最近半年，险些每一个 AI 创业者都会有一个疑问：OpenAI 和 Anthropic 会不会把咱们全吃掉？模子越来越强，Codex 和 Claude Code 越来越像操作系统，那应用层还有得作念吗？硅谷顶级风投 a16z 的合资东谈主 Joe Schmidt 有益写了一篇著述回话这个问题。他的中枢判断是：大模子公司的主攻地方（代码生成、写稿、图像创作等通用任务）确乎是创业公司的禁区，但在这条"黄砖路"除外，还有无数复杂、垂直的问题实验室根柢够不到，实在的契机在那些需要让 AI 输出实在、合规、能在具体行业里运转的地方。创业公司不错靠四谈护城河守住阵脚：行业隐性学问齐集成的数据飞轮、跨厂商跨模子选最优解的生动性、按任务难度分级路由的老本上风、以及帮客户接纳监管复杂性的治理技艺。他用一句话概述这场博弈：模子不错替换，但深耕行业的使命系统不行。

以下为编译。

每个东谈主都在问：AI 应用层还有得作念吗？

我最近被首创东谈主和求职者反复问归并个问题：AI 应用层还有莫得空间？照旧说 OpenAI 和 Anthropic 会吃掉一切？

这问题背后有一种极端的 AI 错愕症。一些东谈主照旧认定，惟一能幸免沦为永远底层的位置，要么在大模子实验室里，要么在机器东谈主、硬科技这类"实验室碰不到"的前沿地带。如若每一款软件都注定被吃掉，要么被 Codex 或 Claude 径直接纳掉使命流，要么被下一代模子径直形成过剩，那就马上跑吧。

听着，我险些比谁都更 AI 原教旨方针，况兼我以为他们只说对了一半。实验室确乎会吞掉一大片应用层。但"应用层"不是一个同质化的契机池。正确的念念考框架是：你站在黄砖路上，照旧奥兹国的其他地方？

大模子公司吃通用任务，创业公司吃垂直行业

"黄砖路"是咱们对大模子公司主攻地方的简称，它们在这条路上进入了极其浩瀚的资源。代码生成、写稿、图像创作这类问题之是以自然属于实验室，是因为这些问题跟着模子原始技艺的擢升会径直变好：每一块钱的预试验和后试验支拨，都会径直改善产物体验。

如若你在创业，黄砖路是最赫然的地方，亦然最危机的地方。拿一个高性能模子，接上几个现成的连结器（Google Drive、Slack、Salesforce、Notion、GitHub），再在上头搭一层代理编排，看起来像变魔术一样简便。

问题是，这即是实验室在作念的事情。他们虽然领有模子本人，这意味着更好的利润率、更强的完毕力，以及对卑劣悉数参与者的订价权。但更攻击的是，他们也领有决定产物架构的权柄，产物为哪些问题而想象、用什么容貌来解决。他们到当前为止一直在刻意遴荐"模子加器用调用"的模式，而这无意是黄砖路上那些水平化、低步数任务所需要的。

退一步说，就算有创业公司能在产物上跑赢 Codex 或 Claude Code，实验室手里还捏着浩瀚的分发渠谈和 AI 界限最强的品牌光环。如若你是一家 AI 应用公司，用通常的连结器、通常的模式、莫得底层子代理或深度成立、也莫得我方的分发技艺，那你好像率走在一条通往"那处都不是"的路上。

但对创业公司来说，这不是全盘悲不雅的场合。黄砖路除外有浩瀚的契机，创业公司不错在那里实在领有客户、解决复杂问题。

这些公司构建的是代理式体验，模子被编织进一张由器用、自动化、集成组成的复杂采集里。这使得它们自然是垂直化的。它们不错作念多步、多变装合营的使命，领有针对特定变装和垂直场景的子代理，而这些都是 Anthropic 和 OpenAI 用水平化平台无法触及的：跨系统采集险阻文，然后在不同阶段由多个东谈主审批流转。这些场景时时波及一个或多个留传系统，倾向于需要细目性的完毕，蒙眬是不可经受的，况兼最终不时绑在某个有价值的业务效果上。

实验室很了了这些问题的价值：他们之是以在搭建我方的外包成立团队，以及为什么会出现一通盘面向大客户的强化学习产业，原因就在这里。

对此最常见的反驳是：历史上押注"模子不会变好"从来都是倒霉的赌注。它们好像会一直变强，最终吃掉这些应用层公司的商场。

实验室虽然会链接率先，但我以为奥兹国其余步区的公司有几谈护城河不错守住。

第一，数据和学习的飞轮。 许多学问不在职何试验集里，不成文的行业通例、莫得文档记载的方法、只存在于从业者头脑里的隐性学问。这些完全不在公开网页上。再多试验算力也替代不了实在镶嵌这些学问所在的业务流。这里有两个叠加的飞轮：跨客户飞轮，当你看到归并种问题的更多变体时潜入的模式；以及单个客户里面飞轮，具体有贪图背后的原因、未说出口的例外、公司我方不成文的训戒法律证据，这些惟有在与系统的果真交互中才会浮现。

即使客户数据不行在客户之间径直使用，应用公司依然不错应用跨客户问题类型的模式识别，来率领畴昔问题的架构想象。一个让代理跑过一百次法律红线审查、一千次保障核保周期、一万次销售造就代表任务的公司，照旧把问题的"步地"内化了，这种齐集是下一个新进入者用一套全新代理重新运转无法复制的。

第二，管理模子的变化与复杂性。 实验室照旧在作念里面路由了，不同请求调不同模子类别、底层用集成。但他们作念不到跨厂商路由，不行用竞争敌手的模子来评估某个子任务，也不行为一个极窄的要害有益用开源微调。奥兹国公司不错在通盘模子商场中为每一个子任务选最优模子，而不是只可用母公司发货的那一个。他们还作念了没东谈主想作念的使命：每次新模子发布时从新跑评估、针对客户旯旮场景从新校准指示词、在不炸掉出产环境的前提下完成部署。实验室不会替客户作念这些；他们把下一个模子卖给你，让你我方移动。奥兹国公司帮客户接纳掉移动老本。客户得到的是通盘商场最优智能的组合，斗鱼体育中国官网入口以及每次升级时无感的连气儿性。

第三，老本优化。 每个查询都跑 Opus 4.7 是通往负毛利的最快旅途。最佳的奥兹国公司在不同级别的模子之间作念路由，最难的任务用前沿模子，大部分用中端模子，在照旧获得豪阔齐集的要害用更小的定制或微调模子。有些公司当今更进一步，在这些基础上作念我方的后试验，针对客户热心的极窄使命流作念优化，做事老本仅仅前沿 API 调用价钱的零头。实验室定的是智能的底价：花 X 元能买到的最低智能。奥兹国公司卖的是反过来的东西：为使命流本体所需的智能水平，找到最低的好意思元老本。这惟有在你精准知谈每个子任务需要什么水平时才可能，而实验室在结构上不可能了解悉数垂直行业。

第四，治理。 成为客户在某个垂直行业使用 AI 的"完毕平面"，这件事本人就有罕见大的价值，权限、审计、代理被允许作念什么、代理本体作念了什么，一谈汇注于一处。这个完毕平面由具体场景的护栏组成，而不同业业、不同岗亭需要的护栏完全不同。因为奥兹国公司领有端到端的器用、使命流和数据，他们能在水平器用难以企及的地方提供细目性完毕。他们亦然替最终客户接纳监管复杂性的实体：法律行业的 FRCP 和讼师限定、医疗界限的 HIPAA、金融界限的 SEC 和 FINRA、各州保障法例等等。一个水平化玩家如若不形成一百个不同的垂直行业公司，就不可能实在相连这些职守。CIO 们想要的是一个能在条约里证据实在写明"我会为提供的代理承担合规职守"的合作伙伴。

悉数这些都指向归并件事：专注。不错是一个垂直行业（保障、法律、司帐），也不错是一个作念深作念透的功能（销售、客服、财务）。岂论哪种，都需要一支团队全身心扎进一组客户里，它的使命流、它的旯旮场景、它的监管限定。实验室不是为这个想象的。他们必须同期隐痛悉数东谈主，这是他们铺出黄砖路的容貌。通常的选定也让他们进不了奥兹国的其余步区，你不错同期无处不在，也不错在一件事上作念到极致。二者不行兼得。

销售的例子：复杂业务需要什么

若何在实践中念念考这件事？11x 的 CEO Prabhav Jain 给出了一些来自一线的冷落。

从客户实在热心的完毕开赴。 对 11x 来说，即是帮客户产生更多销售管谈。从这个问题开赴，追问就变得极其具体：咱们但愿端到端领有哪些实在驱动管谈的步履？把每个步履瓦解成任务，哪些是代理式的、哪些不是，哪些需要深度的界限瞻念察、哪些不需要。实验室虽然也会发布使命流，但当历程有许多方法、输入很脏、情景很深奥析、存在各式推行宇宙不休时，单靠更好的模子是作念不到的。这部单干作回到传统软件工程，而实验室在一个专注的应用公司眼前莫得任何上风。

举个例子，11x 处理的任务包括：基于自界说信号作念印迹挖掘、印迹数据补充、深度账户询查、从 CRM 中抓取险阻文、针对不同渠谈的音讯生成、印迹质地判断代理、邮件投递系统。这些不是一次性就能完成的任务，需要深度工程。

奥兹国譬如中最要害的一个瞻念察是：在职何一个果真使命流里，kaiyun体育网页版登录入口约莫有一半非代理式任务，实验室在这些任务上莫得任何上风，他们写模子层底下的细目性软件，并不比你强。另一半代理式任务，仍然需要你针对实在想要的完毕去调、去试验、去不休模子。界限学问时时不在通用试验数据里。这些技艺是从垂直或功能的泥土里长出来的，在历程的要害时刻被喂给模子。当 11x 的代理在电话上评估一个 inbound 印迹时，它需要被试验去贯串"什么是针对这个特定行业、这个特定东谈主群的好销售对话"。这是应用公司才能作念的使命，况兼会赓续齐集。

更攻击的是，业务在演进，这些技巧会赓续落伍，你的技艺即是持续演进这些使命流和险阻文，这本人就形成了竞争上风。11x 的范畴化邮件外拓产物刚起步时，" AI 味"的邮件刚运转进入东谈主们的视线。到今天，东谈主们对哪些是 AI 写的、哪些是东谈主类写的照旧有了尖锐的判断力，而这个判断方法每隔几个月就在变。代理必须不捣毁据商场动态鼎新，而护城河恰是在这里被建出来的。事实上，尽管存在这种变化，11x 的正面回复率在畴昔几个月飞腾了 4 倍，照旧为客户创造了数亿好意思元的管谈。

在复杂度高的问题上使命。 复杂问题才是实在开释交易价值的地方，不然你只会发现我方搭了一层薄薄的壳。拆革职何一个豪阔复杂的交易问题，零乱会迅速浮现。举个听起来很简便的 GTM 场景的例子：如若一家公司照旧是你的客户，你就不应该再相关这家公司里的任何相关东谈主。但这事少量都不简便。也许 CRM 里关联的是这家公司的一个域名。那些有几十个子公司的集团若何办？如若 CRM 记载里留的是母公司域名若何办？如若一个 Salesforce 里落伍的匹配字段，把一封冷销售邮件发给了一位现存客户的 CRO？果真宇宙的数据是脏的，东谈主类尚且搞不定，模子也不会自动跨过这谈坎。从零乱中索求步骤，需要的是为问题具体格式而想象的专用代理，而不是一个对着 CRM 指辅导点的通用副驾驶。事实上，左证 11x 的数据，他们照旧发现我方的数据质地和簇新度远高于客户，是以他们默许以我方的数据为准。

护栏不单用来在意赖事发生。这是客户付钱给你的原因。 护栏被严重低估了。即使在归并个产物里面，每一个场景都需要我方的护栏。一个受到严格监管的金融做事客户，和一家中等范畴的 SaaS 客户，要求的保障完全不同，这些互异一直浸透到代理若何写、能相关谁、能触碰哪些数据、电话里能说什么、以及每个有贪图若何被记载。一套"放之四海齐准"的系统在这种互异眼前会崩溃。护栏必须按场景构建、按客户成立、持续审计，而这项使命完全属于应用公司。这即是 11x 有前置部署工程师和技能部署计策师的原因，他们需要为每一个客户的需求作念定制。举个例子，他们曾与一家 F1000 企业合作，通过语音向他们的无数中小企业客户作念授权外呼。最初几次迭代接听率很低，他们必须快速迭代，学会若何让这个特定东谈主群在前 10 秒内产生互动。中小企业主的行动和大企业买家、平素耗尽者完全不同。当今他们一天为这个客户创造的销售契机，比他们通盘销售团队针对这个细分商场一个月作念的还多。

保障的例子：智能不在模子里，在使命流里

保障是另一个切面，归并个论断。FurtherAI 的 CEO Aman Gour 是这么贯串这件事的：

当他们运转在果真保障运营中部署 AI 时，反复听到一种假定：模子是智能的载体，使命流仅仅围绕它的脚手架。跟着合作了越来越多的保障公司，他们越来越肯定这个假定是反的。

在保障业，许多智能本人就存在在使命流里。两家保障公司可能走归并条旅途处理一份投保央求：接件、审核、报价、承保。但旅途仅仅最容易的部分。实在划分两家公司的是旅途里面的一谈细节：哪些风险需要上报、哪些亏本信号值得关注、两条限定打破时哪一条优先级更高、什么情况下必须有东谈主署名、哪些外部数据会被调取、最终有贪图若何存档。这些逻辑不在一个干净的限定引擎里，而是洒落在 SOP、司理审核记载、核保理念、公司特定的风险偏好和多年的操作训戒中。其中很大一部分根柢莫得被写下来，模子无法径直读取。

这即是为什么 FurtherAI 不信托一个每次都从零推理的纯代理，也不信托一个推行一乱就崩溃的硬编码使命流。他们在构建的是代理式使命流，使命流给你可疏导性、可审计性和老本完毕，代理处理不细目性并在干线走欠亨时收复旅途，东谈主类留在轮回里处理那些需要承担职守的判断。

在第一天，这能自动化东谈主工操作。但假以时日，每一次上报形成信号，每一次例外是一次反应，每一次东谈主类修正展示了操作手册那处不竣工。逐步地，使命流不再是剧本，而是形成了保障公司的运营追忆。实验室很难触达到这个层面。他们会持续发布更好的模子和更好的通用代理，他们也理当如斯。但他们不会坐在一家保障公司的出产历程里豪阔久，去贯串为什么某一个账户被上报、某一个风险被拒保、某一位核保东谈主推翻风险偏好指引况兼他推翻得对。这种贯串，只可来自把使命流跑在出产中数千次。你第一天录用的使命流不是护城河。出产使用所产生的反应轮回，跟着时候齐集，才是。

三个测试判断你的地方，两条路都有赢家

器用与步数测试。 完成这项使命需要若干步？你需要构建的器用复杂到什么进程？对比一下：水平化 AI 搜 Google Drive，一步，操作一个器用，完毕错了用户不错重搜；和一份针对律所三年前例的多步法律红线审查，几十步、跨多个器用、输出必须通过合资东谈主审核且最终可能在法庭上被申辩。两者看起来都像"代理在作念使命"，但惟有后者需要一个专注团队花几年才能构建的那种深度软件。

系统测试。 你在构建的是客户用来完成使命的"系统"，照旧叠加在客户已有系统之上的"器用"？系统辖有端到端的使命流，数据采集、治理、完成事项的记载，是客户表情本体使命若何发生时指向的东西。器用仅仅在客户照旧在运行的使命流上加一层智能。作念器用能产生果真收入，况兼实验室不错拿走，因为客户并不依赖你行为编排层。高客单价常常是系统的信号，因为系统替代实在的东谈主力岗亭并据此订价，但这不是保证。问我方一个问题：如若实验室发布了一款据称与你径直竞争的产物，客户还需要你的产物吗？如若谜底是"是"，你在构建系统。如若"否"，你仅仅器用，即使你的客单价很高。

对冲基金 /P&L 测试。 实验室的阐扬用 benchmark 来评判，奥兹国其余步区的阐扬用客户的 P&L 来评判。你的客户不热心你的模子在 SWE-Bench 或 MMLU 上拿了若干分，他们只热心你的代理有莫得惩处那笔来回、有莫得把条约要求审对、有莫得签下正确的保单。如若他们死死盯着业务流的完毕，而不是一个通用的技艺评分，你就在奥兹国其余步区。如若他们买的是通用技艺，你卖的东西他们买一张 Claude 或 Codex 的席位就能得到。最佳的代理公司需要像对冲基金一样运作，用客户 P&L 考虑的 alpha 来取胜，而不是用 benchmark 分数。

咱们会在黄砖路上和路除外同期看到浩瀚的赢家。

模子公司会链接赢，因为他们领有模子，也领有他们想象的水平器用的分发技艺。奥兹国其余步区的公司如若能领有"使命系统"，公司本体践诺使命的界面，以及从使命中产生并千里淀下来的数据，就能赢。这些公司领罕有据采集、使命流行动系统和治理层。跟着某个垂直界限内更复杂的使命流赓续造就，它们会汇注成一个客户最终依赖的中枢体验。当新一代模子从既有大公司和新兴玩家中赓续发布，这些公司就成了整合一切、把智能录用给客户的中间层。模子在底层不错替换，但使命系统不行。

下一代企业软件开云(中国)2026世界杯官方推荐，会在黄砖路除外被建出来。