AI 的資本飛輪：為什麼前沿模型公司能「吞噬」整個創業生態系

本文整理自《Latent Space》2026 年 2 月播出的單集。

{{< youtube p1k7TiAFqdE >}}

{{< spotify "episode/6JAES2xHRoqNUH8iqNAdkl" >}}

{{< apple-podcast "tw/podcast/latent-space-the-ai-engineer-podcast/id1674008350?i=1000750521188" >}}

---

風投和成長投資的界線正在消失

如果你是一家 AI 新創的創辦人，你可能正面臨一個前所未有的結構性威脅，而你甚至不一定意識到它的存在。

a16z 普通合夥人 Martin Casado 和 Sarah Wang 最近在 Latent Space Podcast 上描繪了一幅令人不安的圖景。他們的核心論點可以用一句話概括：前沿模型公司的資本飛輪，可能吞噬建立在它之上的整個生態系。而且這已經在發生了。

要理解這個威脅，先看 AI 投資的本質變化。過去，風險投資和成長型投資之間有一條清楚的線。風投投的是早期、小規模、高風險的創辦人賭注；成長型投資處理的是已經有營收、需要擴張的成熟公司。但在 AI 時代，這條線不見了。Martin Casado 在 a16z 做了十年投資，他直言從沒見過這樣的情況：一家公司成立六個月，就得進行涉及數億美元運算合約的複雜談判。這些募資輪不是寫一張兩千萬到六千萬美元的支票就行了，它同時包含財務投資人和策略投資人，策略部分通常綁定大規模的運算合約，光是談判就要花好幾個月。

另一條正在消失的界線，是基礎設施和應用之間的區分。模型公司到底算什麼？一方面它做核心研發、提供水平型平台，這是基礎設施。另一方面它直接觸及終端使用者，ChatGPT 和 Claude Code 都是消費者產品。同時 OpenAI 和 Anthropic 也是 API 供應商，成千上萬的公司在它們的模型上面建產品。「既是平台又是應用」的雙重身份，在過去的科技史上極為罕見，帶來的利益衝突也是根本性的。

資本飛輪：科技史上前所未見的增長引擎

飛輪的運作機制是這樣的：一家前沿模型公司募資之後，把錢砸進運算資源，用運算資源實現能力突破，然後把突破灌進自己的垂直整合應用（ChatGPT、Claude Code），大規模搶佔使用者和市場份額。接著在最高聲量的時刻進行下一輪募資，規模是上一輪的三倍。然後重複。

這個飛輪之所以空前，是因為它繞過了軟體產業最根本的瓶頸：工程人力。過去在軟體業，錢進來之後必須等工程團隊跟上。Fred Brooks 在《人月神話》裡講過這個經典困境：多加一個工程師不見得能讓專案更快完成，有時反而更慢。但模型公司不一樣。它們可以用一個 10 到 20 人的小團隊，在一年內花掉數十億美元訓練出一個更好的模型。資本幾乎不經人力瓶頸，直接轉換成產品能力。

Sarah Wang 補充了另一個關鍵差異：歷史上第一次，你可以直接追蹤「一塊錢投進去，出來多少能力」。只要 Scaling Laws 繼續成立，只要能力持續進步，投入的每一塊錢都可以換來可衡量的模型能力提升。過去你投一百萬進行銷或業務團隊，不知道能帶來多少營收。現在投一百萬進運算，你可以相當精確地預測模型會變好多少。

那這跟網路泡沫有什麼不同？Martin Casado 給了一個乾脆的回答：網路時代，我們募資鋪了一堆沒人用的光纖。供給過剩，需求不足。但現在不存在「閒置的 GPU」。每一張 GPU 都在滿載運轉，需求遠超供給。只要需求持續存在，這個飛輪就不會崩塌。

「苦澀的教訓」套用到創業生態系

這裡才是真正令人不安的部分。Martin Casado 描述了一個他稱之為「Bitter Lesson 套用到新創產業」的情境。Bitter Lesson 原本是強化學習先驅理察．薩頓（Richard Sutton）提出的概念，意思是在 AI 研究中，純粹靠增加算力的方法最終總是會打敗精心手工設計的方法。現在把這個邏輯套用到商業生態系上。

想像 Anthropic 擁有市場上最強的模型，佔有大量市佔率。然後有一批公司建立在 Anthropic 的 API 之上，可能使用較小的模型，在上面加值。現在，如果 Anthropic 每一輪融資都能拿到上一輪三倍的資金，它可能募到的錢會超過建立在它之上的「所有公司的總和」。如果真是這樣，它就有能力擴張進入上方所有公司的領域。Martin Casado 用了一個比喻：想像一顆恆星在膨脹，把周圍的一切都吞進去。

這在科技史上從未發生過，因為過去的平台公司受限於工程瓶頸，不可能同時在所有應用領域展開競爭。但模型公司不需要為每個應用場景雇用大量工程師。它只需要把模型做得更好，更好的模型自然會吃掉更多的應用場景。資本直接轉換成成長，不需要工程這個中間環節。

Latent Space 主持人 Swyx 一針見血地總結了這個現象：這就是 Bitter Lesson 套用到新創產業。不再是技術論文裡的抽象概念，而是每一家建立在模型 API 之上的公司，今天就得正視的生存威脅。

Character.ai 的教訓：AGI 理想與產品現實的撕裂

Sarah Wang 拿 a16z 投資 Character.ai 的經歷，說明了每一家前沿實驗室都逃不掉的根本矛盾。a16z 在 2023 年 1 月投資了 Character.ai，到了 2024 年 8 月，創辦人 Noam Shazeer 就與 Google 達成了 IP 授權協議，回到了 Google。三年前的投資，在 AI 的時間尺度下感覺像是好幾輩子以前的事。

Noam Shazeer 是 Transformer 架構的八位共同作者之一，被公認為當代最頂尖的 AI 研究者之一。他離開 Google 創辦 Character.ai，是因為 Google 不讓他把產品推向市場。他的終極目標是 AGI，而 Character.ai 的聊天產品和龐大的使用者資料，是他通往 AGI 路上的一個載具。但這裡就出現了矛盾：追求 AGI 需要把 GPU 資源投入長期研究，而維持一個有營收的產品需要把 GPU 資源分配給服務使用者。

這個 AGI 研究 vs. 產品營收的張力，不只是 Character.ai 的問題。Sarah Wang 指出，OpenAI 正在經歷同樣的矛盾，Anthropic 隨著產品的成功也開始感受到。GPU 是有限資源，你把它用在訓練下一代模型，就不能同時用來服務現有使用者。你需要產品帶來的營收飛輪來支撐更多 GPU 的採購，但產品本身又消耗了大量 GPU。這個取捨是動態的，永遠無法完美解決。

對於跟不上這個飛輪加速度的公司，結果可能很殘酷。拿不到足夠的資金，就沒有算力推動模型進步；沒有模型進步，就沒有產品競爭力帶來營收；沒有營收，就更拿不到下一輪資金。飛輪反向運轉，就是死亡螺旋。

人才大戰：薪資膨脹到了什麼程度

Martin Casado 觀察到，目前 AI 產業的人才流動程度，可能是自蕭克利半導體實驗室（Shockley Semiconductor）的「八叛逆」（Traitorous Eight）出走創辦快捷半導體（Fairchild Semiconductor）以來最劇烈的一次。那是 1957 年矽谷誕生的故事，而現在的 AI 人才大戰正在重演類似的劇碼。

薪資膨脹的程度令人瞠目。Martin Casado 提到，a16z 自己在招聘時，許多應徵者手上已經有每年一千萬美元的 offer。Sarah Wang 更直接地說，即使是中階工程師（L5 等級），也能拿到數千萬美元的 offer。這已經不是少數極端案例了，整個產業的薪資水準都被拉高了。

Swyx 認為最瘋狂的挖角潮已經過去。2025 年祖克柏大舉挖角 AI 人才，但 Meta 現在團隊已經組建完成，進入了開發階段。接下來不太可能再出現願意出更高價的買家。Martin Casado 同意最頂層的天價交易（像是為一個人花幾十億美元）可能是一時的異常，但他強調「通膨效應」已經擴散到整個產業。頂層的天價帶動了中層的漲價，中層又帶動了基層。即使頂層冷卻，整體薪資水準已經被永久性地拉高了。

這對早期創業者來說意味著一個很現實的問題。過去，一個頂尖工程師在 Google 拿 80 萬到 100 萬美元年薪，創業的機會成本還算可以接受。但如果同一個人現在能在大公司拿到 500 到 600 萬美元，創業的數學就完全不同了。

我的觀察：臺灣的 API 新創必須正視這個結構性風險

Martin Casado 描述的資本飛輪，對臺灣的 AI 新創生態具有直接的警示意義。過去兩年，臺灣出現了大量建立在 OpenAI 或 Anthropic API 之上的產品和服務。從客服機器人到程式碼產生工具，從內容創作助手到企業知識管理系統，幾乎每一家都在別人的模型上面疊加應用層的價值。

問題在於，當平台公司的資本飛輪轉得足夠快，它就有動力和能力自己做這些應用。Claude Code 已經在做了，ChatGPT 也在做。更危險的是，Martin Casado 在節目後段提到的一個平台策略：模型公司可以補貼自己的第一方產品，同時對第三方開發者收取更高的 API 費用。這跟 AWS 過去對自家服務和外部客戶的差別待遇是一模一樣的邏輯。

這不代表在 API 之上建產品就沒有生存空間。但它代表你必須非常清楚自己的護城河在哪裡。如果你的差異化只是「串接了一個好的 API，然後包了一層好看的介面」，那你正站在飛輪膨脹的路徑上。如果你的差異化來自專屬資料、特定產業的深度整合、或者是模型公司不可能（或不願意）去碰的垂直場景，那你的位置相對安全。但即使如此，這個安全感也可能是暫時的。因為如果 Martin Casado 的預測成立，前沿模型只會越來越通用、越來越便宜，而通用的力量最終會侵蝕大部分垂直場景的壁壘。