AI 时代,软件公司不能只做“模型的壳”

最近看了张小珺对姚顺宇的一次长访谈。

这场访谈很长，我不是一次看完的，而是一段一段看，一边看一边记。看完再回头整理，发现很多内容并不只是 AI 技术讨论，而是会直接影响软件公司经营管理的问题。

比如：

模型公司和工具公司之间到底是什么关系？AI coding 提高效率之后，研发管理会发生什么变化？Agent 的价值到底是回答问题，还是执行长任务？AI 时代的产品经理，和过去有什么不同？技术 leader 如果没有决策权，公司还能不能抓住机会？

这些问题表面上是 AI 问题，本质上是软件公司的经营问题。

所以接下来，我准备把这次访谈带给我的触动，结合自己对软件行业、企业经营管理和 AI 落地的观察，整理成一个系列文章。近期会连续发布几篇，这不是访谈摘要，也不是技术教程，而是一组面向软件行业经营管理者的思考笔记。

第一篇，先谈一个最现实的问题：

AI 时代，软件公司不能只做“模型的壳”。

访谈里姚顺宇谈到一个例子很有意思。

早期，Cursor 和 Anthropic 是很好的合作关系。Anthropic 提供模型，Cursor 基于模型做开发工具。一个做底层能力，一个做上层应用，看起来分工清楚。

但后来，Anthropic 推出了 Claude Code。

这意味着，原来给你提供模型能力的公司，开始亲自下场做应用。过去的合作伙伴，突然变成了潜在竞争对手。

这不是个别现象，而是 AI 时代软件行业的基本变化：

模型公司不会永远停留在模型层。只要一个应用场景足够大、足够通用、足够能体现模型能力，它们一定会往下做。

所以，软件公司不能把自己的未来建立在一个脆弱假设上：

“模型公司不会做我的事。”

这个假设很危险。

什么叫“模型的壳”？

简单说，就是一个产品的大部分价值都来自底层模型，自己只做了很薄的一层包装。

接一个模型，写几个 prompt，做一个聊天界面，加一个文件上传，再包装成某个行业的 AI 助手。

这样的产品可以很快做出来，也可能短期内有用。但从经营角度看，它的风险很大。

模型一升级，你的差异可能就消失了。平台一集成，你的入口可能就没了。客户一内建，你的价值可能就被替代了。竞争对手一复制，你的壁垒可能就不存在了。

接入模型，不等于拥有 AI 产品。包装能力，不等于建立竞争力。做出 demo，不等于形成护城河。

这是很多软件公司最容易误判的地方。

AI 时代，不懂 AI 很危险。但更危险的是，以为调用了 AI，就完成了转型。

那软件公司的价值到底在哪里？

我觉得核心不是比模型强，而是比模型公司更懂客户现场。

模型公司可以做出通用能力，但不一定理解某个行业的复杂流程。模型公司可以做出漂亮 demo，但不一定能承担真实业务责任。模型公司可以回答问题，但不一定能进入客户每天的工作流。模型公司可以生成方案，但不一定理解客户组织里的权限、习惯、例外和风险。

软件公司的机会就在这里。

真正有价值的 AI 软件，不是把模型包起来，而是把模型嵌进客户业务里。

谁能进入客户真实流程，谁才有长期价值。谁能理解客户业务结果，谁才有议价能力。谁能把 AI 变成稳定、可控、可交付的系统，谁才有护城河。

所以，AI 时代的软件公司，不能只问：

“我们接了哪个模型？”

而要问：

“我们解决了客户哪段真实工作？”“我们掌握了哪些行业规则和业务上下文？”“我们的系统有没有进入客户日常流程？”“我们的 AI 输出有没有评价标准？”“客户越用，我们的产品会不会越强？”

这些问题，才决定一家软件公司是不是有长期价值。

面对模型公司下场，软件公司有两条路。

第一条路，是足够快。

快到模型公司还没反应过来，你已经占据用户心智、市场规模和生态位置。等它想进来，已经没那么容易吃掉你。

第二条路，是足够深。

深到你做的不是通用工具，而是某个行业、某个流程、某类客户的关键系统。这个领域可能没那么大，但足够复杂，足够专业，足够贴近现场。

对大多数软件公司来说，第二条路更现实。

不是每家公司都能做出下一个 Cursor。但很多软件公司都有自己的行业客户、交付经验、业务理解和流程沉淀。

这些东西过去看起来不够性感，但在 AI 时代会越来越重要。

因为 AI 不缺通用能力，缺的是进入真实业务场景之后的落地能力。

AI 时代，软件公司不要做模型的外壳，要做客户业务的入口。

外壳可以是起点，但不能是终点。

如果一家软件公司长期只有界面、prompt 和模型调用，没有场景深度、流程绑定、数据闭环、评价体系和交付能力，那么它很容易被替代。

未来的软件竞争，不只是功能竞争，而是业务理解能力的竞争。不只是研发效率竞争，而是客户流程重构能力的竞争。不只是模型能力竞争，而是把 AI 变成客户生产力的竞争。

软件公司真正要做的，不是证明自己也有 AI。

而是证明：

有了 AI 之后，客户为什么还需要你。

下一篇，我想继续谈另一个问题：

AI 产品的关键，不是问答，而是长任务执行。