刚刚，一位曾押中英伟达、特斯拉和SpaceX的顶级科技投资人，抛出了一个极为大胆的判断：AI应用公司，可能即将迎来一轮集体爆发。

这位投资人叫Gavin Baker，是美国科技投资圈的资深人物。他在富达工作过18年，管理过规模约170亿美元的科技基金，后来创立了Atreides Management，也是英伟达、特斯拉和SpaceX的早期股东。

在他看来，过去做AI应用最尴尬的困境是：产品卖得越好，模型账单就越贵。客户每多调用一次，你就得替OpenAI、Anthropic多交一笔钱。更棘手的是，底层模型每升级一代，你费尽心思打磨的功能，还可能被直接“吃掉”。

但现在，游戏规则正在改变。

模型路由、开源模型、基于开源模型的后训练——这三件事正同时走向成熟。AI应用公司完全可以拿自己的真实业务数据，对开源模型做定向训练，再把不同任务智能地分发给不同模型：简单高频的任务，交给轻量专用模型；真正棘手的难题，才调用最强的前沿模型。

结果令人振奋：效果相差无几，成本却可能大幅削减。

更重要的是，客户用得越多，公司积累的数据就越多，模型可以继续迭代，成本还能进一步下降。过去，客户增长等于API账单膨胀；现在，客户增长反而可能让模型越用越便宜。

这正是GavinSBaker断言“将涌现一大批AI应用公司”的原因。

像法律AI公司WeAreLegora，已经能用自己的法律数据训练开源模型，并将其与前沿模型有机结合。cognition身上也显现出同样的轨迹。它们正在共同验证一件事：AI应用公司，不必永远为大模型厂商“交租”。

当一家公司同时拥有客户、数据、评测能力、工作流和专用模型，它就不再只是套壳应用——它开始构筑属于自己的模型能力。

Legora最近披露，ARR同比增长超过10倍，7月单月净新增ARR较此前纪录高出90%。

AI应用曾经最难跨越的成本门槛，或许正在被一步步踏平。

过去，人们担心AI应用没有护城河。但现在来看，真正的护城河，可能才刚刚开始挖下第一锹。