編者按： AI 套殼應用究竟只是"調個 API 就上線"的投機產物，還是隱藏着被忽視的創業機會與產品邏輯？

今天我們為大家帶來的這篇文章，作者的核心觀點是："AI 套殼產品"不應被簡單貶低，其能否持續生存取決於它是否嵌入用户工作流、積累專有數據、佔據分發渠道，以及所處細分市場的規模是否足以抵禦巨頭競爭。

文章首先區分了"功能型"與"產品型" AI 套殼應用，指出前者易被平台整合取代，後者則可能通過深度集成與數據積累建立護城河。作者進一步探討了模型供給與分發渠道對創業公司構成的挑戰，並以編程助手、醫療、法律等市場為例，説明在巨頭環伺下仍存在細分機會。最後，文章也分析了傳統老牌企業在 AI 時代的競爭策略，強調控制用户流程與積累自有數據的重要性。

作者 | Nowfal Khadar

https://www.linkedin.com/in/nowfalkhadar/

編譯 | 嶽揚

"那不過是個 AI 套殼產品（AI wrapper）罷了。"

這種貶低之詞，對於那些正用人工智能開發新產品的人來説，聽起來再熟悉不過了。

而反駁的聲音我們也同樣耳熟。

"萬物皆是套殼。OpenAI 是包在 Nvidia 和 Azure 之上的殼。Netflix 是包在 AWS 之上的殼。Salesforce 則是一個估值 3200 億美元的 Oracle 數據庫套殼應用，" Perplexity 的 CEO Aravind Srinivas 説道。

如果你還不熟悉"AI 套殼產品"（AI Wrapper）這個詞，這裏有一條不錯的定義[1]。

這是一個帶有貶義的術語，指的是利用現有的 AI 模型或 API 來提供特定功能的輕量級應用或服務，其開發過程通常投入極少、複雜度很低。 典型的 AI 套殼應用包括那些讓用户能"與 PDF 對話"的應用。這類 AI 套殼應用允許用户上傳一份 PDF 文檔（比如一篇研究論文），並通過與 AI 模型交互來快速分析文檔內容、獲取答案。在 ChatGPT 剛推出時，用户還不能直接上傳文檔或將文檔整合進提示詞中，也無法創建自定義 GPT（custom GPT），因此這類應用迅速走紅。

AI 套殼應用梗圖：底層不過是對 OpenAI 的一次 API 調用。

在我看來，這場關於 AI 套殼產品的爭論忽略了一個更重要的問題。並非所有套殼應用都一樣。有些只是曇花一現，等到大平台將這部分套殼產品的功能整合進自家產品後便消失了。但有些能嵌入用户工作流、能積累專有數據並持續學習用户使用習慣、甚至能抵禦現有巨頭在分發渠道上的優勢，這部分套殼產品就能活下來。把某項產品簡單貼上"套殼應用"的標籤，反而掩蓋了真正該問的兩件事： （1）它到底是一個功能，還是一個獨立的產品；（2）它所面向的細分市場規模有多大。

01 "功能"還是"產品"？

我們先來看前面那個例子：一個讓你能與 PDF 對話的 AI 套殼應用。這類工具只解決一個非常具體的問題 ------ 回答關於某份文檔的疑問。它既不能創建新文檔，也無法編輯現有文件。通常也不會積累任何獨特的用户數據，更不會從用户行為中持續學習。因此在我看來，它更像一種功能（capability），而不是一個端到端的完整解決方案 ------ 如果我可以這麼説的話，它只是達成目的的一種手段。

正因如此，這類功能理應被集成到文檔查看器、編輯器中，或被大模型提供商（如 OpenAI、Anthropic、Google）直接整合進其旗艦應用裏。一旦基礎模型本身（比如 OpenAI/ChatGPT、Anthropic/Claude、Google/Gemini）原生支持這項能力，這些獨立的套殼工具就變得多餘了。這正是典型的"功能"特徵：容易被複制、無法獨立完成端到端任務、缺乏護城河，也難以長期具備競爭力。

但有一點需要注意：即便是這類"功能"，在大平台將其整合進自家應用之前，也可能成為一門不錯的生意，賺取可觀收入[2]。

• PDF.ai 月經常性收入（MRR）達 50 萬美元，PhotoAI 為 7.7 萬美元，Chatbase 為 7 萬美元，InteriorAI 為 5.3 萬美元[3]。
• Jenni AI 更是在短短 18 個月內，MRR 從 2,000 美元飆升至超過 33.3 萬美元[4]。

02 所處細分市場的規模大到巨頭無法視而不見

有些套殼應用確實是真正的產品，且所處的細分市場龐大到模型開發商和科技巨頭都無法忽視。此時，它就會同時面臨來自上游（模型供給）和下游（分發渠道）的雙重競爭壓力。

2.1 模型供給

代碼助手（編程輔助工具）既是高度依賴大模型訪問權限的典型例子，也正處在與大廠分發渠道競爭的前線。例如 Cursor 這類工具，已將一個套殼應用轉變為 AI 集成開發環境（IDE） ------ 它能讀取整個代碼倉庫、編輯文件、生成代碼、回滾代碼更改、運行編碼智能體，並重新定義 AI 時代的開發者體驗。這個市場值得投入關注：截至 2025 年 10 月，全球市值前五的公司全部是科技企業，而軟件開發者約佔其員工總數的 30%[5]。哪怕開發工具僅將生產力提升幾個百分點，所釋放的價值也高達數十億美元。這使得該細分領域成為模型廠商和已擁有分發渠道的現有巨頭的必爭之地。

但是，在開放權重（open-weight）或自研的模型在質量上達到甚至超越前沿模型之前，Cursor 和其他類似的工具幾乎完全依賴 Anthropic、OpenAI 和 Gemini 提供的模型。開發者社區充斥着付費用户對 API 調用限制（rate limits）的抱怨。在我自己的項目中，我在項目進行到一半時就耗盡了 Cursor 中的 Claude 額度。儘管我更喜歡 Cursor 的用户界面和交互設計，最終還是遷移到了 Claude Code（併為此多支付了十倍的費用，只為了避開調用限制）。Cursor 的用户界面或許更好，但模型訪問權限最終成了決定性因素。

這種對模型訪問權限的依賴，所帶來的戰略上的影響遠不止調用限制。OpenAI CEO Sam Altman 認為，正確的戰略應建立在模型持續改進的假設之上：

"目前基於 AI 構建產品有兩種策略。一種是假設模型不會再變好；另一種是假設模型會保持當前的速度持續進步。在我看來，世界上 95% 的人都應該押注後者，但許多初創公司卻是基於前一種假設構建的。只要我們做好本職工作------因為我們肩負着使命，我們將徹底碾壓你們。"

基礎模型之間的競爭已擴展到 OpenAI Applications CEO Fidji Simo 所指出的所有戰略領域（知識/輔導、醫療、創意表達、購物），以及寫作助手、法律助手等其他大型細分市場。

2.2 分發渠道

分發渠道構成了第二重威脅。即便某些領域大模型廠商暫未直接涉足，初創公司也仍面臨另一個問題：能否在那些科技巨頭利用其已有產品和分發渠道快速把你的"功能"添加到他們自家產品之前，先建立起自己的用户基礎？ 這正是經典的 Microsoft Teams 與 Slack 之爭[6]。真正的挑戰在於：在微軟將 Copilot 嵌入 Excel/PowerPoint、谷歌把 Gemini 深度整合進 Workspace、或 Adobe 在其創意套件中全面集成 AI 之前，搶先建立起一批忠實的用户羣體。一個獨立的、面向電子表格或演示文稿的 AI 套殼應用，要成功不僅需要做到功能對等（feature parity），還必須克服巨頭在捆綁銷售/分發渠道上的優勢，以及用户切換產品的成本。

這種來自現有巨頭的分發渠道競爭，在醫療、法律等其他大型市場也同樣存在。在這些領域，對新進入者的高門檻和對"記錄系統"（systems of record）的控制權（譯者注：在醫療領域，systems of record 就是電子健康記錄系統（EHR），而 Epic Systems 是美國乃至全球最大的 EHR 供應商之一。），使得像 Epic Systems 這樣的現有巨頭更具優勢。舉例來説，一款無法將內容直接寫入電子健康記錄（EHR）系統的臨牀病歷生成工具，遲早會撞上 Epic 在分發渠道上的優勢壁壘。

這裏有三點需要注意：

（1）首先，即使無法構建長期有效的護城河，快速搶佔市場仍可能創造出退出機會。 像 Cursor 這樣的工具雖然無法掌控其核心依賴項（即對大模型的訪問權限），但其出色的增長速度使其成為大模型廠商眼中極具吸引力的收購目標 ------ 因為這些廠商正希望藉此迅速獲得市場存在感（market presence）。

（2）其次，在某些情況下，小團隊靠把產品做到極致，也能贏。 儘管 Meta 擁有遠超對手的預算和分發能力，但 Midjourney 憑藉其出色的產品質量，仍然成功説服 Meta 使用它的服務。

（3）第三，即便某些市場規模龐大，基礎模型廠商也可能主動迴避某些領域 ------ 比如醫療和法律行業的監管壓力，或 AI 伴侶、成人色情內容可能帶來的輿論風險，這為願意直面極端監管審查或輿論爭議的運營者創造了機會。

市場機會依然巨大[7]，但商業競爭（或收購）隨時可能敲門。

• Cursor 在 18 個月內從零做到 1 億美元的經常性收入（ARR），並持續傳出被 OpenAI 收購的傳聞。
• 另一款編程助手 Windsurf 獲得了 Google 一份價值 24 億美元的訂單。
• Gamma 在約一年內實現 5000 萬美元收入。
• Lovable 僅用六個月就達到 5000 萬美元收入。
• Galileo AI 被 Google 以未披露的金額收購。

03 創業者的機遇

並非每一個市場空白都會吸引大模型廠商或科技巨頭。 現實中存在大量 long tail（譯者注：借用"長尾理論"（The Long Tail）的概念：雖然單個細分需求很小，但這類需求種類極多、總和可觀。）的需求 ------ 其中的用户需求雖小到不足以支撐風投願意投資的公司，卻大到足以養活年收入數百萬美元級別的團隊。這類細分市場，正適合那些務實、剋制、擅長"小而美"打法的創始人。

不妨看看那些占星、顯化（Manifestation）或解夢類的 AI 應用。比如一款解夢場景的 AI 應用，允許用户每天早晨記錄夢境，基於夢境生成 AI 視頻，維護一個專屬的夢境日記，並且能隨着時間推移揭示夢境中存在的模式 ------ 這樣的產品就完整地解決了一個用户真正想要完成的深層任務。

誠然，用户也可以向 ChatGPT 描述夢境，甚至它還能保存歷史記錄，但專用的解夢應用卻能通過特定字段（如反覆出現的人物、地點、物品、主題等）結構化地捕捉夢境，並與睡眠追蹤數據深度整合 ------ 這些是通用聊天機器人很可能無法做到的。

這樣的細分市場，小到不足以引起大模型廠商的關注，卻似乎又大到足以支撐一家能夠盈利的獨立企業。

04 大模型廠商 vs. 現有老牌巨頭

儘管前文所述的幾類情況描述了初創企業的機遇，但當大模型廠商入場時，現有老牌巨頭（incumbents）在"AI 套殼應用"的爭論中也面臨自己的戰略抉擇。在我看來，那些能成功應對大模型廠商競爭的老牌巨頭，通常具備兩個特徵。

第一，即使他們沒有擁有底層的大模型，也會牢牢掌控最終結果。

那些已經深度嵌入用户工作流的應用（如 Gmail/Calendar、Sheets、電子健康記錄系統 EHR/EMR、Figma）不需要用户養成新的使用習慣，而且從零開始構建這類平台，遠比在現有平台上增加 AI 功能要困難得多。當這些應用能直接在自有"記錄系統"（system of record）中執行某些操作 ------ 比如創建日曆事件、提交保險理賠、生成採購訂單等 ------ 用户感知到的"任務完成"（"done"）就發生在巨頭自己的生態之內。此時，AI 只是現有工作流程中的一個額外輸入源，而不是對整個流程的替代。

第二，成功的老牌巨頭會從用户使用數據中積累自有數據。

用户在使用產品時進行的糾正或修改操作；特殊或超出常規範圍的用户使用場景；用户對 AI 輸出的採納、確認或批准行為和用户直接的評分、評論、標註或交互行為中隱含的偏好信號，都會生成訓練數據，這些數據能持續優化產品，而前沿大模型無法獲得這類專有數據。Cursor 雖非傳統巨頭，也高度依賴外部模型，但其 CEO Michael Truell 在 Stratechery 的訪談中提到，他們計劃通過捕捉開發者的行為模式來構建競爭力：

Ben: 對你來説，這是否構成了一個真正可持續的競爭優勢？也就是説，你之所以能主導這個領域，不僅僅是因為一開始調用了大語言模型，而是因為你擁有了用户使用數據 ------ 你現在正在基於用户使用 Cursor 的行為數據訓練自己的模型。你最初的優勢是擁有完整的代碼上下文，這是實現這一切的前提；而現在，你已經有了自己的訓練數據。 Michael: 是的，我認為這是一個巨大的優勢。高上限、產品可選、再通過分發渠道拿到用户數據反哺產品 ------ 這三點跟上世紀末到本世紀初的搜索賽道如出一轍。所以，我們這個市場的競爭邏輯，更像搜索，而非傳統企服市場。

05 拆解"AI 套殼應用"

無論是 AI 套殼應用的批評者的觀點還是辯護者的看法，都有其道理，但也都有所忽略。批評者説得對：有些套殼應用確實沒有護城河，一旦大平台將其產品功能吸收，它們便會失去市場。辯護者説得也對：每一家成功的軟件公司本質上都在"套殼"某些東西。

但我認為，真正的洞見存在於兩者之間。即使一個新的應用起步時只是"套殼"，只要它能紮根於實際工作場景、把數據寫進自家記錄系統、靠用户行為沉澱專有數據，和/或在巨頭捆綁該功能之前搶佔分發渠道，它就能持久立足。 更重要的是，那些即便在競爭來臨時，仍能持續快速推出滿足用户需求的功能的"套殼"應用，才是難以被擊敗的。這些特質，也正是區分持久產品與曇花一現的"功能"的關鍵所在。

END

本期互動內容 🍻

❓你用過的 AI 工具裏，哪些最初像"套殼產品"，後來卻成了你工作流中不可替代的一環？為什麼？

文中鏈接

[1]https://medium.com/@alvaro_72265/the-misunderstood-ai-wrapper-opportunity-afabb3c74f31

[2]https://ai.plainenglish.io/wrappers-win-why-your-ai-startup-doesnt-need-to-reinvent-the-wheel-6a6d59d23a9a?ref=wreflection.com

[3]https://aijourn.com/how-ai-wrappers-are-creating-multi-million-dollar-businesses/?ref=wreflection.com

[4]https://growthpartners.online/stories/how-jenni-ai-went-from-0-to-333k-mrr?ref=wreflection.com

[5]https://newsletter.pragmaticengineer.com/p/google?ref=wreflection.com

[6]https://venturebeat.com/ai/microsoft-teams-has-13-million-daily-active-users-beating-slack?ref=wreflection.com

[7]https://a16z.com/revenue-benchmarks-ai-apps/?ref=wreflection.com

本文經原作者授權，由 Baihai IDP 編譯。如需轉載譯文，請聯繫獲取授權。

原文鏈接：

https://www.wreflection.com/p/wrapping-my-head-around-ai-wrappers