大模型越来越强,AI创业公司还做什么?

过去两年，AI创业出现了一个以前很少见的困境：每隔几个月，就有一批“创业机会”被重新定义。

写作、翻译、文档问答、搜索总结、知识库问答、长上下文、代码生成、网页操作、电脑操作、智能体……很多能力最初都像独立产品，后来却逐渐变成基础模型或平台的标准功能。

所以今天做AI产品，最难的问题已经不只是“用户需要什么”，还多了一层：今天辛苦做出来的东西，半年以后会不会只是模型厂商新版本里的一个功能？

如果大模型最终能做到什么很难预测，更稳妥的策略就不该建立在“AI做不到什么”上。可以先假设模型会持续变强、变便宜，再问一个更重要的问题：当智能越来越廉价，什么东西反而会越来越值钱？

这可能是理解下一阶段AI产品、AI原生公司和商业模式变化的起点。

一、先别急着找“模型做不到的事”

第一代AI创业很容易从能力缺口出发。模型不会联网，于是做搜索增强；不会读企业资料，于是做知识库问答；不能操作网页，于是做浏览器智能体；不能长期执行任务，于是做智能体编排和工作流。

这些方向并没有错。问题在于，如果公司的全部价值只是“比通用模型多一层能力”，它实际上就在和基础模型公司的升级速度赛跑，而这场比赛通常并不对应用公司有利。

更适合长期经营的思路，是把大模型看成会持续降价和增强的基础能力。今天只有最强模型才能做的事情，以后可能由普通模型完成；今天需要复杂提示词和多步编排的功能，以后可能一次调用就够了。

于是产品价值会逐渐从“智能本身”向外移动。

模型能力、检索、记忆、浏览器操作、代码执行等通用能力仍然重要，但越来越容易被平台吸收。更难直接吞掉的，是现实世界里的工作流。

一家医院怎样完成一次诊疗，一家保险公司怎样审核理赔，一个销售团队怎样从线索推进到成交——这些事情从来不只是“模型够不够聪明”，里面还有权限、规则、历史记录、审批、异常处理、组织关系和责任。

模型可以告诉你应该怎么做，但产品若想继续创造价值，就要逐渐进入下一步：把事情做掉。

二、模型越强，价值越往现实世界移动

假设几年以后，大模型的知识、推理、写作和编程能力都比今天强很多，那时候什么仍然稀缺？

大概不是知识，也不是生成能力。更难复制的，可能是长期上下文、工作流、信任、权限和结果。

长期上下文，是系统对用户和组织过去发生过什么的持续了解。模型可以懂法律，却不会天然拥有一家公司的全部合同历史；可以懂销售，却不知道某个客户过去三年的沟通记录。

工作流决定现实任务怎样真正完成。很多任务不是“生成一个答案”就结束，而要经过多人、多系统、多规则。

信任决定用户愿不愿意把越来越重要的任务交出去。权限决定AI能不能真正进入现实世界：模型可以建议付款、发邮件、修改数据库，但真正执行之前必须获得授权。

结果则最容易被忽视。系统过去做过什么，人最终选择了什么，后来发生了什么，这些长期反馈才会形成真正有价值的学习闭环。

所以一个AI产品更值得追求的状态，是让模型每升级一次，自己都能自动变得更强，而不是守着某个暂时不会被替代的功能。

可以用一个极端问题测试产品：

如果明天模型聪明十倍、便宜十倍，这个产品会消失，还是会变得更好？

如果是前者，风险通常很高。如果是后者，说明核心资产很可能在模型之外。

这也意味着，产品不应只积累聊天记录，还要积累真实结果；可靠性也不能只当工程细节，审批、回滚、审计、引用、权限和人工确认，本身都会成为产品的一部分。

三、AI原生，不是“给原来的软件加一个AI按钮”

现在很多公司都说自己是AI公司，但其中相当一部分，本质上仍然是传统软件，只是增加了几个AI功能。

更接近AI原生的公司会再往前一步：它从成立第一天就假设，分析、写作、编程、客服、研究、运营这些认知劳动会持续变便宜，于是产品和组织都按这个前提重新设计。

过去一家软件公司扩张，往往意味着同步增加研发、客服、运营、销售和数据人员，收入增长和员工增长之间有很强的联系。

AI会把这种关系拉开。

一个小团队可以同时使用编程、研究、客服、销售和数据智能体。人的工作逐渐集中到定义问题、判断质量、理解用户、建立关系、处理例外和承担责任。

因此，AI时代可能同时出现两个看似相反的趋势：一边是掌握基础模型、算力和超级入口的巨型平台；另一边是大量“很小但很强”的公司。三五个人、十几个人，也可能服务过去需要几十甚至上百人才能覆盖的市场。

过去个人开发者把产品做出来，只是完成了第一步，后面还有销售、客服、内容、数据分析、运营和持续迭代。AI如果同时降低这些环节的成本，小团队第一次有机会拥有接近完整公司的能力。

四、从卖工具到卖工作，市场边界变了

如果把过去三个阶段放在一起看，会更容易理解商业模式为什么会变化。

互联网主要降低了信息成本，所以流量、搜索、广告、电商成为巨大的商业模式。移动互联网进一步降低了连接和交易成本，注意力、场景、网络效应和即时服务变得更重要。

AI正在降低的是认知劳动成本。智能体继续往前走，降低的则是行动和协调成本。

这使软件第一次有机会从“辅助人完成工作”，变成“直接承担工作”。

过去律师购买法律数据库，真正完成法律意见的还是律师；销售购买客户管理软件，真正联系客户、判断机会和推动成交的还是销售；咨询公司购买数据和办公软件，真正交付报告的还是顾问。

AI开始缩短这条链条。未来越来越多公司卖的，可能不再只是一个账号，而是一份合同审查、一次客户跟进、一份合规报告、一个已经解决的客服问题。

这意味着AI公司能争夺的预算也在变化。传统企业软件主要进入信息技术和软件预算；AI一旦直接承担工作，就开始进入工资、外包、咨询和专业服务预算，而后者的规模远远大于软件市场。

所以AI时代值得关注的，不只是更多企业软件，还包括越来越多“软件驱动的服务公司”：看上去像律师事务所、研究公司、咨询公司、招聘公司，内部却由软件、智能体和少量专家共同完成交付。

五、收费方式和成本结构都会变化

传统SaaS最经典的模式是按席位收费：员工越多，购买的账号越多。

但AI恰恰可能减少完成同样工作所需要的人数。如果一个产品把20人的团队变成5个人，继续按人头收费，就会出现一个矛盾：产品创造的价值越大，客户需要购买的账号反而越少。

因此，AI产品的收费单位会逐渐从“人”转向“工作”。

一份报告多少钱，一次审查多少钱，一个成功解决的问题多少钱，一次完整任务消耗多少额度。更现实的形态很可能是混合收费：基础订阅保证稳定收入，按量收费覆盖计算成本，按任务收费反映工作量，按结果收费分享实际创造的价值。

过去的软件订阅，主要卖的是使用权。AI越来越多地卖的是事情有没有被完成。

与此同时，软件还重新有了“生产成本”。

传统软件开发完成以后，多服务一个用户的边际成本很低。生成式AI不同，每一次推理、搜索、浏览、代码执行和长上下文处理都消耗真实资源，一个复杂智能体为了完成任务可能调用模型很多次。

于是AI公司会像生产企业一样关心单位成本：简单任务用小模型，复杂任务才调用大模型；能缓存的不重复计算；能用普通程序解决的，不浪费大模型。

未来一个AI产品经理不仅要看留存、转化和活跃，还要知道：完成一次有价值的任务，到底要花多少钱？

这也是为什么“无限免费”会比互联网时代更难。免费仍然重要，但订阅、使用额度和按量收费很可能会长期共存。

六、软件入口，也可能从“打开应用”变成“说出目标”

互联网时代，企业研究搜索引擎优化。移动互联网时代，企业研究应用商店、信息流和推荐算法。

AI时代可能出现一个新的问题：如果用户越来越多地让智能体代替自己搜索、比较和购买，企业怎样才能进入智能体的候选范围？

假设一个人只说一句：

“帮我安排一次七天日本旅行，预算两万元。”

过去他会分别打开搜索引擎、攻略网站、旅行平台、航空公司和酒店官网。未来，他可能只需要告诉AI自己的目标，AI再替他调用不同服务完成搜索、比价、规划甚至支付。

用户不一定再先想“这件事应该用哪个应用”，而是先说“我想完成什么”。至于背后调用哪些软件和服务，可能由AI自己决定。

如果这种方式越来越普遍，软件的分发逻辑也会改变。

过去企业争的是“用户愿不愿意打开我的应用”。未来一部分企业可能更关心：AI替用户完成任务时，会不会选择调用我的服务？

于是企业需要让价格、库存、规则、评价和服务能力更容易被机器理解和调用。有些软件仍然直接面对消费者，另一些则可能退到后台，成为被智能体调用的能力提供方。

软件开始调用软件，甚至替人购买其他软件和服务。

七、最值钱的数据，是行动之后发生了什么

互联网公司最宝贵的数据，往往是浏览、点击、停留和购买。这些数据主要用来预测用户下一步可能做什么。

AI系统会产生另一类可能更重要的数据：系统当时给了什么建议，用户有没有采用，真正执行了什么，后来发生了什么，结果到底好不好。

这是一条从“判断”到“行动”，再到“结果”的链条。它和普通聊天记录不是一个量级。

一个销售AI的价值，不在于拥有100万封邮件，而在于知道什么类型的客户，在什么背景下，采取什么行动，最后是否成交。

一个企业运营系统也一样。生成了多少份分析并不关键，更重要的是过去采取的行动后来产生了什么结果，哪些判断有效，哪些错误会反复出现。

这种数据可以形成新的反馈循环：更多任务带来更多真实结果，更多结果帮助系统改善决策，成功率提高以后，又会获得更多任务。

模型公司可以复制知识和能力，却很难凭空复制一个产品多年积累的真实决策历史。

所以AI应用长期的护城河可能越来越清楚：工作流、长期上下文、结果数据、信任、权限、分发和网络效应。模型越强，这些资产未必越不重要，很多时候反而越值钱。

八、当智能越来越廉价，什么会变贵？

AI产品大概正在经历三个阶段。

第一阶段是辅助：人工作，AI帮助写、搜、总结、分析和编程。

第二阶段是智能体：人给出目标，AI开始使用工具、操作软件、执行任务，人的角色逐渐从亲自操作变成定义目标和监督结果。

第三阶段更值得关注：AI开始进入服务产业，直接承担过去需要人交付的工作。

到那时，软件产业面对的就不再只是信息技术预算，而会逐渐进入工资、外包、咨询和专业服务这些更大的市场。

这也许是AI和互联网、移动互联网最深的一层差异。

互联网重新组织了信息，移动互联网重新组织了连接和交易，而AI真正可能重新组织的是工作本身。

所以今天讨论AI创业，与其一直猜下一代模型还会增加什么功能，不如把视线放远一点。

当智能越来越廉价，什么东西会因此变得更贵？

可能是进入现实世界的权限，是用户长期形成的信任，是复杂但稳定的工作流，是多年积累的上下文，是一次次行动之后留下的真实结果。

模型公司会继续扩张能力边界，很多今天看起来独立的功能，未来也确实会被吞进去。但这并不意味着应用层会消失。

当智能逐渐成为基础设施，应用层真正需要回答的问题会变得更清楚：

我能不能把越来越廉价的智能，持续转化成现实世界里可验证的结果？

下一代AI原生公司，也许就会从这里开始。