流沙之上：中国AI应用创业者的三种选择

流沙之上：中国AI应用创业者的三种选择

2026年夏天，中国AI应用创业公司同时感受到两股压力：大厂陆续推出通用办公Agent，一级市场对AI应用的态度也在转冷。投资人林望把这种处境形容为“在流沙上盖房子”——流沙是不断升级的模型能力，房子是建立在模型之上的应用。模型往前走一步，应用刚补上的缺口可能就消失了。

过去一年，AI应用公司出现了三种迁移方向：一类深入专业工作流（Cursor、Lovart）；一类扩大任务边界，争夺更通用的入口（Manus、Genspark）；一类把知识、工具、Agent和用户上下文组织成长期工作系统（Notion AI、FlowithOS、WorkBuddy）。三条路线背后是同一个问题：当模型厂和互联网大厂都开始向应用层推进，独立AI应用公司还能留下什么？

序章：如果模型厂也做，你怎么办？

2025年初，演语科技创始人陈冕在航班上哭了。此前团队用近一年搭建节点式强控制工作流，但GPT-Image-1出现后，原本需要应用层完成的复杂操作被模型自己解决，中间层突然失去价值。陈冕用“逐鹿中原”形容这种处境：应用公司得趁模型厂商压过来之前占住地盘，修出自己的“长江天险”。

01 陈冕：往专业工作的深处走

陈冕曾在字节负责剪映和CapCut商业化，熟悉把专业能力简化给更大群体。2023年创业时，Stable Diffusion让图像生成成为可能，但调模型、训练LoRA仍是专业工作。Liblib最初把模型、创作者和生成工具聚在一起，后来向工作流推进。这套逻辑的前提是：模型越难用，中间层越有价值。2025年初，模型开始自己理解自然语言、完成复杂控制，应用层的价值迅速变薄。陈冕从全公司抽调最好的团队开发Lovart，不再增加工作流复杂度，而是把复杂度藏起来，让Agent替用户选模型、拆任务。他反复做的其实是同一件事：找到仍然过于复杂的专业能力，再把复杂性从用户面前拿走。不同的是，AI时代产品刚消化完一层复杂性，下一代模型可能又把这层复杂性消灭掉。

陈冕：往专业工作的深处走

插曲：一年之内，Agent从创业机会变成大厂战争

2025年春天，Manus把Agent从技术概念变成大众事件；一年后，OpenAI、Anthropic继续把Agent推向更多工作场景，国内大厂也跟进开源Agent。创业公司除了担心模型升级吞噬产品价值，还要面对一个刚刚被验证的方向可能很快变成大厂主战场。

02 景鲲：停掉搜索，赌一个更大的入口

景鲲做了近二十年搜索，2024年创办Genspark时以AI搜索为起点。他曾担心所有AI搜索使用同一份公开Web数据，最后只能靠“摆盘”区分，真正值得积累的是高质量数据和用户数据。2025年2月，Genspark完成1亿美元融资，月活超200万；不到两个月后，团队停掉拥有500万用户的AI Search。改变判断的是Claude Sonnet 3.7——景鲲认为模型第一次能够支撑端到端Agent落地，而“站在原地”的风险更大。过去做小度的经验也告诉他：硬件新功能只能领先半年到九个月，更难复制的是数据正反馈。于是Genspark转向Super Agent再到Workspace，把搜索、PPT、文档处理放进同一个产品。这条路最拥挤，也最容易撞上大厂主战场，但大厂抢走流量，未必抢得走系统里的“协作关系”。

景鲲：停掉搜索，赌一个更大的入口

03 倪正民：把创作Agent做成一套系统

倪正民更关心人与软件的交互。Flowith最初的无限画布，来自团队同时使用多个大模型时反复切换窗口的痛点。他们后来加入知识库和可长期执行的Agent，但一直服务明确的人群：知识工作者和内容创作者。2025年5月发布Agent Neo时，倪正民仍坚持垂直领域机会更多，不做订票、点外卖等任务。两个月后，联合创始人伊晨开始强调“系统”：画布成为容纳知识、工具、Agent和用户工作过程的环境。2026年初，这被命名为FlowithOS，试图在应用层之上、模型层之下卡出“Agent调度层”的生态位。这条路与Genspark相似，但出发点相反：一个想成为更大的入口，一个从创作任务出发向系统长。

倪正民：把创作Agent做成一套系统

04 三条路线都不是真正安全？

到2026年，做出一个Agent已经很难成为长期壁垒，“造奇观”成为AI产品增长的重要手段，但注意力难以沉淀。应用团队花半年做的工程优化，也可能被下一代模型发布直接“吃掉”。三家公司走向不同的位置，担忧却相似：如果价值只建立在模型暂时做不到的能力上，迟早会随模型升级消失。于是“用户上下文、长期记忆、生态、数据”成为关键词，但它们能否成为真正的壁垒，还没有被证明。大厂可能天然拥有Context，Agent OS也可能变成下一代基础模型的默认配置。过去两年，AI应用公司证明了可以不断换产品，却没有证明每次切换后，上一代积累的知识、数据和关系有多少能留下。真正重要的也许不是找到模型永远不会去的地方，而是地面移动时，有什么不会归零。它可能来自更深的产业场景，也可能来自专业人群长期形成的使用习惯、内容和生态。如果这些能够穿过一轮轮产品变化，就不必每次从头再来。模型能力每六个月翻一倍，但行业的认知差是唯一的“固定资产”。

原文链接：雷锋网
本文由前途科技编辑整理