这是一个在 Hacker News 上引发激烈讨论的问题：如果前沿模型能力已经逼近人类专家，OpenAI 和 Anthropic 为什么不自己下场做产品、开公司，而是把数百万美元的算力炼成的模型“贱卖”给别家公司？答案背后，藏着 AI 产业最深层的一场博弈。
这个问题的原始出处是 Hacker News 上一篇引发广泛讨论的帖子："Ask HN: If the models are so good, why doesn't OpenAI just start 100 companies?"（如果模型这么好，OpenAI 为什么不开 100 家公司？）
帖子的问题朴素而尖锐，却戳中了整个 AI 行业商业模式的核心矛盾。社区里出现了大量高质量讨论，我们从中梳理出几条最有价值的思考线索。
一、问题的本质：卖水 vs. 挖金
OpenAI 目前的收入结构主要依赖两种模式：
1. To C 订阅：ChatGPT Plus / Pro，全球数亿用户
2. To B API：把模型当作基础设施卖给开发者和其他企业
表面上看，Anthropic 尤其典型——它几乎就是一家纯“模型即服务”（MaaS）公司，Claude 的 API 收入是命脉。而模型训练成本动辄数十亿美元，为什么这些公司不像传统创业者那样，用自家模型去做垂直产品（比如自动化的法律咨询、医疗诊断、金融分析），赚取更高的利润率？
这就像当年淘金热的经典逻辑：卖铲子的往往比挖金子的赚得更稳。但真正的问题在于——这只是一个体面的选择，还是一种“不得不”？
二、原因一：机会成本与专注度悖论
社区讨论中最高赞的观点之一是：开 100 家公司意味着同时和 100 个行业的顶尖玩家竞争，而 OpenAI 连一个 ChatGPT 的产品体验都还没有做到完美。
一个前沿实验室的核心能力是：
- 训练超大模型
- 管理海量 GPU 集群
- 前沿算法研究
而一家垂直 SaaS 公司需要的能力完全不同：
- 行业 know-how（医疗牌照、金融合规、供应链管理）
- 销售团队（enterprise sales 是门手艺活）
- 客户成功与本地化运营
把这些能力加起来，OpenAI 每进入一个行业，就是在稀释自己最稀缺的资源——顶尖人才的注意力。而模型能力每提升一代，竞争对手（Google、Anthropic、Meta、xAI）就可能追平甚至超越。在模型层竞争尚未分出胜负之前，任何实验室都不敢把主力部队派往应用层。
三、原因二：客户冲突——“把自家饭碗端走”的商业逻辑
这是讨论中最商业、也最现实的一条：OpenAI 的 API 收入，恰恰来自那些正在用模型做产品的创业公司。Cursor、Perplexity、Harvey、各种垂直 AI 助手……这些公司的估值和烧钱速度，直接转化成了 OpenAI 的 token 消耗量。
如果 OpenAI 今天开一家 AI 法律公司，明天 Cursor 们就会认真评估：“我的护城河在哪里？平台方什么时候会干掉我？”结果是：
- 生态伙伴转向开源模型（Llama、Mistral）或 Anthropic
- API 收入萎缩
- 数据飞轮（用户真实使用反馈）断裂
用一句社区评论的话说：“你自己下场做应用，等于亲手给自己的收入模型判死刑。”
四、原因三：经济学上真的算得过来吗？
一个 HN 用户算了笔账，很有代表性。假设 OpenAI 开一家 AI 医疗公司：
# 简化的商业逻辑对比（示意）
# 路径 A：卖 API（平台模式）
api_revenue = customers * usage * price_per_token
# 特点：边际成本递减，规模效应极强，收入来源多样化
# 路径 B：自开 100 家垂直公司
vertical_revenue = sum(company_revenue for company in 100_companies)
costs = (
100 * hiring_cost, # 每个行业都要组建团队
100 * compliance_cost, # 医疗/金融合规极其昂贵
100 * sales_cost, # B2B 销售无法自动化
GPU_opportunity_cost, # 算力卖给自己 = 放弃外部收入
)
# 特点：重资产、重运营、管理复杂度指数级上升
关键在于：路径 B 中，每家公司的估值上限是行业 Top 玩家的体量，而路径 A 中，模型是所有行业价值分配的“税吏”。一个通用基座模型收的是整个软件行业的“智商税”，这比在任何单一垂直领域做到第一的天花板高得多。
五、一张图看懂两种模式的结构差异
六、但这不是终局：危险的反转正在酝酿
讨论中最有前瞻性的观点是：这个均衡并不稳定。
当模型能力继续提升，到某个临界点，“运营一家公司”本身也变成模型可以胜任的任务时，实验室不再需要销售团队、合规团队——它只需要模型 + 少量监督。届时，“开 100 家公司”可能从一句笑话变成一份商业计划书。
事实上我们已经看到苗头：
- OpenAI 内部孵化过 Sora（视频生成产品）、ChatGPT Search（直接对标 Google）——平台边界正在一点点向应用层渗透
- Anthropic 推出的 Claude Code，本质上已经在抢 JetBrains、GitHub Copilot 的地盘
- Sam Altman 多次公开表示，AGI 之后 OpenAI 会考虑“做更多产品”
也就是说，“只卖模型”不是战略信仰，而是当前阶段能力边界下的最优解。一旦能力边界移动，地图就会重画。
七、对我们的启示
对于开发者和创业者，这场讨论至少给出三个判断：
1. 不要把宝押在“平台永远不下场”上。你的护城河必须是模型做不到的东西：私有数据、行业关系、交付能力、合规壁垒。
2. “套壳”不是原罪，但没有迁移成本就是死罪。用户因为你的产品体验留下来，而不是因为背后调的是 GPT 还是 Claude。
3. 观察实验室的产品化动作，是最好的行业风向标。OpenAI/Anthropic 每发布一个“顺手做的产品功能”，就意味着某个创业赛道的估值逻辑被改写一次。
HN 帖子下面有一句评论令人印象深刻：“如果模型真的好到能开 100 家公司，那这些公司也不需要 OpenAI 来开了——任何人都可以。”这或许才是真正的答案：模型足够好那天，稀缺的将不再是能力，而是信任、牌照和分发。而这些，恰恰是通用模型最难复制的东西。
