關於視頻生成的「應用會不會被模型吞掉」，答案可能比「不會」更危險

關於視頻生成的「應用會不會被模型吞掉」，答案可能比「不會」更危險

在AI技術快速迭代的當下，模型與應用之間的「演進關係」始終是業界反覆辯論的核心命題。近期，多位重量級科技投資人與創業者相繼提出觀點，認為隨著模型路由、開源模型以及專用後訓練技術逐漸成熟，AI應用公司可能即將迎來一波前所未有的爆發期。然而，這股樂觀情緒背後，也隱藏著比單純「不會被吞掉」更為複雜且危險的挑戰。美國知名科技投資人Gavin Baker，曾長期管理富達科技基金，並以早期投資英偉達、特斯拉和SpaceX等公司聞名，最近提出一項關鍵判斷。他認為，當模型路由技術能夠智慧分配任務、開源模型降低使用門檻、專用後訓練讓模型更貼近特定場景時，AI應用公司將有機會用自己的業務數據訓練專屬模型。

這意味著，應用公司可以把大量高頻、相對簡單的任務，從昂貴的前沿模型遷移出去，只在真正困難的任務上才調用最強模型。這樣的運作模式，將形成一個正向循環：客戶越多，累積的業務數據就越多；數據越多，專用模型的訓練效果就越強；模型越強，單位成本反而越低。這套邏輯打破了過去「模型越強、成本越高」的線性思維，為應用公司提供了可持續成長的商業基礎。Gavin Baker的觀點，無疑為許多正在尋找商業模式突破的AI應用開發者，注入了一劑強心針。類似看法，近期也出現在演語科技Evoken創始人陳冕與《晚點LatePost》的對話中。當被問及「應用會不會被模型吞掉」這個敏感問題時，陳冕的回答既務實又帶有警示意涵。

他直言：「我覺得應用的時代還沒有來。只有Token便宜、智能隨手可得的時候，應用公司的時代才會來，可能是兩年、三年或五年後的事，但要從現在開始準備。」

陳冕進一步用鐵路與火車的比喻來闡釋他的觀點。他認為，模型就像鐵路這樣的基礎設施，而應用公司則是一列列在垂直領域中運行的火車。基礎設施修好之後，商品與社會資源才能開始大規模流通，自然也會帶來新的繁榮。換句話說，應用層的真正機會，並非來自與模型競爭，而是來自於模型基礎設施成熟後所釋放的巨大市場空間。然而，這個看似樂觀的願景，背後卻藏著比「不會被吞掉」更危險的現實。首先，模型基礎設施的成熟需要時間，而這段等待期正是應用公司最脆弱的階段。如果應用公司無法在Token成本仍高、智能尚未普及的當下找到生存之道，很可能在黎明來臨前就已倒下。

其次，當模型路由與開源模型真正普及後，應用公司之間的競爭將不再只是技術或數據的比拼，而是誰能更快、更有效地將業務數據轉化為專用模型的優勢。更值得警惕的是，模型公司本身也在積極向下游延伸。許多大型模型開發商正嘗試推出自己的應用層產品，試圖直接接觸終端用戶。這使得應用公司不僅要面對同業競爭，還可能面臨來自上游模型供應商的「降維打擊」。一旦模型公司掌握了足夠多的用戶數據與應用場景，應用公司的生存空間將被進一步壓縮。此外，專用模型的訓練雖然能降低單位成本，但前期投入依然龐大。對於資金有限的新創公司而言，要同時兼顧業務營運、數據累積與模型訓練，無疑是一場與時間的賽跑。

這場賽跑異常殘酷，因為勝出的關鍵不僅在於技術實力，更在於能否在模型基礎設施尚未完全成熟之前，就建立起足夠的數據壁壘與用戶黏性。從另一個角度來看，Gavin Baker與陳冕的觀點其實互為補充。前者強調了技術成熟後應用公司的爆發潛力，後者則點出了爆發前的準備期與風險。兩者共同指向一個核心結論：應用公司不能被動等待模型基礎設施的完善，而必須主動出擊，從現在就開始累積業務數據、打磨專用模型，並建立與用戶之間的深度連結。換言之，答案或許不是「應用會不會被模型吞掉」，而是「應用公司能否在模型基礎設施成熟之前，活下來並建立起自己的護城河」。

如果無法做到，那麼即使Token變得再便宜、智能再隨手可得，應用公司也可能只是為模型公司鋪路的墊腳石。因此，對於所有投身AI應用領域的創業者與投資人來說，當前的首要任務不是糾結於「會不會被吞掉」的二元問題，而是思考如何在這個過渡期中，找到可持續的商業模式與差異化競爭力。只有這樣，才能在模型與應用之間的動態平衡中，搶佔屬於自己的位置。