核心觀點：
1、技術發(fā)展并非一直呈指數(shù)級增長，在初期快速突破后會趨緩。
2、基礎模型差距縮小，行業(yè)競爭的焦點就會從 " 技術領先 " 轉(zhuǎn)向 " 產(chǎn)品體驗 "，而這正是創(chuàng)業(yè)公司大展身手的窗口期。
3、一個產(chǎn)品未能構建足夠強的數(shù)據(jù)壁壘或用戶體驗護城河，它就極易被基礎模型整合、甚至直接取代。
4、AI 并不會改變?nèi)祟惖母拘枨螅心芰χ厮芊盏膶崿F(xiàn)方式，甚至重構服務邏輯的能力，帶來更豐富的互動形式和更強的系統(tǒng)延展性。
本文內(nèi)容源于北極光創(chuàng)投近期的一次閉門會議。林路先生（北極光創(chuàng)投合伙人）分享了他對當前 AI 的看法洞見。林路先生于 2012 年加入北極光，已在傳統(tǒng)互聯(lián)網(wǎng)與移動互聯(lián)網(wǎng)領域深耕 14 年，積累了豐富的經(jīng)驗。他參與投資及投后管理的項目眾多，包括元保（YB）、XSKY、VIPKID、火花思維、棕櫚大道、觀脈科技等。
長期以來，許多人受到互聯(lián)網(wǎng)時代 " 指數(shù)級增長 " 神話的影響，誤以為技術演進必然是持續(xù)加速的，就如左圖中那條虛線所示。
然而，現(xiàn)實往往更加復雜：技術在初期確實可能迅速突破，但隨后便逐漸進入發(fā)展趨緩的階段。以 ChatGPT 為例，2022 年底其面世之初，市場情緒極度樂觀，許多人預測通用人工智能（AGI）指日可待。然而僅僅一年多后，隨著大模型遭遇預訓練瓶頸，行業(yè)氛圍迅速轉(zhuǎn)向謹慎。類似的情形也曾出現(xiàn)在自動駕駛領域。彼時業(yè)內(nèi)普遍認為 5 – 6 年內(nèi)可實現(xiàn) L4 級別的自動駕駛技術，然而事實顯然沒有如此樂觀。
技術發(fā)展趨緩意味著領先者難以憑借技術實現(xiàn)持續(xù)性的 " 碾壓式 " 領先，最終各方水平將逐步趨同。如果單就技術本身而論，Google、Anthropic 與 OpenAI 三者之間的差距并不顯著；中美之間的技術鴻溝，也遠不像人們普遍想象的那樣巨大。這種局面導致在基礎模型層面，技術壁壘難以構建，盈利能力也難以覆蓋巨額的訓練成本。
正因如此，我們在 2023 年曾就是否投資基礎大模型進行了長時間的內(nèi)部討論，最終決定暫不進入該賽道。從今天回頭看，這一決策是謹慎且正確的。
右側圖表摘自克萊頓 · 克里斯滕森所著的《創(chuàng)新者的解答》。其中，實線代表產(chǎn)品能力的演進，虛線則體現(xiàn)用戶需求的變化。通常在技術演進的早期，產(chǎn)品能力尚難滿足用戶期待——而當前正處于這一階段。因此，模型能力即便僅有小幅提升，也足以顯著影響用戶選擇。例如，今年一月 DeepSeek 推出的 R1 模型在用戶中產(chǎn)生了較強的吸引力，顯著影響了豆包與 Kimi 的用戶增長表現(xiàn)；不少用戶在對比后認為 R1 更具優(yōu)勢，便迅速完成了遷移。
同時，隨著 DeepSeek 的開源策略，以及阿里 " 千問 " 等國產(chǎn)模型的陸續(xù)上線，基礎模型之間的差距進一步縮小，行業(yè)關注焦點也隨之從 " 誰家模型更強 "，轉(zhuǎn)向 " 如何落地應用 "。
于是，越來越多的企業(yè)開始嘗試將大模型引入日常業(yè)務場景，并結合 " 思維鏈（Chain of Thought）" 與 " 工作流（Workflow）" 等能力模塊，推動模型向更復雜的任務能力演進。
如果我們不再執(zhí)著于大模型具備 " 無所不能 " 的通用能力，而是專注于某些垂直領域的實際應用，那么當前的大模型技術水平，其實已經(jīng) " 足夠好 "。一旦模型能力能夠切實滿足用戶的核心需求，競爭的焦點就會從 " 技術領先 " 轉(zhuǎn)向 " 產(chǎn)品體驗 "，而這正是創(chuàng)業(yè)公司大展身手的窗口期。
ChatGPT 于 2022 年底橫空出世，某種程度上就像當年 iPhone 的發(fā)布，開啟了一個全新的應用時代。而當前大量開源模型的涌現(xiàn)，也頗似當年 Android 平臺的爆發(fā)式增長——不過這一次，中國企業(yè)并未缺席，尤其在開源大模型領域。以 Hugging Face 平臺為例，來自中國的模型數(shù)量和質(zhì)量，已與美國企業(yè)基本持平。
我在 2012 年加入北極光創(chuàng)投，恰逢移動互聯(lián)網(wǎng)從火熱走向理性的發(fā)展階段。當時投資圈流行一個詞叫 "SoLoMo"，即 Social、Local、Mobile 的融合模式，典型代表如海外的 Foursquare、國內(nèi)的街旁網(wǎng)。還有一款名為 Color 的社交應用，甚至在天使輪就融資高達 4000 萬美元，熱度一時無兩。然而，隨著熱潮退卻，不少人開始質(zhì)疑移動互聯(lián)網(wǎng)的真正價值。
但事實證明，真正有價值的公司，往往是在泡沫退去之后才開始嶄露頭角。例如，今日頭條成立于 2012 年，快手也在那時從 GIF 向短視頻轉(zhuǎn)型，滴滴與快的剛剛起步。
從這段經(jīng)驗中，我們可以看到一個清晰的分野：那些 " 為新技術強造需求 " 的產(chǎn)品最終難以為繼，而 " 用新技術提升既有需求效率 " 的模式，才能真正走得遠。以出行與外賣為例，移動端比電話更便捷；今日頭條通過算法推薦內(nèi)容，更適合碎片化時間的閱讀；而信息流廣告因精準觸達，廣告主愿意投入更多預算，整體變現(xiàn)效率也因此大幅提升。
此外，還有一個容易被忽視卻至關重要的因素：基礎設施的演進。2013 年 4G 開始商用，到了 2015 年三大運營商陸續(xù)獲得 FDD-LTE 牌照，網(wǎng)絡能力大幅提升。4G 的價值不僅僅在于網(wǎng)速變快，更在于頻譜資源更充裕，從而支持了 " 不限流量 " 套餐的普及。用戶對流量成本的焦慮消除之后，音視頻類應用才得以真正爆發(fā)。
放眼當前，AI 的發(fā)展大致處于類似 2011 年左右的階段。ChatGPT 問世之后，風險投資行業(yè)迅速陷入 FOMO 情緒，基礎模型類企業(yè)估值快速飆升。但隨著 DeepSeek 等新興力量的崛起，原本 " 高高在上 " 的模型公司立刻顯得有些尷尬。與此同時，那些 " 為了 AI 而生、脫離真實需求 " 的應用并未獲得用戶認可，市場情緒也隨之趨于理性。
在這一過程中，頭部企業(yè)也在加速布局，試圖在大模型鏈條上的關鍵環(huán)節(jié)占據(jù)一席之地。這種局面讓我想起當年在百度推動 " 手機百度 " 業(yè)務的經(jīng)歷——盡管如今創(chuàng)業(yè)者不再動輒談論 " 巨頭做了怎么辦 "，但現(xiàn)實是，大公司確實已經(jīng)占據(jù)了不少原本屬于初創(chuàng)企業(yè)的機會空間。
不過，人工智能與移動互聯(lián)網(wǎng)之間存在一個根本性的不同：AI 對業(yè)務效率的提升更快、滲透更深。因此我們有理由相信，AI 帶來的產(chǎn)業(yè)重構將遠超移動互聯(lián)網(wǎng)時代的深度和廣度。一旦 AI 技術真正滿足用戶的核心需求，競爭的焦點將迅速轉(zhuǎn)向產(chǎn)品設計與用戶體驗的比拼。而這一階段，恰恰是初創(chuàng)企業(yè)最有可能脫穎而出的窗口期。
然而，大模型時代的格局正在發(fā)生根本性變化。OpenAI 每一次模型升級，往往都可能在一夜之間讓一批創(chuàng)業(yè)項目失去存在的意義。這并不是說 " 套殼 " 模型的思路沒有價值。諸如 Perplexity 專注于信息檢索與精準回答，Cursor 深耕編程場景中的上下文管理問題，它們都圍繞明確的用戶需求建立了清晰的產(chǎn)品定位和差異化價值。但問題在于：如果一個產(chǎn)品未能構建足夠強的數(shù)據(jù)壁壘或用戶體驗護城河，它就極易被基礎模型整合、甚至直接取代。
在行業(yè)發(fā)展的早期，我們往往容易被 "AI 是什么 " 所吸引，從而催生出許多 " 看起來很有 AI 味道 " 的應用。這種現(xiàn)象，類似于移動互聯(lián)網(wǎng)興起初期 SoLoMo（社交、位置、移動）概念泛濫的時期。但一旦將大模型真正用于實際業(yè)務，就會發(fā)現(xiàn) AI 本身的通用能力遠遠不夠——它依然存在諸多局限，而每一個局限點，恰恰可能成為新的應用創(chuàng)新的切入口。值得強調(diào)的是，AI 并不會改變?nèi)祟惖母拘枨蟆缃灰廊皇巧缃唬螒蛞廊皇怯螒颉心芰χ厮芊盏膶崿F(xiàn)方式，帶來更豐富的互動形式和更強的系統(tǒng)延展性。
因此，相比 "AI 原生應用 " 這個概念，我們更應關注的是：AI 是否具備替代既有服務、甚至重構服務邏輯的能力。
例如，在舊金山灣區(qū)，一位來自大型科技公司的員工利用大模型自建了一個用于管理其 80 輛 Tesla 租賃業(yè)務的智能客服系統(tǒng)。該系統(tǒng)幾乎實現(xiàn)了全流程自動化：用戶在線提交駕照及個人信息，系統(tǒng)自動審核并分配取車位置；到達后車輛自動解鎖；還車時，系統(tǒng)完成電量檢測與車況評估。這一切得以實現(xiàn)，既得益于租車本質(zhì)上就是標準化的客服流程，也因為 Tesla 開放了 SDK，使整個流程具備高度的可編程性和自動化能力。
當然，這套系統(tǒng)對普通人來說門檻不低。但換個思路，若將這套能力加以產(chǎn)品化，構建成一個平臺，允許其他車主接入，平臺再統(tǒng)一處理出險、維修、清潔等服務環(huán)節(jié)并抽取傭金——這便可能演化為新一代的共享服務平臺。雖然早年 " 共享經(jīng)濟 " 曾因過度擴張而飽受質(zhì)疑，但從長期看，許多底層邏輯依然成立。今天，AI 的發(fā)展正大幅拓寬了這類服務的邊界與可行性。
需要特別指出的是，AI" 替代服務 " 的方式，并非對傳統(tǒng)流程的簡單復刻。傳統(tǒng)服務因人力成本高昂，普遍依賴標準化流程（SOP），難以實現(xiàn)個性化。而 AI 恰恰擅長理解上下文與用戶偏好，能基于歷史行為實時調(diào)整服務策略。這類個性化能力，在 AI 驅(qū)動下的邊際成本幾乎為零，不再依賴人員擴張，只需部署更多模型實例，即可實現(xiàn)大規(guī)模服務能力復制。
因此，總結來說：AI 帶來的并非服務流程的 " 數(shù)字化遷移 "，而是服務邏輯的 " 根本性重構 "。誰能在服務本質(zhì)層面完成重構性創(chuàng)新，誰就有可能在這波浪潮中脫穎而出，甚至定義新一代平臺。
