模型厂商大战Agent江湖：OpenAI与Anthropic的暗战，创业公司如何突围？

文章来源：AI趋势全天候

Image source: Generated by AI

“ OpenAI CPO谈到我们不担心模型商品化，因为技术曲线陡峭，领先者永远在定义新可能。而Anthropic CPO则承认模型正在产品化，而且未来的模型差异将越变越大。但从产品产出上来看确殊途同归，都在发布agent产品。”

🔥 AI Agent红海来袭，巨头们纷纷入场抢滩

各位好，我是AILin师傅！上周我刚参加完一个AI创业者聚会，现场讨论最热烈的话题竟然是："如果OpenAI和Anthropic全面进军Agent市场，我们这些创业公司还有活路吗？"

X平台 @StlightLeon 的评论

说实话，这个问题确实扎心了。想想前段时间爆火的Manus，争议声不断，一夜之间冒出无数模仿者。但这些都不是致命的，毕竟人家系统里还躺着200万的试用申请呢！真正让创业者坐立不安的是那个尖锐的质疑："它只是套壳而已，没有核心模型能力。"

这个质疑确实直指核心问题：如果模型厂商自己做Agent，创业公司还有什么优势？最近OpenAI的DeepResearch和Anthropic的Claude Code的出现，似乎印证了Alexander Doria的"模型本身即产品"理论。他认为，下一个AI发展周期的主角不是智能体或推理系统，而是经过专门训练的模型本身。

为什么会出现这种趋势？根据最新的技术发展，我总结了三个关键原因：

• 📉 通用模型扩展遇到了瓶颈：OpenAI的GPT-4.5透露，模型能力仅呈线性增长，但算力成本却指数级上升。即使训练效率不断提高，但成本过高导致最新大模型难以广泛部署。
• 📈 特定任务的强化训练效果远超预期：结合强化学习与推理能力训练后，模型展现出惊人的专业能力。小模型在数学领域表现出色，代码模型能管理整个代码库，Claude甚至能在信息极少的情况下玩好游戏。这种专门训练创造了一种全新的模型类型。
• 💰 推理成本大幅下降，商业模式面临转型：以DeepSeek为例，新的优化技术已经让现有GPU算力足以支撑每人每天使用1万个高质量token。这意味着单纯售卖API调用的模式难以持续，模型厂商必须向更高附加值的方向转型。

这种趋势不仅影响了Agent的技术实现路径，更重要的是重新定义了模型厂商与AI应用公司之间的边界。今天，我将通过深入分析OpenAI和Anthropic两家CPO的访谈，探讨一个关键问题：在"模型即产品"的新格局下，创业公司如何在Agent市场寻找突破？

🥊 巨头对决：OpenAI vs Anthropic，两种截然不同的战略

OpenAI vs Anthropic

我花了一整个周末，仔细研读了Anthropic的Mike Krieger和OpenAI的Kevin Weil的访谈内容，发现这两家公司在战略上有着天壤之别。这些差异可能就是创业公司找到突破口的关键！

🤝 Anthropic：我们是你的AI合作伙伴，不只是模型供应商

Mike Krieger的访谈透露出Anthropic的核心战略：成为客户的长期AI合作伙伴，而非简单的模型供应商。他强调：

Anthropic 大转向：不再只做模型！押注一方应用，决胜 AI 下半场 |  CPO Krieger 20VC揭秘战略新重心

"我们想成为你长期的AI合作伙伴，帮助你与应用AI团队共同设计产品，与你一起畅想未来，不仅仅考虑API，还要考虑整体解决方案。"

Krieger特别强调了第一方产品(如Claude Code)的战略价值，认为这些产品是加速学习、品牌建设和构建护城河的关键。

有趣的是，Krieger反复提到"Day One"心态和长期主义，表现出一种面向未来的耐心和决心。在产品迭代方面，Anthropic寻求在快速创新和稳定可靠之间找到平衡点。

最让我惊讶的是，Krieger提出了"模型身份认同"(Model Identity)的概念，认为未来用户选择AI不仅看功能，还会看"氛围感"(Vibes)！就像我们选择朋友一样，会被某个AI的"性格"所吸引。

⚡ OpenAI：速度为王，技术领先就是一切

相比之下，Kevin Weil的访谈则充满了硅谷式的速度崇拜：

"在大多数情况下，我们都优先考虑速度，我们优先考虑将这些新工具交到人们手中，以便他们能更快地做更多酷炫的事情。"

Weil坚决反对"模型正在商品化"的观点，认为模型发展速度太快，即使是3-6个月的领先优势也至关重要。他强调OpenAI必须同时成为"世界一流的研究公司和世界一流的产品公司"。

OpenAI的使命是让AI惠及全人类，通过ChatGPT、Deep Research等产品和API尽可能广泛地普及AI技术。Weil甚至大胆预测，今年内AI将在编程方面超越人类，这将带来软件创造的民主化。

📊 两大巨头的八大差异点

通过对比分析，我总结出了OpenAI和Anthropic在战略上的八大关键差异：

让我们深入分析这两家AI巨头在八个关键维度上的差异:

1. 对模型商品化的态度

• OpenAI坚定反对模型商品化观点，Kevin Weil强调："在AI领域，技术进步速度惊人，即使3-6个月的领先优势也能让你成为第一个推出革命性功能的公司。智能成本每年下降10倍，远超摩尔定律，这种快速进化将持续重塑竞争格局。我们必须保持创新步伐，巩固技术领先地位。"
• Anthropic则采取更务实的态度，Mike Krieger承认基础模型层面确实存在商品化趋势，但他指出真正的差异化将来自三个核心维度：一是拥有顶尖AI人才持续进行突破性研究，二是打造独特的模型特性（尤其是在安全性和可控性方面），三是与客户建立深度的战略合作伙伴关系。他强调："随着时间推移，模型之间的差异会越来越大，而不是趋同。"

2. 数据和模型训练方法

• OpenAI采用"教学式"训练方法，强调通过精心设计的提示和人类反馈来指导模型学习。Kevin表示："模型的瓶颈不在于智力上限，而在于如何有效地'教会'它完成任务。我们投入大量资源来优化评估指标和训练环境，确保模型能够准确理解和执行人类意图。"
• Anthropic则采用混合训练策略，Mike解释道："我们首先使用高质量的人类数据建立基础认知，然后创建模拟真实世界复杂性的合成环境，让模型在其中探索和成长。特别是在处理多步骤推理和边界情况时，这种方法能让模型获得更接近实际应用场景的能力。"这种方法特别注重在真实世界的复杂性和不确定性中训练模型的适应能力。

3. 产品理念

• Anthropic将第一方应用视为战略制高点,Claude Code等产品不仅服务用户,更是快速学习和验证的平台。Mike强调:"我们通过自己的产品深入理解用户需求,这些洞察对改进基础模型至关重要。"
• OpenAI则在API开放和自有产品之间寻求平衡,Kevin表示:"我们既要通过ChatGPT等产品直接服务用户,也要赋能开发者生态。这是一个动态平衡的过程。"

4. 创新与迭代节奏

• Anthropic采取相对谨慎的迭代策略,Mike解释:"在AI领域,用户信任一旦失去就很难重建。我们宁可慢一点,也要确保每次更新都经过充分验证。"
• OpenAI则强调速度至上,Kevin说:"快速迭代是我们的核心价值观。在保证安全的前提下,我们要让创新尽快到达用户手中。"他们的"Optimize for velocity"(优化速度)理念贯穿产品研发全过程。

5. 产品迭代策略

• Anthropic采取稳健平衡的迭代策略，Mike强调："我们在快速创新和产品稳定性之间寻求最佳平衡点。对于核心功能，我们会采用更谨慎的发布节奏；对于前沿特性，则通过'选择加入(opt-in)'机制让用户自主选择。这种差异化的迭代策略确保了产品的可靠性。"
• OpenAI则坚持"速度优先"理念，Kevin表示："我们相信快速迭代是推动AI发展的关键。通过持续不断地发布新功能和改进，我们能更快地收集用户反馈，加速产品优化。即便可能存在早期不完善，但这种速度导向的策略能让用户更快地体验到AI的最新进展。"

6. 模型差异化策略

• Anthropic聚焦工作流程自动化，Mike强调："我们的目标是打造能深度融入特定工作流程的AI助手。Claude Code就是一个很好的例子，它不是要取代IDE，而是要提升整个开发流程的效率。我们相信未来的AI不仅要有强大的功能，更要能无缝融入用户的工作方式。"
• OpenAI则追求通用能力的突破，Kevin表示："我们的首要目标是提升模型的基础能力，让它能在各种场景下都表现出色。比如在软件开发领域，我们希望AI不仅能写代码，还能真正理解和解决复杂的工程问题。这种通用能力的提升才能带来真正的技术民主化。"

7. 研究与产品团队的协作模式

• OpenAI追求研发一体化,Kevin强调:"我们必须同时成为世界一流的研究公司和产品公司。研究、产品、工程和设计团队从项目伊始就深度协同,而不是简单的成果交接。"他以Deep Research为例,展示了跨团队协作如何推动创新突破。
• Anthropic则采取更务实的协作策略,Mike表示:"我们需要在展示未来愿景和利用当前能力之间找到平衡。研究团队专注改进模型训练环境,使其更贴近真实场景;产品团队则负责将研究成果快速转化为可用解决方案。"

8. 战略定位与商业模式

• Anthropic采用"伙伴式服务"模式，强调深度定制与长期合作。Mike详细阐述:"我们的目标是成为客户的战略伙伴，通过深入理解其业务痛点，共同设计和部署AI解决方案。我们提供从技术咨询、方案设计到实施运维的全流程服务，帮助客户实现业务增长。这种深度合作模式让我们能够持续优化解决方案，为客户创造长期价值。"
• OpenAI则采用"平台赋能"策略，专注打造普惠的AI基础设施。Kevin强调:"我们致力于构建行业领先的AI平台，通过标准化API和开发工具，让全球开发者都能便捷接入强大的AI能力。我们相信，只有让AI技术真正普及，才能实现'造福全人类'的使命。通过ChatGPT等产品和开放平台，我们正在加速AI技术的民主化进程。"

这些深刻的战略差异不仅反映了两家公司的不同愿景,也为创业公司提供了差异化定位的思路。异化定位的思路。

这些差异不仅反映了两家公司的不同理念，也暗示了AI行业的多元化发展路径。对创业公司来说，这些差异点恰恰是可以寻找突破的方向！

🚀 创业公司的突围之道：差异化、垂直化、服务化

通过深入分析两位CPO的访谈，我发现模型厂商虽然强大，但也有其局限性。他们都在努力让模型更贴近现实场景（post-train），但面临着共同的挑战：

• 现有评估基准无法充分反映真实世界任务的复杂性：当前通用的评估基准 (如 SWE-bench) 无法充分衡量模型在真实世界复杂任务中的表现。
• 需要构建更贴近现实的训练环境：需要构建更复杂、更真实的训练环境，以模拟现实世界的工作流程、人际互动和不确定性。
• 数据是关键，但需要更精细化的数据策略：结合人类数据和合成数据，以及关注模型性格等更细微的特征。
• 产品与研究需要深度融合：强调产品团队和研究团队需要更紧密地协同工作，通过产品实践来指导模型训练，确保模型能够真正解决现实问题。
• “教学”方法和评估指标至关重要：他们都认为，如何 “教学” 模型 (包括数据、RL 环境等) 以及如何有效评估模型在现实场景中的表现，是提升模型能力的关键。

所以，两位 CPO 都认识到，让 AI 模型更贴近现实场景，是一个复杂且充满挑战的课题，需要持续的探索和创新。 所以，你可以理解他们的agent策略是在建立更有效的反馈循环，这样才能最终实现 AI 技术在现实世界中的广泛应用和价值创造。

这些挑战恰恰为创业公司提供了机会！我认为，创业公司可以从以下三个方向寻找突破：

1️⃣ 差异化：不要正面硬刚巨头

上个月我分享过一家做法律AI的创业公司，他们不是简单地调用API做个聊天机器人，而是：

• 技术差异化：基于开源模型，针对法律文本进行了特殊优化
• 产品差异化：设计了符合律师工作流程的界面，而不是简单的对话框
• 模式差异化：采用"AI+人工审核"的混合服务模式

结果呢？他们已经获得了多家律所的付费合同，而这些客户同时也是ChatGPT的付费用户！

AI如何撬动法律“金矿”，硅谷“内行人”才知道的秘密 | Harvey“深水区”淘金新逻辑

2️⃣ 垂直化：做"小而美"的专家型Agent

我的一个朋友放弃了做通用AI助手的想法，转而专注于医疗影像分析的AI。他告诉我：

"与其做一个什么都会一点但什么都不精的通用助手，不如做一个在特定领域比人类还厉害的专家。"

这就是垂直化策略的精髓：深耕垂直领域，构建行业Know-how壁垒，提供专家型Agent解决方案。

垂直领域的数据、知识和流程是巨头难以快速掌握的，这正是创业公司的优势所在。

3️⃣ 服务化：从产品销售转向服务交付

最近我采访了一家为金融机构提供AI解决方案的创业公司，他们的商业模式让我眼前一亮：不卖产品，只卖服务。

他们提供：

• 定制化的AI集成方案
• 全程的实施和运维支持
• 持续的模型优化和更新
• 专业的培训和咨询

结论又回到原点："大模型只是原材料，真正的价值在于如何将它融入客户的业务流程，解决实际问题。"

推理模型和 AI Agent如何提升知识工作者的生产力？ | Hebbia CEO 对话 a16z：AI掀起金融业“效率革命”

💎 细分赛道淘金：四大蓝海市场等你开拓

通过对模型厂商战略的分析，我发现了四个创业公司可以重点关注的蓝海市场：

🔗 "Last Mile"集成与定制化服务

模型厂商提供通用模型，但如何将其落地到特定行业和企业的工作流程中，仍存在巨大的"Last Mile"挑战。

上个月我参观了一家企业，他们花了3个月时间试图将ChatGPT集成到客服系统中，结果遇到了无数技术和流程问题。这正是创业公司的机会：提供专业的AI Agent集成和定制化服务。

难点在于需要深入理解客户的业务流程和IT系统，同时解决数据安全和隐私保护等企业级客户的顾虑。但正是这些难点，构成了创业公司的护城河。

🛠️ 垂直领域Agent平台与工具

我最近测试了几款面向特定行业的Agent构建工具，发现它们比通用平台更容易上手，功能也更符合行业需求。

创业机会在于构建垂直领域Agent平台和工具，例如面向电商、教育、医疗等行业的Agent构建平台、工作流编排工具、监控和管理工具等。

一位做教育AI的创始人告诉我："通用平台就像给你一块布和针线，而我们给的是量身定制的西装。"

👥 "Human-in-the-Loop"Agent服务

AI再强大，在某些关键决策和复杂任务中，人类的判断和经验仍然不可替代。

我体验过一家提供AI辅助写作的服务，他们的模式是：AI生成初稿，专业编辑审核和修改，最终交付成品。这种"人机协同"模式既保证了效率，又确保了质量。

创业机会在于提供”Human-in-the-Loop"Agent服务“，将AI的自动化能力与人类专家的经验和判断力相结合，特别适合法律、医疗、金融等高风险领域。

🌐 面向新兴场景的Agent创新应用

上周我体验了一款基于AI的元宇宙虚拟导游，它能根据我的兴趣和反应，实时调整讲解内容和路线，体验非常新颖。

AI Agent技术正在不断拓展新的应用场景，如元宇宙、Web3、DeFi、脑机接口、可穿戴设备等。创业机会在于探索面向新兴场景的Agent创新应用。

这些新兴场景尚不成熟，用户需求和商业模式尚不清晰，但先行者优势明显，值得创业者关注。

🔑 创业成功的三把钥匙：专业知识、用户体验、生态合作

在与多位AI创业者的交流中，我总结出了三把打开成功之门的钥匙：

🧠 深度Know-how：你的专业知识就是护城河

一位医疗AI创业者告诉我："OpenAI可能有更强的模型，但他们不了解医生的日常工作流程，不知道医疗数据的特殊性，也不懂医疗监管的复杂性。这些都是我们的优势。"

深入理解行业、场景和用户需求，构建专业壁垒，是创业公司对抗巨头的有力武器。

🌟 极致体验：用户体验是最强大的差异化武器

"我们不需要比OpenAI有更强的模型，我们只需要为用户提供更好的体验。"一位AI创业公司CEO如是说，"用户不关心你用的是什么模型，他们只关心产品能否解决他们的问题，是否易用，是否值得信赖。"

在AI Agent领域，极致用户体验可以从以下几个方面构建：

• 直观易用的界面设计 ：降低用户使用门槛，让复杂的AI能力变得简单易用
• 个性化的交互体验 ：根据用户习惯和偏好，提供定制化的交互方式和界面
• 可靠稳定的性能 ：确保Agent在各种场景下都能稳定运行，不出现莫名其妙的错误
• 透明可控的决策过程 ：让用户理解Agent的工作原理，并能够在需要时进行干预和控制

正如Anthropic的Mike Krieger所强调的"模型个性"和"氛围感"，用户对AI产品的选择不仅仅基于功能，还基于使用体验和情感连接。创业公司可以在这方面发力，打造出让用户"爱不释手"的Agent产品。

🤝 生态合作：共生共赢是可持续发展之道

面对模型厂商的强势入局，创业公司不应该选择正面对抗，而应该寻求合作共赢的生态关系。 与模型厂商的合作策略

正如OpenAI的Kevin Weil所强调的"API业务的重要性"，模型厂商需要开发者生态来扩大其影响力和应用场景。创业公司可以在这个生态中找到自己的位置，成为连接模型能力和最终用户的重要桥梁。

水大鱼大，AI Agent创业公司大有可为

AI Agent领域的竞争确实日趋激烈，模型厂商的入局无疑加剧了这种竞争。但正如我们所分析的，模型厂商有其能力边界和战略重点，这为创业公司留下了广阔的蓝海空间。

创业公司不应该被"模型厂商做了会怎样"的恐惧所困扰，而应该专注于自身的差异化优势：深度的行业Know-how、极致的用户体验、灵活的创新能力、以及与各方的生态合作。

在AI的下一个发展周期中，"模型本身即产品"的论调可能有一定道理，但更准确的说法应该是"模型+应用场景+用户体验+服务"才是完整的产品。模型厂商提供了强大的基础设施，但将这些基础设施转化为真正解决用户问题的产品和服务，仍然需要创业公司的创新和努力。

正如Anthropic的Mike Krieger所说，AI仍处于"Day One"阶段，长期价值创造远大于短期竞争。对于有远见、有耐心、有专业积累的创业者来说，AI Agent领域的机会才刚刚开始。

在这个红海中，找准定位，发挥优势，与各方建立合作共赢的关系，创业公司完全可以开辟属于自己的一片蓝天。未来已来，只是尚未均匀分布。那些能够看清趋势、把握机会、持续创新的创业者，终将在AI Agent的浪潮中乘风破浪，驶向成功的彼岸。