编者按： AI 套壳应用究竟只是"调个 API 就上线"的投机产物，还是隐藏着被忽视的创业机会与产品逻辑？

今天我们为大家带来的这篇文章，作者的核心观点是："AI 套壳产品"不应被简单贬低，其能否持续生存取决于它是否嵌入用户工作流、积累专有数据、占据分发渠道，以及所处细分市场的规模是否足以抵御巨头竞争。

文章首先区分了"功能型"与"产品型" AI 套壳应用，指出前者易被平台整合取代，后者则可能通过深度集成与数据积累建立护城河。作者进一步探讨了模型供给与分发渠道对创业公司构成的挑战，并以编程助手、医疗、法律等市场为例，说明在巨头环伺下仍存在细分机会。最后，文章也分析了传统老牌企业在 AI 时代的竞争策略，强调控制用户流程与积累自有数据的重要性。

作者 | Nowfal Khadar

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

编译 | 岳扬

"那不过是个 AI 套壳产品（AI wrapper）罢了。"

这种贬低之词，对于那些正用人工智能开发新产品的人来说，听起来再熟悉不过了。

而反驳的声音我们也同样耳熟。

"万物皆是套壳。OpenAI 是包在 Nvidia 和 Azure 之上的壳。Netflix 是包在 AWS 之上的壳。Salesforce 则是一个估值 3200 亿美元的 Oracle 数据库套壳应用，" Perplexity 的 CEO Aravind Srinivas 说道。

如果你还不熟悉"AI 套壳产品"（AI Wrapper）这个词，这里有一条不错的定义[1]。

这是一个带有贬义的术语，指的是利用现有的 AI 模型或 API 来提供特定功能的轻量级应用或服务，其开发过程通常投入极少、复杂度很低。 典型的 AI 套壳应用包括那些让用户能"与 PDF 对话"的应用。这类 AI 套壳应用允许用户上传一份 PDF 文档（比如一篇研究论文），并通过与 AI 模型交互来快速分析文档内容、获取答案。在 ChatGPT 刚推出时，用户还不能直接上传文档或将文档整合进提示词中，也无法创建自定义 GPT（custom GPT），因此这类应用迅速走红。

AI 套壳应用梗图：底层不过是对 OpenAI 的一次 API 调用。

在我看来，这场关于 AI 套壳产品的争论忽略了一个更重要的问题。并非所有套壳应用都一样。有些只是昙花一现，等到大平台将这部分套壳产品的功能整合进自家产品后便消失了。但有些能嵌入用户工作流、能积累专有数据并持续学习用户使用习惯、甚至能抵御现有巨头在分发渠道上的优势，这部分套壳产品就能活下来。把某项产品简单贴上"套壳应用"的标签，反而掩盖了真正该问的两件事： （1）它到底是一个功能，还是一个独立的产品；（2）它所面向的细分市场规模有多大。

01 "功能"还是"产品"？

我们先来看前面那个例子：一个让你能与 PDF 对话的 AI 套壳应用。这类工具只解决一个非常具体的问题 ------ 回答关于某份文档的疑问。它既不能创建新文档，也无法编辑现有文件。通常也不会积累任何独特的用户数据，更不会从用户行为中持续学习。因此在我看来，它更像一种功能（capability），而不是一个端到端的完整解决方案 ------ 如果我可以这么说的话，它只是达成目的的一种手段。

正因如此，这类功能理应被集成到文档查看器、编辑器中，或被大模型提供商（如 OpenAI、Anthropic、Google）直接整合进其旗舰应用里。一旦基础模型本身（比如 OpenAI/ChatGPT、Anthropic/Claude、Google/Gemini）原生支持这项能力，这些独立的套壳工具就变得多余了。这正是典型的"功能"特征：容易被复制、无法独立完成端到端任务、缺乏护城河，也难以长期具备竞争力。

但有一点需要注意：即便是这类"功能"，在大平台将其整合进自家应用之前，也可能成为一门不错的生意，赚取可观收入[2]。

• PDF.ai 月经常性收入（MRR）达 50 万美元，PhotoAI 为 7.7 万美元，Chatbase 为 7 万美元，InteriorAI 为 5.3 万美元[3]。
• Jenni AI 更是在短短 18 个月内，MRR 从 2,000 美元飙升至超过 33.3 万美元[4]。

02 所处细分市场的规模大到巨头无法视而不见

有些套壳应用确实是真正的产品，且所处的细分市场庞大到模型开发商和科技巨头都无法忽视。此时，它就会同时面临来自上游（模型供给）和下游（分发渠道）的双重竞争压力。

2.1 模型供给

代码助手（编程辅助工具）既是高度依赖大模型访问权限的典型例子，也正处在与大厂分发渠道竞争的前线。例如 Cursor 这类工具，已将一个套壳应用转变为 AI 集成开发环境（IDE） ------ 它能读取整个代码仓库、编辑文件、生成代码、回滚代码更改、运行编码智能体，并重新定义 AI 时代的开发者体验。这个市场值得投入关注：截至 2025 年 10 月，全球市值前五的公司全部是科技企业，而软件开发者约占其员工总数的 30%[5]。哪怕开发工具仅将生产力提升几个百分点，所释放的价值也高达数十亿美元。这使得该细分领域成为模型厂商和已拥有分发渠道的现有巨头的必争之地。

但是，在开放权重（open-weight）或自研的模型在质量上达到甚至超越前沿模型之前，Cursor 和其他类似的工具几乎完全依赖 Anthropic、OpenAI 和 Gemini 提供的模型。开发者社区充斥着付费用户对 API 调用限制（rate limits）的抱怨。在我自己的项目中，我在项目进行到一半时就耗尽了 Cursor 中的 Claude 额度。尽管我更喜欢 Cursor 的用户界面和交互设计，最终还是迁移到了 Claude Code（并为此多支付了十倍的费用，只为了避开调用限制）。Cursor 的用户界面或许更好，但模型访问权限最终成了决定性因素。

这种对模型访问权限的依赖，所带来的战略上的影响远不止调用限制。OpenAI CEO Sam Altman 认为，正确的战略应建立在模型持续改进的假设之上：

"目前基于 AI 构建产品有两种策略。一种是假设模型不会再变好；另一种是假设模型会保持当前的速度持续进步。在我看来，世界上 95% 的人都应该押注后者，但许多初创公司却是基于前一种假设构建的。只要我们做好本职工作------因为我们肩负着使命，我们将彻底碾压你们。"

基础模型之间的竞争已扩展到 OpenAI Applications CEO Fidji Simo 所指出的所有战略领域（知识/辅导、医疗、创意表达、购物），以及写作助手、法律助手等其他大型细分市场。

2.2 分发渠道

分发渠道构成了第二重威胁。即便某些领域大模型厂商暂未直接涉足，初创公司也仍面临另一个问题：能否在那些科技巨头利用其已有产品和分发渠道快速把你的"功能"添加到他们自家产品之前，先建立起自己的用户基础？ 这正是经典的 Microsoft Teams 与 Slack 之争[6]。真正的挑战在于：在微软将 Copilot 嵌入 Excel/PowerPoint、谷歌把 Gemini 深度整合进 Workspace、或 Adobe 在其创意套件中全面集成 AI 之前，抢先建立起一批忠实的用户群体。一个独立的、面向电子表格或演示文稿的 AI 套壳应用，要成功不仅需要做到功能对等（feature parity），还必须克服巨头在捆绑销售/分发渠道上的优势，以及用户切换产品的成本。

这种来自现有巨头的分发渠道竞争，在医疗、法律等其他大型市场也同样存在。在这些领域，对新进入者的高门槛和对"记录系统"（systems of record）的控制权（译者注：在医疗领域，systems of record 就是电子健康记录系统（EHR），而 Epic Systems 是美国乃至全球最大的 EHR 供应商之一。），使得像 Epic Systems 这样的现有巨头更具优势。举例来说，一款无法将内容直接写入电子健康记录（EHR）系统的临床病历生成工具，迟早会撞上 Epic 在分发渠道上的优势壁垒。

这里有三点需要注意：

（1）首先，即使无法构建长期有效的护城河，快速抢占市场仍可能创造出退出机会。 像 Cursor 这样的工具虽然无法掌控其核心依赖项（即对大模型的访问权限），但其出色的增长速度使其成为大模型厂商眼中极具吸引力的收购目标 ------ 因为这些厂商正希望借此迅速获得市场存在感（market presence）。

（2）其次，在某些情况下，小团队靠把产品做到极致，也能赢。 尽管 Meta 拥有远超对手的预算和分发能力，但 Midjourney 凭借其出色的产品质量，仍然成功说服 Meta 使用它的服务。

（3）第三，即便某些市场规模庞大，基础模型厂商也可能主动回避某些领域 ------ 比如医疗和法律行业的监管压力，或 AI 伴侣、成人色情内容可能带来的舆论风险，这为愿意直面极端监管审查或舆论争议的运营者创造了机会。

市场机会依然巨大[7]，但商业竞争（或收购）随时可能敲门。

• Cursor 在 18 个月内从零做到 1 亿美元的经常性收入（ARR），并持续传出被 OpenAI 收购的传闻。
• 另一款编程助手 Windsurf 获得了 Google 一份价值 24 亿美元的订单。
• Gamma 在约一年内实现 5000 万美元收入。
• Lovable 仅用六个月就达到 5000 万美元收入。
• Galileo AI 被 Google 以未披露的金额收购。

03 创业者的机遇

并非每一个市场空白都会吸引大模型厂商或科技巨头。 现实中存在大量 long tail（译者注：借用"长尾理论"（The Long Tail）的概念：虽然单个细分需求很小，但这类需求种类极多、总和可观。）的需求 ------ 其中的用户需求虽小到不足以支撑风投愿意投资的公司，却大到足以养活年收入数百万美元级别的团队。这类细分市场，正适合那些务实、克制、擅长"小而美"打法的创始人。

不妨看看那些占星、显化（Manifestation）或解梦类的 AI 应用。比如一款解梦场景的 AI 应用，允许用户每天早晨记录梦境，基于梦境生成 AI 视频，维护一个专属的梦境日记，并且能随着时间推移揭示梦境中存在的模式 ------ 这样的产品就完整地解决了一个用户真正想要完成的深层任务。

诚然，用户也可以向 ChatGPT 描述梦境，甚至它还能保存历史记录，但专用的解梦应用却能通过特定字段（如反复出现的人物、地点、物品、主题等）结构化地捕捉梦境，并与睡眠追踪数据深度整合 ------ 这些是通用聊天机器人很可能无法做到的。

这样的细分市场，小到不足以引起大模型厂商的关注，却似乎又大到足以支撑一家能够盈利的独立企业。

04 大模型厂商 vs. 现有老牌巨头

尽管前文所述的几类情况描述了初创企业的机遇，但当大模型厂商入场时，现有老牌巨头（incumbents）在"AI 套壳应用"的争论中也面临自己的战略抉择。在我看来，那些能成功应对大模型厂商竞争的老牌巨头，通常具备两个特征。

第一，即使他们没有拥有底层的大模型，也会牢牢掌控最终结果。

那些已经深度嵌入用户工作流的应用（如 Gmail/Calendar、Sheets、电子健康记录系统 EHR/EMR、Figma）不需要用户养成新的使用习惯，而且从零开始构建这类平台，远比在现有平台上增加 AI 功能要困难得多。当这些应用能直接在自有"记录系统"（system of record）中执行某些操作 ------ 比如创建日历事件、提交保险理赔、生成采购订单等 ------ 用户感知到的"任务完成"（"done"）就发生在巨头自己的生态之内。此时，AI 只是现有工作流程中的一个额外输入源，而不是对整个流程的替代。

第二，成功的老牌巨头会从用户使用数据中积累自有数据。

用户在使用产品时进行的纠正或修改操作；特殊或超出常规范围的用户使用场景；用户对 AI 输出的采纳、确认或批准行为和用户直接的评分、评论、标注或交互行为中隐含的偏好信号，都会生成训练数据，这些数据能持续优化产品，而前沿大模型无法获得这类专有数据。Cursor 虽非传统巨头，也高度依赖外部模型，但其 CEO Michael Truell 在 Stratechery 的访谈中提到，他们计划通过捕捉开发者的行为模式来构建竞争力：

Ben: 对你来说，这是否构成了一个真正可持续的竞争优势？也就是说，你之所以能主导这个领域，不仅仅是因为一开始调用了大语言模型，而是因为你拥有了用户使用数据 ------ 你现在正在基于用户使用 Cursor 的行为数据训练自己的模型。你最初的优势是拥有完整的代码上下文，这是实现这一切的前提；而现在，你已经有了自己的训练数据。 Michael: 是的，我认为这是一个巨大的优势。高上限、产品可选、再通过分发渠道拿到用户数据反哺产品 ------ 这三点跟上世纪末到本世纪初的搜索赛道如出一辙。所以，我们这个市场的竞争逻辑，更像搜索，而非传统企服市场。

05 拆解"AI 套壳应用"

无论是 AI 套壳应用的批评者的观点还是辩护者的看法，都有其道理，但也都有所忽略。批评者说得对：有些套壳应用确实没有护城河，一旦大平台将其产品功能吸收，它们便会失去市场。辩护者说得也对：每一家成功的软件公司本质上都在"套壳"某些东西。

但我认为，真正的洞见存在于两者之间。即使一个新的应用起步时只是"套壳"，只要它能扎根于实际工作场景、把数据写进自家记录系统、靠用户行为沉淀专有数据，和/或在巨头捆绑该功能之前抢占分发渠道，它就能持久立足。 更重要的是，那些即便在竞争来临时，仍能持续快速推出满足用户需求的功能的"套壳"应用，才是难以被击败的。这些特质，也正是区分持久产品与昙花一现的"功能"的关键所在。

END

本期互动内容 🍻

❓你用过的 AI 工具里，哪些最初像"套壳产品"，后来却成了你工作流中不可替代的一环？为什么？

文中链接

[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

本文经原作者授权，由 Baihai IDP 编译。如需转载译文，请联系获取授权。

原文链接：

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