這(zhe)是我的(de)第374篇專欄文章。
在中國人工智能的(de)發(fa)展史上，“AI四小龍(long)”——商(shang)湯科技(ji)(ji)(ji)、曠(kuang)視(shi)(shi)科技(ji)(ji)(ji)、依圖科技(ji)(ji)(ji)、云從(cong)科技(ji)(ji)(ji)，曾一度成為產(chan)業追光者(zhe)的(de)象征。它們以計算(suan)機(ji)視(shi)(shi)覺為核心技(ji)(ji)(ji)術路徑，率先將人臉識(shi)別、圖像識(shi)別等AI能力應用于安防、金融、交通、醫療等多個領域，牢(lao)(lao)牢(lao)(lao)占據了中國視(shi)(shi)覺AI市(shi)場超過70%的(de)份額(e)。
曾幾(ji)何時，商湯科技市(shi)值一度突(tu)破3000億(yi)港元，曠視(shi)科技的Face++成為全(quan)球最大的開源人臉識(shi)別平臺，依圖科技打造出全(quan)球首個AI肺(fei)炎(yan)診(zhen)斷系統，云(yun)從科技則(ze)服務了超過400家銀行機構，日均(jun)調(diao)用(yong)量超過2億(yi)次。
四家(jia)公司合計融資總額超過百億美元，是名副其(qi)實的“AI國(guo)家(jia)隊”。
但當我們回頭看這(zhe)段輝煌歷(li)史(shi)，看到的(de)卻(que)是另一幅圖景：持續(xu)虧損、融資受(shou)阻、裁員潮起、IPO流產，巨大的(de)技術光環之下，是商業化困境(jing)的(de)深(shen)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(jing)醒的是，這些企業的研發支出(chu)占營(ying)收比(bi)例均超過100%，卻仍(reng)未能(neng)構建起(qi)可持續的產品體系和(he)穩定的用戶(hu)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(dang)AI從(cong)“算(suan)法導向”走向“平臺化競爭(zheng)”，當(dang)市場從(cong)“政府(fu)訂(ding)單”轉(zhuan)向“用戶生態”，AI四(si)小龍的路徑選(xuan)擇，似乎正在(zai)遭(zao)遇范式突變(bian)的淘(tao)汰。
而今天(tian)，生成式AI大模型風頭正勁，ChatGPT、Claude、Kimi、文心一(yi)言等產(chan)品層出不窮，資本追(zhui)捧、技術(shu)突破、估值(zhi)飆(biao)升(sheng)，似曾相識(shi)的熱潮再次襲(xi)來。
智(zhi)譜AI、月之暗(an)面、百(bai)川智(zhi)能、MiniMax等“新(xin)四小(xiao)龍”估值均已超過20億美(mei)元(yuan)，融資速度(du)直逼當年的AI四小(xiao)龍。
然(ran)(ran)而(er)，這一(yi)輪技術(shu)創新，真(zhen)的(de)能(neng)走(zou)出上一(yi)代AI公司的(de)困(kun)局嗎？大(da)模(mo)型企(qi)業是否(fou)也(ye)會重蹈“技術(shu)領先、商業落后”的(de)覆轍？下一(yi)個“AI四小龍(long)”，會不會正在大(da)模(mo)型浪潮中悄然(ran)(ran)誕(dan)生？
AI四(si)小龍的失敗復盤(pan)：技(ji)術奇(qi)點，商業潰敗
“AI四小龍”的失敗，并不(bu)是因為技(ji)術不(bu)夠先進，恰恰相(xiang)反(fan)，它(ta)們在(zai)技(ji)術上曾(ceng)一度引(yin)領時(shi)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(an)防、自動駕駛等領(ling)域構建了完整的視(shi)覺識別能力(li)體系，專利數量超(chao)過1.2萬(wan)項(xiang)，主導參與制定80余(yu)項(xiang)國際標準。
曠視科(ke)技的Face++平臺(tai)一度(du)成(cheng)為全(quan)球最大的開源人(ren)臉識別庫，為超過70%的安(an)卓(zhuo)手機廠商提(ti)供人(ren)臉解鎖服務，并在100多個城(cheng)市(shi)部署了20萬路(lu)智(zhi)能攝像頭，安(an)防(fang)誤報率低(di)于十(shi)萬分之一。
依圖(tu)科技(ji)研發出(chu)全(quan)球(qiu)首(shou)個AI肺炎診斷系(xi)統，獲得國(guo)家藥監(jian)局三類認證，廣泛落地于200家三甲(jia)醫院。
云從科技聚焦(jiao)“人(ren)機協同”，為農行、建行等400余家銀行提供(gong)人(ren)臉識(shi)別與(yu)智能(neng)風控服務，日均調用量(liang)超過2億次，識(shi)別準確率超過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(nian)，商湯(tang)科技在營收增長(chang)10.8%的情況下，凈虧損卻(que)高(gao)達(da)43.07億(yi)元(yuan)，累計虧損超(chao)過545億(yi)元(yuan)。
云從科技的營收下(xia)滑至3.98億元，同比(bi)下(xia)降36.69%，凈虧損6.96億元，連續八年未(wei)能實(shi)現(xian)盈利。
曠視科技(ji)三(san)年(nian)半累(lei)計虧損(sun)146億元，資產負債率超(chao)過300%。
依圖科技(ji)雖在2024年首次(ci)實現年度盈(ying)利（凈利潤1.05億(yi)元），但安防(fang)與智(zhi)慧城市(shi)業務仍占總收入的(de)81%，芯(xin)片與工(gong)業質檢業務持(chi)續虧損4.8億(yi)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(de)主要客(ke)戶是政府和(he)大型國企，業務集中在智慧城市、AI安防、刷臉支付等To G領域，項(xiang)目普(pu)遍定制化，缺乏標(biao)準(zhun)化產(chan)品能力。
這種模式在早期確實能(neng)夠快速變現，但長期來看，無法形成(cheng)平臺級網絡(luo)效應，也不能(neng)積(ji)累(lei)可持續的用戶(hu)關(guan)系(xi)鏈。
更致命的(de)是(shi)，政府項(xiang)目(mu)的(de)回款周(zhou)期(qi)冗長，應收賬(zhang)款堆(dui)積如山(shan)。例(li)如，商湯科技2024年的(de)應收賬(zhang)款中，賬(zhang)齡超過三年的(de)項(xiang)目(mu)金額(e)高達(da)38.21億元，直(zhi)接侵蝕(shi)了本應支(zhi)持研發與擴(kuo)張(zhang)的(de)現金流。
四小龍的(de)“技術導(dao)向”文化(hua)也在(zai)一定程度上加劇了(le)這(zhe)一困境(jing)。它們普遍將資源集中在(zai)算法精度和(he)學術輸出上，卻忽(hu)視了(le)產品工程化(hua)與用戶體驗的(de)打磨。
大量研發支出被消耗在高薪養人上(shang)，而(er)非生產(chan)可復(fu)制的產(chan)品能(neng)力(li)。
云從(cong)科技的研發費(fei)用(yong)占(zhan)營(ying)收比重(zhong)高達119%，商湯也達到109.6%，但這些投入并未形成規模化(hua)的商業回報。
更根本的問題在(zai)(zai)于，它們缺乏平(ping)臺(tai)型戰略思維，始終停留在(zai)(zai)“項(xiang)目制(zhi)+交付制(zhi)”的運(yun)營范式中，難以(yi)像(xiang)平(ping)臺(tai)型公司那樣形成數(shu)據(ju)閉環、用戶沉(chen)淀(dian)與復利(li)增長。
技(ji)術領先但產(chan)品缺位，訂(ding)單(dan)很(hen)多卻沒有(you)客戶，賬面融資(zi)充足(zu)卻現金流告急(ji)。AI四小(xiao)龍的(de)失敗(bai)，不是(shi)一次(ci)技(ji)術的(de)失敗(bai)，而是(shi)一次(ci)商業設計的(de)系統(tong)性(xing)潰敗(bai)。
大模型企業的崛起：新范式，舊問題？
與AI四小(xiao)龍相比(bi)，今天的(de)大(da)模型(xing)企業無疑(yi)站在了一個全新(xin)的(de)技(ji)術浪潮之上。技(ji)術范式的(de)根本轉變，是這場(chang)變革的(de)起點。
過去，AI公司依賴計算機視覺等“技術點(dian)”，強(qiang)調(diao)識別與感知；如今，大(da)模型則以(yi)自然(ran)語言(yan)處理(li)為(wei)核(he)心，延展至多(duo)模態、跨語言(yan)、跨任(ren)務的通用智能體系。
OpenAI、Anthropic、百(bai)度(du)、阿(a)里、智(zhi)譜、百(bai)川等企業，紛(fen)紛(fen)推(tui)出(chu)參數規模千億級的大模型，具備文本(ben)生成、代碼撰寫、圖像理解、語音交互(hu)等多種(zhong)能力。
這一代AI公司也表現出更強的平臺化意識。
它們不(bu)再僅(jin)僅(jin)是“模型輸出(chu)者”，而(er)是構建(jian)起了(le)包含API接口、開(kai)發(fa)平(ping)(ping)臺、插件生態、智能體（Agent）等在內的(de)全棧式平(ping)(ping)臺能力(li)。
例如，OpenAI通過ChatGPT插件平臺和GPTs商店構建(jian)了(le)C端和開(kai)發者端的生態分發體(ti)系，百(bai)度(du)文心一言接入(ru)了(le)搜(sou)索、辦(ban)公、營銷(xiao)等多個業(ye)務(wu)場景，字節(jie)的豆包(bao)則在短時(shi)間內推出了(le)輕(qing)量級Agent框(kuang)架(jia)，快(kuai)速占據(ju)To C入(ru)口。
相比之下，它們也更重視用戶關系的建立。
與(yu)AI四小龍長(chang)期(qi)依賴To G、To B客(ke)戶不(bu)同，大模(mo)型企(qi)業(ye)正在積(ji)極拓(tuo)展To C與(yu)To D（開發(fa)者）市場。
在Kimi、豆包、ChatGPT等產(chan)品的(de)推廣中(zhong)，用戶獲取、日活(huo)、留存、轉化成(cheng)為關鍵指(zhi)標(biao)，產(chan)品設計也更加注重交互體驗(yan)、上(shang)下文記憶、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(shi)燒錢問(wen)題(ti)。大模型訓練成本極(ji)高，僅GPT-4的訓練成本就超過6300萬(wan)美(mei)元(yuan)，而(er)國(guo)內頭(tou)部企業也動輒(zhe)投(tou)入數十億。
與此(ci)同時(shi)，盈(ying)利(li)模式尚未跑(pao)通。除了少數(shu)API付費、企(qi)業(ye)定制等業(ye)務，C端(duan)用戶大多仍處于免費試(shi)用階段，To B訂(ding)單(dan)也(ye)尚未形成規模性回報。
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。
估值動輒數(shu)十億美元(yuan)，但商(shang)業化路徑尚未明確。2023年(nian)以來(lai)，智譜AI、月之(zhi)暗面、百川智能、MiniMax等“新四小龍”估值均已超20億美元(yuan)，融資節奏堪比當年(nian)的AI四小龍。
然(ran)而如果盈利模型遲遲不能(neng)建立，融資(zi)窗(chuang)口一(yi)旦關閉，這一(yi)批企業很(hen)可能(neng)重演“融資(zi)建樓、虧損(sun)養人、裁員收(shou)縮”的(de)老路。
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定的盈(ying)利(li)模型、產(chan)品(pin)閉環與用戶(hu)生態，那(nei)么它們也難(nan)逃(tao)成(cheng)為(wei)又一代“技術(shu)奇點、商業(ye)潰敗(bai)”的代表。
如何(he)避免重蹈覆轍？新一代(dai)AI企業的(de)“生(sheng)存建議”
“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(ke)(ke)以(yi)領先，融(rong)資可(ke)(ke)以(yi)充足，但如果(guo)無法找到一種可(ke)(ke)持(chi)續的(de)盈利方式，所有的(de)技(ji)術紅利最(zui)終都可(ke)(ke)能(neng)淪為“幻(huan)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市場為主(zhu)導，四小龍通過與政府、國企、銀行等(deng)大(da)客戶合作，承(cheng)接安(an)防、智慧城(cheng)市、人臉識別(bie)等(deng)項目(mu)，依靠(kao)高單價訂單支撐(cheng)營收表面增(zeng)長。但這種模(mo)式存在致(zhi)命的結構(gou)性問題(ti)。
首先，項目高度定制化，難以標準化復制，每(mei)一單都需要重新投入(ru)開(kai)發(fa)資(zi)源(yuan)，導致(zhi)邊際成(cheng)本始(shi)終居高不(bu)下(xia)。
其次，回款周期長、利潤率低、客戶關系非持續性，使得企業極度(du)依賴新(xin)訂單輸血。
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(qi)業很難從中獲得(de)用戶數據(ju)、產品(pin)反饋(kui)與迭代(dai)空間。
相對于此，大模型企(qi)業正在(zai)嘗試多種新的商業化路徑(jing)。我(wo)們可以從四類主流(liu)路徑(jing)對比分析它(ta)們的優劣(lie)：
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(zheng)處在風口中的(de)(de)大(da)模型企(qi)業而言，如果(guo)不(bu)想重(zhong)蹈“技(ji)術奇(qi)點、商業潰敗”的(de)(de)覆轍(che)，就必須重(zhong)新思考自身的(de)(de)戰略路(lu)徑與組織能力。
第一，從“定制化”轉向“產品化”。
AI企業不(bu)能(neng)再(zai)依賴“一(yi)個項目一(yi)個團隊”的模式(shi)，而應建立起(qi)可規模化部署的產品線。例如，通過(guo)開(kai)放API、SDK、SaaS平臺等形(xing)式(shi)，讓AI能(neng)力以(yi)“模塊化”的方式(shi)嵌入(ru)各行業中。這不(bu)僅可以(yi)降低人(ren)力依賴，也能(neng)大幅提升復用(yong)率與客戶粘性。
第二，從“技術導向”轉向“用戶導向”。
AI企業不(bu)能只盯著模型(xing)的參數(shu)規模、訓練精(jing)度與論文(wen)數(shu)量，而需要關(guan)注(zhu)用戶體驗、場景適配(pei)與交(jiao)互細(xi)節。例如(ru)，OpenAI在GPT-4o中(zhong)加入了多模態接(jie)入和上下(xia)文(wen)記(ji)憶(yi)功能，Kimi則優化了長文(wen)讀寫(xie)能力，這些(xie)都體現了從“算(suan)法驅動”到“用戶驅動”的轉(zhuan)型(xing)。
第三，擁抱“平臺化”與“生態建設”。
一個強大模(mo)型不是終點，一個能被開(kai)發者、用戶、企(qi)業不斷調用的(de)(de)(de)生態系統才是護城河。這意味著，AI企(qi)業要像(xiang)操作系統一樣思考：“我能不能讓別人基于我來(lai)工作？”OpenAI的(de)(de)(de)GPTs和插(cha)(cha)件體系、百度的(de)(de)(de)文心(xin)插(cha)(cha)件商店、字節的(de)(de)(de)豆包開(kai)發平臺，都是這種平臺化思路(lu)的(de)(de)(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(shou)費或企業定制，而(er)應形成組合拳式的營收(shou)結構：API + SaaS + C端訂(ding)(ding)閱(yue) +硬件終端+廣告模(mo)型。比如，微軟(ruan)將Copilot嵌入Office全(quan)家桶(tong)中，直接(jie)推(tui)動訂(ding)(ding)閱(yue)率(lv)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(xian)的路徑嘗試(shi)。
第五，控制成本結構，警惕“人力AI”陷阱。
AI企業(ye)的研(yan)發投入必須與產品價(jia)值形成(cheng)閉環(huan)。不(bu)能再出現“研(yan)發費用占營(ying)收120%”卻沒有產品的尷尬局面。研(yan)發不(bu)僅是“燒錢(qian)”，更是“造資產”——要將技術沉淀(dian)為模(mo)型、框架、平臺與數據網絡，而非只是高薪養人。
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(zai)那場以(yi)計算機視(shi)覺(jue)為核心的(de)AI競賽中，四家公司幾乎(hu)集(ji)齊了所(suo)有“技(ji)術正確(que)”的(de)要(yao)素：最前沿(yan)的(de)算法、最龐大(da)的(de)研(yan)發隊伍、最多的(de)論文和專利、最大(da)的(de)融資額，但它(ta)們最終敗在(zai)了商業模式的(de)不可復制、客(ke)戶關系(xi)的(de)非持續、組織結(jie)構的(de)高依賴，以(yi)及(ji)產品思(si)維的(de)缺(que)失。
而今天的(de)大模型企業，雖然(ran)站在更(geng)(geng)高的(de)技(ji)術(shu)起(qi)點(dian)上，擁有更(geng)(geng)廣闊的(de)應用潛力和更(geng)(geng)多元(yuan)的(de)生態架構，但也(ye)面臨著(zhu)同樣的(de)底層挑戰：如何(he)把“能做”變成“好用”，再(zai)變成“被持續付費(fei)使用”？
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。
雖然國外的(de)AI公司也曾遭遇(yu)類似困境，但像(xiang)OpenAI、Anthropic等企(qi)(qi)業通過平臺(tai)化轉型、構建用戶生態(tai)、綁定長期資本，逐步走出了“技(ji)術強但不(bu)賺錢(qian)”的(de)陷阱，值得中國AI企(qi)(qi)業警(jing)惕與借(jie)鑒(jian)。
“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。
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. 年虧百億(yi)、裁員自救！“AI四小龍”難了…來源(yuan)：新浪財經
