北极光创投林路：AI竞争从“技术领先”转向“产品体验”

北极光创投合伙人：林路

核心观点：

1、技术发展并非一直呈指数级增长，在初期快速突破后会趋缓。

2、基础模型差距缩小，行业竞争的焦点就会从“技术领先”转向“产品体验”，而这正是创业公司大展身手的窗口期。

3、一个产品未能构建足够强的数据壁垒或用户体验护城河，它就极易被基础模型整合、甚至直接取代。

4、AI并不会改变人类的根本需求，但它有能力重塑服务的实现方式，甚至重构服务逻辑的能力，带来更丰富的互动形式和更强的系统延展性。

本文内容源于北极光创投近期的一次闭门会议。林路先生（北极光创投合伙人）分享了他对当前AI的看法洞见。林路先生于2012年加入北极光，已在传统互联网与移动互联网领域深耕14年，积累了丰富的经验。他参与投资及投后管理的项目众多，包括元保（YB）、XSKY、VIPKID、火花思维、棕榈大道、观脉科技等。

在讨论人工智能之前，我们有必要先理解两条至关重要的曲线。

长期以来，许多人受到互联网时代“指数级增长”神话的影响，误以为技术演进必然是持续加速的，就如左图中那条虚线所示。

然而，现实往往更加复杂：技术在初期确实可能迅速突破，但随后便逐渐进入发展趋缓的阶段。以 ChatGPT 为例，2022 年底其面世之初，市场情绪极度乐观，许多人预测通用人工智能（AGI）指日可待。然而仅仅一年多后，随着大模型遭遇预训练瓶颈，行业氛围迅速转向谨慎。类似的情形也曾出现在自动驾驶领域。彼时业内普遍认为 5–6 年内可实现 L4 级别的自动驾驶技术，然而事实显然没有如此乐观。

技术发展趋缓意味着领先者难以凭借技术实现持续性的“碾压式”领先，最终各方水平将逐步趋同。如果单就技术本身而论，Google、Anthropic 与 OpenAI 三者之间的差距并不显著；中美之间的技术鸿沟，也远不像人们普遍想象的那样巨大。这种局面导致在基础模型层面，技术壁垒难以构建，盈利能力也难以覆盖巨额的训练成本。

正因如此，我们在 2023 年曾就是否投资基础大模型进行了长时间的内部讨论，最终决定暂不进入该赛道。从今天回头看，这一决策是谨慎且正确的。

右侧图表摘自克莱顿·克里斯滕森所著的《创新者的解答》。其中，实线代表产品能力的演进，虚线则体现用户需求的变化。通常在技术演进的早期，产品能力尚难满足用户期待——而当前正处于这一阶段。因此，模型能力即便仅有小幅提升，也足以显著影响用户选择。例如，今年一月 DeepSeek 推出的 R1 模型在用户中产生了较强的吸引力，显著影响了豆包与 Kimi 的用户增长表现；不少用户在对比后认为 R1 更具优势，便迅速完成了迁移。

同时，随着 DeepSeek 的开源策略，以及阿里“千问”等国产模型的陆续上线，基础模型之间的差距进一步缩小，行业关注焦点也随之从“谁家模型更强”，转向“如何落地应用”。

于是，越来越多的企业开始尝试将大模型引入日常业务场景，并结合“思维链（Chain of Thought）”与“工作流（Workflow）”等能力模块，推动模型向更复杂的任务能力演进。

如果我们不再执着于大模型具备“无所不能”的通用能力，而是专注于某些垂直领域的实际应用，那么当前的大模型技术水平，其实已经“足够好”。一旦模型能力能够切实满足用户的核心需求，竞争的焦点就会从“技术领先”转向“产品体验”，而这正是创业公司大展身手的窗口期。

我们对移动互联网的发展路径相对熟悉，因此可以将当前的人工智能发展阶段与之做一个类比。

ChatGPT 于 2022 年底横空出世，某种程度上就像当年 iPhone 的发布，开启了一个全新的应用时代。而当前大量开源模型的涌现，也颇似当年 Android 平台的爆发式增长——不过这一次，中国企业并未缺席，尤其在开源大模型领域。以 Hugging Face 平台为例，来自中国的模型数量和质量，已与美国企业基本持平。

我在 2012 年加入北极光创投，恰逢移动互联网从火热走向理性的发展阶段。当时投资圈流行一个词叫 “SoLoMo”，即 Social、Local、Mobile 的融合模式，典型代表如海外的 Foursquare、国内的街旁网。还有一款名为 Color 的社交应用，甚至在天使轮就融资高达 4000 万美元，热度一时无两。然而，随着热潮退却，不少人开始质疑移动互联网的真正价值。

但事实证明，真正有价值的公司，往往是在泡沫退去之后才开始崭露头角。例如，今日头条成立于 2012 年，快手也在那时从 GIF 向短视频转型，滴滴与快的刚刚起步。

从这段经验中，我们可以看到一个清晰的分野：那些“为新技术强造需求”的产品最终难以为继，而“用新技术提升既有需求效率”的模式，才能真正走得远。以出行与外卖为例，移动端比电话更便捷；今日头条通过算法推荐内容，更适合碎片化时间的阅读；而信息流广告因精准触达，广告主愿意投入更多预算，整体变现效率也因此大幅提升。

此外，还有一个容易被忽视却至关重要的因素：基础设施的演进。2013 年 4G 开始商用，到了 2015 年三大运营商陆续获得 FDD-LTE 牌照，网络能力大幅提升。4G 的价值不仅仅在于网速变快，更在于频谱资源更充裕，从而支持了“不限流量”套餐的普及。用户对流量成本的焦虑消除之后，音视频类应用才得以真正爆发。

放眼当前，AI 的发展大致处于类似 2011 年左右的阶段。ChatGPT 问世之后，风险投资行业迅速陷入 FOMO 情绪，基础模型类企业估值快速飙升。但随着 DeepSeek 等新兴力量的崛起，原本“高高在上”的模型公司立刻显得有些尴尬。与此同时，那些“为了AI而生、脱离真实需求”的应用并未获得用户认可，市场情绪也随之趋于理性。

在这一过程中，头部企业也在加速布局，试图在大模型链条上的关键环节占据一席之地。这种局面让我想起当年在百度推动“手机百度”业务的经历——尽管如今创业者不再动辄谈论“巨头做了怎么办”，但现实是，大公司确实已经占据了不少原本属于初创企业的机会空间。

不过，人工智能与移动互联网之间存在一个根本性的不同：AI 对业务效率的提升更快、渗透更深。因此我们有理由相信，AI 带来的产业重构将远超移动互联网时代的深度和广度。一旦 AI 技术真正满足用户的核心需求，竞争的焦点将迅速转向产品设计与用户体验的比拼。而这一阶段，恰恰是初创企业最有可能脱颖而出的窗口期。

在当前这轮大模型热潮中，有一句话被频繁提及：“模型即应用”。这句话背后的含义在于：基础模型所具备的通用能力。与移动互联网时代的手机操作系统截然不同，我们都清楚，移动操作系统与其上的 App 构成了相对独立的生态体系。虽然系统层可以覆盖部分轻量级功能，例如天气预报或手电筒等工具类应用，但其影响极为有限。以苹果为例，iMessage 的存在并未动摇微信、WhatsApp 或 Line 在各自市场的统治地位。也正因如此，在那个时代，投资人常问的是：“腾讯做了怎么办？”而几乎没有人会问：“苹果做了怎么办？”

然而，大模型时代的格局正在发生根本性变化。OpenAI 每一次模型升级，往往都可能在一夜之间让一批创业项目失去存在的意义。这并不是说“套壳”模型的思路没有价值。诸如 Perplexity 专注于信息检索与精准回答，Cursor 深耕编程场景中的上下文管理问题，它们都围绕明确的用户需求建立了清晰的产品定位和差异化价值。但问题在于：如果一个产品未能构建足够强的数据壁垒或用户体验护城河，它就极易被基础模型整合、甚至直接取代。

在行业发展的早期，我们往往容易被“AI是什么”所吸引，从而催生出许多“看起来很有AI味道”的应用。这种现象，类似于移动互联网兴起初期 SoLoMo（社交、位置、移动）概念泛滥的时期。但一旦将大模型真正用于实际业务，就会发现 AI 本身的通用能力远远不够——它依然存在诸多局限，而每一个局限点，恰恰可能成为新的应用创新的切入口。值得强调的是，AI并不会改变人类的根本需求——社交依然是社交，游戏依然是游戏——但它有能力重塑服务的实现方式，带来更丰富的互动形式和更强的系统延展性。

因此，相比“AI原生应用”这个概念，我们更应关注的是：AI是否具备替代既有服务、甚至重构服务逻辑的能力。

例如，在旧金山湾区，一位来自大型科技公司的员工利用大模型自建了一个用于管理其 80 辆 Tesla 租赁业务的智能客服系统。该系统几乎实现了全流程自动化：用户在线提交驾照及个人信息，系统自动审核并分配取车位置；到达后车辆自动解锁；还车时，系统完成电量检测与车况评估。这一切得以实现，既得益于租车本质上就是标准化的客服流程，也因为 Tesla 开放了 SDK，使整个流程具备高度的可编程性和自动化能力。

当然，这套系统对普通人来说门槛不低。但换个思路，若将这套能力加以产品化，构建成一个平台，允许其他车主接入，平台再统一处理出险、维修、清洁等服务环节并抽取佣金——这便可能演化为新一代的共享服务平台。虽然早年“共享经济”曾因过度扩张而饱受质疑，但从长期看，许多底层逻辑依然成立。今天，AI 的发展正大幅拓宽了这类服务的边界与可行性。

需要特别指出的是，AI“替代服务”的方式，并非对传统流程的简单复刻。传统服务因人力成本高昂，普遍依赖标准化流程（SOP），难以实现个性化。而 AI 恰恰擅长理解上下文与用户偏好，能基于历史行为实时调整服务策略。这类个性化能力，在 AI 驱动下的边际成本几乎为零，不再依赖人员扩张，只需部署更多模型实例，即可实现大规模服务能力复制。

因此，总结来说：AI 带来的并非服务流程的“数字化迁移”，而是服务逻辑的“根本性重构”。谁能在服务本质层面完成重构性创新，谁就有可能在这波浪潮中脱颖而出，甚至定义新一代平台。