不要在别人的战场上打仗 ——AI 时代，小创业者的机会在哪儿

文 / 李志磊（希鸥网创始人）

今年春天，一位做企业服务的创始人来我办公室，坐了两个小时。

他的产品是一套合同审查工具，接了国内一家头部大模型，演示做得相当漂亮。上传一份三十多页的采购合同，四十秒之后，风险条款、修改建议、法律依据一条条列出来，界面干净，逻辑清楚。他讲得很兴奋，中间停下来问我：李老师，你觉得这东西三年能不能做到几个亿。

我没直接回答，反问了一句：如果下个月，那家模型厂商在自己的产品里加一个合同审查功能，你怎么办？

他愣了一下，说，他们不会做这么垂直的事。

我说，去年他们也不会。

这个项目后来我没有再跟进。但这一年多里，类似的故事我见了不下五十个。它们有一个共同的开头——我们在做 AI；也有一个共同的结尾——在某次模型发布之后，悄无声息地消失。

这两年我一直在想一件事：当所有人都在说 AI 的时候，那些没有算力、没有数据、没有几十亿现金的小创业者，真正的机会到底在哪儿。

先说一件不太好听的事。今天头部科技公司围绕 AI 的投入，本质上是一场基础设施战争。算力、参数、推理成本、分发入口，这几样东西的胜负手全是资本密度和规模效应。谁把单次推理的成本压得更低，谁把模型塞进十亿级用户的产品里，谁就赢。

这种战争有三个特点，恰好都是小公司的死穴：要持续烧钱，烧的周期以年计；胜负取决于规模，规模上不去，单位成本就永远下不来；赢家通吃，第二名和第十名之间的差距不是两倍，是一百倍。

我认识一个团队，拿了差不多五千万融资去做垂直领域的行业模型。团队很拼，训出来的效果在细分任务上确实比通用模型好一截。然后第二代基础模型发布，能力整体覆盖，他们半年的工作一夜归零。

不是他们不努力。是他们选错了战场，在一场比拼资本和算力的战争里，用勇气去对抗别人的资产负债表。

所以我给自己定了一条很简单的判断：凡是你的核心能力可以被下一代模型的某次发布直接抹掉的生意，都不要做。

这句话听起来严苛，但它能筛掉现在市面上至少一半的 AI 创业项目。剩下那一半里，还有一批会在第二年被筛掉，因为它们卖的是界面，不是能力——左边调 API，右边一个对话框，中间几行提示词。我管这叫提示词创业，你以为自己在做产品，其实只是给别人做了一层随时可以撕掉的皮。

但这不代表小创业者没有机会。恰恰相反，我认为 AI 这一轮释放出来的机会密度，可能是移动互联网之后最高的。只是它不在大厂的主航道上，而在大厂结构上够不着的地方。

第一个够不着的地方，是那些脏活、累活、非标的活。

大厂的产品逻辑是一套系统服务一亿人，这决定了它必须做标准化、可复制、边际成本趋近于零的事。可真实的商业世界不是这么运转的。

一家三甲医院的病历归档规则和隔壁那家不一样；一个地级市建筑企业的招投标流程，跟北上广完全是两回事；某个细分行业的报价逻辑，可能掌握在几十个老师傅的脑子里，从来没有被写成文档。

这些场景的共同点是：市场不够大、需求足够碎、必须人肉交付。大厂看不上，也做不了。它的组织是按用户量级分配资源的，一个几千万规模的细分市场，在内部连立项会都过不了。

而这正是小公司的主场。你不需要服务一亿人，你服务好三千家企业，每家每年付你三万块，这就是一门接近一个亿的生意。AI 在这里的价值不是取代人，而是让你终于交付得起那些你过去交付不起的服务。

第二个够不着的地方，是责任。这一点被严重低估了。AI 有一个天然短板：它不能承担责任。大厂可以提供一个准确率不低的医疗问答模型，但它不敢在一份诊断报告上签字。它能生成一份法律文书，但不会为这份文书在法庭上的后果负责。它能给出税务筹划建议，但不会在被稽查的时候陪你去解释。

当生成内容的成本趋近于零，"谁来保证这个东西是对的"就变成了稀缺品。这不是技术问题，是主体问题——需要有一个有名字、有资质、有资产的人站出来说，出了问题找我。

大厂的组织结构天生排斥这种业务。它有几百个法务，有一套品牌风险控制流程，有上市公司的合规约束。它不敢在低概率、高损失的事情上冒险。而你敢，因为你小，因为你离客户近，因为你可以用服务和关系把风险对冲掉。

我做创业服务这十年，有一个反复被验证的规律：越是那种出错了要有人负责的生意，越难被技术平台干掉。

第三个够不着的地方，是数据。模型的能力上限由数据决定，而最有价值的数据往往不在公开的互联网上。它在一个工厂过去十年的设备故障记录里，在一个律所归档的十万份案卷里，在一个销售总监的微信聊天记录里，在一个县城医院的手写病历本里。

这些数据分散、脏，而且有主人。大厂拿不到，不是技术不行，是数据的主人不信任它。一家企业愿意把核心经营数据交给一个随时可能自己下场做同样业务的大平台吗？大部分老板的答案是不愿意。而一个只有二十个人的小公司，恰恰因为没有既当裁判又当运动员的能力，反而更容易拿到信任。

在 AI 时代，被信任比聪明更值钱。这句话我越来越确信。大部分人谈 AI 创业，说的是 AI+，把 AI 加到原有业务上，降本增效。这个思路没错，但它只能带来改良，带不来新东西。当你的成本只下降百分之二十的时候，你的商业模式和竞争对手没有本质区别，你只是比他活得稍微舒服一点。

真正值得盯住的，是那些成本被 AI 直接除以十、甚至除以一百之后，突然成立的生意。

给中小企业配一个专属法务，过去不成立，因为一个法务年薪二十万，中小企业付不起。现在成本降到几千块一年，一个县域市场就能跑通。给学生配一对一外教，过去只服务得起高净值家庭，现在成本降到原来的二十分之一，下沉市场打开了。给每个销售做一次全量客户复盘，过去人工做一次要两天，根本做不过来，现在复盘成本趋近于零，服务从奢侈品变成了日用品。给每份合同做逐条风险审查，过去律师时间太贵，只审大合同，现在小额合同也能审，长尾需求被整体激活。

这些例子的共同点不是效率提升了多少，而是它们打开的是一个过去因为成本结构不成立、所以根本不存在的市场。

所以我的判断是，未来三年最值得做的创业，不是在现有市场里抢份额，而是去发现那些因为成本塌陷而突然出现的新市场。这些市场没有既得利益者，没有巨头盘踞，有的甚至还没有名字。

如果让我给创业者列一份清单，我会写四条。

一是垂直行业的翻译层。基础模型和真实业务之间隔着一道巨大的鸿沟。模型懂语言，不懂业务；懂通用逻辑，不懂行业惯例；能给出答案，但不知道这个行业里哪些答案会出事。填这道鸿沟需要的不是算法能力，是行业 know-how 的工程化能力。这个位置好在，它既受益于上游模型变强，又不会被上游替代，因为上游不懂你的行业。

二是卖铲子，但只卖给特定的人。通用铲子已经太挤了。值得做的是专门给短视频团队用的工作流工具，专门给外贸企业用的多语言客服系统，专门给婚庆公司用的方案生成器。越垂直，竞争越小，付费意愿越强。

三是为 AI 的副作用兜底。AI 大规模落地之后一定会产生大量副作用：内容合规、数据安全、生成物的版权、员工私下用 AI 的内部管控。每一次技术普及，都会催生一个为它的副作用买单的市场。这不是投机，是刚需，因为没有人愿意为了效率提升去承担不可控的风险。

四是人和 AI 的混合交付。纯 AI 交付没有壁垒，纯人工交付没有效率，最扎实的是 AI 完成百分之八十的标准动作，人完成剩下的判断、沟通和责任承担。这种模式的妙处在于它同时有软件的毛利和服务的黏性——客户续费不是因为离不开你的产品，是因为离不开你的团队。

说完机会，说三个我这段时间反复看到的陷阱。

第一个是把能实现当成被需要。这是技术出身的创始人最容易犯的错。团队兴奋于我们做到了什么，而市场只关心你帮我解决了什么问题。判断标准很朴素：如果用户不用你的产品，他会损失什么。如果答案是好像也没什么损失，那就是伪需求。

第二个是把上游的能力当成自己的壁垒。如果你的产品演示时最惊艳的那一部分来自某个大模型的通用能力，那请注意，那部分不是你的，那是所有人共享的。真正的壁垒只有三种：独享的数据、深度的工作流嵌入、以及客户关系。除此之外都可以被复制。

第三个是在错误的阶段追求规模。AI 产品的边际成本很低，这诱惑着所有人快速铺量。但在你还没验证清楚用户为什么留下来之前，规模化只会加速死亡。我更建议的路径是，先在一个极小的场景里做到不可替代，再谈复制。服务好一百个极度满意的客户，比服务十万个用完即走的客户有价值得多。

我做创业服务这些年，看过几千个项目起起落落。如果让我总结创业的本质，我愿意用一句话：在不确定的地方，替别人承担确定性的责任。企业买你的服务，本质上是在买这件事我不操心了；个人付你钱，本质上是在买这个结果有人负责。

AI 没有改变这件事。它改变的是成本结构——过去你需要雇十个人才能承担的责任，现在两个人加一套系统就能承担。这让承担责任这件事的门槛大大降低，从而让一大批过去不成立的小生意成立了。

这才是 AI 给小创业者最大的礼物。它不是让你去和大厂比谁的模型更强，而是让你有能力用一支很小的团队，完成过去只有大公司才能完成的交付。

大厂在造发动机。这很重要，但发动机不是车。创业者的机会，还是造车，跑在各种不同路况上的各式各样的车。造那些大厂造不了、也不愿意造的，开往某个具体地方的车。