# AI把大厂的城墙炸开了一个口子

有一个问题我反复想了很久：互联网时代，创业公司的处境其实越来越难。从2015年到2023年，中国互联网新生独角兽的数量逐年下降，美国也类似。平台型大公司越做越大，"赢家通吃"几乎成了定律。

但到了大模型时代，我观察到一些反常的现象。Midjourney团队约100人，年收入5亿美元，人均创收470万美元——是谷歌的2.6倍。Cursor团队不到50人，在开发者工具这个赛道上把微软的GitHub Copilot打得很被动。Perplexity估值超过100亿美元，正面挑战谷歌搜索。DeepSeek用可能只有谷歌十分之一的资源，训练出了不输GPT-4的模型。

这不是个别现象，而是某种结构性变化的信号。

我试图想清楚：这种变化的底层逻辑是什么？它会持续吗？大公司真的没有招架之力吗？

## 互联网时代：为什么小公司越来越难

要理解AI时代的机会，先要理解互联网时代小公司为什么不行。

**核心原因是"生产资料"被大公司垄断了。**

互联网平台的商业模式本质上是一个飞轮：平台获取用户→用户产生行为数据→数据训练推荐/搜索/广告模型→模型提升用户体验和广告效率→吸引更多用户。这个飞轮转得越快，后来者越难进入。

以搜索为例，谷歌每天处理85亿次搜索查询。每一次搜索、每一次点击、每一次"用户搜了A但点了第三个结果而不是第一个"，都是训练数据。一个创业公司哪怕算法更好，没有这些数据，搜索质量就是上不去。微软的必应投入了数十亿美元，市场份额始终在个位数徘徊。

电商也一样。淘宝有数十亿条商品数据、用户浏览和购买行为数据，这些数据让它的推荐系统越来越精准。一个新电商平台，冷启动阶段什么数据都没有，推荐效果自然差，用户体验差，留不住人，数据就更少——这是一个负向螺旋。

社交网络的网络效应更强。你的朋友都在微信上，你不可能搬到另一个通讯工具。这不是产品好不好的问题，是迁移成本的问题。

所以互联网时代的"壁垒公式"可以概括为：**海量用户 → 海量私有数据 → 更好的模型 → 更好的体验 → 更多用户**。这个循环一旦建立，几乎不可打破。

小公司在这个游戏里天然处于劣势，除非你能找到一个全新的品类（就像抖音找到了短视频），否则在已有品类里正面竞争，胜率极低。

## 大模型改变了什么

大模型出现后，上面这个"壁垒公式"的每一个环节都在发生变化。

### 第一个变化：知识被"平权"了

互联网时代，核心壁垒是**私有数据驱动的模型**。你没有那些数据，就训练不出那个模型。

大模型的预训练阶段做了一件前所未有的事：**把互联网上几乎所有公开信息都学进了模型里。** 维基百科、学术论文、代码仓库、新闻、书籍、论坛讨论——几万亿个词的知识，被压缩进了模型参数中。

然后，开源发生了。DeepSeek开源了V3和R1，Meta开源了Llama系列，阿里开源了Qwen系列。这意味着，**一个10人的创业团队，可以免费获得一个用数亿美元训练出来的、蕴含了人类大部分公开知识的模型。**

这在互联网时代是不可想象的。你不可能让谷歌把搜索排名模型开源给你，不可能让淘宝把推荐算法连同训练数据一起分享。

但在大模型时代，这件事正在发生。

这是不是意味着数据壁垒完全消失了？并没有。大公司仍然拥有大量私有数据——用户的交易记录、社交关系、浏览行为。但关键的变化是：**对于大多数AI应用来说，需要的数据类型变了。**

传统搜索引擎需要数十亿条搜索日志来优化排序。但一个AI编程助手需要的是高质量的代码补全交互数据，一个AI法律助手需要的是法律案例和用户咨询数据。这些**领域特定的交互数据，是需要从头积累的，大公司在这方面并没有先发优势。**

Cursor的编程数据、Perplexity的搜索对话数据、Midjourney的图像生成偏好数据——这些都是它们自己在产品迭代中积累起来的。谷歌有85亿条传统搜索查询，但它没有Perplexity那样的对话式搜索交互数据。

**数据壁垒没有消失，但壁垒的"起跑线"被重置了。**

### 第二个变化：推理成本的指数级下降

有人会说，就算模型开源了，跑起来也很贵啊。一个创业公司能承受得起大规模推理的成本吗？

两年前这确实是个问题。但推理成本的下降速度远超大多数人的预期。

2023年初，GPT-4的推理成本大约是每百万输出词元60美元。到2025年底，DeepSeek V3提供了相近水平的能力，成本降到了不到1美元。**两年时间，同等能力的推理成本下降了98%以上。**

这个趋势还在继续。硬件层面，英伟达每代GPU的推理效率提升2到3倍。软件层面，量化技术、推测解码、模型蒸馏等技术持续降低成本。开源推理框架（vLLM、TensorRT-LLM等）让小团队也能高效部署模型。

大公司在超大规模推理上确实有成本优势——谷歌有自研的TPU，亚马逊有Trainium芯片。但关键是：**绝大多数AI应用不需要超大规模推理。** 一个服务1万家企业客户的垂直AI产品，不需要谷歌级别的基础设施。推理成本已经低到"不再是创业公司的瓶颈"。

### 第三个变化：小团队的"双重乘数效应"

这是我认为最被低估的一个变化。

AI不只是创业公司的"产品方向"，更是创业公司的"生产力工具"。一个AI原生的创业团队，可以用AI写代码、用AI做设计、用AI做数据分析、用AI做客服、用AI做内容生成。**AI时代的20人创业公司，生产力可能相当于传统时代的200人公司。**

这就形成了一个"双重乘数"：AI既是你卖给客户的产品，也是你内部提升效率的工具。

大公司当然也在用AI工具。但大公司使用AI的方式是"叠加式"的——在现有流程上加一个AI环节。而创业公司使用AI的方式是"原生式"的——整个工作流就是围绕AI设计的。

这个区别类似于：传统车企在燃油车上加一个电机做混动，和特斯拉从底盘开始就为纯电设计。叠加式改造永远达不到原生设计的效率。

**大公司的组织协调成本是AI无法消除的。** 100个人的团队需要管理层、需要跨部门协调、需要流程和审批。这些协调开销不会因为每个人都用上了AI而消失。但20人的团队本来就不需要这些——AI直接放大了每个人的产出，没有组织摩擦的损耗。

Midjourney的案例非常说明问题：约100人的团队，没有外部投资人，没有销售团队，没有市场部门，年收入5亿美元，人均创收是谷歌的2.6倍。即使回溯到2023年刚突破2亿美元营收时，团队也不过40人。这种效率在任何前一个技术时代都不可能发生。

## 最有力的反驳，以及诚实的回应

以上论点成立的前提下，有几个反驳是我认为确实有分量的，必须正面回应。

### 反驳一：分发渠道仍然在大公司手里

这是最强的反驳。

谷歌可以把Gemini塞进搜索（每天20亿用户），微软可以把Copilot塞进Office（4亿付费用户），苹果可以把AI功能塞进每一部iPhone。创业公司没有这种分发能力。

这个反驳是对的。分发优势是真实存在的，而且短期内非常强大。

但历史告诉我们一个规律：**捆绑分发能带来初始用户，但留不住用户，如果产品不是最好的。**

微软有IE浏览器预装在每台电脑上，但Chrome还是赢了。微软有必应整合在Windows里，但谷歌搜索还是赢了。谷歌有Hangouts整合在Gmail和Android里，但WhatsApp还是赢了。

为什么？因为用户选择产品的决策，在"足够好"和"最好"之间，往往会选择最好。当替代品的迁移成本足够低时，捆绑分发的优势就会被产品质量的差距覆盖。

AI产品的迁移成本通常很低。从谷歌搜索切换到Perplexity，只需要改一个书签。从GitHub Copilot切换到Cursor，只需要下载一个新的编辑器。这不像从微信迁移到另一个聊天工具——你不需要带走你的社交关系。

**更关键的是，创业公司不应该在大公司的现有场景里竞争，而应该创造新场景。** Cursor并不是在VS Code里做一个更好的自动补全插件——它重新定义了"AI辅助编程"这个工作流。Perplexity并不是做一个更好的搜索引擎——它创造了"对话式信息获取"这个新品类。

当你创造了一个新品类，大公司的分发优势就不那么管用了，因为它们的分发渠道是为旧品类设计的。

### 反驳二：网络效应并没有消失

有人认为，AI产品也有网络效应：更多用户→更多交互数据→模型更好→吸引更多用户。这难道不是和互联网时代一样吗？

区别在于网络效应的**强度和形态**不同。

社交网络的网络效应是"指数型"的——网络价值与用户数的平方成正比（梅特卡夫定律）。你有10个朋友在微信上，微信对你的价值是100；有100个朋友在微信上，价值是10000。这种网络效应几乎不可打破。

AI产品的数据网络效应是 **"对数型"** 的——前1000条数据的边际价值远大于第1000万条到第1001万条数据的边际价值。模型训练存在边际收益递减。

这意味着：后来者追赶的难度，比在社交网络赛道上小得多。你不需要和谷歌一样有85亿条搜索数据，你可能只需要1亿条高质量的数据就能达到90%的效果。而在垂直领域，你可能只需要100万条领域数据就够了。

**AI时代的网络效应更弱、更慢、更容易被追赶。** 这对创业公司是好消息。

### 反驳三：大公司也在全力投入AI，而且他们有人才和资源优势

没错，谷歌、微软、Meta、字节跳动都在重金押注AI。它们有全球最顶尖的研究团队，有几乎无限的算力预算，有现成的工程基础设施。

但这里有一个它们无法回避的结构性矛盾——**创新者的窘境。**

谷歌搜索每年贡献约1750亿美元的广告收入。如果Gemini直接给用户答案，用户不再点击搜索结果，广告收入怎么办？谷歌不是不知道AI搜索更好，是它不能让AI搜索太好，因为这会吃掉自己的核心业务。

微软Office每年收入超过500亿美元，来自企业的订阅费。如果Copilot真的能自动完成80%的Office操作，企业还需要那么多Office席位吗？微软面临的矛盾是：让Copilot太强，可能减少Office的需求；让Copilot不够强，又会输给创业公司。

这不是能力问题，是利益结构问题。大公司的高管不是不聪明，是他们的KPI和组织激励机制决定了他们必须首先保护存量业务。**在"创新可能颠覆自身核心业务"的场景下，大公司的理性选择恰恰是保守。**

而Perplexity没有搜索广告收入需要保护，Cursor没有IDE授权费需要维系。它们可以全力以赴地做最好的产品，不需要顾虑"自我颠覆"。

这个矛盾在AI时代尤其尖锐，因为AI威胁的不是大公司的边缘业务，而是它们的核心现金牛。

### 反驳四：企业客户更信任大品牌

在企业级市场，客户确实倾向于选择大公司。"没有人因为买了IBM而被开除"这句话在AI时代仍然有一定道理。合规要求、服务保障、品牌信任——这些都是大公司的优势。

但这里有两个变化：

第一，AI技术太新了，大公司并没有在AI应用上建立起"靠谱"的品牌认知。谷歌的Bard（现在叫Gemini）发布时因为事实错误导致股价暴跌。微软的Copilot在企业中的口碑参差不齐。大品牌在AI这件事上并没有天然的信任优势。

第二，越来越多的企业客户意识到，在AI领域，"最好的产品"往往来自创业公司而不是大公司。Cursor在程序员群体中的口碑比GitHub Copilot更好。Jasper在营销内容生成领域建立了比微软更强的品牌。**信任跟着产品质量走，不是跟着公司大小走。**

当然，在高度受监管的行业（医疗、金融、政府），大公司的合规能力确实是真实的优势。创业公司在这些领域需要更多时间来建立信任。这是一个创业公司需要审慎选择切入点的问题，不是一个根本性的障碍。

## 中国语境下的特殊考量

上面的分析主要基于全球视角。中国有一些特殊情况值得单独讨论。

**芯片禁令反而激发了效率创新。** 美国对中国的芯片出口限制，让中国AI公司无法获得最先进的GPU。但这个约束条件反而催生了DeepSeek这样的效率奇迹——用更少的算力、更聪明的算法，训练出与国际顶尖水平相当的模型。约束催生创造力，这在技术史上反复出现。

**中国的互联网平台格局正在松动。** 微信的社交垄断被抖音撕开了一个口子，淘宝的电商霸权被拼多多挑战。大平台之间的竞争削弱了单一平台的控制力，也给AI创业公司提供了更多的渠道选择。

**但中国的监管环境对AI创业公司的约束也更大。** 内容审核、数据合规、模型备案——这些合规成本对小公司来说是不小的负担。不过，这也形成了一定的进入门槛，反而保护了已经完成合规的创业公司。

## 那么，什么样的AI创业公司机会最大

说了这么多，并不是在说"随便搞个AI创业就能赢"。恰恰相反，创业公司需要非常清楚自己的结构性优势在哪里，避开大公司的强项，放大自己的长处。

**第一，做应用层，不做基础模型层。** 基础模型的训练确实需要巨额资本和顶尖人才的密集投入。但应用层不需要。应用层的竞争要素是对用户需求的深度理解、对垂直领域的专业知识、以及极快的产品迭代速度——这些都是创业公司的强项。

**第二，创造新工作流，不在旧工作流里优化。** 不要做"更好的谷歌搜索"，做"对话式信息获取"。不要做"更好的代码补全"，做"AI原生的编程环境"。不要做"更好的PPT工具"，做"自动从数据到洞察到呈现的完整链路"。新工作流让大公司的分发优势和用户惯性都失效。

**第三，选择垂直领域而非通用平台。** 通用平台是大公司的主场。但在法律、医疗、建筑设计、供应链管理、教育等垂直领域，大公司缺乏领域专业知识，也缺乏深入这些"小"市场的动力。一个垂直领域的AI产品，只需要该领域的专业数据和对用户工作流的深度理解，就能建立起大公司难以复制的优势。

**第四，用AI武装自己的团队，保持极致精简。** 不要过早扩张团队。Midjourney用约100人做出5亿美元收入、人均创收470万美元的故事说明，AI时代的团队不需要大，需要精。每多一个人，就多一份协调成本。把AI工具用到极致，让每个人都是"一个人的军队"。

## 一个诚实的结论

我的核心判断是：**AI时代，创业公司面对的结构性环境，比互联网时代好得多。** 不是因为大公司变弱了，而是因为三个底层条件变了：

一、开源大模型实现了基础能力的平权，创业公司和大公司在起点能力上的差距大幅缩小。

二、AI工具对小团队的赋能效果远大于对大团队的赋能效果，因为小团队没有组织摩擦的损耗，形成了"双重乘数效应"。

三、AI对大公司核心业务的威胁，让创新者的窘境比以往任何时候都更尖锐。大公司越成功，自我颠覆就越痛苦。

但我不会说"大公司注定失败"。在基础设施层、在通用平台、在强监管行业、在需要超大规模分发的场景，大公司仍然有巨大优势。

真实的图景是：**AI创造了一个窗口期，在这个窗口期里，小公司有一个前所未有的机会去建立自己的护城河——用更好的产品、更快的迭代、更深的领域知识。** 这个窗口不会永远敞开。当行业格局稳定下来，大公司会用资本和分发优势卷土重来。

所以，对AI创业者来说，关键不是"有没有机会"——机会是结构性的，确实存在。关键是**速度**：能不能在窗口期内，建立起大公司即使用钱也买不到的东西——对一个垂直领域的深度理解，一批高粘性的用户关系，一个快速迭代的产品文化。

这些东西，钱买不到，人多也堆不出来。只有小而专注的团队，才能做到。