你的商业模式是否可行？这6个问题无法回避

对AI领域的创业者来说，一方面需要关注大模型技术指标，另一方面又需要考虑产品形态及商业模式——而后者，对于想要可持续发展的企业而言，可能比前者更为重要。

《清华管理评论》一篇文章的作者提出了“蛋糕模型”，从6个任何一家AI企业在成立与发展过程中都无法回避的问题出发，帮助创业者来更好地判断自己的商业模式。

Anthropic的研究负责人Jordan Fisher（他也是一位连续创业者，曾在OpenAI与DeepMind从事安全与模型评估工作）在近日的一期播客中也提到，当产品进入可商用规模后，AI企业的创始人需要重新思考若干个战略层面的根本问题。

这些内容在关于“AI企业的商业模式与可持续发展”方面很具前瞻性和针对性，我们梳理了他们的一些重要观点，希望能对各位读者有所帮助。

问题一：自身的价值空间

“蛋糕模型”：

蛋糕是否存在？

价值空间问题可进一步拆解为两个子问题：

第一，该产品是否创造了价值？即是否在一些明确的场景下满足了用户需求；

第二，该产品创造的价值存在于已有市场还是新市场？即产品是抢夺存量还是创造增量。

很多大模型产品的设计是为了帮助企业提高简单重复工作的生产效率、节约人工成本，即抢夺现有的蛋糕。然而，仅凭这些价值是否能支撑起更大市场，仍需进一步讨论。

Jordan Fisher：

你的公司是在“构建智能”，还是在“租用智能”？

当前AI创业最大的盲点是：太多公司仅仅在“调用”模型，而不是“构建”自己的智能能力。真正的差异化，不在模型参数，而在学习回路。只有当团队能在数据、反馈和用户交互上形成闭环，智能才属于你自己。

“租来的智能让你快速行动，但养成的智能让你稳步成长。”AI创业的根本是拥有自己的反馈循环。

你是否准备好成为“社会基础设施”？

当你的AI被数百万人使用时，它已不只是产品，而是社会基础设施。

当AI触达社会底层，它就不再是中性工具：模型输出会影响教育、就业、舆论；错误信息可能被放大；算法偏见会改变社会分配……

因此，创始人必须重新定义自己的责任，以“公共服务心态”设计系统，而非仅仅追求利润。

问题二：实现价值空间的切入模式

“蛋糕模型”：

切蛋糕的角度是否正确？

真正“锐利”的大模型产品的模式能够找到最合适的角度精准地命中用户痛点需求，让用户真正愿意为之买单。

什么才是真正“锐利”的产品形态与商业模式？看看ChatGPT——它对话式的产品模式以一种最直观、最简单易懂的产品形态，让大众对生成式大模型的能力迅速产生了强烈的感触与认知，让全世界对大模型产生了极强的兴趣与信心。

企业的产品形态与商业模式只有匹配到目标用户的某种刚需场景，才能找到“锐利”的产品与商业模式，用正确的角度切入目标价值空间、吃到市场蛋糕，才有机会逐步实现盈利。

Jordan Fisher：

你在训练模型，还是在训练人？

我们常说模型会学习，但忽视了人也在被训练。创始人必须意识到：产品的交互逻辑会塑造用户行为。例如，当语言模型不断强调“快速答案”，用户会逐渐失去提问耐心。

你不仅设计UX，还在设计思维习惯。AI创业者应思考如何让系统帮助人更好地思考，而不是只追求效率。

“好的AI让人更像人，坏的AI让人更像机器。”

你的团队是否具备跨学科视角？

AI创业不是纯技术问题。未来最强的团队一定是跨学科的——既懂ML（机器学习） ，也懂心理学、社会学与设计。人文科学是AI时代的新工程学。

AI公司的核心竞争力，不是代码量，而是理解人的能力。因此建议创始人引入哲学顾问、社会学顾问进入早期顾问组，让决策更全面。

“如果团队里没有不同声音，你的模型注定会单一。”

问题三：足够的资源和壁垒

“蛋糕模型”：

能否抵御其他人抢蛋糕？

企业基于价值空间找到“锐利”的产品形态与商业模式，并不意味着就能顺利吃到蛋糕，还需要考虑如何建立足够高的壁垒以抵御市场上其他竞争者前来争夺同一块蛋糕。

不少AI产品实际上是主流大模型的套壳应用，它们大大降低了大模型产品在垂直领域的使用门槛，将只具备通用能力的大模型改造成拥有专用能力的工具。但随着大模型的技术不断升级，其通用能力的溢出往往会覆盖部分专用能力。

Jordan Fisher：

你是否在构建“防御力”，而不仅仅是速度？

没有防御力的速度，只是自我消耗。当前的AI竞赛容易让团队陷入“发布焦虑”，忽视防御力。

在模型层面，防御力是反馈数据；在组织层面，防御力是文化。我们常见的失败有两类： 技术领先但无反馈系统（用户流失）；产品成功但文化崩塌（伦理丑闻）。

“速度是一种策略，防御是一种结构。”真正优秀的公司在冲刺中仍保留审查机制。

你的增长假设是否可持续？

很多AI公司早期增长惊人，但长期留存极差。原因在于他们的增长来自“技术新鲜感”，而非持续价值。

所以，创始人要从一开始就问：当新模型出现，我的用户为什么不离开？我的数据飞轮能否自我强化？

真正的护城河，是不断积累的真实使用数据，而不是短期媒体热度。增长是副产品，不是目标。

“AI公司不怕慢，只怕空转。”

问题四：盈利模式

“蛋糕模型”：

吃蛋糕的投入产出是否合理？

简单来讲，企业盈利模式中定价方式可分为两极：

● 成本加成定价，即在产品研发成本基础上设置一定比例的利润加成，以成本为定价的来源。

● 价值分享定价，即企业作为产品提供方，以产品的实际使用效果、给客户带来的收益为基础按比例收费，盈利水平与产品创造的绩效直接挂钩。

一般企业的定价会在这两级之间找到一个平衡点。影响这个平衡点的一个重要因素是市场的竞争性。如果长期缺乏清晰、可持续的盈利模式，被迫卷入价格战，未来很可能会有许多AI公司难以维持生存。这是AI 企业未来迫切需要化解的核心挑战之一。

除盈利模式外，企业还应考虑大模型的成本控制问题。除了高昂的训练成本，AI企业还可能面临更多矛盾问题——由于AI产品在实际应用过程中存在很强的易变性与不确定性，AI企业（以及AI工具使用方）会面临除了可见成本之外的诸多未知成本，而这对企业的制约成本可控性提出很大挑战。

问题五：生态协助

“蛋糕模型”：

是否有人协助你吃到蛋糕？

一个新技术要实现市场普及，往往需要得到一个生态价值链的配合，让生态中的其他参与者不断应用这项技术，进而营造一个技术可持续迭代、能够实现商业价值的闭环。

为此，硬科技企业必须找到一个“能够让企业稳定运营、让技术在应用场景下不断迭代的生态”，这个过程正是商业模式创新的工作。通过商业模式创新，硬科技企业能够创造一个新的细分赛道、构建一个新的生态系统、选择利益相关者并得到多方配合，以此设计出可以释放足够价值的交易结构，这样才有机会成功。这个道理同样适用于AI企业。

当产品足够成熟时，便有机会催生出一个全新的生态以彻底颠覆原有的价值链条，以更大的规模实现自身的商业价值。

问题六：安全与开放

“蛋糕模型”：

蛋糕食用起来安全吗？

安全风险中受市场以及监管最为关注的是大模型的数据泄露风险。

一方面，大模型各项组件可能存在受攻击漏洞以及数据权限漏洞，导致无意间透露敏感信息或者产生未经授权的数据访问，这会产生大量客户数据泄露的风险；

另一方面，目前大模型产品可能会被攻击者精心设计的提示词操控，容易在人为的诱导与欺骗下泄露大模型使用方的机密数据。此外，大模型也会面临幻觉带来的应用风险。

Jordan Fisher：

你的核心资源：算力、数据，还是信任？

在AI时代，最稀缺的不是算法，而是信任。数据可被复制，算力可被租用，只有信任无法外包。

建议创始人早期就确立价值边界：如何处理用户隐私、如何解释模型决策。“用户不会因为你聪明而留下，只会因为你可信而长期使用。”

Anthropic内部有一条准则：所有功能上线前必须回答3个问题：

①我们是否愿意公开解释它的行为？

②用户是否能理解决策来源？

③最坏情况下是否仍符合社会预期？

AI产品的核心壁垒是可解释性带来的信任，而非闭源。

谁在为你的模型决策负责？

AI系统的决策责任问题正在成为伦理核心。

每一个AI输出，背后都隐含一个人的判断。所以创始人必须明确责任链：谁能改模型、谁能审核、谁对偏差负责。

Anthropic通过建立内部“责任日志”、要求每个模型变更都记录“影响假设”以及设置伦理review与外部顾问来完善决策。这些流程听似繁琐，却让团队在快速迭代中保持警觉。

“透明不是约束，而是加速学习的手段。”

如果模型出错，你是否能解释原因？

可解释性是AI安全的前提。大部分团队在模型出错时只做热修复，而非系统分析。所以建议建立“事后可追溯机制”：记录输入、版本、上下文，复现路径——任何输出都要能解释到责任人和训练数据。

可解释性不仅是合规要求，更是信任机制。当错误可被追踪时，用户就不会恐惧。

“不透明的系统，无法建立长期品牌。”

你如何平衡开放与防护？

AI安全与开放之间的矛盾，是所有创始人必须面对的现实。完全开源与完全封闭都不可持续。

“最健康的状态，是可控透明。”初创公司应该在早期就建立数据审计接口，为未来合规留空间。

“开放不是放弃控制，而是邀请监督。”

本文来自微信公众号“红杉汇”（ID：Sequoiacap），作者：洪杉，36氪经授权发布。