ChatGPT深夜放出王炸：“学习模式”上线，但真正该“学习”的，是投资人

北京时间昨日深夜，当华尔街的交易员结束了一天的喧嚣，陆家嘴的分析师正准备结束复盘时，一条看似“无关紧要”的科技新闻开始在小圈子里发酵：OpenAI正式向所有用户推出了ChatGPT的“学习模式”（Study Mode）。 

“哦，一个教育功能，利好教育，利空Chegg（美国一家在线教育公司）。”——这或许是90%的行业观察者，在扫过新闻标题后，头脑中闪过的第一个念头。市场波澜不惊，似乎这不过是AI巨头在众多产品线中，一次微不足道的优化。 

然而，在表面的平静之下，一股足以重塑科技产业格局的暗流正在加速涌动。 

如果我们仅仅将其理解为对教育行业的“小打小闹”，那将犯下致命的战略误判。这不仅仅是一次功能更新，它是一个清晰的、不加掩饰的战略信号，揭示了OpenAI乃至所有基础大模型厂商的终极野心：从一个提供能力的“水平工具平台”，高速进化为一个通吃所有“垂直行业解决方案”的终极整合者。

一个精心设计的“认知训练场”

让我们先回到功能本身，仔细审视这个“学习模式”。 

它彻底颠覆了我们对ChatGPT“有问必答”的固有印象。开启该模式后，它不再是那个知识渊博、即时响应的“答案引擎”，而是摇身一变，成为了一位严谨、循循善诱的“苏格拉底式”私人教练。 

例如：你让它为你策划一份商业计划书，它不会生成模板，而是会引导你：“一个成功的计划始于清晰的目标。我们先来定义一下，你的核心产品是什么？目标客户是谁？你希望在第一年实现的关键指标又是什么？” 

看到了吗？它的核心不再是“给予”，而是“引导”。通过个性化的提问、反馈和启发，它旨在训练用户的独立思考和批判性思维能力。 

这一招，精准而优雅地打击了在线教育（EdTech）行业的心脏。像Chegg、Quizlet、甚至Coursera这类公司，它们的核心价值是什么？是结构化的知识库、个性化的学习路径和交互式的练习体验。 

而现在，ChatGPT用一个功能，就将这种曾经需要耗费巨资研发的“个性化教学体验”几乎免费地提供给了全球数亿用户。 

“我们花了十年时间，投入了数亿美元，才建立起我们的互动题库和学习反馈系统，”一位不愿透露姓名的EdTech上市公司高管在硅兔君组织的闭门会议上坦言，“而ChatGPT似乎一夜之间就拥有了无限的、能覆盖任何学科的‘超级导师’，这让我们感到不寒而栗。” 

但如果说，颠覆一个千亿美金的教育市场只是“前菜”，那么接下来的战略图景，才是真正的主餐。 

“吞噬一切”的平台野心

“学习模式”的真正可怕之处，在于它揭示的战略范式转移。 

在过去两年，我们对大模型的普遍认知是“赋能者”。它像水和电一样，是一种新型的生产力要素，可以“赋能”千行百业。无数SaaS公司欢欣鼓舞，纷纷推出“AI-Powered”的新功能，股价也因此一飞冲天。 

然而，“学习模式”的出现，无情地戳破了这个美好的幻想。它证明了：当底座模型的能力强大到一定程度时，它就不再满足于“赋能”，而是会亲自下场，“吞噬”那些原本由应用层提供的价值。 

这在科技史上并非孤例。微软当年将IE浏览器捆绑进Windows操作系统，直接扼杀了曾经不可一世的网景（Netscape）。苹果在iOS中内置了地图、音乐、播客等应用，也极大地压缩了第三方开发者的生存空间。 

历史总是相似的。今天，OpenAI正在做同样的事情，但其波及范围将远超前人。我们可以做一个简单的、但足以让所有SaaS投资者警醒的推演：今天，它叫“学习模式”，是为了“更好地学习”。 

明天，它完全可以推出“投研模式”。想象一下，你将一家公司的近十年财报、所有高管的电话会记录、以及最新的行业研报全部喂给它，它生成的不再是简单的总结，而是一份包含深度财务分析、潜在会计风险提示、以及基于不同宏观假设的估值模型。这会让多少金融数据终端和分析软件黯然失色？ 

后天，它可以上线“诊疗模式”。通过对海量医学影像和病历数据的学习，它能为医生提供极高精度的辅助诊断建议，直接挑战那些昂贵的医疗影像分析软件。 

未来，还会有“法务模式”、“营销模式”、“代码审查模式”…… 

这个逻辑链条的核心是：所有以“人机交互”和“知识处理”为核心的软件服务，其根基都在被动摇。 过去，SaaS公司的护城河在于其对特定行业工作流（Workflow）的深刻理解和软件实现。 

而现在，大模型可以直接通过对海量行业数据的学习，绕过这些固化的工作流，提供更智能、更动态的解决方案。 

这就引出了所有二级市场投资者必须直面的灵魂拷问。 

投资者的灵魂三问

面对这场由AI平台发起的“价值链重构”，任何固守旧地图的投资者，都可能迷失方向。我们必须抛弃过去的思维定势，从三个根本问题上重新审视我们的投资组合。 

第一问：你投的公司，还剩下什么？

在AI平台“吞噬一切”的背景下，传统SaaS公司的护城河正在快速蒸发。 

交互体验？ 当自然语言成为终极交互界面，精心设计的UI/UX优势还剩多少？ 

功能矩阵？ 当大模型能通过简单的指令，动态组合和生成功能时，固化的功能列表还有多大意义？ 

数据壁垒？ 当合成数据技术日趋成熟，独占数据的价值是否会被稀释？ 

我们需要重新评估，一家科技公司的核心壁垒，究竟是沉淀在软件代码里，还是体现在那些无法被AI轻易复制的东西上——比如，强大的线下销售网络、深度的客户信任关系、独特的硬件整合能力，或是真正受法律保护的独家数据。 

第二问：钱，最终会流向哪里？

当价值链被重构，利润分配也将随之改变。一个清晰的趋势是，利润正在从应用层（各类SaaS公司）向平台层（OpenAI, Google, Anthropic等基础模型提供商）高度集中。 

未来，大量SaaS公司的毛利率和盈利能力将面临长期压力。作为投资者，我们必须警惕那些严重依赖第三方大模型能力，而自身缺乏议价能力的公司。相反，我们应该去寻找那些能从这场变革中获益的“收费站”。 

第三问：谁是新时代的赢家？

当然，每一次范式转移，在摧毁旧秩序的同时，也在创造新机会。除了平台本身，谁会是这场“智能化浪潮”中的新“卖铲人”？ 

算力仍是基石：NVIDIA的地位短期难以撼动，但新的机会可能出现在专用AI芯片（ASIC）、光子计算、存算一体等更前沿的硬件创新上。 

高质量数据服务：大模型需要“喂养”，能提供高价值、经过精细化标注的专有数据（如医疗、法律、金融）的公司，将拥有极强的议价能力。 

模型安全与合规：随着AI渗透到关键领域，“AI审计”、“模型可解释性”、“对抗性攻击防御”等服务将成为刚需，催生全新的赛道。 

边缘计算与模型压缩：将庞大的模型高效部署到终端设备（如手机、汽车、物联网设备）上，这个领域的工程技术挑战巨大，也蕴藏着巨大的投资机会。 

本文来自微信公众号“硅兔君”，作者：硅兔君，36氪经授权发布。