【经管大课堂·AI经管实践】壁垒在产品层：一场关于大模型护城河的对话

案例背景

据第一财经11月8日报道，在一场公开对话中，围绕“大模型的护城河究竟在哪里”这一命题，张亚勤向清华大学交叉信息研究院助理教授姚顺雨发出追问。这一问题看似简单，实则指向当前AI产业最焦虑的命题：当各家大模型的基准测试分数差距不断缩小、能力彼此逼近时，真正能让一家AI公司长期立足的竞争优势究竟是什么？

姚顺雨的回答干脆而鲜明：AI的壁垒在产品层。这一判断将讨论的焦点从“模型能力竞赛”拉回到“产品价值竞赛”，也把学术界与产业界长期关注却始终悬而未决的问题摆上台面——在基础模型能力快速外溢甚至趋于同质化的时代，AI企业靠什么建立难以被复制的优势？这场对话虽短，却为理解AI产业竞争格局的演化提供了极具启发性的框架。值得注意的背景是，这场对话发生之时，大模型行业正处在能力竞赛与商业变现的十字路口：巨额算力投入尚未换来匹配的收入增长，投资者与从业者都在寻找那个能够解释为什么有的AI公司值钱、有的不值钱的答案。壁垒在产品层给出的正是这样一把钥匙——它把讨论从技术参数表拉回到商业常识。当然，判断壁垒所在并不等于否认模型层的重要性——产品层的护城河必须建立在合格的模型能力之上，问题只在于：模型能力正在成为人人可得的公共品，而产品层优势才是企业私有且难以复制的那部分。

核心分析

一、从模型能力层到产品体验层：竞争主场的迁移

AI产业的竞争逻辑正在发生结构性变化。过去几年，领先大模型的发布往往能形成明显的性能代差，模型能力本身即是护城河。但随着开源生态的繁荣、算力扩散与训练方法的趋同，GPT等顶尖模型的能力正快速“商品化”：基准分数不再是稀缺资产，模型之间的差距从“能用与不能用”缩小为“好用与很好用”。当能力层趋同，竞争的主场便向产品体验层迁移——谁能把模型能力转化为用户愿意反复使用、深度依赖的产品，谁就掌握了竞争的主动权。这与云计算产业的发展轨迹颇为相似：当算力本身不再稀缺，赢家是那些把算力封装成易用服务的公司，而不是拥有最大机房的公司。对管理者而言，这一迁移意味着资源配置的重新排序：如果模型能力可以通过调用API获得，那么企业自建的核心竞争力就应放在场景理解、交互设计与用户运营上——这些恰恰是模型本身无法自动生成的东西。

二、产品层护城河的三个构成：工作流、数据飞轮与迁移成本

产品层的壁垒并非虚无缥缈，而由可识别的要素构成。其一是工作流嵌入：AI产品一旦深度嵌入企业的报销流程、文档协作或客户服务系统，替换它意味着重构整条业务流程，阻力远大于换一个聊天窗口。其二是数据飞轮：用户使用产品产生反馈数据，反馈数据优化产品体验，更好的体验又吸引更多用户，形成竞争对手难以在短期内追赶的正循环。其三是用户迁移成本：包括使用习惯、历史数据积累、团队协作网络乃至组织内培训投入，这些“沉没”在使用过程中的价值，构成了比价格战更坚固的留存屏障。三者叠加，使得产品层的优势一旦建立，其稳定性反而可能超过单纯的模型领先。更微妙的是，这三项要素之间存在相互强化的关系：深度的工作流嵌入带来高频使用，高频使用产生数据，数据反哺体验，体验又提高迁移成本——护城河因此是一点点滚出来的，而非一次性建成。

三、价值分配与产学研衔接：壁垒之争的深层含义

姚顺雨的判断还隐含着对产业链价值分配的洞察：如果壁垒在产品层，那么价值分配的天平将向应用厂商倾斜，基础模型厂商可能沦为“智力的电力公司”——不可或缺，却难以捕获超额利润。这解释了为何头部模型厂商纷纷向下延伸做终端产品、构建自家应用矩阵。同时，这场对话本身也展示了学术研究与产业落地的衔接方式：姚顺雨出身清华大学交叉信息研究院，却对产业竞争格局有着清晰的判断，说明AI时代的前沿研究已不能只在论文指标中自证价值，而必须回答“技术如何变成生意”的问题。研究者与产业实践者之间的这种直接对话，正在成为知识双向流动的新通道。从更宏观的视角看，壁垒之辩还关系到整个生态的健康程度：若价值过度集中于产品层，模型层的持续投入可能因回报不足而萎缩，最终反噬应用层的创新能力；理想的格局是模型与应用各守其利基、共享价值链。

管理启示

其一，AI创业团队在立项之初就应回答“你的壁垒在模型还是产品”——若答案在模型，需要清醒评估能力商品化的速度；若在产品，则要明确工作流嵌入与数据飞轮的构建路径。其二，成熟企业引入AI时，应优先选择能嵌入现有工作流、积累业务数据的方案，而非追逐分数最高的模型，因为切换成本与数据资产才是长期价值的来源。其三，模型厂商与应用厂商应尽早明确价值分配的边界，避免在“做模型还是做产品”之间摇摆导致两头落空。其四，对研究者而言，把研究问题锚定在产业真实痛点上，其成果的扩散速度与影响力将远超单纯的论文产出。

其他思考

1. 如果产品层才是壁垒，开源大模型生态的繁荣对基础模型厂商究竟是威胁还是机会？
2. 数据飞轮在AI产品中的边界在哪里？当用户数据涉及隐私与合规约束时，飞轮还能转起来吗？
3. 传统行业企业在采购AI产品时，应当如何评估供应商“产品层壁垒”的真实性，避免被演示效果误导？

关键词：大模型护城河、产品体验层、数据飞轮
来源：第一财经 | 整理：经管大课堂