AI不是软件的价值附加，软件才是AI的价值附加

当一家公司在核心业务上遇到增长天花板时，它往往会试图扩大需求。米其林指南不是为了餐厅，而是为了行驶里程；Facebook的internet.org并非出于利他主义，而是通过扩大整个互联网的规模来释放扩张。AI公司面临同样的结构性挑战：其推理收入的制约因素是流经模型的任务量。从他们的角度看，每一款尚未集成模型调用的软件都是未开发的市场。

软件与推理形成需求循环。降低互补品的价格并使其更丰富是刺激核心产品需求的有效方式。2002年，Joel Spolsky指出这一科技策略：将互补品商品化。如今，软件与推理的关系反映了这一动态。更多的软件意味着更多的推理调用，而更好的推理则催生更多值得构建的软件。两者陷入需求循环，但模型供应商掌握定价权。因此，使软件层尽可能廉价和丰富是理性选择，因为这将价值转移到推理层。

AI公司正在付诸实践：他们构建软件、收购软件，并打造极具吸引力的AI原生替代品，使旧版本逐渐消亡。软件层的商品化不是目标，而是副产品。其目标是扩大令牌市场，软件只是手段。

当前主流叙事（尤其在SaaS领域）认为AI是功能，可提升产品粘性、丰富性和利润率。但这一因果是颠倒的。从模型供应商的角度看，软件不是产品，而是驱动推理需求的界面。Claude Code免费提供，很可能是Anthropic迄今推出最耗令牌的产品。OpenAI聘请OpenClaw的创建者，并非因为需要任务自动化代理，而是因为这些产品消耗令牌。狂热的创业者从另一方向理解了这一点：淘金热不仅关乎用聊天替代界面，更在于以根本不同的成本结构重建现有产品——AI原生产品默认通过模型处理工作。

模型供应商推出的每个功能、收购的每款工具、构建的每个代理，都是将参与转化为推理调用的机制。产品服务于计量表。

自然有人反驳：这不过是商品市场的运作方式，商品生产商无需侵蚀客户市场。埃克森美孚不造车，沙特阿美不经营出租车。他们出售燃料，让其他人构建上层应用，却因下游依赖而赚得盆满钵满。理论上AI公司可遵循同一策略：出售令牌，收取API费用，保持中立。

但令牌与石油存在本质区别。石油是燃料：你需要它来驱动汽车，但无法用它设计、制造或改进汽车。令牌则是商品化的思考工作：你可用它运行软件，也可用它构建、设计和复制软件。AI公司不仅出售燃料，还出售能够取代工厂的工具。

埃克森从未威胁通用汽车，因为石油无法造车。Anthropic和OpenAI已经在用他们卖给客户的资源构建与之竞争的软件产品。Cursor基于Claude API构建，而Claude Code与Cursor竞争。互补品不仅驱动核心产品的需求，而且核心产品能够生成互补品。

杰文斯悖论不是AI公司策略的反论，而是他们的增长战略。更多软件被构建，所有软件都消耗令牌，每个环节按量计费。模型供应商从每次推理调用中获利，无论应用成功与否。软件构建量的增加，在他们看来是总目标市场的有效扩张。

扩大市场的公司具备最终捕获市场利润的能力和动机。杰文斯悖论暗示更多软件会被构建，但并不能保证你是构建者或获利者。

行业大多仍将AI视为软件的功能，但模型供应商已将软件视为AI的功能。这两种押注截然不同。产品是推理，软件是表面积。而由于产品可以生产软件，表面积变得极其廉价。