为什么前沿 AI 实验室选择出售 Token 而不是建立自己的公司

出售基础设施的战略逻辑

像 OpenAI 和 Anthropic 这样的前沿 AI 实验室优先选择出售模型访问权限（Token）而不是建立自己的产品公司，因为它们实际上是在淘金热中充当平台提供商。通过出售“铲子”——即底层智能，它们能够从广泛的生态系统中获取收入，而无需承担运营单个企业所带来的特定运营、监管和市场风险。这种方法使它们能够专注于模型开发这一核心使命，同时从多样化的用例中收集高价值数据。

业务执行的运营瓶颈

虽然 AI 模型在编程或文本生成等特定的、可验证的任务上表现出色，但它们目前缺乏端到端经营企业所需的整体代理能力。成功的公司需要的不仅仅是软件；它们需要领域专业知识、人在回路的管理、合规性以及复杂的关系构建。正如一位观察家所指出的：“大多数产品和企业的失败是因为它们构建了错误的东西、需求不明确，或者市场契合度差。”AI 模型可以生成代码，但它们尚不具备应对市场准入和运营可持续性等多方面挑战的判断力。

平台经济学与风险规避

出售平台访问权限在本质上比在下游市场竞争风险更低。通过充当公用事业角色，这些公司避免了“同类相食”的问题——即直接与自己的客户竞争。此外，基于 Token 的商业模式提供了稳定的收入流，更重要的是，带来了海量的语义数据。这些数据形成了一个反馈循环，帮助实验室根据开发者和企业在实际应用中的使用方式来优化模型。

“出售 Token 是无风险的收入，因为它们在不承担任何商业风险的情况下，从每个应用程序中分得一杯羹，”一位行业观察家指出。 — @handle

垂直整合的未来

虽然目前的策略是提供基础设施，但有迹象表明前沿实验室正在向价值链上游移动。一些实验室已经开始更深入地整合到特定行业中，例如药物研发或企业安全，实际上充当了专业顾问的角色。这种转变反映了其他科技巨头的演变过程，它们通常先作为平台存在，然后再将成功的功能或垂直领域吸收到其核心产品中。

然而，这种扩张也存在重大的反面论点：

• 规模不经济： 一个组织在运营效率下降之前，只能管理有限数量的不同业务线。
• 监管审查： 激进地进入多个市场可能会引发反垄断担忧，并疏远那些为实验室持续增长提供数据和资本的合作伙伴。
• AI 的“锯齿状”本质： AI 的能力是不一致的；它们可能在一个领域表现出超人的能力，而在另一个领域却表现平平。依赖这些模型来运行关键的业务基础设施仍然是一场高风险的赌博。

归根结底，当前的策略反映了一种务实的认识：在技术快速变动的时期，最有价值的位置是拥有底层的智能层，让市场上的其他参与者去实验、去失败，并提供构建下一代模型所需的数据。