“AI掉隊者聯盟”謀求改命

現在的AI應用就像韓國偶像團體一樣新人輩出——臉還沒被認熟就推出了新的版本，然後就是噼裡啪啦一頓造勢，結果總是會有作品、實力配不上流量的感覺。

而那些十年前出道的AI前輩們，則是大部分都面臨著技術路線風險、轉型困難、金主不再力捧的問題，落下了一個或者幾個梯隊。

這兩類企業可以有一個共同的名字：AI掉隊者聯盟。

以曾經行業頭部企業商湯為例，2021年赴港上市的時候，貴為全球估值最高的AI獨角獸企業，但從2022年開始股價就一直深度下跌。目前，其市值與最高點相比已蒸發3000億港元以上。

其創始團隊的退場更是令人唏噓，科研實力過硬、被稱為人臉識別技術開拓者的湯曉鷗先生在2023年猝然離世，聯合創始人徐冰也在今年端午節前官宣辭去執行董事及董事會秘書的職務，獲任AI晶片業務負責人。

商湯在公告中強調，此次職務調整是公司整體人才部署與業務聚焦的一部分，某種程度上也可以理解為，AI 1.0時代的核心技術並不能用於引領2.0時代。

為了成功轉型，商湯表現出了再次創業的決心。

像商湯這樣努力向著2.0時代翻湧的AI前浪們還有許多。當然，這其中也包括了一些以極快速度成為了前浪的後浪們。

01. 轉型

整個AI 1.0時代最出圈的事件可能是2016年，AlphaGo擊敗韓國頂尖棋手李世石。不過比起AlphaGo背後的深度學習技術，同時代的中國AI創業公司押注的主要是電腦視覺技術（CV）。

所謂的電腦視覺（CV）技術主要指人臉識別、圖像檢測技術，這個賽道誕生了赫赫有名的AI四小龍，即商湯、雲從、曠視和依圖。

電腦視覺技術之所以成為AI 1.0時代最早實現突破的子賽道，是技術成熟度、應用場景明確性、資料與硬體支援、以及市場需求共同作用的結果。

商湯、曠視等企業的創始團隊大多來自香港中文大學、清華大學等頂尖學術機構，是真的能寫出前沿學術論文的那種。科學家創業者們的集中出現，讓技術從實驗室到產業化的轉化周期大幅縮短，為企業的快速成長創造了條件。

11年前，曠視科技在2014年推出的Face++人臉識別系統，當時精準率達到99.5%，遠超傳統方法。這種技術突破直接推動了安防、金融等行業的付費意願，形成了人工智慧技術落地早期的商業基礎。

中國龐大的應用場景，又為電腦視覺企業提供了獨特的資料優勢。商湯通過與政府合作獲取交通監控資料，雲從則依託銀行客戶積累金融場景樣本，進一步升級自己的核心技術。

AI四小龍當時的發展非常迅速，成為了資本市場中的大明星。

但這一切風光都建立在兩個最重要的假設上：技術領先必然轉化為商業優勢，以及政府支援能夠持續創造需求。2020年後，這兩個假設都被推翻了。

政策方面，中國人工智慧戰略在2020年後轉嚮應用落地。政策重心的轉移，使得依賴單一政策支援的商業模式難以為繼。

這種國家級戰略的變化，會在很大程度上決定金主們的投資決策。簡單來說，投資人不願意再給AI四小龍提供無限子彈，讓他們繼續燒錢研發、無視虧損。後期的情況就是，市場開始拿著放大鏡檢視AI四小龍的財務狀況，並希望他們的產品能夠在各類產業中產生實際業務和現金流。

以商湯為例，2024年營收37.72億元雖實現10.8%同比增長，但較2021年歷史峰值47億元仍低19.7%。2024年淨虧損42.78億元，相當於每天燒掉1172萬元，虧損額較2023年64.3億元雖縮小33.7%，但絕對值仍超過全年營收。

財務壓力之下，人力資源成本最終成了AI四小龍無法避免的問題：商湯自2021年起員工總數從6113人縮減至4672人，非核心業務被裁撤；雲從去年實施全員降薪20%的舉措，今年核心技術團隊出走；依圖科技的裁員幅度更是達到了驚人的70%。

在ChatGPT開啟了技術路線完全不同的AI 2.0時代後，技術轉型，尤其是向市場證明自己有能力邁入2.0時代，成了AI四小龍們最重要的任務。

02. 改命

與AI 1.0時代相比，2.0時代最顯著的特徵，就是大規模預訓練模型的興起。這些模型通過在海量資料上進行預訓練，掌握了通用的語言、圖像理解能力，然後可以通過微調適應各種具體任務。

ChatGPT的橫空出世，標誌著人工智慧技術發生了根本性的轉變，2.0時代的人工智慧似乎才是社會進步真正需要的人工智慧。AI 1.0與AI 2.0在技術架構上存在的根本性差異，直接導致了兩者在應用場景和商業價值上的巨大分野。

以第四範式為例，這家公司十年前做機器學習平台，現在轉型Agent服務商，這種業務迭代本身就很能說明行業趨勢的變化。

所謂的AI Agent指能主動感知環境、規劃目標並使用工具執行任務的智能體，做個簡單而形象的比喻，就是企業的“數字員工”。這種模式在垂直領域的商業化落地中，頗為管用。

因為垂直領域通常具有明確的業務流程和標準化需求， AI Agent能夠針對這些固定場景進行深度最佳化，而且積累的行業專有資料，比如金融交易記錄、醫療影像資料等，可以輕鬆複製到這個垂類的其他企業的流程最佳化中。

所以第四範式明確提出“Agent負責溝通需求，世界模型解決垂直問題”的雙核架構，讓Agent這個新業務反哺先知平台老業務。

近日，第四範式發佈醫療行業AI智能體解決方案，通過“AI Agent+醫療行業模型”，為醫療機構提供從診療服務到營運管理的全方位智能升級。公司股價因此異動，6月4日漲超4%，6月9日又大漲9.79%。

思必馳也是類似的模式，通過垂直領域，在一群大廠背景、搞通用大模型的競爭對手中，找到可供自己生存的縫隙。只不過相比第四範式走的“軟體路線”，思必馳走的是“硬體路線”。

思必馳的硬體產品主要包括AI語音晶片、AI模組、AI終端等，廣泛應用於智能汽車、智能家居、消費電子等領域。截至2024年，思必馳的自研AI晶片年出貨量已超過2000萬顆，新增IoT類裝置達1.6億台。

創業公司能取得這個成績已屬不易，但在思必馳第一次衝擊IPO時，上交所上市稽核委員會在審議過程中，還是重點質疑了思必馳的核心技術是否具備足夠的硬科技屬性，以及其在市場競爭中的差異化優勢是否有效。

這個質疑，其實也適用於所有只能在垂直場景中安身立命的AI創業公司。畢竟通用大模型一旦徹底成功，那麼垂直領域的AI公司，就要面臨技術壁壘崩塌、成長天花板壓低的問題。

2.0時代，資本市場留給大家證明盈利能力和經營可持續的時間，可不會太多。

03. 嘗試

商湯就非常清楚，作為1.0時代的“遺老”，需要向市場證明自己有進入多模態競技場的能力，才能在2.0時代繼續前行。

算力成為了這一切謀劃的基礎。商湯大裝置建構了面向大模型訓練和推理的AI原生雲算力基礎設施，旗下的上海臨港AIDC 2022年1月正式落地啟用，峰值算力9400P，是亞洲最大的人工智慧算力中心之一。

同時，商湯在持續迭代自己的大模型，其“日日新大模型”自2023年4月發佈1.0 版本以來，如今已更新到了第6版，並且被權威大模型測評機構SuperCLUE認可為國內大模型第一梯隊。

不過看看這個榜單裡其他大廠的名字，商湯要想保持技術優勢、爭取商業優勢，難度顯然不會太低。

以騰訊為例，原本在自研大模型的競爭中表現得並不突出，但因為抓住了DeepSeek開放原始碼的技術紅利，配合上自己的騰訊雲和微信，成功實現了商業化逆襲。

一個佐證就是，接入DeepSeek讓騰訊原有業務的活躍使用者增長了，截至2025年3月31日，微信/WeChat月活躍帳戶數達到1,402百萬戶，較2024年12月31日的1,385百萬戶有所增長。

騰訊在2024年Q4及2025年Q1的財報中多次強調，AI技術的持續投入將為公司帶來長期增長動力。

困擾商湯等AI創業公司最嚴重的盈利問題，在騰訊等大廠面前，遠遠算不上生死攸關。這些大廠憑藉自己的人力財力、流量入口、商業生態，再加上AI技術開放原始碼的東風，大可以走向純AI創業公司永遠達不到的高度。

這一點，AI 2.0時代的“前輩”月之暗面，恐怕也是心有慼慼。

DeepSeek-R1等開源模型性能對標GPT-4，且免費開放API，直接削弱了Kimi的長文字技術壁壘。大廠整合開源模型最佳化自身產品——包括月之暗面背後的“金主”阿里，都可以用更低的成本實現高性能，導致Kimi的差異化優勢喪失。

於是月之暗面也迅速迎來了市場對其投資回報率、未來盈利能力的拷問。與AI四小龍相比，月之暗面眼下的窘境在本質上也有諸多相似之處，所以月之暗面也在努力證明自己在多模態領域的進展。

月之暗面創始人楊植麟近期就對媒體表示，多模態是公司當前持續的重點投入方向。在看到OpenAI發佈的GPT-4o的多模態能力後，對月之暗面而言，“可能探索一些不一樣的路徑去適配市場和使用者的一些實踐。”

所謂的多模態，是指人工智慧系統通過整合多種感知模態（如文字、圖像、音訊、視訊等）進行綜合理解與生成的技術範式。

正因為涉及了多種感知模態，現在市場對誰能跑出來、以什麼樣的產品形態跑出來，還是充滿了迷茫和分歧，而且投入與產出都是很難預測出來的數字。

就像沒能在1.0時代裡完成上市的曠視，一邊推動其多模態大模型與麒麟AI PC作業系統進行融合，響應國家的信創政策，一邊又與吉利合作，在高階智能駕駛上壓下重注。說到底，都是因為摸不準商業化成功的路徑，只能儘量多去嘗試。 (巨潮WAVE)