谷歌高管警示:LLM套壳与AI聚合器初创公司面临挑战

谷歌高管表示,LLM套壳和AI聚合器初创公司面临挑战,应构建差异化价值,看好氛围编程、开发者平台及生物气候技术。

原文标题:谷歌高管放话:这两类AI初创公司,别轻易涉足了

原文作者:机器之心

冷月清谈:

谷歌云高管Darren Mowry指出,LLM套壳和AI聚合器这两种商业模式的AI初创公司正面临困境。LLM套壳公司仅仅依赖大型语言模型,缺乏差异化竞争优势;AI聚合器试图整合多个LLM,但用户更倾向于内置知识产权的方案,而非简单的模型整合。Mowry建议初创公司应构建深且宽的护城河,专注于横向差异化或深耕垂直市场,并看好氛围编程和开发者平台,以及直接面向消费者的AI技术。他认为生物技术和气候技术也具有巨大潜力。

怜星夜思:

1、文章中提到了“护城河”的概念,你认为AI初创公司应该如何构建自己的“护城河”?除了横向差异化和深耕垂直市场,还有哪些其他的策略?
2、文章提到“氛围编程”和开发者平台是未来的趋势,你如何理解“氛围编程”?这种编程方式会给软件开发带来哪些变革?
3、文章中提到直接面向消费者的AI技术将迎来强劲增长,你认为哪些类型的AI应用最有可能在消费者市场爆发?为什么?

原文内容

图片
机器之心编译

这几年,随着以大语言模型(LLM)主导的生成式 AI 火爆,简直可以说是「隔几天出一个新公司」。


然而,随着市场格局趋于稳定,大家开始冷静下来发现,曾经被捧上天的两种商业模式,现在似乎不奏效了:


一种是「LLM 套壳」(LLM wrappers),另一种是「AI 聚合器」。


在最近一期 TechCrunch 的《Equity》播客节目中,负责谷歌云全球初创业务的副总裁 Darren Mowry 指出,以这些为卖点的初创公司,已经亮起了「引擎故障灯」。



先来了解一下什么是 LLM 套壳?本质上是那些在现有大语言模型(如 Claude、GPT 或 Gemini)之上包装一个产品或用户体验(UX)层,以解决特定问题的初创公司。例如,一家利用 AI 辅助学生学习的初创公司。


「如果你真的只是指望后端模型来完成所有的工作,而你几乎只是在对该模型进行白标化,那么这个行业已经对此没有多少耐心了,」Mowry 说到。


这意味着,仅仅在 Gemini 或 GPT-5 之上包裹一层「非常薄的知识产权」,并不会实现差异化。


他接着表示,初创公司若想进步与成长,就必须拥有深且宽的护城河,无论是横向差异化还是深耕垂直市场。


在这方面做的比较好的像由 GPT 驱动的 AI 编程助手 Cursor,它在 2025 年底筹集到高达 23 亿美元的 D 轮融资,投后估值近 300 亿美元。


换句话说,初创公司不能再期望像 2024 年中期 OpenAI 推出 ChatGPT 商店时那样,简单地在 GPT 之上套个 UI 就能让产品获得关注。


现在的挑战是构建可持续的产品价值。


更看好「氛围编程」、开发者平台


Mowry 还谈到了另一类公司形态「AI 聚合器」。


简单来讲,AI 聚合器是「套壳」产品的一个子集,它们是将多个大语言模型整合到同一个界面或 API 层的初创公司,旨在跨模型路由查询并让用户能够访问多个模型。这些公司通常提供包含监控、治理或评估工具的编排层,例如 AI 搜索初创公司 Perplexity或者通过单一 API 提供多种 AI 模型访问权限的开发者平台 OpenRouter。


虽然许多此类平台已经取得了一席之地,但 Mowry 对这类新兴初创公司的建议非常明确:「不要涉足聚合器业务。」


Mowry 认为聚合器目前并没有看到太多的增长或进步。


他表示,这是因为用户希望产品中内置一些「知识产权(IP)」,以确保能够根据自身需求在正确的时间被路由到正确的模型,而不是因为幕后的计算资源或访问限制。


Mowry 在云计算领域深耕数十年,在入职谷歌云之前曾在 AWS 和微软积累了丰富的经验,他亲眼见证了这一切的演变。他指出,当前的情况与 20 世纪 00 年代末至 10 年代初云计算发展的早期阶段如出一辙,当时亚马逊的云业务正处于起步阶段。


在那段时间,涌现出了一批转售 AWS 基础设施的初创公司。它们将自己标榜为更简单的切入点,提供工具、账单整合和支持服务。然而,当亚马逊构建了自己的企业工具,且客户学会了直接管理云服务时,大多数此类初创公司都被挤出了市场。唯一的幸存者是那些增加了真实服务(如安全、迁移或 DevOps 咨询)的公司。


如今的 AI 聚合器面临着类似的利润压力,因为模型提供商本身正在扩展企业功能,这可能会让中间商边缘化。


就 Mowry 而言,他看好「氛围编程」(vibe coding)和开发者平台。2025 年,这些领域迎来了突破性的一年,Replit、Lovable 和 Cursor 等初创公司(据 Mowry 称,这些都是谷歌云的客户)吸引了大量投资和客户青睐。


Mowry 还预计,直接面向消费者的技术将迎来强劲增长,即那些将强大的 AI 工具交到客户手中的公司。他提到,电影和电视专业的学生有机会利用谷歌的 AI 视频生成器 Veo 将故事变为现实。


除 AI 之外,Mowry 还认为生物技术和气候技术正处于黄金时期,无论是进入这两个行业的风险投资,还是初创公司可以访问的「海量数据」,都能以「我们以前从未实现过的方式」创造真实的价值。


参考链接:https://techcrunch.com/2026/02/21/google-vp-warns-that-two-types-of-ai-startups-may-not-survive/


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com

AI在生物技术和气候技术领域的作用简直是潜力无限!在生物技术方面,AI可以加速药物研发,通过分析大量的生物数据,找到潜在的药物靶点,预测药物的疗效和副作用。还可以用于基因编辑、疾病诊断等方面。在气候技术方面,AI可以用于气候模型的构建和预测,提高预测的准确性。还可以用于智能电网、节能减排等方面。挑战在于,这些领域的数据往往非常复杂和敏感,需要解决数据安全和隐私保护的问题。同时,AI模型的解释性和可信度也是一个重要的挑战。

增长点的话,可以考虑和行业应用结合。比如为金融、医疗等行业提供定制化的AI解决方案,或者开发一些行业专用的AI工具。另外,可以尝试将AI聚合平台和低代码/无代码平台结合,让用户更方便地使用AI能力。

从技术角度分析,氛围编程的核心在于搭建一个高效、智能的开发环境。这个环境需要具备强大的代码分析能力、智能提示能力、自动化测试能力等等。同时,还需要具备良好的社区氛围,鼓励开发者分享知识、互相帮助。我认为,未来的氛围编程平台可能会集成更多的AI工具,比如AI代码生成器、AI代码调试器等等,从而大大提高开发效率。但是,也需要注意数据安全和知识产权保护问题,确保平台的健康发展。

氛围编程啊,我觉得有点像AI界的“共享办公”,大家在一个平台上一起写代码,互相学习、互相帮助。未来的发展方向可能是朝着更智能、更社交化的方向发展。比如,AI可以根据你的代码风格和习惯,推荐合适的代码片段和解决方案;或者,可以自动匹配能力互补的开发者,组成临时团队一起完成项目。对于开发者来说,机会是更多地接触到不同的项目和技术,挑战是需要适应新的协作方式,并且要不断学习新的知识。

我觉得关键在于差异化,不能只是简单套个壳。可以考虑深耕特定行业,比如专门为医疗行业优化LLM,或者开发独特的交互方式,让用户体验更好。另外,数据积累也很重要,用自己的数据训练模型,让它更懂你的用户。

AI聚合器也要考虑转型,不能一条路走到黑,可以做模型训练,或者做行业解决方案,比如给小型企业提供AI转型方案.

从学术角度来说,我认为核心在于技术创新和商业模式创新。技术上,可以研究更高效的微调方法,或者开发新的模型结构。商业上,可以探索订阅模式、按需付费模式等,并与行业伙伴合作,共同构建生态系统。

“氛围编程”这个词儿我也是第一次听说,感觉有点玄乎。不过,从文章提到的 Replit、Lovable 和 Cursor 这些公司来看,估计是指能提供更友好、更高效的编程环境的平台。可能它们能简化开发流程,降低开发门槛,甚至能让编程变得更有趣。

别忘了制造业!现在都在讲智能制造,AI在里面能发挥的作用可大了。比如,可以用AI进行设备故障预测,减少停机时间;可以用AI进行质量检测,提高产品质量;还可以用AI进行生产流程优化,提高生产效率。这几年工业质检方向不要太火。

我理解的“氛围编程”是指一种更加注重协作和反馈的编程方式。类似于代码共创,大家在一个轻松的氛围下一起写代码,及时发现问题,共同解决难题。这种方式可以提高开发效率,减少错误,还能让开发者更有成就感。谷歌看好这个方向,可能是因为他们看到了这种方式的潜力。

开发者平台,说白了就是为开发者提供基础设施。未来的趋势肯定是云原生、Serverless、低代码/无代码这些方向。让开发者更专注于业务逻辑,而不是底层的基础设施。当然,安全性、可观测性这些方面也会越来越重要。

开发者平台的核心是提供更高效的开发工具和服务。未来可以探索更智能的调试工具、更强大的代码生成器,以及更完善的协作平台。同时,还需要关注安全问题,确保代码的安全性和可靠性。

从商业模式角度来看,氛围编程和开发者平台都有很大的想象空间。氛围编程可以拓展到教育、娱乐等领域,开发者平台可以通过提供增值服务来获取收益。但同时也面临着竞争激烈的市场环境,需要不断创新才能脱颖而出。

可以考虑深入垂直领域,提供定制化的解决方案。与其做一个通用的AI产品,不如专注于解决特定行业或特定人群的痛点,提供更精准、更专业化的服务。这样更容易建立口碑,形成用户粘性。

我觉得AI聚合器如果只是简单地把不同的模型堆在一起,那肯定没戏。得想想怎么做模型之间的“翻译官”,让它们更好地协同工作。比如,搞个智能路由系统,根据用户需求自动选择最佳模型组合,这才有价值!

我觉得首先要找准垂直领域,深耕下去。不能只想着做一个通用的AI工具,而是要针对特定行业或人群的需求,提供定制化的解决方案。比如文章里提到的AI编程助手Cursor,就是专注在编程领域,解决程序员的痛点,才能获得成功。其次,要注重数据积累和算法优化,掌握核心技术,而不是简单地依赖现有的大模型。最后,要不断创新,探索新的应用场景,才能保持竞争力。

用AI聚合器就像点外卖,方便快捷,但可能贵一点,而且选择太多容易挑花眼。直接用大模型就像自己做饭,丰俭由人,但需要一定的厨艺。所以,看你是想省事儿还是想省钱,或者你是不是对钻研技术更有热情。

我觉得「护城河」这件事儿吧,就像盖房子,地基得打牢。AI初创公司想稳住脚跟,光靠一个炫酷的界面或者几个API接口肯定是不行的。得有真材实料!

从我的角度看啊,除了文章里提到的,还可以:

1. 搞定行业Know-How: 别只盯着技术,了解行业痛点,把AI用在刀刃上,解决实际问题。

2. 建立品牌信任: 在AI伦理、数据安全上下功夫,让用户信任你,愿意长期使用你的服务。

3. 抱紧大腿: 和行业巨头或者科研机构合作,共同研发新技术,快速提升自己的实力。

最重要的一点是,别忘了初心,始终关注用户需求,不断改进产品,才能在激烈的市场竞争中立于不败之地。

“氛围编程”?让我想起了《黑客帝国》里的场景,直接在脑子里编程!虽然现在还没那么科幻,但AI辅助编程确实是大势所趋。

我更倾向于认为,“氛围编程”强调的是一种“开发环境”的变革。未来的开发者平台会更加智能化、集成化,提供全方位的支持,让开发者可以专注于创造性的工作。

具体来说,可能包括:

* 智能代码提示和补全: 像现在的GitHub Copilot。
* 自动化测试和部署: 减少重复劳动。
* 实时的代码分析和优化: 提升代码质量。
* 协作式开发工具: 方便团队成员协同工作。

总之,“氛围编程”的目标是让开发者更加高效、创造性地工作,解放他们的双手和大脑,让他们能够真正成为“创造者”。