大模型会吃掉 90% 的 Agent? 别做“通用菜刀”，要做“行业手术刀”

上世纪90年代末，任何人只要懂一点HTML，租个虚拟主机，就能拥有一个网站。

他们赖以生存的基础是开放的TCP/IP和HTTP协议?。

今天的AI Agent创业者同样享受着前所未有的便利，他们不需要从零开始训练模型，只需调用大模型几家巨头提供的API，就能快速构建出一个看似智能的应用 。

这种低门槛催生了“全民炼丹”的盛况，成千上万的开发者涌入，试图用“一行代码改变世界” 。

似乎以“工具/入口”为切入点，信奉“流量为王”的增长逻辑又来了。

回顾互联网早期，那些最终脱颖而出的个人站长，他们提供的并非复杂高深的技术，而是极其简单、直击用户痛点的“入口”。

他们的核心战略就是用最朴素的方式解决最广泛的需求，从而快速攫取巨额流量。

这与当前许多Agent的打法如出一辙。

真是这样吗？

大错特错。

这个比喻的错位，恰恰是那90%创业者最需要警惕的陷阱。

个人站长的商业模式之所以性感，在于其近乎为零的边际成本。

一旦网站建成，多一个用户访问几乎不增加额外成本，托管费用极其低廉，分发更是依赖开放的互联网 。

这使得他们可以专注于流量增长，然后通过广告等方式轻松变现。

然而，AI Agent的成本结构完全相反，它面临着高昂且不确定的可变成本。

用户每与Agent交互一次，背后都可能触发一次或多次对大模型API的调用，而每一次调用都在烧钱 。

这彻底改变了软件行业的单位经济模型。

也就是说，AI agent没有当年个人站的从容。

传统SaaS企业之所以被资本追捧，是因为其高达75%-90%的毛利率；

而AI应用的毛利率则被压缩至50%-60%，甚至更低 。

个人站长时代“一次投入，无限复制”的商业逻辑，

在Agent这里变成了“用得越多，烧得越多”。

所谓软件的“无限边际收益”在这里大打折扣 。

上世纪90年代的互联网是一片广袤的、去中心化的“西部荒野”，没有绝对的霸主，规则尚未建立，人人机会均等 。

而今天的AI生态，从一开始就是创业者不是在开放的“无主之地”上建设，而是在几家科技巨头（OpenAI/微软、Google或者是其他大模型提供方）私有的“围墙花园”里耕作 。

这意味着，你的房东（平台方）同时也是你最强大的竞争对手。

他们不仅制定游戏规则（API价格、服务条款），还能随时下场参赛，这种平台风险是个人站长时代所无法想象的。

虽然借助大模型API，创造一个基础Agent的门槛变得极低，但围绕它建立一个可持续的商业模式却空前困难。

创业者面临的已不再是如何获取流量的问题，而是如何在平台依赖和高昂可变成本的双重挤压下，管理好脆弱的单位经济模型，并活下去。

大语言模型（LLM）与AI Agent之间既共生又竞争的复杂关系。

一场关乎平台与应用、控制与被控制的“父子局”。

一个创业公司，如果其核心价值仅仅是围绕某个大模型API，设计了一套巧妙的函数调用工作流，那么它就时刻处在被“釜底抽薪”的危险之中。

平台方（如OpenAI）可以通过分析API调用日志，轻易地发现哪些应用场景最受欢迎、哪些工作流最有价值。

一旦时机成熟，平台方完全可以将这些功能直接内置到其基础模型或官方应用中，一夜之间“吃掉”整个赛道 。

OpenAI等基础模型提供商，它们不仅仅是技术供应商，更是整个生态的构建者和统治者。

它们控制着核心模型、API接口、定价策略乃至服务条款。

这种权力是不对等的。

它们既是“裁判员”，又是“运动员”。

一个Agent创业公司的生死，可能仅仅取决于平台的一次API价格调整、一次服务条款更新，或者一次“功能上新”。

因此，LLM与Agent的关系，与其说是大脑与身体，不如说是平台与应用。

平台的引力是巨大的，它会本能地将高价值、通用化的功能吸收到自己的核心。

一个Agent创业公司，其价值主张越是依赖于对单一平台API的巧妙编排，其本身就越像一个“功能”而非一个“公司”。

它的存在，仰仗于平台的“恩赐”。要想不被吃掉，就必须在平台无法、或者不愿轻易染指的领域，建立起真正的壁垒。

构建真正的“护城河”。

当底层的AI能力（大模型API）日益商品化，竞争的焦点便从技术本身转移到了那些更难被复制的维度。

通用、水平化的市场是巨头的必争之地，

而垂直、纵深的领域则为创业公司提供了生存空间。

通过解决特定行业的独特痛点，整合专有数据，并与行业软件深度绑定，

Agent可以建立起极高的转换成本，这是通用大模型难以企及的。

利用公共互联网上无法获取的行业专有数据（如法律文书、金融财报、医疗记录、工程图纸）对模型进行微调或持续训练 。这要求企业具备强大的、安全的数据处理与治理能力。

举个例子Harvey AI，它虽然构建于OpenAI的GPT模型之上。

但其核心壁垒在于两个层面：

一是利用海量的公开法律数据（判例法、法规）进行深度定制；

二是最关键的，它允许律师事务所用自己内部的、高度机密的文档、模板和过往案例来进一步训练和微调模型 。

这使得Harvey能够理解特定律所的“行话”和工作方式。

它深度嵌入到合同分析、尽职调查、法律研究等核心工作流中，提供通用模型无法企及的。

其护城河正是这种垂直整合能力，以及围绕数据安全和隐私与律所建立的信任关系 。

这个做不到也没有关系，跑得快，吸引更多的客户，就能站稳脚跟。

例如：一个为数万名消费者管理购物决策的Agent。

能够从供应商那里谈到远优于单个消费者的价格或服务条款。这种“物美价廉”的成果会吸引更多用户加入，从而进一步增强其议价能力，形成一个强大的正反馈循环 。

一个拥有百万用户的AI旅行Agent，可以与航空公司谈判，获得普通散客无法企及的团体折扣票价

一个为数百家小型电商企业提供服务的物流Agent系统，可以通过整合订单、优化路线，实现堪比大型物流公司的规模效应，从而大幅降低单票成本。

这种护城河的根基，在于Agent作为市场聚合者的角色。其价值更多来源于用户网络的规模，而非模型本身的智能水平。

这本质上是一种平台商业模式，也是基础模型提供商通常不会直接涉足的领域，为创业公司留下了巨大的想象空间。

作为一名Agent创业者，如何在巨头环伺、经济模型严峻的牌局中，如何成为那些幸存者？

1. 别做“通用菜刀”，要做“行业手术刀”

在“通用”这个战场上，你永远赢不了手握海量数据和算力的平台方。它们天生就是做“菜刀”的料。你的唯一生路，是深入一个足够复杂、足够“脏乱差”的垂直行业，去打造一把只有这个行业的专家才懂得如何使用的“手术刀” 。

这个行业最好有自己的“黑话”（专有术语）、独特的合规要求、非标准化的工作流程以及沉淀多年的、无法从公开渠道获取的专有数据。

无论是法律行业的合同审查 ，金融领域的量化分析 ，还是制造业的供应链优化 ，你的目标是让Agent成为这个行业工作流中不可或缺的一环，让客户的转换成本高到无法想象。

真正的壁垒来自于“对用户和产品的更深刻理解”以及那些“AI之外的能力” 。

2. 别迷信技术，要迷信用户

请记住，大模型的能力终将像电力和云计算一样，成为一种无处不在的、廉价的商品?。

未来几年，你追我赶的模型性能参数（F1 score）对用户来说将毫无意义。

你的核心竞争力，不在于你调用了GPT-5还是Claude 4，而在于：

• • 你的产品是否拥有

  令人上瘾的“粘性”?

• • 你的用户体验是否

  优雅到让人忘记了背后是AI？

  • 你的社区是否聚集了

  一群充满热情的“信徒”?

Midjourney成功证明了，在一个技术开源的领域，卓越的用户体验和社区文化可以战胜技术上的“更优越” 。

在AI生成内容泛滥的时代，一个有“灵魂”、有主张、以人为本的产品，才是最稀缺的资源，也是最坚固的壁垒 。

请把一半的精力从研究模型，转移到研究用户身上。

3.别全信“干爹”，要学会“自立”

平台风险，是悬在每一个Agent创业者头上的达摩克利斯之剑 。

你必须清醒地认识到，你和平台之间是共生关系，但绝不是牢不可破的盟友。

今天你赖以生存的API，明天可能就成为终结你的新功能。

因此，从第一天起，就要有“自立”的意识。

不要把所有鸡蛋都放在一种模型一个篮子里。架构应该能够灵活地切换和调用来自其他优秀供应商的模型。

积极关注并尝试集成高性能的开源模型。这不仅能降低长期成本，更能让你摆脱对单一供应商的绝对依赖。

创业就是一场10%和90%，分子和分母的游戏，

不因为是Agent就会被游戏规则的制定者所怜悯。

敏锐目光，跑得快，有独门利器，都是能存活下来的关键。

我是歪睿老哥，一个喜欢写作的架构师，著有《芯术：算力驱动架构变革》一书，讲述算力芯片在个人计算，光影计算，人工智能，云计算，移动计算等不同算力场景下，CPU, GPU, NPU, TPU等芯片架构等相爱相杀的发展历程和技术架构。