巨头不会随机扩张：用护城河邻接地图预测 AI 的下一站

Qwen 已经能够调用淘宝天猫商品、订单、物流与售后能力，完成比较、下单和履约管理；但这不等于 Alibaba 可以自由调用 Alipay 的金融数据。

这项差异决定了一张竞争地图有没有预测价值：真实产品能力来自可调用的资产、明确的合作与执行许可，不能从股权印象或品牌联想中推出来。

创业者面对巨头时，最常问的是：“它能不能做出我的产品？”这个问题几乎没有预测力。资金、模型和人才足够多的公司，理论上能够复刻大量功能。能做，离优先做、现在做、合法做和最终做成，还有很长距离。

更有用的问题是：

哪个新机会，既能调用这家公司已经控制的护城河，又能形成一层反向增强核心业务的新稀缺？

巨头不会平均进入所有 AI 机会。它们更倾向于进入能复用现有用户入口、交易关系、数据权利、设备、基础设施和责任能力，同时又能守住核心利润与入口的邻接领域。

对创业者而言，最高风险来自两个条件同时成立的方向：巨头拥有结构性低成本进入权，也有足够强的经济动机。

由此可以得到一张护城河邻接地图。它不预测巨头一定成功，只判断哪里最值得提前设防，哪里仍有时间建造自己的结构优势。

一、从“能不能做”改成四道预测门

上一篇《双重护城河：不是离开既有优势，而是在它上面创造新稀缺》讨论的是公司如何在既有优势上创造新稀缺。用于竞争预测时，只需保留最短的一条因果链：

既有护城河 → 邻接任务 → 新 AI 产品 → 新入口与反馈 → 反向增强既有护城河

“邻接”不指两个行业名称接近。它指一个新任务能低成本调用旧资产，完成以后又会增加旧资产的价值。

模型能力的快速扩散，让这条判断更重要。模型蒸馏能够让较小模型学习较强模型在特定任务上的行为，提示词、界面和工具编排的领先期也会继续缩短。但蒸馏不会自动带走用户关系、数据权利、设备安装量、支付履约、人工判断和责任系统。

因此，预测一家巨头是否进入某个方向，需要依次穿过四道门：

四道门有严格顺序。第一道门判断错，后面的推理全都建立在不存在的资产上。前三道门通过，第四道门仍然可以否决进入。即使四道门全部通过，也只提高进入概率，并不保证产品成功。

二、控制权审计：合作关系不能直接变成产品能力

竞争预测最容易忽略资产的法律与经营边界。

一项能力进入地图前，必须先归入一种状态：公司控制、少数投资、商业合作、需要用户重新授权、公开可用或未经证实。公开可用不等于专属优势，未经证实的资产不得进入预测地图；其他状态也要分别写清实际控制权和调用边界。

数据尤其如此。同属一个集团，不代表所有数据可以跨业务自由组合；同一个人领导多家公司，也不代表用户授权和商业权利自动贯通。金融、医疗、未成年人、家庭影像和通信数据，还需要额外的监管与责任判断。

Alibaba 是更有解释力的正向案例。它的 2026 财年年报把 Ant Group 列为 33% 权益法投资，并把 Alipay 定义为 Ant Group 的全资子公司。同一份年报也写明，Qwen 已接入淘宝天猫、即时零售、飞猪、高德与 Alipay 等服务。两类事实同时成立：Alibaba 与 Ant Group 的生态合作很深，Alibaba 却没有因此取得对 Ant Group 金融数据和持牌业务的自由调用权。

真正进入产品的资产，已经给出更窄也更可靠的预测。Qwen 已接通淘宝天猫超过 40 亿件商品的目录，以及订单管理、物流和售后能力；用户可以在对话中比较商品、下单和管理配送，淘宝内的购物助手还能追踪价格并在达到授权条件后自动购买。Alibaba 的高邻接方向因此是智能体购物、商家经营和企业工作流：这些任务能直接复用商品、商家、交易履约、Qwen 与云，又会把新的购物意图和执行反馈写回电商与模型。金融执行也可能通过合作进入同一旅程，但支付、信贷、保险及其数据使用必须逐项证明授权、合同与持牌边界。

这个案例把控制权审计变成了可操作规则：先找已经接入产品的资产，再沿真实工作流预测下一步；没有调用依据的数据，即使来自重要合作方，也不能进入公司的专属护城河。

三、Amazon：最完整的邻接链，也需要用户授权

Amazon 适合用来观察正向邻接。

它拥有相互连接的一组资产：购物账户与 Prime 关系、商品和卖家网络、支付与订单、仓储物流、Alexa/Echo 和 Ring 家庭入口，以及 AWS 的云与智能体基础设施。

这些资产已经出现明确组合。Amazon 已把购物助手推进为 Alexa for Shopping，提供商品搜索、价格历史、提醒、部分自动购买及部分站外代购；Alexa+ 可以管理智能家居并连接部分第三方服务；AWS 也发布了 Bedrock AgentCore 的商业和支付能力，其中部分仍处于预览阶段。

由此得到的高置信度预测是：Amazon 会继续把需求发现、商品比较、购买授权、配送、售后与家庭设备连接成更长的任务链。它的新稀缺不会只落在一个对话界面，而会落在从意图到履约的组合能力上。

这条预测需要两层限制。

第一，当前没有官方证据证明 Amazon 已形成 Ring 家庭事件 → Alexa 自主决策 → 自动购买 → 物流履约 的完整闭环。现阶段已确认的是多个强邻接组件，完整自主链仍是带条件推断。

第二，家庭影像、语音、住所事件和购买历史属于高敏感上下文。每一类跨域调用都需要明确目的、逐项授权、取消和审计。AWS 提供智能体基础设施，也不表示 AWS 客户可以访问 Amazon 的零售、Alexa 或 Ring 数据。

旧资产还不能保证产品成功。Amazon 2014 年年报曾为 Fire Phone 库存估值和供应商承诺成本记录约 1.7 亿美元费用。这项事实不能解释失败的全部原因，却足以说明：拥有交易、云、品牌和分发，也不保证用户愿意把新的关键入口交给你。

Amazon 案例支持的结论是，资产邻接可以降低建造与分发成本；它不证明用户授权、产品采用和长期成功会自动发生。

四、Apple：正在搭建智能体化个人计算的系统条件

Apple 提供了另一种邻接路径。Amazon 的起点是交易和履约，Apple 的起点是个人设备、芯片、操作系统、品牌关系与隐私架构。

Apple 的 2025 年 10-K 把公司能力描述为近乎完整地设计硬件、操作系统、核心应用和相关服务，并把设计与技术创新、第三方软件与配件生态、营销分发、服务支持和企业声誉列为竞争因素。2026 年 1 月，Apple 披露活跃设备安装量已超过 25 亿台。这组事实比“品牌很强”更有预测价值：它说明 Apple 已经控制高频个人入口、芯片与操作系统，并拥有把新能力分发到大量设备的路径。

供应链和销售网络也要精确表述。Apple 深度设计并组织硬件供应链，却没有拥有大多数制造工厂；绝大部分硬件制造、最终组装和大量物流依赖外部伙伴。2025 财年约 40% 净销售额来自自营零售、在线商店和直销团队，约 60% 来自运营商及其他经销渠道。因此，它的优势是纵向设计、供应链组织与混合分发能力，并非完全自有的制造和销售网络。

更直接的可控资产包括 Apple silicon、iPhone/iPad/Mac/Watch/Vision Pro 等设备、六套操作系统、App Store、Apple ID 与 iCloud 关系、系统权限，以及让第三方应用暴露操作能力的 App Intents。

Apple Intelligence 已把生成模型放进 iPhone、iPad 和 Mac，结合设备端处理与 Private Cloud Compute。Apple 在 2026 年公布的 Siri AI 进一步提出：理解屏幕内容、调用个人上下文、跨信息与应用搜索，并通过更多系统级 App Actions 完成任务。App Intents 则让第三方应用把内容与动作以结构化方式交给 Siri、Spotlight、Shortcuts 和 Apple Intelligence。

这意味着，Apple 正在搭建的已不只是“电脑里有一个 AI 应用”。更准确的分析标签是智能体化个人计算（Agentic Personal Computing）：用户表达目标，操作系统理解个人上下文，在授权边界内调用多个应用和设备，再把结果交回用户确认。这个标签覆盖 iPhone、iPad、Mac、Watch 与 Vision Pro，不把方向错误地收窄到传统 PC。

这个方向并非从零开始的远期想象。它的关键组件已经进入 Apple 平台。不过，“Agentic Personal Computing”不是 Apple 官方产品名，完整形态也尚未得到证明。2026 年的新 Siri AI 仍处于开发者测试与分阶段推出状态，部分地区和语言受到监管与可用性限制。Apple 的复杂模型能力也包含外部技术与云基础设施合作，不能写成完全自主、全部设备端运行的封闭模型栈。

判断它是否从“智能功能集合”走向“智能体计算平台”，需要观察五类信号：

• 第三方应用是否大规模提供可组合的 App Intents；
• Siri AI 能否稳定完成跨应用、多环节任务；
• 敏感操作是否具备清晰确认、取消、撤销、审计和失败恢复；
• 任务能否跨 Mac、iPhone、iPad、Watch 与 Vision Pro 连续迁移；
• 用户是否把高频工作入口从单个应用转移到系统级意图入口。

失效条件也很明确：第三方动作长期不足；复杂任务仍需用户逐个打开应用；隐私与地区监管阻断个人上下文；模型质量无法支撑可靠执行；用户把主要智能体入口交给其他平台。

Apple 案例说明，硬件与系统优势加入 AI 后，最自然的新增价值不是多卖一个聊天功能，而是重写“个人设备怎样理解目标并执行任务”。能否成为新的双重护城河，取决于它是否真的减少操作成本，同时继续增强设备关系、开发者生态、隐私架构与用户授权意愿。

五、Musk：共同领导者不等于共同资产池

控制结构会变，邻接地图也必须随之更新。

2025 年 xAI 收购 X；2026 年 2 月，SpaceX 又公告收购 xAI。因此，SpaceX 的通信与基础设施、xAI 的模型和计算、X 的实时信息入口，如今处在更明确的共同控制结构中。连接、计算、实时内容与 AI 服务之间的邻接度随之上升。

Tesla 仍是独立公司，Optimus 属于 Tesla 的 AI 与机器人项目。Tesla 的自然邻接更接近车辆智能、能源、制造和具身机器人。共同领导者不能替代跨公司的数据授权、合同和治理，也不能让 Tesla 车辆数据自动进入 SpaceXAI 的产品。

这个案例支持一条边界：公司关系发生变化时，预测必须更新；个人影响力不能单独充当产品控制权。

六、创业者的输出不是公司报告，而是一张地形图

完成四道门以后，把机会分成三个区域：

地形图的用途不是给行业贴一个永久标签，而是判断巨头进入成本正在升高还是下降。创业者真正需要管理的，是绿区还能维持多久、哪些事实会让窗口关闭，以及窗口关闭前能否形成自己的双重护城河。

绿区常见于强垂直、强情境的工作流；需要长期信任和人工判断的结果；必须保持跨平台中立的产品；依赖地方关系、专属权利或专业责任的服务；总市场有限但单次结果价值较高的任务；以及与巨头广告、交易或平台模式发生根本冲突的产品。

这三种颜色不会固定。市场扩大、标准形成、监管改变或并购补齐资产后，绿区会向黄区、红区移动。

因此，每一项预测都应留下可回看的记录：

创业者不需要每天追踪所有巨头。只需选择最接近自己用户、任务、交易、数据或履约环节的几家公司，每季度更新一次四道门。

七、这套预测怎样被证明是错的

护城河邻接地图不是事后解释工具。它必须承担预测失败。

以下观察会削弱甚至推翻它：

• 巨头长期优先进入低资产复用、低经济动机的方向；
• 高邻接、高动机的方向持续没有行动，监管与组织冲突也解释不了；
• 加入控制权和执行许可后，判断不比“公司大、市场热门”更准确；
• 被划入绿区的业务，与红区相比并没有更低的替代率；
• 新业务不增强任何核心资产，却仍持续获得同等战略投入。

单家公司也要设置更短的失效条件。对 Apple，如果跨应用执行、第三方意图和系统级任务入口在既定窗口内没有实质进展，“Agentic Personal Computing”判断就应下调。对 Amazon，如果家庭入口、交易授权与履约长期保持割裂，完整家庭商业链判断同样要下调。

预测巨头，不能只盯着下一场发布会。要看它已经控制什么、必须守住什么，以及哪个新任务能让这些资产再次变得更有价值。

AI 会继续降低模型能力和表层功能的复制成本，却不会让所有公司拥有相同的用户关系、数据权利、设备网络、交易履约、组织能力与信任。

创业者要找的也不是一个巨头永远看不见的市场。更有价值的地形，是巨头看见以后，仍需跨越自己的利益、权利、责任和组织结构，才能交付同等结果。

生存空间不在巨头视野之外，而在它的结构性进入成本之上。

参考信号

• OpenAI｜Model Distillation in the API
• Alibaba｜Qwen 接入淘宝天猫商品与履约能力
• Alibaba FY2026 Annual Report｜SEC Exhibit 99.1
• Amazon｜Alexa for Shopping
• Amazon｜Alexa+
• Amazon FY2014 Annual Report｜SEC Form 10-K
• Apple｜Apple Intelligence 与 Siri AI
• Apple｜2026 财年第一季度业绩：活跃设备安装量超过 25 亿台
• Apple Developer｜App Intents
• Apple Developer｜App Intents 2026 更新
• Apple FY2025 Form 10-K｜SEC filing
• SpaceXAI｜xAI joins SpaceX
• SpaceX｜2026 EU Prospectus
• Tesla｜AI & Robotics