Lightspeed普通合夥人：LLM難點不是模型本身，真正難的是穿過企業小巷
Lightspeed India普通合夥人Hemant Mohapatra在社交發言中表示，大語言模型更像“卡車和坦克”，真正的難點不是模型本身，而是如何讓它們在“黑暗狹窄的小巷”中前進——也就是複雜、多環節、充滿各種小偷和持刀阻擊者的企業工作流與遺留系統。原話形容，這些企業流程並不歡迎外來者，暗喻安全、合規、權限、IT阻力和既得利益方都是阻擋LLM落地的“街頭威脅”。
來源：公開信息
ABAB AI 解讀
這句話把當前企業AI落地的核心矛盾說得很直白：模型層已經接近“過剩”，真正稀缺的是能在企業內部“帶隊打巷戰”的中間層——懂業務、懂權限、懂合規、還能把LLM編排進幾十個系統與審批鏈條裏的產品與工程團隊。 對大多數企業來說，問題早已不是“有沒有一個足夠聰明的模型”，而是“怎麼在不踩爆合規、安全和現有KPI的前提下，把這個模型真正綁到生產系統上去”。
“卡車和坦克”還有一個隱含含義：LLM適合乾的是大體量、通用性的重活，但企業內部真正喫人的往往是碎片化、髒亂差的小工作流——權限體系不統一、數據分散在幾十個系統裏、流程裏充滿例外和口頭約定。 這些“黑暗狹窄的小巷”正是目前大量PoC卡殼的地方：demo階段一切順滑，上到真實環境就被各種系統耦合、權限審批、審計留痕要求和“這個流程其實是X在Excel裏手工改”的現實絆倒。
從資本與產業結構看，這種比喻也在隱含一個投資偏好轉向：單純做“更好坦克”（更大模型）已經不再是風口中心，能搞清楚每個垂直行業具體的小巷長什麼樣、哪裏有“持刀的殺手”（監管紅線、系統owner、審計要求），並把LLM封裝成可控agent和工作流引擎的公司，才更有機會拿到長期定價權。 這意味着真正的護城河會逐步從模型參數量轉移到“對特定行業流程的深度耦合”和“把AI安全、合規與業務目標打包的工程能力”。