The Model-Agnostic AI Platform Betting That No Single Lab Will Win

Dust 创始人 Stan（前 OpenAI 研究员）说：前沿模型利润率高达 70-80%，但产品层公司必须用按量计费才能活；他放弃 OpenAI 期权（比整个公司还值钱）回法国创业，坚持模型中立。

• Stan 在 OpenAI 干了三年，做的是"非科班研究员的博士"——每天在表面刮几个月，找到点东西爽 5 秒，然后继续刮。他发现自己更想回去做产品。
• 他放弃的期权比 Dust 整个公司还值钱（6 个月前算的）。但他不后悔：做研究不是他的终点，做产品才是。
• Dust 的起点很简单：2022 年底，他觉得 LLM 已经准备好改变工作方式，想专注做"把 AI 用在职场"这件事。当时这还是个冷门方向。

• 他猜对了方向：工作会被 AI 彻底重塑。但直到 2025 年 11 月，作为开发者，他的工作方式才真正发生质变——之前三年基本没变。
• 他猜错了节奏：他原本以为技术会先到一个"平台期"，然后靠部署和落地再吃十年。但平台期根本没来，模型还在飞速进化。
• 他的结论：现在回头看，自己当初还不够乐观。

• Dust 从一开始就选做横向平台，而不是当时流行的垂直 AI。垂直 AI 的获客简单（知道找谁），但横向平台难在"别人不知道拿它干嘛"。
• 现在所有产品都在往同一个方向收敛：像微软或 Google Drive 那样，但面向"人+AI"协作的新生产力套件。Dust 的差异化是模型中立和多人协作。
• 他打了个比方：如果你买产品和买算力是同一家，就像建工厂时机器和能源是一家——插头只认一家能源商。如果那家是俄罗斯天然气，你就没法接法国核电。所以产品层必须模型中立。
• 实际上：虽然 Dust 模型中立，但每个时期大部分用量会流向当时最好的模型。关键是这个"最好"一直在变，所以中立是长期策略。

• 融资策略很克制：种子轮只拿了 500 万美元（当时流行拿 1-2 亿去训练模型）。他们的信条是"在找到 PMF 之前不买 GPU"。
• 系列 B 很难：因为从法国创业，加上市场资金被实验室吸走。但他认为实验室上市后会释放流动性，对生态是好事。
• 定价正在从固定席位转向按量计费：过去 6 个月用量暴增（Agent 循环变长、模型狂吃 token），固定价格下利润率被压垮。他判断：今天做 AI 产品层，按量计费是唯一能保住利润的方式。
• 实验室的利润率有多高：他拿 Claude Code 和开源模型（如 Fireworks 上的 GLM 5.2）对比，同样延迟下价格差 9 倍。这意味着前沿模型的利润率在 70-80%。开源追赶会压低这个空间，给产品层公司留出活路。

• 找到你想解决的那个愿景：创业每天都很 shitty，高潮少、低谷多。如果没有一个让你早上愿意爬起来的原因，这事干不下去。可以边干边找，但不能没有。

"如果你买产品和买算力是同一家，就像建工厂时机器和能源是一家——插头只认一家能源商。"

• 做 AI 产品层，定价必须按量计费：固定席位在用量爆炸的时代必死。参考 Dust 的转型，尽早切换到 credit-based 模式才能保住利润。
• 模型中立是产品层公司的长期护城河：实验室会不断推新模型，但用户需要的是"谁最好用谁"的自由。做平台的公司应该把这一点作为核心卖点，而不是绑定某一家。
• 别在 PMF 前烧钱买 GPU：Dust 的"No GPU before PMF"值得所有 AI 应用层公司抄作业。先验证产品价值，再考虑基础设施投入。