随着几位AI产业大佬集体呼吁延缓前沿模型开发、并将目光聚焦于网络安全，AI基础设施的竞争格局基本确立。格局的稳定意味着各方地位的确认，未来在AI硬件上的发展方向、投入力度乃至定价的确定性将增强，但同时也意味着单靠模型参数堆砌的想象空间已然收窄。这对整个产业而言并非坏事——在所有相关人士的主动呵护下，产业或许可以平稳渡过类似互联网泡沫期的狂热阶段，将资本接力棒交到下一个层级。
模型竞争见顶后，AI产业接下来拼什么？从近期的产业动向与企业实践来看，竞争的焦点正从“谁的模型更聪明”转向“谁能把AI真正用起来”。
一、模型能力出现“过剩”，竞争重心转移
过去两年，AI公司比拼的是参数更大、跑分更高。但如今，前沿模型的能力已经出现一定程度的“过剩”。科技分析师Ben Thompson指出，模型越来越强，但用户的场景根本消化不了这么多能力。
最典型的案例是Meta推出的个人AI助手Muse。它并未采用最顶尖的模型，但上线六天在美国iOS下载量就超过90万次，将ChatGPT挤下免费榜第一。这说明用户真正需要的并非“最聪明的AI”，而是“能帮我把事办完的AI”。
a16z合伙人Martin Casado的判断更为直接：随着算力供给放开、开源模型成熟，AI产业链的价值将面临重新分配。应用层将拿走越来越多的份额，模型厂商的利润空间会被侵蚀。简言之，“卖模型”这件事，正变得越来越不赚钱。
二、AI实验室被迫“下沉”，但未必能赢
模型日趋同质化，仅靠卖模型难以拉开差距，OpenAI和Anthropic等实验室开始向应用层延伸。OpenAI在招揽医疗、金融、保险、制造等行业的专家，试图从通用模型转向行业应用；Anthropic则通过Claude Code等工具横向扩张，锁定客户。两家公司甚至不约而同地联合顶级私募基金，成立专门帮企业部署AI的合资公司，派员驻场，将AI深度嵌入企业核心业务。
但这并不意味着模型厂商能轻易主导应用层。原因有三：其一，垂直行业高度分散，医疗、法律、制造各有各的玩法，无法一招通吃；其二，行业知识具有高度隐性特征，许多关键经验和数据沉淀在一线业务中，难以被标准化提取，这是模型厂商难以触达的壁垒；其三，AI研究员与行业专家的思维方式和语言体系差异巨大，沟通成本极高。这意味着，模型可以随时更换，但深耕行业的工作系统难以替代。
三、企业落地卡点：不是“算不过账”，而是“不敢用”
一个有趣的现象是，企业在讨论AI落地时，投资回报率反而成了最不重要的话题。德勤中国的调研显示，48.5%的企业反馈AI项目的实际回报低于预期，44.4%的企业根本算不清AI到底带来了多少回报。于是，企业干脆把AI预算独立出来，不等回报算清楚就开干——驱动力不是“算得过账”，而是“竞争对手在干，我不干就落后”。
那么，真正的落地卡点在哪里？合规和安全。
德勤报告显示，近四分之三的企业计划在未来两年内部署AI智能体，但仅有21%的企业建立了完善的治理体系。全球调研也发现，只有38%的企业制定了正式、全面的AI管理制度。企业AI试点项目中只有10%至15%最终真正部署，其余大多卡在治理、合规和智能体安全上。
相比之下，金融服务、保险、医疗、法律等行业跑得更快。因为这些行业有清晰的政策、合规要求和规则体系，AI更容易“学会”并适应。例如在金融领域，Anthropic的金融业务已占其年度经常性收入的25%，并预计2027年有望超过编程，成为其最大的垂直市场。
四、商业模式巨变：从“按人头收费”到“按结果收费”
专家预测，未来12个月内，智能体可能颠覆后台和IT外包；12到24个月内，智能体市场可能取代传统SaaS。所谓“取代SaaS”，简单来说，过去是按人头购买软件，未来是按AI帮你干了多少活、赚了多少钱来付费。
这种“按结果定价”的转变已经在发生。Salesforce CEO Benioff表示：“我们不只是想说‘完成了这么多通话，所以收2美元’，我们希望能说‘我们帮你提升了这么多收入，所以收2美元，因为我们帮你赚了20美元’。”Zendesk已经转向按问题解决次数收费，编程助手Cognition甚至承诺：如果没能给客户交付等值于付费金额的工程成果，最高赔偿1000万美元。据预测，按结果定价的市场规模到2035年可能达到1.05万亿美元。
总结：模型见顶后，拼的是这四件事
综合来看，AI产业的竞争逻辑已经发生根本性转变，未来将围绕四大核心能力展开角逐。
第一，拼行业理解。谁更懂金融、医疗、法律的具体业务，谁就能把AI用对地方。行业隐性知识是模型厂商拿不到的壁垒。
第二，拼合规能力。企业不是不想用AI，而是不敢用。谁能帮客户解决安全和治理问题，谁就能拿下订单。
第三，拼商业模式。按结果收费取代按人头收费，AI供应商和客户的利益绑得越紧，越有竞争力。
第四，拼工作流重塑。企业竞争的重点正从“用没用AI”转向“有没有用AI重新设计工作流程”。把AI装进原有流程只是提效，用AI重构流程才是转型。
一言以蔽之：发动机已经够用了，接下来拼的是谁更会造车、更懂路况、更能让乘客愿意一直坐下去。这或许就是接下来AI投资的核心主题。
