Gupta：Perplexity市值达200亿美元却未自建任何AI模型

Perplexity的模式将AI价值从基础模型训练转向路由与编排层。通过动态选择不同模型优势并并行执行子任务，这种架构显著降低单一模型的依赖，同时放大复杂工作流的执行效率。企业数据佐证了这一趋势：2025年初两款模型占企业任务90%以上，到年底单一模型占比降至25%以下，新模型每17.5天推出一次，促使使用分布碎片化。

从产业结构看，这加速了AI生态的分层。模型提供商专注底层智能，而路由平台通过连接器与沙箱环境，将多源能力转化为可操作的生产力工具。类似Stripe在支付或Google在搜索中的角色，价值体现在让底层复杂性对最终用户消失。这种路径推动资本向集成层集中，同时迫使模型开发者自行构建编排能力，测试独立路由层能否维持独立地位或被吸收。

更深层看，此类现象反映权力与资本在AI价值链中的重新分配。路由层掌握任务分解、模型选择与数据流动的控制权，在企业采用加速的周期中，重塑定价权与数据访问模式。长期而言，它考验生产率提升能否持续超越基础模型迭代速度，同时在多模型并存的制度环境下，影响资源向高效编排工具而非单一智能的配置倾斜。