Base44 推出自有模型：Vibe Coding 平台的防御性博弈

背景

Vibe coding（氛围编程/直觉式编程）平台 Base44 近期宣布开始推出其自主研发的 AI 模型，旨在支持用户通过自然语言创建应用程序。这一举动发生在 Base44 被 Wix 以 8000 万美元收购仅一年之后。当时，这家总部位于湾区的公司成立仅六个月，团队规模仅为 8 人。

当前，AI 行业内部关于“前沿模型（Frontier Models）是否适用于所有用例”的讨论日益激烈。随之而来的核心问题是：建立在他人模型之上的企业，是否具备长期的防御性（Defensibility）？Base44 的这一最新举措，正是对这一行业焦虑的直接回应。

核心内容

Base44 正在逐步推出其定制的大语言模型（LLM），希望最终在性能上超越前沿模型。公司创始人 Maor Shlomo 表示：“训练并拥有模型作为我们整个技术栈的一部分，使我们能够在延迟、成本和效率方面进行更多的优化。”

尽管这一举措看似是为了在竞争中保持领先，例如瑞典初创公司 Lovable（去年夏季在 A 轮融资中即成为独角兽，且依赖外部 LLM），但 Shlomo 预计，其他具备足够规模和数据速度的玩家也将训练自己的模型。

风险投资公司 Headline 的普通合伙人 Jonathan Userovici 指出，数据是 AI 初创公司防御性的三大关键要素之一，另外两个是分发渠道（Distribution）和技术栈（Tech Stack）。Base44 符合当前拥有强大品牌的企业利用数据和基础设施增强防御性的趋势。其第一代 LLM “Base1” 是基于平台上“数千万次真实用户交互”生成的数据集开发训练的。

然而，竞争格局正在发生变化。Base44 的主要竞争对手可能并非其他 vibe coding 初创公司，而是那些逐渐接近其核心领域的前沿 AI 实验室。例如，Cursor 和 Grok 的母公司 xAI 现已归属于 SpaceX，而 Claude Code 本身也已成为 vibe coding 领域的重要玩家。这赋予了 Anthropic 等基础 AI 提供商获取数据和反馈循环的机会，以改进应用创建模型。但 Shlomo 认为，专业化将使 Base44 占据优势，他预测：“模型虽然在进步，但在功能上将保持非常通用。”

Userovici 则警告不要低估前沿模型，他以法律科技初创公司 Harvey 为例，该公司放弃了训练自有模型的计划。他认为应用 AI 公司不会大规模转变为前沿实验室，但他将 Base44 的举动置于更广泛的背景下——即推理成本已成为关键考量因素。

Userovici 指出，这种成本压力正在推动企业客户提出新的需求：“他们在使用最新模型处理所有用例时，并不一定能看到投资回报率（ROI）。因此，整个基础设施正在被建立起来，用于编排和优化，以选择正确的模型，从而在保持大多数用例性能相同或相似的同时，避免成本飙升。”

虽然企业客户目前仍是 vibe coding 平台受众中的少数，但其占平台收入的比例正在增长，且各规模的用户开始对 AI 使用成本表示担忧。Base44 决定开发自有 LLM 的动机有多重，但降低成本显然是主要益处之一。Shlomo 表示：“我们希望获得一个更符合我们理念的模型，针对用户喜欢的结果进行优化，并最终比使用 Opus 等前沿模型更快、更便宜。”

对于 Base44 自身而言，成本降低并非立竿见影。公司在新闻稿中解释称：“拥有模型使 Base44 能够直接控制计算和推理支出，预计随着时间的推移，将带来结构上更强劲的利润率。”

尽管回报有所延迟，但利润率的改善对 Base44 的母公司 Wix 来说是好消息，后者最近宣布裁员 20%。相比之下，Base44 在被收购后一直在增加员工人数，并在几个月前宣布年经常性收入（ARR）突破 1 亿美元。虽然这一数字仍低于 Lovable（后者本月早些时候宣布 ARR 达到 5 亿美元），但 Shlomo 相信，开发 Base1 所需的“巨大工程努力”将巩固 Base44 作为“唯一垂直整合的 vibe coding 应用”的定位——用 Userovici 的话来说，即同时拥有分发、数据和基础设施的玩家。

关键要点

• 自有模型战略：Base44 推出自有 LLM “Base1”，旨在通过垂直整合实现延迟、成本和效率的优化，以超越依赖外部模型的前沿模型。
• 防御性构建：在 AI 行业，数据、分发和技术栈被视为初创公司的三大防御性支柱。Base44 利用平台积累的数千万次用户交互数据训练模型，以增强其护城河。
• 竞争格局演变：主要威胁来自前沿 AI 实验室（如 Anthropic、xAI）及其衍生工具（如 Claude Code、Cursor），而非单纯的 vibe coding 竞品。这些巨头拥有更强大的数据反馈循环。
• 成本驱动决策：企业客户对 ROI 的考量促使市场寻求模型编排和优化方案，以平衡性能与成本。Base44 通过自有模型降低推理成本，提升长期利润率。
• 垂直整合优势：Base44 试图成为唯一同时拥有分发、数据和基础设施的垂直整合 vibe coding 平台，以此在工程投入上建立差异化优势。
• 财务对比：Base44 ARR 为 1 亿美元，虽低于 Lovable 的 5 亿美元，但在母公司 Wix 裁员背景下，Base44 保持了团队扩张和收入增长。

意义与影响

Base44 的举动标志着 AI 应用层公司从“模型组装者”向“模型拥有者”转型的尝试。在前沿模型能力日益同质化的背景下，单纯的应用层创新难以形成长期壁垒。通过垂直整合，Base44 试图将数据飞轮与模型优化深度绑定，从而在推理成本和控制权上获得结构性优势。

这一策略也反映了行业对“通用模型 vs. 专用优化”的重新评估。虽然前沿模型在通用能力上占优，但在特定工作流（如 Vibe Coding）中，经过特定数据微调且拥有基础设施控制权的专用模型，可能在成本效益和响应速度上更具竞争力。对于投资者和企业客户而言，这预示着未来 AI 服务的竞争将不仅限于模型能力的比拼，更将延伸至底层基础设施的效率与数据闭环的完整性。