整合型AI優先初創企業指南

本指南整合了領先AI原生公司的實際構建方法，涵蓋信念、架構、引擎、序列、經濟、風險和工具，基於原始資料和公開案例研究，並經過對抗性事實核查。

十項公理

公理1：AI是構建層，而非功能。智能體包裹確定性工具，而非相反。

公理2：模型是商品，護城河在於其周圍的一切：數據、工作流、評估、分發。絕非提示詞。

公理3：上下文工程是核心學科。多數智能體失敗源於上下文失敗，而非推理失敗。

公理4：複利需要閉環。感知、決策、行動、評估、改進。只有閉環能產生複利。

公理5：可記錄性先於智能。若未被記錄，則對AI而言未發生。

公理6：約束從人力轉向推理——方向性且存在爭議。是行進方向，非定論。

公理7：垂直領域勝在深度。深度=專有數據+編碼化工作流+評估，通過部署積累。

公理8：評估是方向盤。無評估則盲行高速。

公理9：代碼是暫時的，上下文是永久的。隨模型改進重新生成代碼；持久資產是所知內容。

公理10：從一個具名用户和一個防彈循環開始。其他皆為過早。

架構——5層20個概念

第1層：產品架構——產品是什麼。包括AI作為構建層、智能體原生屬性、機器可讀接口、LLM領域與代碼領域、執行向創意的轉變。

第2層：智能引擎——如何變得智能。包括自我改進循環、上下文工程、薄框架厚技能、可記錄性、公司大腦/世界模型、技能自我改進、評估作為方向盤。

第3層：護城河——為何可防禦。包括領域優先垂直、數據+工作流護城河、前沿部署工程。

第4層：經濟與組織——如何運作。包括燒代幣而非人力、扁平平等信任默認、基於結果的定價。

第5層：紀律——保持誠實。包括具名用户關卡和代幣最大化（有紀律）。

引擎——自我改進循環

該循環位於第2層內，包含五個動作：感知、決策、行動、評估、改進。當所有動作以最少人為干預運行時，系統隨每個週期改進。實際證據：Cognition的Devin通過部署變得快4倍、資源效率高2倍，合併PR率從約34%提升至約67%。

構建序列

從第0周具名用户關卡開始，經歷可記錄性、框架與第一個技能、策略層、質量門與評估、學習循環、公司大腦（第2-3個月）、護城河與擴展（第4-6個月）。每一步都是下一步的前提。

評估——每個概念的用途

入場券級概念：AI作為構建層、LLM與代碼領域、上下文工程、薄框架厚技能、可記錄性、評估、具名用户關卡。護城河級：自我改進循環、公司大腦、技能自我改進、數據+工作流護城河、前沿部署工程。戰術級：代幣最大化、燒代幣非人力、結果定價、扁平組織。

邊緣案例與緩解措施

包括薄包裝陷阱、評估盲點、失控循環、代幣成本爆炸、可記錄性與隱私、過度自動化、模型鎖定、扁平組織限制、FDE變成諮詢、在具名用户前構建、"構建什麼"的搖擺、上下文腐爛。每個都有具體緩解措施。

工具棧

包括框架、技能文件、機器可讀接口、檢索與記憶、世界模型存儲、評估框架、可觀測性、確定性工具。建議每個類別選一個，避免重建商品化層。

未定論的問題

經對抗性驗證，五個流行主張被駁回：Nvidia預算、創始人壓縮時間、Cal AI收入、YC投資主題、評估成本。仍開放的問題包括：代幣消費是否持久指標、數據護城河是否真正防禦、具名用户紀律是否經驗有效、AI原生公司的真實資本效率。時間敏感性：來源日期為2025年12月至2026年5月，快速變化的領域需要重新驗證。