第 14 章：模型能力强，但模型本身容易被追赶

AI 时代，模型很重要。

没有强模型，就没有强 AI 产品。

但模型本身不一定是最终护城河。

这是很多人容易误判的地方。

在技术早期，模型领先看起来像决定性优势。

但随着时间推移，模型能力可能扩散。

开源模型会追赶。

推理成本会下降。

基础能力会商品化。

企业会使用多模型策略。

用户未必只因为模型强一点而迁移。

所以真正护城河，不是模型单点。

而是模型与分发、数据、工作流、生态、商业化结合之后形成的系统。

1. 模型是基础，但不是最终护城河

模型是 AI 产品的发动机。

没有发动机，车跑不起来。

但发动机不是全部。

汽车竞争不只是发动机。

还包括品牌、渠道、制造、供应链、设计、服务、成本、生态和用户体验。

AI 也是一样。

模型能力重要。

但最终用户买的是产品体验和任务结果。

一个模型再强，如果没有分发，用户不知道。

如果没有场景，用户不用。

如果没有数据，回答不贴近。

如果没有工作流，进不了企业。

如果没有商业模式，赚不到钱。

如果成本太高，规模化困难。

所以模型是必要条件，不是充分条件。

AI 时代真正强的公司，必须把模型能力转化为入口、任务和商业闭环。

2. 开源模型会追赶

开源模型是重要变量。

Meta 的 Llama、Mistral、Qwen、DeepSeek 等开源和开放模型，正在不断追赶闭源模型。

开源模型会带来几个影响。

第一，基础能力扩散。

越来越多公司可以使用较强模型。

第二，价格下降。

模型能力不再稀缺时，API 价格会承压。

第三，企业可私有部署。

很多企业不愿把数据交给闭源模型，更愿意使用可控模型。

第四，开发者生态丰富。

开源模型带来大量微调、工具、部署和优化生态。

这会削弱单个模型公司的垄断力。

当然，最前沿模型仍然很难做。

顶级算力、数据、人才、工程能力仍然稀缺。

但长期看，模型能力会逐步商品化一部分。

所以不能把“模型当前领先”直接等同于长期护城河。

3. 推理成本持续下降

推理成本也会下降。

这来自多个方向：

芯片进步。

模型压缩。

蒸馏。

小模型。

专用模型。

缓存。

端侧推理。

更高效架构。

更好的推理系统。

竞争导致价格下降。

成本下降会扩大 AI 应用。

但也会削弱单纯模型能力的利润率。

当能力变便宜，价值会向哪里迁移？

可能迁移到：

入口。

数据。

工作流。

品牌。

生态。

分发。

商业闭环。

真实任务结果。

这和云计算类似。

基础设施很重要，但最终利润不一定只在算力层。

AI 也可能出现类似结构。

底层模型重要，但上层入口和应用场景可能捕获更多价值。

所以未来要看价值链分配。

4. 单纯模型领先难以长期垄断

单纯模型领先很难长期垄断。

原因有几条。

第一，技术扩散。

论文、工程实践、开源社区会推动能力扩散。

第二，客户多模型策略。

企业不愿被单一模型绑定，会使用多个模型供应商。

第三，模型差距可能缩小。

当模型都足够好，用户更看重成本、速度、集成和体验。

第四，监管和安全要求。

企业可能选择可控模型和本地部署。

第五，应用层差异更重要。

用户真正需要的是具体任务完成，而不是模型榜单第一。

所以模型公司如果想拥有深护城河，必须向上走。

走向产品。

走向平台。

走向开发者生态。

走向企业工作流。

走向个人 Agent。

走向商业闭环。

否则，它可能变成强技术供应商，但不是超级入口。

5. 真正护城河在模型 + 分发 + 数据 + 工作流 + 商业化

AI 时代真正的护城河，可能是复合结构。

可以压缩成：

模型 + 分发 + 数据 + 工作流 + 商业化。

模型提供智能能力。

分发带来用户。

数据提供上下文。

工作流形成粘性。

商业化产生现金流。

缺一个都不够。

OpenAI 模型和心智强，但分发和商业闭环仍在建设。

Google 有分发和数据，但旧业务包袱重。

Microsoft 有工作流和企业分发，但消费心智弱。

Apple 有系统入口和高价值用户，但 AI 产品力待证明。

Amazon 有交易和云，但通用入口弱。

Meta 有社交分发和开源模型，但高意图不足。

Tencent 有超级入口，但 AI 产品心智待证明。

Palantir 有工作流和组织数据，但扩张重。

所以看 AI 公司，不能只看模型。

要看复合咬合。

谁能把模型能力接到高频入口、真实任务、独特数据和自然商业化里，谁才更接近长期护城河。