周末思考之AI应用之辩（250809）

周五GPT5的发布直接带崩了海内外的AI应用，很多人的反应是低于预期，甚至喊出了“弃软趴硬”的口号，但我思来想去，觉得有些问题，所以也提出一些不同的观点，以供探讨。

先说结论：我认为大家对GPT5存在较大的认知误区，AI应用的泥沙俱下必定会存在错杀从而提供很好的建仓机会，如果市场持续这一趋势，我会在今年后两个季度逐步加大对AI应用的配置。

下面略作展开：

首先，我做出上述结论，是基于我对两个前提的判断：一，AI的发展能不能脱离软件，只靠硬件；二，大模型能不能替代软件商或者应用公司，直接对接最终场景。

我对这两个前提，给出的答案都是否定的。一很好理解，AI的发展必定是需要软硬件共同发展来缔造的，硬件投资的扩大，需要软件和应用来消耗，并转化为收入的增长或是效率的提升，来推动进一步的硬件投资，这个逻辑无论是在互联网、移动互联网、智能手机、甚至是造桥修路，都无数次被证明过。最近美国几大科技巨头不断上调地CAPEX，说白了，也是嗅到或是看到了AI带来营收增长的苗头。硬件软件单边发展，本来就是个瘸腿逻辑，站不住脚。

那大模型有没有可能跳过软件（应用）公司，直接对接终端用户呢？我觉得短期内不可能，长期来看，一些边缘化或是通用性的业务会被大模型逐步取代。

1、为什么大模型短期内不能直接取代软件或应用：

（1）通用能力 ≠ 场景化解决方案
大模型擅长的是“通用对话”和“泛化知识”，但企业需要的是深度集成到业务流程里的工具。比如，Salesforce 不只是回答“如何写销售邮件”，它还会直接把邮件发给 CRM 中对应的客户，并记录互动数据；ERP 系统中的 AI 库存预测，不仅是给你一个数字，还要触发自动采购、通知仓库、生成报表。因此，应用公司如果在“业务逻辑 + 数据集成 + 用户体验”上的护城河很厚，大模型公司很难直接替代。

（2）数据闭环与定制化需求
企业数据大多在本地或私有云中，且有严格的安全与合规要求（GDPR、HIPAA 等）。SaaS 产品可以直接对接这些数据，做专属的 Fine-tuning 或 RAG（检索增强生成），这是通用大模型无法原生做到的。

（3）运营与生态链优势
软件（应用）公司已经有稳定的客户基础、行业生态（插件、集成、合作伙伴）。大模型公司要切入需要重建这些生态，这个过程很慢。况且存在那么多形形色色的行业，全面切入，既不可能，也不符合大模型公司当前的发展目标。

2、可能被取代的部分

虽然整体替代不现实，但一些 低门槛、功能单一、依赖人力的 SaaS 模块 可能会被大模型整合掉，比如简单的 FAQ 自动回复系统、单功能的文案生成工具、低复杂度的客服工单分类，这些模块未来可能被大模型 API 直接替代，或者被更大的 SaaS 产品内置。

再比如大A有个软件公司，市值很大，但其实这么多年除了搞出了款输入法外，没整出什么像样的产品。其赖以成名的语音识别、外文翻译，现在发现是个模型就能干，还翻得比你快，总结比你准，卖得还比你便宜。像这种回避就好。

3、未来更可能的格局：大模型成为基础设施

我觉得未来大模型更像是 “云计算 2.0”，或者说 “大模型 = 云计算里的“CPU/GPU”。
就像云计算普及后，没有取代 SaaS，而是让 SaaS 更强大、更便宜。推动了 Salesforce、Zoom、Slack 的增长。同理，大模型会让软件和应用变得更智能，但 SaaS 依然是最终触达客户、提供业务价值的主体。

综上所述，大模型会压缩一些低价值应用的生存空间，但不会全面取代，更多是变成 SaaS 的“新电力公司”，提供 AI 能力，让软件更聪明。真正的竞争会发生在谁能把大模型变成行业解决方案这件事上。

说完了两个前提，接下来说说我为什么觉得大家对GPT5产生了误判：

戏谑地说，Altman不应该把他命名为“GPT5”，少个0.1，叫“4.9”就完全不会有这些麻烦 因为大家经历了3和4的震撼后，对5的期待太高了，觉得他必须是个重大的、里程碑式的突破，结果发现只是减少了幻觉率和降低了成本，失望由此而来。

但是！无论对大模型还是OpenAI来说，“幻觉率”和“降本”才是眼下的当务之急和重中之重！这或许也是为什么在Altman眼中，他值得拥有一个新的代际序号！

首先，大模型能力提升的边际效应在减弱，性能的提升越来越贵，从 GPT-3 到 GPT-4，能力提升明显，但训练成本和算力投入是指数级增长；从 GPT-4 到后续版本，提升速度更慢、开发成本更贵，一个 GPT-4 级模型，花几千万到上亿美元训练完一次，然后就结束，并且不会直接带来现金流。

其次，通用能力已过“可商用门槛”。当前大模型（Claude 3.5、Gemini 1.5、GPT-4o）已经能胜任大部分知识、语言、推理类任务，很多应用瓶颈不在模型本身，而在如何用。因此对OpenAI来说，当务之急是降低成本、降低幻觉率，让GPT变得更好用、更爱用，而不是一股脑儿地盲目追求性能上的极致，这样最后很可能会成为马拉松赛场上的领跑员——帮跟随者降低了阻力，最后却无法第一个冲过终点。

所以，我认为，外界可能低估了GPT5对AI发展的巨大作用。类比云计算可以发现，在云计算早期（2006–2012），基础设施（AWS、Azure、GCP）能力提升是主要驱动力；而在成熟期（2013–2020），真正爆发的是应用层（SaaS、PaaS），Salesforce、Zoom、Slack、Shopify 才是增长引擎。AI在经历了2022-2024基础模型飞速迭代之后，下一阶段应用落地才是驱动增长的核心力量，而GPT5则是开启这一阶段的钥匙。

短期：AI 商业化的爆发点在应用端，谁能用现有模型快速构建有价值的解决方案，谁就能抓住市场。

中期：应用反馈会反向推动大模型优化，但模型本身的突破不会像前两年那样是唯一驱动力。

长期：基础模型厂商和应用厂商会形成类似“芯片厂 + 终端厂”的关系，互相依赖。

所以，我对AI应用的长期前景表示非常乐观，这波杀跌可能会提供绝佳的买点，好好找标的吧！