作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）物聯(lián)網(wǎng)智庫(kù) 原創(chuàng)

這是我的第374篇專(zhuān)欄文章。

在中國(guó)人工智能的發(fā)展史上，“AI四小龍”——商湯科技、曠視科技、依圖科技、云從科技，曾一度成為產(chǎn)業(yè)追光者的象征。它們以計(jì)算機(jī)視覺(jué)為核心技術(shù)路徑，率先將人臉識(shí)別、圖像識(shí)別等AI能力應(yīng)用于安防、金融、交通、醫(yī)療等多個(gè)領(lǐng)域，牢牢占據(jù)了中國(guó)視覺(jué)AI市場(chǎng)超過(guò)70%的份額。

曾幾何時(shí)，商湯科技市值一度突破3000億港元，曠視科技的Face++成為全球最大的開(kāi)源人臉識(shí)別平臺(tái)，依圖科技打造出全球首個(gè)AI肺炎診斷系統(tǒng)，云從科技則服務(wù)了超過(guò)400家銀行機(jī)構(gòu)，日均調(diào)用量超過(guò)2億次。

四家公司合計(jì)融資總額超過(guò)百億美元，是名副其實(shí)的“AI國(guó)家隊(duì)”。

但當(dāng)我們回頭看這段輝煌歷史，看到的卻是另一幅圖景：持續(xù)虧損、融資受阻、裁員潮起、IPO流產(chǎn)，巨大的技術(shù)光環(huán)之下，是商業(yè)化困境的深淵。

2024年，商湯科技營(yíng)收37.72億元，卻虧損高達(dá)43.07億元，累計(jì)虧損已超過(guò)545億元；云從科技營(yíng)收3.98億元，同比下滑36.69%，凈虧損6.96億元，連續(xù)八年未能盈利；曠視科技自2021年起3年半累計(jì)虧損146億元，資產(chǎn)負(fù)債率超過(guò)300%；依圖科技雖在2024年首次實(shí)現(xiàn)年度盈利，但安防業(yè)務(wù)仍占比高達(dá)81%，醫(yī)療與芯片業(yè)務(wù)依然長(zhǎng)期虧損。

更令人警醒的是，這些企業(yè)的研發(fā)支出占營(yíng)收比例均超過(guò)100%，卻仍未能構(gòu)建起可持續(xù)的產(chǎn)品體系和穩(wěn)定的用戶(hù)生態(tài)。

為何曾經(jīng)“技術(shù)最強(qiáng)”的AI公司，如今卻成為“最難盈利”的科技企業(yè)？這不僅是AI四小龍的個(gè)體命運(yùn)，更像是一次技術(shù)變革與商業(yè)現(xiàn)實(shí)之間的正面碰撞。

當(dāng)AI從“算法導(dǎo)向”走向“平臺(tái)化競(jìng)爭(zhēng)”，當(dāng)市場(chǎng)從“政府訂單”轉(zhuǎn)向“用戶(hù)生態(tài)”，AI四小龍的路徑選擇，似乎正在遭遇范式突變的淘汰。

而今天，生成式AI大模型風(fēng)頭正勁，ChatGPT、Claude、Kimi、文心一言等產(chǎn)品層出不窮，資本追捧、技術(shù)突破、估值飆升，似曾相識(shí)的熱潮再次襲來(lái)。

智譜AI、月之暗面、百川智能、MiniMax等“新四小龍”估值均已超過(guò)20億美元，融資速度直逼當(dāng)年的AI四小龍。

然而，這一輪技術(shù)創(chuàng)新，真的能走出上一代AI公司的困局嗎？大模型企業(yè)是否也會(huì)重蹈“技術(shù)領(lǐng)先、商業(yè)落后”的覆轍？下一個(gè)“AI四小龍”，會(huì)不會(huì)正在大模型浪潮中悄然誕生？

AI四小龍的失敗復(fù)盤(pán)：技術(shù)奇點(diǎn)，商業(yè)潰敗

“AI四小龍”的失敗，并不是因?yàn)榧夹g(shù)不夠先進(jìn)，恰恰相反，它們?cè)诩夹g(shù)上曾一度引領(lǐng)時(shí)代。

商湯科技以計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)算法見(jiàn)長(zhǎng)，在智慧城市、安防、自動(dòng)駕駛等領(lǐng)域構(gòu)建了完整的視覺(jué)識(shí)別能力體系，專(zhuān)利數(shù)量超過(guò)1.2萬(wàn)項(xiàng)，主導(dǎo)參與制定80余項(xiàng)國(guó)際標(biāo)準(zhǔn)。

曠視科技的Face++平臺(tái)一度成為全球最大的開(kāi)源人臉識(shí)別庫(kù)，為超過(guò)70%的安卓手機(jī)廠商提供人臉解鎖服務(wù)，并在100多個(gè)城市部署了20萬(wàn)路智能攝像頭，安防誤報(bào)率低于十萬(wàn)分之一。

依圖科技研發(fā)出全球首個(gè)AI肺炎診斷系統(tǒng)，獲得國(guó)家藥監(jiān)局三類(lèi)認(rèn)證，廣泛落地于200家三甲醫(yī)院。

云從科技聚焦“人機(jī)協(xié)同”，為農(nóng)行、建行等400余家銀行提供人臉識(shí)別與智能風(fēng)控服務(wù)，日均調(diào)用量超過(guò)2億次，識(shí)別準(zhǔn)確率超過(guò)99.9%。

然而，如此強(qiáng)大的技術(shù)體系，卻未能帶來(lái)可持續(xù)的商業(yè)回報(bào)。

2024年，商湯科技在營(yíng)收增長(zhǎng)10.8%的情況下，凈虧損卻高達(dá)43.07億元，累計(jì)虧損超過(guò)545億元。

云從科技的營(yíng)收下滑至3.98億元，同比下降36.69%，凈虧損6.96億元，連續(xù)八年未能實(shí)現(xiàn)盈利。

曠視科技三年半累計(jì)虧損146億元，資產(chǎn)負(fù)債率超過(guò)300%。

依圖科技雖在2024年首次實(shí)現(xiàn)年度盈利（凈利潤(rùn)1.05億元），但安防與智慧城市業(yè)務(wù)仍占總收入的81%，芯片與工業(yè)質(zhì)檢業(yè)務(wù)持續(xù)虧損4.8億元。

造成這一局面的關(guān)鍵，并非技術(shù)不夠“先進(jìn)”，而是商業(yè)模式的先天失衡。

四小龍的主要客戶(hù)是政府和大型國(guó)企，業(yè)務(wù)集中在智慧城市、AI安防、刷臉支付等To G領(lǐng)域，項(xiàng)目普遍定制化，缺乏標(biāo)準(zhǔn)化產(chǎn)品能力。

這種模式在早期確實(shí)能夠快速變現(xiàn)，但長(zhǎng)期來(lái)看，無(wú)法形成平臺(tái)級(jí)網(wǎng)絡(luò)效應(yīng)，也不能積累可持續(xù)的用戶(hù)關(guān)系鏈。

更致命的是，政府項(xiàng)目的回款周期冗長(zhǎng)，應(yīng)收賬款堆積如山。例如，商湯科技2024年的應(yīng)收賬款中，賬齡超過(guò)三年的項(xiàng)目金額高達(dá)38.21億元，直接侵蝕了本應(yīng)支持研發(fā)與擴(kuò)張的現(xiàn)金流。

四小龍的“技術(shù)導(dǎo)向”文化也在一定程度上加劇了這一困境。它們普遍將資源集中在算法精度和學(xué)術(shù)輸出上，卻忽視了產(chǎn)品工程化與用戶(hù)體驗(yàn)的打磨。

大量研發(fā)支出被消耗在高薪養(yǎng)人上，而非生產(chǎn)可復(fù)制的產(chǎn)品能力。

云從科技的研發(fā)費(fèi)用占營(yíng)收比重高達(dá)119%，商湯也達(dá)到109.6%，但這些投入并未形成規(guī)�；�的商業(yè)回報(bào)。

更根本的問(wèn)題在于，它們?nèi)狈ζ脚_(tái)型戰(zhàn)略思維，始終停留在“項(xiàng)目制+交付制”的運(yùn)營(yíng)范式中，難以像平臺(tái)型公司那樣形成數(shù)據(jù)閉環(huán)、用戶(hù)沉淀與復(fù)利增長(zhǎng)。

技術(shù)領(lǐng)先但產(chǎn)品缺位，訂單很多卻沒(méi)有客戶(hù)，賬面融資充足卻現(xiàn)金流告急。AI四小龍的失敗，不是一次技術(shù)的失敗，而是一次商業(yè)設(shè)計(jì)的系統(tǒng)性潰敗。

大模型企業(yè)的崛起：新范式，舊問(wèn)題？

與AI四小龍相比，今天的大模型企業(yè)無(wú)疑站在了一個(gè)全新的技術(shù)浪潮之上。技術(shù)范式的根本轉(zhuǎn)變，是這場(chǎng)變革的起點(diǎn)。

過(guò)去，AI公司依賴(lài)計(jì)算機(jī)視覺(jué)等“技術(shù)點(diǎn)”，強(qiáng)調(diào)識(shí)別與感知；如今，大模型則以自然語(yǔ)言處理為核心，延展至多模態(tài)、跨語(yǔ)言、跨任務(wù)的通用智能體系。

OpenAI、Anthropic、百度、阿里、智譜、百川等企業(yè)，紛紛推出參數(shù)規(guī)模千億級(jí)的大模型，具備文本生成、代碼撰寫(xiě)、圖像理解、語(yǔ)音交互等多種能力。

這一代AI公司也表現(xiàn)出更強(qiáng)的平臺(tái)化意識(shí)。

它們不再僅僅是“模型輸出者”，而是構(gòu)建起了包含API接口、開(kāi)發(fā)平臺(tái)、插件生態(tài)、智能體（Agent）等在內(nèi)的全棧式平臺(tái)能力。

例如，OpenAI通過(guò)ChatGPT插件平臺(tái)和GPTs商店構(gòu)建了C端和開(kāi)發(fā)者端的生態(tài)分發(fā)體系，百度文心一言接入了搜索、辦公、營(yíng)銷(xiāo)等多個(gè)業(yè)務(wù)場(chǎng)景，字節(jié)的豆包則在短時(shí)間內(nèi)推出了輕量級(jí)Agent框架，快速占據(jù)To C入口。

相比之下，它們也更重視用戶(hù)關(guān)系的建立。

與AI四小龍長(zhǎng)期依賴(lài)To G、To B客戶(hù)不同，大模型企業(yè)正在積極拓展To C與To D（開(kāi)發(fā)者）市場(chǎng)。

在Kimi、豆包、ChatGPT等產(chǎn)品的推廣中，用戶(hù)獲取、日活、留存、轉(zhuǎn)化成為關(guān)鍵指標(biāo)，產(chǎn)品設(shè)計(jì)也更加注重交互體驗(yàn)、上下文記憶、個(gè)性化服務(wù)等方面的能力。

然而，盡管技術(shù)范式和生態(tài)架構(gòu)煥然一新，一些舊問(wèn)題卻仍然如影隨形。

首先是燒錢(qián)問(wèn)題。大模型訓(xùn)練成本極高，僅GPT-4的訓(xùn)練成本就超過(guò)6300萬(wàn)美元，而國(guó)內(nèi)頭部企業(yè)也動(dòng)輒投入數(shù)十億。

與此同時(shí)，盈利模式尚未跑通。除了少數(shù)API付費(fèi)、企業(yè)定制等業(yè)務(wù)，C端用戶(hù)大多仍處于免費(fèi)試用階段，To B訂單也尚未形成規(guī)模性回報(bào)。

更嚴(yán)重的是，今天的大模型企業(yè)也面臨著資本-技術(shù)周期錯(cuò)位的風(fēng)險(xiǎn)。

估值動(dòng)輒數(shù)十億美元，但商業(yè)化路徑尚未明確。2023年以來(lái)，智譜AI、月之暗面、百川智能、MiniMax等“新四小龍”估值均已超20億美元，融資節(jié)奏堪比當(dāng)年的AI四小龍。

然而如果盈利模型遲遲不能建立，融資窗口一旦關(guān)閉，這一批企業(yè)很可能重演“融資建樓、虧損養(yǎng)人、裁員收縮”的老路。

換句話說(shuō)，大模型企業(yè)今天擁有的是更強(qiáng)的技術(shù)范式、更高的資本期待、更廣的生態(tài)野心，但也面臨著相似的商業(yè)化困境與運(yùn)營(yíng)風(fēng)險(xiǎn)。

如果不能及時(shí)建立穩(wěn)定的盈利模型、產(chǎn)品閉環(huán)與用戶(hù)生態(tài)，那么它們也難逃成為又一代“技術(shù)奇點(diǎn)、商業(yè)潰敗”的代表。

如何避免重蹈覆轍？新一代AI企業(yè)的“生存建議”

“AI四小龍”的沉浮，以及大模型企業(yè)的興起，共同揭示了一個(gè)繞不開(kāi)的問(wèn)題：AI的商業(yè)化路徑究竟該怎么走？

技術(shù)可以領(lǐng)先，融資可以充足，但如果無(wú)法找到一種可持續(xù)的盈利方式，所有的技術(shù)紅利最終都可能淪為“幻覺(jué)經(jīng)濟(jì)”。

回顧AI四小龍的商業(yè)化模式，其最大的特點(diǎn)是重定制、輕產(chǎn)品，重交付、輕生態(tài)。

以To G市場(chǎng)為主導(dǎo)，四小龍通過(guò)與政府、國(guó)企、銀行等大客戶(hù)合作，承接安防、智慧城市、人臉識(shí)別等項(xiàng)目，依靠高單價(jià)訂單支撐營(yíng)收表面增長(zhǎng)。但這種模式存在致命的結(jié)構(gòu)性問(wèn)題。

首先，項(xiàng)目高度定制化，難以標(biāo)準(zhǔn)化復(fù)制，每一單都需要重新投入開(kāi)發(fā)資源，導(dǎo)致邊際成本始終居高不下。

其次，回款周期長(zhǎng)、利潤(rùn)率低、客戶(hù)關(guān)系非持續(xù)性，使得企業(yè)極度依賴(lài)新訂單輸血。

最致命的是，To G客戶(hù)并不是“真實(shí)的使用者”或市場(chǎng)驗(yàn)證者，企業(yè)很難從中獲得用戶(hù)數(shù)據(jù)、產(chǎn)品反饋與迭代空間。

相對(duì)于此，大模型企業(yè)正在嘗試多種新的商業(yè)化路徑。我們可以從四類(lèi)主流路徑對(duì)比分析它們的優(yōu)劣：

這些模式的差異背后，反映出一個(gè)被反復(fù)驗(yàn)證的悖論：AI好用，并不等于AI能變現(xiàn)；模型強(qiáng)大，并不等于產(chǎn)品成功。

技術(shù)路徑可以定義可能性，但能否走通商業(yè)路徑，最終決定了企業(yè)的生死。AI企業(yè)的核心問(wèn)題早已不是“能不能做”，而是“做了之后，誰(shuí)愿意持續(xù)為它買(mǎi)單”。在這場(chǎng)競(jìng)賽中，商業(yè)模式的可復(fù)制性、復(fù)利性與生態(tài)性，遠(yuǎn)比算法參數(shù)更重要。

AI四小龍的故事已經(jīng)為整個(gè)行業(yè)提供了一份“失敗的經(jīng)營(yíng)教科書(shū)”。但失敗本身并不意味著終局，它更像是一面鏡子，照出未來(lái)企業(yè)應(yīng)該如何走得更穩(wěn)、更遠(yuǎn)。

對(duì)于正處在風(fēng)口中的大模型企業(yè)而言，如果不想重蹈“技術(shù)奇點(diǎn)、商業(yè)潰敗”的覆轍，就必須重新思考自身的戰(zhàn)略路徑與組織能力。

第一，從“定制化”轉(zhuǎn)向“產(chǎn)品化”。AI企業(yè)不能再依賴(lài)“一個(gè)項(xiàng)目一個(gè)團(tuán)隊(duì)”的模式，而應(yīng)建立起可規(guī)�；�部署的產(chǎn)品線。例如，通過(guò)開(kāi)放API、SDK、SaaS平臺(tái)等形式，讓AI能力以“模塊化”的方式嵌入各行業(yè)中。這不僅可以降低人力依賴(lài)，也能大幅提升復(fù)用率與客戶(hù)粘性。

第二，從“技術(shù)導(dǎo)向”轉(zhuǎn)向“用戶(hù)導(dǎo)向”。AI企業(yè)不能只盯著模型的參數(shù)規(guī)模、訓(xùn)練精度與論文數(shù)量，而需要關(guān)注用戶(hù)體驗(yàn)、場(chǎng)景適配與交互細(xì)節(jié)。例如，OpenAI在GPT-4o中加入了多模態(tài)接入和上下文記憶功能，Kimi則優(yōu)化了長(zhǎng)文讀寫(xiě)能力，這些都體現(xiàn)了從“算法驅(qū)動(dòng)”到“用戶(hù)驅(qū)動(dòng)”的轉(zhuǎn)型。

第三，擁抱“平臺(tái)化”與“生態(tài)建設(shè)”。一個(gè)強(qiáng)大模型不是終點(diǎn)，一個(gè)能被開(kāi)發(fā)者、用戶(hù)、企業(yè)不斷調(diào)用的生態(tài)系統(tǒng)才是護(hù)城河。這意味著，AI企業(yè)要像操作系統(tǒng)一樣思考：“我能不能讓別人基于我來(lái)工作？”OpenAI的GPTs和插件體系、百度的文心插件商店、字節(jié)的豆包開(kāi)發(fā)平臺(tái)，都是這種平臺(tái)化思路的具體體現(xiàn)。

第四，拓展多元化商業(yè)模型，避免單點(diǎn)依賴(lài)。企業(yè)不應(yīng)只依賴(lài)API收費(fèi)或企業(yè)定制，而應(yīng)形成組合拳式的營(yíng)收結(jié)構(gòu)：API + SaaS + C端訂閱 +硬件終端+廣告模型。比如，微軟將Copilot嵌入Office全家桶中，直接推動(dòng)訂閱率提升；OpenAI探索與硬件廠商合作，打造AI原生終端，都是多元變現(xiàn)的路徑嘗試。

第五，控制成本結(jié)構(gòu)，警惕“人力AI”陷阱。AI企業(yè)的研發(fā)投入必須與產(chǎn)品價(jià)值形成閉環(huán)。不能再出現(xiàn)“研發(fā)費(fèi)用占營(yíng)收120%”卻沒(méi)有產(chǎn)品的尷尬局面。研發(fā)不僅是“燒錢(qián)”，更是“造資產(chǎn)”——要將技術(shù)沉淀為模型、框架、平臺(tái)與數(shù)據(jù)網(wǎng)絡(luò)，而非只是高薪養(yǎng)人。

換句話說(shuō)，新一代AI公司必須同時(shí)具備“技術(shù)視野+商業(yè)能力+產(chǎn)品意識(shí)+生態(tài)構(gòu)建力”四重能力。誰(shuí)能率先實(shí)現(xiàn)這四者的統(tǒng)一，誰(shuí)就能走出AI四小龍未竟之路，構(gòu)建真正的智能時(shí)代的商業(yè)范式。

寫(xiě)在最后

回到文章開(kāi)頭提出的問(wèn)題：大模型企業(yè)，會(huì)不會(huì)步入“AI四小龍”的后塵？

答案或許尚未寫(xiě)下，但路徑的分岔口已經(jīng)清晰。AI四小龍的故事告訴我們，技術(shù)領(lǐng)先并不足以帶來(lái)商業(yè)成功，甚至可能成為掩蓋問(wèn)題的迷霧。

在那場(chǎng)以計(jì)算機(jī)視覺(jué)為核心的AI競(jìng)賽中，四家公司幾乎集齊了所有“技術(shù)正確”的要素：最前沿的算法、最龐大的研發(fā)隊(duì)伍、最多的論文和專(zhuān)利、最大的融資額，但它們最終敗在了商業(yè)模式的不可復(fù)制、客戶(hù)關(guān)系的非持續(xù)、組織結(jié)構(gòu)的高依賴(lài)，以及產(chǎn)品思維的缺失。

而今天的大模型企業(yè)，雖然站在更高的技術(shù)起點(diǎn)上，擁有更廣闊的應(yīng)用潛力和更多元的生態(tài)架構(gòu)，但也面臨著同樣的底層挑戰(zhàn)：如何把“能做”變成“好用”，再變成“被持續(xù)付費(fèi)使用”？

這不僅是商業(yè)問(wèn)題，更是戰(zhàn)略問(wèn)題。中國(guó)“AI四小龍”的失敗并非個(gè)案，而是AI技術(shù)進(jìn)入商業(yè)化階段后，全球性企業(yè)普遍面臨的挑戰(zhàn)。

雖然國(guó)外的AI公司也曾遭遇類(lèi)似困境，但像OpenAI、Anthropic等企業(yè)通過(guò)平臺(tái)化轉(zhuǎn)型、構(gòu)建用戶(hù)生態(tài)、綁定長(zhǎng)期資本，逐步走出了“技術(shù)強(qiáng)但不賺錢(qián)”的陷阱，值得中國(guó)AI企業(yè)警惕與借鑒。

“技術(shù)領(lǐng)先”只是進(jìn)入AI競(jìng)技場(chǎng)的入場(chǎng)券，而“構(gòu)建平臺(tái)、服務(wù)用戶(hù)、形成生態(tài)”才是最終的勝負(fù)手。

AI的上半場(chǎng)，是誰(shuí)的模型跑得快、參數(shù)多、推理強(qiáng)；但AI的下半場(chǎng)，將屬于那些能真正被用起來(lái)、用得久、用得廣的產(chǎn)品與平臺(tái)。

未來(lái)的贏家，不一定是最聰明的AI公司，而很可能是最懂產(chǎn)品、最會(huì)構(gòu)建用戶(hù)關(guān)系、最能形成商業(yè)閉環(huán)的那一家。

正如歷史從不重復(fù)，但總是押韻。

在AI這場(chǎng)技術(shù)革命之中，真正的分水嶺，不在于誰(shuí)能訓(xùn)練出更大的模型，而在于誰(shuí)能用這些模型構(gòu)建出持久的價(jià)值網(wǎng)絡(luò)。這才是AI的未來(lái)，也是新一代AI創(chuàng)業(yè)者必須回答的問(wèn)題。

參考資料：

1. 裁員一半、虧損7億！AI四小龍還能撐多久？答案讓人絕望！來(lái)源：知乎2. 闖關(guān)大模型：AI四小龍下手一個(gè)比一個(gè)狠，作者：韭菜財(cái)經(jīng)，來(lái)源：36kr3. 年虧百億、裁員自救！“AI四小龍”難了…來(lái)源：新浪財(cái)經(jīng)

       原文標(biāo)題 : 技術(shù)領(lǐng)先≠商業(yè)成功:AI大模型公司會(huì)重演AI四小龍的失敗劇本嗎?