包装者的复仇：开源如何颠覆了技术架构
就在不久前，人工智能初创企业所面临的最典型风险还仅仅是：让 OpenAI 来打造你的产品。
这种担忧催生了如今广为流传的“OpenAI 毁了我的初创公司”这类梗图，还将整整一代创业者简化为一个带有轻蔑意味的标签：封装层厂商。
其前提其实很简单：如果智能本身正在成为产品，那么对于应用层来说还剩下什么？答案似乎越来越明确——还有很多。
一个健康的开源生态系统——更广泛地说，是一个拥有众多优秀模型的世界——会改变技术架构中各组件的作用权重。随着模型性能的不断提升，单个模型的重要性就会逐渐降低。
在这个不断变化的市场中，应用程序成为了至关重要的抽象层。它们能够掌控与顾客的关系，而背后的实验室则会在竞争中争夺模型推理的请求机会。
更重要的是，它们出售的是成果而非智能能力。客户并不会一觉醒来就想要更多人工智能技术，他们需要的是处理完成的发票、编写的代码、获批的理赔申请、解决的故障问题以及审核过的合同。人工智能只不过是一种日益商品化的输入工具而已。
对客户而言，这种做法显然比将自身未来寄托在某个模型供应商的定价、发展计划、服务可用性以及地缘政治局势上要更具吸引力。
以下是我认为最优秀的应用层企业所做出的三项承诺：
- 不要再考虑模型问题了。
每周都有新的模型问世，新的基准测试冠军出现，还有各种“其实这个模型在某方面更出色”的标题新闻。企业们可不想在每个周一的早晨就花费时间去讨论 GPT、Claude、Gemini、Qwen，以及杭州的十二位研究人员在凌晨两点发布的那个模型，他们需要的是能够真正正常使用的软件。
应用层正在逐渐变成企业的外包模型研发部门：负责对各种模型进行评估、对比、选择、微调、缓存以及替换，这样顾客就无需亲自操心这些事情。他们的职责类似于一名主动型的投资组合经理，不断将资源重新分配到当前能带来最高风险调整后回报的模型上。顾客无需知晓这些细节，也不必为此操心。
最优秀的产品不会刻意宣传其对多模型技术的支持，而是会让模型选择变得隐匿不见。就如同没人会因为欣赏 Oracle 的数据库而购买 Salesforce 一样，也不会有人因为某款企业级 AI 产品使用了 Model X 就选择它。用户只会注意到该产品的性能提升了 12%，成本却降低了 20%。 - 保留你的专业知识。
萨提亚·纳德拉最近对企业 AI 提出了一个颇为重要的观察。如今，企业不断利用自身的机构知识来改进基础模型，通常并未意识到自己正在这样做。每一次 AI 交互都会产生两种资产：答案本身，以及围绕答案所蕴含的判断。哪些输出被接受了？哪些被拒绝了？员工做了哪些修改？哪些工作流程需要人工审批？哪些边缘案例反复出现？
如今，大部分组织学习都消失在聊天窗口中。企业为交互付费，基础模型从交互中学习，而企业往往除了最终输出外，几乎留不下什么。这感觉本末倒置了。
最优秀的应用公司如同筛网。模型生成智能，应用留存专长。随着时间推移，该应用成为组织的运营记忆，一个持续演进、记录企业实际决策方式的系统。模型或许会变得更聪明，但应用会变得更睿智。 -
将智能带到问题面前，而不是把问题带到智能面前。这一点更为微妙，但我已在多个垂直领域反复看到这一模式。一家竞争对手打造了更出色的 AI 体验，聊天机器人更友好，文笔更流畅，答案更显神奇，用户告诉你他们“喜爱这个 AI”。另一家竞争对手则做着枯燥的工作。
它们连接到身份系统、CRM、工单平台、数据库、审计日志、MDM 工具、工作流引擎和 ERP 系统。然后第二家公司胜出。为什么？因为嵌入到实际工作发生系统中的智能要有用得多。
深度集成让应用能够看到更多上下文、采取更多行动并参与更多工作流程。它们扩大了产品覆盖面，提升了合同价值，改善了成果，并使产品越来越难以被替换。
这正是“套壳”批评开始显得尤为过时的所在。一个围绕 API 的薄薄界面是套壳。而一个能编排五种模型、记住贵公司运作方式、接入二十个记录系统、执行工作流程，并从每次交互中不断优化的产品，已经开始看起来……像软件了。
这一切都不会长久。杠杆作用在人工智能技术架构中的变化速度快得近乎惊人，任何自信的预测其有效期限都短得令人担忧。不过，如今的市场与 18 个月前相比已有了明显不同。
模型层日益激烈的竞争环境，将为处于其上层的公司创造巨大价值。
每一个新模型都会为他们带来另一个供应商。
每次降价都能提升他们的利润空间。
每一次功能提升都在扩大他们的产品功能范围。
每一次开源版本的发布都在降低供应商的集中度。
各大基础模型实验室正在竞相将模型商品化，而应用层企业则可以利用这一局面获取优势。
如果认为行业领先地位会不断更迭，模型优势只会是昙花一现，而开源技术会持续削弱各企业的差异化优势，那么就很难不对应用程序领域保持乐观态度。事实证明，那些简单的“包装层”或许终究能够掌握大部分价值。
