夜雨聆风
过去一年AI创业圈最常被问到的问题是：
如果OpenAI下场做，你怎么办？
如果Claude下一次更新就实现了你的核心功能，你怎么办？
如果未来所有软件都被Agent取代，应用层还有存在的意义吗？
这个问题已经成为悬在无数创业者头顶上的达摩克利斯之剑。
甚至在硅谷出现了一种越来越流行的观点：未来真正安全的位置只有两个。要么进入OpenAI、Anthropic这样的模型实验室；要么去做机器人、硬科技等大模型短期无法触及的领域。除此之外，大部分软件创业最终都会被模型吞噬。
最近，a16z合伙人Joe Schmidt发表了一篇近万字长文。他的观点非常明确：
OpenAI和Anthropic确实会吃掉一大批应用。但真正伟大的AI应用公司，恰恰不会诞生在模型厂商正在前进的道路上。
在他看来，AI行业正在发生一场重要的价值转移：
模型越来越像基础设施，而真正的价值，正在向工作系统迁移。
更准确地说：
未来AI时代最重要的资产，可能不是模型参数，而是运营记忆（Operating Memory）。
那些沉淀在真实业务流程中的经验、规则、例外情况与组织认知，正在成为新的护城河。
01｜“黄砖路”上的创业者，为什么最危险？
Joe Schmidt在文章中提出了一个非常形象的比喻。
他把AI世界划分成两个区域：
一个叫做“黄砖路”（Yellow Brick Road）。另一个叫做“奥兹国的其他地方”（The Rest of Oz）。
黄砖路，就是OpenAI、Anthropic、Google等模型巨头正在全力推进的方向。例如：
AI写作 AI搜索 AI编程 AI图片生成 通用Copilot 通用Agent
这些产品有一个共同特点：
产品体验几乎完全由模型能力决定。模型越强，产品越好。每增加一美元训练投入，用户体验都会同步提升。因此，这些赛道天然属于模型公司，因为他们拥有模型本身，拥有最好的利润率，拥有最大的品牌影响力，也拥有最强的分发能力。
Joe Schmidt毫不客气地指出：
拿一个强大的模型，接入Google Drive、Slack、Salesforce和GitHub，再套上一层所谓的Agent编排层，然后宣布自己做出了一个AI助理——这条路通向的很可能不是未来，而是死亡。
这句话几乎击中了过去两年AI创业最普遍的问题。
许多创业项目做的事情，本质上就是OpenAI正在做的事情。
区别只是OpenAI拥有模型、数亿用户、控制模型架构。
你没有。
当双方都在解决同一个问题时，创业公司几乎没有胜算。
02｜历史上，每一次技术革命都发生过同样的误判
很多人认为AI时代最大的价值一定属于模型。
但历史其实反复证明人们总是高估基础设施的价值，而低估应用系统的价值。
AI最像的历史参照物，也许不是电力，而是数据库。
上世纪90年代，数据库公司几乎是整个软件产业的核心，企业软件离不开Oracle。
很多人认为，掌握数据库的人最终会掌握整个软件世界。
但后来诞生的却是Salesforce、Workday、ServiceNow、Shopify。
这些公司并没有拥有数据库。
它们拥有的是企业的运行方式，它们知道销售如何管理，知道人力资源如何协同，知道审批如何流转，知道电商如何运营。
数据库定义了能力，工作系统定义了价值。
今天的大模型正在变得越来越像当年的数据库。
OpenAI领先半年，Anthropic追上，Gemini更新，开源模型再跟进。模型能力不断趋同。
模型开始从一种稀缺资源，逐渐变成一种标准化能力。就像电力，像云计算，像数据库。
当一种能力人人可得时，它就不再是护城河。
真正的竞争开始转向谁更理解现实世界如何运转。
03｜真正的机会，在黄砖路之外
为什么OpenAI不会吃掉所有垂直软件？这是创业者最关心的问题。
如果模型越来越强，为什么OpenAI不能直接做掉所有行业软件？
答案或许在于：
OpenAI最擅长的是智能，企业软件最难的却不是智能，而是组织。
OpenAI擅长解决如何回答问题；如何推理；如何生成内容；如何完成任务。
但企业软件每天面对的是另一套问题：权限如何管理；流程如何审批；责任如何追溯；数据如何隔离；监管如何满足；风险如何控制。
举个简单的例子，OpenAI完全可以做一个律师Agent，但它很难服务全球几十万家律所，因为每家律所都有不同的合同模板，不同的审批流程，不同的风控规则，不同的合规要求，最终都需要大量行业定制化，而这些定制化恰恰不具备模型公司的规模效应。
模型公司追求的是标准化，企业软件追求的是适配现实世界的复杂性。
这也是为什么过去几十年里，企业软件行业始终存在大量垂直巨头。
因为真正难复制的从来不是工具本身，而是工具背后的业务系统。
Joe Schmidt认为，AI创业真正的机会，并不在模型厂商正在前进的方向上。而在那些复杂、垂直、混乱且充满行业特性的工作流中。
例如：保险核保、法律合同修改、医疗审批、企业销售、供应链管理、财务审计。
这些问题表面上看是AI问题，实际上首先是软件问题，其次才是模型问题。
因为它们通常同时具备几个特征：需要多个步骤；需要多个系统协同；需要多人参与；需要审计与监管；需要确定性的结果；存在大量例外情况。
现实世界远比聊天机器人复杂，而这种复杂性，恰恰构成了应用层公司的机会。
04｜四个模型大厂难以复制的壁垒
Joe Schmidt认为，真正优秀的AI应用公司，通常拥有四层护城河。
第一层：数据飞轮与行业记忆
很多创业者认为，大模型已经看过互联网，因此拥有了全世界的知识。
但事实并非如此。
真正有价值的行业知识，往往根本不存在于公开网络。
保险核保中的例外规则、律师修改合同中的经验判断、销售团队积累的最佳实践、医生的临床决策经验，这些知识存在于工作流里，而不是互联网里。
Joe Schmidt写道：
一家让其智能体跑过100次法律条款修改、1000次保险核保周期、或10000次销售获客流程的公司，其对问题形态的理解，是任何新进入者无法复制的。
随着系统不断运行，企业开始积累一种新的资产：
运营记忆（Operating Memory）。
它记录的不是知识本身，而是真实世界如何运转。这才是AI时代最珍贵的数据。
第二层：替客户吸收模型升级
大模型迭代速度越来越快。今天是GPT，明天是Claude，后天可能又出现新的开源模型。
对于客户而言，他们并不关心谁领先。他们关心的是：系统是否还能稳定运行。
Joe Schmidt提出了一个极具洞察力的观点：
模型实验室卖的是模型，应用公司卖的是连续性。
每一次模型升级，应用层公司需要重新评估，重新校准，重新验证边缘案例，重新保证结果稳定。
客户不需要理解底层发生了什么，他们只需要业务持续运行。
因此，应用层实际上承担了模型迭代带来的全部复杂性。
第三层：极致的成本优化
很多人认为，最强模型一定最有价值。
但企业世界并不是这样运作的，企业购买的从来不是最强智能，而是最优成本下的结果。
Joe Schmidt写道：
实验室是在为智能的底线定价；应用公司卖的是达到目标结果所需的最低成本。
一个复杂工作流通常由几十个子任务组成。
有些任务需要GPT-5级别能力，有些任务使用轻量模型即可完成。优秀的应用公司能够像调度系统一样，把不同任务分配给最合适的模型，最终实现远低于直接调用顶级模型的成本。
第四层：控制平面与合规能力
未来企业购买AI，最大的顾虑可能不是能力，而是风险。
谁拥有权限，谁可以访问数据，谁承担责任，谁接受审计，谁满足监管要求？
这些问题都不是模型能够解决的。
Joe Schmidt认为：
未来垂直AI公司的重要价值之一，就是成为企业AI的控制平面（Control Plane）。
他们管理权限，管理审计，管理风险，管理合规，而这恰恰是通用模型公司最难深入的领域。
05｜两个真实案例：11x与FurtherAI
为了证明自己的观点，a16z引用了两家投资组合公司的案例。分别是销售AI公司11x，以及保险AI公司FurtherAI。
两家公司给出了一个相同的结论：
真正的护城河，从来不是模型。
11x发现，一个销售流程看似简单。
实际上包含大量复杂环节：
潜客挖掘。
企业调研。
CRM信息匹配。
线索富化。
资格审核。
邮件投递。
效果分析。
其中大量步骤甚至根本不需要AI。
真正重要的是整个工作流的组织与协同。
FurtherAI则提出了一个更加深刻的观点：
工作流第一天不是护城河。
生产环境运行一万次之后形成的运营记忆，才是护城河。
这或许是整篇文章最值得创业者反复思考的一句话。
模型可以购买，API可以接入，Agent框架可以开源，但长期积累下来的运营记忆无法复制。
06｜a16z给创业者的三个测试
最后，Joe Schmidt给出了三个非常实用的判断标准。
第一个测试：步骤测试
你的产品需要多少步骤？
如果只是一次搜索，一次问答，一次生成，那么模型公司很容易取代你。
如果需要几十个步骤，多个系统协同，多个角色参与，那么机会就出现了。
第二个测试：系统测试
你是在构建一个系统，还是一个工具？
系统拥有完整工作流，拥有数据，拥有记录，拥有运营过程。
即使OpenAI推出竞争产品，客户依然离不开你。
工具则只是为现有流程增加一点智能。
模型公司一旦进入，价值就会迅速消失。
第三个测试：损益表测试
客户如何评价你的价值？
看模型跑分，还是看利润增长？
如果客户关心的是合同处理效率提高多少，销售转化率提高多少，保险审核成本下降多少，那么你已经进入了真正的价值区间。
因为客户买的不是模型，而是结果。
07｜结语
过去两年，AI行业最昂贵的资产是模型。未来十年，AI行业最昂贵的资产可能是记忆。
不是参数里的记忆。
而是组织运行过程中不断沉淀的运营记忆。
模型提供智能，工作流承载智能，而运营记忆定义业务。
模型会持续进步，甚至越来越便宜。
Agent框架会开源，工作流也会被模仿。
但那些沉淀在真实业务中的经验、规则、例外情况与组织认知，却不会因为一次模型升级而消失。
Joe Schmidt把这里称为“奥兹国”。
而在我们看来，这或许正是下一代AI巨头真正诞生的地方。
文章来源：《Avoiding Death on the Yellow Brick Road》
https://a16z.com/avoiding-death-on-the-yellow-brick-road/
联系真知
如果你也想与真知联创新繁荣，请点击下方【阅读原文】联系我们
