9月21日，科技战略分析师、Stratechery创始人Ben Thompson在发布的最新文章《Frontier Overhangs》中提出，AI行业正面临五重"过剩"（overhang）——能力过剩、产品过剩、定价过剩、资本过剩与安全过剩。

他认为，这些过剩共同指向一个结论：模型能力的绝对领先，已不再是构建商业护城河的充分条件。模型与应用层（harness）正在走向模块化分离，Meta旗下Muse等产品证明非顶尖模型也能构建出具有强用户粘性的产品。

Thompson同时对Anthropic CEO Dario Amodei所倡导的"放缓前沿AI"（Pace the Frontier）的主张提出了直接质疑，认为这一以安全为名的论述，恰好与前沿实验室当前的商业困境高度吻合。

模型与应用层正在分离

Thompson指出，过去他曾认为模型公司的"harness"（即模型与应用之间的集成层）是核心差异化来源，前沿实验室因此具备更强的盈利潜力。

但这一判断正在被现实修正。

微软CEO Satya Nadella在接受Stratechery采访时透露，微软的Copilot Cowork已经从绑定Claude转向多模型架构——"我们有同一套harness，GPT、Anthropic、任何开源权重模型都可以接入，用户甚至可以把自己微调的模型放进来。"

Thompson援引已故管理学家Clayton Christensen的理论解释这一现象：当产品性能尚未满足市场需求时，集成架构占优；一旦性能"足够好"，市场就会转向模块化，竞争维度从性能转向速度、便利性与定制化。

Anthropic的Fable产品提供了一个现实案例。Anthropic曾要求使用Fable的企业客户允许其保留数据至少一个月，Thompson当时认为这是Anthropic押注自身模型足够强大、客户别无选择。但结果是：客户推回了，Fable使用率偏低，Fable 5.1发布时，这一数据留存条款已被悄然删除。

Thompson的结论是："客户表现出了愿意基于数据留存政策而非纯粹性能来做模型选择的意愿。"纯粹的能力领先，不再直接等于护城河。

Meta Muse：非顶尖模型也能建立护城河

Thompson将Meta近期发布的个人智能体产品Muse视为一个"看空信号"（bearish signal）。

他写道："Muse是我用过的最好、最易上手的个人智能体产品，没有之一。"但关键在于，支撑Muse的Muse Spark 1.3模型，并非当前最先进的模型。

这正是问题所在——或者说，这正是行业格局转变的证明。

Thompson指出，个人智能体产品的粘性远高于聊天机器人："一旦你把所有信息都放进个人智能体，并真正将其融入日常生活，切换到其他产品的难度就大得多。"相比之下，代码智能体（如Claude Code）的切换成本相对较低，因为核心资产（代码）存放在GitHub，指向不同的智能体并不困难。

他的判断是："模型能力已经足够好，足以构建真正具有护城河的产品。从商业角度看，Anthropic和OpenAI应该把更多资源投入到真正构建这类产品上。"

定价与资本的双重压力

Thompson在今年7月曾撰文指出，外界对中国模型威胁的担忧被高估，其核心逻辑是：Anthropic和OpenAI目前的高定价，是供不应求的产物，而非真实成本优势的体现。

他将这称为"价格过剩"（pricing overhang）——两家公司之所以能维持高价，是因为需求旺盛到供给跟不上。但大量算力并未用于推理服务，而是用于训练、强化学习和研发。如果放缓进展，这部分算力可以重新分配，从而真正满足市场需求、压低价格。

资本层面同样存在压力。Thompson引用英国《金融时报》报道称，Anthropic已告知投资者，公司本季度将实现盈利，但这一数字剔除了股权激励成本。Thompson指出，更大的问题在于训练成本是否被纳入计算——他最初认为训练成本被排除在外，但随后更正称，据悉Anthropic的盈利数字已包含训练成本。

他的判断是：Anthropic、OpenAI以及超大规模云厂商都需要AI收入大幅增长，"可用资本是有上限的，触碰这个上限对所有依赖外部资本的公司来说都将是一场灾难"。

"放缓前沿"：安全论述与商业利益的高度吻合

Thompson在文章开篇即表明立场，他明确反对以"有效利他主义"（Effective Altruism）为哲学基础的AI安全主义框架，称其"赋予未来可能存在的所有生命以同等道德权重，以一种荒谬的方式将天平倾向于安全主义，使创新成为不可能，自由成为不可容忍"。

他写道："我拒绝这一前提，转而选择对预见未来能力的怀疑，以及对人类在前行中自我解决问题的信念。"

在网络安全这一现实威胁面前，Thompson认为"放缓前沿"的逻辑尤为站不住脚。他指出，在攻防博弈中，进攻方的自动化攻击预期收益始终为正，而防守方的自动化防御预期收益为负——防守方需要比攻击者更强大的模型，才能实现真正有效的自动化防御。"能力过剩完全在进攻一侧：防守方需要的模型，不仅要足够好，还要能够以完全自动化的方式完成防御，而不会拖垮被保护的基础设施。我们还没到那一步。"

他的结论是："在当前真实存在的安全风险面前——即被对齐的大语言模型被恶意行为者用于攻击基础设施——放缓前沿实际上扩大了坏事发生的时间窗口。"

Thompson最后直接点出竞争动机："Anthropic的存在，本身就是因为Amodei和联合创始人们不信任Sam Altman和OpenAI。我不确定这是否只是巧合——要求放缓前沿的呼声，恰恰出现在前沿首次被OpenAI重新夺回的时候。"

"Anthropic对Anthropic领先没有意见；其他任何人领先，就需要政府介入。"