將七大競爭優勢套用於 AI

資料來源#

• 2026 State of Scaling: The Great Sorting
• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World
• Startup ARR is less secure than ever, new research shows
• The ICONIQ Pacesetter Index

摘要#

Boris Cherny 使用 Hamilton Helmer 的 7 Powers 架構（由 Acquired Podcast 發揚光大）來預測哪些競爭護城河能在 AI 時代存續，哪些會削弱。他的論點是：流程優勢與轉換成本會崩解；網路效應、規模經濟與稀缺資源則會持續。 人們常爭論的「SaaS 末日」問題，框架就錯了——末日只會衝擊特定類型的 SaaS（仰賴流程優勢與轉換成本者），而非所有 SaaS。對建造產品的人而言，直接的含意是：你押注的護城河，決定了 AI 是助力還是破壞球。

七大競爭優勢（Helmer）#

1. 規模經濟
2. 網路效應
3. 反向定位
4. 轉換成本
5. 品牌
6. 稀缺資源
7. 流程優勢

Boris 明確討論了其中五項。

AI 時代會削弱的優勢#

轉換成本#

「轉換成本會[削弱]，因為你只要用模型，就可以把東西從一個地方移植到另一個地方。」

如果你的護城河是「使用者建立了工作流程／資料／整合項目，遷移成本太高」，AI 代理程式就會大幅降低遷移成本。代理程式可以重建整合項目、移植資料、重新產生巨集。使用者對你特定產品形態的投入，不再那麼難以抽身。

受衝擊最深的案例：深度客製整合的企業 SaaS、使用專有資料格式的垂直軟體，以及累積大量使用者自建設定的生產力工具。

因應方式：少依賴綁定，多仰賴持續交付價值。

流程優勢#

「流程優勢會[削弱]，因為對那些經營模式依賴工作流程、流程和各種作業的公司來說，[Claude] 現在很擅長找出流程。尤其到了 4.7，它可以對任何事情做爬山搜尋。所以你只要給它一個目標，告訴它反覆嘗試直到完成，它就會做到。我認為這是第一個能做到這件事的模型。」

流程優勢 = 公司經年累月改良出一套競爭者難以複製的做事方式。Boris 的主張是：強大的模型 + 目標 = 自動化爬山搜尋，從而重現流程。流程如今變得容易模仿，過去並非如此。

受衝擊最深的案例：營運能力出色、優勢在於「我們把 X 做得比任何人都好」，卻沒有規模或網路效應支撐的公司。通路、營運、客戶服務等。

因應方式：流程優勢必須搭配具結構性保護的優勢（規模、網路），才能存續。

仍然持續的優勢#

網路效應#

使用者價值會隨平台上的其他使用者增加而提升。AI 不會改變這一點。訊息應用程式、市集、開發者生態系——價值存在於網路本身，而不是支撐它的程式碼。AI 也許能降低建置支援程式碼的成本，但無法複製網路。

規模經濟#

單位成本會隨規模擴大而下降。AI 運算本身就有規模經濟（基礎模型訓練、GPU 叢集使用率）。資本密集程度重要的垂直領域——半導體、基礎設施——仍保有護城河。

稀缺資源#

獨家取得關鍵投入——合約、監管機構、研究成果、資料流。AI 不會授予存取權。如果你的企業握有競爭者無法複製的合約，AI 不會消除它。

Boris 未明確評估的優勢#

• 反向定位 — Boris 沒有談到這一點，但 Printing Press Software Democratization 的類比顯示，反向定位可能會蓬勃發展：AI 原生新創可以選擇既有業者在結構上無法採用的商業模式。
• 品牌 — 同樣未被討論；可以說仍會持續，因為 AI 不會讓建立品牌的成本降為零。

新創為何特別受益#

「如果你看看今天的新創數量，或者未來十年，我認為未來十年會有的新創，有很多將徹底顛覆一切，數量大概會增加 10×。」

「大公司必須演進其業務流程、重新訓練所有人，還得面對內部阻力。這個房間裡沒有人有那個問題。如果你從零開始，就能從根本上用 AI 原生方式建置。」

新創沒有仰賴流程優勢的既有業務需要防守。它們可以挑選 AI 不會削弱的優勢直接建置，不必承擔既有業者面臨的遷移成本。

反方考量#

• 品牌與信任型 SaaS（Stripe、Slack 等）仰賴轉換成本，也有網路／規模優勢；即使轉換成本削弱，其他優勢仍在。Boris 的架構正確預測，它們比純網路效應型公司更容易受影響，但不至於遭受災難性衝擊。
• 流程優勢沒有消失——只是更難獨占。 給定目標後，模型可以用爬山搜尋處理大多數流程，但定義正確目標並提供正確輸入本身就是一種技能。流程優勢可能正在轉型，而非消失。
• 稀缺資源也包括「人才」。 Boris 沒有深入談這點；如果前沿 AI 人才是稀缺資源，AI 本身就會擴大持有者（Anthropic、OpenAI、Google）的優勢。
• Mythos / Opus 4.7 作為稀缺資源。 Anthropic 在發布前會先於內部試用這兩者。前沿模型這項「稀缺資源」會形成一段持有者明顯領先的窗口期——但模型一旦推出，窗口就會關閉。

轉換成本的圖像有兩面（Emergence Capital，2026 年 6 月）#

Boris 的主張是，轉換成本會削弱，因為代理程式能移植資料並重建整合項目。Emergence Capital 的 Beyond Benchmarks 2026 同時呈現 AI 工具市場的另一半：買方正在整併。2025 年平均 AI 支出增加 2.2×（每月 $16K → $34K），但公司全年平均只使用 6–8 家 AI 供應商——支出翻倍，供應商名單卻沒變。AI 現在占企業軟體支出的約 7%（先前約 3%）。報告的解讀是：「實驗階段即將結束……贏得第一筆交易，現在比 18 個月前有價值得多。」因此，即使代理程式讓離開既有供應商變得更便宜，買方卻正圍繞少數 AI 平台及早建立鎖定——轉換成本的形成與轉換成本的削弱同步發生。鎖定尚未完全定型：企業供應商排名仍在變動（Anthropic 超越 OpenAI，成為採用最廣的 AI 供應商，從第 3 升至第 1；xAI 從第 13 升至第 5；Perplexity 儘管聲勢高漲，仍跌出前 20）。對建造產品的人來說，這讓先落地、再鎖定的邏輯更清楚：第一筆交易是時間鎖定型護城河開始累積的地方，而新供應商被採用的窗口正在縮小。（由 VC 發布，但資料由合作夥伴提供——Stackpack 供應商層級收據，而非分析師估算。）

調查所見的重新評估節奏（Madrona 經 TechCrunch，2026 年 9 月）#

對同一項優勢的第三種解讀，而且它指向 Boris 所說的削弱面。Julie Bort 的 TechCrunch 文章（2026-09-03，practitioner-opinion——報導 VC 調查結果，而非研究）報導 Madrona 對 150 位企業 IT 專業人士的調查：77% 每六個月或以滾動方式重新評估 AI 供應商。Madrona 自己的解讀是關鍵句，而且以 Helmer 的用語來說，這就是轉換成本論點，雖然沒有提他的名字：

「這形成一種『快速進場、快速離場』的動態，與傳統企業 SaaS 截然不同；傳統企業 SaaS 的多年合約提供了慣性的護城河……在企業 AI 中，轉換成本較低，重新評估節奏則毫不鬆懈。」

這補上前兩種解讀都沒有的兩件事。第一，它指出買方端的機制：Boris 所說的削弱是技術性的（代理程式移植資料並重建整合項目），Madrona 所說的則是程序性的——採購行事曆每年讓既有供應商重新參加兩次競標，無論遷移是否便宜。即使整合工作依舊棘手，按期重新開啟的合約仍會削弱慣性，這是與代理程式發揮作用不同的槓桿。第二，它用賣方自己的指標衡量後果：Bort 的綜合分析——這是她的主張，不是 Madrona 的主張，也不是研究發現——認為企業 ARR 在產品通過試點後仍不穩定，因此同一媒體一直報導的三個月內 ARR 從 $0 飆到 $10M，代表的營收流不像其縮寫暗示的那樣具有年金性。仍以記者論述的權重看待；兩項調查都沒有衡量流失、續約或淨營收留存率。

與上文 Emergence 的解讀如何並存。 兩者看似互相矛盾——全年維持 6–8 家供應商（整併、鎖定的形成）對上 77% 至少每半年重新評估一次（不間斷的節奏）——但不必打折任何一方，也能調和：重新評估不等於替換。 名單不變，正是既有供應商持續贏得競標的表現；每六個月檢視續約、但名單穩定，也代表留存仰賴績效，而非慣性。這仍然是競爭優勢的真正變化：同樣的營收，底下的護城河卻被抽走。兩者無法同時成立之處在於持久性——Emergence 認為「贏得第一筆交易現在有價值得多」，其前提是第一筆交易會複利累積；Madrona 的節奏則表示它每年要重新評估兩次。權重偏向 Emergence：供應商層級的資料合作夥伴收據（Stackpack），對上 150 位自行回報的 IT 專業人士所參與的 VC 調查；資料透過新聞文章進入 wiki，而且 Madrona 報告與本頁數據所依據的 a16z 文章都尚未直接閱讀。將此記為張力，而非下結論。

問題一直追問的留存序列，以及它能與不能解決的事（ICONIQ，2026 年 9 月）#

上述每種解讀衡量的都是意圖——Boris 的機制、Emergence 的供應商數量、Madrona 的重新評估節奏。都沒測量營收是否真的流失。ICONIQ 的 Pacesetter Index（ICONIQ Venture & Growth，2026-09-17，empirical）提供這個資料集中的第一組實測留存數字——來自上市軟體公司，加上 ICONIQ 自家的創投與成長投資組合，涵蓋 2024 – Q2 2026 的季度財務與營運資料；研究對象則選自三年成長率位居前四分位、並標記為 AI-Native／AI-Driven 的群體：

ARR 區間	毛美元留存率（中位數／TQ）	淨美元留存率（中位數／TQ）
<$10M	100% / 100%	105% / 115%
$10M–$25M	95% / 100%	125% / 140%
$25M–$100M	95% / 95%	130% / 140%
$100M+	90% / 95%	115% / 130%

此處最有力的佐證不是數字，而是 ICONIQ 改變了衡量工具。 頁面標示毛留存率是基準中的新增指標，ICONIQ 說明原因時，重述的正是 Helmer 表格中這一列，只是沒有用他的詞彙：「切換工具已變得容易許多。銷售週期更快、合約更短，POC 也已成為預設的進入方式。這使既有營收面臨 NDR 可能漏看的風險，毛留存率因此成為衡量持久性時愈來愈重要的指標。」基準制定者新增一項指標，是對其現在認為必須關注什麼發出的高成本訊號——與 Boris 無關、與 Madrona 無關，也來自沒有轉換成本削弱論立場利益的一方。

仔細解讀數值。 $100M+ 的 Pacesetter 中位數保留90% 的毛營收金額，表示每年因流失及降級而損失既有客戶基礎約 10%；淨留存率為 115%，代表擴張仍足以抵銷損失。請注意，毛留存率隨規模單調下降（100% → 95% → 95% → 90%），淨留存率則在中間區間達峰後於 $100M+ 回落；ICONIQ 沒有解釋其中任何一種趨勢，而 ARR 低於 $10M 時的 100%，可能是因新公司幾乎沒有既有客戶基礎可流失所造成的統計假象，不見得能證明客戶黏著度高。

這些數據無法解決的問題，而這個缺口正是開放問題一直指出的那個。 這些是水準，但轉換成本的主張關乎變化——這裡沒有時間序列，因此指數沒有顯示毛留存率下降。它衡量的群體也經過勝出者篩選，沒有對照組，是最不可能觀察到持久性崩解的母體。此外，它是整個群體的營運資料，而非問題所要求的具名供應商流失揭露。

供應商的反制措施，來自同一篇文章。 a16z 對 50 位技術型 AI 買方的調查發現，超過一半希望費用與產出工作或其他成果掛鉤，而非依 token 用量計費——合夥人 Tugce Erten 與 Sarah Wang 主張以「可辨識的工作成果」定價（處理的報告、結案的工單、開發出的潛在客戶），如此產品才會「對雙方都具有經濟價值」。從本頁的框架來看，成果定價就是下方表格中轉換成本列已經提出的因應方式——少依賴綁定，多仰賴持續交付價值——轉化成計費單位：如果費用以已展現的工作成果計價，半年一次的重新評估就會變成既有供應商在結構上更有利的競爭。賣方端的對應情況見 AI Product Economics Maturation：成果導向定價占 ICONIQ 約 305 家 AI 建置公司的 23%——買方需求遠高於供給。

比較基準，以及比留存水準更具衝擊力的合約期限資料（ICONIQ State of Scaling，2026 年 9 月）#

上個小節以三項缺口作結：沒有比較基準、沒有時間軸、沒有買方行為衡量。 2026 State of Scaling（2026 年 9 月，empirical）——52 頁報告，Pacesetter Index 節錄自此——補上了第一項與第三項。

加入非 Pacesetter 對照組的留存率（2026 年中位數／前四分位，公司季度數 n）：

區間	Pacesetters	Others	All
<$100M	120% / 136% (n=5)	102% / 110% (n=33)	104% / 112% (n=38)
$100M+	130% / 146% (n=4)	99% / 106% (n=32)	99% / 109% (n=36)

這就是報告標題所說的「120–146% NRR」，而值得保留的部分在於比較結果：$100M+ 的非 Pacesetter 中位數是 99%——擴張正好抵銷流失——而 AI 導向群體則是 130%。 對照本頁的論點來看，有趣之處在於表格中哪一方正在失去成長：不是所有人的轉換成本都崩解，而是經成長篩選的 AI 群體仍大幅擴張，同一份資料集裡的其他業者卻已停滯。這既符合轉換成本削弱論（一般軟體供應商無法再向每六個月就重新購買的既有客戶群擴張），也同樣符合相反解讀（勝出者有強大的鎖定，正在取得這些客戶）。報告沒有定論，本頁也不應定論。

同一出版方資料間的不一致：照錄，不加以平滑處理。 上方 Pacesetter Index 表格顯示 $100M+ Pacesetter NDR 為中位數 115%／TQ 130%；這張圖表對看起來相同的群體與區間，顯示的是 130%／146%。最可能的調和方式是看資料期間——Index 表格合併 2024 – Q2 2026，而圖表是 2022–Q2 2026 序列中的 2026 欄——因此較高數值是較低合併值的近期切片，也就是這個群體的留存率正在上升，而非下降。這是根據兩張切法不同的圖表做出的薄弱推論，而且 n=4 的保留事項仍適用，但這是兩份出版物中唯一顯示趨勢方向的訊號，而且它不支持崩解論。

買方行為資料，是這份報告對本頁最明確的內容（Enterprise Buyers of AI-powered Software 調查，2026 年 6 月，n = 132）：65% 的企業買方偏好簽訂一年或更短的合約。 與 Madrona 的 77% 半年重新評估比例並列，這是相同立場的合約形式；它比重新評估節奏更有力，因為短期合約是買方已實際做出的承諾，而非其自述遵循的程序。同一調查中的另外兩項資料指出什麼正在取代鎖定：43% 表示續約前提供的使用情形與 ROI 資料是改善續約流程的首要因素——「約為其他任何因素的 3.5 倍」——而73% 對前線部署工程師抱持正面看法。本頁轉換成本列所提出的因應方式（仰賴持續展現價值，而非鎖定），正是買方明確要求供應商銷售的內容。

而 Pacesetter 自己的答案，是護城河的遷移；以下是他們自己的說法。 ICONIQ 對營運者訪談（Anthropic、Braintrust、ElevenLabs、Glean、Legora）的摘要是：「防禦力正從模型轉移到產品解決的特定工作流程」——前線部署團隊可獲得「雙重回報」（當下營收，加上從真實客戶資料中獲取的產品洞見），而且「產品速度是會複利累積的護城河」。這是依照本頁結論重畫 Helmer 的表格：轉換成本與流程優勢削弱之後，存續的優勢會落在工作流程上（Compounding Data Moat）以及變化速度上（Product Velocity as Moat）。這是來自五家自行選出的勝出者、置於一份 empirical 文件中的 practitioner-opinion，而且照原話說法無法證偽——但它是該群體自己對防禦力如今所在之處的描述。

對建造產品的人有何啟示#

如果你的護城河是	建置 AI 原生產品
網路效應	AI 有助益——提供更好的工具來掌握並擴大網路
規模經濟	AI 有助益——提供更好的工具來降低單位成本
稀缺資源	AI 中性——它不會授予你取得資源的權限，也不會消除資源
轉換成本	面臨風險——尋找替代護城河，或接受利潤受壓縮
流程優勢	面臨風險——搭配另一項優勢，或接受商品化

延伸閱讀#

• The Verifiability Thesis — 哪些優勢能存續，取決於什麼仍可驗證且可防禦
• Boris Cherny — 闡述者
• Printing Press Software Democratization — 伴隨類比（生產成本崩降），解釋為何特定優勢會轉變
• Engineer PM Convergence — 內部對照：流程密集型組織結構會像流程優勢護城河一樣失去價值
• Harness Shrinkage as Models Improve — 模型透過爬山搜尋模仿流程，是流程優勢削弱的直接機制
• AI Native Product Cadence — 建置 AI 原生產品的新創優勢是營運層面的，不只是策略層面
• Compounding Data Moat — Anthropic 對 Boris 所指出的持續優勢要素提出的具體建造護城河處方：稀缺的行為資料 + 可存續於遷移工具之下的工作流程鎖定
• AI-Native Startup Lifecycle — 將護城河建構落實到各階段；Scale 階段的退出問題（「如果資金充裕的既有業者今天複製你的產品，你的使用者會留下嗎？」）是檢驗這些優勢的實證方法
• Founder as Agent Orchestrator — 本分析所主導的角色：在 Boris 所說轉換成本與流程優勢削弱之後，精實獨角獸創辦人實際能建構哪些護城河
• The AI-Native Safe-Choice Inversion — 開放問題所詢問、正在發生的反向定位案例：Campfire 利用既有業者在結構上不願成為 AI 原生公司的弱點（NetSuite 無法翻轉，否則會蠶食自身業務）
• Product Velocity as Moat — 一台跑步機，而非 Power：速度能贏得落地機會，但必須轉化為持久鎖定才能存續
• Forward-Deployed Engineering as a Delivery Layer — 本頁轉換成本列所建議因應方式的人力落地型態：65% 的企業買方簽訂一年或更短合約時，持續展現價值取代鎖定，同一調查中也有 73% 的受訪者正面看待嵌入式工程師。這也是值得記錄的反向定位非案例——全球系統整合商承諾派出 1,000 名 FDE 加入模型供應商平台，代表既有業者正跟進這個領域，依靠約 50,000 名認證顧問的備援規模，是新創無法複製的
• ICONIQ — 這家基準制定者在 2026 年 9 月的指數中，以轉換變容易為明確理由新增毛留存率指標；該實體頁記錄本頁引用所有留存數字背後的篩選規則與投資組合 COI
• Build Instead of Buy Under Agentic Coding — 轉換成本削弱的極端案例：買方不換供應商，而是拒絕採購（McKinsey 報告中的 1,719 人有 32% 表示至少放棄一項採購）；這是上文 77% 半年重新評估所呈現較溫和的同一採購轉變
• AI Product Economics Maturation — 因應方式的定價：成果導向與用量導向計費，是賣方回應不再存在的慣性護城河的方法
• AI-Native Organization — 持久性問題對該頁標題指標的影響：該頁每項人均營收證據都以人數除 ARR，並假設分子是年金；半年一次重新審核的節奏，讓這個假設比縮寫暗示的更薄弱

開放問題#

• 「轉換成本」在實務上真的崩解了，還是只有敘事如此？Anthropic 自己的留存數字、Salesforce 流失率等資料可以驗證這點。Startup ARR is less secure than ever, new research shows（practitioner-opinion）在 2026-09-22 提供了部分答案，而這個部分精確指出它觸及哪一面。它提供問題所要求第一個買方端的行為資料：受調查的 150 位企業 IT 專業人士中，77% 每六個月或以滾動方式重新評估 AI 供應商；Madrona 也直接說出結論——「轉換成本較低，重新評估節奏毫不鬆懈」。因此崩解並非只有敘事；可衡量比例的買方已將預設這件事的採購節奏制度化。但問題實際要求的資料仍然缺漏，而其缺口就是重新評估與離開之間的全部距離：來源完全沒有提供流失、續約、留存或 NRR 數字——77% 重新評估率既可能搭配 5% 的轉換率，也可能搭配 50%，而 Emergence 的收據（全年維持 6–8 家供應商）暗示較接近低端。另有三項折扣：這是 VC 調查，透過新聞文章進入 wiki，原始報告尚未閱讀；n=150 是自行回報的 IT 專業人士，沒有公布抽樣架構；而且它衡量的是自述流程，不是觀察到的行為。能補上缺口的資料工具不變——供應商端的留存序列（問題所指的 Anthropic／Salesforce 流失數字），或追蹤供應商退出而非供應商數量的收據面板。於 2026-09-22 再補充——留存數字出現了，但回答的是另一個問題。 The ICONIQ Pacesetter Index（empirical，2024 – Q2 2026 季度營運財務資料，不是調查）公布這個資料集中第一組實測留存數字：依 <$10M／$10–25M／$25–100M／$100M+ ARR 區間，中位數毛美元留存率為 100% / 95% / 95% / 90%，淨美元留存率為 105% / 125% / 130% / 115%。有兩點結論。真正的證據是衡量工具的改變：ICONIQ 將毛留存率新增為基準中的一項新指標，並說明原因——「切換工具已變得容易許多……合約更短，POC 已成為預設的進入方式……使既有營收面臨 NDR 可能漏看的風險」——這是第三方、非利益相關方重新設計衡量方式，以追蹤本問題所問的轉換成本削弱情形。數值沒有顯示崩解：$100M+ 的年度毛營收流失約 10%，仍由 115% 的淨留存率充分抵銷。但問題關乎變化，而這是一份沒有時間序列的合併橫斷面資料，所以不能呈現留存率下降；數據來自一個依前四分位成長篩選且沒有對照組的群體，也就是最不可能出現崩解的母體；而且它是整體群體營運資料，不是問題所指定的具名供應商流失揭露。要補上這個缺口，現在仍需要跨年度的相同指標——這項指數的兩期以上版本，或供應商自己的留存序列。第二次補充，兩項新增資料指向相反方向（2026-09-22）。 2026 State of Scaling: The Great Sorting 是該指數所節錄的完整報告，補上前一次補充所稱缺少的比較基準：2026 年 $100M+ 區間中，非 Pacesetter 中位數 NDR 為 99%——擴張正好抵銷流失——而 AI 導向群體為 130%（n=32 對 n=4 公司季度）。因此，ICONIQ 自己資料集中的一般軟體供應商，營收持久性確實惡化，這是本頁首次出現以金錢而非意圖呈現削弱情況的證據。但同一報告的群體數據與該指數合併的 2024–Q2 2026 期間相比，顯示 Pacesetter 留存率可能正在上升（隨期間縮短至 2026 年，$100M+ 中位數由 115% 升至 130%）；報告還提供迄今最有力的買方端行為資料：132 位企業買方中有 65% 偏好一年或更短的合約——這是實際做出的承諾，而非自述遵循的程序，比 Madrona 的 77% 重新評估節奏更有力。但仍然缺少的正是原先缺少的資料：具名供應商跨年度的流失率或毛留存率序列。 ICONIQ 只在指數的合併橫斷面資料中公布毛留存率，從未將其與 Others 分組比較，因此即使有了比較基準，仍未提供問題指定的指標。現在已經有了兩期報告這項具體且有日期的追蹤觸發條件。*)
• 對於自己也試圖將基礎模型商品化的模型實驗室來說，Boris 所說的「稀缺資源」是什麼樣貌？這是內在矛盾，還是過渡階段？
• 反向定位——明確指「既有業者無法跟進」的優勢——理應在 AI 時代更加突出。有人刻意採取這種策略嗎？

衍生內容#

• Learning to Co-Work with AI: A Software Engineer's Field Guide — 將「存續型護城河」邏輯套用於個人職涯（策略定位技能群）
• Opinions on Using AI Tools & the Future of the Software Engineering Role — 策略定位章節：哪些護城河（以及哪些職涯）能存續於 AI 轉變
• AI-Native Moats Under Frontier-Model Improvement — 排序哪些 AI 原生護城河能在前沿模型進步後存續，哪些只是進入市場的手段或耗損資產

資料來源#

• Anthropic's Boris Cherny: Why Coding Is Solved, and What Comes Next
• Beyond Benchmarks 2026: Five Data Sets Grounded in the Real World — Emergence Capital，Beyond Benchmarks 2026（2026 年 6 月）：AI 供應商整併（支出增加 2.2×／供應商數不變），作為 Boris 削弱論的轉換成本形成面向。注意：這份 PDF 衍生原始資料中的數個表格，多值儲存格已塌縮（Core Four 表格把 Top Decile 疊在 Top Quartile 上，變成單一儲存格 736% 184%）——此處引用的所有數字都來自報告的文字條目，而非解析後的表格
• The ICONIQ Pacesetter Index — ICONIQ Venture & Growth，The ICONIQ Pacesetter Index（2026-09-17，empirical，不是調查：2024 – Q2 2026 的季度財務與營運資料，來自「精選上市軟體公司以及我們的私人創投與成長投資組合公司資料集」）。此處引用依 ARR 區間劃分的毛／淨美元留存率列，以及 ICONIQ 說明為何將毛留存率新增為基準指標的文字（「切換工具已變得容易許多……合約更短，POC 已成為預設的進入方式」）。篩選注意事項： Pacesetter 依三年營收成長率前四分位，加上 ICONIQ 自己的 AI-Native／AI-Driven 標籤篩選，沒有對照組——呈現的是勝出者而非市場的留存率；**COI：**樣本部分來自出版方自己的投資組合。**解析說明：**完整基準表只以網頁圖片形式存在（）；所有 56 個儲存格都在編寫時逐格辨讀並重新驗證。數值四捨五入至最接近的 5；合併橫斷面資料，沒有時間序列。衡量工具來源見 ICONIQ
• Startup ARR is less secure than ever, new research shows — Julie Bort，TechCrunch，2026-09-03（practitioner-opinion）：對兩項未閱讀 VC 調查的新聞報導，加上記者自己的論述。Madrona（n=150 位企業 IT 專業人士）：77% 每六個月／滾動重新評估供應商的節奏，以及「快速進場、快速離場」／「轉換成本較低」的引述，這是 Madrona 報告中的用語，不是 Bort 的話。a16z（n=50 位技術型 AI 買方）：超過半數希望費用與成果掛鉤，而非 token。所謂「企業 ARR 更不穩定」的說法是 Bort 的綜合分析，不是任一調查的發現。兩份原始資料都未取得——Madrona 的 Harnessing Enterprise Value – The ROI of AI（2026-08-13）已排入補件佇列
• 2026 State of Scaling: The Great Sorting — ICONIQ Venture & Growth，2026 State of Scaling: The Great Sorting（2026 年 9 月，empirical；52 頁 PDF，以 docling 解析）。Pacesetter Index 所節錄的年度報告。此處引用其按年份區分 Pacesetters／Others／All 的淨美元留存率圖表（第 31 頁，從頁面圖片以兩輪方式讀取，並與 pdftotext -layout 交叉核對）、毛新增 ARR 組成（第 30 頁）、Enterprise Buyers of AI-powered Software 調查（2026 年 6 月，n = 132：65% 偏好一年或更短合約、73% 正面看待 FDE、43% 指出續約前 ROI 資料），以及 Pacesetter 營運者對工作流程與速度防禦力的訪談（第 28 頁）。n 是公司季度數，不是公司數——Pacesetter 留存率儲存格的 n=4–5。篩選與 COI 說明見 ICONIQ