這是我的第374篇(pian)專欄文(wen)章。
在中國人工智能的(de)發(fa)展史上，“AI四小龍(long)”——商湯科(ke)(ke)(ke)技、曠視科(ke)(ke)(ke)技、依圖(tu)(tu)科(ke)(ke)(ke)技、云從科(ke)(ke)(ke)技，曾一度成為(wei)產業追(zhui)光者的(de)象征。它們(men)以計算機視覺為(wei)核心技術(shu)路徑(jing)，率先將(jiang)人(ren)臉(lian)識別(bie)、圖(tu)(tu)像識別(bie)等AI能力應(ying)用于(yu)安(an)防、金融(rong)、交(jiao)通、醫療等多個領域，牢牢占(zhan)據了中(zhong)國視覺AI市場超過70%的(de)份額。
曾(ceng)幾何時，商湯科技(ji)市值一度突(tu)破3000億(yi)港元，曠視科技(ji)的Face++成為(wei)全(quan)球最大的開(kai)源人臉(lian)識別平臺，依圖科技(ji)打造出全(quan)球首個AI肺炎診斷系統，云從科技(ji)則服務了超過400家銀行機構，日均調用量超過2億(yi)次(ci)。
四家公(gong)司合計融資總額超過百億美元，是(shi)名副其實的“AI國家隊”。
但當我們(men)回頭(tou)看(kan)這段輝煌歷史，看(kan)到的(de)(de)卻是另一(yi)幅(fu)圖(tu)景(jing)：持續虧損、融資(zi)受阻、裁員潮(chao)起、IPO流產(chan)，巨大(da)的(de)(de)技術光環之下，是商業化(hua)困境的(de)(de)深淵。
2024年，商湯科技營收37.72億元，卻虧損高達43.07億元，累計虧損已超過545億元；云從科技營收3.98億元，同比下滑36.69%，凈虧損6.96億元，連續八年未能盈利；曠視科技自2021年起3年半累計虧損146億元，資產負債率超過300%；依圖科技雖在2024年首次實現年度盈利，但安防業務仍占比高達81%，醫療與芯片業務依然長期虧損。
更令人警醒的是，這些(xie)企業的研發支出占營收比例均超過100%，卻(que)仍(reng)未能構(gou)建起可持續的產品體系和穩定的用戶生(sheng)態。
為何曾經“技術最強”的AI公司，如今卻成為“最難盈利”的科技企業？這不僅是AI四小龍的個體命運，更像是一次技術變革與商業現實之間的正面碰撞。
當AI從“算(suan)法導(dao)向(xiang)”走(zou)向(xiang)“平臺化(hua)競爭”，當市場從“政府訂單”轉向(xiang)“用戶(hu)生態”，AI四小龍的(de)路徑(jing)選擇，似乎正在遭遇范式突變的(de)淘汰。
而今天，生(sheng)成式AI大模型風頭正(zheng)勁，ChatGPT、Claude、Kimi、文心一言(yan)等產品層出不窮，資本追捧、技(ji)術突(tu)破(po)、估值飆升(sheng)，似曾相識的熱潮再(zai)次襲來。
智譜(pu)AI、月(yue)之暗面、百川智能、MiniMax等“新四小(xiao)龍(long)(long)”估值均已超過20億美元，融資(zi)速度直逼當年(nian)的AI四小(xiao)龍(long)(long)。
然而，這一輪技術(shu)創(chuang)新，真的(de)(de)能走出(chu)上一代AI公司(si)的(de)(de)困局嗎？大模型企(qi)業(ye)(ye)是否也(ye)會重蹈“技術(shu)領先、商業(ye)(ye)落后”的(de)(de)覆轍？下一個“AI四小龍”，會不會正在大模型浪潮中悄然誕生？
AI四小(xiao)龍的(de)失敗復盤：技(ji)術奇點(dian)，商業潰敗
“AI四小龍(long)”的失敗，并(bing)不(bu)是因為技(ji)術不(bu)夠先進，恰(qia)恰(qia)相反，它們在技(ji)術上(shang)曾一度引領時代。
商湯科技以計算機視覺和深度學習算法見長，在智慧城市、安防、自動駕駛等領域構建了完整的視覺(jue)識別能(neng)力(li)體系，專利數量超過1.2萬項，主導參與制定80余(yu)項國際標準。
曠視科技的(de)Face++平臺一度成為全球最大的(de)開源(yuan)人臉(lian)識(shi)別庫，為超(chao)過70%的(de)安卓手機廠商提供人臉(lian)解鎖服務，并在100多個城市部署了20萬路智能攝像(xiang)頭，安防誤(wu)報率低于(yu)十萬分之一。
依(yi)圖科技研發出全球首個AI肺炎(yan)診斷系統(tong)，獲得國(guo)家藥監局(ju)三類(lei)認證，廣泛(fan)落(luo)地于(yu)200家三甲醫院。
云從科(ke)技聚焦“人(ren)機協同”，為農行(xing)(xing)、建行(xing)(xing)等400余家銀(yin)行(xing)(xing)提供人(ren)臉識別與智能風控服務，日(ri)均調用量(liang)超(chao)過2億次，識別準(zhun)確率超(chao)過99.9%。
然而，如此強大的技術體系，卻未能帶來可持續的商業回報。
2024年，商湯科技在營收(shou)增(zeng)長(chang)10.8%的情況下，凈(jing)虧(kui)損卻(que)高達43.07億元，累計(ji)虧(kui)損超過545億元。
云從科技的營收下(xia)滑(hua)至3.98億(yi)元(yuan)，同比下(xia)降36.69%，凈虧損6.96億(yi)元(yuan)，連續八年未能實(shi)現盈利(li)。
曠視科技三年半累計虧損146億(yi)元，資產負債率超過300%。
依(yi)圖科(ke)技雖在2024年首(shou)次實現年度(du)盈利（凈利潤1.05億元），但安防(fang)與智(zhi)慧城市業務(wu)仍(reng)占總收入(ru)的81%，芯片與工業質檢業務(wu)持續(xu)虧損(sun)4.8億元。
造成這一局面的關鍵，并非技術不夠“先進”，而是商業模式的先天失衡。
四小龍的主(zhu)要客戶是政府和大型國企，業務(wu)集中(zhong)在智慧城市、AI安防(fang)、刷(shua)臉支付等To G領(ling)域，項目普遍定(ding)制(zhi)化(hua)(hua)，缺乏(fa)標準化(hua)(hua)產品能力。
這種模式在(zai)早期(qi)確實(shi)能夠快(kuai)速變(bian)現(xian)，但長期(qi)來看，無(wu)法形(xing)成平(ping)臺級網絡效應，也不能積累可(ke)持續的用戶關系(xi)鏈。
更(geng)致(zhi)命(ming)的(de)是，政府項目的(de)回款周期冗長，應(ying)收賬(zhang)款堆(dui)積如山(shan)。例如，商湯科技(ji)2024年的(de)應(ying)收賬(zhang)款中，賬(zhang)齡(ling)超過三(san)年的(de)項目金額高達(da)38.21億元，直(zhi)接侵蝕(shi)了本應(ying)支持研發(fa)與擴(kuo)張的(de)現金流。
四(si)小龍的(de)“技(ji)術導向”文化(hua)也在一定程(cheng)度上加劇了這(zhe)一困(kun)境。它們普遍將資源集中在算(suan)法精度和學術輸出(chu)上，卻(que)忽視了產品工程(cheng)化(hua)與用戶體驗的(de)打磨(mo)。
大量研(yan)發支出被(bei)消耗在(zai)高薪(xin)養人上(shang)，而非生產(chan)可(ke)復(fu)制的產(chan)品能力。
云從科技的(de)研發費用(yong)占(zhan)營(ying)收比重高達119%，商湯也達到109.6%，但這(zhe)些投入并未形(xing)成規模(mo)化(hua)的(de)商業回報。
更根本(ben)的問題在于，它們缺乏平臺型戰(zhan)略思維，始終停留(liu)在“項目制+交(jiao)付制”的運營范式中，難以(yi)像平臺型公司那樣形成數據(ju)閉環、用戶沉淀與復利增長(chang)。
技術領先但產(chan)品缺位，訂單(dan)很多卻沒(mei)有客(ke)戶，賬面融資充足卻現金(jin)流告急(ji)。AI四小龍(long)的失敗，不是一(yi)次(ci)技術的失敗，而是一(yi)次(ci)商業設計的系統性潰(kui)敗。
大模型企業的崛起：新范式，舊問題？
與AI四(si)小龍相比(bi)，今天的大模(mo)型企業無疑(yi)站在(zai)了(le)一個全(quan)新的技術(shu)浪潮(chao)之上(shang)。技術(shu)范式的根(gen)本(ben)轉變(bian)，是這場變(bian)革的起點。
過(guo)去，AI公司依賴計(ji)算(suan)機視覺等“技(ji)術點”，強(qiang)調識別(bie)與(yu)感知；如今，大模(mo)型則以自然(ran)語言處(chu)理為核心，延(yan)展(zhan)至多模(mo)態、跨(kua)語言、跨(kua)任(ren)務的通用智能體系。
OpenAI、Anthropic、百度、阿里(li)、智(zhi)譜、百川等(deng)企業，紛紛推出參(can)數規模千億級(ji)的大(da)模型，具備文本生(sheng)成、代碼撰(zhuan)寫、圖像理解、語音交互等(deng)多(duo)種能力。
這一代AI公司也表現出更強的平臺化意識。
它(ta)們不再僅僅是“模型輸出者”，而是構(gou)建起了(le)包含(han)API接(jie)口、開發平(ping)臺、插(cha)件生態(tai)、智能(neng)(neng)體（Agent）等在內的全棧式平(ping)臺能(neng)(neng)力。
例如(ru)，OpenAI通過ChatGPT插件平臺(tai)和GPTs商店構建了(le)C端和開發者端的生態分發體系，百度(du)文心一言接入了(le)搜索、辦公、營銷等多個業務場景，字節(jie)的豆包則在(zai)短時間(jian)內推出(chu)了(le)輕(qing)量級Agent框(kuang)架，快速占據To C入口(kou)。
相比之下，它們也更重視用戶關系的建立。
與(yu)AI四小龍長期依賴To G、To B客戶不同，大模型(xing)企業正在(zai)積極(ji)拓(tuo)展To C與(yu)To D（開發(fa)者）市場。
在Kimi、豆包、ChatGPT等產(chan)品(pin)的(de)推(tui)廣中，用戶(hu)獲取、日活(huo)、留存、轉(zhuan)化成為(wei)關(guan)鍵指標，產(chan)品(pin)設計(ji)也更(geng)加注重交互體驗、上下(xia)文記憶、個性化服務等方面的(de)能力。
然而，盡管技術范式和生態架構煥然一新，一些舊問題卻仍然如影隨形。
首(shou)先是燒錢問題。大模型訓練成本(ben)極高，僅(jin)GPT-4的訓練成本(ben)就超(chao)過6300萬(wan)美元，而國內頭(tou)部企(qi)業也動輒投入數十億(yi)。
與此同時，盈利模(mo)式尚未跑通。除了少數API付費、企業定(ding)制等業務，C端用戶大多(duo)仍處于(yu)免費試用階段(duan)，To B訂單也尚未形成規模(mo)性回(hui)報。
更嚴重的是，今天的大模型企業也面臨著資本-技術周期錯位的風險。
估值動輒(zhe)數十(shi)億(yi)美(mei)元，但商業化路(lu)徑(jing)尚未明(ming)確。2023年以(yi)來，智譜AI、月之(zhi)暗(an)面、百川智能、MiniMax等(deng)“新(xin)四小龍”估值均已超20億(yi)美(mei)元，融資節奏(zou)堪比當年的AI四小龍。
然(ran)而(er)如(ru)果(guo)盈利模型(xing)遲(chi)遲(chi)不能建(jian)立(li)，融(rong)資窗口一旦關閉，這一批企業很可能重演(yan)“融(rong)資建(jian)樓(lou)、虧損養人、裁員收縮”的(de)老(lao)路(lu)。
換句話說，大模型企業今天擁有的是更強的技術范式、更高的資本期待、更廣的生態野心，但也面臨著相似的商業化困境與運營風險。
如果不能及時建立穩(wen)定的盈利模型(xing)、產品閉環與(yu)用戶(hu)生態，那么它們也難逃(tao)成為又一代(dai)“技術(shu)奇點、商業潰敗”的代(dai)表。
如何避免重蹈(dao)覆(fu)轍？新一代(dai)AI企業的“生存建議(yi)”
“AI四小龍”的沉浮，以及大模型企業的興起，共同揭示了一個繞不開的問題：AI的商業化路徑究竟該怎么走？
技(ji)術可以領先，融(rong)資可以充足，但如果無法找到(dao)一種(zhong)可持續的盈利方式(shi)，所(suo)有的技(ji)術紅利最(zui)終都可能淪為(wei)“幻覺經濟”。
回顧AI四小龍的商業化模式，其最大的特點是重定制、輕產品，重交付、輕生態。
以To G市場為(wei)主導，四小龍通過(guo)與(yu)政府(fu)、國企、銀行等(deng)(deng)大客戶合(he)作，承接安防(fang)、智慧(hui)城(cheng)市、人臉識別等(deng)(deng)項(xiang)目，依靠(kao)高單價訂單支撐營收表面增長(chang)。但這種模式存在(zai)致命的結(jie)構性問(wen)題。
首先，項目高度定制化，難以標準化復制，每一單(dan)都需要(yao)重新投入開發資源，導致(zhi)邊際成本始(shi)終居高不(bu)下。
其次，回款周期長、利潤率低、客戶關系非持續性，使得企業極(ji)度依賴新訂單輸(shu)血。
最致命的是，To G客戶并不是“真實的使用者”或市場驗證者，企業很(hen)難從中獲得用(yong)戶數據、產(chan)品反饋(kui)與迭(die)代空間。
相對于此(ci)，大模(mo)型企業正在(zai)嘗試多種(zhong)新(xin)的商(shang)業化(hua)路(lu)徑。我們(men)可以(yi)從四類(lei)主流(liu)路(lu)徑對比分(fen)析它(ta)們(men)的優劣：
這些模式的差異背后，反映出一個被反復驗證的悖論：AI好用，并不等于AI能變現；模型強大，并不等于產品成功。
技術路徑可以定義可能性，但能否走通商業路徑，最終決定了企業的生死。AI企業的核心問題早已不是“能不能做”，而是“做了之后，誰愿意持續為它買單”。在這場競賽中，商業模式的可復制性、復利性與生態性，遠比算法參數更重要。
AI四小龍的故事已經為整個行業提供了一份“失敗的經營教科書”。但失敗本身并不意味著終局，它更像是一面鏡子，照出未來企業應該如何走得更穩、更遠。
對于正處在風口(kou)中(zhong)的(de)(de)大(da)模型企業而言，如果不想重蹈“技術奇點(dian)、商(shang)業潰敗”的(de)(de)覆(fu)轍，就必須重新思考自(zi)身的(de)(de)戰(zhan)略路(lu)徑與組織能力。
第一，從“定制化”轉向“產品化”。
AI企業不能(neng)再依賴“一個(ge)項(xiang)目一個(ge)團隊(dui)”的(de)模(mo)式(shi)，而應建立起可規(gui)模(mo)化(hua)部署的(de)產品線。例(li)如，通過開放API、SDK、SaaS平(ping)臺等形式(shi)，讓(rang)AI能(neng)力以“模(mo)塊(kuai)化(hua)”的(de)方式(shi)嵌入(ru)各(ge)行業中。這不僅可以降低人力依賴，也(ye)能(neng)大幅提(ti)升復用率與客戶粘性。
第二，從“技術導向”轉向“用戶導向”。
AI企業(ye)不能(neng)只(zhi)盯著模(mo)型的(de)(de)參(can)數規模(mo)、訓(xun)練(lian)精(jing)度與論文(wen)(wen)數量，而(er)需(xu)要關注用戶體驗、場景適配與交互細節。例如，OpenAI在GPT-4o中加入了(le)多(duo)模(mo)態接入和上下文(wen)(wen)記憶功能(neng)，Kimi則優化了(le)長文(wen)(wen)讀(du)寫能(neng)力，這(zhe)些都體現了(le)從(cong)“算法驅動(dong)”到“用戶驅動(dong)”的(de)(de)轉型。
第三，擁抱“平臺化”與“生態建設”。
一(yi)個(ge)強大模型(xing)不是(shi)終(zhong)點(dian)，一(yi)個(ge)能(neng)被開發(fa)者(zhe)、用戶、企(qi)業(ye)不斷(duan)調用的(de)生態系(xi)統才是(shi)護城河(he)。這(zhe)意味著，AI企(qi)業(ye)要(yao)像操(cao)作(zuo)系(xi)統一(yi)樣(yang)思考：“我(wo)(wo)能(neng)不能(neng)讓別人基(ji)于我(wo)(wo)來(lai)工作(zuo)？”OpenAI的(de)GPTs和插件(jian)體系(xi)、百度的(de)文心(xin)插件(jian)商(shang)店(dian)、字節的(de)豆包開發(fa)平臺(tai)，都(dou)是(shi)這(zhe)種平臺(tai)化思路的(de)具體體現。
第四，拓展多元化商業模型，避免單點依賴。
企業不(bu)應只依賴API收費(fei)或企業定(ding)制，而應形成組合(he)拳(quan)式的營收結構：API + SaaS + C端(duan)訂(ding)閱 +硬件終端(duan)+廣告模型。比如，微(wei)軟將Copilot嵌入Office全家桶中(zhong)，直接推動(dong)訂(ding)閱率提升；OpenAI探索(suo)與硬件廠商(shang)合(he)作，打(da)造(zao)AI原生終端(duan)，都是(shi)多元變現的路徑嘗(chang)試。
第五，控制成本結構，警惕“人力AI”陷阱。
AI企業的研(yan)發(fa)投(tou)入(ru)必須與(yu)產品價值(zhi)形(xing)成閉環。不能(neng)再出現“研(yan)發(fa)費用占營收120%”卻沒有產品的尷尬局面(mian)。研(yan)發(fa)不僅是“燒錢”，更是“造資產”——要將(jiang)技術沉淀為模型、框架、平臺(tai)與(yu)數據(ju)網絡，而非(fei)只是高薪養(yang)人。
換句話說，新一代AI公司必須同時具備“技術視野+商業能力+產品意識+生態構建力”四重能力。誰能率先實現這四者的統一，誰就能走出AI四小龍未竟之路，構建真正的智能時代的商業范式。
寫在最后
回到文章開頭提出的問題：大模型企業，會不會步入“AI四小龍”的后塵？
答案或許尚未寫下，但路徑的分岔口已經清晰。AI四小龍的故事告訴我們，技術領先并不足以帶來商業成功，甚至可能成為掩蓋問題的迷霧。
在那場(chang)以(yi)計(ji)算(suan)機視(shi)覺為(wei)核心的(de)(de)AI競賽(sai)中(zhong)，四家公司幾乎集齊了所有“技術正(zheng)確”的(de)(de)要素：最(zui)前沿(yan)的(de)(de)算(suan)法、最(zui)龐大的(de)(de)研(yan)發隊伍、最(zui)多的(de)(de)論文(wen)和專利(li)、最(zui)大的(de)(de)融資額，但它們最(zui)終敗(bai)在了商業模(mo)式(shi)的(de)(de)不(bu)可復制、客戶關系的(de)(de)非持續、組織結構的(de)(de)高依(yi)賴(lai)，以(yi)及產品思維(wei)的(de)(de)缺(que)失。
而今天的(de)(de)大模型企(qi)業，雖然站在更(geng)高的(de)(de)技術(shu)起點上，擁有更(geng)廣闊的(de)(de)應用(yong)潛力和更(geng)多元的(de)(de)生態架構，但也面臨著(zhu)同樣的(de)(de)底層挑戰：如何(he)把“能做(zuo)”變(bian)成(cheng)“好用(yong)”，再變(bian)成(cheng)“被持續(xu)付費使用(yong)”？
這不僅是商業問題，更是戰略問題。中國“AI四小龍”的失敗并非個案，而是AI技術進入商業化階段后，全球性企業普遍面臨的挑戰。
雖(sui)然國(guo)外的AI公(gong)司也曾遭遇類似困(kun)境，但像OpenAI、Anthropic等企(qi)業通過平臺化(hua)轉型、構建用戶生態、綁定長期資本(ben)，逐步走(zou)出了“技術強但不賺錢”的陷阱，值得中(zhong)國(guo)AI企(qi)業警惕與借(jie)鑒。
“技術領先”只是進入AI競技場的入場券，而“構建平臺、服務用戶、形成生態”才是最終的勝負手。
AI的上半場，是誰的模型跑得快、參數多、推理強；但AI的下半場，將屬于那些能真正被用起來、用得久、用得廣的產品與平臺。
未來的贏家，不一定是最聰明的AI公司，而很可能是最懂產品、最會構建用戶關系、最能形成商業閉環的那一家。
正如歷史從不重復，但總是押韻(yun)。
在AI這場技術革命之中，真正的分水嶺，不在于誰能訓練出更大的模型，而在于誰能用這些模型構建出持久的價值網絡。這才是AI的未來，也是新一代AI創業者必須回答的問題。
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！來源：知乎
2. 闖關大模型：AI四小龍下手一個比一個狠，作者：韭菜財經，來源：36kr
3. 年虧百(bai)億(yi)、裁員自救！“AI四小龍”難了…來源：新浪(lang)財(cai)經
