上一章末留了个话头：机会不长在孤岛上，它长在行业的地层里。现在地图摊开。不过在此之前，先请你听一个问题。它是过去一年里，我在不同的人嘴里听过几十遍的同一个问题，问话的人形形色色：做教培的、开连锁餐馆的、在律所带团队的、经营一家二十人模具厂的。问题本身只有一句——
「AI 这么火，跟我到底有什么关系？我是不是也该入局？」
这个问题的坏答案俯拾皆是。卖工具的会给他演示一堆产品，卖课的会给他看一段「再不上车就晚了」，热心朋友会转给他一篇《十大 AI 工具盘点》。这些答案共同的毛病是：还没搞清楚他是谁、他站在哪，就开始推荐动作。而在推荐动作之前，他真正需要的是一张地图——这个行业的钱和机会，从上到下是怎么分层的，每一层的入场券是什么，他不持有哪一层的入场券。
本章要用的地图，是一组现成的划分：AI基座、AI+、+AI。动用之前，先交代一句出处——这也是本书贯穿始终的写作纪律：这组划分不是本书的发明。「+AI」与「AI+」的对照、「AI 原生」的说法，是行业多年讨论沉淀下来的公共框架：大厂创始人公开讲过它（「AI 原生应用不是在传统软件上加个 AI 功能」），产业研究机构为它写过正式概念报告（把「AI 赋能」与「智能原生」的本质差异讲成了企业级课题），许多作者用过它（本章末尾的出处里都列了名字和链接）。本书不冒领这份发明权。本章做的三件事是自己的：把它整理成一张自洽的地图（配一个本书构造的判别式），给每一层补上「死法」这个维度，再把「选桌」做成一个可操作的决策程序。概念是公共的，展开是自己的——这是对原创者最起码的敬意，也是对读者最起码的诚实。
三个词长得像三胞胎，经常被混着用，但它们指向的生意，从商业模式到生死法则完全不同。这一章把三层一张张讲透；讲完之后你会发现，开场那个问题的答案会自己浮出来——而且和大多数人直觉里的答案不一样。
一、先把地图画准
三层从上到下摞起来，是这条价值链的自然形状。
最底下是基座：造能力的地方。大模型本身、训练和运行模型的算力、围绕模型的开发工具链。这一层的产品是「能力」，客户是下面所有层。
中间是AI+：拿基座的能力，造出模型不在场就不存在的产品。注意这个判别式——拔掉 AI，产品还剩不剩？一个 AI 聊天助手，拔掉模型就剩一个空壳输入框，什么都不剩，这是 AI+。业内也有个更正式的说法，叫「AI 原生」：不是在传统软件上加个 AI 功能，而是围绕模型的理解、生成、逻辑、记忆这些底层能力，把产品的交互和逻辑重新设计一遍。
最上面是+AI：业务还是原来那个业务，AI 作为器官装进去。开餐馆的还是开餐馆，做教培的还是做教培，但选品、备课、对账、客服这些环节，有机器搭把手。拔掉 AI，业务照跳——只是跳得慢一些、贵一些。这一层也有个正式的名字，叫「AI 赋能」——产业研究机构对它的定位，浓缩成四个字，是「存量改良」。
「拔掉 AI 还剩不剩」这个判别式，请务必带走。它是三胞胎鉴别的唯一可靠依据，比任何名词都稳——因为名词在不同文章里会被混用，甚至同一个作者前后文都未必一致，但「心脏」和「器官」的解剖位置骗不了人。
为什么非要分清不可？因为三层的基本面、风险和死法完全不同，混着谈会得出荒谬的结论。拿基座层烧钱的惨烈，去吓退一个只想给模具厂排产系统加 AI 的厂主，就像拿攀登珠峰的死亡率，劝阻一个人去小区花园散步。下一节开始，我们一层层看——每层的玩家、规则、死法，以及那张桌子的入场券，你有没有。
二、基座层：巨头的牌桌
最底下这层，坐着的都是重资产玩家：训练大模型的模型公司、提供算力的云厂商，以及这条供应链上的芯片和数据基建。这层的桌上只赌三样东西：算力账单、研发纵深、数据与分发。三样都贵得吓人，而且越玩越贵——还记得第一章那条能力曲线吗？模型能独立完成的任务时长，十六个月涨了四十一倍。曲线往上抬的每一格，都是基座厂商用真金白银的算力和人才堆出来的。这意味着基座层的竞争有一条内置的绞肉机逻辑：你必须持续投入才能留在桌上，而每一次别人家的新模型发布，都在让你的存量投入贬值一截。
所以这层的典型剧本，是行业报告里不太愿意多写的那种：融了巨款的模型公司陆续清盘，坚持在桌上的玩家一边流血一边下注。这不是经营不善，是这层牌桌的规则本身——赢家通吃的斜率太陡，能力会持续抬升，最后落在多数位置上的模型，价值会被稀释成水与电：有用，但没人记得是哪家水厂供的。
但这层有一个变量，必须单独拎出来讲，因为它把整个游戏往下两层的走向都改写了：开源基座。
一批高质量的开放权重模型——它们的名字，你这两年大概也听腻了——把相当一部分前沿能力变成了公共品。任何开发者、任何小厂、任何传统企业，都可以用极低的门槛拿到过去只有巨头内部才有的模型能力。这件事的后果不在基座层本身，而在它脚下：通往上面两层的门票，从「资本」变成了「理解力」。你不需要养一个算法团队，也能坐在牌桌边——但你得懂牌。懂牌这件事，恰好是这本书后面所有章节的用意。
对普通人和传统行业者，这层的结论干脆利落：这不是你的牌桌，也不需要是。你不跟它竞争，你是它的用户、它的受益人。基座层拼杀得越狠、开源越彻底，你脚下那层楼的地租就越便宜。行业里有个大厂创始人说过一句很有信息量的话，大意是：没有长在基础模型上的应用，基础模型就没有任何价值。这句话反过来读，就是你的位置：基座的命运，拴在下面两层的繁荣上。你每做对一个应用，都是在给这层牌桌投票——用别人烧的钱，铺自己的路。
三、AI+ 层：与模型共舞
往上一层，是过去两年聚光灯最亮的地方：AI 原生的产品。玩家有两种：模型公司亲自下场的应用，和围着模型能力创业的原生团队。这层造出来的东西有个共同点——模型不在场，产品就不存在。AI 聊天助手、AI 搜索、AI 陪伴、AI 编程副驾，包括第一章那位独立开发者的哄哄模拟器：拔掉模型，它连「哄」这个动作都无法完成。
这层的生存法则，一句话可以说尽：吃能力曲线的红利，也吃它的碾轧。
先讲一个几乎跟本书主线平行的小故事，它是这一层的入场券，也是这一层的说明书。2022 年 8 月，生图模型 Stable Diffusion 开源。一个住在阿姆斯特丹的荷兰独立开发者皮特尔·莱弗尔斯（Pieter Levels）——他的公开身份是「零员工、零融资」，一个人运营着好几个网站产品——在自己那台 MacBook 上开始折腾。先是给室内设计做了个 AI 工具，次年 2023 年 2 月，上线了 PhotoAI：用户上传二十来张自拍，训练出一个自己的专属模型，生成棚拍级的人像照片，按月订阅收费。到 2023 年 7 月，他公开的月收入数字是六万一千美元；2024 年的峰值爬到十三万美元上下——一家人的公司，一个人的利润。
把这个故事跟第三章的妙鸭相机摆在一起看，味道才出来。同一年，同一个模型能力（通用生图），同一个产品形态（AI 写真）：妙鸭面向国内大众，9.9 元一次，爆红，然后被巨头们的免费功能收编，热度掉头，两年后团队解散；PhotoAI 面向全球愿意为「省一次棚拍」付月费的职业人群，订阅制，安安静静赚到今天。同一张桌，同一个起点，两种命运——差别不在能力，在站位。妙鸭站进了大众烟花区：那是巨头的必争之地，你的免费是卖点，巨头的免费是武器。PhotoAI 站在职业者现金流区：市场不大、付费意愿硬、订阅按月续——这个角落的生意，巨头犯不着弯腰。这就是 AI+ 层的第一条隐藏规则：入局的速度由模型决定，活下来的位置由你选的市场决定。
红利的一面你已经见过：执行近乎免费，一个想法到上线的距离被压到一个晚上。碾轧的一面，是这层独有的地形险：每一次基座的模型发布，都会把这层的牌局重洗一遍。你的产品如果只是在模型能力外面薄薄包了一层壳——换个界面、加个提示词、套个皮肤——那么下一次模型发布，多半会把你这层壳内化掉：新模型顺手就把你做的事变成了默认功能。什么算薄、什么算厚、怎么判断你的生意会不会被下一次发布碾碎——上一章那把「护城河判别尺」正是干这个用的，此处先按下。
把「快」拆开看，它其实是三张成本表同时塌陷的结果。第一张，执行成本——第一章讲透了，不再重复。第二张，模型成本：风投机构 a16z 给这个趋势起了个名字，叫 LLMflation——说的恰是「通胀」的反面：同等性能的大模型，推理成本大约每年降到原来的十分之一；按他们的测算，三年下来同等能力的价格掉了三个数量级。
今天调用一个三年前旗舰级能力的价格，约等于白送。第三张，组织成本：模型 API 即插即用，托管、支付、分发的基建全是现成的，一家两人公司就能跑起过去要一个部门才能撑起来的产品线。三张表叠起来，起跑线从「融资」降到了「判断」——这不是修辞：硅谷孵化器 Y Combinator 的批次里，AI 公司的占比从 2024 年初的约一半，一年内爬到了八成上下。这张桌上挤满了人，但至少，门票不要钱。
这层真正的生存技能，是往模型拿不走的地方扎。往哪扎？三个方向。往工作流扎：模型给的是「能力」，用户要的是「结果」——中间那段路（上一章量过的：多步骤、多系统、要权限、要兜底）要你自己修，修好的路模型拿不走。往数据扎：用户用得越多，产品越懂这个场景——攒的是场景私有的上下文（上一章同时泼过冷水：幻想中的「数据飞轮」未被证明，攒得对的上下文资产才站得住），后来者拿同样的模型，也拿不走你攒下的这些。往速度扎：这层的产品节奏必须跟着模型发布的节奏跑，每次新模型出来，第一批重测自己全部功能的人活下来——这件事叫评测，是本书第四部的整部主题，也是这层玩家的日常。
三个方向都扎到位的样子，这层有一个满分样本：Cursor。四个 MIT 学生 2022 年创立的 AI 代码编辑器——注意它的处境跟第三章的 Windsurf 几乎一模一样（同赛道、同依赖、同面对模型公司下场），但命运完全相反：公开发布约二十个月后，年经常性收入破一亿美元，被多家媒体报道为达到这个里程碑最快的软件公司之一；2025 年 11 月的一轮融资后，估值二百九十三亿美元，年收入超过十亿。它凭什么没被碾？把它放到判别尺上量：工作流纵深——它不是「套壳调 API」，是把整个编辑、检索、多文件改写的工程链路重做了一遍，还自建了模型能力；转向速度——每次新模型发布，它第一时间接入并重测。速度满分、厚度也满分，同一个牌局打出了另一种结局。这说明第三章的碾轧剧本不是宿命，是缺项清单：四条护城河缺哪条，哪条就是死因。
所以，回到这一节真正的问题：创业者想快速入局，第一刀往哪下？三条纪律，全部从这一层的尸检报告里来。
第一条：盯能力缺口，但别把窗口当护城河。新能力开放后的几周，是新品类的窗口期——语音模型 Whisper 开源后几周，本地转写工具和 AI 播客就冒了出来；实时语音接口开放后约十周，语音代理赛道的一家创业公司就拿到了两千万美元融资；Sora 上线四个月就冲进了行业榜单前列。窗口是真的，但窗口期挤进来的人也最多，而且被下一次模型发布碾得最快——Sora 二代发布后十来天，应用商店里就涌进一堆蹭名的仿品，那就是纯冲着窗口去的人的下场预演。窗口给你入场资格，判别尺决定你能不能留下。
第二条：在换血最狠的桌上，找不换血的位置。这层的换血速度有数字：a16z 追踪的生成式 AI 应用百强榜，2024 年初那一版有超过四成是新面孔，其后逐版回落，2025 年中的最新版，网页端约两成、移动端约三成是新公司——报告自己的结论是「生态开始趋于稳定」。换血的规律跟 PhotoAI 和妙鸭的对照完全一致：被换掉的多是烟花区的大众产品，稳下来的多是职业用户的订阅现金流。站位优先于速度——先用第二章的付费信号三刻度量一遍：有人付吗？付的是订阅还是一次性？是自然付费还是补贴换的？
第三条：算清两本账，模型账和渠道账。模型账：你的成本按 token 计价，用户越多账单越厚——哄哄模拟器一夜的账单就是教材；好在 LLM 通胀在帮你降价，但降价曲线是你的成本假设里最不能依赖的变量（提出者自己都提醒降速可能放缓），按当前价格算不平的账，别指望明年自动算平。渠道账：这层的老问题是买流量贵，新变量是分发地形本身在动——ChatGPT 正在长成一个新的流量入口（有机构测算，假日购物季零售网站来自 AI 渠道的流量同比增长了十几倍，学界已经给它起了个新名字，叫生成式引擎优化）。新地形值得盯，但证据还早，盯而不押。
渠道账值得单独算细一层，因为它是新手上桌的第一笔糊涂账。第一个问题：前一百个用户从哪来。硅谷创业教父保罗·格雷厄姆那篇被引用最多的旧文，给出的答案反直觉：做不可规模化的事——早期用户要一个一个手动拉，去社群里回答问题，去给每个种子用户手把手配置，而不是等流量上门。这套打法在 AI 时代没有过时：地形变了，人情没变。地形的变化要知道三件事。其一，应用商店和独立网页已经是两套市场——行业榜单上，网页榜与移动榜的重叠只有一成；移动端是高频场景加应用内购买的玩法，网页端是生产力工具加订阅制的玩法，跑得最快的几个网页产品两个月就做到两千万美元年化。产品选哪个形态，等于选进哪套用户心智、哪套变现机制——这本身就是一次站位判断。其二，旧渠道在退潮：产品发布社区的单个产品平均声量较峰值跌了近半；搜索结果的第一位，因为 AI 摘要的截流，点击率一年掉了三分之一。其三，新入口在涨（就是上面说的 ChatGPT 导流），但证据还薄。三件事合起来的结论：老渠道的预算别再追加，新渠道先观察——第一批用户靠手拉，这反而是最便宜、也最确定的一笔。至于「公开建造」——像莱弗尔斯那样把开发过程和真实收入晒在社交媒体上，攒着攒着第一批粉丝就成了第一批用户——是行之有效的标志性打法，但要带上他自己给出的对冲数据：七十多个公开开做的项目，活下来赚到钱的只有四个。公开建造解决的是注意力，不是成功率——这组数字，恰好是本章「站位优先于速度」的又一次注脚。
定价这笔账，AI 产品有自己的形状，三句话说完。消费端有一条事实价格锚：ChatGPT Plus 每月二十美元，主流消费级产品大多贴着这条线定价；独立开发者的实际中位月费要低一截（常见支付渠道的中位数在十到十五美元）——锚是你定价的参照系，不是你的义务。企业端的趋势是混合：用「订阅打底＋用量计价」的混合定价，AI 公司采用的概率约是传统软件公司的两倍——模型成本是变动的，纯包月会把重度用户变成亏本买卖，这是被账单反复教育出来的行业共识；高增长公司平均改过三次定价模型，定价是试出来的，不是定出来的。毛利心里要有数：AI 产品的典型毛利比传统软件低一截（五六成对七八成），拖累项就是模型调用——好在 LLM 通胀在逐年帮你改善这一项，两张成本表要连起来读。
最后是资本账，两条都被走通了的路。莱弗尔斯路线：零融资，订阅现金流为正，每一分增长自己付钱——代价是慢，天花板看得见。Cursor 路线：重融资——要吃工作流纵深、要自建模型能力，那种投入不是省出来的。两条路没有优劣，只有匹配，判断标准一条就够：你的护城河打算用钱砌，还是用时间砌。用时间砌（niche 市场、服务口碑、订阅复利），别融，融资只会逼你长成你不想要的形状；用钱砌（纵深工程、自建模型、抢占窗口），趁早——而且想清楚上一条纪律里那个数字：这张桌上每年有近三分之一的名字被换掉，融来的钱买的不是安全，是冲刺的时间。
哄哄模拟器在地图上的位置很标准：教科书级的 AI+——同时，它遭遇的成本危机，也是这层的典型地形：毛利被按 token 计费的成本结构咬住，用户越多，账单越厚。AI+ 层的产品离模型近，红利大、碾轧狠、账单重，三个特征是同一个「近」字的三张面孔。那么这层到底适合谁？对本书的大多数读者——想用 AI 的职场人、店主、教师——它仍然是张险桌，本书也不鼓励你把它当主场。但对一类人，它是这个时代门槛最低的起跑线：想快速入局的创业者。门槛低，不等于活着容易——起跑免费，活着收费；而且创业者在这张桌上要答的题，跟这本书其余章节完全同构：切口是「该不该做」，现金流刻度是「什么算好」，模型发布的节奏是「下一步往哪走」。带着这三问上桌的创业者，这本书后半部同样是为你写的。至于大多数人真正的牌桌——旧世界的体量是几十亿人的日常生意——接下来我们下到 +AI 层的地面上。
四、+AI 层：传统行业的主场
最上面这层，聚光灯最少，体量最大。世界上绝大多数业务是传统业务：餐饮、教培、法律、医疗、制造、零售、物流——它们不会变成 AI 公司，但它们每一个，都会在自己的流程里装进 AI。这层的定义前文立过：业务是心脏，AI 是器官。拔掉器官，心脏照跳；装上器官，跳得更有力。
先纠正一个流行误会：+AI 层不是「落后」，不是「没赶上 AI+ 的退而求其次」。它是另一张桌——一张胜负面与模型能力曲线关系最弱、与你已有资产关系最强的桌。前面两层拼的东西——算力、模型理解力、迭代速度——都可以很贵；这一层拼的东西，恰好是你已经攥了很多年的：
场景知识。你知道你的行业里哪个环节最疼。模具厂主知道排产错了要赔多少料，教培老师知道家长在哪个深夜会崩溃，律所合伙人知道哪类合同审到第几页最容易出事。这些「疼点地图」，模型公司不知道，原生创业团队也不知道——只有你知道。私有数据。你的客户是谁、你的供应商什么脾气、你过去十年踩过哪些坑——这些数据不在任何公开语料里，模型没有见过，也买不到。信任与分发。你的客户认你这家店、你这个人。AI+ 层的产品要在茫茫应用商店里买流量，你的客户已经在你的微信里了。
现在，可以揭晓一个悬念了。第二章那个数字——七成左右的 AI 产品经理岗位，不要求技术底层——当时我们只说了它的读法（市场在批量购买「把 AI 翻译进业务」的能力）。现在地图摊开，谜底落位：那七成岗位，绝大多数就站在这层牌桌上。+AI 是整个就业与机会体量最大的一层：世界上有几十亿人的传统业务等着被翻译进 AI，翻译官的需求以十万计。你之前可能以为「入局 AI」意味着挤进那光鲜的第二层，跟工程师和创业者抢食——地图摊开后你会看到，你的主场在第三层，而你的行业年限，在那层是硬通货。
这层的玩法，两个方向一致的样本可以并排看。一个极小：一位淘宝零食卖家，把选品流程——找货、比价、定款——交给 AI 跑，自己盯判断；一个极大：华为把「AI+钢铁」做成了行业解决方案，从数据治理开始重造炼钢流程。规模差了四个数量级，方法同构：都从自己最疼的那道流程下手，都用自己的数据和判断兜底。这一层的正确打开方式，值得用整整一章去展开——下一章就是。
但这层的死法，必须在本章先如实交代，因为它太常见、又太不像「死法」了。+AI 层的参与者很少被对手打死——死掉的，几乎都死于同一种慢性病：改造烂尾。剧本你大概不陌生，因为它在上一轮「数字化转型」里刚刚上演过一遍：老板在新闻里焦虑了，拍板立项；采购一套系统，全员培训；三个月后新鲜感过去，系统躺在那里积灰，员工回到 Excel 和微信；年底总结，项目「阶段性完成」，从此无人提起。现在，同一个剧本换了个封面叫「智能化转型」，正在重映。+AI 层最大的敌人不是模型不够强，是组织惯性——战死的人很少，改到一半散掉的人很多。怎么不被这个诅咒吃掉，下一章会给出具体的路径设计。
五、选桌：把牌摊开
地图画完了。最后一步，回到开场那个问题——「AI 跟我有什么关系，我该不该入局」——但我们不直接回答它，而是把回答它的程序走一遍。程序就三个问题，你可以拿自己（或你的老板）当标本：
第一问：你手里有什么别人拿不走的东西？逐项盘点：场景知识（在这个行业泡了几年、踩过哪些坑）、私有数据（客户、供应链、历史决策）、信任与分发（客户认不认你）、可支配的时间与技术敏感度。不用全有，有一两样硬的就算有牌。
第二问：你的牌跟哪一层的规则咬合？场景知识和数据咬合 +AI 层；技术敏感度和速度咬合 AI+ 层；资本和研发纵深咬合基座层。注意「咬合」是双向检验：牌要硬，层也要收。教培的场景知识在 +AI 层是硬牌，拿到 AI+ 层去跟原生团队拼迭代速度，就是废牌——不是牌不好，是桌不对。
第三问：这一层的死法，你扛得住吗？基座层死于烧钱，AI+ 层死于被碾，+AI 层死于烂尾。三种死法的凶险程度和你的承受力各不相同：一个模具厂主扛得住烂尾（大不了退回老办法），扛不住被碾（产品押错方向就是灭顶）；一个轻装创业者恰好反过来。
三问走完，开场那位教培老板的答案就自己浮出来了：他的牌——多年教培的场景知识、家长的信任、本地化的渠道——全部咬合 +AI 层；他在 +AI 层的死法风险（烂尾）是三种死法里他唯一扛得住的。所以答案不是「要不要入局 AI」这种全有或全无的选择，而是：在第三张牌桌上，用你已经持有的筹码，从最疼的那道流程开始入局。同时他也该清楚自己放弃了什么：AI+ 层的爆发性上行（他的牌在那层不成立）和基座层的宏大叙事（跟他无关）。一张地图的用处，就是让「不做什么」跟「做什么」一样有依据。
最后把这一章收成一句话。三层牌桌的格局是：基座在造水电，AI+ 在造新物种，+AI 在让旧世界过电。第一层你没资格也不需要上桌，第二层只有少数人该去，而第三层——旧世界的体量是几十亿人的日常生意——是这个时代规模最大的机会发生地。普通人谈「入局 AI」，十有八九，谈的应该是这一层。
地图有了。下一章，我们下到 +AI 层的地面上，把「从最疼的流程开始」这句口号，展开成一条可以照着走的路：第一刀往哪下、怎么分级推进、怎么验收每一步的成效，以及怎么绕开那个叫烂尾的诅咒。
出处与延伸
框架归属说明：本章的核心划分（AI基座 / AI+ / +AI）为行业公共讨论沉淀的概念框架，非本书原创；源流如下。本书原创的部分：判别式（「拔掉 AI，产品还剩不剩」）、每层的「死法」分析、选桌三问的决策程序、全部行文。
- 「+AI / AI+」的通行划分：行业讨论中常见定义——「AI+」以 AI 为核心引擎驱动、形成新业态；「+AI」为工具赋能、在既有业务上叠加 AI 做增量改良（如 CSDN《搞懂 AI+ 和 +AI 的区别，才知道你的行业该怎么升级》、深兰科技《AI＋与＋AI的思考与实践》演讲等）。中文语境两词偶有混用，本书采用上述通行定义并给出「拔掉 AI 还剩不剩」判别式。
- 「AI 原生」：李彦宏在 2023 年百度世界大会的表述——AI 原生应用不是 APP 和 PC 软件的简单重复，而是基于大模型的理解、生成、逻辑、记忆四大能力重新设计；「没有构建于基础模型上的 AI 原生应用，基础模型就没有任何价值」（东方财富网、36 氪、央广网报道）。
- 「智能原生企业」与「AI 赋能」的本质差异：中国工业互联网研究院「智能经济深度观察」专栏文章《智能原生企业的概念、现状与趋势》（2026-06）——AI 赋能（AI+、+AI）是在原有业务、技术、流程、组织体系上叠加 AI 的存量改良；智能原生是从底层以 AI 为核心的重构。（注：中国信通院另有《智能原生研究报告（2026）》，为不同文本，勿混引。）
- +AI 层案例：woshipm 社区热文记载的淘宝零食卖家选品流程 AI 化（找货→比价→定款）；华为「AI+钢铁」行业智能化实践（以数据采集与治理为基础，从信息化走向智能化）。
- 基座层与开源基座：开放权重模型生态（Llama、Qwen、DeepSeek 等）对能力公共品化的影响，及第一章 METR 能力曲线在本章「绞肉机逻辑」一节的重读。
AI+ 层创业证据（2026-09 增补，配合本章「快速入局」各节）： - PhotoAI：Pieter Levels（levels.io，荷兰独立开发者）2023-02 上线，一人公司、零融资、零员工（本人长期公开身份）；月收入 2023-07 约 61,808 美元、2024 年峰值约 13 万美元级——均为创始人本人公开数据，经 Indie Hackers 案例研究等转述（自述口径，中等证据强度）。技术路线：上线时为 Stable Diffusion 个人化微调，现行版本为 Flux 基座（官网自述）。 - Cursor（Anysphere）：2022 年四位 MIT 学生创立；年经常性收入 2025-01 破 1 亿美元（公开发布约 20 个月，多家报道称史上最快之一）；2025-06 C 轮投后 99 亿美元（TechCrunch 2025-06-05）；2025-11 D 轮 23 亿美元、投后 293 亿美元、ARR 超 10 亿（CNBC 2025-11-13）。与 Windsurf 的处境对照见第三章。 - a16z《Top 100 Gen AI Apps》更替率：2024-03 版 web 榜超四成新面孔；2024-08 版约三成；2025-03 版 web 34%；2025-08 版 web 22%、移动 28%，原文明言「生态开始趋于稳定」（a16z 官方博客，Olivia Moore）。 - LLMflation：Guido Appenzeller & Martin Casado（a16z）《Welcome to LLMflation》（2024-11-12）——同等性能大模型推理成本每年降约 10 倍；同等性能口径下三年降约三个数量级（GPT-3 每百万 token 60 美元 → Llama 3.2 3B 0.06 美元）；作者提醒降速可能放缓。 - YC 批次 AI 占比：W24 约 50%（Crunchbase News）、S24 67%（第三方盘点）、W25 约 80%（CNBC 等转述）。 - 能力缺口窗口案例：Whisper 开源（2022-09）后数周内出现 MacWhisper（Jordi Bruin 一人开发，2023-02）与 AI 播客 podcast.ai（The Verge 2022-10）；GPT-4o Realtime API（2024-10-01）开放后约十周，语音代理平台 Vapi 宣布 2,000 万美元 A 轮（Reuters 2024-12-12）；Sora 上线四个月进 a16z 榜第 23 位（2025-03 版）；Sora 2 发布后十余天 App Store 涌现批量仿品（TechCrunch 2025-10-09）。 - AI 流量新入口：Adobe Analytics——2024 假日购物季美国零售网站来自生成式 AI 渠道的流量同比增长约 1,300%；「生成式引擎优化（GEO）」出自 Aggarwal 等《GEO: Generative Engine Optimization》（KDD 2024，arXiv:2311.09735）。 - 妙鸭相机结局（2025-09 底团队解散）见第十六章出处；本节数字均为公开报道或创始人自述口径。 - 分发与定价（2026-09 二次增补）：保罗·格雷厄姆《Do Things That Don’t Scale》（2013-07，YC 官方随笔）；YC Startup Library《How To Get Your First Users》（Gustaf Alströmer）；Product Hunt 声量衰减：GetDot.ai 对 76,822 次发布的全量分析（2025-03，平均获赞较 2017 峰值 -47%，中等可信度）；搜索点击率：Ahrefs《AI Overviews Reduce Clicks by 34.5%》（2025-04，30 万关键词，#1 位 CTR 0.073→0.026）；两套市场：a16z Top 100 双榜 Web 与移动仅 5 家重叠（2024-03 版）、移动使用榜与收入榜仅 40% 重合（2025-03 版）；「公开建造」：Pieter Levels《12 startups in 12 months》（2014）与《Only 4 out of 70+ projects made money》（本人一手，n=1，标志性案例而非规律）；价格锚：ChatGPT Plus $20/月（OpenAI 官方，2023-02）；独立开发者中位月费：BigIdeasDB 支付渠道基准（Stripe $19 / Paddle $15 / Lemon Squeezy ~$11，中等可信度）；混合定价：Stripe×ICONIQ《Five pricing trends》（2025，AI 公司「订阅+用量」概率约 2 倍、67% 高增长公司改过至少 3 次定价）；毛利率：a16z Casado & Bornstein《The New Business of AI》（2020-02，AI 毛利 50-60%、云资源占收入 25%+）＋ LLMflation（2024-11）连读。 - 延伸阅读：第三章正面处理「什么样的 AI+ 生意会被下一次模型发布碾碎」的判别标准；+AI 层组织落地路径见第五章。