多数人工智能初创企业注定消亡

本文信息来源：thetimes

随着 AI 让软件更具可塑性，价值正转向编排层。本文探讨了为何开源产品最适合这一范式，以及它们需要如何设计才能建立竞争优势。

01 | "围墙花园"已成遗迹

人们谈论 AI 的方式正在发生某种转变。早期的兴奋似乎正让位于心照不宣的怀疑——尤其是那些在日常工作流中实施这些工具的用户，以及了解底层原理的开发人员。

这种怀疑源于一个根本问题：如今大多数 AI 工具只是在制造生产力幻觉 。

AI 能快速生成内容，几秒内完成任务。但质量参差不齐。若缺乏精细调校、稳固的记忆架构以及明确界定系统职责范围的边界，产出可能变得平庸 。AI 工具会引入不易察觉的错误——不准确的引用、幻觉式输出、光鲜界面下脆弱的后端——这些都需要人工修正。最终让用户感到失望且效率不升反降。

这种初体验的惊艳感与长期实际表现之间的落差，构成了实质性风险，而我发现少有投资者将其纳入估值考量。就当前技术发展阶段而言，我们可能高估了许多 AI 产品的持久力，尤其是那些承诺全流程自动化或替代人类思考的产品。

近期一项麻省理工学院研究显示，过度依赖 ChatGPT 等工具会损害记忆力并削弱独立思考能力。这不仅是伦理问题，更是产品风险。当工具过度掌控流程时，购买者就会停止关注。他们更快失去兴趣，当效果不理想时更容易选择弃用。

那么为何如此多的工具都未能达标？

部分原因在于其设计方式。

当前大多数 AI 产品都建立在封闭的专有架构之上。这些"围墙花园"式的产品与传统 SaaS 和消费类应用如出一辙——只不过现在多了自动补全功能。

封闭式应用程序预先定义了逻辑、功能和数据流。终端用户（或代理）可以调整输入参数，但无法重构底层源代码。交互方式仅限于用户界面或经过封装的管理端点，这些设计掩盖了系统实际运作的细节机制。

这种抽象设计在 SaaS 时代是合理的，当时软件开发需要昂贵的大型专业团队，用户也更青睐简单易用而非深度控制。

但如今，代码生成成本大幅降低，自然语言就能编写软件。这意味着用户和代理现在能够自主检视、重构和扩展产品功能，这种趋势在未来 2-3 年内只会愈演愈烈 。

在灵活可参与的软件新范式下，对源代码的抽象封装只会给产品体验带来不必要的僵化。

这种僵化性将成为竞争劣势。

基于封闭技术栈的 AI 初创企业极其脆弱。当行业巨头——同样依托专有技术体系，但拥有广泛分销渠道和雄厚资金——将 AI 整合至现有工作流时，他们能在一夜之间通过功能绞杀摧毁初创公司。

而初创企业惯用的防御策略——随着公司规模扩大构筑数据护城河——已不再是可靠方案。只要采用正确的训练方法 ，模型无需海量数据即可生成定制化输出。

因此当下众多 AI 初创公司，即便是那些年经常性收入快速突破 1000 万或 2000 万美元的企业，也可能难以实现长期可持续发展。

02 | 编排层成为新护城河

那么初创企业能在何处建立竞争优势？

答案日益指向编排层。 这是技术栈中掌控软件行为逻辑的环节——决定输入如何路由、组件如何选配排序、工作流如何调整，以及网络激励机制如何运作。

初创企业制胜之道在于打造用户可自主定制、 亲手塑造的产品。

这遵循了软件领域一个熟悉的模式：当软件栈中的某个组件突然变得廉价且易于获取时，价值就会转移到控制该组件的操作和使用方式上 。

在云计算时代，数据存储变成了大宗商品。价值转移到了构建大型独特数据集，以及开发能够以他人无法实现的方式处理这些数据的系统上。

如今，人工智能正在使代码成为大宗商品。任何人都能生成功能模块，数据的重要性也大幅降低。因此，当前的价值在于产品的定制化和灵活性——即用户如何构建和操作代码来实现其目标。

在"编排能力即护城河"的世界里，开源公司相比那些"封闭花园"式的竞争对手具有结构性优势。

原因如下：

1. 开源产品具有直接可编程性 。
通过开放核心组件（如代码、模型权重或数据），开源系统允许开发者直接修改产品运作方式。相比仅允许在供应商预设范围内进行配置的封闭系统，这种模式提供了更大的灵活性和定制空间。

2. 贡献者网络将放大开源优势。
开源生态系统得益于全球贡献者实时扩展功能、添加集成和修补问题。这加速了开发进程，并使产品与最新工具和用例保持同步——在编排和灵活性比以往任何时候都更重要的当下，这是一项关键优势。

3. 在位企业必须自我蚕食方能参与竞争。
开源初创企业通过提供免费、灵活的替代方案来挑战昂贵、封闭的产品，再通过附加服务实现盈利。行业巨头若想效仿这种开源策略，就必须公开代码或允许自主托管——这些举措将侵蚀其利润空间并动摇其商业模式根基。

4. 使用量与收入更紧密挂钩
随着系统编排成为核心价值来源，企业需要采用随使用量和集成规模而扩展的定价模式。传统软件作为固定成本产品出售——按席位或套餐定价——当价值来源于持续定制和系统级控制时，这种模式就会失效。开源模式颠覆了这一点，它将成本和收入都转变为可变结构。团队从免费的自托管产品起步，仅需支付运行所需的基础设施费用，随着产品深度融入工作流程，再逐步采用托管服务、工具或技术支持等付费附加项。这种模式创造了更灵活的成本结构，并使企业收入与为客户创造的价值更紧密地结合。

03 | 如何让开源项目成功运作

开源软件非常适合以编排为核心差异化的世界。但若缺乏深思熟虑的设计，这些系统可能变得脆弱且难以管理。

成功的产品需把握精妙的平衡…… 既要灵活适配，又要稳健扩展。

最优秀的开源产品始于强大的默认配置 ，这些配置能简化安装和部署流程。它们必须做到开箱即用，满足那些从不进行任何自定义设置的团队需求。

与此同时，这些产品需要提供明确的扩展点 ，引导用户了解在何处以及如何修改产品而不破坏其核心逻辑。

它们还必须支持可移植性 ，让用户能够掌控自己的数据，自由部署于各种环境，并提供便捷方式接入外部系统。

在开源领域，每个新贡献都可能引入错误或安全隐患。这些系统需要强大的质量控制机制 。CI/CD 流水线必须超越语法检查，确保代码变更符合预期行为且来自可信来源。AI 可以协助自动化这一过程，但前提是供应商明确定义"安全"和"正确"的标准，并将其融入系统设计。

开源模式中，核心产品通常免费，企业通过销售附加组件盈利。随着价值向编排层转移，最具价值的附加组件将是那些能帮助团队更高效运行、管理和扩展系统的工具。包括：

• 智能代理助手。 能自动执行任务、触发工作流并协调各组件运作的 AI 代理。

• 监控与告警 。通过仪表盘追踪系统行为，并配备自动告警机制以检测和调试故障。

• 企业集成。 预构建连接器可降低集成风险并加速部署。

• 网络接入与交易费用。 连接实时系统（如支付网络或第三方服务）并从金融或数据交易中抽取分成。

• 协作与治理。 为多用户团队提供共享模板、使用分析及基于角色的访问控制。

最后，优秀的开放系统具备可观测性 。它们帮助用户理解系统行为、调试问题，并确保修改后的部署按预期运行。

未来最优秀的人工智能产品，将是用户能够直接参与塑造的产品。

仅仅将黑箱模型封装在封闭应用中，就想击败价值数十亿美元的行业巨头是不可能的。他们同样能做到这一点，而且推广速度更快。

他们无法做到的是开放系统，至少在不损害现有业务的情况下做不到。

这正是开源模式的优势所在。这类产品让用户掌握主动权，赋予他们检查、重构和扩展系统以满足需求的能力。这种参与度能建立信任、提高用户留存率并保持用户粘性。

这是个艰巨的产品挑战。但这是构建护城河的最佳路径。坦率地说，这也是更令人兴奋的投资领域，能帮助创始人们——以及现在的用户们——共同构建未来。