大模型“吞噬”应用层？创业公司的新蓝海在“黄砖路”之外
随着GPT、Claude等大模型能力指数级增长，AI应用层创业者普遍陷入焦虑：如果底层模型公司（如OpenAI、Anthropic）同时掌控模型、分发和品牌，应用层是否还有生存空间？知名风投a16z合伙人Joe Schmidt在最新分析中，借用《绿野仙踪》的“黄砖路”隐喻，指出答案在于“奥兹国的其他地方”。
黄砖路：大模型公司的“主战场”，创业者的“死亡陷阱”
“黄砖路”代表大模型实验室正全力投入的路径：代码生成、写作、图像创作等。这些领域随模型原始能力提升而自然进步，且实验室拥有无人能及的利润率、分发渠道和品牌效应。
为什么这条路对创业者危险？
- 同质化竞争： 如果创业公司只是将高性能模型接入现成连接器（如Google Drive、Slack），搭建一个通用Agent层，那么OpenAI的Codex或Anthropic的Claude Code分分钟可以覆盖。
- 架构控制权： 模型公司掌握产品架构选择，决定了解决哪些问题。它们更倾向于采用“模型+工具调用”的模式，这是典型的横向通用方案。
- 成本与价格战： 基础模型调用成本持续下降，单纯包装模型很难建立可持续的定价权。
“奥兹国的其他地方”：垂直行业工作流系统的黄金机会
真正的机会不在“更聪明的聊天窗口”，而在于“对业务结果负责的系统”。这些系统深入行业流程，依赖复杂工作流、数据沉淀、合规治理和系统集成能力。
这些公司构建的是“智能体体验”： 模型被编织进复杂工具、自动化和集成网络中。天然是垂直化的，聚焦于：
- 多步骤、多参与方工作流： 例如保险核保、法律合同审查、软件开发全流程。
- 跨系统上下文整合： 收集CRM、邮件、遗留系统数据，路由给不同角色审批。
- 确定性业务结果： 模糊性不可接受，输出必须绑定商业结果（如成交订单、完成合规审核）。
创业公司如何构建护城河？从四大维度建立“不可替代性”
1. 数据与学习飞轮：从“浅层通用”到“深度行业智能”
- 跨客户飞轮： 见过同一类问题（如保险核保、法律红线修改）的更多变体，模式识别能力不断复利。
- 客户内部飞轮： 只有用户与系统真实互动时，行业惯例、不成文标准、部落知识才会浮现。这些不在任何训练集中。
- 关键区别： 一个横向Agent无法同时精通100个行业。垂直玩家可以设计专门的工作流界面来捕捉这些知识。
2. 管理模型波动性与复杂性：成为企业的“AI路由器”
- 跨供应商优化： 创业公司可以为每个子任务选择最合适的模型（如开源的、微调的、专用模型），而不是只用一个实验室的产品。
- 降低迁移成本： 当大模型实验室发布新模型时，创业公司负责重新跑评估、校准提示词、完成生产迁移。客户只需坐享升级红利，无需承担技术风险。
3. 成本优化：从“模型定价”到“结果定价”
- 智能路由层： 最难任务给前沿模型（如Opus 4.7），常规任务给中等模型，重复任务用定制微调模型。毛利率直接提升。
- 反逻辑定价： 大模型实验室卖的是“最低智能水平”的地板价。创业者卖的是“在特定工作流所需智能水平下，实现最低总成本”。这需要对每个子任务的智能需求了如指掌。
4. 治理与合规：成为企业的“AI控制平面”
- 端到端控制： 创业公司拥有智能体接触的所有工具、工作流和数据，可以实施按用例、按客户配置的护栏。
- 吸收监管复杂性： 法律（联邦民事诉讼规则）、医疗（HIPAA）、金融（SEC规则）等行业要求，横向玩家无法同时满足。CIO需要的是能签订合同中明确承担合规责任的伙伴。
实战案例：销售与保险领域的“黄砖路外”实践
销售领域（11x公司CEO案例）：
- 聚焦结果： 不是卖“更好的邮件生成AI”，而是卖“产生更多销售线索和管道”。
- 复杂性是护城河： 如“防止向现有客户发送冷启动邮件”这个简单任务，因数据混乱（子公司、过时CRM字段）变得极其复杂，需要深度工程能力。
- 护栏创造价值： 财富500强公司通过语音外呼，需要针对特定受众（中小企业主）快速迭代通话开场白。系统日产生的销售机会超过整个销售团队月产出。
保险领域（FurtherAI CEO案例）：
- 智能在工作流中： 保险公司真正的智能源于核保哲学、风险偏好、升级规则、手动审核节点等分散在SOP中的隐性知识。
- “智能体工作流”模式： 工作流提供可重复性和审计性；智能体处理变动性；人类保持在环以处理判断和问责。
- 运营记忆： 每一次升级、每一次例外、每一次人类修正都是数据，最终形成其他公司无法复制的“运营记忆”。
如何判断自己是在“黄砖路”还是“奥兹国其他地方”？
| 维度 | 黄砖路（危险区） | 奥兹国其他地方（安全区） |
|---|---|---|
| 工具与步骤测试 | 步骤少（1-5步），针对单一工具，容错率高（用户看错可重问） | 步骤多（数十步），涉及多工具，输出必须通过人工审查 |
| 系统测试 | 在客户现有系统之上增加一个工具（如AI搜索插件） | 构建客户用来运行工作的核心系统（替代人力，绑定业务流） |
| 对冲基金测试 | 客户为通用能力付费（按席位、按token） | 客户为业务结果付费（按成交、按审核、按保单） |
结论：两者都能赢，但路径不同
- 黄砖路上的赢家： 大模型实验室。它们靠模型和分发取胜。
- 奥兹国其他地方的赢家： 专注垂直工作流的创业公司。它们靠“工作的系统”（数据、工作流、治理）取胜。
核心启示： 底层模型是可替换的，但沉淀在具体行业和具体工作流中的运营记忆与治理能力，才是真正不可替代的。下一代企业软件，将在“黄砖路”之外建立。
📊 市场资讯部点评
本文精准击中了当前AI应用层创业的核心困境与出路。传统“套壳”式创业已被证明是死路，而深度绑定垂直行业工作流的“系统型”创业模式，正从理论走向实践。其核心价值在于：模型是商品，但数据与流程是不可替代的资产。 对于企业而言，未来采购AI服务，将不再是购买一个“更聪明的工具”，而是支付给一个能对业务结果负责的“智能运营伙伴”。建议创业者聚焦于：高壁垒、多步骤、强合规的垂直赛道，通过构建数据飞轮和治理体系，构筑不可被大模型公司轻易颠覆的护城河。真正的护城河不是模型，而是围绕模型建立的、包含行业知识与运营记忆的系统。
