夜雨聆风做 AI 的这两年，很多人有个习惯：眼睛死死盯着最顶尖的那几家大模型公司，它们出什么、我们差多远、什么时候能追上。甚至觉得这几家在AI时代会eat all。
我懂这种心情。但昨天在旧金山的一场小范围交流听下来，再结合我自己这段时间的判断，我越来越觉得——盯着这几家看久了，反而容易看错一件大事。
而这件大事，决定的不是它们的未来，是其他所有做 AI 的人的未来，包括你。
能做核心大模型的，在美国就这三家
先说一个判断。在美国，真正有能力从最底层把核心大模型一直做到最前沿的，数来数去就三家——OpenAI、Anthropic、Google。
不是别人不努力，是这件事的门槛已经高到，只有同时攥着顶尖人才、海量算力、独家数据的极少数巨头，才玩得动最前沿那一层。它一年烧掉的钱、囤的卡、抢的人，不是大部分公司能想象的量级。
但更值得琢磨的，是这三家虽然都在做大模型，赌的方向却完全不一样。
Anthropic 把宝押在了编程上。它花大价钱去买程序员调试代码的全流程数据——不是网上扒来的开源代码，是真实工程师怎么一步步定位问题、怎么改、怎么验证的完整过程。所以它在那种要连续干很久、跨很多文件的复杂编程任务上特别强。这条路走通了：公开数据显示，它的编程产品上线六个月，年化收入就做到了 10 亿美元。代价是产品体验一直被吐槽，工程师认它的能力，但不太爱用它的界面。
Google 押的是多模态。它手里有别人没有的东西——海量、多种来源的真实世界数据。它赌的是让模型不光读文字，还能看图像、视频、听声音，从里面学到现实世界到底怎么运转、学到物理规律。这条路要是走通，模型能用的场景比纯文本宽得多。但到今天，还没憋出特别突破性的成果。
OpenAI 是第三种打法。它没有那种"我就赌死一个方向"的长期战略，但跟进热点的速度极快，哪儿热往哪儿扑。最近它在编程上动作很猛，把桌面端体验做得好用了很多，能在你电脑后台直接操控应用、跑测试、几个智能体并行干活，还打算把旗下产品整合成一个入口。据华尔街日报报道，它把对手在编程上的成功当成了内部的一记警钟，正在把资源往编程工具和企业客户上重新聚。
三家，三个完全不同的赌法。光是这一点，就藏着一个很多人没注意到的信号。
连这三家，手里都没有一张必胜的牌
我们在外面看，总觉得这些顶尖实验室高深莫测、遥不可及，好像它们已经看到了终局，只是在一步步把它实现。
但凑近看，事实让人踏实不少：没有任何一家，能拍胸脯说"我已经赢了"。
三家各赌各的方向，这件事本身就说明——前面根本没有一条公认的、必然正确的路。编程、多模态、快速跟进，每一条都是一场豪赌，都可能对，也都可能撞墙。如果终局已经清晰，它们不会赌三个不同的方向。
交流里那位常年泡在硅谷一线的专家还提了个我印象很深的细节：哪怕是一些声名显赫的头部科技公司，内部用 AI 的方式，也没我们想象的那么科幻——很多人日常在用的，还是最基础的对话式工具。这跟外界渲染的"硅谷已经全面进入 AI 时代"，是有温差的。
我说这些，不是要唱衰谁。是想说，把这几家从神坛上请下来，平视它们，你才看得清真实的格局：它们很强，但它们的强是有具体边界的，是押在一两个具体赌注上的，不是全知全能。
而一旦你看清了它们的边界，一个更重要的判断就浮出来了。
基础模型正在变成水电
这三家拼死拼活做出来的基础模型，正在快速变成一种东西——水电。
这话不是我拍脑袋说的。看几个正在发生的事实。
模型之间的能力差距在收窄。就拿最受关注的编程能力说，这几家最新的模型在各种公开测评里互有胜负，这家在这个榜单领先一点，那家在另一个榜单扳回来，谁也没拉开代差。在一些一线开发者的体感里，最近的格局换来换去，谁也没能一家独大。
更说明问题的是用户的态度。用AI 写代码的程序员，对工具几乎没有品牌忠诚度。哪个这周产出效率高就用哪个，下周有更好的就换过去。技术上也早就支持这么干——你可以一键切换不同厂商的模型，记忆和编排逻辑自己攥着，不绑死在任何一家平台上。
你品品这个画面：用户随时能换，换的成本几乎为零。
在用户眼里，底层模型已经越来越像电。你用哪家的电，灯都一样亮，那当然是谁便宜、谁稳定就用谁。没有人会对插座后面那一度电产生忠诚。
这件事对这三家是残酷的——它们投入天文数字做出来的东西，在用户那里，正在变成一种可以随时替换的标准品。而对其他所有人，这件事就是个信号：价值正在从"造模型"那一端，往"怎么用模型"这一端转移。
所以这盘棋，三家巨头吃不下
把前面几件事串起来，会推出一个我认为这一轮最重要的判断：大模型巨头不可能通吃一切。
不是它们不想，是它们结构性地做不到。原因有两个。
第一，它们必须聚焦，而聚焦就是放弃。为了赢基础模型这场仗，它们只能把几乎所有资源压在一两个最核心的赌注上——Anthropic 压编程，Google 压多模态。这种聚焦是对的，是巨头打仗该有的样子。但聚焦的另一面，就是大量的方向被它们放弃、顾不上、看不上。一家把全部精力压在通用模型能力上的公司，不可能同时有精力去搞懂某个细分行业几十年的门道。
它的强，恰恰划出了它的边界。
第二，基础模型变成水电之后，真正的价值转移到了它们做不深的地方。模型出厂时只懂这个世界的通用知识，它不知道你这家公司的毛利到底怎么算、不知道你那条供应链为什么这么排、不知道你那个行业里那些只可意会的规矩。这些东西不在任何公开数据里，喂不进预训练，只能从一个个真实的业务现场里，慢慢长出来。这种又苦又慢、还得一个行业一个行业去啃的活，巨头看不上，也做不深。
我在和一些做了很多年的大公司交流时，他们自己也承认：大公司很难在每一个垂直行业都做深做透。这不是能力问题，是结构问题——盘子太大的时候，弯不下腰去抠每一个具体场景的细节。
这就是留给其他人的整片天地。
吃不下的那片，才是更多人的机会
如果你也在做 AI，这才是我真正想说的话。
这一轮真不是巨头通吃的游戏。恰恰相反，正因为最顶尖的三家必须把资源死死压在基础模型的赌局上，正因为基础模型在变成水电、价值在往应用和场景这一端转移，一片巨大的、它们够不着的天地，被留了出来。
这片天地里的机会，不在于你能不能做出比它们更强的模型——那条路你不该走，也走不通。机会在于：你能不能把这些已经像水电一样随手可得的模型能力，扎进一个具体的行业、一个具体的场景，用真实的业务数据和行业 know-how，把它喂成一个别人替代不了的东西。
这件事巨头做不深，但你能。它不性感，不像发布一个新模型那样万众瞩目，它需要你沉到一个行业里，跟最懂业务的人泡在一起，把那些写不进文档的经验一点点变成 AI 能用的东西。又苦又慢，但这正是它的护城河——苦和慢，本身就把绝大多数人挡在了外面。
别再盯着那三家焦虑你追不追得上了。它们在打它们那场只有巨头玩得起的仗，而你真正的战场，从一开始就不在那里。
机会从来不只属于站在最前面的那三家。它属于每一个愿意沉下去、把 AI 用到实处的人。
作者：黎科峰博士，数势科技创始人兼 CEO。本文为个人观点。
