粘性优于护城河

重新定义问题：与其问 moat，不如问 stickiness。

• Moat 的通常含义是"让对手无法进入市场的硬壁垒"。Scott 判断：在 AI 的各层（基座实验室、应用层）基本都不存在这种硬壁垒。
• 真正存在且可经营的是 stickiness：用户用了之后，是继续用这个体验更划算，还是换一个新产品同样容易？

Stickiness 的两个来源（以 coding agent 为例）：

1. 使用中积累（learning over time）：agent 随使用不断建立对你代码库、技术栈、团队流程的内部表征——类比入职五年、写过一半代码的老工程师 vs 第一天的新人。换产品 = 重新雇一个不了解你的员工。
2. 多人协作网络（multiplayer）：团队成员在 Slack/GitHub/Linear 里共同教 agent、补充上下文、review 它的 PR；agent 给新人做 onboarding。价值长在团队协作网络里，而不是单个用户的会话里，迁移成本随团队使用而复利。

配套观点（Lenny 转述 Cursor CEO Michael Truell 的类似问题）：AI 竞争像消费级搜索——用户随时可换，根本答案是"一直保持最好"。Scott 在此之上补充：stickiness 不能替代持续领先，但能放大领先者的优势。

辅助条件：软件工程的价值链清晰，每一级质量提升都有明确回报，且开发者愿意为更好的体验投入学习成本。