為什麼應用層沒有死
我從創業者和潛在員工那裡不斷聽到的問題是：還有 AI 應用層可以建構嗎？還是 OpenAI 和 Anthropic 會消滅一切？
這個問題背後存在一種特定類型的 AI 偏執。有些人已經得出結論，認為唯一能避免淪為永久底層的穩固位置，要嘛是在大型實驗室內部，要嘛是在前沿領域，從事機器人、硬科技或類似領域的建構——理論上，這些是「實驗室無法觸及」的領域。如果每一塊軟體都即將被吞噬，無論是被 Codex 或 Claude 直接吸收其工作，還是被一個未來模型讓你建構的一切變得不再必要，那麼，快跑吧！
聽著，我和幾乎任何人一樣，是個 AI 極致主義者，我認為他們說對了一半。實驗室確實正在進軍應用層面的廣大領域。但「應用層」並非單一而同質的機會。正確的框架是看你是在黃磚路上，還是在奧茲國的其他地方。
黃磚路是我們對實驗室正在走的路徑的簡稱，他們正在這條路上投入非凡的資源。實驗室最適合處理像程式碼生成、寫作或圖像創作這類問題的原因，在於這些問題會隨著原始模型能力的提升而改善：每一分錢花在預訓練和後訓練上，都能提升產品品質。與此同時，奧茲國的其他地方則充滿了更複雜、通常是垂直領域的問題，這些問題不像給商業用戶一個擁有標準工具和電腦使用權限的水平工具那麼簡單。其價值與其說來自底層模型的原始能力（儘管這仍然很重要！），不如說來自圍繞它的架構，使輸出在特定行業內值得信賴、合規且可操作。
我們正親眼目睹這一切的發生，因為 OpenAI 和 Anthropic 實際上正在告訴市場，他們無法用一個通用的 AI 同事來解決所有問題。他們已經宣布了大規模的前沿部署合資企業，圍繞為企業配置和客製化他們的模型來建立整個公司。如果你認為下一個模型版本就能解決問題，你就不會投入數十億美元到這些項目中。
所以，如果你想透過建構 AI 應用來致富——避開黃磚路，在奧茲國的其他地方建構。以下是我們學到的，以及我們投資組合中的一些創辦人所學到的，關於什麼方法有效。
黃磚路
如果你正在創辦一家公司，黃磚路是最明顯的路徑，但也是最危險的。拿一個高性能模型，接入一些現成的連接器（例如 Google Drive、Slack、Salesforce、Notion、GitHub），然後在上面加上某種 Agent 編排層。神奇！
問題在於，這正是實驗室在 Cowork 和 Codex 上做的事情。顯然，他們擁有模型，這給了他們更好的利潤率、控制權，以及對任何下游參與者施加定價權的能力。但或許最重要的是，他們還擁有定義其產品擅長解決什麼問題的架構選擇。到目前為止，他們一直刻意採用「模型加工具呼叫」的模式，而這正是水平、低步驟數工作在黃磚路上所需要的。即使新創公司能在某種程度上超越 Codex 或 Claude Code，實驗室也擁有龐大的分發管道和 AI 領域最大的品牌光環。
如果你是一家 AI 應用公司，使用同樣的連接器、沒有底層的子 Agent 或配置、也沒有分發管道來執行這個劇本，那你很可能正走在一條通往虛無的路上。
奧茲國的其他地方
對新創公司來說，並非全是壞消息和悲觀論調。在黃磚路之外存在著巨大的機會，新創公司有清晰的途徑來擁有自己的客戶並解決複雜問題。
這些企業正在建構 Agent 體驗，其中模型交織在一個由工具、自動化和整合（也就是軟體）組成的複雜網絡中，這使得大多數這類新創公司預設就是垂直領域的。他們可以專注於多步驟和多參與者的工作，使用子 Agent 來處理特定角色和垂直領域的任務，這是 Anthropic 和 OpenAI 無法透過水平平台觸及的：跨系統收集上下文，然後路由給多個需要在不同階段批准的人。這通常涉及一個或多個舊有系統，傾向於需要確定性結果（即不允許模糊性），並且有時與某個有價值的業務成果掛鉤。實驗室明白這些問題有多有價值：這就是為什麼他們正在建立自己的外包配置商店，以及為什麼存在一個完整的、針對高端市場的強化學習企業類別。
為什麼奧茲國的其他地方不會被巫師佔有
對上述觀點的回應是，到目前為止，押注模型/實驗室會改進一直是個相當糟糕的交易。它們很可能只會變得更好，並最終蠶食這些應用層企業所服務的市場。
實驗室肯定會改進，但我認為奧茲國的其他地方有幾種方法可以隨著時間保護自己：
數據與學習飛輪：
你內化的大部分東西都不在任何訓練集中——未成文的行業規範、未記錄的標準、存在於從業者腦海中的群體知識。這些都不在公共網路上。再多的訓練算力也無法取代置身於這些知識實際存在的流程中。這裡疊加了兩個飛輪：一個是跨客戶的——當你看到同一個問題的更多變體時，模式會複合增長；另一個是客戶內部的——特定決策背後的原因、未說出口的例外情況、公司自己的經驗法則，這些只有透過與系統的真實互動才能浮現。
即使客戶數據不能跨客戶使用，應用公司也能夠跨客戶問題類型進行模式識別，並利用這些來為未來的問題設計正確的架構。一家公司如果已經讓它的 Agent 經歷過一百次法律審閱、一千次保險核保週期或一萬次 SDR 活動，那麼它已經內化了問題的形狀，這是後來者透過為第一次啟動一個全新的 Agent 所無法複製的。
原則上，一個水平的 Agent 可以建立同樣的學習基礎設施。它之所以沒有，除了純粹的專注問題之外，還在於使用者體驗：捕捉這種知識完全取決於你提供給用戶的工作流程表面，而垂直領域的參與者可以圍繞其工作流程需要浮現的內容來塑造這些表面。水平工具做不到。評估集、標記輸出和邊緣案例分類法可以複合成一個垂直領域特定的數據飛輪，這可以為微調提供燃料，而後來者在沒有相當的生產環境暴露下是無法產生這些的。這是否可能取決於數據權利、累積的生產環境暴露量以及客戶合約的結構，但模式識別無論如何都會累積。
管理模型變異性與複雜性： 實驗室已經在內部進行路由——針對不同請求使用不同模型類別，內部使用集成模型。他們做不到的是跨供應商路由，或為特定子任務評估競爭對手的模型，或在最適合的狹窄環節使用開源微調模型。奧茲國其他地方的公司會為每個子任務在整個模型市場中挑選合適的模型，而不僅僅是其母公司實驗室推出的產品。它還做了沒人想做的苦工——每次新模型推出時，重新運行評估、為客戶的邊緣案例重新校準提示、在不破壞生產環境的情況下進行部署。實驗室不會代表客戶做這些事；他們賣給你他們的下一代模型，然後告訴你遷移。奧茲國其他地方的公司則吸收了遷移的工作。客戶得到的是整個市場上可用的最佳智慧，加上每次升級的連續性。
成本優化： 每個查詢都透過 Opus 4.7 運行是通往負毛利的最快路徑。最好的奧茲國其他地方公司會跨模型層級進行路由——最難的任務用前沿模型，大部分工作用中階模型，在他們已經證明有能力使用的地方用較小的客製化或微調模型。有些公司現在在此基礎上對自己的模型進行後訓練，針對客戶關心的狹窄工作環節進行優化，並以前沿 API 調用成本的一小部分來提供服務。實驗室定價的是地板：以 X 美元提供最低限度的智慧。奧茲國其他地方的公司則銷售相反的價值——為工作流程實際需要的特定智慧水平提供最低的美元成本。這只有在你能確切知道每個子任務需要什麼智慧水平時才有可能，而實驗室在結構上無法跨每個垂直領域知道這一點。這直接轉化為更低、可控的結果價格。
治理： 成為客戶在該垂直領域運行 AI 的控制平面具有相當大的價值——這是一個權限、審計、Agent 被允許做什麼以及 Agent 實際做了什麼都匯聚在一起的地方。這個控制平面是由特定用例的護欄構建而成的，這些護欄在不同行業和工作類型中看起來完全不同。因為他們端到端地擁有 Agent 所觸及的工具、工作流程和數據，他們能夠以水平工具難以做到的方式提供確定性結果。他們也是為最終買家吸收監管複雜性的實體——法律領域的 FRCP 和律師職業規則、醫療保健領域的 HIPAA、金融領域的 SEC 和 FINRA、州保險法規等等。一個水平參與者無法可信地做到這一點，除非它同時變成一百個不同的垂直領域。CIO 們希望有一個合作夥伴能在合約中聲明他們正在為其提供的 Agent 處理合規問題。
所有這些都歸結為同一件事：專注。這可以是一個垂直領域（保險、法律、會計），也可以是一個深度執行的功能（銷售、客戶支援、財務）。無論哪種方式，這項工作需要一個團隊埋頭於一個客戶群——它的工作流程、它的邊緣案例、它的法規。實驗室不是為此而建的。他們必須無處不在，為所有人服務，這正是他們最初建立黃磚路的方式。同樣的取捨也使他們無法進入奧茲國的其他地方——你可以同時無處不在，或者你可以擅長一件事。不能兩者兼得。
以銷售為例——來自 11x 技術長的實用建議
你應該如何在實踐中思考這個問題？這裡有一些來自 Prabhav Jain（11x 的 CEO）的實用建議。
專注於成果
建立一個能抵禦實驗室影響的公司的策略性路徑，就是從你的客戶真正關心的特定成果開始。對我們來說，那就是幫助公司產生更多的銷售管道。從那裡開始，問題就變得策略性。我們想要端到端擁有哪些實際推動管道的活動？將每個活動分解為任務。哪些任務是 Agent 驅動的，哪些不是。哪些需要複雜的領域洞察，哪些不需要。實驗室也會推出工作流程，但當工作流程有許多步驟、輸入混亂、狀態難以解釋或存在現實世界限制時，一個更好的模型本身並不能解決問題。這項工作落到了傳統的軟體工程上，而在這個層面上，實驗室相對於一個專注的應用公司沒有任何優勢。例如，以下是我們處理的一些任務，有些是 Agent 驅動的，有些不是：基於自訂訊號的潛在客戶開發、潛在客戶資料豐富、深度帳戶研究、從 CRM 獲取上下文、特定渠道的訊息撰寫器、潛在客戶資格審核 Agent 以及電子郵件送達率系統。這些不是你可以一次性完成的任務，需要深入的工程。
奧茲國類比中的關鍵洞察是，在任何真實工作流程中，大約一半非 Agent 驅動的部分，實驗室沒有任何優勢。在編寫模型層之下的確定性軟體方面，他們並不比你強。而另一半 Agent 驅動的部分，仍然需要你針對你實際想要的結果來調整、訓練和約束模型。領域知識通常不存在於一般的訓練數據中。這些技能是為垂直領域或功能從頭開始建立的，並在工作流程中的正確時機輸入到模型中。當我們的 Agent 在電話中資格審核一個入站潛在客戶時，我必須接受訓練，了解對於那個特定行業和那個角色來說，什麼是好的銷售對話。這是應用公司的工作，而且它會複合增長。
更重要的是，這些技能會不斷過時，因為企業在發展，所以你發展這些工作流程和上下文的能力就變成了一種競爭優勢。舉例來說，當我們開始做規模化電子郵件外展產品時，「AI」撰寫的電子郵件才剛剛開始出現。時至今日，人們已經對哪些電子郵件是 AI 寫的、哪些是人寫的有了一種敏銳的感覺，關鍵是，這種感覺每隔幾個月就會改變。我們的 Agent 必須根據市場動態不斷適應，但這正是護城河建立的地方。事實上，儘管有這種動態，我們的正面回覆率在過去幾個月裡已經提升了 4 倍，並且我們為客戶產生了數億美元的銷售管道。
致力於複雜性高的問題
複雜的問題是真正商業價值被解鎖的地方。否則你會發現自己只是在建立一個薄薄的包裝層。
分解任何足夠複雜的商業問題，混亂很快就會出現。這裡有一個來自 GTM 領域的例子，聽起來很簡單：如果一家公司已經是客戶，你就不應該聯繫該公司的聯絡人。但事實絕非如此。也許你的 CRM 中有與該公司關聯的網域。那擁有數十家子公司的公司呢？如果 CRM 記錄有母公司的網域呢？如果 Salesforce 中的一個過時匹配欄位向現有客戶的 CRO 發送了冷推銷呢？現實世界的數據是混亂的。人類都難以處理。模型並不能神奇地跨越這個門檻。從這種混亂中建立秩序需要為問題的特定形狀量身打造的專用 Agent，而不是一個指向 CRM 的通用副駕駛。事實上，根據我們擁有的數據，我們意識到我們的數據品質和新鮮度遠高於我們的客戶，所以預設情況下，我們會以我們自己的數據為準。
護欄不只是為了防止壞事發生。這就是你的客戶付錢給你的原因。
護欄被嚴重低估了。即使在同一個產品內部，每個用例也需要自己的護欄。對我們來說，一個受監管的金融服務客戶與一個中端市場 SaaS 客戶的要求不同，而這些要求會向下影響 Agent 被允許如何寫作、它可以聯繫誰、它可以觸及哪些數據、它在通話中可以說什麼以及每個決定如何被記錄。
一個一刀切的系統在這種差異下會崩潰。護欄必須針對每個用例建立，為每個客戶配置，並持續審計，而這項工作完全落在應用公司身上。這就是為什麼我們有 FDE（現場部署工程師）和技術部署策略師需要為每個客戶的需求進行調整。舉例來說，我們與一家 F1000 機構合作，透過語音向其龐大的中小企業客戶群進行經過同意的外呼。最初的幾次迭代接通率很低——我們必須快速迭代並學習如何讓這類特定受眾在通話的前 10 秒內參與進來。中小企業主與大型 B2B 買家或消費者的行為非常不同。我們現在一天內為他們創造的銷售機會，比他們整個銷售團隊在該細分市場一個月內創造的還要多。
以保險為例——來自 FurtherAI 執行長的實用建議
銷售只是一個例子。保險是另一個例子，它從不同的角度說明了同一點。以下是 Aman Gour（FurtherAI 的 CEO）對在黃磚路之外進行建構的看法：
當我們開始在真實的保險運營中部署 AI 時，我們不斷聽到一個特定的假設：模型就是智慧，而工作流程只是圍繞它的支架。
我們合作的保險公司越多，我們就越確信這是本末倒置。
在保險業中，很多智慧實際上存在於工作流程本身。兩家保險公司可以將一份投保申請提交到看似相同的路徑：提交、審核、報價、承保。但路徑是容易的部分。將兩家保險公司區分開來的是路徑內的一切：哪些風險需要上報、哪些損失訊號重要、當兩個承保規則衝突時哪個優先、何時需要人類簽字、哪些外部數據被拉入，以及最終決定如何被記錄。
那個邏輯不存在於一個乾淨的規則引擎中。它分散在標準作業程序、經理審查、核保理念、保險公司特定的承保偏好以及多年的運營經驗中。其中很多並沒有以模型可以直接讀取的形式記錄下來。
這就是為什麼我們不相信一個每次都從頭推理的純 Agent，也不相信一個一旦現實變得混亂就會崩潰的僵化工作流程。相反，我們一直在建立 Agent 驅動的工作流程。工作流程為你提供可重複性、可審計性和成本控制。Agent 處理可變性並在快樂路徑中斷時進行恢復。人類則在需要問責制的判斷環節保持參與。
在第一天，這自動化了手動工作。但隨著時間推移，每一次上報都變成一個信號，每一個例外都是一個反饋，每一次人類修正都顯示出操作手冊中不完整的地方。隨著時間推移，工作流程不再只是一個腳本，而是開始成為保險公司的運營記憶。這是實驗室難以觸及的部分。他們會繼續推出更好的模型和更好的通用 Agent，他們也應該這樣做。但他們不會在保險公司的生產工作流程中停留足夠長的時間，去了解為什麼某個帳戶被上報，為什麼某個風險被拒絕，或者為什麼核保人覆蓋了承保偏好指南並且這樣做是正確的。
這種理解只有透過在生產環境中運行工作流程數千次才能獲得。你第一天交付的工作流程不是護城河。隨著時間推移，生產使用所創造的循環才是。
對我們來說，這就是「在黃磚路之外建構」的意義。
你如何判斷自己是否在奧茲國的其他地方？
工具與步驟測試： 工作需要多少個步驟，你必須建立的工具來支持它有多複雜？比較一下跨 Google Drive 的水平 AI 搜索——一個步驟對應一個工具，結果容錯度高，用戶閱讀摘要，如果錯了可以重新提問——與針對公司三年判例的多步驟法律審閱：跨越多個工具的幾十個步驟，輸出必須通過合夥人審查，並可能在法庭上被辯論。兩者看起來都像是「Agent 在工作」，但只有其中一個需要一個專注的團隊花費數年時間建立的那種深度軟體。
系統測試： 你是在建立一個客戶用來運行其工作的系統，還是一個放在他們現有系統之上的工具？系統端到端地擁有工作流程——數據捕獲、治理、已完成工作的記錄——並且是客戶在描述實際工作如何進行時所指的對象。另一方面，工具只是為客戶已經在運行的工作流程增加智慧。工具案例能產生可觀的收入，但實驗室可以奪走它，因為客戶並不依賴你作為編排層。高 ACV（年均合約價值）通常是系統的信號，因為系統取代了真實的人員編制並獲得相應的報酬，但這並非保證。問問自己，如果一個實驗室推出了一個據稱與你直接競爭的產品，你的客戶是否仍然需要你的工具？如果是，你正在建立一個系統。如果不是，你就是一個工具——即使你的 ACV 很高。
對沖基金 / 損益表測試： 實驗室的績效是根據基準來評判的，而奧茲國其他地方的績效是根據客戶的損益表來評判的。你的客戶不關心你的模型在 SWE-Bench 或 MMLU 上得分多高——他們關心的是你的 Agent 是否完成了交易、正確審閱了合約，或者承保了正確的保單。如果他們專注於其工作流程特定的成果，而不是一個通用的能力分數，那麼你就在奧茲國的其他地方。如果他們是為通用能力付費，那你就是在向他們銷售他們可以透過 Claude 或 Codex 席位獲得的東西。最好的 Agent 企業將需要像對沖基金一樣執行——贏得的是以客戶損益表衡量的超額收益，而不是基準分數。
兩者都可以（也將會）獲勝
我們將會看到黃磚路上和路外都出現巨大的贏家。模型將繼續獲勝，因為他們擁有模型，並且他們擁有為其設計的水平工具的分發管道。
奧茲國的其他地方如果擁有工作系統——即公司實際執行工作以及由此產生的數據流被捕獲的表面——就能獲勝。這些公司擁有數據捕獲、工作流程行動系統和治理。隨著更複雜的工作流程在一個垂直領域中成熟，它們會複合成一個客戶依賴的核心體驗。隨著來自現有參與者和新進入者的新一代模型推出，該公司成為整合這些模型並將其交付給客戶的層。底層的模型是可替代的；工作系統則不是。
下一代的企業軟體將在黃磚路之外建立。
如果你正在建立它，請聯繫我：jschmidt@a16z.com。
