“200 家 AI 初創公司中，73% 的產品實際上只是‘套殼’，主要套的還是 ChatGPT、Claude！”
這一結論一出，給 AI 創業圈帶來不小的打擊與爭議。
回想 2023 年，OpenAI CEO Sam Altman 曾直言：“套殼 ChatGPT 註定消亡。”
然而現實恰恰相反：隨著 ChatGPT 的爆火，創業熱潮一浪接一浪，無數投資擁入，一些公司甚至尚未發佈產品就已吸引不小的關注度。
如今，一位軟件工程師 Teja Kusireddy 用數據扯開了這場“繁榮”背後的部分真相。他對 200 家 AI 公司進行了逆向工程、反編譯代碼，並追蹤 API 調用，發現許多號稱“顛覆性創新”的公司，其核心功能仍依賴第三方服務，只是在外層多套了一層“創新”的殼。市場宣傳與實際情況之間的差距令人震驚。
那麼，究竟是投資人“完全不懂”，還是 AI 初創公司“太會忽悠”？“自研”與“套殼”的界限如何而定？接下來，我們將通過 Teja Kusireddy 發佈的長文，從他的第一視角，看看他用數據揭示的最新發現與結論。
為什麼會發起“逆向工程”？
上個月，我掉進了一個意料之外的“兔子洞”，陷入了迷茫——一開始只是一個很簡單的問題，最後卻讓我開始懷疑自己對整個 AI 創業生態的一切認知。
那天是凌晨兩點，我在調試一個 webhook 集成時，偶然間發現了點不對勁的東西。
一家聲稱擁有“自主研發的深度學習基礎設施”的公司，竟然每隔幾秒就在調用 OpenAI 的 API。
而這家公司，剛剛憑著“我們構建了完全不同的 AI 技術”這一說法，從投資人那裡融到了 430 萬美元。
就在那一刻，我決定——要徹底查清這件事，到底有多複雜。
調查方法：我是怎麼做的
我不想寫一篇靠“直覺”發牢騷的熱評，我要的是數據，一個真實的數據。
於是，我開始動手搭建工具：
接下來的三週裡，我做了這些事：
從 YC、Product Hunt 和 LinkedIn 的“我們在招聘”帖子中，爬取了 200 家 AI 初創公司的官網；
- 監控它們 60 秒的網絡流量會話；
- 反編譯並分析了它們的 JavaScript 打包文件；
- 將捕獲到的 API 調用與已知服務的指紋庫進行比對；
- 最後，把它們在營銷頁面上吹的牛，與實際的技術實現一一對照。
我特意排除了成立未滿 6 個月的公司（那些團隊還在摸索階段），重點關注那些已經拿到外部融資、並公開宣稱有“獨家技術”的初創公司。
得到了讓我愣住的數據
結果顯示——73% 的公司，其宣稱的技術與真實實現之間存在顯著落差。
200 家的 AI 初創公司可以分為以下幾類：
但真正讓我震驚的，不只是這個數字。更讓我意外的是——我甚至沒有因此生氣。
接下來，進行逐步拆解，可以分為三種模式。
模式 1：所謂“自研模型”，其實只是 GPT-4 加了點額外操作
每次看到“我們自研的大語言模型”這種說法，我幾乎能預判下一步會發現什麼。
結果 37 次裡，有 34 次我猜對了。
技術特徵揭秘：
在我監控出站流量時，這些是明顯的“蛛絲馬跡”：
- 用戶每次與所謂的“AI”互動時，都會向 api.openai.com 發起請求；
- 請求頭（Request Headers）裡包含 OpenAI-Organization 標識；
- 響應時間與完全符合 OpenAI 的 API 延遲模式（大部分查詢 150–400ms）；
- Token 使用量和 GPT-4 的計費等級一致；
- 速率限制的指數退避（exponential backoff）也和 OpenAI 一模一樣。
真實案例曝光
有一家號稱“革命性自然語言理解引擎”的公司，經過反編譯後，我發現他們所謂的“自研 AI”就是這幾行代碼：
就是這樣——整套所謂的“自研模型”，在他們的融資演示文稿裡出現了 23 次。
- 沒有微調
- 沒有自定義訓練
- 沒有創新架構
只是給 GPT-4 下了一個“請假裝你不是 GPT-4”的系統提示而已。
實際上，這家公司的成本與定價僅是：
- GPT-4 API：每 1K 輸入 tokens 為 0.03 美元，每 1K 輸出 tokens 為 0.06 美元
- 平均一次查詢：約 500 輸入 tokens，300 輸出 tokens
- 每次查詢成本：約 0.033 美元
他們對用戶的收費標準是：每次查詢 2.50 美元（或 200 次查詢每月 299 美元）
直接成本利潤率高達 75 倍！
更荒誕的是……我竟然發現有三家不同公司的代碼幾乎完全一樣：
- 變量名一模一樣
- 註釋風格一模一樣
- “永遠別提 OpenAI” 的指令也完全一致
所以，我推斷，這幾家公司要麼是：
- 抄自同一個教程
- 找了同一個外包工程師
- 用了同一個創業加速器的模板
還有一家公司額外加了所謂的“創新功能”：
他們在給投資人演示的文稿裡，把這個功能稱之為“智能回退架構（Intelligent Fallback Architecture）”。
在這裡，我個人認為——包裝 OpenAI 的 API 本身沒有什麼問題，問題在於這些企業把它叫作“自研模型”，背地裡卻只是個 API + 自定義系統提示。
這就好比：買了一輛特斯拉，換個徽標，就說自己發明了“專屬電動車技術”。
模式 2：人人都在做的 RAG 架構（卻沒人承認）
相比第一種模式，這一類更微妙一些。RAG（Retrieval-Augmented Generation，檢索增強生成）本身確實有用，但很多 AI 初創公司的營銷宣傳和實際實現之間的差距更為巨大。
他們吹噓，聲稱自己研發了——“先進的神經檢索 + 自研嵌入模型 + 語義搜索基礎設施....”
實際上，他們擁有的是：
我發現有 42 家公司使用了幾乎一模一樣的技術棧：
- 嵌入模型用的是 OpenAI 的 text-embedding-ada-002（而不是“我們的自研嵌入模型”）；
- 向量存儲用的是 Pinecone 或 Weaviate（而不是“我們的專有向量數據庫”）；
- 文本生成用的是 GPT-4（而不是“我們訓練的模型”）。
實際代碼長這樣：
這並不是說技術不好——RAG 確實有效。但把它稱作 “自研 AI 基礎設施”，就像把你的 WordPress 網站叫做 “定製內容管理架構” 一樣荒誕。
再來算筆賬，這家公司的實際成本（每次查詢）：
- OpenAI 嵌入模型：每 1 K tokens 為 0.0001 美元
- Pinecone 查詢：每次 0.00004 美元
- GPT-4 生成：每 1K tokens 為 0.03 美元
- 總成本：約 0.002 美元/次查詢
而用戶實際支付的價格：0.50–2.00 美元/次查詢
API 成本利潤率高達 250–1000 倍！
我發現 12 家公司代碼結構完全一樣，另外 23 家公司相似度超過 90%。
唯一的差別只是變量名，以及使用 Pinecone 還是 Weaviate。
- 有家公司添加了 Redis 緩存，並吹成 “優化引擎”
- 另一家公司加了重試邏輯，還把它註冊商標，叫 “智能故障恢復系統”
一個典型初創公司每月運行 100 萬次查詢的經濟情況：
成本：
- OpenAI 嵌入模型：約 100 美元
- Pinecone 託管：約 40 美元
- GPT-4 生成：約 30,000 美元
- 總成本：約 30,140 美元/月
收入： 150,000–500,000 美元/月
毛利率：80–94%
這算是糟糕的生意嗎？不是，毛利率非常可觀。
但它是 “自研 AI” 嗎？也不是。
模式 3：所謂“我們微調了自己的模型”，實際上……
微調聽起來很厲害，而且在某些情況下確實有用。但我發現的情況是這樣的：
真正從零訓練模型的公司只佔 7%。敬佩！他們的基礎設施我都看到了：
- AWS SageMaker 或 Google Vertex AI 的訓練任務
- 將訓練好的模型文件（模型產物）存儲在 S3 桶中。
- 自定義推理端點
- GPU 實例監控
其餘大多數公司只是使用 OpenAI 的微調 API，本質上就是——付錢給 OpenAI，把自己的 prompt 和示例保存到他們的系統裡。
30 秒教你識別“套殼公司”
如果你想知道我說的是真是假，其實根本不需要我花三週調查，這裡有快速識別方法：
現象 1：網絡流量
打開 DevTools（F12），切換到 Network 標籤頁，然後與其 AI 功能交互。如果你看到這些請求：
- api.openai.com
- api.anthropic.com
- api.cohere.ai
那你看到的就是「套殼公司」。他們可能加了一層中間件，但 AI 並不屬於他們。
現象 2：響應時間模式
OpenAI 的 API 有一個獨特的延遲特徵。如果每次響應都在 200–350ms 之間，那就基本可以確定是 OpenAI 的服務。
現象 3：JavaScript 打包文件
打開網頁源碼，搜索以下關鍵詞：
我發現 12 家公司把 API Key 留在前端代碼裡。我都舉報了，但沒有一家回應。
現象 4：營銷語言矩陣
規律很明顯：
- 具體技術術語 = 可能是真的
- 模糊的營銷詞 = 很可能在掩飾
如果他們只會用“先進 AI”、“智能引擎”之類的模糊詞，而沒有具體技術細節，通常意味著背後有貓膩。
基礎設施的真實情況
實際上，AI 初創公司的技術格局大致如下：
為什麼這真的很重要？
你可能在想：“管它呢？能用就行。”
你說的部分確實沒錯，但事情比表面更重要：
- 對投資人來說：你在資助的是 prompt engineering，而不是 AI 研究。估值得調整。
- 對客戶來說：你支付的是 API 成本加高額溢價。事實上，你可能一個週末就能搭出同樣的東西。
- 對開發者來說：門檻比你想象的低。那個你羨慕的“AI 初創公司”？它的核心技術，你可能在黑客松裡就能做出來。
- 對整個生態來說：當 73% 的“AI 公司”都在誇大或誤導自己的技術實力，我們已經處在泡沫狀態了。
套殼模式（因為並非所有套殼都是壞事）
聰明的套殼公司並沒有撒謊，它們在做的其實是：
- 特定領域的工作流
- 更優的用戶體驗
- 巧妙的模型編排
- 有價值的數據管道
它們只是底層使用了 OpenAI，這沒有問題。
那 27% 做對了的公司
讓我來重點介紹那些誠實做事的公司：
第一類：透明套殼公司
首頁直接寫著 “Built on GPT-4”。它們賣的是工作流，而不是 AI 本身。案例包括：
- 法律文檔自動化（GPT-4 + 法律模板）
- 客服路由系統（Claude + 行業知識）
- 內容工作流（多模型 + 人工審核）
第二類：真正的構建者
這些公司實際在訓練模型：
- 醫療 AI（HIPAA 合規的自託管模型）
- 金融分析（定製風險模型）
- 工業自動化（專用計算機視覺模型）
第三類：創新者
在現有基礎上構建真正新技術的公司：
- 多模型投票系統，提高準確性
- 帶記憶的自定義智能體框架
- 新型檢索架構
這些公司會在宣傳時候詳細講解它們的架構，因為他們真的自己做了。
我學到了什麼（以及你應該知道的）
經過三週對 AI 初創公司的逆向工程，我總結出以下幾點：
- 技術棧本身沒那麼重要，關鍵是解決的問題。我發現的一些最棒的產品，“只是”套了層殼。它們有出色的用戶體驗、解決了真實問題，並且對自己的方式很誠實。
- 但誠實很重要。一個聰明的套殼公司和一個欺詐公司之間的差別，就是透明度。
- AI 熱潮正在創造錯誤的激勵。創始人感到壓力，被迫宣稱“自研 AI”，因為投資人和客戶都期望如此。這種狀況需要改變。
- 基於 API 構建並不可恥。每個 iPhone 應用都是“封裝 iOS API”的產物，我們不在意。我們關心的是它能不能用。
真正的考驗：你能自己做出來嗎？
我的評估框架如下：
- 如果你在 48 小時內能復刻他們的核心技術，他們就是套殼公司。
- 如果他們對這一點很誠實，那沒問題。
- 如果他們撒謊——趕緊遠離。
我的實際建議
對創始人：
- 誠實說明你的技術棧
- 在用戶體驗、數據和行業知識上競爭
- 不要聲稱做了你沒有做過的事
- “Built with GPT-4” 並不是弱點
對投資人：
- 要求查看架構圖
- 索取 API 賬單（OpenAI 發票不會騙人）
- 合理評估套殼公司
- 獎勵透明度
對客戶：
- 檢查網絡流量（Network Tab）
- 詢問基礎設施細節
- 不要為 API 調用支付 10 倍溢價
- 根據效果，而不是技術宣傳來評估
那件沒人敢明說的事
大多數所謂的“AI 初創公司”，其實是靠 API 成本而不是員工成本運作的服務型公司。
這沒什麼問題。
但就該叫它本來的名字。
接下來會發生什麼？
AI 套殼時代是不可避免的。我們在其他領域經歷過同樣的週期：
- 雲基礎設施（每個創業公司都聲稱“自建數據中心”）
- 移動應用（人人都說自己是“原生”，其實是混合開發）
- 區塊鏈（每家公司都在“基於區塊鏈”開發）
最終，市場會成熟。踏實的開發者會勝出，騙子會被揭穿。
而現在，我們正處在混亂的中間階段。
最後的思考
在逆向分析了 200 家 AI 初創公司後，我反而對這個領域更樂觀，而不是更失望。
- 那 27% 真正在做技術研發的公司，做得非常出色。
- 聰明的套殼公司也在解決真正的問題。
- 即便一些存在誤導的公司，也有不錯的產品，只是營銷需要調整。
但我們需要讓關於 AI 基礎設施的誠實成為常態。使用 OpenAI 的 API 並不意味著你就不是開發者。撒謊才會讓你失去可信度。
做酷產品，解決真實問題，使用任何有效的工具。只是別把你的 prompt 工程吹成“專有神經網絡架構”。
調查以來的心路歷程
在博客文章的最後，Teja Kusireddy 也分享了他開始調查後的情況：
- 第 1 周：原以為大約 20–30% 的公司使用第三方 API，但還是太天真了。
- 第 2 周：有創始人聯繫他，問“怎麼進入了他們的生產環境”。其實，Teja Kusireddy 根本沒進去，他看到的一切都在瀏覽器網絡面板裡，這些企業只是沒想到有人會看。
- 第 3 周：有兩家公司要求 Teja Kusireddy 撤掉髮現內容。
- 昨天：一位 VC 問他是否可以在下一次董事會前審查他們的投資組合公司，Teja Kusireddy 答應了。
Teja Kusireddy 表示，他後面會在 GitHub 上公開分享調查的方法論、完整的爬取基礎設施、API 指紋識別技術、可立即運行的檢測腳本以及各大 AI API 的響應時間模式等等。
在三週裡，Teja Kusireddy 稱自己學到的唯一結論是：市場最終會獎勵透明，哪怕一開始可能懲罰它。他還透露，自己這篇內容發佈之後：
有 7 位創始人私下聯繫了他，有的防禦，有的感激。
三家公司請求幫忙，把營銷從“專有 AI”轉成“基於頂級 API 開發”。
一位創始人告訴他：“我知道我們在撒謊，投資人希望這樣，大家都這麼做。我們該怎麼停？”
“AI 的淘金熱不會結束，但誠實時代必須開始，”Teja Kusireddy 說道，“如果你感興趣，可以打開你的 DevTools，查看網絡面板，自己驗證。真相，就在 F12 之下。”
來源：https://pub.towardsai.net/i-reverse-engineered-200-ai-startups-73-are-lying-a8610acab0d3
本文來自微信公眾號“CSDN”，作者：Teja Kusireddy，36氪經授權發佈。
