随着 AI 大模型的能力越来越强，越来越多人开始担心，应用还有存在的价值吗？
人人都是开发者，软件按需生成就好了，还需要应用吗？
英伟达 CEO 黄仁勋在今年年 4 月发表了一篇博客《AI Is a 5-Layer Cake》， 将 AI 行业划分为五层：能源、基建、芯片、模型、应用。
我们不妨探讨一下这 5 层最终会如何演进。
能源
AI 耗电巨大，因为它需要规模庞大的算力工厂。
中国的能源并不富足，但好消息是，中国在电力领域拥有巨大的竞争优势。
中国的光伏、风电、特高压、储能等领域遥遥领先，发电量和用电量增长迅速、供应稳定、且价格便宜。
电力是典型的无差异化服务，最终比较的只是价格。不同能源提供的电力，只有价格差异。
为什么 DeepSeek 要大老远跑到内蒙古乌兰察布建设数据中心？最重要的原因之一，就是那里的电价更便宜。
基建
中国的基建能力首屈一指，号称基建狂魔，拥有各种让人叹为观止的基建项目。
建设数据中心，对于我们来说，并非难事，现在缺的只是芯片。
美国建设数据中心的时间和成本大概是中国的 2 ～ 3 倍。
中国在能源和基建领域领先美国，是黄仁勋说的。
如果中国的能源和基建能够维持竞争优势，那么长期来看，中国的 token 成本必然比对手更加便宜，这是物理定律，是第一性原理，也是应用开发者的机会。
芯片
芯片领域，美国遥遥领先。
英伟达市值高达五万亿美元，其股票自 ChatGPT 发布以来已经涨了 13 倍，成为 AI 时代最大的赢家。
但是，英伟达帝国的天空，有两朵乌云：
其一，在推理芯片领域，玩家越来越多。虽然大家训练大部分情况下用的还是英伟达，越来越多人使用其他家的芯片用于推理。随着推理芯片市场的竞争越来越激烈，大家开始比拼性能参数，推理芯片正在迅速商品化。根据智谱最近发布的技术博客，其最新 GLM-5.3-Flash 模型部分运行在 10 万卡的国产推理芯片集群，如此大规模的应用说明国产 AI 芯片已经相当成熟了。最新消息是，DeepSeek 计划使用昇腾训练下一代模型。
其二，随着 AI 编程能力越来越强，CUDA 生态系统的护城河正在被蚕食。以前开发软件的成本高，没有人有能力重建一套生态系统，但是 AI 是做得到的，并且 AI 极其擅长这种重复机械的工作。当然，这依然是一件极具挑战的事情，因为它不只是要复制 CUDA，而是要复制整个 CUDA 生态系统。
或许很难有一家公司能够完全打败英伟达，它依然可以过得很好，但是也很难像今天这么舒服。
模型
在大模型领域，OpenAI 和 Anthropic 依然保持领先。
同时，国产开源模型紧随其后，拥有 DeepSeek、Qwen、Kimi、GLM、MiniMax 等众多种子选手，你方唱罢我登场，竞争相当激烈。
事实上，AI 能力已经过剩了。现在的问题并不是模型能力不够强，而是我们远远没有利用到模型能力的上限。我们有太多场景、太多工作本来可以让 AI 去做，只是 AI 发展太快了，以至于我们还没有时间探索。
OpenAI 和 Anthropic 的商业模式有个 2 个致命的问题：
其一，OpenAI 和 Anthropic 烧得钱实在太多了。根据 Minimax 创始人闫晟杰的说法，"美国真正能做大模型的其实只有四家公司——谷歌、OpenAI、Anthropic 和 xAI。这些公司估值可能是中国公司的 100 倍，但是技术就领先 5%，投入可能在 50 至 100 倍之间。"，这是让人绝望的 ROI 差距。Anthropic 据说已经赚钱了，将于 11 月上市，届时我们可以看到具体的财务信息。OpenAI 大概是亏得钱实在太离谱了，今年不会上市了。为什么 Anthropic 超过了行业先行者 OpenAI ？因为前者更加聚焦、财务上更加稳健，并且率先找到了编程这个最赚钱的 AI 应用场景。正因为 OpenAI 和 Anthropic 的投资规模远远大于中国大模型公司，它们必须保持技术领先，否则上万亿美元的估值可以在一夜之间蒸发。
其二，OpenAI 和 Anthropic 都是闭源的，越来越多的公司将会选择开源模型，因为人们不愿意花钱把自己的数据拱手让人。微软 CEO 纳德拉今年 7 月份发表的《The Reverse Information Paradox》，讲的就是这个问题。越来越多公司会更加在意自己的数据安全，不会把自己的命运全部交给闭源模型公司。最精彩的案例就是， Cursor 被它的两大供应商给背刺了（只能说 AI 编程的市场太太太大了！我做的就是 AI 编程，想加入的可以欢迎联系！）
还有一个更重要的问题，OpenAI 和 Anthropic 的领先优势，会不会大部分是因为 Scaling Law？它们的芯片更多更新先进？数据更多质量更高？参数规模更大？如果是这样的话，它们是没有护城河可言的，被赶上来只不过是时间问题。
正如那篇知名的 Google 内部备忘录的标题所预言的那样，《We Have No Moat, And Neither Does OpenAI》。
大模型正在迅速商品化，token 会变得和电力一样的普通服务，人们只在乎性价比。各家大模型会有所不同，但是并不会存在多大的溢价。
大模型公司最终竞争的并不是谁的模型更聪明，而是谁的模型的性价比更高，谁能以最便宜的价格提供相应的智能水平。
关于大模型的竞争，梁圣的话应该很有说服力：
中美AI的差距主要在资源上。我们相信 Scaling ，肯定是规模越大，效果越好。训练这么大的模型，并不是因为我觉得这么大的模型就够了，而是只有这么多资源。
应用
能源、基建、芯片和模型或多或少正在迅速商品化，大家去卷性价比，最终的结果是，同样智能水平的 Token 会越来越便宜。
同样 200 美元，我们现在能购买的 Token 是不是比半年之前更强了？可以完成的事情更有价值了？
随着 Token 成本越来越低，最终受益者当然就是应用。作为应用开发者，自然选择性价比最高的 Token 为用户提供服务。
很多人会说，既然 Token 这么便宜，那么复制应用也很简单啊，应用开发者也会陷入内卷。
这是一个似是而非的观点：
其一，应用天然接近用户，而用户需求天然是差异化的，不同应用需要为不同用户提供差异化的服务。所以，应用层是天然可以差异化，也能够差异化的。微信已经取代了 QQ 的核心功能，那为什么 QQ 依然维持着非常庞大的用户规模？为什么拼多多可以在电商战争看起来已经结束的时候，一夜之间崛起？其根本原因在于，那些看起来一样的应用，其背后的差异化是非常大的，只是大部分人无法理解这些差异罢了。
有些人似乎无法理解或接受细微差异所具有的重大意义。王兴
其二，应用会变得非常碎片化。同一个领域，每 1 万个付费用户，可能就需要一个不同的应用。因为用户需求是差异化的，以前大家勉强用同一个应用，那是因为没得选。现在，AI 编程的成本足够低，需求可以满足了。或者说，每一个一人公司（One Person Company ，简称 OPC ），只需要找到并满足 1 万个付费用户的需求就够了。为什么不同的运动爱好者要使用同一个健身 APP 呢？其实每一种运动都可以有自己的 APP。为什么每一个城市都要有自己的政务 APP 呢？因为每一个地方的城市服务是差异化的，当然觉得大部分政务 APP 没做好且烧的钱太多，那是另外一个话题。
To make a living as a craftsperson, photographer, musician, designer, author, animator, app maker, entrepreneur, or inventor you need only thousands of true fans. 《1000 true fans 》Kevin Kelly
其三，除非一次性的工具型应用，开发完成就结束了，大部分应用是有生命周期的，是需要迭代的，如果 A 打算复制 B，像素级抄袭，时间长了，两个产品必然会往不同的方向演进。因为开发者不一样、用户不一样、技术方案不一样、取舍不一样、成本不一样。安卓和 iPhone 看起来差不多，互相学习了将近 20 年了，你觉得它们一样吗？
其四，功能和页面可以抄，后台的数据和服务怎么抄？有了 AI， 同一个应用可以为不同用户下发不同的功能、页面、数据、Skill，这些都可以是动态且不断变化的，你怎么抄？魔高一尺，道高一丈。AI 降低了抄袭成本，也可以提高抄袭门槛。不是说有了 AI ，应用开发就 Game Over 了。
其五，未来，应用之间的差异化和护城河不在于用户看到的功能和页面，而是背后看不见也抄不到的数据和研发体系。谁的研发体系 AI 程度越高、迭代速度越快、数据更丰富、更懂用户，谁的竞争优势更大。看得到的应用只是露出海面的冰山一角，海面下的东西既看不到也无法抄袭。
其六，AI 的残酷性在于，它远非一个公平的游戏，相反，它会极大地放大个体之间的差异。不同的应用开发者，或许使用的是同样的 AI，但是这绝不意味着它们拥有了同样的超能力。一个善于使用 AI 的人，其工作效率和创造的价值可能是其他人的 1 倍、10 倍、100 倍、1000 倍乃至 10000 倍。AI 应用的竞争，归根结底是人与人之间的竞争，能一样吗？
正如腾讯首席 AI 科学家姚顺雨所说："我不认为 ChatGPT 和 Claude Code 会是唯一的超级 App，我觉得那是一个非常灰暗的世界"。
AI 会让应用变得更加精彩，而不是更加灰暗。
当然，这并不意味着，有了 AI 之后，做出一款成功的 AI 应用是一件简单的事情。事实恰好相反，开发 AI 应用与开发互联网产品一样，依然是一件失败率远大于成功率的事情。因为 AI 只是解决了编程这一个问题，而编程只不过是产品开发中占比很小的一部分。当然，这是另外一个话题，下次再聊。
参考资料
《AI Is a 5-Layer Cake》 《The Reverse Information Paradox》 《1000 true fans 》 《We Have No Moat, And Neither Does OpenAI》
《Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure》