在过去的八年里，苏米特·辛格（Sumeet Singh）作为风投圈的顶尖猎手，先是在安德里森·霍洛维茨基金（Andreessen Horowitz）掌舵早期AI投资，如今又以自己创立的Worldbuild基金继续押注未来。
他见过太多聪明人用十年前做SaaS（软件即服务）的套路，去打造今天所谓的“AI智能工具”——比如给营销、法律、财务加上一层AI包装，然后按月收订阅费。
但苏米特警告：这种玩法，正在把一大批创始人送进“创业坟场”。
为什么？因为AI不是又一个软件层，它是一场底层范式革命。
如果你还在用“套壳”思维做AI，那你很可能只是在给通用大模型做免费打工仔——而它们，正在以每7个月翻倍的速度吃掉你引以为傲的“专业流程”。
“苦涩的教训”正在重演：AI不相信“专业主义”
苏米特反复强调一个AI圈内人耳熟能详却常被忽视的概念——“苦涩的教训”（The Bitter Lesson）。
这是强化学习先驱、图灵奖得主理查德·萨顿（Richard Sutton）提出的洞见：无论你多么相信人类的领域知识、精心设计的规则、复杂的算法，最终胜出的永远是“更简单、更通用、靠数据和算力堆出来的系统”。末法时代生存指南：要么让算法接管人生，要么学会像算法一样冷酷又精准
2012年，计算机视觉领域就上演了这一幕：一帮学者苦心积虑用传统图像处理方法提取特征，结果AlexNet用海量数据+通用深度网络，一夜之间碾压全场。
今天，同样的剧情正在重演。
你以为你为律师做了个法律合同审查AI？大模型已经能自动起草、解释、谈判合同。
你以为你给程序员做了个AI辅助编码工具？GitHub Copilot背后的模型早已能端到端生成整套系统。
通用模型的能力边界，正在以指数级速度扩张——它们不需要“专业插件”，它们就是专业本身。
创业者只有两条活路：要么喂养模型，要么发明新活法
在苏米特看来，面对通用大模型的“吞噬潮”，AI创业者只有两条路可走，而且必须立刻选边站队。
第一条路：投身“模型经济”（Model Economy）——不是用模型去做应用，而是去造模型本身需要的“粮食”和“基础设施”。
第二条路：发明“只有AI才可能做到的新工作流”——不是优化旧流程，而是创造人脑根本想不出、手动根本做不了的全新价值链条。除此之外的所有“AI+行业”套壳项目，在资本寒冬与模型进化双重夹击下，大概率撑不过18个月。这不是危言耸听，而是已经被无数早期AI工具验证的残酷现实：当OpenAI、Anthropic、Meta等巨头不断升级基础模型，那些“微调+界面”型产品，就像沙滩上的城堡，一个海浪就能冲垮。
路径一：成为大模型的“军火商”——算力、能源、数据，三座金矿
所谓“模型经济”，就是为大模型的训练和推理提供底层支撑。苏米特指出，这里藏着四个万亿级机会，而且已经初现端倪。
首先是“算力商品化”：
别再幻想靠垄断GPU赚钱了——巨头们早已陷入“GPU过剩与短缺”的季度性震荡。微软今年初还GPU堆积如山，年中就告急停产。真正能活下来的，是那些能动态匹配算力供需、提升芯片利用率、甚至建立算力交易市场的“算力交易所”。比如旧金山的San Francisco Compute Company，还有Fractal Power，它们不囤芯片，而是用智能调度让闲置算力流动起来。
更疯狂的是，Meta已经开始涉足电力批发交易——因为AI数据中心耗电太猛，必须提前锁定灵活的能源供应。未来，我们交易的不仅是电力，更是算力本身。
其次是“端侧AI革命”：
不是所有AI都能放云端：
比如对冲基金想用AI推演一个月的交易策略，绝不能把核心逻辑上传到公有云；
自动驾驶汽车要在毫秒级响应碰撞风险；
医生要在手术室本地实时分析患者生理数据。
这些场景催生了全新的“设备原生AI”生态。
Meta疯狂押注可穿戴设备，初创公司Truffle甚至在打造专为AI模型运行而生的电脑和操作系统。更激进的思路是构建“本地AI网络”——把家庭电脑、游戏主机、机器人车队的闲置算力聚合起来，形成去中心化的AI算力池。这不仅是技术突破，更是对云计算霸权的挑战。
路径二：做AI时代“新物种”——旧流程已死，新工作流万岁
如果说“模型经济”是供给侧的机会，那第二条路就是需求侧的颠覆。
苏米特强调：别再问“AI怎么帮律师/会计/设计师提效”，而要问“AI能催生哪些人类历史上从未存在过的职业或任务”？
比如，一家公司用AI实时生成并测试百万种广告创意变体，自动找到转化率最高的组合——这不是“AI辅助营销”，而是“营销即AI生成”。AI生成广告碾压人类创意，AI全创广告点击率高出人类19%
又比如，有团队让AI同时扮演客户、客服、质检员、培训师四个角色，在虚拟环境中闭环训练整个服务流程——这根本不是传统客服软件能想象的维度。
再比如，用AI模拟整个城市的交通流、能源网、人口迁移，实时推演政策影响——这种“数字孪生治理”在过去需要国家级预算，现在中小企业就能玩。
关键在于：你的产品是否只有在AI存在的情况下才有意义？如果答案是否定的，那你大概率只是在给大模型送数据。
为什么大多数AI创业正在掉入“SaaS陷阱”？
苏米特一针见血指出：太多创始人把AI创业当成“SaaS 2.0”——沿用订阅制、追求ARR（年度经常性收入）、优化LTV/CAC（客户终身价值/获客成本）。
这套逻辑在软件时代成功过，但在AI时代是毒药。
原因有三：
第一，大模型让“功能壁垒”消失。你花半年开发的智能报表功能，OpenAI下个版本就原生支持。
第二，用户习惯正在迁移。人们越来越倾向直接用ChatGPT、Claude、Gemini解决问题，而不是下载十个垂直工具。
第三，资本不再为“微创新”买单。在利率高企、退出困难的今天，VC只投能冲击千亿美元市值的项目。而套壳AI工具的天花板，往往就是几个亿美金——连并购都难，因为大厂自己就能做。
创始人灵魂拷问：你的AI是在对抗“苦涩的教训”，还是拥抱它？
每个AI创业者都必须自问：我的产品是建立在“人类专业优于通用模型”的假设上，还是建立在“通用模型会越来越强”的信念上？
如果你的答案是前者，那你就是在和指数曲线对抗——必败无疑。
如果你的答案是后者，那你就有机会搭上大模型的顺风车，成为新生态的奠基者。
苏米特举了个例子：早期有人做AI写作工具，拼命加行业模板、风格库、SEO优化模块，结果GPT-4一出，所有功能都被碾压。但另一家公司不做写作工具，而是专注帮大模型获取高质量训练数据——比如从YouTube视频里提取结构化知识，再卖给模型公司。前者死了，后者拿到了Meta的140亿美元大单（指Scale AI）。选择比努力重要一万倍。
AI牛马劳动节表彰大会：Manus真实劳动力指数超GPT5等世界大牛
投资人视角：AI时代，VC在找什么样的“独角兽”？
作为连续押中AI赛道的顶级投资人，苏米特透露：Worldbuild现在只看两类项目。
一类是“模型经济”里的硬核基础设施——比如能降低90%训练能耗的芯片架构、能把标注效率提升100倍的数据引擎、或能动态调度全球算力的调度系统。
另一类是“AI原生工作流”的开创者——他们的产品一旦演示，你会惊呼“这怎么可能？”，而不是“这比我们现在的工具快一点”。
前者要技术壁垒，后者要想象力。
至于那些PPT里写“AI+行业提效30%”的项目？连会议室都进不了。
VC的钱包已经收紧，只留给能定义下一个十年的公司。
留给普通创业者的窗口期：还有18个月
苏米特给出一个残酷的时间表：通用大模型的能力每7个月翻倍。这意味着，到2027年中，今天绝大多数垂直AI工具的功能，都会被免费、原生地集成进主流模型。
如果你的产品不能在这18个月内建立起真正的护城河——要么成为模型不可或缺的“供应商”，要么创造出无法被复制的“新工作流”——那你就会被历史淘汰。
这不是危言耸听，而是已经被内容生成、代码辅助、客服对话等赛道反复验证的规律。
活下去的唯一方式，就是彻底放弃“套壳思维”，从第一天就以“对抗大模型”或“拥抱大模型”为战略核心。
最终，苏米特的结论充满达尔文主义色彩：AI不会均匀地造福所有人。赢家将是两类人——一类是掌握算力、能源、数据等生产资料的“新地主”，另一类是率先发明AI原生工作方式的“新物种”。而输家，是那些用旧地图寻找新大陆的“套壳创业者”。在AI这场豪赌中，没有中间地带。要么你成为模型生态的基石，要么你成为模型进化的燃料。选吧。
作者背景：苏米特·辛格（Sumeet Singh）是Worldbuild基金创始人兼管理合伙人，曾任安德里森·霍洛维茨基金（a16z）合伙人，专注AI与前沿科技投资八年，亲历数百家AI初创企业从0到1的全过程，是硅谷最具前瞻性的AI投资人之一。