今天，SpaceX 宣布，將與 Cursor 展開深度合作，未來可能會以 600 億美元的價格收購 Cursor。

近一兩年來，Cursor 這類的 Coding Agent 產品幾乎都經歷了火箭式的增長。但當 Codex、Claude Code 都下場編程領域后，Cursor 的處境更像是：你的競爭對手，同時也是你付費購買模型的供應商。你是他們推理服務上的租客，是他們定價餐桌上的客人。但他們發布了一款針對你的競品。

Figma 也是同一個故事。在上周 Anthropic 正式上線了 Claude Design 后，Figma 的股價跌了 7%。

過去兩年，AI 創業者們相信一套完整的邏輯閉環是：數據飛輪、垂直 fine-tune、AI 原生 UX，這三件事疊在一起，應該能構成足夠深的護城河。

但這套邏輯其實已經開始松動了。

AI 應用公司，存在的一個集體性的認知盲區是：大家都在研究怎么和同類競爭，但沒有認真想過，威脅很可能來自自己的供應商。

過去評估護城河，問的是「你有什么別人沒有的東西」。現在這個問題已經不夠用了，需要換成：如果 Anthropic 的下一個模型強 10 倍，你的公司變得更值錢還是更不值錢？

??關注 Founder Park，最及時最干貨的創業分享

Founder Park 正在持續尋找值得被看見的 AI 團隊與項目。

我們將通過「AI 產品市集」、內容報道、社群分發等方式，幫你觸達早期用戶、獲得真實反饋，以及建立關鍵連接。

如果你正在做 AI 相關的事，歡迎和我們聊聊。

01你以為的護城河，很可能只是時間差

過去一年，「數據飛輪」是 AI 應用公司最喜歡講的故事。對很多 AI 公司來說，數據飛輪本來應該是「救命稻草」的存在。邏輯是：更多用戶產生更多數據，更多數據訓練出更好的模型，進而更好的模型吸引更多用戶。如此循環，直到地位不會被競爭對手撼動。

Completions data 是被引用最多的例子。這類數據包含了兩個核心信息：用戶給 agent 輸入了什么，以及他們是接受還是拒絕了 AI 的修改建議。往往第二個信息才是真正有價值的部分。這不是簡單的點贊或踩，它意味著「我對這段代碼有足夠的信心，愿意把它放進我的代碼庫」，這是一個極強的訓練信號。Intercom 的 Fin 也有類似的機制，當終端用戶確認問題已經解決了，這就是一個關于 Agent 質量的直接信號，其他方式很難獲得。

Intercom CEO Eoghan McCabe 最近發表了一篇題為《The age of vertical models is here》的文章，明確闡述了數據飛輪的邏輯。

Intercom 擁有數十億條客服交互數據，用這數十億條客服交互數據訓練了自研模型 Apex，聲稱在客服場景下超越了 GPT-5.4 和 Opus 4.5。他們把這套體系描述為「一個可以在系統能力邊界持續改進的飛輪」。

但有一個問題沒人說清楚。飛輪能不能轉贏，取決于你積累數據的速度是否快過前沿實驗室。

在編程領域，OpenAI 和 Anthropic 都已經入場了，同時擁有基礎模型、海量用戶、數據積累。現在，幾乎每個工程師都能接觸到了 OpenAI、Anthropic，但未必都使用某個特定的 Agentic IDE。

那么，誰在更快地積累關鍵數據？很可能是模型提供方。而且和編程 Agent 不同，Anthropic 可以把這些數據直接燒進下一版基礎模型，而不只是做一個 fine-tune。這是一個更緊密的反饋閉環，跑在更快的時間線上。

編程領域，還有一個更深的變量是：遞歸自我改進。更好的編程模型，能幫助訓練更好的下一代模型。這意味著模型公司在編程領域的戰略動機，遠超市場規模本身所能解釋的程度。他們守的不只是收入，是產生下一代模型的那個閉環。如果把護城河押在一個 fine-tuned 模型上，這是一個極其糟糕的處境。

McCabe 本人也意識到了這個風險。McCabe 在文章中寫道，前沿實驗室「唯一的出路是通過構建更便宜的專用模型來自我顛覆。而做到這一點的唯一方式，是獲取 evals，或者收購擁有 evals 的公司」。

McCabe 問對了問題，但是低估了答案來的速度。

就在他寫完這篇文章兩周后，Anthropic 挖走了 Workday 的 CTO，大概是為了做 HR 應用，又發布了 Figma 的競品，并在金融服務、法律、醫療、生命科學四個垂直領域發布了工程經理招聘。前沿實驗室不是在「自我顛覆」，他們在顛覆所有下游公司。

02fine-tune 的本質是 fork，地基升級你不一定能跟著升

垂直模型 fine-tuning，幾乎所有公司都在同時做這件事。

同一周時間內：Cursor 發布了 Composer 2（基于 Kimi K2.5 的 fine-tune 版本），Intercom 發布了 Apex，Decagon 宣布 80% 模型流量跑在內部自研模型上。

垂直模型的時代來了，而且所有人同時收到了這份備忘錄。

Fine-tuning 的邏輯是：拿一個開源權重模型，用私有數據再訓練，構建獎勵函數，讓模型在特定任務上越來越好。

隨著時間推移，模型在你的特定任務上越來越好。但你是在別人的地基上蓋樓。

但本質上，當你做 fine-tune，實際上是在 fork 一個模型。你把自己綁定在了它的架構、權重、以及你 fork 時它的能力水平上。當基礎模型升級時，你不會自動受益。你需要重新訓練，并希望你的 pipeline 能順利遷移。

Intercom AI 負責人 Fergal Reid 提出了一個有力的反駁：具體的模型版本是一次性的，真正持久的資產是 post-training pipeline，evals、精心篩選的數據、方法論。每當有新的開源模型出現，他們就把它跑一遍現有的 pipeline，然后得到一個更好的 Apex。他不是在跟 Anthropic 對賭，而是在借力開源權重生態，讓它與前沿模型的距離足夠近，讓他的 post-training 能夠彌合剩余差距。

他還提出了一個關于「智能飽和」的概念：某些任務的模型能力會達到平臺期。客服不需要諾貝爾獎得主，需要的是最流暢的銷售助理。如果客服是一個 Sonnet 已經「夠用」的任務，那么一個更小、更快、更便宜的 fine-tuned 模型就很有意義。

但邏輯最終只有兩個出口：要么客服任務還沒飽和，前沿模型終將超越你的 fine-tune；要么已經飽和，很多模型都能過門檻，那模型根本不是護城河，產品才是。

但無論如何，模型都不是你的護城河。

當然，有些地方做垂直模型 fine-tuning 是完全合理的。Fine-tuning 真正成立的場景，是前沿實驗室沒有經濟動機去優化的極窄領域，比如稀有語言方言翻譯、冷門科學分支等等。你越往窄處走，fine-tuning 的優勢就越持久。但那些市場，本身也足夠小。

03速度本身是一種資產，但病毒式增長的速度是另一碼事

AI 開發工具正在發生一件奇怪的事。它們是 B2B 公司，卻有著 B2C 的采用曲線，而且你不需要等所有用戶都到位才能變現。這些產品有相當大的「單人模式」，在一個工程師手中就能產生巨大價值，不需要公司里所有人都在用才能體現價值。

所以你會看到工程師自掏腰包購買生產力工具，組織提供福利讓員工報銷 AI 工具費用，組織看到員工在用什么，然后批量采購。所有編程 Agent 都經歷了火箭式增長。Cursor 收入已超過 20 億美元，Replit 預計 2026 年底達到 10 億，Lovable 在上線八個月后突破了 1 億。

增長引擎驚人，但結構是極度脆弱的。

風險不只是轉換成本低，甚至可能是負的。你的競爭對手，同時也是你付費購買模型的供應商。你是模型廠商推理服務上的租客，是他們定價餐桌上的客人。然后他們發布了一款針對你的競品。當初讓你快速崛起的那個病毒式采用機制，在反方向同樣有效，用戶怎么來的，也會怎么走。Anthropic 一次產品發布，OpenAI 一個更好的模型，增長曲線就會反轉。

這大概也是為什么，這個市場的買家總是被推著簽多年合同。給供應商時間想清楚如何挖護城河，或者至少撐到下一輪融資。

04AI 原生的 UX 是真實的，但也是暫時的

從零開始為 agent 重新構建的產品，確實比那些事后貼上 AI 按鈕的產品好得多。但如果 agent 越來越成為主要界面，無論設計得多好，UX 層都會變得多余。你做的是不是全世界最好的，其實無所謂。

Anthropic 設計主管在介紹 Claude Design 時說了一句話，非常值得認真對待：

軟件生產成本暴跌之后，最重要的問題不再是「能不能做」，而是「該不該做」。

設計的核心價值，是在快速變化的可能性空間里，幫助團隊更快收斂到值得做的那個方向。

Claude Design 的定位正是這個邏輯的產物：它不是要端到端替代 Figma，它自己也明確提到，不解決「最后一英里的精致打磨」，那正是 Figma 最強的地方。

但它做的事情同樣危險：把「新想法到可討論原型」的時間從幾天壓縮到幾小時，用統一的 HTML 輸出格式讓 PM、工程師、高管都能在早期探索階段成為參與者而不只是評審者，一鍵交給 Claude Code 繼續推進。

這不是替代，更多地是繞過。對于按席位收費的協作設計工具來說，繞過早期探索階段，意味著使用頻次壓縮，意味著席位需求下降。Figma 不需要被完全替代，使用頻率下降就足夠致命了。

六個交易小時，7% 的市值，市場已經給出了判斷。

05你的產品，是坐在模型上面還是坐在模型下面？

每個 AI 創業者都應該問自己這個問題：「如果 Anthropic 的下一個模型強 10 倍，我的公司會變得更值錢還是更不值錢？」

這個問題的答案，決定了你是在順風里跑還是逆風里跑。如果你的產品哪怕看起來有一點像模型套殼，那現在是個和潛在收購方交朋友的好時機。真正重要的是，一個公司的收入來源與模型的進步方向有多垂直。如果你在解決模型實驗室不會關心的問題，細分使用場景、非常有主見的工作流、或者坐在模型之下而不是之上的基礎設施，那你大概相對安全。如果你在解決的問題隨著 Claude 或 GPT 每次變強就變得更容易，你就是在參加一場自己沒報名的比賽，而對手的 GPU 比你多得多。

如果用平行公司和垂直公司這兩個概念來思考這個問題。

平行公司，跟模型進步跑在同一個方向。構建的產品，價值主張會隨著前沿每次推進而縮水。編程 Agent、搜索包裝器、內容生成工具、通用聊天界面，每一次模型發布都是一個穿著產品發布外衣的生存威脅。模型越強，你的價值主張越薄。

垂直公司，跟模型進步方向正交。產品隨著模型變強而變得更有價值，因為更好的模型會產生更多對它們所售賣東西的需求。生產環境中的 agent 越多，就需要存儲和查詢越多的遙測數據。AI 應用越多，就越需要評估和可觀測性基礎設施。自主工作流越多，就越需要其下方的數據層。

這個測試正在實時運行。兩周前，Anthropic 宣布了 Mythos 私有預覽。上周他們發布了 Opus 4.7，同時發布了 Claude Design。誰在恐慌，誰在慶祝？Figma 恐慌了，Adobe 悄悄恐慌了。Jasper 的故事已經講完了，每一個 AI 寫作工具都在冒冷汗。

與此同時，基礎設施公司在等著更多 agent 進入生產環境。agent 越多，他們越值錢。生產環境中有更多 agent，意味著更多遙測數據，意味著更多數據，意味著對快速分析數據庫的需求更多。基礎設施層希望模型變得更好，這就是垂直優勢。

這個規律是結構性的，不針對任何具體公司。坐在 AI 應用之下的基礎設施，和坐在模型之上的應用，與模型進步的關系從根本上就不一樣。

如果每一種具體優勢都有半衰期，那么唯一可持續的優勢是：復合小優勢的速度，快于市場侵蝕它們的速度。

這不是傳統意義上的護城河。更像是你不需要跑贏熊，你只需要跑贏其他徒步者。最后，贏的公司往往不是墻最厚的，而是跑得最快的。

原博客文章：

https://x.com/nattyice/status/2046643225306509449

轉載原創文章請添加微信：founderparker