去年這個時候，投資圈曾經有過一個「投模型還是投應用」的辯論。現在看來，這是一個無意義的議題，因為技術生態的邏輯已經變了。
多數人仍然習慣用傳統的「兩層思維」生態架構來思考大模型：系統基座在下面，面向用戶的應用在上面，二者涇渭分明。
歷史上看，這種二分法是對的：
1. DOS 作業系統面世時，沒有可執行的 「.com」 或 「.exe」 程序，用戶根本無從交互；
2. Windows 問世時，也沒有人會拿一個作業系統單獨「空跑」。哪怕是當年經典的「紙牌」和「掃雷」，也是微軟為了讓大眾理解並熟悉圖形界面，不得不自己編寫的小應用；
3. iOS 讓智慧型手機成為一種基礎設施，但首批吸引用戶使用的，還是紙飛機、拍照，甚至打電話這些關鍵應用；
4. 雲計算概念提出來後，人們談論的都是基於雲的 SaaS 和各種網站，用不了多久就變成「這家公司用 AWS 跑後台」這樣的陳述。雲計算本身並沒有變成一個直接面向大眾的入口。
但是，AI 之所以是一場技術革命，就意味著它會顛覆我們已有的常識。我認為，兩層架構在這個時代已經失效。
舉個例子：OpenAI 的 ChatGPT 從一開始發布時，就既是一個模型，又是一個面向大眾的消費級應用。
你不需要再去下載任何「子程序」才能讓 ChatGPT 跑起來；只需要在對話框輸入文字（提示工程，Prompt Engineering），它就能執行推理或生成內容。它甚至創造了最快達到 1 億月活用戶的新紀錄。這是一個毫無爭議的應用。
但它同時也是一種模型，OpenAI提供了 API 調用，讓無數應用可以基於它構建。
當我們說 「DeepSeek
」 時，既可能指一種在 LMarena、AIME 榜單上排名靠前的前沿推理模型，也可以指一款曾登頂中美等多個國家 iOS 應用商店的 App。
所以，下次再有人問：「我們該投大語言模型還是應用層？」也許可以告訴他，這不是一個非此即彼的問題。在這個領域裡，模型就是應用，應用也就是模型。
如果你在做模型，你的用戶並不需要了解多少編譯、鏈接或 SDK 之類的東西，就能夠通過自然語言提示來使用它。
反過來，如果你在做 AI 應用，其實最終還是在向用戶交付一項「大模型」能力，無論你使用的是提示工程、強化學習、工作流、Agent，還是別的「套殼」手段，底層都還是那台貫通一切的「大腦」。
模型與應用的邊界正在塌陷，用戶甚至不知道，或者並不在意自己是在「跑模型」還是在「用程序」。
但是，除了投資規模，做應用也並不比做基座模型廉價，因為在這個時代，切換一個模型底座並不比換輛車開更難。幾乎你使用的所有 AI 應用，都提供了在後台切換模型的設置選項。
你能在雲計算時代想像這些嗎？一個網站提供了切換不同雲主機訪問？還記得適配安卓、iOS 等不同系統、不同尺寸的手機有多難嗎？
只不過，應用開發者還是需要一點戒備。你的產品最好不要在「智能演化」的延長線上。就像山姆·阿特曼（Sam Altman）所說：如果基座模型變得更好，你的應用也應該同步變得更好，而不是被徹底替代、不再被需要。
