丰富的前沿智能将无法消除应用层护城河——它将价值转向那些将模型转化为实际成果的公司。持久的赢家将掌控协调能力、工作流数据、客户转型、叙事能力、更高层次的抽象、基于成果的经济模式和结构性必要性。

洪流时代的护城河

随着各大实验室创下收入纪录并吸收更多能力，一种日益增长的叙事认为，它们带来的智能洪流将淹没整个经济。应用层已死，在迈向AGI的道路上已无需构筑护城河。

我持不同观点。

护城河对抵御洪流毫无用处。但引导水流与电力流向原本无法获得资源的农田、水库和住宅的堤坝与水渠，才是关键基础设施。

智能是一种需求无限的效用。与水电等关键公用设施类似，我们需要构建系统以实现其最大化分散。

世界不仅需要原始模型和智能体；更需要解决问题并达成成果。溢价将属于那些能够将这种智能渗透到文明的每个角落、将原始token转化为真实世界成果、并在此过程中重塑行业和创造经济的公司。而这项工作才刚刚开始。

人类现实的惯性

试想，如果我们中任何人在2019年看到GPT 5.5+/Opus 4.5+，不仅会认为这就是AGI，更会期待经济已被彻底改变。但事实并非如此。

为什么？因为现实极其复杂，而在人类层面的多数工作中，参差智能并非瓶颈。

部分原因是上下文问题。真实工作承载的状态、例外和历史背景远超任何提示窗口所能容纳。要真正理解一项工作如何运作极其困难，因为从业者本身都难以清晰描述。

更关键的是，现实世界固执地充满了人性因素。简而言之，仅由天才组成、置身数据中心的团队无法治理国家。现实世界交织着激励机制、审批流程、问责制度、边缘案例、遗留系统以及人与人之间的协作。即使自动化显著提升，人们依然乐于倾听、观看并与人类互动——无人观看深蓝下棋。

纵观历史，技术采用与真正的经济变革始终存在时间差。1880年代电力已接入工厂，但直到1920年代工厂围绕电力完成转型后，生产力数据才显现提升。

对于互联网和AI，采用速度正以数量级压缩，但制度变革持续滞后。

这一差距是当前世界最大的套利机会，但窗口期稍纵即逝。

智能扩散的路线图

把握这一差距需要精准押注，并坚定不移地执行策略以驾驭模型能力曲线。你必须通过产品、服务和叙事整体重塑你的领域，并将客户置于这三者的核心。

无论你是AI原生的新入局者还是AI化的传统企业，前路并不清晰，但以下举措可最大化你的成功概率：

• 构建多方协作网络

• 积累工作流引力

• 让客户掌控自身转型

• 阐述你对未来的愿景

• 持续攀升抽象层级

• 销售曾不可为之事

• 使自身成为结构性必需品

注：鉴于竞争激烈，仅做到其中一项可能不足。长期来看，你必须实现其中大部分。

这张1935年规划图展示了支撑拉斯维加斯至洛杉矶地区繁荣的水电基础设施

这张1935年规划图展示了支撑拉斯维加斯至洛杉矶地区繁荣的水电基础设施

(1) 构建多方协作网络

实验室主要受最大化单点生产力的激励，因为这最易于通过有限产品组合扩散。但这存在上限——企业的价值大于个体总和，这正是小而精的公司能击败巨头的原因。优势不总在人力规模，而在于组织结构中内嵌的协调、分配与复核机制。

瞄准人类协调成本最高的市场，构建支持人类与智能体端到端协作完成工作流的产品与服务。日积月累，你将积累由个体、智能体、数据和组织构成的协作图谱——所有成员通过你的产品进行交易协作，这种地位极难被任何单一AI撼动。

案例：Harvey（@harvey）为世界500强客户与其律所构建的协作产品与愿景，堪称协调全球最高价值关系网络的典范。

(2) 积累工作流引力

成为积累客户数据的可信源头。内部文档、沟通记录、机构知识、专有资源——这些都是通用模型在预训练中永远无法接触的内容。此外还有过程数据：用户使用产品及其生态系统时产生的每次修正、每个决策、过往经验教训和例外情况。

实验室难道不能这样做？当然可以。但关键在于利用你对领域的理解和捕获的独特数据，持续提升客户价值。随着模型生态碎片化和企业对单一供应商风险对冲的常态化需求，持续学习层很可能与模型解耦。这为构建兼顾用户与整个组织利益的记忆与个性化能力提供了切入点。

日积月累，你将比任何人——包括运营者自身——更了解特定经济环节的运作机制。如同引力，积累的知识越多，逃离你轨道就越困难。

案例：Within（@tryklarity）能捕捉企业中每个人潜在的工作负荷，主动向个人和组织建议自动化机会。

(3) 让客户掌控自身转型

这一点尚未凸显，但正成为新趋势。我认为智能明年将成为被分配和管理的资源：token像人力一样纳入预算，ROI对标顶层指标衡量。如同其他受管资源，客户将希望对其进行精细化管控。挑战在于校准控制度：给予太少则客户永远无法自主，给予太多则他们可能在内部盲目构建变体，而非充分获取你的价值。

智能体构建器、可配置工作流、模型中立性/选择权（包括经过微调的开放模型）、成本可视化、权限管理等多重功能，将赋予组织自主变革的能力。实施时，你需要与客户团队深度协作，但确保你离开后他们仍能自主管理部署。归根结底，从普通员工到C级高管，都更珍视自己参与构建的成果，而非坐享其成（参见宜家效应）。

案例：Applied Compute（@appliedcompute）为企业提供创建自主智能的平台，真正掌握自身命运。

(4) 阐述你对未来的愿景

在我们迈向超级智能的过程中，快速迭代的模型发布、频发的全球冲突、新一轮融资和并购，为本就充满不确定性的世界增添更多变数。从平民到全球最大企业的高管，人人都对未来的样貌感到困惑。你能做的最重要的事，是提供一份具体可信的行业五年图景。成为能指引未来的企业形象至关重要，这远比功能列表更有价值。

进而将这一愿景与你在未来中的角色定位相结合。代表某种理念，保持独特见解，以差异化思维将其编织成渗透新员工、客户、合作伙伴、投资者和公众的视觉与文化品牌。当所有企业都能获取相同模型时，你在产品、关系、网站和故事中做出的独特选择，将构建难以替代的品牌认同。

案例：Parallel（@p0）对网络第二代用户的愿景、复古品牌定位及可靠的产品矩阵，帮助他们在买家和人才市场脱颖而出。

(5) 持续攀升抽象层级

在编程领域，我们经历了从汇编语言、编译语言、智能体到如今协调智能体团队与组织的演进。非编码领域将经历类似过程，但进展速度取决于可验证性。能力栈底层会被模型改进吞噬，你基于当前底层构建的一切也将随之消亡。

长期而言，应让你的产品从服务一线用户，逐步扩展到服务团队主管、副总裁，最终覆盖高管层。这意味着在用户体验上更垂直化，例如构建让管理者能像指挥现有团队那样监管智能体集群的指挥中心。

存活的企业将是那些能预见抽象层级走向，并在当前层被商品化前就布局下一阶段的公司。要果断重构自身基础设施和产品以攀登更高层级——这里没有神圣不可侵犯的领域。

案例：Factory（@FactoryAI）早在市场和能力成熟前数年，就押注从个体编程机器人向软件工厂的转变。

(6) 销售曾不可为之事

迄今为止，多数理解和评估AI损益影响的方法，仍围绕律师、工程师、分析师、科学家等人类工作量。这也是许多AI原生公司仍按席位定价的原因。但真正的突破在于那些受限于人力、注意力或脑力的任务——你能在此见证智能边际成本趋近于零时产生的二阶、三阶效应，也是无界回报所在。

我预测到2027年，定义性的C级对话将是AI对企业损益的影响，因为企业需为token和AI支出这一新预算项提供依据。这些支出需要么推动收入增长，要么降低运营成本，而胜出者将是那些已重塑产品和客户关系以捕获价值的公司。

随着能力提升，应针对客户已预测或设定的目标进行定价，如工单关闭量、合同处理量、药物进入临床试验量、理赔解决量、案件结案量，以及终极目标——新收入。这需要时间等待AI与产品能力追上，但现在启动的企业将在时机成熟时掌控定价权。

案例：Armadin（@ArmadinSecurity）的新型超级攻击通过千级智能体集群寻找漏洞，以任何服务公司无法复制的规模和频率进行渗透测试。

(7) 使自身成为结构性必需品

这是最艰巨的挑战，实则是上述所有要素的累积。任何企业都面临资源不足，总有更多事项待完成。AI并未改变这点。最终实验室将聚焦于覆盖最大潜在市场的通用产品：模型API、企业协作工具，乃至制药等超级市场。

你的定位是完成实验室无法实现之事，构建机构、监管者和人际网络真正需要的存在。这可能包括提供竞争选项间的中立性、作为AI与受监管行业间的可信层、或成为模型API无法企及的可追责方。资本主义催生这些企业，因为系统运转离不开它们。让自己成为其中之一。

案例：Profound（@tryprofound）押注即使在存在众多消费级AGI竞争的世界中，全球每家企业都需要一个中立层来衡量和塑造与客户的认知共识。

世界顶级企业

请别误解。模型将变得真正强大到令人惊叹。实验室与芯片公司将赚取巨额利润，很可能成为世界最大企业。最终总需有人收取实现最优token成本所需的资金，以回收全部资本投入。

但这并非争议焦点。平台可以无比庞大，价值仍能在其之上累积。云计算并未阻止Stripe、Uber、DoorDash、Salesforce、Workday、ServiceNow或Shopify成为一代巨头。丰富的智能是平台之母。

围绕智能的经济化扩散形成了完整生态系统：执行扩散的企业、支撑他们的基础设施、为垂直领域制定的标准，以及他们讲述的故事。

真正值得辩论的是这个生态中的赢家。而这场战役将在垂直领域逐个展开，在不同机构间反复争夺，主导者往往完全不同于实验室形态。

感谢以下公司的创始人与领导者在撰写本文时提供的多元视角，并助力树立应用层新兴标准：

@harvey、@RogoAI、@profound、@OpenEvidence、@valkaicom、@ramp、@SierraPlatform、@simile_ai、@trybasis、@traversal_ai、@Permitflow、@chaidiscovery、@clay、@cognition、@appliedcompute、@AccordanceAI、@evenuplaw、@FulcrumAI、@superblocks、@maxima_dot_ai、@humansand、@wisdomai_inc 和 @withcherryUS