摘要

最容易暴露的 AI 初创公司，是那些直接建立在基础模型提供商之上的公司，而后者的应用边界仍在不断外移。 Sridhar Ramaswamy 称，建立在 OpenAI 之上“令人恐惧”：OpenAI、Anthropic、Microsoft 或 Google 都可能进入任何有前景的编程、法律或工作流品类。真正的防御力来自既有客户关系、明确交付的价值，以及足够快地拥抱 AI，让颠覆者无法取代现有企业。
DeepSeek 可能戳破模型稀缺性的说法，但未必会取代 ChatGPT 的消费者分发。 Harry Stebbings 反驳称，DeepSeek 很快登上榜单第 1，且完全免费。Sridhar 回应：“它是产品，不是模型”：ChatGPT 集成了图像生成、文件上传和代码执行。Harry 还提出，OpenAI 完全可以托管 DeepSeek，为 ChatGPT 提供部分能力。
OpenAI 的护城河正在接近消费者平台的规模，而不是永久的模型领先。 据一些估算，ChatGPT 拥有约 5亿忠实用户，近几年几乎没有真正花钱做广告；Sridhar 将其触达范围与 Meta 和 Google 相提并论。OpenAI 未必永远能做出最好或最便宜的基础模型，但在消费者端，他押注专业模型创造的价值最终会流向现有入口。
成熟软件公司只要把嵌入式客户关系与快速自我颠覆结合起来，就能守住阵地。 Snowflake 的判断是，一个从零起步的 AI 原生公司不会比 Snowflake 更好，而 Salesforce 的 Agentforce 展示了同一套打法。但如果缺少这些优势，“全新的价值创造”看起来“非常模糊”。
企业 AI 已经在创造真实效用，只是采用速度应当比无摩擦的曲棍球棒曲线更温和。 Sridhar 提到，他把达沃斯 30场会议的 25页笔记压缩成一行摘要，也可以用自然语言查询结构化数据；建筑保险核保的部分环节，则可能通过结合结构化与非结构化信息实现自动化。他听到的 CEO 诉求是：“帮助我们创造效用，告诉我们什么是可能的。”
AI 资本开支军备竞赛最终会以泡沫破裂收场，但残余价值取决于建成了什么。 Harry 指出，Meta 将投资 650亿美元建设数据中心，Stargate 也宣布了 5000亿美元投资。Sridhar 区分了两种结局：一种是类似 1990年代、最终留下电力、建筑和光纤的生产性泡沫；另一种则是 Webvan 式烧钱，或硬件快速折旧，价值“顷刻间化为乌有”。
Snowflake 接受公开市场约束，因为问责可以强化创新，也能暴露叙事游戏。 私有公司 Databricks 可以更自由地花钱，其销售人数已经是 Snowflake 的 2倍，但 Sridhar 认为，约束会迫使公司保持清晰：“有富有的叔叔不总是好事。” 公开市场流动性、自由现金流现实，以及必须“展示你的工作”，都胜过转为私有公司的诱惑。

精读

1. AI 奖励可塑性，规模却会惩罚昨日的优势

Sridhar 给 21岁年轻人的建议是，找到自己在乎、社会也认可的工作，再把“驱动力和可塑性”结合起来。AI 是真实存在的，因此正确姿态是拥抱变化、投入时间掌握专业能力，并对机会的迁移保持敏捷。
每一种知识型职业都会受到影响，因为 AI 是连接结构化与非结构化知识的“惊人的翻译层”。软件工程可能成为顶尖职业，也可能变成更窄的职业——互联网分发让新闻和音乐行业都收窄了——但只要软件仍在进入新的领域，它彻底消失的可能性就不大。
他的规模化法则相当严苛：团队每扩大1倍，曾让领导者脱颖而出的特质，往往会变成“巨大的抑制因素”。一份原本适合 20名工程师的工作，突然可能需要 100人；领导者未必没有能力，只是业务等不起他们重新塑造自己。
困难的谈话越拖越糟，而不提供反馈其实是在伤害对方。Sridhar 会先以谦逊的方式开场——“这将是一场困难且令人不快的谈话”——然后直接说明期望。他更广泛的领导难题是“在驾驶的同时，仍然做一个好人”；他对育儿的独立公式则是“90%的陪伴，10%的运气”。

2. 模型提供商可以一夜之间重划应用边界

应用投资之所以模糊，是因为基础设施与应用已经“极其模糊”。一旦编程助手或法律文档工作流开始起飞，就没人能保证 OpenAI、Anthropic、Microsoft 或 Google 不会做出同样的产品；这些公司的动机意味着，邻近市场风险绝非假设。
更安全的成熟公司模式，是拥有既存客户关系、明确交付的价值，以及在颠覆者取代自己之前主动采用 AI 的意愿。Snowflake 帮助企业收集和分析数据，Salesforce 则通过 Agentforce 推进自我颠覆。两者都能从既有客户基础出发，而新进入者只能从零开始。
Harry 最有力的反驳来自 DeepSeek：它很快登上榜单第 1，而且完全免费，凭什么假设用户会保持忠诚？Sridhar 区分了模型和产品：ChatGPT 增加了图像生成、文件上传、代码执行等一体化能力。Harry 进一步提出，只要能改善体验，OpenAI 完全可以“不惜厚着脸皮”自行托管 DeepSeek。
OpenAI 估算达到 5亿的用户规模，才是真正的战略资产。Sridhar 将其归功于产品，也归功于 Sam Altman 的“惊人宣传机器”；他同时承认，DeepSeek 暴露了围绕所谓困难模型问题的一些神秘感与误导。但他仍然认同 Altman 的警告：“作为一家建立在 OpenAI 之上的初创公司，令人恐惧。”

3. Snowflake 的护城河必须同时扛住巨头与 Databricks

当被问及 Nvidia 是否可能向上游进入应用层时，Sridhar 将威胁扩大到所有云巨头——AWS Redshift、Microsoft Fabric、Google BigQuery 和 Oracle。Snowflake 必须担心自己成为“巨头之地的一只小老鼠”；它们只要打个喷嚏，Snowflake 就可能被吹走。
他的反驳是，产品市场契合度是一个“有生命、会呼吸的东西”，不是资本可以凭空召唤出来的。过去约 3年里，打造出领先模型的是 OpenAI 和 Anthropic，而不是 Microsoft、Amazon 或 Google；“钱买不到惊人的基础模型，也买不到 Snowflake。” Databricks 仍是可信的竞争者，因此复制并不能替代持续执行。
Sridhar 承认，Snowflake 在机器学习领域曾处于追赶状态，但他将这一领域与 ChatGPT 之后的 AI 区分开来。他称 Snowflake 如今在部分方向已经领先，包括数据转换、非结构化到结构化的信息提取，以及即将推出的智能体框架 Snowflake Intelligence；Amazon、Elevance、Bayer 等知名公司已经在生产环境中使用 Snowflake AI。
私有公司身份让 Databricks 可以“买”业务、忽视自由现金流压力，并维持 Snowflake 2倍的销售人员规模。公开市场约束反而迫使 Snowflake 的 AI 团队以有限投入选择聚焦议程并完成追赶；市场审视可能按季度过度反应，但流动性和客观评分会让自我欺骗更难发生。

4. 企业 AI 已经有效，但采用速度会更温和

Sridhar 同时否定 ROI 荒和完美平滑的指数曲线：增长应当更温和，但 AI 已经在创造持久价值。他把达沃斯 30场会议的 25页笔记放进 Claude，得到简洁的一行摘要；内部聊天机器人也能回答原本需要逐层点击仪表盘才能找到的问题。
CEO 们并没有普遍持怀疑态度，他们希望供应商“帮助我们创造效用”。更有价值的方案，是在智能体系统中把文档语料库与结构化记录结合起来——例如汇总建筑保险核保所需的全部相关输入，从而实现部分流程自动化。Sridhar 描述这一可能性时，CEO 们的反应是：“我的天，这太棒了。”
成熟公司行动更快，是因为它们记得一次次平台冲击。DEC 消失了，SGI 的办公楼被接管；Facebook 放弃移动网页，转向原生应用；Google 则把移动端变现率从桌面端的 10%提高到 100%。Meta 在增强现实表现不佳后迅速转向 AI，体现的是学到教训后的制度性警惕，而非突然获得了初创公司基因。

5. 资本开支泡沫最终只会留下基础设施或废墟

Harry 以 Meta 650亿美元数据中心投资和 Stargate 5000亿美元的宣布，刻画了一场前所未有的军备竞赛。Sridhar 对终局的判断是确定的——“泡沫会破裂，所有泡沫都会如此”——但余波无法预测：电力和建筑投资可能像 1990年代泡沫期间铺设的光纤一样，留下有用基础设施；快速折旧的硬件则可能让资本“顷刻间化为乌有”。
这种不确定性并不会消灭应用机会，因为 OpenAI 不可能处理每一种工作流。Sridhar 以 Harvey 为例，称这是一个他不认为 OpenAI 会颠覆的细分领域；投资者要做的是找出同样有价值、仍然适合被颠覆的细分市场。
Snowflake 的增长计划主要由产品驱动。公司正从分析领域的“黄金层”扩展到数据摄取、数据工程、机器学习、AI 访问和 Snowflake Intelligence，扩大可触达市场，而不是通过收购无关业务来换取额外 10个百分点的增长。
Sridhar 拒绝把 Snowflake 变成“一家 PE 商店”，但认可有针对性的收购；他说 Snowflake 在 Neeva 上花费了约 1.5亿美元，而这笔投资已经获得远超成本的回报。更大的机会在于客户构建的数据应用：Snowflake 不只是客户的支出项，也会成为合作伙伴收入的一部分——“客户赚钱时，我们也赚钱。”

6. 消费者 AI 由分发决定，企业市场则保持碎片化

Google 的搜索霸主地位并非“无瑕疵受孕”。在 Microsoft 还沉睡时，Google 通过 Yahoo、AOL、Firefox 和 PC 制造商争取默认入口；这个流量引力中心随后提供了足够的流量和议价能力，击败专业化搜索产品。
Live.com 曾经拥有更好的图片搜索，但 Google 的 Universal Search 直接把图片放到主搜索结果页。同一个中心入口又吸收了购物、视频和地图业务，这为一体化 AI 产品如何捕获底层专业模型创造的价值，提供了重要先例。
Sridhar 愿意押注，消费者端的专业化能力最终会流向 ChatGPT；在他看来，ChatGPT 正在成为入口，尽管 Harry 对此持怀疑态度。企业市场在约 50年的软件碎片化之后，没有一个等价的统一入口，因此他预计会存在多个专业模型和应用——但仍担心最终可能出现单一网关。
先发优势“100%重要”：据报道，Google 为获得关键分发入口，每年向 AOL 支付超过 1亿美元，甚至高于这笔交易本身带来的收入。Sridhar 从 Larry Page 和 Sergey Brin 身上学到的持久经验，是运营上的不懈推进：每一次争论都令人筋疲力尽，但他们通过 Google Books、YouTube 和荷兰式拍卖 IPO 把第一性原理贯彻到底，一再创造出非常规的商业优势。

为什么现在该看多软件超新星：Lovable 的“超人级全栈工程师”，数秒将想法变成应用