第 33 章：十个固定问题
本体论公司研究，最怕变成“知道很多概念，但研究时还是按老方法走”。所以必须把方法压成固定问题。
以后研究任何公司，先问这十个问题。
1. 这家公司到底是什么对象？
这是第一问，也是最重要的一问。
不要急着说它是科技公司、AI 公司、SaaS 公司、消费公司、平台公司。先问：它真正创造价值的对象形态是什么？
它可能是：
- 产品公司；
- 平台公司；
- 工作流公司；
- 操作系统公司；
- 网络公司；
- 基础设施公司；
- 组织能力公司；
- 金融合约系统；
- 入口公司；
- 生态控制公司。
同一家公司可以有多个定义，但必须判断哪个定义最能解释它的价值创造、价值捕获和护城河。
比如 Anthropic 如果只是模型 API 公司，估值逻辑和竞争逻辑会更残酷；如果它是 coding 工作流飞轮公司，关键变量就变成开发者使用深度、真实工程反馈和企业研发流程嵌入。
这一步的目的，是防止一开始用错尺子。
2. 它服务的真实世界对象是什么？
公司不是服务抽象市场，而是服务真实对象。
要问：它服务的是谁？客户是谁？使用者是谁？决策者是谁？付费者是谁？它到底帮客户处理什么真实对象？
Palantir 服务的不是“数据”，而是企业里的订单、资产、风险、任务、权限、供应链、军队行动、患者状态等真实对象。
Google 服务的不是“搜索框”，而是用户意图。
Apple 服务的不是“手机需求”，而是个人数字生活、身份、计算、沟通、支付和应用使用。
如果真实世界对象没找清，公司研究就会浮在产品名词上。
3. 它改变了哪些对象关系？
商业价值通常不在单个对象里，而在对象关系里。
要问：这家公司让哪些对象之间的关系发生了变化？
- 客户和任务的关系是否改变？
- 产品和工作流的关系是否改变？
- 数据和模型的关系是否改变？
- 用户和内容的关系是否改变？
- 企业和决策的关系是否改变？
- 开发者和软件生产的关系是否改变？
比如 Amazon 改变了消费者、商品、卖家、物流和广告之间的关系。Microsoft Copilot 如果成立，是改变员工、文档、会议、代码、邮件和企业知识之间的关系。
这一步防止我们只看“它有什么”，而忘记看“它改变了什么连接”。
4. 它嵌入了哪个工作流？
产品有用，不等于商业模式深。
真正重要的是：它有没有进入客户完成任务的连续动作链。
要问：客户是在工作流外偶尔用它，还是在核心流程里离不开它？
AI 产品尤其要过这一问。很多 AI 工具很好玩、很好演示，但没有进入工作流，只是边缘工具。真正有价值的是进入写代码、做财务、管理销售、处理供应链、做客服、投广告、写报告、做投资研究这些任务链条。
工作流越核心，使用越高频，切换成本越高。
5. 它掌握哪些关键状态变化？
公司研究不能只看静态对象，要看状态变化。
要问：它能让客户、任务、产品、数据、风险、订单、内容、代码、用户行为发生什么状态迁移？
比如：
- 客户从试用变成深度依赖；
- 任务从人工完成变成 AI 辅助完成；
- 风险从不可见变成可监控；
- 订单从延误风险变成可替代方案；
- 用户从偶尔使用变成默认入口；
- 产品从工具变成工作流节点。
状态变化是价值的证据。没有状态变化，商业故事只是叙事。
6. 它的产品使用是否形成反馈飞轮？
飞轮不能只说，要拆。
要问：客户使用之后，公司是否变强？如果客户越用，公司并不会更强，那就是线性生意；如果客户越用，数据、模型、产品、网络、生态、组织能力越强，才有复利。
反馈飞轮要拆成四步：
- 使用产生什么反馈？
- 反馈是否真实、可验证、可合法使用？
- 反馈是否能改善产品或模型？
- 改善后是否带来更多使用？
Anthropic 的 coding 飞轮，关键就看真实工程反馈是否能改进模型和产品。Palantir 的飞轮，关键看客户 ontology 越深，工作流和 AI 行动是否越依赖它。
7. 它如何创造价值、捕获价值、增强价值？
商业模式不是怎么收费，而是三件事：
- 创造价值：它让哪个对象状态变好？
- 捕获价值：它如何从中收费？
- 增强价值：客户使用后，公司能力是否增强？
很多公司只做到其中一项。
有些公司创造价值，但捕获不到。比如很多开源工具。
有些公司能收费，但价值不深，续约困难。
有些公司增长快，但没有增强机制，靠销售和补贴推动。
好的公司要三者连起来。
8. 它的组织结构是否匹配业务对象？
公司不是只有外部对象，内部组织也是对象。
要问：它的组织能力是否支撑它要做的事？
如果公司要做企业深工作流，就需要交付、客户理解、权限、合规和长期服务能力。如果公司要做 frontier AI lab，就需要顶级研究员、算力、工程系统和低内耗文化。如果公司要做平台，就需要规则制定、生态治理和冲突处理能力。
组织和业务对象不匹配，战略会落空。
Anthropic 的文化之所以值得研究，是因为它可能支撑了战略聚焦和人才留存。OpenAI 的多线下注之所以有风险，是因为对象太多，组织压强可能被摊薄。
9. 它的护城河是哪一种对象关系？
护城河不是标签。
要问：竞争对手最难重构哪条对象关系？
- 是用户心智和购买行为的关系？
- 是客户工作流和产品的关系？
- 是数据和模型改进的关系？
- 是开发者和平台规则的关系？
- 是供应链和成本结构的关系？
- 是组织文化和人才留存的关系？
- 是生态参与者和默认入口的关系？
如果说不出是哪条关系难以重构，护城河判断就还不扎实。
10. 它最可能在哪个对象、关系、边界或反馈上失败？
最后必须反演。
要问：如果这家公司失败，最可能错在哪里？
- 关键对象不存在？
- 客户没有真实预算？
- 产品没有进入工作流？
- 数据不能反哺产品？
- 飞轮没有闭合？
- 边界画得太大？
- 监管改变规则？
- 组织无法支撑战略？
- 竞争者重构了关键关系？
这一步是防止被好故事骗。
最后压缩：
十个固定问题的核心，是逼我们从公司标签进入对象世界，从收入故事进入关系结构，从增长叙事进入反馈证据，从看好结论进入失败路径。