作者： Ben Basche

编译： 深潮 TechFlow

深潮导读： 「淘金热里，卖铲子」曾是创业圈的金科玉律。但在 AI 时代，这条逻辑失效了——因为矿工自己开了五金店。OpenAI、Anthropic、Google 正在系统性吞噬中间件层、编程助手、浏览器自动化等创业赛道。作者 Ben Basche 认为，真正能活下来的 AI 公司不是卖工具的，而是把 AI 当原材料用在垂直领域的「首饰匠」——深入特定行业、掌握本地知识、拥有不可复制的上下文。

全文如下：

有句话在第一次互联网泡沫前后成了创业圈的福音：「淘金热里，卖铲子和镐头。」意思是，真正赚钱的不是挖矿的人，而是给矿工供货的人。发财的是 Levi Strauss，不是那些淘金者。

这是个好框架。在一段时间内确实好用。

但在 AI 领域，它是错的。如果你的公司建立在这个逻辑之上，你可能需要好好看看过去十二个月发生了什么。

实验室就是整个技术栈

以下是实际发生的事情——先是悄无声息，然后突然全面爆发。

OpenAI 发布了 Operator，一个能浏览网页、填表单、端到端执行任务的计算机代理。接着发布 Responses API 和 Agents SDK，让开发者无需第三方框架就能获得原生的工具调用、记忆和编排能力。然后是 Codex，一个能自主编写、测试和迭代软件的云端编程代理。再加上 Deep Research。这些产品中的任何一个，放在两年前都足以支撑一家拿到融资的创业公司。

Anthropic 发布了 Claude Code、Computer Use、带持久记忆的 Projects，以及 MCP（Model Context Protocol）——几乎一夜之间成为连接 AI 与外部工具和数据的主流标准。然后他们把 MCP 捐给了 Linux 基金会，确保它是基础设施而不是产品。接着又推出了 Claude in Excel、Claude in Chrome、Cowork。

Google 发布 Gemini 2.0，原生内置工具调用和多模态感知能力，嵌入 Vertex AI 作为企业级代理控制平面，开箱即用地提供组织级策略和编排。

这些动作中的每一个，都在吃掉某个创业公司曾经拥有的领地。

「卖铲子」的逻辑有一个隐含假设：实验室会待在自己的赛道上。做基础模型，提供 API，把工具层、编排层和应用层留给生态。这个假设已经死了。

中间件大屠杀

看看中间件层具体发生了什么。

LangChain 是 2023 年 AI 热潮中最典型的「卖铲子」押注。一个用于串联 LLM 调用、连接工具、管理记忆的编排框架。几千个团队基于它构建产品，GitHub star 超过 10 万。到 2024 年，各种团队开始写博客解释为什么要把它从生产环境中拆掉。不是因为它差，而是因为底层模型已经聪明到不需要它了。LangChain 构建的抽象层解决的是昨天的问题。

与此同时，OpenAI 发布了自己的 Agents SDK。微软出了 AutoGen 和 Semantic Kernel。实验室和它们的母公司没有收购 LangChain。它们只是在自己的平台里原生地构建了 LangChain 做的事。

同样的剧本在每一层上演。代理框架、提示词管理工具、RAG 管道、评估框架、可观测性工具。所有这些都在被运行底层模型的厂商吸收进原生产品。

残酷之处在于：当 OpenAI 或 Anthropic 把编排能力直接内置到 API 中时，它们不需要在功能上赢。它们只需要「够用」且「已经在那了」。开发者默认走阻力最小的路。那个有着巧妙中间件的创业公司，必须做到大幅领先，还要在模型不断进化的过程中维持这个优势，同时跟拥有无限资本且掌控底层基础设施的对手竞争。那不是一门生意，那是一个有倒计时的科研项目。

矿工自己开了五金店，铲子就没法卖了

「卖铲子」这个类比在 AI 领域失效，根本原因是一个关键的结构性差异。1849 年，Levi Strauss 和那些五金商人自己不挖金矿。矿工和供应商是利益分离的独立角色。

在 AI 领域，实验室既在挖矿，又在卖铲子，还在修路，还在印地图。它们有充分的动机拥有整个技术栈，因为每多控制一层就多一个锁定点、一个利润扩张机会、一条分发护城河。

Anthropic 把 MCP 捐给 Linux 基金会，那不是慈善。那是确保一个它们设计的标准成为通用基础设施，就像以太网成为通用标准一样。标准是科技行业最强大的护城河，因为它们无形且永久。

所以，如果你的创业公司的价值主张是「我们夹在开发者和模型之间，让做 X 这件事更容易」，你需要面对一个事实：你夹在中间的那个实体已经注意到你了，有资源复制你，而且有结构性理由这么做。

那什么才管用？

回到淘金热的比喻。铲子卖不了了，你该卖什么？

卖首饰。

或者更好的说法是：把金子当工业原料用，做成矿工自己没兴趣做的东西。

在 1849 年的真实淘金热中，能熬过繁荣期的企业不是卖通用工具的。它们是那些把黄金当原材料，用深厚的专业知识做成特定产品的人。珠宝匠、牙医、后来的电气工程师。这些人对某个具体应用场景的理解深到通才根本做不到。

AI 版本就是在垂直领域构建应用——那些需要实验室不具备也难以获取的真实世界上下文的领域。

想想 OpenAI、Anthropic 和 Google 在结构上不擅长什么：

它们不深入了解你所在行业的工作流。它们和你的客户没有关系。它们无法低成本获取那些让模型在特定场景中真正好用的私有数据。它们永远不会去深入研究南非个体工匠为什么那样开发票，或者肯尼亚移动支付集成为什么并不简单，或者美国医疗预授权为什么是一个特定的、棘手的、深度嵌入的运营问题。

实验室在建水平基础设施。机会在垂直领域——需要地理、监管、文化、行业特定的本地知识才能真正跑通的领域。

这就是为什么新兴市场的金融科技、针对特定司法管辖区的法律 AI、受监管行业的合规工具、以及利基专业领域的工作流自动化，都比「做一个更好的 LangChain」更具防御性。

护城河不在模型。护城河在上下文。

黄金的工业用法

这个思路还有第二个版本值得说清楚：像工业使用黄金一样使用 AI。不是把它当价值储藏或者展示品，而是把它当作组件，嵌入能创造持久经济价值的东西中。

黄金的导电性几乎无与伦比。所以每块电路板里都有它。没人谈论它，没人在这个语境下炒作它。它安静地充当一个更大系统中的关键输入。

现在正在构建的最持久的 AI 公司，都是把模型当组件——一个解决真实问题的产品的输入——而不是把模型本身当产品。AI 是电路板里的黄金，不是展柜里的黄金。

实际操作是这样的：你选一个有真实痛点、真实工作流复杂度、真实难获取数据的领域，然后构建一个产品，底层恰好用了模型来让它好得多。AI 是实现细节，产品才是那个替代了痛苦手动流程的东西。

这和「我们在 GPT-4 上面套了一层壳」正好相反。壳是展柜，电路板是看不见的。

最近被干掉的赛道

为了说得更明确，以下是自 2024 年底以来实验室正在系统性吞噬的部分创业类别：

代理编排框架。 现在是 OpenAI Agents SDK、Anthropic 工具链、Google Vertex Agent Builder 的原生功能。

AI 编程助手。 OpenAI 的 Codex 现在能做完整仓库级别的自主编程。Claude Code 也能做。GitHub Copilot 是微软的原生方案。纯做编程助手的独立赛道已经被大幅压缩。

浏览器和计算机自动化。 OpenAI 的 Operator、Anthropic 的 Computer Use、Google 的 Gemini Astra。三家前沿实验室现在都有这个方向的产品。所有用 LLM 做 RPA 的创业公司都在打防守战。

RAG 管道和向量搜索工具。 基本被商品化了。大多数模型 API 内置了原生检索能力。框架层面的差异化已经消失。

通用 AI 助手和效率工具。 被 Claude、ChatGPT 和 Gemini 直接吃掉。

提示词管理和评估工具。 越来越多地成为原生功能。LangSmith 还有一点空间，但那是和时间赛跑。

模式非常一致：实验室发现某个类别获得了可观的开发者关注，判断它和自己的核心产品紧密相邻，然后发布一个版本。不一定更好，但集成、默认更便宜、而且分发能力是创业公司无法匹敌的。

你现在该怎么办

如果你现在在做 AI 创业，要问的问题不是「这个有没有需求」。需求到处都是。要问的是：这个东西会不会被一家银行里有 100 亿美元以上的实验室用一个产品发布就干掉？

如果答案是「会」甚至「可能会」，那就不是一门生意，那是一个功能。

持久的打法具备以下特征：深度垂直特异性（实验室能做通用的，但做不了你的那种通用）、无法通过爬公开网络就能复制的私有数据或关系、让「直接调 API」不够用的监管和合规复杂性、以及在信任和本地上下文比原始能力更重要的社区中拥有分发渠道。

淘金热是真的。遍地是金子。但矿工现在也在开店了，而且用的是无限资本。

卖首饰。把黄金当工业原料用。做一些矿工自己没兴趣做的东西——因为它太小众、太本地化、太深度嵌入在它们永远不会拥有的领域知识中。

这就是我认为的正确打法。