模型无关的AI平台：押注没有单一实验室会赢——Dust联合创始人谈从Stripe到OpenAI的创业之路

Dust联合创始人Stanislas Polu在YC Startup School的分享，为中文AI/科技读者提供了关于AI平台创业的独特视角。Polu曾任职Stripe和OpenAI，这段经历让他深刻理解AI基础设施与商业化的矛盾。他离开OpenAI的原因之一是看到模型能力快速提升，但应用层机会尚未被充分挖掘。

Dust的核心策略是“模型无关”（Model Agnostic），即平台不绑定任何单一模型，而是支持多种模型（如GPT、Claude、开源模型）的灵活切换。Polu认为，没有单一实验室会赢，模型竞争将长期存在，因此平台的价值在于集成、工作流和数据，而非依赖某个模型的独家优势。这一观点对中文AI创业者极具参考价值，因为国内同样面临多模型并存的局面。

关于水平与垂直之争，Polu明确选择水平平台路线。他认为垂直应用虽然初期增长快，但天花板低，且容易被大模型实验室的通用能力覆盖。而水平平台通过提供通用工具（如检索增强生成、数据连接器），可以服务更多行业，长期护城河更深。不过他也承认，水平平台面临更大的集成挑战和客户获取成本。

融资策略上，Dust刻意保持小规模融资（种子轮约300万美元），避免资本效率下降。Polu观察到，大模型实验室通过巨额融资“饿死”创业公司的融资市场，因此小团队需要更专注、更精益。他还提到法国创业的优势：人才密度高、成本低、政府支持，适合早期AI创业。这一经验对中文AI创业者考虑非一线城市创业有借鉴意义。

最后，Polu讨论了实验室进入垂直领域的风险。当OpenAI等公司推出类似产品时，平台需靠数据集成、工作流定制和用户粘性来防御。他建议创业公司避免与实验室正面竞争，而是做实验室不愿做的脏活累活。整体而言，这次分享为中文AI读者提供了关于平台策略、融资和地域选择的务实思考。