ARTICLE · 1194408
AI不是模型竞赛,一场软件与价值的大重构正在发生
AI不是模型竞赛,一场软件与价值的大重构正在发生
朋友刚从旧金山回来，泡在当地创投圈子、创业团队和投资人饭局，带回来大量一线真实观察。大洋彼岸的AI行业，已经跨过“比拼大模型参数”的阶段，进入更深一层的底层重构。很多结论，放在国内当下AI创业、企业数字化场景对照来看，极具参考价值。
一、泡沫与真实机会：一场新的计算机革命正在上演
在旧金山，流传着不少数据经纪人向AI实验室出售企业数据，每周赚数百万美元的故事。很多人分不清，这到底是产业爆发的开端，又或是新一轮泡沫。
饭局上一个灵魂拷问：如果下个月发布一个更强的新模型，你的公司会变得更好，还是更糟？
现场半桌创始人陷入沉默。这也是我们审视所有AI创业项目最好的标尺。如果你的业务只是套壳调用API，模型升级，平台降价，你的壁垒会瞬间消失；只有沉淀在行业流程、私有数据、业务评测体系里的公司，才能在模型迭代中变强。
现在海外创投圈流行一个目标：12个月做到10亿美元营收，这似乎成了新一代独角兽标准。但所有人都在回避一个核心指标——留存。AI业务收入来得快，流失更快。大量AI公司短期营收亮眼，但客户留存一塌糊涂。这个现象，国内市场同样正在上演：很多AI产品靠一次性项目、短期试用冲收入，缺少长期业务粘性。
海外有个很形象的比喻：我们正在经历计算机的重新发明。大模型相当于新一代CPU，Harness（智能体承载框架）就是操作系统，插件、行业技能就是应用。
模型只是可替换零件，优秀团队不会绑定单一模型。他们按任务分配不同模型：高端视觉审美任务用强能力模型，日常简单任务调用低成本模型。不靠重度微调，优先做跨模型通用提示词；用A/B测试，看用户会不会真的修改、导出、使用AI产出内容。
面向垂直行业的Harness，模型本身只占20%。真正值钱的，是四大组件：对接行业数据的连接器、业务专家编写的评测体系、约束智能体权限的安全规则、人工复核结果的简易界面。
国内MCP协议生态也在快速跟进，各大云厂商、企服企业陆续推出MCP连接器。很多国内企业的误区，恰恰是把全部资源投入训练模型，忽略业务框架、评测、权限管控这些底层基础设施。 
二、软件可以一键克隆，价值正在向数据迁移
AI逆向、软件克隆，正在变得前所未有的简单。海外开发者用智能体反编译商业软件，快速复刻出开源版本，不少原版都是估值数百亿的产品。
当软件功能可以低成本快速重建，传统SaaS的护城河彻底改写：软件界面不再值钱，沉淀多年的客户数据、业务流程，才是核心资产。
很多SaaS公司本质是包裹在软件外壳里的数据公司。过去我们按ARR倍数估值衰退期SaaS；AI时代，估值逻辑必须重构，数据质量、数据可复用性、业务流程沉淀，会成为全新评估指标。
这个趋势放到国内，更值得深思。大量传统企业SaaS产品，是基于“大量页面点击、人工操作”设计的。这类软件，大概率很难撑到智能体大规模落地时代。未来用户不再点菜单、填表单，而是直接交给智能体自动完成任务。
很多国内企业现在都在规划一件事：把全公司内部数据汇总，通过MCP协议接入智能体。但动手之后才发现企业数据一团乱：同一客户多条重复档案、大量失效文档、无法检索的PDF。
企业数据治理、脏数据清洗，会是接下来几年巨大的咨询市场。
AI实验室可以拿到海量公开训练数据，但很难获取企业场景里智能体执行任务失败的日志。这些失败案例，是独属于企业场景的稀缺资产，谁掌握它，谁就能持续优化垂直智能体。 
三、下一代竞争：记忆、物理AI、部署大于算法
海外大厂高管提出一个判断：下一轮AI竞争的核心，不是模型有多聪明，而是记忆。能够长期记住业务上下文、用户历史的智能体，将会胜出。
物理AI（机器人、工业CAD）也持续升温。AI辅助CAD，把“想法直接转化为产品”的制造模式慢慢落地。机器人创业者有一句直击本质的话：AI最大难题早已不是算法研究，而是部署。机器人自主作业，遇到卡点呼叫人类，每一次人工介入，都会变成训练数据，持续迭代。
国内优势在工业场景、智能制造、机器人落地，我们拥有海量工厂场景，这恰好是物理AI最好的试验场，但同样面临落地部署成本、现场调试的巨大挑战。
安全，会同步迎来爆发。每一个接入企业系统的智能体，都是新的安全入口，大量权限漏洞隐藏其中。事件响应、应急恢复类网络安全企业迎来红利。甚至海外已经开始畅想智能体保险：AI操作失误带来巨额损失，保险公司承保前，必须完成审计。
人才需求也在变化。海外企业现在急需一类人：兼具审美判断力、能编写评测标准的人才。模型擅长生成，但判断好坏、筛选有效产出，依然依靠人。在国内AI项目落地中，同样严重缺少懂业务、会做评测的专家，很多团队只有Prompt工程师，缺少业务验收标准。
四、创投泡沫、注意力稀缺：大洋两岸相似的困境
旧金山创业圈出现一种新模式：融资拿到资金，一部分预算用来把创始人打造成内容创作者；项目如果失败，创始人转型全职内容博主，再用个人影响力继续孵化新项目。
同时，获客成本急剧飙升。为抢夺用户注意力，创始人砸重金投放户外广告、举办线下派对，充满互联网泡沫时代的气息。注意力变成最稀缺资源，真正掌握规模化UGC增长方法的人才极其稀少。
国内AI赛道也有同样感受：短视频、直播、线下活动轮番上阵，流量成本越来越高，单纯靠产品自然增长变得越来越难。
还有一个颠覆认知的现象：部分创业公司关停之后的资产价值，反而高于持续运营。多年沉淀的邮件、代码、内部文档，可授权变现。未来创始人做决策，甚至会把“关停后数据资产收益”纳入考量。
当互联网的核心使用者慢慢变成智能体，整个商业模式都需要重写。智能体如何付费、如何结算，全球都处于探索早期。 
五、对国内从业者的启示：不要陷入模型内卷
把旧金山的观察带回国内，我们不需要照搬硅谷的狂热，而是看清底层变革： 1. 不要再迷信模型本身。模型是可替换组件，真正壁垒在行业业务、数据治理、评测体系、权限安全； 2. 传统软件厂商必须转型。单纯靠页面、表单、操作流程的产品，价值会持续贬值；尽早把业务沉淀为可被智能体读取的流程资产； 3. 数据治理是短期蓝海。绝大多数企业数据脏乱，帮企业梳理、清洗、标准化私有业务数据，是落地最实在的生意； 4. 警惕只冲营收不看留存的AI项目。短期订单热闹，客户没有真实业务价值，泡沫退去会快速出清； 5. 安全与审计是配套刚需。智能体接入业务系统，权限管控、日志审计、风险兜底，缺一不可。
大洋两岸，我们身处同一场软件重构浪潮。AI带来的不是一次技术升级，而是计算范式、软件形态、资产定价、获客模式的全面改写。模型能力只是起点，业务落地、数据沉淀、风险可控，才决定谁能活到智能体时代。 互动一下： 你所在的行业，是否已经开始试点智能体接入？你认为国内AI赛道最大的机会，是底层组件、数据治理，还是垂直场景落地？欢迎在评论区一起交流。
一、泡沫与真实机会：一场新的计算机革命正在上演
在旧金山，流传着不少数据经纪人向AI实验室出售企业数据，每周赚数百万美元的故事。很多人分不清，这到底是产业爆发的开端，又或是新一轮泡沫。
饭局上一个灵魂拷问：如果下个月发布一个更强的新模型，你的公司会变得更好，还是更糟？
现场半桌创始人陷入沉默。这也是我们审视所有AI创业项目最好的标尺。如果你的业务只是套壳调用API，模型升级，平台降价，你的壁垒会瞬间消失；只有沉淀在行业流程、私有数据、业务评测体系里的公司，才能在模型迭代中变强。
现在海外创投圈流行一个目标：12个月做到10亿美元营收，这似乎成了新一代独角兽标准。但所有人都在回避一个核心指标——留存。AI业务收入来得快，流失更快。大量AI公司短期营收亮眼，但客户留存一塌糊涂。这个现象，国内市场同样正在上演：很多AI产品靠一次性项目、短期试用冲收入，缺少长期业务粘性。
海外有个很形象的比喻：我们正在经历计算机的重新发明。大模型相当于新一代CPU，Harness（智能体承载框架）就是操作系统，插件、行业技能就是应用。
模型只是可替换零件，优秀团队不会绑定单一模型。他们按任务分配不同模型：高端视觉审美任务用强能力模型，日常简单任务调用低成本模型。不靠重度微调，优先做跨模型通用提示词；用A/B测试，看用户会不会真的修改、导出、使用AI产出内容。
面向垂直行业的Harness，模型本身只占20%。真正值钱的，是四大组件：对接行业数据的连接器、业务专家编写的评测体系、约束智能体权限的安全规则、人工复核结果的简易界面。
国内MCP协议生态也在快速跟进，各大云厂商、企服企业陆续推出MCP连接器。很多国内企业的误区，恰恰是把全部资源投入训练模型，忽略业务框架、评测、权限管控这些底层基础设施。
AI逆向、软件克隆，正在变得前所未有的简单。海外开发者用智能体反编译商业软件，快速复刻出开源版本，不少原版都是估值数百亿的产品。
当软件功能可以低成本快速重建，传统SaaS的护城河彻底改写：软件界面不再值钱，沉淀多年的客户数据、业务流程，才是核心资产。
很多SaaS公司本质是包裹在软件外壳里的数据公司。过去我们按ARR倍数估值衰退期SaaS；AI时代，估值逻辑必须重构，数据质量、数据可复用性、业务流程沉淀，会成为全新评估指标。
这个趋势放到国内，更值得深思。大量传统企业SaaS产品，是基于“大量页面点击、人工操作”设计的。这类软件，大概率很难撑到智能体大规模落地时代。未来用户不再点菜单、填表单，而是直接交给智能体自动完成任务。
很多国内企业现在都在规划一件事：把全公司内部数据汇总，通过MCP协议接入智能体。但动手之后才发现企业数据一团乱：同一客户多条重复档案、大量失效文档、无法检索的PDF。
企业数据治理、脏数据清洗，会是接下来几年巨大的咨询市场。
AI实验室可以拿到海量公开训练数据，但很难获取企业场景里智能体执行任务失败的日志。这些失败案例，是独属于企业场景的稀缺资产，谁掌握它，谁就能持续优化垂直智能体。
海外大厂高管提出一个判断：下一轮AI竞争的核心，不是模型有多聪明，而是记忆。能够长期记住业务上下文、用户历史的智能体，将会胜出。
物理AI（机器人、工业CAD）也持续升温。AI辅助CAD，把“想法直接转化为产品”的制造模式慢慢落地。机器人创业者有一句直击本质的话：AI最大难题早已不是算法研究，而是部署。机器人自主作业，遇到卡点呼叫人类，每一次人工介入，都会变成训练数据，持续迭代。
国内优势在工业场景、智能制造、机器人落地，我们拥有海量工厂场景，这恰好是物理AI最好的试验场，但同样面临落地部署成本、现场调试的巨大挑战。
安全，会同步迎来爆发。每一个接入企业系统的智能体，都是新的安全入口，大量权限漏洞隐藏其中。事件响应、应急恢复类网络安全企业迎来红利。甚至海外已经开始畅想智能体保险：AI操作失误带来巨额损失，保险公司承保前，必须完成审计。
人才需求也在变化。海外企业现在急需一类人：兼具审美判断力、能编写评测标准的人才。模型擅长生成，但判断好坏、筛选有效产出，依然依靠人。在国内AI项目落地中，同样严重缺少懂业务、会做评测的专家，很多团队只有Prompt工程师，缺少业务验收标准。
四、创投泡沫、注意力稀缺：大洋两岸相似的困境
旧金山创业圈出现一种新模式：融资拿到资金，一部分预算用来把创始人打造成内容创作者；项目如果失败，创始人转型全职内容博主，再用个人影响力继续孵化新项目。
同时，获客成本急剧飙升。为抢夺用户注意力，创始人砸重金投放户外广告、举办线下派对，充满互联网泡沫时代的气息。注意力变成最稀缺资源，真正掌握规模化UGC增长方法的人才极其稀少。
国内AI赛道也有同样感受：短视频、直播、线下活动轮番上阵，流量成本越来越高，单纯靠产品自然增长变得越来越难。
还有一个颠覆认知的现象：部分创业公司关停之后的资产价值，反而高于持续运营。多年沉淀的邮件、代码、内部文档，可授权变现。未来创始人做决策，甚至会把“关停后数据资产收益”纳入考量。
当互联网的核心使用者慢慢变成智能体，整个商业模式都需要重写。智能体如何付费、如何结算，全球都处于探索早期。
把旧金山的观察带回国内，我们不需要照搬硅谷的狂热，而是看清底层变革：
大洋两岸，我们身处同一场软件重构浪潮。AI带来的不是一次技术升级，而是计算范式、软件形态、资产定价、获客模式的全面改写。模型能力只是起点，业务落地、数据沉淀、风险可控，才决定谁能活到智能体时代。
