在90年代末，我还在伯克利读书，眼睁睁看着互联网泡沫像一场发烧梦一般上演。
- 流量就是收入；
- 在公司名后加个“.com”，投资人就会撒钱；
- 没有商业模式的创业公司都在投超级碗广告，许多人一夜之间成了“纸上百万富翁”。
我1999年在Sun Microsystems实习时，常常开车沿101号公路经过那些贴满AltaVista、Excite等公司广告牌的办公楼——这些公司后来都注定要灭亡。2001年时，这些大楼已经空无一人。
第二年夏天，我参加了一个创业公司举办的发布派对，他们砸了大约50万美元，只为了宣布他们将开始对一个一直免费提供的产品收费。现场满是风投——却没人眨眼。
当我在2000年12月毕业时，派对已经结束。我在伯克利的位置恰好能俯瞰整个旧金山湾区的崩塌。
而现在，25年后，情况又回来了。
标签换了，但逻辑没变。“AI加持”就是新的“.com”。现在的创业公司开始包装“套壳工具”，但这次，很多甚至连它们所依赖的技术都不拥有。
仔细看——这其实是一座纸牌屋：
- 套壳工具依赖OpenAI；
- OpenAI依赖微软；
- 微软需要NVIDIA；
- NVIDIA掌控着整个生态的芯片；
没人真正掌舵，人人都暴露在风险中，却没人觉得这是个问题。
2、套壳问题：租来的“智能”
大多数所谓的“AI加持工具”，其实只是OpenAI API外包了一层漂亮的界面而已。
直到我深入研究了一个播客后期工具后才意识到这一点。这个工具承诺：上传文字稿，就能自动生成社交媒体文案、摘要、甚至一封新闻稿草案。界面干净，流程顺畅——每月收费60美元。
但我算了笔账：
如果我把同一份文字稿放进一个文件夹，直接调用OpenAI API，就能复刻整个流程——5分钟内，成本不到4美元。甚至不用写代码，我直接问ChatGPT如何操作即可。
没有系统，没有基础架构，只是个包装。
那一刻我意识到：这些根本不是真正的产品，它们只是“提示词流水线”接上了一个UI。
- 输入：一份文字稿；
- 过程：几个硬编码的提示词，比如“总结”、“转为推文”、“生成LinkedIn文案”；
- 输出：格式化文本。
没有后端、没有知识产权、只有流水线上的API调用。
而他们却每月收你50-100美元，干的是任何人花几分钱就能复制的事情。这不仅是价格过高——更是一种欺骗。整个商业模式的前提是用户不知道这其实有多简单。
这就是“LLM套壳工具”这个词的本质。
它不是产品，是伪装。
OpenAI的隐秘弱点
所有人都把OpenAI视为不可撼动的存在——整个行业的智能层。
自2022年末以来，几乎所有的套壳工具、代理工具、生产力应用都建立在它的基础上。他们的模型最强，起步最早，对市场的影响最大。
但OpenAI其实也并非无懈可击。
他们的主导地位取决于分发——而分发正是那些被人嘲讽的套壳工具带来的。这些建立在GPT-4上的SaaS工具，不只是乘客——它们是OpenAI的客户群。如果这些工具哪怕一部分倒闭，OpenAI的API收入也会跟着消失。
这就是隐藏的风险。
套壳工具烧钱来服务免费用户，这些用户常常运行的是高token消耗的流程。但OpenAI按调用收费。用户不掏钱没关系——套壳工具自己掏。他们的商业模式就是赌转化速度比烧钱速度更快。能活下来的少之又少。
当他们消失，OpenAI也会感受到冲击。
这就是悖论：OpenAI拥有技术，但不拥有用户。用户掌握在那些脆弱的套壳手里——而这些套壳护城河极浅，烧钱严重，用户粘性极低。一旦它们崩塌，OpenAI不仅失去了客户，更失去了支撑其营收的分销层。
这不是单向依赖，而是一个闭环：
- OpenAI掌握智能；
- 套壳掌握分发；
- 彼此都假装对方不重要；
- 但经济逻辑说明事实并非如此。
每一次API调用，无论用户是否付费，OpenAI都赚钱。几百万免费用户累计起来，这些初创公司成了OpenAI的无偿分发渠道，在自我流血的同时推动了它的增长。
这是一个聪明但极其脆弱的安排。
因为一旦这些套壳倒下，OpenAI的触角就收缩了。他们可以尝试直接转化这些用户——但大多数人根本不是来订阅ChatGPT Pro的。他们是为了工作流来的，不是模型本身。
OpenAI拥有护城河，有模型，但没有“缓冲层”。他们的触达依赖于一圈脆弱的套壳工具——几乎都在亏损，几乎都没差异化，只靠投资人输血续命。当钱烧完，OpenAI损失的不只是“合作伙伴”，而是营收的脚手架。
你不用睁大眼看才能发现这一点。
打开Instagram，滑动几下。你会看到几十个AI工具承诺要颠覆笔记、医疗、播客、写日记……全都有漂亮的品牌、全都用GPT驱动、全都跑的是一个模式：
- 取输入；
- 送去GPT；
- 解析返回；
- 放进UI；
- 叫它“产品”。
OpenAI每次调用都收钱——不管这个“产品”本质上多空洞。
这才是真正的风险所在：一个脆弱的SaaS套壳网络，既是客户，又是增长引擎——但没有一个具备利润空间，全都可以互换，稍有政策变化就可能崩溃。
你以为我夸张？
看看这些“产品”背后的代码：
# ChatRequest.py
import openai
def run(prompt):
response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": prompt}]
)
return response['choices'][0]['message']['content']
然后他们就在终端里调用它：
python ChatRequest.py "总结Naval Ravikant的创业哲学"
这就是“产品”。
其余部分只是CSS、计费系统和Stripe集成。
换个提示词就是新用例：
- 想要从录音稿生成推文？改指令；
- 想总结会议？换输入；
- 想要“智能邮箱助手”？接上SendGrid；
没有知识产权、没有系统、没有护城河。
大部分所谓AI“产品”，一个初级开发者用ChatGPT、Stripe和前端模板，一小时就能搭出来。
这就是炒作背后的引擎——也是OpenAI优势背后的隐性脆弱。
“存活能力”的数学逻辑
讽刺套壳工具很容易，但现实更复杂。
这些工具不拥有它们所售卖的智能——它们只是租来的。大部分完全依赖OpenAI、Anthropic或Claude。所谓的“产品”，不过是UI和几个提示词。
用户一用，他们就向模型提供商付款。
除非他们真正构建了基础设施——比如内存层、工作流引擎或强分发渠道——否则他们只是“中间人”。而中间人不会长久。
但重点来了：OpenAI也需要这些中间人。
套壳工具是API的增长引擎。它们把GPT带入了垂直领域、团队、特定场景。没有它们，OpenAI失去触达和营收。这种互赖很关键——但杠杆更关键。
生存力的核心是四个问题：
- 谁拥有利润空间？
- 谁控制定价？
- 谁可以更换供应商？
- 谁不能被更好的提示词替代？
我们来具体看看几个案例：
- Jasper：曾是明星项目，融资超过1亿美元，ARR接近9000万美元。ChatGPT发布后受到严重冲击。他们试图转型做企业版，增加模型路由，尝试自建模型。还活着，但估值被砍，管理层更换。这就是“借来的智能”带来的生存代价。
- Copy.ai：规模小一点，故事一样。融资1600万美元，ARR约1000万美元，大量免费用户——但几乎没有护城河。主打功能就是个GPT界面。正在尝试加入工作流工具提高粘性，但切换成本太低。
- Notably：小众研究工具，可能尚未盈利，完全依赖OpenAI。核心功能是总结与分析——ChatGPT已经自带这些功能了。不是竞争，而是“灭绝风险”。
- Tome：AI做PPT，曾一度爆火，用户众多。但微软把Copilot直接嵌入PowerPoint后，它的命门就暴露了：他们不拥有自己正在颠覆的平台。
- Writesonic：安静的异类。融资少，运营节俭，自己训练小模型降低成本。动态路由使用GPT-4、Claude和自家引擎。虽然不是无敌，但模块化程度高，运营效率强，是最有可能活下来的之一。
总结：生存不是看谁起得早，而是看谁超越了“包装层”。
谁拥有用户体验，而不仅仅是API调用。
三个可能改变 AI 经济的黑天鹅事件
1. 硬件瓶颈
如果 NVIDIA 的供应链出现中断——无论是由于地缘政治紧张、原材料短缺还是制造放缓——整个 AI 技术栈的进展都会停止。没有 GPU，就无法训练模型、无法进行推理、更无法实现大规模部署。硅片是这个生态系统的氧气。
2. 监管突然收紧
如果某个主要政府将基础模型视为国家安全隐患或公共安全风险，监管可能会关闭 AI 管道中的关键部分。只需要一个裁决、一个暂停令、一个合规政策的转变，AI 基础设施就会从开放状态变成受限状态。真正的威胁并不是技术上的，而是政治层面的。
3. 范式转变
最具破坏性的情景不是崩溃，而是“被淘汰”。如果某人开发出一种不依赖 GPU 的竞争性模型怎么办？如果智能不是来自规模，而是来自信号怎么办？如果某种更轻量、架构完全不同的方案重写了规则怎么办？整个系统不会崩溃，它只会被时代抛弃。
黄金热本身就是重点
每当浪潮来袭时，大家追逐的从来不仅是机会，更是归属感。人们希望自己是这场革命的一部分——能说“我早就参与 AI 了”。他们要的是发布日、登陆页、TechCrunch 的头条报道。可他们追求的不是实际成果，而是象征意义。
产品是否可持续、是否真正有用并不重要，重要的是“光鲜”：截图、增长图表、贴着 OpenAI API 的投资幻灯片。这就是每一次淘金热的剧本。
19 世纪淘金热中，矿工大多血本无归；真正赚钱的是那些卖铁锹、卖帐篷、卖牛仔裤的。互联网泡沫时代，是超级碗广告和域名抢注造就了暴利。如今的 AI 浪潮？靠的是 prompt 包装、虚假演示、AI“联合创始人”、以及前端壳子套 API 的虚胖团队。
这些团队并不打算打造长期业务，他们只是希望看起来像已经成功——足够长的时间来融资、被收购，或者抓住算法的机会。这不是创新，而是表演艺术。你看到的大多数“AI 工具”不过是布景。
囚徒困境：大规模的系统性风险
眼下的情况不仅仅是几个坏投资决策，这是一个大型囚徒困境游戏。
整个 AI 生态系统被困在一个多人博弈中——每个参与者都在为自身利益采取理性行动，但结果却是集体破坏了所有人赖以生存的基础。
- LLM 包装工具努力快速扩张，但不拥有模型，因此通过补贴、伪装粘性、虚增增长数据的方式来竞争，同时蚕食自己的利润。
- OpenAI 需要 API 使用量增长，于是继续喂养这些注定无法生存的包装工具——只因它们能带来流量、覆盖面和用例。
- 微软想掌控部署层，却依赖 OpenAI 提供能力，还依赖 NVIDIA 提供算力——但它本身不拥有这两者。
- 而 NVIDIA？无论谁输谁赢，它都稳稳收租。
每个参与者的选择都是理性的，但没有一个人在建立稳定系统。
最终的结果是一个充满杠杆的互依系统：
OpenAI 无法失去包装工具，否则失去分发。
包装工具无法更换模型，否则产品质量下降。
微软无法夺权，除非愿意冒 OpenAI“叛变”的风险。
一旦 NVIDIA 出问题，大家全得陪葬。
这不是金字塔结构，而是一个闭环——而闭环一旦断裂，没有备份路径。
这个系统的脆弱性，不是因为愚蠢或恶意，而是每个人都在做“最聪明的事”——直到系统一次性崩溃。
基础设施最终胜出——但没人愿意造它
当包装工具倒下、融资枯竭，唯有一种公司能生存下来：那些整个系统离不开的公司。那些不可替代、无法忽视、不会在市场纠正中消失的公司。
这就是基础设施。而在 AI 领域，几乎没人愿意去做。
基础设施，是别人构建的基石，是不能失去的存在。它是 AWS、Stripe、Twilio——那种在它正常运作时你几乎看不到它，但一旦它出问题就没人能离开的公司。你之所以选它，不是因为它有趣，而是因为你别无选择。
我们已经见识过不做基础设施的后果：
在互联网泡沫中，Idealab 是最早的孵化器之一——堪称 Y Combinator 的前身。创始人 Bill Gross 是一位有远见的思想家，创建了上百家初创公司，集中招聘、资源共享、快速出击。但泡沫破裂后，Idealab 也没能活下来。
有些 Idealab 的公司上市了，大多数却消失无踪。有品牌、有创意，却没有杠杆。他们是界面层的公司——面向用户、易于炒作，但对系统无关紧要。泡沫破裂，他们一夜蒸发。
Y Combinator 则走了一条不同的路。
它不集中控制执行，而是分散风险，选择边缘人才、小额下注，让市场做决定。由此诞生了 Stripe、Dropbox、Airbnb——不是因为 YC 更有远见，而是因为它筛选出了能撑得住的公司。那些最终变成基础设施的公司。
连电商第二波也证明了这一点。像 Warby Parker、Casper 这样的品牌并不仅仅是做视觉营销的，他们掌控了物流、供应链和履约。表面看是 DTC 品牌，本质却是系统公司。
AI 的未来也将遵循同样的路径。
基础设施公司不会因 token 价格上升而恐慌，不会因 NVIDIA 缺货或 OpenAI 改接口而崩溃。他们不靠界面或 prompt 花招竞争。他们定义了整个生态的基础。
最关键的问题
彼得·蒂尔在《从0到1》中提出了七个所有“长期公司”都应该回答的问题：
- 工程问题：你是否创造了突破性技术，而不是渐进式改进？
- 时机问题：现在是否是你创业的最佳时机？
- 垄断问题：你是否从一个小市场的大份额开始？
- 团队问题：你的团队是否合适？
- 分发问题：你是否有方法不仅能造出产品，还能有效交付？
- 持久性问题：你的市场地位是否在未来十年、二十年仍然坚固？
- 秘密问题：你是否发现了别人没看到的独特机会？
包装工具的经济体里，没人问这些问题。因为如果他们问了，答案会一目了然：
不。不是。没有。根本没有。
如今的创业剧本很简单：把 GPT 包上一层 UI，说它“垂直专业化”，然后祈祷用户不要点开“查看源码”。但这不是基础设施，这是伪装。
真正的建设者呢？他们不是在启用用户，而是在让自己变得不可替代。他们不是在追浪，而是在浪下铺设轨道。
如果你的产品明天消失，有人会去重建它吗？
如果它关闭了，会造成实际损失吗？
是否有人真正依赖它？
还是它只是蹭了趟热点？
如果答案是“否”，那你不是基础设施。你只是噪音。
黄金热总会结束。
包装工具终将倒下。
叙事会改变。
但模式永远不变：
最终留下的，是那些系统无法删除的存在。
破局者：零成本自主思考的AI系统
无需使用费、API 令牌开销和监控。完全本地运行，可替代整套工作流程，且永远不会将提示发送到任何 API 端点。
