科技戰略分析師、Stratechery創始人Ben Thompson在9月21日釋出的文章《Frontier Overhangs》中提出，AI行業正同時面臨五重「過剩」——能力過剩、產品過剩、定價過剩、資本過剩與安全過剩。他認為，這些過剩共同指向一個結論：模型能力的絕對領先，已不再是構建商業護城河的充分條件。
Thompson過去曾判斷，模型公司的「harness」（模型與應用之間的整合層）是核心差異化來源，前沿實驗室因此具備更強的盈利潛力。但這一判斷正在被現實修正。微軟CEO Satya Nadella在接受Stratechery採訪時透露，微軟的Copilot Cowork已從繫結Claude轉向多模型架構，同一套harness可以接入GPT、Anthropic以及任何開源權重模型，使用者甚至能放入自己微調的模型。
Thompson援引已故管理學家Clayton Christensen的理論解釋這一現象：當產品效能尚未滿足市場需求時，整合架構佔優；一旦效能「足夠好」，市場就會轉向模組化，競爭維度從效能轉向速度、便利性與定製化。
Anthropic的Fable產品提供了一個現實案例。Anthropic曾要求使用Fable的企業客戶允許其保留資料至少一個月，Thompson當時認為這是Anthropic押注自身模型足夠強大、客戶別無選擇。但結果是客戶推回了，Fable使用率偏低，在Fable 5.1釋出時，這一資料留存條款已被悄然刪除。Thompson的結論是，客戶表現出了願意基於資料留存政策而非純粹效能來做模型選擇的意願，純粹的能力領先不再直接等於護城河。
Thompson將Meta近期釋出的個人智慧體產品Muse視為一個「看空訊號」。他寫道，Muse是他用過的最好、最易上手的個人智慧體產品，但支撐Muse的Muse Spark 1.3模型並非當前最先進的模型。他指出，個人智慧體產品的粘性遠高於聊天機器人：一旦使用者把所有資訊都放進個人智慧體並融入日常生活，切換到其他產品的難度就大得多。相比之下，程式碼智慧體（如Claude Code）的切換成本相對較低，因為核心資產（程式碼）存放在GitHub，指向不同的智慧體並不困難。他的判斷是，模型能力已經足夠好，足以構建真正具有護城河的產品，從商業角度看，Anthropic和OpenAI應該把更多資源投入到真正構建這類產品上。
在定價層面，Thompson今年7月曾撰文指出，外界對中國模型威脅的擔憂被高估，其核心邏輯是Anthropic和OpenAI目前的高定價是供不應求的產物，而非真實成本優勢的體現。他將這稱為「價格過剩」——兩家公司之所以能維持高價，是因為需求旺盛到供給跟不上。但大量算力並未用於推理服務，而是用於訓練、強化學習和研發。如果放緩進展，這部分算力可以重新分配，從而真正滿足市場需求、壓低價格。
資本層面同樣存在壓力。Thompson引用英國《金融時報》報道稱，Anthropic已告知投資者，公司本季度將實現盈利，但這一數字剔除了股權激勵成本。Thompson指出，更大的問題在於訓練成本是否被納入計算——他最初認為訓練成本被排除在外，但隨後更正稱，據悉Anthropic的盈利數字已包含訓練成本。他的判斷是，Anthropic、OpenAI以及超大規模雲廠商都需要AI收入大幅增長，可用資本是有上限的，觸碰這個上限對所有依賴外部資本的公司來說都將是一場災難。
Thompson在文章開篇即表明立場，明確反對以「有效利他主義」為哲學基礎的AI安全主義框架。在網路安全這一現實威脅面前，他認為「放緩前沿」的邏輯尤為站不住腳。他指出，在攻防博弈中，進攻方的自動化攻擊預期收益始終為正，而防守方的自動化防禦預期收益為負——防守方需要比攻擊者更強大的模型，才能實現真正有效的自動化防禦。他的結論是，在當前真實存在的安全風險面前，即被對齊的大語言模型被惡意行為者用於攻擊基礎設施，放緩前沿實際上擴大了壞事發生的時間視窗。
Thompson最後直接點出競爭動機：Anthropic的存在本身就是因為Amodei和聯合創始人們不信任Sam Altman和OpenAI。他不確定這是否只是巧合——要求放緩前沿的呼聲，恰恰出現在前沿首次被OpenAI重新奪回的時候。他寫道，Anthropic對Anthropic領先沒有意見，其他任何人領先，就需要政府介入。
整體來看，Thompson的論述將模型能力、產品形態、定價機制、資本約束與安全敘事串聯成一條邏輯鏈：當模型效能越過「足夠好」的門檻，競爭重心便從模型本身轉向應用層的整合與使用者粘性，而前沿實驗室以安全為名的放緩主張，則與其商業處境形成了耐人尋味的重合。