摘要：流量等于收入。在某个名称后面加上 .com 会让投资者向有抱负的企业家投入资金。没有商业模式的初创公司购买了超级碗广告，许多人一夜之间成为了纸上百万富翁。

20 世纪 90 年代末，我还是伯克利大学的一名学生，亲眼目睹了互联网泡沫的爆发，就像一场狂热的梦。

1999年，我在Sun Microsystems实习期间，开车沿着101号公路行驶，路过一些办公楼，楼上贴满了AltaVista、Excite和其他一些即将消失的公司的广告牌。到2001年，这些大楼都空了。

第二年夏天，我参加了一个产品发布会，一家初创公司砸下大约五十万美元，就为了宣布一款之前一直免费赠送的产品要收费。房间里挤满了风险投资家——但没人对此感到惊讶。

2000年12月我毕业的时候，派对结束了。在伯克利，我能看到完美的景色——就在坍塌事件发生地对面的海湾。

如今，25年后，我们回来了。

标签变了，但逻辑没变。“AI赋能”就是新的“.com”。初创公司纷纷给自己贴上标签。但这一次，许多公司甚至不再假装拥有他们赖以生存的技术。

仔细看看，这是一座纸牌屋：

没人真正掌控全局，所有人都处于风险之中——但似乎没人觉得这是个问题。

大多数所谓的“AI驱动”工具，只不过是套在 OpenAI API 外面的一个漂亮界面而已。

当我深入查看我注册的一款播客后期制作工具的内部运作时，我才真正意识到这一点。它的承诺是：上传你的对话稿，它就能为你生成社交媒体帖子、摘要，甚至一份新闻通讯草稿。界面简洁、流程顺畅——每月 60 美元。但当我仔细算了一笔账之后，才看清了背后的现实。

如果我将相同的文字记录放入文件夹并直接调用 OpenAI API，我就可以复制整个工作流程——只需五分钟，费用不到 4 美元。即使不编写代码，我也可以直接让 ChatGPT 指导我完成整个流程。

当时没有系统，没有基础设施，只有标记。

就在那时我意识到：这些不是产品。它们只是绑定在 UI 上的快捷管道。

无需后端，无需 IP，只需 Rails 上的 API 调用。

他们每月收费 50 到 100 美元，却只为了做那些几乎人人都能用几分钱就能复制的功能。这不仅定价过高，而且不诚实。整个商业模式都建立在用户不知道它其实有多简单的基础之上。

这就是这个术语的核心：LLM包装器。它不是一个产品，而是一个伪装。

大家都把OpenAI当成是不可触碰的——整个行业的智能层。

自2022年末以来，几乎所有外包装、代理和生产力工具都站在了他们的肩膀上。他们构建了最强大的模型，他们率先领先，没有人比他们更能重塑市场。

然而，它们还是被暴露了。

他们的主导地位取决于分销——而分销正是来自那些被所有人忽视的包装。所有那些基于 GPT-4 构建的 SaaS 工具？它们不仅仅是使用者，而是 OpenAI 的客户群。哪怕其中少数几个倒下了，API 收入也会随之消失。

这就是隐藏的风险。

这些“外包装”公司在提供免费增值用户运行高令牌消耗的工作流程时会大量烧钱。但 OpenAI 依然按调用次数向它们收费。不管用户是否付费——成本都由外包装公司自己承担。它们的整个商业模式取决于能否足够快地实现转化，以超过烧钱的速度。有些公司能做到，但大多数做不到。

当它们消失时，OpenAI 能够感觉到。

这正是矛盾所在：OpenAI 拥有技术，但并不直接拥有用户，真正拥有用户的却是那些“外包装”公司。而这些外包装公司却十分脆弱——护城河浅、烧钱严重、用户粘性低。如果它们倒下，OpenAI 损失的不仅仅是客户——它还会失去支撑非 ChatGPT 收入的分发层。

这不是一个单向依赖，而是一个闭环：

每通过一个“外包装”发送的 token——无论用户是否付费——都会为 OpenAI 带来收入。当这个数字乘以数百万的免费增值用户时，这些初创公司就成了 OpenAI 的“义务分销渠道”，一边自己流血亏损，一边补贴着 OpenAI 的增长。

这是一个聪明的设定，但很脆弱。

因为如果外包装公司出现故障，OpenAI 的覆盖范围就会缩小。他们可以尝试直接转化这些用户——但大多数用户并没有注册 ChatGPT Pro。他们来这里是为了工作流程，而不是为了访问原始模型。

他们的影响力依赖于一圈脆弱的包装，其中大多数处于亏损状态，缺乏差异化，并且为了生存而不断消耗投资者的资金。当这些资金枯竭时，OpenAI 的损失远不止合作伙伴——它失去了收入背后的支撑。

你根本不需要费力去看就能发现这一点。

打开 Instagram，刷一刷你的信息流。成打的 AI 工具承诺要彻底改变笔记记录、健康档案、播客制作、日记写作——它们都有干净的品牌设计，都由 GPT 驱动，并且都在运行着相同的后端模式：

而 OpenAI 会在每一次调用中收费——无论这些产品的表面上看起来有多大的差异。

这才是真正的风险所在：一个由 SaaS 外壳构成的脆弱网络，同时充当客户群和增长引擎——全部处于亏损状态，彼此之间可互换，任何一个政策变化都可能让它们瞬间崩溃。

你还觉得我在夸大其词吗？以下就是这些“产品”中大多数在后台真正做的事情：

然后他们从终端调用它：

这就是产品。

其余的一切，不过是 CSS 美化、计费系统和一个 Stripe 支付对接而已。

换个提示词，就换了个使用场景：

没有知识产权，没有系统架构，也没有护城河。

有的只是一个结构良好的 API 调用，加上一些前端样式和营销话术。

绝大多数 AI 产品的生态系统，其实只需要一个初级开发者花不到一个小时，用 ChatGPT、Stripe 和一套通用前端模板就能重建出来。

这才是炒作背后的真实引擎——也是 OpenAI 强大外表下的隐性脆弱点。

批评这些大模型“外包装”公司脆弱很容易，但真相更复杂。

这些工具并不拥有它们所销售的“智能”——它们只是租用而已。大多数完全依赖于 OpenAI、Anthropic 或 Claude。它们所谓的“产品”，不过是一个带了一些提示词的用户界面。每当用户进行一次交互，它们就得向模型提供商付费。

除非它们真的构建了核心基础设施——比如记忆层、工作流引擎或分发壁垒——否则它们只是中间商。而中间商从来都难以长久生存。

但事情还有另一面：OpenAI 其实也需要它们。

“外包装”公司是 API 的增长引擎。

它们把 GPT 带入了垂直领域、团队场景和细分市场。如果这些“外包装”消失了，OpenAI 将失去触达用户的能力和收入来源。

这种相互依赖关系很重要——但谁掌握主动权同样重要。

能否生存下来，取决于以下四个关键问题：

下面我们来看几个具体案例：

Jasper

明星选手。融资超过一亿美元，年经常性收入（ARR）接近九千万美元，却在 ChatGPT 出现后遭遇重创。他们迅速做出调整：转向企业市场、加入多模型路由、尝试开发轻量级定制模型。虽然还活着，但也经历了估值下调和高管更替。这就是当你把产品建立在“租来的智能”之上时，所谓的“生存状态”。

Copy.ai

规模较小，故事相同。融资一千六百万美元，年收入一千万美元，拥有庞大的免费用户基础——但完全没有护城河。核心功能就是套了个 UI 的 GPT 模型。他们开始尝试添加一些工作流工具来提升用户粘性，但切换成本依然很低。他们的定价策略也反映了这种困境：想要增长，但又不敢让利太多。

Notably

专注研究领域的工具。很可能尚未盈利，完全依赖 OpenAI 提供的模型。提供内容摘要、分析等功能——而现在这些功能已经集成到 ChatGPT 中。它们的功能与原生功能高度重叠。这不是竞争，而是灭绝风险。

Tome

曾是病毒式传播的成功案例。基于 GPT-4 和 Stable Diffusion 打造 AI 幻灯片工具，拥有数百万用户。但当微软将 Copilot 直接嵌入 PowerPoint 后，Tome 的致命弱点暴露无遗：它并不拥有自己所依托的平台。

Writesonic

低调的异类。融资不多，保持精简，并自主研发了小型模型以降低成本。它能够动态地在 GPT-4、Claude 和自研模型之间进行切换。虽然并非坚不可摧，但却具备模块化优势。如果真有人能靠运营效率活下来，那很可能是它。

生存能力从来不在于谁先入场，而在于谁真正超越了“外包装”。

要看清这个问题，关键在于：谁掌控了用户体验，而不仅仅是 API 调用。

因为当行业发生变革——它终将发生——问题不会是“谁会倒下”。

而是：谁掌握主动权？

在 AI 之前，NVIDIA 只是一家游戏公司——专注于 GPU、帧率和图形渲染。这也是大多数人对它的认知方式。但那个时代的 NVIDIA，早已成为过去。

如今，NVIDIA 是人工智能领域最强大的公司，也许也是最不为人所理解的一家。

它并不：

但每当你使用 AI，你其实都在使用 NVIDIA 的技术。

几乎每一个主流大模型——GPT-4、Claude、Gemini——都是在 NVIDIA 的硬件上训练并部署运行的。超过 90% 的模型训练 都运行在其芯片之上。即便是推理（即生成响应）的过程，也有 70%-80% 依赖 NVIDIA。

OpenAI 的背后是部署在 Azure 中的 NVIDIA 集群。微软正疯狂争夺更多 GPU 资源。AWS 尽管拥有自研芯片，关键负载仍离不开 NVIDIA。没有 NVIDIA，谁也无法实现规模化。

NVIDIA 不只是制造芯片。它掌控着整个 AI 供应链：从硬件到驱动程序，从 CUDA 这样的软件框架，到将 GPU 转化为可部署基础设施的编排层。它是这个行业中最为低调、却最具决定性的“咽喉要道”。

它不需要前端产品。因为它已经掌控了整条流水线。

如果说 OpenAI 是大脑，那微软就是神经系统。每一次 API 请求、每一次 ChatGPT 回应、每一次模型微调，都运行在 Azure 上。这不是一个注脚，而是整个系统的基石。

当微软向 OpenAI 投入数十亿美元时，它买的不只是股权，更是控制权。作为 OpenAI 唯一指定的云服务提供商，微软如今站在所有使用 GPT 的 LLM “外包装”公司背后。每一枚 token 的处理，都是通过微软的 GPU 集群完成的，由 Azure 所有并调度，并以利润回租给用户。

作为回报，微软获得了 GPT-4 的优先使用权，并将其直接嵌入 Office、Outlook 和 Teams 等核心产品中。OpenAI 训练了模型，但微软掌控了分发渠道。“Copilot”不过是一个品牌标签，真正的价值隐藏在幕后。

微软不需要打造最好的模型。它只需要掌控那些顶尖模型所依赖的基础设施。

如果某天 OpenAI 想要另起炉灶？祝它好运吧——它的整个技术栈，从资源调度到吞吐能力，全都绑定在 Azure 上。微软不只是托管了 OpenAI，它还掌控了 OpenAI 所运行的“土地”。

OpenAI 或许赢得了头条新闻。

而微软，赢得了日志文件（logs）——这才是真正属于胜利者的数据。

真正的危险，不是“外包装”公司倒闭，不是 OpenAI 调整 API 价格，也不是微软战略重心转移。威胁来自更底层、更深的地方——结构性问题。

它隐藏在技术栈最底部的那个单点脆弱性。

如果 NVIDIA 出现问题——无论是供应链中断、制造延迟、地缘政治制裁，还是出口禁令——整个 AI 生态系统都将陷入停滞。

突然之间，问题不再是功能更新速度或融资能力，而是你是否还能获得计算资源——甚至有没有资格使用它。

这并不是假设。它已经开始发生了。

高端芯片的出口管制正在收紧。NVIDIA 的 H100 芯片需求远超供应。GPU 租赁成本飙升，在某些供应紧张的情况下甚至上涨了四倍。这些都不是市场波动，而是警报信号。

这个生态系统中的每一层——从 OpenAI 的 API、微软的 Copilot，到那些充斥你信息流的独立“外包装”工具——它们所依赖的供应链，都始于一家公司、一种硬件、一个受限的地理区域。

这不是一个稳固的技术栈。这是一条潜在的断层线。

而当它断裂时——因为迟早会发生——不会有任何缓冲。只有减速、配额和崩塌。公司将消失，市场将回调。而能幸存下来的，将是那些从未真正相信脚下土地是稳固的人。

1. 硬件断供危机（The Hardware Choke）

如果 NVIDIA 的供应链出现中断——无论是由于地缘政治紧张局势、原材料短缺，还是制造环节放缓——整个 AI 技术栈的发展都将陷入停滞。没有 GPU，就没有训练、没有推理、也没有规模化。在这个生态系统中，芯片就是氧气。

2. 监管突变（The Regulatory Snap）

如果某个主要国家政府认定基础大模型属于国家安全问题或公共安全风险，监管政策可能会一夜之间关闭 AI 生态的关键环节。一个裁定、一项暂停令、一次合规调整，就足以让原本开放的基础设施瞬间变得受限。这种威胁不是技术性的，而是政治性的。

3. 范式颠覆（The Paradigm Shift）

最具破坏性的情景并不是系统崩溃，而是彻底过时。如果有人构建出无需 GPU 即可运行的竞争性模型呢？如果智能不再来自规模，而是来自某种信号本身？如果一种更轻量、完全不同的架构改写了游戏规则？到那时，现有系统不会崩塌，而会被无情地抛弃。

每当这样的浪潮袭来，人们的心态总是惊人地相似。他们追逐的不只是机会，更是归属感。他们想成为其中的一员，想说自己很早就参与其中，曾“用 AI 做产品”，有过上线页面、发布新闻稿，甚至上过 TechCrunch。这不是在追求真实的价值，而是在制造信号。

产品的可持续性或实用性已经不重要了。真正重要的是一种“视觉效果”：截图、增长曲线图、投资人看板上的指数级增长图表——全都粘贴在 OpenAI API 构建的幻象之上。这与以往每一次淘金热如出一辙。

19 世纪，大多数淘金者都亏本了，真正发财的是卖铁锹、提供住宿和生产牛仔裤的人。互联网泡沫时期，是超级碗广告和域名抢注。而现在，是各种提示词“外包装”、虚假演示、虚构的 AI 联合创始人，以及为了凑数而膨胀的团队——本质上只是给 API 接口披上了前端皮肤。

这些团队中的大多数人，并不是真正在打造可持续的企业。他们只是在装作自己已经做到了——只要能撑到融资、被收购，或是赶上平台算法红利就行。这不是创新，这是一种表演。而你看到的大部分内容，都是舞台布景。

这就是为什么那么多“AI 工具”看起来千篇一律。它们并没有真正解决问题，而只是在模仿热度，在制造一种“离风口很近”的假象。

这里发生的事情，并不只是一个个错误的下注。这是博弈论的真实上演。

整个 AI 生态陷入了一场多玩家参与的“囚徒困境”——每个参与者都在理性地追求自身利益，但最终却集体削弱了他们共同依赖的基础。

LLM “外包装”公司试图在不拥有模型的前提下快速扩张。于是它们补贴使用成本、伪造用户粘性、追逐表面增长指标，却不断侵蚀自己的利润空间。

OpenAI 渴望 API 的快速增长，因此它支持那些明知无法存活的“外包装”公司——但它需要这些工具来获取调用量、触达用户和拓展应用场景。

微软想要掌控部署层，但却既依赖 OpenAI 提供能力，又依赖 NVIDIA 提供算力——而它对这两者都没有控制权。

而 NVIDIA？无论局势如何演变，它都是赢家。

每一个参与者都在做看似理性的决策。但没有人真正构建出一个稳定可持续的系统。

结果形成了一个相互制约的杠杆网络：

这不是一个金字塔结构。这是一个闭环。而闭环没有退路。

这种脆弱性并非源于愚蠢或恶意，而是所有人各自做出“最聪明”的选择后，叠加形成的系统性风险——直到某一刻，所有问题同时爆发。

当“外包装”公司纷纷倒闭、融资枯竭之时，只有一类公司能活下来：所有其他公司都依赖它、无法替代它、市场回调时也不会消失的那一类公司。因为一旦它消失，整个系统就瘫痪了。

这就是基础设施。而如今在 AI 领域，几乎没有人真正致力于构建它。

基础设施是其他人赖以发展的基础，也是谁都不敢失去的存在。它是 AWS、Stripe、Twilio 这样的平台——它们通常不显山露水，只有在宕机时才凸显其重要性。它们之所以不可替代，是因为一旦出问题，就没有现成的替代方案。你选择它们不是因为它令人兴奋，而是因为别无选择。

我们已经见过没有基础设施的世界会是什么样子。

在互联网泡沫时期，Idealab 是最早的创业孵化器——比 Y Combinator 更早地批量制造创业点子。Bill Gross 是一代思想先锋，他孵化过上百家公司，组建团队、共享资源、快速行动。但它没能挺过那次崩盘。

Idealab 旗下一些公司成功上市，大多数则一夜之间消失。它们有响亮的品牌、清晰的概念、强大的营销——但毫无杠杆优势。它们只是“界面生意”：面向用户、追逐热度、却可被系统抛弃。当市场修正来临，它们也随之消亡。

Y Combinator 则选择了另一条路。

它没有集中控制执行过程，而是将风险分散。它寻找局外人、小额下注、让市场决定赢家。正是在这种模式下诞生了 Stripe、Dropbox、Airbnb——不是因为 YC 比 Idealab 更有远见，而是因为它筛选出了那些具备生存能力的公司。这些公司最终成为了新的基础设施。

就连第二波电商浪潮也验证了这一规律。像 Warby Parker 和 Casper 这样的品牌表面上是 DTC（直面消费者）品牌，实际上它们在后台掌控了物流、供应链和履约能力。它们不只是品牌公司，更是系统型公司。

AI 也将遵循同样的路径。

基础设施型公司不会因 token 价格飙升而恐慌，不会因为 NVIDIA 缺货或 OpenAI 修改接口就崩溃。它们不在 UI 的精致度或提示词的小把戏上竞争。它们所做的，是定义别人行走其上的“地面”。

Peter Thiel 在《从 0 到 1》中提出了七个每个持久成功的企业都应能回答的问题：

而在“外包装”经济中，没有人问这些问题。因为一旦开始认真思考，答案就会变得异常清晰：

不能。不是。没有。绝对不是。

如今的玩法很简单：给 GPT 套上一个 UI 界面，称其为“专业工具”，然后祈祷用户不要掀开幕布看背后。但这不是基础设施，这只是伪装。

真正的建设者？他们不只是服务用户，而是让自己变得不可替代。他们不是追逐浪潮，而是在浪潮之下铺设铁轨。

如果某天你的产品消失了，有人会重建它吗？有什么系统会因此崩溃？真的有人依赖它，还是它只是搭上了风口？

如果你的答案是否定的，那你不是基础设施——你只是噪音。

活下来的，永远是那个系统无法删除的部分。

没有使用费，没有 API Token 成本，没有数据监控，它可以在本地运行能替代整个工作流程，永远不会把提示词发到某个远程 API 接口。

来源：有趣的科技君