近期，人工智能领域的创业者和从业者普遍面临一个困惑：在OpenAI和Anthropic等大模型公司不断壮大的背景下，应用层是否还有生存空间？这些科技巨头凭借强大的模型能力，似乎正在吞噬整个软件生态，让许多创业者感到前途未卜。硅谷知名风险投资机构a16z的合伙人Joe Schmidt专门撰文探讨这一问题，他认为虽然大模型公司确实在通用任务领域占据优势，但垂直行业仍存在大量机会。
Schmidt指出，大模型公司的主要精力集中在代码生成、写作、图像创作等通用任务上，这些领域随着模型能力的提升会直接受益。创业公司如果选择在这些方向上竞争，将面临巨大挑战，因为大模型公司不仅拥有模型本身，还掌握着产品架构和定价权。然而，在通用任务之外，还有许多复杂、垂直的领域是大模型公司难以触及的，这些领域才是创业公司的机会所在。
他提出，创业公司可以通过构建四道护城河来巩固自身地位。首先是积累行业隐性知识，形成数据飞轮效应。许多行业知识并未被公开数据集收录，而是存在于从业者的经验中，这种隐性知识的积累需要长时间与业务流的深度互动。其次是管理模型的变化与复杂性，创业公司可以灵活选择不同厂商的模型，针对特定任务进行优化，而大模型公司通常只能使用自有模型。第三是成本优化，通过在不同级别的模型之间进行路由，降低服务成本。最后是治理能力，创业公司可以成为客户在特定行业使用AI的“控制平面”，承担合规责任，这是大模型公司难以做到的。
Schmidt用“黄砖路”和“奥兹国”来比喻大模型公司和创业公司的不同定位。黄砖路代表大模型公司主攻的通用任务领域，而奥兹国则象征着垂直行业和复杂任务领域。他强调，虽然大模型公司会继续在黄砖路上取得成功，但奥兹国的公司只要专注于构建工作系统，就能赢得市场。工作系统是客户实际执行工作的界面，包含数据采集、工作流行动系统和治理层，这些是模型无法替代的。
以销售领域为例，11x公司的CEO Prabhav Jain分享了他们的实践经验。11x专注于帮助客户生成更多销售管道，他们将销售流程分解为多个具体任务，包括线索挖掘、数据补充、账户研究等。这些任务不仅需要模型的支持，还需要深度工程和领域知识。例如，在电话评估线索时，模型需要被训练以理解特定行业和人群的销售对话技巧，这种能力是从垂直领域的土壤中生长出来的。随着业务演进，这些技能需要不断更新，形成了创业公司的竞争优势。
保险行业也提供了类似的案例。FurtherAI公司的CEO Aman Gour指出，保险业的智能不仅存在于模型中，更体现在工作流里。不同保险公司在处理投保申请时，虽然路径相似，但细节差异巨大，包括风险上报标准、损失信号关注点等。这些逻辑散落在标准操作程序、经理审核记录和核保理念中，模型无法直接读取。FurtherAI通过构建代理式工作流，将可重复性、可审计性和成本控制与代理处理不确定性相结合，逐渐将工作流转化为保险公司的运营记忆。这种理解只能来自长时间的生产环境运行，是大模型公司难以触达的。
对于创业公司如何判断自身方向，Schmidt提出了三个测试。首先是工具与步数测试，评估完成工作所需的步骤和工具复杂度；其次是系统测试，判断产品是客户用来完成工作的系统，还是叠加在已有系统之上的工具；最后是对冲基金/P&L测试，看客户是否更关注业务流结果，而非通用能力评分。通过这些测试，创业公司可以明确自身定位，在黄砖路之外找到生存空间。
随着新一代模型的不断发布，创业公司将扮演整合者的角色，将智能交付给客户。模型在底层可以替换，但工作系统不行。下一代企业软件，将在垂直行业和复杂任务领域中被构建出来，为创业公司开辟新的道路。
