用层。这是新公司正在被建造的地方。

第三幕：下注 — Investing in Stitch（Alex Rampell / James da Costa）

Stitch 是什么

中东 core banking 操作系统。API-first 平台，让银行/fintech/非金融机构在模块化 stack 上发卡、放贷、开户。包含总账、核心数据库、卡/贷款/银行账户的产品专用软件、可定制工作流引擎、KYC/KYB 集成市场。

创始人 Mohamed，团队从 FIS 和 Barclays 挖人。a16z 领投 Series A——也是 a16z 在沙特的第一笔投资。

关键数据

• 半年平台交易量 >$5B
• 2025 年客户数增长 10x，收入增长 20x
• 标杆客户：Lulu Exchange、Raya Financing
• 产品上线速度比传统方案快 80%
• 正从 GCC 扩展到非洲和东南亚

为什么是中东

美国的 core banking 被 FIS/Fiserv 锁死（Seema 那篇说的”跑马拉松做开胸手术”）。中东是 greenfield： - 沙特未来 5 年要新增几百家金融机构，全都需要 core banking - 金融行业 10% YoY 增长 - 没有 legacy 包袱 = 不打 displacement 战，只打 greenfield 新增战 - 国家层面的”脱油”战略提供政策顺风

这是在”旧 SoR 无法被替换”的现实下，找到了一个”从来没有 SoR”的市场。

Stitch vs Seema 的新护城河 Scorecard

Stitch 是 Seema 那张 scorecard 几乎全满分的标的。 a16z 先发 thesis 再发 deal——让读者自己对着 checklist 打分，结论自然出来。

三篇统一框架

a16z 的 Meta Thesis

旧世界                          过渡期                         新世界
─────────────────────────────────────────────────────────────────────
UI 驱动黏性（肌肉记忆）    →   agent 绕过 UI              →   UI 无关紧要
数据锁定（switching cost） →   80% 数据可重建              →   专有数据生成是新壁垒
SoR 是价值中心             →   SoR 变成 API infrastructure →   Intelligence layer 是价值中心
软件占 GTM 支出 5-10%      →   agent 开始切入人力预算     →   软件 TAM 扩大 10 倍
CRM 对 app 生态收税        →   CRM 成为 agent 的输入之一  →   编排层对 SoR 收税

两头下注

• 上层：投 intelligence/orchestration layer 公司（GTM AI startup）——坐在 SoR 之上、成为用户”主屏幕”的编排层
• 底层：投新一代 SoR 公司，但只在 greenfield 市场（中东/非洲/东南亚）或 incumbent 真守不住的垂直赛道

拧巴点和质疑

1. “编排层”本身可能很薄

Gio 论证 intelligence layer 是新的 gravity well，但 foundation model 公司（OpenAI / Anthropic / Google）自己都在做 tool use + orchestration。如果 Claude 或 GPT 本身就能直接编排 CRM/日历/邮件，中间的”编排层公司”还有多大空间？a16z 说”foundation model 不是 GTM 应用”——对，但 foundation model + MCP + memory 离 GTM 应用也不远了。

反驳：中间那层”不起眼的领域 know-how”（权限/合规/Fortune 500 IT 集成/垂直行业逻辑）确实不是 model 公司愿意做的脏活。但脏活的壁垒 = 多厚？这是关键判断。

2. 新护城河互相矛盾

一方面说”AI 让重建 SoR 的前 80% 变容易”，另一方面说”专有数据生成是新护城河”。但如果重建数据变容易了，新公司生成专有数据的门槛也在降低。护城河不在于你能不能生成专有数据，而在于能不能在客户切换成本足够高之前积累到临界量。这是速度竞赛，不是结构优势。

3. 网络效应被过度乐观

Seema 自己承认 SoR 历史上网络效应很弱。然后说 agentic 时代”可能变强”——但例子都是理论性的。B2B 多方协作平台做网络效应极其困难（Ariba 花了多少年）。把”可能的网络效应”当”新护城河”是 VC 典型的 thesis-driven 乐观。

4. 定价问题被完全回避

Agent 消除了”按 seat 收费”的逻辑基础（agent 不是 seat），但新定价模型是什么？按 action？按 outcome？按 API call？如果是按 action/outcome，SaaS 的高毛利可预测收入模型就崩了。估值体系需要重建，但三篇都没碰。 Jason Lemkin 的推文其实暗示了这个问题：Salesforce seats 从 10+ 降到 2 人 + 1 API，但年费从 $12K 涨到 $22K（+83%）——这说明 Salesforce 已经在悄悄转向 consumption-based pricing。

5. Salesforce headless 的 existential dilemma

Seema 说 Salesforce 推 headless 是”聪明的重新定位”。但更深层的问题：如果 Salesforce 主动变成”数据库 + API”，它的估值逻辑就不再是 SaaS，是数据平台。$300B 市值按数据平台估值能撑住么？不 headless 会被绕过，headless 了估值基础变了。

6. Stitch 的质疑

• 20x 收入增长从什么基数？Series A 阶段 20x 可能是从极小基数
• 中东 greenfield 的另一面：没有成熟金融生态和人才池，监管变化快，政治风险不可忽视
• FIS/Fiserv 也不是吃素的，市场起来了大玩家会进场
• a16z 在沙特”第一笔投资” = 没有 local network，这种市场 relationship 和分销很关键

投资实操框架

GTM AI Startup 评估清单（从三篇合成）

• 在 SoR 之上做 intelligence layer，还是在重建 SoR？
• 有没有闭环 action（不只是推荐，能执行 + 捕获结果）？
• 数据是导入的还是产品内生的？内生数据的独占性如何？
• 有没有真实世界执行环节（物流/现场/支付）？
• 多方网络效应是真实存在还是 pitch deck 故事？
• 定价模型是什么？seat-based 还是 outcome-based？毛利结构？
• 编排层有多厚？foundation model 能不能直接做？
• 在 incumbent 锁死的市场还是 greenfield 市场？

最大 Alpha 在哪

1. “不够性感”的垂直赛道 + 真实世界执行：field service / logistics / construction / manufacturing + agent = 最有结构性护城河的方向。纯数字编排层容易被 foundation model 吃掉，有物理世界连接的最难替代。
2. Greenfield 市场的新一代 SoR：Stitch 的策略可以复制——不在 FIS/Fiserv/Salesforce 的地盘打，去”从来没有 SoR”的市场从零建。中东/非洲/东南亚的金融/医疗/政府是 greenfield 靶场。
3. Agent-to-agent 编排：Gio 讲的 agent-to-human 场景（GTM）已经被证明，agent-to-agent 是下一步。我们赛道 mapping 里的 Slock 等项目本质就在做这件事——但 agent-to-agent 的护城河是什么（上面 6 个新护城河哪些适用）？值得追。

术语表