The AI Product Landscape: Apps vs. Platforms

微信扫一扫，分享给好友

关闭

Stratechery的Ben Thompson在分析AI产业时提出一个核心框架：AI价值链将如何分层，应用层公司的护城河在哪里。这是每个AI产品经理都需要回答的问题——如果你做的东西基础模型厂商下一次发布会就能复制，你的产品意义何在？

平台的基本逻辑

回顾历史：每一代计算平台（PC、互联网、移动）都遵循相似的路径——平台控制底层资源和分发入口，应用层创新先繁荣后被平台吸收（操作系统自带浏览器杀死了网景）。AI时代的问题更加尖锐：基础模型的能力提升是通用性的，模型厂商有强烈的动机向应用层延伸。

应用层的三个脆弱区

脆弱区一：薄封装。只是套壳调用API、加上简单界面的产品，没有防御力。模型能力每次提升，这类产品的价值就缩水一分。

脆弱区二：依赖单一模型。把产品核心体验完全押注在一家模型厂商上，等于把命脉交给潜在的竞争者。

脆弱区三：没有数据闭环。用户使用不产生专有数据、数据不回流优化产品的应用，永远和竞品在同一水平线竞争。

应用层的三个生存策略

策略一：占据工作流，而不是功能点。功能可以被模型吸收，但嵌入用户日常工作流、连接多个系统和数据源的产品很难被替代。Copilot模式的本质是把AI装进工作流，而不是做一个单独的AI工具。

策略二：构建专有数据飞轮。垂直行业数据、用户交互数据、领域反馈数据——这些是通用模型无法获得的东西。模型越通用，专有数据越值钱。

策略三：做多模型架构。把模型当作可替换的供应商，按任务成本和效果动态路由。这既是风险对冲，也是成本优化手段。

一个反直觉的观察

Thompson指出，模型能力越强，「最后一公里」的产品化反而越重要：企业部署、合规审查、权限管理、与现有系统的集成——这些枯燥的工程工作是模型厂商不愿意做的，也恰恰是企业客户最愿意付费的。

给AI产品经理的启示

• 每季度问一次：如果基础模型厂商发布了我们领域的垂直能力，我们的留存会怎样？

• 把资源从「提示词调优」转向「工作流深度」和「数据资产」

• 保持模型供应商的可替换性，避免深度耦合

• 关注企业级需求的护城河：合规、集成、权限、审计

结语

AI应用层不会消失，但会两极分化：薄封装被平台吸收，深工作流越来越值钱。选择站在哪一边，是AI产品最根本的战略决策。

---

> 本文由 GPMU 编译自 Stratechery，原文链接：https://stratechery.com。编译内容已获改编，转载请注明出处。