AI公司没有护城河——除非他们停止选边

关于AI产品的不舒服真相：您的竞争优势的保质期以周为单位，而不是年。

虽然基础AI实验室在需要数年时间开发的模型上投入了数十亿美元，但应用层公司发现传统意义上的护城河并不存在。您的杀手级功能？在星期五之前就会被复制。您的技术优势？在下个季度就会消失。玩家的多样性、基础模型的可访问性以及创新速度创造了一个市场，在那里，成为第一个、最好的或不同的并不再能保证生存。

但是，有一个违反直觉的出路：停止尝试用技术来赢，而是开始建立生存的能力。真正的护城河不在于您使用的AI，而在于您使用任何AI的能力。

基础分歧

有一个基础层——像ChatGPT、Grok和Gemini这样的大型模型。几十个模型，以不同的方式训练，每个都有其自己的优势。但这是基础的、研究密集的工作：工程师们为此工作了数年，需要大量的资源投入。每一个都具有独特的护城河——否则，资源投入就不能被证明是合理的。这就是为什么从OpenAI挖角工程师的尝试如此受到关注：他们拥有无法快速培养的独特专业知识。

但是，在应用层，情况完全不同。需要的资源要少得多，虽然需要稍微更多的创造力来微调LLM并解决商业问题。每个人都有自己的游戏、自己的方法、自己的产品。玩家的多样性消除了在任何市场中拥有独特护城河的可能性——无论是文本、音频还是图像。基于基础AI的商业解决方案每天都在出现，公司也经常出现，而且它们往往无法区分。

语音行业的可能区别说明了这种演变：最初，每个人都试图让声音听起来尽可能像人类，然后速度成为问题，每个人都开始快速解决同样的任务。现在，我们处于情感标签的时代。在语音识别中，主要指标——词误差率——随着能够理解上下文词语适当性的LLM的出现而显著改善。

简而言之，缺乏护城河的原因是应用层产品存在的任何方面都缺乏深度：它在AI组件和商业应用方面都很肤浅。就像基础产品的护城河是由其开发的深度解释的一样。

但是，应用层项目需要护城河吗？如果您在一个相对较大的市场中工作，并且竞争对手少于30个，您可以保持现状。当然，竞争对手可以是像OpenAI和Anthropic这样的大公司——但在这里，您需要依靠对市场规模和动态的主观感知，是否有足够的食物供所有人享用，或者没有。但是，如果市场相对较小，竞争对手像蘑菇一样涌现——那么您必须明确地确定您的竞争优势。即使竞争对手很快采用它，也无所谓。

分销作为真正的护城河

我怀疑在某种程度上这是一个有效的断言，真正的护城河在于分销领域，而不是技术本身。更重要的是，您如何快速扩大与客户的存在，以及产品的价值是否能确保良好的LTV。否则，您可以为用户构建一些B2C应用程序，他们可能会将其病毒式传播，但随后，当下一个新应用程序出现时，他们就会停止使用它。

两种类型的优势——以及为什么只有一个会生存

有两种竞争优势。第一种让您在这里和现在以明显的优势获胜——感谢某些独特的专业知识或杀手级功能，竞争对手根本没有。第二种让您在长期内避免失败，因为您正在建立可持续性。

在AI产品中，现实世界的实践已经表明，第一种优势会被极快地抹去：竞争对手以惊人的速度缩小差距。

这就是为什么专注于第二种优势更有意义：最大程度的产品耐用性。这是通过构建能够与任何LLM提供商合作并在当前业务构建的模型开始明显落后于下一个最佳模型时瞬间切换的产品来实现的。

鉴于此，从底层LLM层的独立性成为比营销或技术努力更强大的护城河。供应商中立性不仅仅是一种很好的功能——它是当地面在您脚下每月变化时唯一可防御的立场。

多模型策略的隐藏复杂性

虽然供应商中立性提供了长期保护，但实施却揭示了重大的挑战。正如Alexey Aylarov解释的那样，“这并不容易，因为所有模型都有自己的特点/问题。”

核心问题：LLM不可互换。同样的输入会产生不同的输出——即使在同一个LLM中，更不用说在不同提供商之间切换了。每个模型对提示和指令都有不同的反应：有些模型遵循指南更好，其他模型更差；性能可能是语言特定的或目标特定的。

具体例子：考虑像Sora或Veo这样的图像/视频生成服务。给它们相同的输入，你会得到完全不同的结果。这种变异性适用于所有LLM应用程序。

调优挑战：为了保持多模型兼容性，您必须：

• 为每个LLM创建单独的提示/指令以产生所需的结果
• 了解每个LLM的不同之处，并相应地调整输入
• 从事往往具有创造性而不是例行性的工作
• 接受这个过程“在大多数情况下相对难以自动化”

这需要对每个模型进行大量的调优工作。初始投资很大：您必须在可以自由切换它们之前为所有LLM开发提示。此外，这种准备仅涵盖现有模型——当新LLM出现时，调优过程又开始了。

护城河来自于投资于测试基础设施、提示工程专业知识和运营纪律，以实际维护多个LLM的兼容性——并在景观演变时重复此过程。这种能力成为一种技术深度，竞争对手无法轻易复制，即使他们理解策略。

悖论：您的护城河在于没有护城河

供应商中立性的强大之处在于：它是随着市场变得更加混乱而变得更加强大的唯一竞争优势。

当您的竞争对手在GPT-4上构建整个产品，而更好的模型出现时，他们面临着生存威胁。当您构建了切换模型的基础设施时，您面临的是星期二。能够生存下来的公司将不是那些选择了正确模型的公司——而是那些从来没有选择过的公司。

是的，针对多个LLM进行构建很昂贵。是的，它需要具有创造性的工程工作，这很难自动化。是的，您基本上为每个提供商维护着平行的提示策略。但这正是创建了进入壁垒。护城河不在于技术本身——而在于管理技术变革的运营记忆。

大多数AI公司都在为今天的胜利进行优化。中立的公司正在为明天的生存进行优化。在昨天的突破成为今天的基准的市场中，这种区别是至关重要的。