当一项技术趋于成熟并追求极致规模时，其价值的核心将从应用层的“功能”沉淀到基础层的“能力”，比如现在的AI

一、“胖基础，瘦应用”是AI产业的下一阶段形态

1.1 概念界定：从“功能”到“能力”

  • 应用层的“功能” (Features/Functions)：

    • 定义： 用户直接感知的、解决具体场景问题的单一手段。
    • 特征： 易于模仿、生命周期短、竞争壁垒低。
    • 例子： 一个修图App的“滤镜”，或者一个聊天软件的“已读回执”。

  • 基础层的“能力” (Capabilities/Infrastructure)：

    • 定义： 支持无数种功能生长、运行、调度的底层通用的力量。
    • 特征： 极难构建、高资本/技术门槛、具有极强的网络效应和规模效应。
    • 例子： 图像处理的GPU算力，或者承载数亿并发的云端消息推送服务。

1.2 为什么技术价值会发生下沉

当技术处于早期，用户买单的是“新鲜感”和“解决痛点”，此时功能是王道。
当技术成熟并追求规模，由于下面的原因，价值重心开始下沉：

  • 功能的同质化（边际效益递减）： 当所有人都能开发出相似的功能时，功能就变成了“标配”，不再能产生溢价。
  • 规模带来的复杂性： 只有极少数玩家能处理“极致规模”带来的稳定性、延迟、成本和能耗问题。这种处理复杂度的能力，变成了稀缺资源。
  • 分工的必然性： 应用层为了跑得更快，必须“变轻”。它们不再重复造轮子，而是直接调用底层的“能力”。于是，拥有底层能力的公司变成了“收税者”（Rent-seeker）。

1.3 举几个例子

案例一：电力革命

  • 早期（功能）： 人们购买的是具体的“电灯泡”或“电动机”。爱迪生通过卖灯泡赚钱。
  • 成熟期（能力）： 电力成为基础设施。价值沉淀到了电网（传输能力）和发电厂（能源供给能力）。今天，没有人因为“灯泡亮了”而感到惊奇，大家依赖的是插座里永远有电的“能力”。

案例二：互联网与云计算

  • 早期（功能）： 网站、论坛、单一的SaaS软件。
  • 成熟期（能力）： 亚马逊AWS、微软Azure。SaaS变得越来越薄，底层的IaaS（基础设施即服务）和PaaS（平台即服务）变得越来越厚。价值在于“算力、存储、弹性伸缩”这些基础能力，而非上面的某个网页。

案例三：生成式AI（正在发生）

  • 早期（功能）： 各种套壳的ChatBot、AI写作助手、AI绘图工具。用户为“帮我写周报”这个功能付费。
  • 成熟/规模期（能力）： 随着大模型API的普及，写周报的功能变得一文不值。价值沉淀到了基础大模型（智力供给能力）和英伟达的GPU（算力供给能力）。未来的应用只是大模型能力的“连接器”。

1.4 商业启示

如果认同这个判断，那么在战略上会导出两个方向：

做厚基础（基础设施玩家）：

*   目标是成为“水煤电”。
*   关键指标是：稳定性、低成本、高并发、通用性。
*   商业模式是：按量付费（Pay-as-you-go），赚取规模红利。
*   *比如：OpenAI, AWS, 宁德时代。*

做深场景（应用层玩家的生路）：

*   既然通用的“功能”会被底层“能力”吞噬，应用层必须通过**垂直数据**和**对具体业务流的深刻理解**来构建壁垒。
*   不是卖“功能”，而是卖“服务”和“结果”。
*   *比如：不是卖“医疗AI影像识别功能”（这是底层能力），而是卖“包含AI辅助的整体医疗诊断解决方案”。*

1.5 选择：造船出海，还是成为港口？

技术的演进是造出越来越快、越来越大的船（优化功能）。但当船足够多时，最有价值的不是最快的那艘船，而是那个能让所有船只停泊、交易、补给的“港口”（构建能力）。

港口不捕鱼，却定义了整个渔业生态。

二、技术基础设施化的信号：看“大钱”和“顶级人才”的流向

2.1 临界点信号

判断一个技术领域是否正在从“商品化应用”向“基础设施化”跃迁，有以下 5 个维度的“临界点信号”。

1） 技术维度的信号：从“百花齐放”到“标准化协议”

这是最直观的早期信号。当一个技术还在应用层竞争时，大家都在比拼“谁的界面更好看”、“谁的独家功能更酷”。但当它开始基础设施化时，竞争焦点会转向互操作性和标准。

  • 标准的确立（Protocolization）： 行业开始厌倦碎片化，出现公认的“标准接口”或“协议”。

    • 判断指标： 是否出现了类似 TCP/IP、USB、HTTP 或者如今 OpenAI 的 API 格式这样的通用标准？当竞争对手开始兼容某种特定的接口格式时，基础设施化就开始了。
      *

  • 重复造轮子的成本倒挂：

    • 判断指标： 开发者自己从头写代码实现该功能的成本和风险，是否已经远高于直接调用第三方服务的成本？
    • 时刻： 当一家初创公司不再宣称“我们拥有自研的数据库内核”，而是说“我们基于AWS构建”时，云存储就完成了基础设施化。

2） 经济维度的信号：从“高毛利”到“规模经济”

商业模式的剧烈变动，价格战出现

  • 应用层陷入价格战（Commoditization）： 应用层产品的功能差异越来越小，不得不通过降价来争夺市场份额，导致应用层毛利大幅下降。

    • 时刻： 当你发现市面上几十个 App 都能做同样的事情（比如现在的 AI 绘图、以前的网约车），且价格越来越低时，说明价值正在“逃离”应用层。

  • 底层出现“资本壁垒”（Capex Intensity）： 建设底层的门槛变得极高，需要巨额的资本支出（Capex），只有巨头玩得转。

    • 时刻： 比如现在的 AI 大模型训练，入场券是数亿美元的 GPU 集群。当小玩家根本“投不起”底层设备时，该技术就成为了巨头的“基础设施生意”。

3） 用户维度的信号：从“惊喜”到“无感”

基础设施的最大特征是“不可见性”（Invisibility）。

  • 关注点的转移： 用户不再关心“技术原理”，只关心“稳定性”（SLA）。

    • 时刻： 电力刚出现时，人们会围观电灯泡。现在没人关心电是怎么发的，只会在停电时暴跳如雷。
    • 判断指标： 当客户的投诉从“没有这个功能”变成了“为什么延迟了 100 毫秒”或“为什么服务中断了”时，说明该技术已成为基础设施。

  • SLA（服务等级协议）成为核心卖点：

    • 时刻： 当卖方开始承诺“99.999% 可用性”而不是“这一版新增了 10 个滤镜”时，它就是在卖基础设施能力。

4） 生态维度的信号：从“直接交付”到“被集成”

观察产业链上下游的关系变化。

  • API 化（API-fication）： 产品不再直接卖给最终用户（To C），而是卖给开发者（To D）或企业（To B），作为它们产品的一部分。

    • 判断指标： 收入结构中，API 调用产生的收入占比是否在飙升？

  • 次级生态爆发： 在该技术之上，长出了庞大的第三方应用生态。

    • 当 iOS App Store 里的应用数量爆发时，iOS 就从一个手机系统变成了移动互联网的基础设施。如果一个技术之上长不出其他公司，它就只是个工具；长出了其他公司，它就是基础设施。

5） 组织/人才维度的信号：人才流动方向

  • 高端人才的“下沉”： 最顶尖的科学家、架构师开始从“做应用”的公司流向“做平台/底层”的公司。
  • 应用层岗位的降级： 应用层的开发变得越来越简单，不再需要高精尖人才，普通工程师甚至非技术人员（低代码/无代码）也能完成。

2.2 现在的生成式 AI 走到哪一步了

我们可以用这个框架套用一下当前的 生成式 AI (GenAI)：

  1. 技术侧： 正在发生。Transformer 架构一统天下，OpenAI 的 API 格式几乎成为行业标准接口。
  2. 经济侧： 已经发生。应用层（如套壳写作软件）价格战惨烈，甚至免费；而底层（英伟达、OpenAI、Azure）赚取了大部分利润，且 Capex 投入巨大。
  3. 用户侧： 过渡中。用户还在为 ChatGPT 的生成效果感到“惊喜”，还没完全到“无感”的程度（除了 GitHub Copilot 这种已经融入工作流的产品）。
  4. 生态侧： 初期。虽然有 Agent 和 GPTs，但杀手级的次级生态还未完全爆发。

结论： 生成式 AI 处于从“商品化爆发”向“基础设施化”转型的中后期。现在进入场做“通用大模型”的创业窗口已基本关闭（因为已是基础设施巨头的游戏），但做“基于基础设施的垂直应用”仍有机会。

三、总结

当“可靠性”比“新功能”更贵，当“被集成”比“直接卖”更赚钱，当“重复造轮子”成为一种不靠谱的商业决策时，基础设施化就发生了。

标签：infra, ai

你的评论