模型越强,垂类 AI 的护城河正在往哪里迁移?

模型越强，垂类 AI 的护城河正在往哪里迁移？

一周前，因为一次系统漂移，我写下一个判断：当 Foundation Model 越来越强，垂类 AI 的 moat，可能不再只是“垂类模型”，而是它连接的 Reality。

我以为想明白了。结果一周后，系统又漂了。那只好奇猫只好继续往下刨。

先刨到 Data。历史数据库是 Data Stock；更有价值的，是还能不能持续产生新的、高质量的 Data Flow。

再往下一层，我发现 Data Flow 也不是终点。

真正稀缺的是 Ground Truth。

AI 可以生成一万个材料结构，但哪个真的能合成？可以预测十条反应路径，但哪条实验真能跑出来？可以发现 correlation，但真正 perturb 以后，生命系统会发生什么？

于是一个反直觉的变化出现了：
Hypothesis 越来越便宜，Ground Truth 反而越来越贵。

真正更深的 moat，不只是“我有数据”，而是能不能持续提出好问题、设计实验、验证结果，再根据 Reality 决定下一次问什么。

这已经不是 Database，而是 Reality Engine。

它的飞轮是：
Better Model → Better Question → Better Experiment → Better Ground Truth → Better Next Question。

不同垂类面对的 Reality 也不同：Chemistry 看反应，Materials 看工艺—结构—性能，Biology 看扰动后的表型，Drug Discovery 还要穿过 Molecule → Cell → Animal → Human。

所以我现在还会看一个指标：Reality Distance——从模型说“可能有效”，到真实世界证明“到底行不行”，中间隔多少层？

Reality Distance 越长，漂亮故事能存在的时间往往越长。

刨到最后，我把判断再往前推了一层：
The deeper moat is the ability to continuously produce, validate and compound reality.

AI 让可能性越来越廉价。
Reality 让真正成立的东西越来越珍贵。

欢迎自荐，也欢迎推荐相关领域专家，请看图2扫码进一步沟通。
THE END 🔚
如果这组图刚好说中了你正在想的问题，可以看第2张图扫码加我。
企业合作，备注：合作 + 公司方向 + 岗位 / 团队方向
候选人看机会，备注：机会 + 当前方向 + 城市 + 年限
职业路径梳理，备注：咨询 + 当前阶段 + 想解决的问题