北京時間昨日深夜，當華爾街的交易員結束了一天的喧囂，陸家嘴的分析師正準備結束覆盤時，一條看似“無關緊要”的科技新聞開始在小圈子裡發酵：OpenAI正式向所有用戶推出了ChatGPT的“學習模式”（Study Mode）。
“哦，一個教育功能，利好教育，利空Chegg（美國一家在線教育公司）。”——這或許是90%的行業觀察者，在掃過新聞標題後，頭腦中閃過的第一個念頭。市場波瀾不驚，似乎這不過是AI巨頭在眾多產品線中，一次微不足道的優化。
然而，在表面的平靜之下，一股足以重塑科技產業格局的暗流正在加速湧動。
如果我們僅僅將其理解為對教育行業的“小打小鬧”，那將犯下致命的戰略誤判。這不僅僅是一次功能更新，它是一個清晰的、不加掩飾的戰略信號，揭示了OpenAI乃至所有基礎大模型廠商的終極野心：從一個提供能力的“水平工具平臺”，高速進化為一個通吃所有“垂直行業解決方案”的終極整合者。
一個精心設計的“認知訓練場”
讓我們先回到功能本身，仔細審視這個“學習模式”。
它徹底顛覆了我們對ChatGPT“有問必答”的固有印象。開啟該模式後，它不再是那個知識淵博、即時響應的“答案引擎”，而是搖身一變，成為了一位嚴謹、循循善誘的“蘇格拉底式”私人教練。
例如：你讓它為你策劃一份商業計劃書，它不會生成模板，而是會引導你：“一個成功的計劃始於清晰的目標。我們先來定義一下，你的核心產品是什麼？目標客戶是誰？你希望在第一年實現的關鍵指標又是什麼？”
看到了嗎？它的核心不再是“給予”，而是“引導”。通過個性化的提問、反饋和啟發，它旨在訓練用戶的獨立思考和批判性思維能力。
這一招，精準而優雅地打擊了在線教育（EdTech）行業的心臟。像Chegg、Quizlet、甚至Coursera這類公司，它們的核心價值是什麼？是結構化的知識庫、個性化的學習路徑和交互式的練習體驗。
而現在，ChatGPT用一個功能，就將這種曾經需要耗費巨資研發的“個性化教學體驗”幾乎免費地提供給了全球數億用戶。
“我們花了十年時間，投入了數億美元，才建立起我們的互動題庫和學習反饋系統，”一位不願透露姓名的EdTech上市公司高管在硅兔君組織的閉門會議上坦言，“而ChatGPT似乎一夜之間就擁有了無限的、能覆蓋任何學科的‘超級導師’，這讓我們感到不寒而慄。”
但如果說，顛覆一個千億美金的教育市場只是“前菜”，那麼接下來的戰略圖景，才是真正的主餐。
“吞噬一切”的平臺野心
“學習模式”的真正可怕之處，在於它揭示的戰略範式轉移。
在過去兩年，我們對大模型的普遍認知是“賦能者”。它像水和電一樣，是一種新型的生產力要素，可以“賦能”千行百業。無數SaaS公司歡欣鼓舞，紛紛推出“AI-Powered”的新功能，股價也因此一飛沖天。
然而，“學習模式”的出現，無情地戳破了這個美好的幻想。它證明了：當底座模型的能力強大到一定程度時，它就不再滿足於“賦能”，而是會親自下場，“吞噬”那些原本由應用層提供的價值。
這在科技史上並非孤例。微軟當年將IE瀏覽器捆綁進Windows操作系統，直接扼殺了曾經不可一世的網景（Netscape）。蘋果在iOS中內置了地圖、音樂、播客等應用，也極大地壓縮了第三方開發者的生存空間。
歷史總是相似的。今天，OpenAI正在做同樣的事情，但其波及範圍將遠超前人。我們可以做一個簡單的、但足以讓所有SaaS投資者警醒的推演：今天，它叫“學習模式”，是為了“更好地學習”。
明天，它完全可以推出“投研模式”。想象一下，你將一家公司的近十年財報、所有高管的電話會記錄、以及最新的行業研報全部餵給它，它生成的不再是簡單的總結，而是一份包含深度財務分析、潛在會計風險提示、以及基於不同宏觀假設的估值模型。這會讓多少金融數據終端和分析軟件黯然失色？
後天，它可以上線“診療模式”。通過對海量醫學影像和病歷數據的學習，它能為醫生提供極高精度的輔助診斷建議，直接挑戰那些昂貴的醫療影像分析軟件。
未來，還會有“法務模式”、“營銷模式”、“代碼審查模式”……
這個邏輯鏈條的核心是：所有以“人機交互”和“知識處理”為核心的軟件服務，其根基都在被動搖。 過去，SaaS公司的護城河在於其對特定行業工作流（Workflow）的深刻理解和軟件實現。
而現在，大模型可以直接通過對海量行業數據的學習，繞過這些固化的工作流，提供更智能、更動態的解決方案。
這就引出了所有二級市場投資者必須直面的靈魂拷問。
投資者的靈魂三問
面對這場由AI平臺發起的“價值鏈重構”，任何固守舊地圖的投資者，都可能迷失方向。我們必須拋棄過去的思維定勢，從三個根本問題上重新審視我們的投資組合。
第一問：你投的公司，還剩下什麼？
在AI平臺“吞噬一切”的背景下，傳統SaaS公司的護城河正在快速蒸發。
交互體驗？ 當自然語言成為終極交互界面，精心設計的UI/UX優勢還剩多少？
功能矩陣？ 當大模型能通過簡單的指令，動態組合和生成功能時，固化的功能列表還有多大意義？
數據壁壘？ 當合成數據技術日趨成熟，獨佔數據的價值是否會被稀釋？
我們需要重新評估，一家科技公司的核心壁壘，究竟是沉澱在軟件代碼裡，還是體現在那些無法被AI輕易複製的東西上——比如，強大的線下銷售網絡、深度的客戶信任關係、獨特的硬件整合能力，或是真正受法律保護的獨家數據。
第二問：錢，最終會流向哪裡？
當價值鏈被重構，利潤分配也將隨之改變。一個清晰的趨勢是，利潤正在從應用層（各類SaaS公司）向平臺層（OpenAI, Google, Anthropic等基礎模型提供商）高度集中。
未來，大量SaaS公司的毛利率和盈利能力將面臨長期壓力。作為投資者，我們必須警惕那些嚴重依賴第三方大模型能力，而自身缺乏議價能力的公司。相反，我們應該去尋找那些能從這場變革中獲益的“收費站”。
第三問：誰是新時代的贏家？
當然，每一次範式轉移，在摧毀舊秩序的同時，也在創造新機會。除了平臺本身，誰會是這場“智能化浪潮”中的新“賣鏟人”？
算力仍是基石：NVIDIA的地位短期難以撼動，但新的機會可能出現在專用AI芯片（ASIC）、光子計算、存算一體等更前沿的硬件創新上。
高質量數據服務：大模型需要“餵養”，能提供高價值、經過精細化標註的專有數據（如醫療、法律、金融）的公司，將擁有極強的議價能力。
模型安全與合規：隨著AI滲透到關鍵領域，“AI審計”、“模型可解釋性”、“對抗性攻擊防禦”等服務將成為剛需，催生全新的賽道。
邊緣計算與模型壓縮：將龐大的模型高效部署到終端設備（如手機、汽車、物聯網設備）上，這個領域的工程技術挑戰巨大，也蘊藏著巨大的投資機會。
本文來自微信公眾號“硅兔君”，作者：硅兔君，36氪經授權發佈。
