三件事同时发生，宣告AI应用迈入新阶段：美国政府关上了Anthropic旗下Fable等顶尖闭源模型的访问大门；Satya Nadella公开表示AI生态的护城河应建立在人类专业知识与系统层面；Salesforce以36亿美元收购基于开源模型实现高性价比的客户支持AI公司Fin（前Intercom）。它们指向同一个行业转向：模型不再是竞争壁垒，系统设计才是。

过去两年，闭源模型被视为AI应用最直接的护城河——独家访问权、顶尖任务表现、品牌溢价。但美国政府限制Fable访问，与Anthropic频频调整API政策形成呼应，直接削弱了这一优势。闭源模型随时可能因政治、监管或商业因素“断供”，本地部署和开源模型不再是备选项，而是基础要求。

Nadella的观点进一步印证了这种趋势。他认为，模型能力会快速趋同，真正的差异化在于如何将人类专业知识“烹饪”进系统——即通过外围数据、流程设计、反馈机制构成的整合体系来发挥作用。这与Salesforce收购Fin的逻辑高度一致：Fin利用开源模型实现性能，而非依赖某个特定闭源模型。价值的锚点从“用了什么模型”迁移到“模型的组合与调用方式”。

VCP分析机构Tunguz的观点最具实操性：构建AI应用难在系统设计，尤其体现在三项新学科——选型、智能体循环、评估优化。
第一，选型。Kimi K2.6、Qwen 3.6 27b、GLM 5.1等模型特性各异，有些擅长长上下文，有些精于推理，有些成本极低。团队需要像选芯片一样反复比较模型，区别往往不在指标分数，而在具体场景下的表现。
第二，设计“hill-climbing”循环。单次推理不够，智能体系统需要自主迭代——通过拆解任务、尝试方案、反馈错误来逼近最优解。这种循环的质量直接决定系统能不能从“回答正确”进化到“复杂任务高效完成”。
第三，持续评估。在token预算有限的前提下，团队必须量化每条输出对应的智能程度。无论是用户满意度、任务完成率还是成本边际，评估体系的设计优劣决定了投入产出比。

行业进入黄金时代，意味着标准在升级。掌握这三项技能的公司将占据先机：它们不再被特定模型绑定，转而成为“系统优化者”。当前AI应用开发者的最大红利不在于等待下一个更强的模型，而在于重新定义自己的专业领域与系统边界——这一轮竞争的真正护城河，在人而非模型。