当 AI 越来越强,AI 应用公司该如何活下去?

从模型能力竞争,到稀缺资源竞争:一场关于 AI 创业公司长期护城河的思考

当智能逐渐成为一种廉价、普遍、随处可得的能力,AI 创业公司的价值究竟在哪里?

如果有一天,任何人都能通过一句话创造软件、完成工作,甚至经营一家公司,那么今天这些围绕大模型构建的 AI 应用,还有多少存在的必要?

过去几年,AI 行业的发展速度超出了很多人的预期。

从最初的聊天机器人,到 AI 搜索、AI 编程、多模态内容生成,再到能够自主规划和执行复杂任务的 Agent,模型的能力边界正在不断扩张。

与此同时,AI 应用市场也变得越来越拥挤。

几乎每隔一段时间,就会出现一批新的 AI 产品。曾经需要一个创业团队花费数月才能实现的功能,如今可能只需要几天,甚至几个小时。

更令人焦虑的是,今天还被视为核心竞争力的功能,明天就可能成为基础模型的标准能力。

对于一家没有巨额资本、没有流量入口、没有算力优势的 AI 创业公司而言,一个问题变得越来越现实:

如果模型持续进化,应用层的技术优势不断被抹平,我们究竟应该依靠什么活下去?

我想尝试从第一性原理出发,重新思考这个问题。

01

一、一个正在发生的变化:智能能力逐渐商品化

打开网易新闻 查看精彩图片

回顾软件行业的发展历史,技术能力通常遵循一个规律:

最初稀缺,随后普及,最终成为基础设施。

早期建立一个网站,需要专业的开发团队。

后来出现了各种建站平台。

再后来,低代码、无代码工具进一步降低了开发门槛。

如今,借助 AI Coding,一个不懂编程的人,也有机会通过自然语言完成软件原型的开发。

AI Agent 正在经历类似的过程。

曾经,工具调用、任务规划、记忆管理、多智能体协作等能力,足以成为一家 AI 创业公司的重要技术卖点。

但随着基础模型能力提升、开发框架成熟,以及越来越多开源项目出现,这些能力的实现门槛正在下降。

这意味着一个残酷的现实:

功能本身的稀缺性,正在不断降低。

假设今天有十家公司,都能帮助用户生成商业广告视频。

其中一家拥有更好的交互设计,另一家支持更多模型,还有一家拥有更强的 Agent 工作流。

它们当然存在差异。

但如果未来基础模型可以直接理解商业需求,自动完成策划、生成、剪辑与修改,那么这些差异可能迅速缩小。

用户也可能越来越不在意自己使用的是哪一家 AI 应用。

他们只在意:

谁能够更快、更便宜、更可靠地完成任务?

甚至,当不同产品都能完成任务时,价格、数据迁移成本和已有的工作关系,可能比智能水平本身更加重要。

这并不意味着应用层没有价值。

而是意味着:

我们不能再假设,今天领先的技术能力,必然能够成为明天的竞争壁垒。

二、AI 越强,什么东西反而会越来越稀缺?

我认为,这是理解未来 AI 商业格局最重要的问题。

不妨做一个极端假设。

十年以后,大模型的推理成本大幅下降。

每个人都拥有多个能够自主工作的 Agent。

软件开发、内容生产、信息整理和商业分析,都可以由 AI 以极低的成本完成。

那么,什么东西不会因为 AI 变聪明,就自动增加?

答案可能是:

真实世界中的稀缺资源。

AI 可以设计一座数据中心,却不能瞬间建成一座发电厂。

AI 可以分析一家企业,却不代表它有权访问这家企业的真实经营数据。

AI 可以制定采购计划,却不代表它拥有供应商关系、真实库存和履约能力。

AI 可以生成一万条广告,却不能保证消费者愿意关注,更不能保证企业获得真实订单。

从经济学角度来看,当某种生产要素的供给大幅增加时,其他无法同步扩张的互补要素,就可能成为新的约束条件。

这让我产生一个判断:

未来 AI 产业的价值,可能逐渐从单纯创造智能,转向掌握让智能在真实世界中发挥作用所必需的资源。

当然,资源稀缺并不必然意味着高利润。资源是否具有定价权、能否被替代、谁控制分配渠道,同样重要。

未来 AI 产业的六类关键资源

打开网易新闻 查看精彩图片

其中,能源和算力具有较高的资本门槛。

对于小型技术创业团队,更值得研究的,可能是数据、执行、交易和分发层。

因为这些领域中,仍然存在能够从细分市场切入、逐步积累资源的机会。

这也引出了另一个问题:

AI 创业公司,是否一定要成为用户最终使用的那个 Agent?

我认为未必。

02

不争夺 AI 入口,也许是另一种更好的生存方式

打开网易新闻 查看精彩图片

今天,许多 AI 公司都在争夺用户入口。

聊天、搜索、办公、编程、设计、视频创作……

每一个领域都聚集着大量竞争者。

而大模型厂商凭借模型能力、用户规模和资金优势,持续扩张自己的产品边界。

对于小型创业公司而言,正面争夺通用入口,可能是一场极其艰难的竞争。

但换一个角度:

如果未来有数以百万计的 Agent,它们是否也需要向其他公司购买服务?

答案是肯定的。

Agent 再聪明,也需要获取实时信息。

它需要访问外部数据库、调用专业工具、连接企业系统,甚至完成支付和交易。

于是,一种不同的商业模式开始显现:

不做最终的 AI 入口,而是成为其他 Agent 的能力供应商。

这让我想到 Stripe⁠

Stripe 并没有试图成为所有消费者购物的网站。

它解决的是另一个问题:

让互联网企业能够方便地接入支付能力。

当一家电商平台使用 Stripe 处理支付时,消费者甚至可能不知道 Stripe 的存在。

但只要商家的交易持续发生,Stripe 就有机会从中获得收入。

这种商业模式的吸引力在于:

你不需要拥有所有终端用户,也有机会参与整个生态的增长。

AI 时代也正在出现类似的服务。

例如:

Exa⁠ ---- 为 AI 应用提供搜索和信息检索能力。

Tavily⁠ ----- 面向 Agent 提供搜索、网页提取等服务。

Bright Data⁠ ----- 提供网页数据获取与相关基础设施。

Agent 本身也是客户。

不过,这种模式同样存在风险。

如果只是简单封装其他公司的 API,那么竞争对手也可以迅速复制。

如果模型厂商直接内置同类能力,独立 API 的价值也可能下降。

因此,真正值得长期积累的,不是接口代码,而是接口背后的资源。

例如合法的数据授权、难以复制的历史数据、稳定的供应渠道,以及长期建立的客户关系。

API 是销售方式,稀缺资源才可能是护城河。

03

美团的故事:最初的生意,不一定是最终的生意

打开网易新闻 查看精彩图片

讨论到这里,我想起了美团。

2010 年,王兴创立美团,进入团购市场。

当时团购是一个竞争异常激烈的行业。

大量创业公司涌入,依靠融资、广告和补贴争夺市场。

团购模式本身并不复杂。

商家提供优惠套餐,平台帮助商家获取消费者,再从交易中获得收入。

技术壁垒并不算高。

而且消费者对团购平台的忠诚度也有限。

今天哪个平台便宜,就可能选择哪个平台。

那么,美团为什么没有一直停留在团购?

因为团购背后,连接的是一个更大的市场:

本地生活服务。

团购让美团有机会建立商家关系、消费者关系、交易系统和城市运营能力。

这些资源后来成为它进入更多业务的重要基础。

从团购到餐饮外卖,再到酒店旅游和其他本地服务,美团逐渐积累了覆盖消费者、商家、交易与履约的商业网络。

这里真正值得学习的,不是团购本身。

而是:

用一个当下成立的商业模式,进入一个更大的市场,并持续积累未来需要的资源。

我们可以把这个过程理解为:

第一阶段:用产品获得客户。

第二阶段:用客户建立商业关系。

第三阶段:用商业关系进入相邻市场。

第四阶段:用长期积累的资源构筑竞争壁垒。

这也正是我理解的:

用时间换空间,用空间换资源,再用资源构筑壁垒。

不过,需要警惕事后归因。

美团并不是从创立第一天起,就确定了后来所有业务的路线。

它在不同阶段不断试错,也承担了巨大的扩张风险。

所以,美团的故事不应该被理解为:

只要先做一个小业务,未来就一定能够成长为平台。

真正重要的是:

最初的业务,能否为下一阶段创造可复用的优势?

04

亚马逊与 Shopify:从一个小问题,走向更大的基础设施

类似的故事,也发生在其他公司身上。

亚马逊:从卖书开始

打开网易新闻 查看精彩图片

1995 年,亚马逊以在线书店起家。

图书具有标准化程度高、品类丰富、适合远程购买等特点。

这让它成为互联网零售的一个理想切口。

但亚马逊后来并没有把自己局限为一家书店。

它逐步扩展商品品类,引入第三方商家,并建立物流和交易基础设施。

更有意思的是 AWS。

亚马逊在经营电商的过程中,积累了大规模技术基础设施建设和运营经验。

后来,它发现其他企业同样需要计算、存储等基础服务。

2006 年,AWS 开始推出云基础设施服务。

这并不是简单地把内部服务器出租出去,而是将相关技术能力发展为独立的基础设施业务。

原本服务于自身业务的技术能力,最终打开了另一个巨大的市场。

Shopify:本来想卖滑雪板

Shopify⁠的故事更加有趣。

创始团队最初经营的是一家滑雪板网店。

但他们发现,当时的电商建站工具并不好用。

于是,作为程序员的创始人决定自己开发一套电商系统。

后来,他们意识到:

也许其他商家同样需要这样的工具。

于是,团队逐渐从经营滑雪板生意,转向为商家提供电商软件。

Shopify 后来不断扩展服务范围,逐步进入支付、营销、商家经营等领域。

这两个案例给技术创业者提供了一个重要启发:

不要只盯着自己正在出售的产品,也要观察自己在经营业务时,被迫解决了哪些其他人同样面临的问题。

这些问题中,可能隐藏着更大的基础设施机会。

05

AI 创业公司的「团购」究竟是什么?

现在,让我们把视角重新拉回 AI 应用公司。

假设一家创业公司已经拥有比较完整的 Agent 技术能力。

它可以完成内容创作、商业研究、市场分析、视频生成和复杂任务执行。

但市场竞争激烈,功能越来越同质化。

接下来应该怎么办?

我的判断是:

不要急着继续增加功能,而应该寻找一个能够持续积累稀缺资源的市场切口。

以 GEO(生成式引擎优化)监测为例。

假设一家企业想知道:

当消费者向豆包询问某类产品时,AI 会不会推荐自己的品牌?

如果没有推荐,它推荐了哪些竞争对手?

品牌的核心卖点是否被正确表达?

回答引用了哪些公开资料?

这是一种具体而明确的商业需求。

创业公司可以提供监测 API,也可以将它封装成 MCP 服务或 Skill,让其他 Agent 调用。

但真正值得思考的,不是这个 API 能卖多少钱。

而是:

通过这个 API,我们究竟能够积累什么?

最开始,可能只是一些企业客户。

随着服务持续开展,企业可能希望监测更多模型、更多品牌和竞争对手。

随后,客户又可能需要长期的品牌曝光变化趋势、行业比较和市场情报。

如果企业持续授权相关数据,并且服务商建立了合法、稳定的数据获取渠道,就可能逐渐积累有价值的历史数据。

这时,业务可能发生变化:

从一次性的 GEO 检测,发展为持续的品牌情报服务。

再进一步,向其他 Agent 提供标准化的商业情报 API。

最终,公司的核心价值可能不再是 GEO 检测功能,而是持续更新的商业数据服务。

但这里存在一个重要前提:

这些数据必须具有真实的商业价值,而且竞争对手不能轻易以更低成本获得同等质量的数据。

否则,所谓数据积累,只是不断增加存储成本。

另外,AI 回答中的引用链接,并不等于模型内部形成判断的全部依据。监测服务应当明确区分可观察的回答、引用来源与无法直接验证的内部机制。

06

判断一个创业切口是否值得做,要看它能留下什么

我认为,未来 AI 创业公司在评估新业务时,应该少问一个问题:

「这个功能能不能做?」

多问一个问题:

「假设三年后,这个功能完全免费,我们还剩下什么?」

如果答案只是代码、提示词和 Agent 工作流,那么竞争优势可能非常脆弱。

如果答案是稳定的企业客户、独特的数据授权、长期交易关系、合作伙伴网络,情况就不一样了。

因此,我会用五个维度判断一个市场切口。

打开网易新闻 查看精彩图片

其中,我尤其看重第三点。

每完成一笔生意,是否都能让下一笔生意变得更容易?

这可能是判断一家 AI 公司是否正在形成复利的关键。

如果客户数量增加,交付成本也同比例增加,公司就很容易变成传统服务企业。

如果客户数量增加,能够带来更好的数据、更低的交付成本、更强的客户获取能力,那么才可能逐渐形成规模优势。

但也要区分规模经济和网络效应。

服务更多客户使单位成本下降,是规模经济。

更多参与者加入后,能够为其他参与者创造额外价值,才可能形成网络效应。

两者都是优势,但不是一回事。

07

我认为 AI 应用公司未来有三条值得探索的道路

我们不妨把未来的 AI 创业公司分为三种。

第一种:深入真实业务,成为 AI 原生服务公司

这类公司不再单纯出售软件功能。

而是直接帮助客户完成工作。

例如营销运营、财务处理、商业研究、客户服务等。

其竞争优势来自长期客户关系、行业经验、业务流程和交付效率。

如果 AI 能够显著降低服务成本,这类公司就有机会重新定义传统服务行业。

但风险是,业务可能过度依赖人工交付,难以形成软件式规模增长。

第二种:成为 Agent 的基础能力供应商

这类公司不争夺最终用户入口。

它们向其他 AI 应用提供数据、搜索、执行、交易等服务。

增长来自开发者集成、企业合同和持续调用。

它们最重要的资产可能是数据授权、服务可靠性、资源网络和客户集成关系。

但风险在于,通用能力容易被平台内置,价格竞争也可能非常激烈。

第三种:掌握真实世界的资源与交易网络

这类公司的长期想象空间更大。

它们不仅提供工具,还连接真实的商品、服务、供应商、支付和履约资源。

未来 Agent 可以代表用户完成任务,但仍然需要访问这些真实世界的资源。

谁能够以可信、低成本的方式连接供需双方,谁就可能在 Agent 经济中占据重要位置。

不过,这条路线的难度也最高。

因为它需要的不只是技术,还包括商业合作、市场运营、合规和信任体系。

对于小型创业团队,未必适合一开始就进入。

08

时间换空间:小公司应该如何与大厂竞争?

打开网易新闻 查看精彩图片

对于小型 AI 创业公司而言,资源有限是客观现实。

我们没有必要在每一个技术方向上与大厂正面竞争。

也不需要追逐所有最新的模型能力。

相反,更值得思考的是:

哪些市场足够重要,但大厂暂时没有动力深入经营?

哪些需求真实存在,却因为行业分散、数据复杂、服务成本高,而没有被很好满足?

哪些资源可以通过三年、五年的持续积累,逐渐形成竞争优势?

我认为,小公司的战略可以分为三个阶段。

第一阶段:用技术优势获得市场空间。

找到一个真实、具体、愿意付费的需求。

利用 Agent 技术降低交付成本,以更高效率进入市场。

第二阶段:用市场空间积累商业资源。

不急于横向扩张。

围绕同一类客户,持续积累数据、渠道、业务关系和服务能力。

第三阶段:用资源优势进入更大的市场。

当积累的资源能够支持相邻业务时,再考虑扩张。

而不是每发现一个新机会,就重新开发一套产品。

这条路线最大的好处,是不需要一开始就知道公司的最终形态。

但需要知道:

今天做的事情,正在为明天积累什么。

09

AI 越来越强,反而可能成为创业公司的机会

讨论了这么多,我想回到文章最开始的问题。

当 AI 模型越来越强,应用公司究竟还有没有机会?

我认为有。

但机会可能不再主要来自「我们比别人更会使用 AI」。

而是来自:

我们能否利用 AI,以过去无法想象的低成本,进入某个真实市场,并逐步建立长期商业优势。

过去,一家小公司想进入传统服务行业,可能需要大量员工。

想建设复杂的软件系统,需要专业开发团队。

想开展大规模数据分析,需要昂贵的技术基础设施。

而 AI 正在降低这些门槛。

这意味着,技术创业者有机会用更小的团队,重新组织原本需要大量人力完成的商业活动。

但我们也必须承认:

当所有竞争对手都能够使用同样强大的 AI 时,技术带来的成本优势也可能逐渐消失。

因此,AI 应该是我们获取市场和资源的杠杆,而不是我们唯一依赖的护城河。

真正需要长期建设的,可能是那些无法通过一次模型升级就获得的东西:

客户信任、商业关系、合法的数据获取权、行业渠道、交易网络,以及持续创造真实价值的能力。

这些资源也不是绝对不可替代。

但它们通常需要时间、资金、组织能力和长期经营才能积累。

而时间,恰恰是创业公司可以通过正确的市场选择,逐渐转化为竞争优势的东西。

结语:不要只思考如何创造智能,更要思考如何让智能创造价值

AI 创业公司正在经历一个特殊的时代。

一方面,技术进步让创业门槛不断下降。

另一方面,技术普及又让差异化变得越来越困难。

今天花费大量精力构建的能力,可能很快就被基础模型覆盖。

这确实令人焦虑。

但换一个角度看:

如果智能正在逐渐成为一种普遍的生产能力,那么未来商业竞争的重点,也许会重新回到一个古老的问题:

谁掌握资源?谁连接需求?谁能够持续创造真实价值?

美团从团购进入本地生活。

亚马逊从在线书店进入更广阔的商业市场。

Shopify 从一家滑雪板网店遇到的软件问题出发,逐渐成为商家经营基础设施。

Stripe 没有争夺消费者购物入口,而是选择为互联网企业提供支付能力。

这些公司的故事,并不是在告诉我们,每一家创业公司最终都应该成为平台。

而是在提醒我们:

最初的产品,只是进入市场的方式;长期积累的商业资源,才可能决定一家公司的未来。

对于今天的 AI 创业者而言,也许最值得思考的,不是下一个模型会有多强,也不是下一个 Agent 框架会如何演进。

而是三个更加朴素的问题:

第一,我们今天能够解决什么真实问题?

第二,在解决这些问题的过程中,我们能够持续积累什么资源?

第三,假设十年后智能几乎无处不在,我们积累的这些资源,是否依然具有价值?

如果能够找到这三个问题的交集,也许就找到了 AI 应用公司真正值得长期投入的方向。

我越来越相信:

“未来最有价值的 AI 公司,未必是拥有最强智能的公司,而可能是那些能够将智能与真实世界的稀缺资源连接起来,并持续创造商业价值的公司。”

技术会迭代,产品会被替代,商业模式也会不断变化。

但一家公司的长期竞争力,最终仍然取决于它能否在变化中不断积累真正有价值的东西。

不要只追逐下一次模型升级。

要让每一次技术进步,都成为自己积累长期优势的机会。

以上也是我们这些年 AI 创业过程中的一些真实思考。

从最早探索 AI 搜索,到如今打造01Agent,我们经历过技术迭代的兴奋,也感受过行业竞争的焦虑。

但我们始终相信,技术只是手段,创造真实价值才是目的。

这也是我们做 01Agent 的初衷:希望通过 AI,让每个人和中小企业都能以更低的成本完成创作、开展营销,让好的产品被更多人看见。

我们还在不断探索,也欢迎大家体验、交流,一起见证 AI 带来的更多可能。

01Agent.net — 一站式 AI 营销智能体