在九十年代末，我在伯克利上学，看着互联网泡沫的兴起过程就像在发热时做的梦。

• 交通等同于收入，
• 在某物后面加上.com，这使得投资者向创业者砸钱。
• 没有商业模式的初创公司购买超级碗广告时段，许多人一夜之间成为了纸面上的百万富翁。

在我的太阳微系统实习期间，在1999年，我会开车经过101公路边那些贴着AltaVista、Excite和其他一些很快就消失的名字的办公楼。到了2001年，那些大楼已经空置了。

到了那个夏天，我去参加了一个新创公司的发布会现场，该公司宣布开始对之前免费提供的一款产品收费。直接砸了大约五十万美元用于这一宣布，而无人惊讶。房间里坐满了风投。

到了2000年12月我毕业的时候，那段美好时光已经结束了。从伯克利的角度来看，我正好有绝佳的视野——海湾对面正是崩溃的地方。

如今，过了25年，我们又回来了。

标签已经改变，但逻辑依旧。“AI加持的”已经成为新的“.com”。初创公司推销的是包装产品。但这次，许多公司甚至不再假装拥有他们所依赖的技术基础。

仔细看，那就像一个纸牌屋：

• 包装程序依赖于OpenAI。
• OpenAI依赖于微软。
• 微软需要NVIDIA的支持。
• NVIDIA拥有驱动这一切的芯片技术。

没人负责。人人都暴露了。好像大家都没觉得这是个问题。

2. 包装问题: 租借的智慧

所谓的大多数“AI加持”的工具只不过是给OpenAI的API套上了一个漂亮的外壳。

当我查看我注册的一款播客后期制作软件时，我突然意识到。它承诺的是：上传你的文稿，就能获得社交媒体帖子、摘要，甚至是新闻通讯草稿。简洁的界面，流畅的工作流——每月60美元。然后我算了一下账。

如果我把相同的文本文件放到一个文件夹里，并直接调用OpenAI API，我可以在五分钟内，花费不到4美元，复制整个流程——更不用说，我还可以让ChatGPT带我一步步来。

根本没有系统，也没有任何基础设施，只有标签。

那时我才明白，这些不是产品。它们其实是连接到一个用户界面的提示链。

• 输入：一段转写文本。
• 步骤：一些预设的提示，如“总结”，“把它改成一条推文”，“生成一篇领英状态”。
• 输出：格式化的文本框。

没有后端，没有IP地址，只是简单的API调用。

而且他们收取每月50到100美元之间的费用来做任何人都可以几分钱就能复制的事情。这不仅价格过高，而且是欺诈行为。他们的整个商业模式都建立在用户不知道这件事情其实有多简单的基础之上。

那就是这个词的核心：LLM包装。
它不是产品，而是一种假象。

OpenAI的隐藏的弱点

大家都把OpenAI视为整个行业的智能核心，一个不可触碰的存在。

自2022年底以来，几乎每一个封装器、代理和生产力工具都借用了他们的成果。他们打造了最强的模型。他们最早占据了领先地位。没有人比他们更重塑市场。

然而，他们却被发现了。

他们的主导地位取决于分发，而这分发恰恰来源于那些大家所忽视的包装。所有那些基于GPT-4的SaaS工具呢？它们不仅仅是搭便车的工具。它们就是OpenAI的客户群体。而如果其中哪怕只有少数崩溃，就会带走API收入。

这就是隐藏的风险。

包装商在 freemium 用户群体运行高 token 消耗的工作流程时大量烧钱。但 OpenAI 仍然按请求对他们收费。无论用户是否付费，成本都由包装商承担。他们的商业模式完全依赖于转换速度足够快，以弥补烧钱的速度。有些人能成功，但大多数则不行。

当它们消失时，OpenAI 就会感到。

这就是悖论：OpenAI 拥有技术，但用户却被中介商所掌握。中介商才有。而这些中介商很脆弱——薄弱的护城河，高成本的烧钱，几乎没有锁定效应。如果这些中介商倒下了，OpenAI 不仅会失去一个客户，还将失去支撑非ChatGPT收入的分发层。

这并非单向依赖，而是一个闭环系统。

• OpenAI掌握着智能。
• 封装者控制着分布。
• 大家都在假装对方并不重要。
• 但经济学却有着不同的说法。

每个通过包装发送的 token——无论是付费还是免费——都会给 OpenAI 带来收益。数百万的免费增值用户使得这些初创公司成为 OpenAI 增长的无偿分销渠道，同时自己也在逐渐消耗殆尽。

这设置很巧妙。但也很容易碎。

如果包装业务下滑，OpenAI的影响力就会减弱。他们可以直接吸引这些用户付费——但是大多数用户并不是为了注册ChatGPT Pro，而是为了工作流程，而是为了工作流程，但是直接使用模型。

(Note: There is a slight redundancy in the last part. The corrected version would be:)

如果包装业务下滑，OpenAI的影响力就会减弱。他们可以直接吸引这些用户付费——但是大多数用户并不是为了注册ChatGPT Pro，而是为了工作流程，而不是直接使用模型。

• OpenAI有他们的护城河。
• 他们有模型在手。
• 但他们没有足够的保护。

他们的生存依赖于一个脆弱的支撑圈，大多数是亏损且同质的，并正在烧钱维持生存。当资金耗尽时，OpenAI失去的不仅是合作伙伴，它还失去了支撑其收入的整个框架。

你不必使劲看就能看到它。

打开Instagram应用。刷一刷你的信息流。众多AI工具承诺会彻底改变记笔记、健康记录、播客制作、写日记等功能——所有都有简洁的品牌设计，全由GPT驱动，并且都使用相同的后端模式：

• 获取输入
• 发送给GPT模型
• 解析回复
• 放入UI中
• 这就成了一产品

就这样吧。

无论表面上的差异多么细微，OpenAI 每次调用都会收取费用。

这才是真正的暴露：一套脆弱的SaaS套件网络，既充当客户基础又作为增长引擎——所有这些都亏损，可互换，并且只需一项政策变动就可能失败。

你还觉得我在夸大吗？

实际上，这些所谓的“产品”大多在做的是：

# ChatRequest.py

导入 openai # 导入 openai 库

# 定义运行函数，接收一个prompt参数
def 运行(prompt):  
    # 使用gpt-4模型创建一个ChatCompletion对象
    response = openai.ChatCompletion.create(  
        model="gpt-4",  
        messages=[{'角色': 'user', '内容': prompt}] # 用户消息列表
    )  
    # 返回第一个选择的消息内容
    return response.choices[0].message.content

然后他们接着在终端中调用它：

运行 python ChatRequest.py “总结Naval Ravikant的创业理念。”

这个就是产品。
其他的部分就是CSS、账单功能和Stripe整合。

换个提示，换个场景。

• 想获取推文内容？调整指令内容。
• 想要会议概要？更改输入内容。
• 想要智能邮件助手？连接SendGrid。

没有IP，没有系统，也没有护城河。
只是一个设计良好的API调用、标记和营销策略。

利用ChatGPT、Stripe和前端模板代码，一个初级开发者可以在不到一个小时里复制大部分AI产品的面貌。

这背后隐藏的引擎是炒作，也是隐藏在背后的弱点，存在于OpenAI强大之处的背后。

生存几率计算

批评 LLM 包装器脆弱很容易，但实际情况要复杂得多。

这些工具并不拥有它们所销售的智能，而是租用的。大多数工具完全依赖于OpenAI、Anthropic或Claude等平台。它们所谓的“产品”其实就是一个简单的用户界面，附带了一些提示。每次用户与界面互动时，都要向模型提供商支付费用。

除非他们建立了真正的基础设施，比如内存层、工作流引擎或分发屏障，否则他们只是中间商。而中间商很难长久。

但这里有个转折：OpenAI也需要他们帮忙。

包装程序是API的增长引擎。它们将GPT引入各个垂直领域、团队和细分市场。如果消灭了这些包装程序，OpenAI就会失去用户群和收入。这种相互依存很重要——但杠杆作用同样关键。

生存的关键在于这四个问题：

• 谁拥有利润？
• 谁控制定价权？
• 谁可以更换服务商？
• 谁不能被更友好的提示替换掉？

我们来拆解一下：

贾斯珀

金童。筹集了1亿多美元资金，达到了约9000万美元ARR，然后被ChatGPT打了个措手不及。他们急忙做出调整：转向企业服务，引入了模型路由，尝试构建轻量级定制模型。他们还是活了下来——但经历了估值削减和高管变更。这就是产品依赖租来的智能时的生存状况。

Copy.ai（一个AI文案生成工具）

较小的规模，同样的故事。筹集了1600万美元，1000万美元ARR，庞大的免费用户群体——但没有形成任何护城河。核心功能是带有用户界面的GPT。他们已经开始添加工作流工具来增加用户粘性，但切换成本很低，用户很容易就能更换。他们的定价反映了这种两难局面：他们需要增长，但又不能给太多优惠。

要提一下

一个小众的研究工具。可能还未实现盈利，完全依赖OpenAI。提供摘要、分析等功能，这些功能现在都已包含在ChatGPT中。它们的功能与原生功能重合。这不是竞争，而是生存威胁。

卷

一个病毒式成功的故事情节。由GPT-4和Stable Diffusion支持的AI幻灯片。数百万的用户。但随后微软将Copilot嵌入到PowerPoint中——从而揭露了Tome的阿喀琉斯之踵（Achilles 的弱点）：他们并不拥有被他们颠覆的平台。

Writesonic

安静的局外人。投入不多，保持精简，自己建立小型模型来降低成本。他们根据情况在GPT-4、Claude和他们自己的模型之间灵活切换。并非不可战胜，但结构灵活。如果有人能在运营效率上存活下来，那非他们莫属。

生存能力不是看谁先到，而是看谁在表面功夫之外做得更多。

不仅仅是拥有API调用，更重要的是拥有体验。
因为当环境发生变化时——这种情况肯定会发生——问题也不会是谁被淘汰。

那就是：谁有话语权？

NVIDIA: 沉默的王者

在AI出现之前，NVIDIA是一家专注于游戏图形处理的公司，比如GPU、帧率和图形效果。人们现在仍然这样想。但那个时期的NVIDIA已经成为了过去。

今天，NVIDIA 是在人工智能领域里最强大的公司——或许也是最不被理解的。虽然他们不直接面对客户，但对整个生态系统的控制绝对。

他们不：

• 创建模型
• 运行程序
• 出现在你的ChatGPT标签页中

但每次你用AI，其实都是用英伟达。

几乎所有的主要模型，如GPT-4、Claude、Gemini，都是在NVIDIA硬件上进行训练和部署的。超过90%的模型训练使用的是他们的芯片。推理——也就是生成响应的过程——仍然有大约70–80%依赖于NVIDIA的硬件。

OpenAI 在 Azure 平台上运行 NVIDIA 集群。微软正在竞相获取更多的 GPU 供应。尽管 AWS 有自己的定制硅芯片，仍然依赖 NVIDIA 来处理关键任务。没有它们，就没有人能扩展规模。

NVIDIA 不仅仅是芯片制造商。他们掌控着从硬件到驱动程序的整个 AI 供应链：软件框架 CUDA 等，以及将 GPU 转变为可部署的基础设施的编排层。他们就像是行业中最隐秘也是最决定性的瓶颈。

他们不需要前端工具，因为他们已经有了整条管道。

微软：手握所有优势的基础设施中间人

OpenAI可能是这项操作的大脑，但微软则是神经系统。每一次API调用，每一次ChatGPT的回复，每一次模型的微调都在Azure上运行。这不仅仅是附带说明，而是基石。

当微软投资数十亿美元给OpenAI时，他们不仅买到了股权，还买到了控制权。作为OpenAI唯一的云服务提供商，微软现在位于每个使用GPT的大规模语言模型之下的位置。每个token都在微软的GPU集群上处理，这些集群由Azure所有并调度，然后再以有利润的形式租回。

作为交换，微软获得了GPT-4的早期使用权，并将其直接整合进了Office、Outlook和Teams。OpenAI训练了这个模型，但微软负责分发。“Copilot”仅仅是品牌的一面。真正的好处藏在幕后。

微软不需要打造最好的模型。他们只需要拥有最优秀模型依赖的基础架构层。如果OpenAI想要离开呢？祝你好运，但他们的整个堆栈，从编排到吞吐量，都绑定在Azure上，从头到尾。微软不仅托管OpenAI，他们还掌控OpenAI运行的环境，他们还掌控OpenAI所运行的全部环境。

OpenAI可能经常上头条，但微软却手握数据。

底下的裂痕

真正的危险不是这些包装工具失败。也不是OpenAI调整API定价。甚至不是微软调整战略方向。威胁更隐蔽，更深层次，更结构性。

这就是藏在最底层的单点脆弱性。

如果 NVIDIA 遇到了问题——供应链出了问题、生产延迟、遭遇了地缘政治制裁、面临出口禁令——整个 AI 生态系统就会停滞。

• 训练变慢。
• 推理受阻。
• 产品开发停滞不前。

突然间，这不再仅仅是关于功能开发速度或筹集资金，而是关乎你是否能够获得计算资源。

这不再是假设了，事情已经开始。

高端芯片的出口限制已变得更加严格。英伟达H100的需求已经超过供应。GPU租赁价格大幅上涨，在某些情况下，当供应减少时，租赁成本甚至翻了四倍。这并不是市场的小波动，而是警告信号。

每一个层级的这个生态系统——从OpenAI的API到微软的Copilot，再到充斥你信息流的独立封装应用——都建立在一条供应链之上，这条供应链始于一家公司，在一个受限地理区域内制造一种类型的硬件。

那不是一堆东西。那是一条断层带。

而一旦破裂——因为总会出问题——就没有软着陆。只有减速、配给和余波。市场将进行校正。那些从未认为地面稳固的人将是幸存者。

可能改变AI经济的三大黑天鹅事件

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——整个系统的进展都会停止。没有GPU意味着无法进行训练、推理和扩展规模。硅是这个生态系统的氧气。

2. 监管突然收紧
如果一个主要政府认为基础模型涉及国家安全或公共安全问题，监管可能会关闭AI管道的关键环节。一个法令，一个暂停，一次合规调整——基础设施可能一夜之间从开放变为受限。威胁不是技术性的，而是政治层面的。

3. 模式转变
最具颠覆性的场景并不是崩溃，而是变得无关紧要。如果有人建立了一个不需要GPU的竞争模型会怎样？如果智能从信号中产生而不是依赖规模会怎样？如果一个完全不同且精简的架构重写了规则会怎样？系统不会崩溃，只会被远远甩在后面。

最重要的是淘金热

每次这样的浪潮来袭，同样的心理就会占据上风。人们不仅仅追逐机会，更寻找归属感。他们希望成为其中的一员。他们想说自己是早期用户或早期加入的成员。他们想说自己是“用AI帮手打造的”或“AI辅助打造的”。他们可能有一个启动页面，一个着陆页，甚至在TechCrunch上被提及过。这更多的是在传达信号，而不是实际内容。

不管这个产品是否可持续或甚至是否有用。重要的是外表：屏幕截图、流量图表，以及在投资演示文稿中展示的OpenAI API的曲棍球棒增长曲线。这与每次淘金热中使用的剧本如出一辙。

在19世纪，矿工们大多失败了。那些发家的人卖铲子、住宿和牛仔裤。而在互联网泡沫时期，是超级碗广告和域名抢注。现在呢？是 prompt 包装（prompt wrapper）、假演示（fake demo）、AI 合伙创始人（AI co-founders）以及虚增前端开发人员的数量，其实这些只是 API 调用的界面而已。

这些团队中的大多数并不试图建立持久的事业。他们只是试图看起来已经成功了——只是为了融资、被收购或吸引算法。这并不是真正的创新，而更像是表演。大部分你看到的东西都是表演技巧。

这就是为什么那么多“AI工具”看起来都差不多。它们并不是在解决问题，而是在蹭热度。

大规模囚徒两难问题

这里发生的事情不只是糟糕的赌注，而是涉及到博弈论的策略。

人工智能生态系统陷入了多玩家的囚徒困境中——每个人出于自认为理性的自我利益行动，但这样的行为却共同破坏了他们共同依赖的基础。

• LLM封装器试图快速扩张而不拥有模型本身。因此，它们补贴使用费用，营造假粘性，追逐表面指标，同时破坏自身的利润率。
• OpenAI希望API增长。因此，它支持它知道无法长久的封装器——但需要它们来扩大规模、增加覆盖面和应用场景。
• 微软想要控制部署层。但它依赖OpenAI的能力，依赖NVIDIA的计算能力——而不拥有任何一方。
• 至于NVIDIA？不管怎样，英伟达都是赢家。

每个玩家都在理性地做自己的事，但没有人是在建立稳定的东西。

结果形成了一套相互依存的杠杆体系。OpenAI不能淘汰封装器而不损失用户量。封装器不能更换模型而不降低输出效果。微软不能独占鳌头而不危及OpenAI的信任。如果NVIDIA出了问题，所有人都会遭殃。

这并不是一个金字塔结构。这实际上是一个环形结构。环形结构没有备用路径。

这种脆弱并非源自愚蠢或恶意，而是每个人都在做他们认为最聪明的事——直到一切都突然崩溃的累积效果。

基础设施赢了——但没人建

当包装纸崩塌、资金枯竭的时候，只有一种公司能够生存下来：其他一切公司都依赖的公司。无法被轻易替换的公司。市场波动时也不会消失的公司——没有它，其他一切都无法运转。

那就是基础建设。而几乎没人在这方面动手。

基础设施是他人构建的基础，更是任何人都不能失去的支撑。它是 AWS、Stripe、Twilio。这一层平时几乎不被注意到，只有在它一旦出现问题，才会变得至关重要且不可替代。你选择它并不是因为它令人兴奋，而是因为它没有替代品。

你看，当没有人来建造它的时候，结果已经很明显了。

在互联网泡沫时代，Idealab 是比 Y Combinator 更早的创业孵化器。Bill Gross 是一位超前的思想家。他创建了超过一百家公司，组建团队，共享资源，并迅速行动。但未能熬过互联网泡沫破裂。

有些Idealab公司上市了。大多数都消失了。大品牌和强概念。没有债务负担。它们是面向用户的界面型公司——容易受炒作影响，但对系统依赖性不大。当市场调整来临时，它们一夜之间消失得无影无踪。

Y Combinator 走了另一条路。

它没有集中执行任务。它分散了风险。它寻找非传统的人才，进行小额投资，并让市场来决定。从那里走出了Stripe、Dropbox、Airbnb——不是因为YC更加具有前瞻性，而是因为它选择了能够经得起考验的公司。这些公司最终成为了基础设施。

即使是第二波电子商务也证明了这一点。像Warby Parker和Casper这样的公司不仅仅是在打造品牌，它们掌控了物流、供应链和履约。表面看起来像是直接面向消费者的（DTC）品牌，其实它们更像是系统公司。

AI会按同样的模式来。

基础设施公司不会因为代币价格突然上涨而惊慌失措。他们不会因为英伟达发货延迟或OpenAI更改端点而崩溃。他们不会在界面设计或提示功能上竞争。他们奠定了他人立足的根本。

那些最值得关注的问题

彼得·蒂尔在他的书《从0到1》中列出了七个问题——每个长久成功的公司都应该能回答的。

1. 工程问题 — 你能创造突破性的技术，而不是仅仅进行渐进式改进吗？
2. 时机问题 — 现在是不是开始你特定业务的好时机？
3. 垄断问题 — 你是否在一个小市场中占据较大的份额？
4. 人员问题 — 你是否拥有一支优秀的团队？
5. 渠道问题 — 你是否不仅能够创造产品，还能有效地将其交付？
6. 持久性问题 — 你是否能在未来10年乃至20年内保持市场竞争力？
7. 秘密问题 — 你是否发现了别人没有注意到的独特机会？

在所谓的“包装经济”里，没有人会真的去问这些问题。因为如果他们真去问，答案其实一目了然。

不。绝对不行啊。

今天的套路很简单：给GPT套上一个用户界面，然后宣称它很专业，希望用户不会去揭开背后的秘密。但这不是真正的基础设施，这只是在掩人耳目。

真正的幕后推手？他们不仅仅是让用户上瘾——他们让自己变得不可替代。他们不是在追潮流，而是在下面铺轨。

有没有人真的需要它，还是它只是暂时的？如果它不见了，会有什么因此而坏掉，或者会有人重建它？

如果你的答案是否定的，那你就不是在做基础建设的工作，你就成了噪音。

• 淘金热总会结束。
• 炒作的泡沫总会破灭。
• 故事转变。
• 但模式从未改变。

那些系统删不掉的人就是幸存下来的人。

不向你收费就能自主思考的AI系统

没有使用费用。不需API令牌。不进行监控。它本地运行，可以替代整个工作流程，并且不会向API端点发送任何提示。

抢先试用