一开始大家比模型，往后一定会比基础设施

这轮 AI 浪潮最早被看见的，当然是模型。

谁的模型更强，谁的推理更稳，谁上下文更长，谁在公开测试里领先，这些问题最直观，也最容易决定市场情绪。模型像发动机，大家先盯着发动机看，很自然。

但一项技术只要真的开始进入企业和真实流程，竞争重点就一定会变化。

因为企业最终不会只买一个“会回答问题的模型”。它们要的是另一种东西。要能接进内部数据，要能调工具，要能带权限边界，要能看日志，要能做评测，要能治理风险，要能部署到真实工作里，还要能在下个月继续稳定工作。

只要需求长成这样，竞争就不会永远停留在模型层。模型还是底座，但越往后走，越像一场基础设施竞争。

真正难替代的，往往不只是最强能力，更是最深嵌入

很多人看 AI 公司时，很容易把护城河理解成“谁的模型最强”。

这当然是护城河的一部分，但它未必是最稳的一部分。因为模型能力会继续扩散，差距也会被追赶。真正更难替代的，常常是另一层东西：谁已经更深地嵌进了客户的系统和流程。

一家公司如果只提供模型，客户随时都可能重新选型。只要别家能力更好、价格更低、或者更适合某个任务，迁移就会发生。

可一家公司如果已经提供了连接器、运行时、工作流编排、评测体系、权限控制、日志与追踪、部署与回滚、团队协作入口，这时候客户迁移的就不再只是一个模型调用接口，而是一整套工作方式。

这两种竞争的难度完全不同。

所以到后面，真正关键的问题就不只是“谁的模型更强”，更是“谁控制了 AI 系统里最难迁移的那几层”。

基础设施竞争，争的其实是六个控制点

如果把事情说得具体一点，AI 基础设施层大概在争六类控制点。

第一类是连接器。谁能把模型稳定接进企业数据、业务系统、办公套件、数据库、搜索和第三方工具，谁就更容易拿到真实场景。

第二类是运行时。模型不只是回答，它要调工具、跨步骤工作、处理长任务、分配上下文、做失败重试。谁能提供更顺手的 agent runtime，谁就更容易把客户留在自己的系统里。

第三类是评测与观察。只要 AI 系统开始进入真实流程，团队就必须知道它到底有没有变好、哪里出错、哪条链路最脆弱。没有这一层，很多所谓平台最后都会变成大号试玩区。

第四类是权限与治理。企业最在意的从来不只是“它能不能做”，更是“它能不能在边界内做”。谁能把认证、授权、审批、数据策略、审计记录做得更稳，谁就更接近企业级落地。

第五类是部署。一个会工作的 demo 和一个能长期上线运行的系统，中间差的是 staging、灰度、别名、版本、回滚和监控这些听起来不性感的东西。可越不性感，越像基础设施。

第六类是协议和生态标准。谁定义接口，谁就更容易控制生态。协议看起来最开放，很多时候反而最重要。因为它决定别人怎样接进来，也决定你是不是会被绕开。

这六层加在一起，才是所谓基础设施竞争的真实内容。

OpenAI 在做的，已经不只是模型，更是一整套运行层

如果只看 OpenAI 近一年的公开动作，会很容易发现一个变化。

它当然还在做模型，但它越来越不像只想卖模型。2025 年 10 月发布的 AgentKit，本身就是一个很明显的信号。它覆盖的不只是生成能力，重点已经落到 workflow 设计、连接器管理、评测、追踪、版本化和嵌入式 UI 这些更像平台的东西。

这说明 OpenAI 真正想控制的，已经不只是“调用哪个模型”，更是“开发者和企业如何把 agent 建出来、放出去、调优并持续运营”。

一旦公司开始占住这层，它和客户的关系就会变化。客户不再只是调用一个模型接口，更是在用你的 builder、你的 tracing、你的 connector registry、你的评测方法和你的运行时习惯。

这才是平台化最核心的一步。因为平台一旦成立，模型只是平台里最显眼的一层，而不再是唯一一层。

Google、微软和 AWS 走的路，也越来越像云时代的老剧本

如果看 Google、微软和 AWS，这个趋势会更明显。

Google Cloud 把 Vertex AI Agent Builder 明确写成一套“build, scale, and govern enterprise-grade agents”的平台，这其实已经不是单点能力叙事，更像很标准的基础设施叙事。它卖的不是一个模型，更是整套企业级 agent 生产环境。

微软的 Copilot Studio 也类似。文档和 2026 release wave 的公开描述里，核心词已经不再是“聊天能力”，重点转成创建、扩展、评估、发布、分析、治理和环境管理。换句话说，微软卖的是一个带着身份体系、办公套件、流程自动化和运维入口的 agent 平台。

AWS 这条线更像云厂商的典型打法。Bedrock Agents 负责把模型、知识库、API 和任务编排串起来，AgentCore 则进一步把 runtime、部署、安全和观测往更完整的平台层推进。AWS 很清楚，企业不会只买模型，它们更愿意买“少运维、可上线、可治理”的基础设施。

这三家的共同点很明显。它们都不是单纯在问“谁的模型最强”，更像在问“谁更适合成为企业 AI 系统的默认底座”。

这就是基础设施竞争最典型的样子。

Anthropic 走得没那么重，但它在争协议和开发者信任

Anthropic 看起来和几家大平台不太一样，因为它不那么像一个全栈平台。

但它并没有离开基础设施竞争。它选的是另一条路：争协议、争规范、争开发者信任。

MCP 最早是 Anthropic 推出来的开放协议，到了 2025 年 12 月又被正式捐给 Agentic AI Foundation，这一步的意义很大。因为协议一旦被生态广泛接受，谁最早参与定义它，谁就天然更靠近连接层和工具层的入口。

这和“自己把整个平台都做了”不是同一条路，但它依然属于基础设施竞争。因为协议控制的是接入方式，而接入方式又控制着生态形状。

Anthropic 另一层优势在于，它对开发者叙事一直比较清楚。它不太强调铺天盖地的大而全平台，而更强调怎样把 agent 做得简单、可控、可解释。这种风格未必最热闹，却容易积累出另一种平台资产：高信任的开发者基础。

所以 Anthropic 不一定会像云厂商那样占住所有层，但它已经在争那层很重要的基础设施位置。

为什么说这比模型竞赛更接近长期利润结构

模型竞赛往往更接近能力竞赛，基础设施竞争更接近利润结构竞争。

原因不复杂。模型强，不一定等于利润厚。模型越强，训练和推理成本往往也越高，价格战也越容易发生。只靠模型本身，长期很难解释为什么客户一定要继续留在你这里。

基础设施层就不同了。谁一旦控制了连接器、运行时、治理、部署和评测，谁就不只是卖一次能力，更是在卖一整段长期工作流。客户换掉你的成本，会比换一个模型高得多。

这层一旦成立，公司的收入结构也会更稳定。因为客户付费的对象，慢慢从“调用一次模型”变成“在这套平台上持续运行业务”。

这也是为什么后面越大的公司，越会想从模型提供者往平台和基础设施提供者走。原因不在模型不重要了，而在只有这样，竞争才更容易从一次性比较变成长期绑定。

对用户和开发者来说，这也意味着另一种现实

如果 AI 竞争越来越像基础设施竞争，对用户和开发者来说，感受也会变。

表面上看，选择会变多。每家都在说自己有 agent builder、有连接器、有评测、有监控、有部署能力。

但往深处看，绑定也会变重。你一旦把数据、流程、工具、团队习惯和评测方法都放进某个平台，后面再换供应商的成本就会明显提高。

所以未来几年，很多团队会真正面对一个更像云时代的问题：你到底是在买一个模型，还是在选一个长期平台？

这个问题的分量很大。因为一旦选成平台问题，技术判断就会和组织判断、采购判断、治理判断缠在一起。那时候“模型强不强”只是一部分，“平台会不会把我锁进去”会成为另一部分。

最后的判断

为什么越往后走，AI 竞争越不像模型竞赛，越像一场基础设施竞赛？

因为模型能展示能力，基础设施才能承接能力。模型能让人看到边界，基础设施才能把边界变成业务。模型会制造兴奋，基础设施决定客户最后把预算放在哪里。

所以未来真正更难替代的公司，未必只是模型最强的公司，更可能是那些把连接层、运行层、治理层和部署层做得最完整的公司。

到那一步，AI 竞争当然还会继续比模型，但真正决定长期输赢的，越来越会是模型外面的那几层系统。