AI泡沫破裂?底层大模型下沉对应用层的冲击与挑战大家好，我是Jalen，今天聊AI应用层正在经历一轮大逃杀的话题。上线180天就关停，这事就发生在OpenAI的Sora身上。2026年3月，OpenAI宣布停用Sora视频生成器，这款主打"类社交"体验、曾经冲上苹果App Store榜首的产品，最终因为下载量持续下滑、每天烧掉巨额算力而被砍掉。上线才半年，命就没了。不只是OpenAI。Google这边也在收缩，Pixel Studio核心图像生成功能被关掉，浏览器Agent实验项目Project Mariner直接关闭。OpenAI自己的AI模型评测平台Yupp.ai，融资3300万美元、上线不到一年攒下130万用户，也是说关就关。36氪最近有篇文章分析得挺到位的——这些倒下的应用，有一个共同特点：它们的价值是建立在"单点模型能力"上的。翻译成人话就是：它们没有自己的护城河，底层大模型一升级，它们的价值就被稀释了。Jasper AI就是个典型例子。这公司靠GPT-3做AI写作，一度估值15亿美元。结果ChatGPT一普及，"生成营销文案"成了大模型的基础能力，谁还花冤枉钱用Jasper？估值回调、裁员、换帅，一套下来元气大伤。Chegg更惨。这家在线教育公司，被ChatGPT和Google AI Overviews冲击得收入直接腰斩48%。创始人承认，学生不是找到了另一个Chegg，而是直接把需求迁移到了ChatGPT。对应用层来说，最危险的替代品不是同行，是底层模型突然变成了用户入口。过去，应用层的价值在于"翻译"——把模型能做什么翻译成用户能用它干什么，并对这段翻译收费。但问题是，这空间在收窄。当模型能力下沉到用户入口，当微信、支付宝、抖音原生集成AI能力的时候，用户为什么还要单独下载一个App？Google Cloud有个负责人的话挺刺耳的：如果一家创业公司只是依赖后端模型完成主要工作，这种形式几乎是在白牌化Gemini或GPT-5，行业已经没有太多耐心。白牌化——这个词很难听，但很准确。就是把别人的模型能力换上自己的界面和品牌重新包装。用户在某个App里打字，背后调用的还是Gemini或GPT。当风暴已经落地、底层模型不断下沉，应用层的护城河，应该在哪里？不是做大而全的AI助手，而是针对特定行业、特定场景做深度定制。比如医疗、法律、金融这些领域，需要的不是通用能力，而是对专业知识的理解和对合规要求的把握。这种场景，大模型公司未必愿意自己做，应用层就有空间。医疗领域尤其明显。AI辅助诊断需要理解医学影像、病历数据，还需要符合各种监管要求。这些不是通用大模型的强项，但如果有团队专门做这个，深耕几年，确实能建立起壁垒。不是替代大模型，而是成为大模型和企业现有系统之间的桥梁。做工作流、做集成、做自动化，用AI能力去优化已有的业务流程。这条路的壁垒在于对企业场景的理解，不在于模型本身。Salesforce、SAP这些老牌企业软件厂商正在往这个方向转，它们的优势在于有大量企业客户和已有的业务流程，AI只是赋能这些流程的工具。用用户交互数据反哺模型能力，形成正向循环。谁有更多用户数据，谁就能让模型变得更好用，进而吸引更多用户。但这条路的门槛很高，需要足够大的用户基数和足够强的数据处理能力。Notion AI、Canva AI就是走这条路，它们的优势在于有大量用户使用它们的产品，积累了大量行为数据，这些数据可以用来微调和优化AI功能。当然，也有可能第四条路——被大厂收购，成为其生态的一部分。说了这么多，对普通用户来说，最直接的启示是：别被那些"AI概念股"忽悠了。一个应用如果只是套了个AI的壳，背后调用的还是别人的模型，那它的护城河约等于零。今天可能靠营销火一阵，明天大模型一更新，可能就没了。反过来，如果你看到哪个AI应用真的在某个细分场景里做得足够深、足够好用，那大概率是值得关注的。对企业来说也一样。如果你的AI应用只是把别人模型包装了一下，那竞争对手复制你的成本几乎为零。但如果你在某个垂直场景里积累了足够多的数据和经验，那才是真正的护城河。早期靠模型红利、靠概念包装就能活下来的日子，一去不复返了。大厂都在收缩，说明这行的淘汰赛已经开始。真正有价值的应用，会在这轮淘汰赛中活下来。那些靠风口吹起来的"PPT产品"，早点死掉对行业更好。对我们这些真正想用AI提升效率的人来说，以后能留下来的应用，大概率是真正解决实际问题的。最后说一句：别追概念，看实际价值。这话对投资适用，对选工具也一样。
夜雨聆风