S16.1第一性原理做产品（1）：从《创新者的窘境》看AI颠覆——为什么大模型不是护城河
第一性原理做产品（1）：从《创新者的窘境》看AI颠覆——为什么大模型不是护城河
本文是专栏「第一性原理做产品：AI时代从"能做"到"做好"的破局之道」第1篇。我们用第一性原理重新解读六部经典产品/商业著作，在AI时代提炼新的产品方法论。
一、你正在追逐的，可能是别人的游戏
现在做AI产品，你一定听过这些话：
“我们的模型参数又涨了。”“我们用的是最新的MoE架构。”“我们在MMLU榜单上超越了GPT-4。”
听起来很厉害，对吧？但请你停下来想一个问题：如果明天OpenAI发布了一个新模型，在所有指标上碾压你，你的产品还剩什么？
如果你的答案让你感到不安，那么恭喜你——你正在经历Clayton Christensen在1997年就精准预言过的"创新者窘境"。
1997年，Christensen出版了《创新者的窘境》（The Innovator’s Dilemma）。这本书讲的是硬盘行业的故事，但它的洞见穿透了时间，在AI时代比任何时候都更锋利。
Christensen的核心发现是什么？大公司并不是被"做得不好"打败的。恰好相反，大公司是在"做得太好"这件事上被颠覆的。他们在持续性创新（Sustaining Innovation）上无敌——但恰恰是这种"无敌"，让他们在颠覆性创新（Disruptive Innovation）面前脆弱得像纸糊的一样。
为什么？因为大公司被"价值网络"（Value Network）绑架了。他们的客户、股东、组织流程、KPI体系，全部围绕"服务现有客户，赚取更高利润"来运转。当一个颠覆性技术出现时，它最初的表现往往不如现有方案——它更便宜、更简单、更"差劲"。大公司的现有客户看不上它，大公司的利润模型支撑不了它，于是大公司选择"理性地忽视"。
而颠覆者就在这个"被忽视的角落"里生长，从低端市场切入，逐步提升性能，最终吃掉整个市场。
这就是《创新者的窘境》的核心洞见。但它跟AI有什么关系？关系大了。
二、AI时代的两条路：你走在哪一条？
让我们把Christensen的框架平移到AI时代。你会发现，整个AI行业的竞争格局，清晰得令人窒息。
2.1 大模型是"持续性创新"——这场游戏你赢不了
持续性创新的定义是什么？在现有性能维度上做得更好。更快、更大、更准、更强。
大模型竞赛是不是这样？完全就是。GPT-3到GPT-4，参数从1750亿到据说1.8万亿。Claude 2到Claude 3，上下文窗口从100K到200K。Gemini、Qwen、DeepSeek……所有人都在同一条赛道上，比拼同一个指标：模型能力。
这是一场持续性创新的战争。而在持续性创新上，大厂几乎一定会赢。
原因很简单：持续性创新拼的是资源。算力、数据、人才、资金。大厂拥有所有这些要素的绝对优势。Google有TPU，Meta有开源生态，Microsoft有Azure和OpenAI绑定。你一个创业公司，拿什么拼？
OpenAI是例外吗？不是。OpenAI恰恰证明了规则——它之所以能跑出来，是因为它在2015年就起步了，那个时候大模型还是一个"没有现有客户"的领域，大厂的价值网络还没有覆盖到这里。但一旦大厂意识到这个赛道的重要性，OpenAI立刻需要Microsoft的130亿美元投资才能继续玩下去。
所以，如果你现在还在想"我要做一个更强的模型来建立护城河"，请立即停止这种想法。这不是护城河，这是给大厂当陪练。
2.2 真正的颠覆：从"低端"切入，重新定义游戏
颠覆性创新的特征是什么？它不是在现有维度上做得更好，而是重新定义了"好"是什么。
Christensen在书中举了一个经典案例：钢铁行业。大型综合钢厂（如美国钢铁公司）在"高质量钢材"上不断精进，而小型电炉钢厂（如Nucor）从"废钢回收"起步，生产的是低端钢筋。大钢厂看不上这块市场——利润太低，客户太小。但小钢厂在这个"低端市场"站稳脚跟后，逐步向上突破，最终把大钢厂赶出了整个市场。
AI时代的颠覆者，走的是完全一样的路径。
来看三个案例。
三、三个案例：谁在颠覆，谁在被颠覆？
案例1：GPT套壳产品——"持续性创新"的附庸
2023年到2024年，出现了无数"GPT套壳"产品。它们的基本逻辑是：接入OpenAI的API，加一个UI，就叫AI写作助手、AI客服、AI翻译……
这些产品有一个共同的问题：它们没有独立的价值主张。它们的"好"完全依附于底层模型——底层模型变强，它们就变强；底层模型变弱，它们就变弱。它们做的事情，本质上是在"持续性创新"的列车上买了一张站票。
当OpenAI自己推出ChatGPT Plus、GPTs、GPT Store时，这些套壳产品瞬间失去了存在的意义。因为它们的"价值网络"和OpenAI的"价值网络"完全重叠，而OpenAI拥有底层模型的绝对控制权。
这不是颠覆性创新，这是寄生。而寄生者没有未来。
案例2：Cursor——不是在"更好的代码补全"上竞争
现在来看一个反例：Cursor。
当GitHub Copilot已经占据了"AI代码补全"的心智时，Cursor做了什么？它没有去跟Copilot比"谁的补全更准"。它重新定义了"AI编程"这件事。
Copilot的范式是：IDE + AI插件。你写代码，AI帮你补全。
Cursor的范式是：AI原生编程环境。你描述意图，AI帮你实现，你可以直接跟代码库对话，可以一键apply AI生成的改动，可以在编辑器里跟AI进行多轮迭代。
Cursor不是在"持续性创新"的维度上跟Copilot竞争。它创造了一个新的维度——“AI First的编程体验”。在这个新维度上，Copilot反而是"落后的"——因为Copilot被GitHub的"价值网络"绑定了，它必须兼容现有的IDE和工作流，不能做一个完全AI原生的东西。
这就是颠覆性创新的经典路径：你不是在现有战场上做得更好，而是换了一个战场。
案例3：Midjourney——不是"更好的图像生成"，而是"更好的创意工具"
DALL-E 3出来的时候，很多人说Midjourney完了。毕竟DALL-E背靠OpenAI，文字理解能力一流，而且和ChatGPT深度集成。
但Midjourney不仅没死，反而活得越来越好。为什么？
因为Midjourney从一开始就没有在"图像生成质量"这个维度上跟DALL-E死磕。Midjourney选择了一个不同的战场：创意工作流。
Midjourney的产品设计围绕"创意迭代"展开：你可以用remix模式对生成结果进行微调，可以用vary region做局部修改，可以用describe从图片反推提示词，可以在Discord里跟社区一起创作。Midjourney不是在做一个"更好的AI画图工具"，而是在做一个"AI原生的创意协作平台"。
DALL-E的"价值网络"绑定了OpenAI——它必须跟ChatGPT集成，必须服务于"对话式AI"的战略。这让DALL-E很难在"创意工作流"这个维度上跟Midjourney竞争。
Midjourney赢了，不是因为它技术更强，而是因为它选择了一个大厂"不擅长"的战场。
四、实操框架：AI产品的"颠覆性机会评估矩阵"
基于以上分析，我为你设计了一个简单的评估框架。当你思考一个AI产品机会时，把它放进这个2x2矩阵里，看看它落在哪个象限。
| 持续性创新（在现有维度上做得更好） | 颠覆性创新（重新定义"好"是什么） | |
|---|---|---|
| 大厂擅长（算力、数据、渠道、生态） | 死亡区：大模型竞赛、通用AI助手、AI搜索（跟Google/Bing拼） | 战略区：需要大厂资源但能重新定义品类的机会（如Apple Vision Pro式的硬件+AI） |
| 大厂不擅长（垂直场景、新工作流、社区驱动、小众需求） | 存活区：垂直领域的AI微调、行业知识库、专业翻译（可做但天花板低） | 黄金区：Cursor式的AI原生工具、Midjourney式的创意平台、行业AI工作流重塑 |
如何使用这个矩阵？
- 如果你的产品落在"死亡区"——立即调整方向。你不可能在通用大模型上拼过Google/Microsoft/Meta。
- 如果你的产品落在"存活区"——可以活，但要做深做透垂直场景，建立数据和关系壁垒。
- 如果你的产品落在"战略区"——需要极强的资源整合能力，一般不适合初创团队。
- 如果你的产品落在"黄金区"——这就是你该全力投入的方向。找到一个"大厂看不上、做不好、或者被价值网络绑住手脚"的切入点，重新定义用户对"好"的认知。
判断"黄金区"机会的三个标准：
- 大厂看不上：这个市场现在看起来太小，大厂的ROI算不过来
- 大厂做不好：这个需求跟大厂现有的产品逻辑冲突，他们"不能"做
- 大厂来不及：这个市场变化太快，大厂的决策链条跟不上
五、行动清单
读到这里，你可能会问：“道理我都懂了，但具体怎么做？” 以下是你可以立即开始的三件事：
第一步：审视你当前的产品。用上面的矩阵，诚实地评估你的产品落在哪个象限。如果你在"死亡区"，不要自欺欺人——现在调整方向，比六个月后被迫调整要好得多。
第二步：寻找"被忽视的角落"。问问自己：有哪些用户需求，大厂因为"不够大"“不够赚钱”"不够性感"而忽视了？这些需求里，有没有AI可以重新定义"好"的机会？
第三步：重新定义你的竞争维度。不要问"我的AI比大厂强在哪里"，而要问"我在做什么大厂不会做的事情"。如果答案是"什么都没有"，那你就需要重新思考了。
六、一个提醒
Christensen在书里反复强调一个观点：颠覆性创新不是"技术"问题，而是"战略"问题。颠覆者用的技术，往往不是最先进的——小钢厂用的电炉技术，大钢厂十年前就掌握了。但大钢厂"选择"不用，因为他们的价值网络不允许。
AI时代也一样。Cursor用的底层模型，Copilot也能用。Midjourney用的扩散模型，跟Stable Diffusion没有本质区别。真正让它们"颠覆"的，不是技术，而是它们选择了一个不同的战场。
所以，下一次当你听到有人说"我要做一个更强的AI模型"时，请记住Christensen的警告：“好"的敌人，往往是"更好”。
下一期预告：第2篇《从〈从0到1〉看AI创业——在"能做"通胀时代，找到你的秘密》。Peter Thiel说"竞争是失败者的游戏"，在AI让"能做"变得无比廉价的今天，这句话比任何时候都更致命。我们下周见。
如果这篇文章对你有启发，欢迎点赞、收藏、转发。你的支持是我持续创作的动力。
投票：你觉得你的AI产品目前处于哪个象限？
- A. 死亡区——正在跟大厂拼模型能力，有点慌
- B. 存活区——垂直场景，暂时安全但天花板可见
- C. 黄金区——找到了一个被忽视的角落，正在发力
- D. 还在探索中，不确定
评论区话题：你见过哪些AI产品，看似在"颠覆"，实际上只是"持续性创新"的附庸？欢迎在评论区分享你的观察。
关于这个专栏：「第一性原理做产品」是一个用经典商业理论重新解读AI产品实践的深度专栏。每篇文章结合一部经典著作，剖析一个AI时代的核心命题，提供可复用的实操框架。如果你也在思考"AI让’能做’归零之后，'做好’到底靠什么"，欢迎关注本专栏，一起探索。