TL;DR

谷歌与 Accel 为 Atoms 加速器项目审查了 4000 多份 AI 创业公司申请，揭示了一个严峻现实：约 70% 被归类为”封装层”——即在第三方 AI API 之上搭建薄接口层、未构建专有技术的公司。最终入选的 5 家印度创业公司都展示了深层技术差异化：定制模型微调、领域专属数据管道或企业工作流整合。本分析探讨为何封装层模式在结构上脆弱，什么区分了幸存者如 Harvey（法律 AI，估值 15 亿美元）与淘汰者如 Jasper（从 15 亿美元峰值后估值下调），以及让创业公司有机会对抗基础模型公司无情扩张的五条差异化路径。

要点摘要

AI 创业生态系统正在经历一场残酷的调整。谷歌与 Accel 的 Atoms 加速器项目数据首次提供了许多投资者此前怀疑但无法量化的结构性问题的量化证据：70% 的 AI 创业公司申请是缺乏可防御护城河的封装层。

这不仅是融资问题。它代表创始人构建的内容与创造持久价值之间的根本错位。封装层模式——在 OpenAI、Anthropic 或谷歌 API 之上构建用户界面——曾在 2020 至 2022 年的短暂窗口期有效，当时基础模型能力有限，创业者可以捕捉时效性市场机会。Jasper、Copy.ai 和数十家类似公司在这一时期实现了快速增长和可观估值。

但那个窗口已经关闭。基础模型公司已系统性地扩展其 API 能力，发布 ChatGPT、GPTs 和 Assistants API 等直接与封装层功能竞争的产品。经济格局已经转变：自 2020 年以来 API 价格下跌了 90% 或更多，即使平台能力扩展，封装层利润空间也在被压缩。

本分析的关键证据：

1. 谷歌-Accel 数据点：审查了 4000 多份申请，70% 被归类为缺乏专有技术的封装层
2. 入选信号：所有 5 家入选创业公司展示了定制模型微调、领域数据资产或深度工作流整合
3. 估值轨迹：Jasper 在 2022 年达到 15 亿美元估值峰值，随后随着平台竞争加剧面临估值下调和战略转型
4. 垂直成功：法律 AI 创业公司 Harvey 在 2024 年达到 15 亿美元估值，通过构建 OpenAI 难以轻易复制的领域专属能力

影响远超个别创业公司。投资者现在正在应用更严格的技术尽调，询问一家公司的差异化能否在下一个 OpenAI 产品更新中存活。创始人面临战略十字路口：接受封装层标签及其有限的上限，或投资构建真正的技术壁垒。

本分析提供了理解封装层问题的框架、成功与失败的案例研究，以及构建可持续 AI 业务最佳机会的五条差异化路径。

核心事实

• 谁：谷歌与风险投资公司 Accel 审查针对印度 AI 创业公司的 Atoms 加速器项目申请
• 什么：审查了 4000 多份申请，约 70%（2800 多份）被归类为无专有技术的”封装层”；仅 5 家创业公司入选
• 何时：申请审查期于 2026 年 3 月项目公布时达到高潮
• 影响：首个量化封装层问题的公开加速器数据；为投资者尽调标准建立基准
• 幸存者：所有 5 家入选公司展示了垂直领域专业知识、定制模型微调或企业工作流整合
• 背景：Jasper AI 估值从 15 亿美元峰值下调；Harvey 法律 AI 通过垂直策略在 2024 年达到 15 亿美元

背景：我们是如何走到这一步的

API 经济的诞生（2020-2021）

AI 封装层现象可追溯至 2020 年 6 月，当时 OpenAI 发布了 GPT-3 API。开发者首次可以在不从头构建模型的情况下访问最先进的语言模型能力。API 开启了一场创业淘金热。

经济模型很有吸引力。创业公司可以用最小的技术投资构建 AI 写作工具、客服机器人或代码助手。API 承担了繁重的工作——自然语言理解、生成和推理。创始人专注于产品设计、市场进入策略和用户获取。

Jasper 诠释了这一模式。公司成立于 2020 年，在 GPT-3 之上构建营销文案工具，添加模板和工作流，实现了快速收入增长。到 2022 年，Jasper 达到 15 亿美元估值。Copy.ai 走了类似的道路。数十家其他公司构建了变体：写作助手、邮件撰写器、聊天机器人生成器和内容生成器。

这一时期确立了我们现在认定的封装层运营模式：

1. 识别文本生成用例（营销、销售、客服）
2. 在 GPT-3 或 GPT-3.5 上构建用户友好界面
3. 添加领域专属模板或提示词
4. 面向特定垂直领域或用例营销
5. 通过内容营销和口碑扩展

这一策略之所以有效，是因为基础模型公司没有在下游竞争。OpenAI 和 Anthropic 专注于改进核心模型和扩展 API 能力，而非构建终端用户应用。这创造了一个暂时的均衡，封装层可以繁荣发展。

平台扩张时代（2022-2024）

两个事件打破了这个均衡。

2022 年 11 月：ChatGPT 发布。 OpenAI 发布了一个面向消费者的聊天机器人，提供免费、高质量的 GPT-3.5 接口。突然间，许多写作助手的核心功能——从提示词生成文本——对任何人免费开放，无需订阅费。

对封装层的影响立竿见影但不均匀。与客户深度整合的公司留住了用户。纯粹依赖 API 访问文本生成的公司则出现流失。更重要的是，ChatGPT 信号表明 OpenAI 愿意在应用层竞争。

2023 年 3 月：GPT-4 和插件。 OpenAI 最强大的模型与插件生态系统一同发布，让开发者可以扩展 ChatGPT 的能力。插件允许第三方数据源和工具与 ChatGPT 整合，侵蚀封装层的差异化。

2023 年 11 月：GPTs 和 Assistants API。 平台竞争加剧。GPTs 让用户可以为特定任务创建定制版 ChatGPT——正是许多封装层所提供的。Assistants API 提供了构建具有记忆、文件处理和工具使用能力的 AI 智能体的编程接口。

信号毫不含糊：基础模型公司不再满足于停留在基础设施层。他们正在构建封装层所依赖的应用原语。

市场调整（2024-2026）

平台扩张的累积效应触发了市场调整。此前将封装层视为快速创收路径的投资者开始提出更尖锐的问题：

• “当 OpenAI 发布竞争功能时会发生什么？”
• “你拥有任何专有数据或模型吗？”
• “你的客户转换成本是多少？”

Jasper 的轨迹说明了这一调整。在 2022 年达到 15 亿美元估值后，据报道该公司在 2024 年面临估值下调，并向企业营销解决方案转型。这一战略转变承认，通用 AI 写作工具无法与 ChatGPT 的免费服务和 OpenAI 的持续改进竞争。

到 2026 年初，调整波及加速器渠道。谷歌与 Accel 为 Atoms 项目审查的 4000 多份申请提供了首个综合性数据点：70% 的 AI 创业公司申请是封装层。

这个数字不是偶然或暂时的市场状况。它反映了创建封装层的低门槛和构建真正差异化的高门槛。

分析维度一：封装层问题定义

什么是 AI 封装层？

AI 创业语境中的”封装层”一词指核心价值主张完全依赖第三方 AI API、没有创造可持续差异化专有技术的公司。

封装层特征：

特征	封装层	专有技术创业公司
核心技术	第三方 API（OpenAI、Anthropic、谷歌）	定制模型、微调或独特算法
数据资产	最少；依赖用户输入	专有数据集、数据管道或数据飞轮
差异化	UI/UX、营销、模板	技术能力、领域专业知识、数据护城河
平台依赖	高；核心功能来自 API	低至中等；有替代方案可用
转换成本	对客户而言较低	由于整合和数据锁定而较高
长期可防御性	低；易于复制	较高；需要持续投资才能匹敌

谷歌-Accel 数据揭示了更细微的图景。并非所有依赖 API 的公司都是同等的。Atoms 项目的入选标准区分了几个类别：

1. 纯封装层：无技术差异化，纯粹是 API 访问加界面设计
2. 有数据的 API 依赖型：依赖 API 但已构建专有数据资产或工作流
3. 混合模式：使用 API 配合微调模型或定制架构
4. 专有技术：构建定制模型，拥有完整技术栈

70% 这一数字涵盖类别 1 和 2，其中平台依赖性创造了实质性风险。

封装层为何 proliferate

封装层的普遍存在不是创业的失败——它是对市场条件的理性回应。

低进入门槛。 有能力的开发者可以使用 OpenAI 或 Anthropic API 在几周内构建功能性 AI 封装层。代码很直接：接受用户输入、格式化提示词、调用 API、显示结果。不需要机器学习专业知识。

快速上市。 封装层可以快速发布并根据用户反馈迭代。在快速演变的市场中，这种速度很有价值，先发优势很重要。

清晰的产品市场契合信号。 在 API 之上构建让创始人可以在投资定制基础设施之前测试需求。如果用户不认可核心概念，转型成本很低。

风险投资可用性。 在 2021-2022 年期间，投资者基于快速收入增长资助了许多封装层公司，而没有深入的技术尽调。收入是真实的；可持续性则不是。

这些因素创造了一个封装层快速繁衍的环境。谷歌-Accel 数据证实了许多观察者怀疑的事实：大多数 AI 创业公司申请走的是这条低门槛路径。

封装层的经济学

理解封装层为何失败需要审视其单位经济模型。

收入侧：

• 封装层通常收取订阅费（消费工具通常为每月 20-100 美元）
• 企业封装层可能对团队或公司计划收取每月 500-5000 美元
• 毛利率看起来健康：API 成本可能占收入的 10-30%

成本侧——可见：

• 每次查询的 API 成本
• 客户获取（营销、销售）
• 工程和产品开发
• 基础设施和托管

成本侧——隐藏但关键：

• 平台风险：API 定价变化、功能弃用、能力限制
• 竞争压力：基础模型公司可以免费提供类似功能
• 客户流失：低转换成本意味着当更好的替代方案出现时用户会离开

隐藏成本主导长期经济模型。当 OpenAI 发布复制你核心产品的功能时，你无法提价或锁定客户。你的利润压缩至零，或者退出。

API 定价趋势说明了这种压力。GPT-3 定价从 2020 年每 1K token 0.06 美元降至 2022 年 GPT-3.5 的 0.002 美元——97% 的降幅。2024 年的 GPT-4o 成本为每 1K token 0.005 美元，比原始 GPT-3 便宜得多。这种通缩短期内帮助封装层利润，但信号表明基础模型公司将 API 访问视为商品，而非高端服务。

分析维度二：成功与失败案例研究

Jasper 轨迹：从 15 亿美元到不确定性

Jasper 的故事概括了封装层生命周期：快速增长、高估值和战略危机。

阶段一：时间窗口捕获（2020-2022）

Jasper 于 2020 年作为首批基于 GPT-3 构建的 AI 写作工具之一发布。市场时机完美：

• ChatGPT 尚不存在（2022 年 11 月发布）
• 企业渴望 AI 驱动的内容创作
• 营销团队有预算购买承诺效率的工具

Jasper 的产品通过模板（邮件序列、博客文章、广告文案）、品牌语调定制和工作流功能增加了价值。收入快速增长。到 2022 年，公司在由 Insight Partners 领投的 A 轮融资中达到 15 亿美元估值。

阶段二：平台竞争（2022-2024）

2022 年 11 月 ChatGPT 的发布改变了竞争格局。突然间，任何人都可以免费生成营销文案。Jasper 通过其模板库和品牌定制功能留住用户，但价值主张被侵蚀。

2023 年 11 月 GPTs 公告加剧了压力。用户可以为特定写作任务创建定制 GPT，无需 Jasper 订阅。OpenAI 并非直接针对 Jasper，但平台扩张不可避免地与封装层功能竞争。

阶段三：战略转型（2024 至今）

到 2024 年，据报道 Jasper 面临估值压力。公司战略转向企业营销解决方案，强调与营销平台、分析和品牌治理的整合。这一转型承认，通用 AI 写作工具无法在差异化上与 ChatGPT 和 GPTs 抗衡。

Jasper 的轨迹不是失败——公司建立了真正的业务并为早期投资者创造了回报。但它说明了封装层的结构性脆弱：成功吸引平台竞争，侵蚀利润并迫使昂贵的转型。

Harvey 模式：垂直差异化

Harvey 是一家法律 AI 创业公司，展示了一条替代路径。公司成立于 2022 年，到 2024 年初通过垂直策略达到 15 亿美元估值，构建了基础模型公司难以轻易复制的防御性。

关键差异化要素：

1. 领域专属模型微调。 Harvey 在法律文件、案例法和监管文本上微调模型。这创造了一般用途模型缺乏的能力，如准确的法律引用和特定司法管辖区的推理。

2. 专有数据管道。 法律工作通过文件审查、案例分析和客户互动产生大量专有数据。这些数据随时间改进模型性能，创造反馈闭环。

3. 工作流整合。 Harvey 与法律实践管理软件、文件管理系统和法院立案平台整合。转换成本高，因为工作流已嵌入律所运营。

4. 合规与保密。 律所对数据处理、律师-客户特权和监管合规有严格要求。Harvey 构建基础设施满足这些要求，创造了一般用途 AI 工具需要大量投资才能跨越的壁垒。

5. OpenAI 合作伙伴关系。 Harvey 获得了 OpenAI 官方合作伙伴身份，提供新能力的早期访问，向企业客户传递可信度信号。

结果：Harvey 在一个有高支付意愿和显著进入壁垒的市场（法律服务）快速增长。基础模型公司理论上可以构建法律 AI 功能，但理解律所工作流、合规要求和文件管理系统所需的投资是巨大的。

Harvey 代表了垂直封装层模式——使用基础模型 API 同时通过领域专业知识、数据和工作流整合构建防御性。这一模式前期成本较高，但长期经济模型比纯封装层更强。

Copy.ai 故事：通过适应生存

Copy.ai 采取了不同方法。同样成立于 2020 年作为 GPT-3 写作工具，Copy.ai 面临类似的平台竞争压力。公司的回应聚焦于两个战略转变：

转变一：工作流整合而非独立工具

Copy.ai 从独立写作助手转向与营销工具、CRM 系统和内容管理平台整合的工作流平台。这使得产品更难被 ChatGPT 替代。

转变二：免费层级作为获客入口

Copy.ai 提供慷慨的免费层级，将产品定位为 ChatGPT 用户的入口，这些用户需要更多结构。这捕获了可能默认使用免费工具的用户。

公司没有达到 Harvey 的估值或 Jasper 早期的峰值，但通过战略适应保持了相关性。这表明封装层可以通过正确的定位生存——尽管上限可能低于拥有专有技术的公司。

分析维度三：五条差异化路径

对谷歌-Accel 入选数据的分析，结合成功与挣扎的封装层案例研究，揭示了创造可持续 AI 业务的五条差异化策略。

路径一：垂直深度

在一般用途 AI 表现不佳的特定领域构建深度专业知识。

为何有效： 基础模型公司优化广泛能力，而非专业化表现。一般用途模型可能以 60% 的准确率处理法律合同，而微调的垂直模型可达 90% 以上。这一差距创造客户价值。

实施：

• 在领域专属数据上微调模型（法律文件、医疗记录、财务报告）
• 构建领域专属评估和测试框架
• 聘请领域专家指导产品开发
• 与行业特定工具和工作流整合

案例： Harvey（法律）、Hippocratic AI（医疗）、Kensho（金融）

可防御性评估： 中高。需要在数据和专业上持续投资，但为客户创造真正的转换成本。

路径二：模型定制

微调或训练定制模型，而非纯粹依赖 API 访问。

为何有效： 定制模型可针对特定用例、成本结构和性能特征进行优化。它们也降低平台依赖性。

实施：

• 以开源模型（Llama、Mistral、Falcon）为基座
• 在专有数据上针对特定任务微调
• 通过模型压缩或专用硬件优化推理成本
• 构建跨多个模型提供商的备用能力

案例： Character.AI（对话模型）、Hugging Face（模型托管）、Together AI（推理基础设施）

可防御性评估： 中等。需要机器学习专业知识和基础设施投资。定制模型可被资金充足的竞争者复制，但数据飞轮随时间创造优势。

路径三：数据闭环

创建用户互动改进产品性能的系统，构建竞争护城河。

为何有效： 基础模型公司拥有海量训练数据，但缺乏领域专属的用户互动数据。捕获这些数据的创业公司可以针对一般平台无法匹敌的特定用例微调模型。

实施：

• 设计产品以捕获结构化反馈（更正、评分、选择）
• 构建聚合和清洗用户互动的数据管道
• 实施持续模型改进周期
• 将数据收集作为核心产品功能，而非事后补充

案例： Midjourney（带有用户偏好数据的图像生成）、Notion AI（工作空间上下文）、GitHub Copilot（代码模式）

可防御性评估： 高。数据飞轮随时间复利，使早期领先者难以被追赶。需要自然捕获有用数据的产品设计。

路径四：工作流整合

将 AI 能力深度嵌入现有工作流，使替代成本高昂且具破坏性。

为何有效： 基础模型公司构建横向平台，而非垂直工作流解决方案。理解特定工作流的创业公司可创造一般 AI 工具无法复制的价值。

实施：

• 识别具有重复性 AI 适用任务的高价值工作流
• 与现有工具深度整合（Salesforce、SAP、Workday）
• 将 AI 辅助任务的摩擦降至近乎零
• 创建匹配用户心智模型的定制界面

案例： Grammarly（随处写作）、Intercom Fin（客户支持）、Gong（销售智能）

可防御性评估： 中高。工作流整合创造转换成本，但竞争者在足够投资下可构建类似整合。最好与数据闭环结合。

路径五：合规与安全

构建满足基础模型公司避免的监管要求的基础设施。

为何有效： 医疗、金融和法律行业有严格的合规要求。基础模型公司优化广泛可及性，而非受监管行业的专业化合规需求。

实施：

• 构建 SOC 2、HIPAA、FedRAMP 或行业特定认证
• 创建满足监管要求的数据处理基础设施
• 提供本地部署或私有云部署选项
• 提供审计追踪、数据保留政策和治理工具

案例： Harvey（法律合规）、Hippocratic AI（医疗安全）、各种国防部门 AI 公司

可防御性评估： 高。合规基础设施需要大量投资和专业知识。一旦建成，它创造了一般平台将犹豫跨越的护城河。

关键数据点

指标	数值	来源	日期
谷歌-Accel 审查的 AI 创业公司申请	4000+	TechCrunch	2026-03
被归类为封装层的申请	~70%（2800+）	TechCrunch	2026-03
入选 Atoms 项目的创业公司	5	TechCrunch	2026-03
Jasper 峰值估值	15 亿美元	行业报告	2022
Harvey 估值	15 亿美元	融资公告	2024
GPT-3 每 1K token 价格（2020）	0.06 美元	OpenAI 定价	2020
GPT-3.5 每 1K token 价格（2022）	0.002 美元	OpenAI 定价	2022
GPT-4o 每 1K token 价格（2024）	0.005 美元	OpenAI 定价	2024
API 价格降幅（2020-2024）	~92%	OpenAI 定价历史	2020-2024

🔺 独家情报：别处看不到的洞察

置信度: 高 | 新颖度评分: 78/100

谷歌-Accel 70% 的封装层统计数据引人注目，但更深层的洞察在于区分 5 家入选创业公司与 2800 多家被拒者的因素。五家公司共享一个共同模式：它们不在能力广度上与基础模型公司竞争。相反，它们在一般用途模型表现不佳的领域能力深度上竞争，以及在转换成本创造客户留存的工作流整合上竞争。

报道遗漏的内容： 封装层经济模型与基础模型公司策略之间的结构性关系。OpenAI、Anthropic 和谷歌有充分动机保持 API 低价——这使应用层商品化，迫使创业公司在其平台上构建。但低价 API 也压缩封装层利润，使纯封装层经济模型不可持续。赢家要么是拥有可防御数据和工作的垂直玩家，要么是帮助其他公司构建 AI 应用的基础设施玩家。

对创始人的关键启示： 问题不是”我该使用 API 吗？“——答案几乎总是肯定的，为了速度和能力。问题是”我拥有什么能够在无论谁提供底层模型的情况下持久存在？“如果答案只是你的品牌和 UI，你就是那 70%。

印度市场的选择也很重要。印度拥有庞大的英语开发者人口，但历史上缺乏深度机器学习研究基础设施。Atoms 项目表明 API 民主化已经拉平了竞争环境——印度创业公司现在可以在全球竞争，如果它们专注于领域专业知识和工作流整合而非模型开发。

关键启示： 创始人应通过平台风险视角评估每个功能：如果 OpenAI 或 Anthropic 下个月发布这个功能，我们的产品能否存活？如果答案是否定的，那个功能不是差异化——它是借来的时间。

影响分析

对创始人

封装层问题不是死刑判决——它是一个战略现实检验。构建 AI 应用的创始人必须诚实回答三个问题：

1. 当底层模型变得更好时会发生什么？ 基础模型能力的每一次改进都会削弱简单封装层的差异化。规划一个你当前的 API 提供商免费提供核心功能的世界。

2. 你拥有什么数据能改进你的产品？ 如果用户互动随时间让你的产品更好，你就有数据飞轮。如果没有，你就依赖 API 提供商的路线图。

3. 你的客户转换成本是什么？ 深度工作流整合、合规认证和定制数据处理创造转换成本。简单的聊天界面则没有。

五条差异化路径提供了构建防御性的框架。大多数成功的创业公司结合多条路径：垂直深度加数据闭环，或工作流整合加合规。

对投资者

谷歌-Accel 数据应为尽调框架提供参考。AI 创业公司投资的关键问题：

1. 技术尽调： 公司是否有理解模型训练和微调的机器学习工程师，还是只有能调用 API 的工程师？

2. 数据资产： 公司拥有或产生什么专有数据？是否有随时间改进产品性能的数据飞轮？

3. 平台依赖： 核心功能有多大百分比依赖第三方 API？如果 API 定价变化或功能被弃用，迁移路径是什么？

4. 差异化持久性： 基础模型公司能否用一周的工程工作复制这个功能？一个月？一个季度？

5. 垂直定位： 公司是横向竞争（通用 AI 工具）还是垂直竞争（领域专属解决方案）？垂直封装层有更高的存活率。

对基础模型公司

封装层问题影响平台策略。一方面，封装层推动 API 使用并扩展 AI 生态系统。另一方面，与封装层竞争的平台扩张会阻碍应用层的投资。

最优策略可能是合作竞争： 让封装层在平台公司缺乏领域专业知识的垂直领域繁荣，同时在与平台优势自然的横向用例（通用聊天、代码辅助、内容生成）中竞争。

OpenAI 与 Harvey（法律 AI）的合作展示了这种方法。OpenAI 不是直接构建法律 AI 功能，而是向拥有领域专业知识的合作伙伴提供早期 API 访问。这扩展了法律 AI 市场，同时保持平台相关性。

趋势展望

近期（0-6 个月）

• 加速器标准收紧： 更多加速器将应用谷歌-Accel 筛选器，拒绝缺乏技术差异化的封装层申请
• 估值压力持续： 寻求 A 轮融资的封装层公司将面临估值下调或贬值轮，除非展示专有技术或强垂直定位
• 垂直整合： 横向封装层将合并或转型，而拥有领域专业知识的垂直玩家将获得溢价估值
• 置信度：高（加速器标准），中（估值）

中期（6-18 个月）

• API 生态成熟： 基础模型公司将正式化合作伙伴计划，偏爱拥有垂直专业知识的创业公司而非横向封装层
• 模型专业化增长： 为特定领域微调开源模型的创业公司将 proliferate，减少对专有 API 的依赖
• 合规基础设施涌现： 构建 AI 合规和治理工具的创业公司将捕获受监管行业采用 AI 的企业需求
• 置信度：中（所有预测）

长期（18 个月以上）

• 封装层经济模型稳定： 70% 的封装层率将降至 40-50%，因为创业者内化差异化必要性
• 垂直 AI 成为常态： 大多数成功的 AI 创业公司将是拥有领域专业知识的垂直玩家，而非与 ChatGPT 竞争的横向工具
• 基础设施层整合： 少数基础模型公司将主导 API 访问，而专业化基础设施提供商服务特定垂直领域
• 置信度：低（具体百分比），中（方向性趋势）

关键触发指标

OpenAI 开发者大会功能发布。 每个复制现有封装层功能的主要发布都将加速市场调整。创始人应监控 DevDay 和类似活动的平台扩张公告，这些可能威胁其差异化。

加速器项目构成。 如果后续加速器项目显示封装层比例下降，这信号市场正在内化差异化教训。如果封装层率保持高位，这表明创业者未在适应——为更大的调整埋下伏笔。

信息来源

• Google and Accel Cut Through Wrappers in 4,000 AI Startup Pitches — TechCrunch，2026 年 3 月
• Stratechery - AI Wrapper Business Model Analysis — Stratechery
• Andreessen Horowitz - AI Startup Differentiation Framework — a16z
• CB Insights - AI Wrapper Defensibility Research — CB Insights
• OpenAI API Updates — OpenAI
• Greylock - AI Startup Defensibility Perspective — Greylock
• Bessemer Venture Partners - AI Wrappers Analysis — BVP
• TechCrunch - Jasper AI Pivot Analysis — TechCrunch，2024 年 4 月