在中國人工智能的發(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。它們以計算機視覺為核心技術(shù)路徑，率先將人臉識別、圖像識別等AI能力應(yīng)用于安防、金融、交通、醫(yī)療等多個領(lǐng)域，牢牢占據(jù)了中國視覺AI市場超過70%的份額。

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

四家公司合計融資總額超過百億美元，是名副其實的“AI國家隊”。

但當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(xù)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(chǎn)負債率超過300%；依圖科技雖在2024年首次實現(xiàn)年度盈利，但安防業(yè)務(wù)仍占比高達81%，醫(yī)療與芯片業(yè)務(wù)依然長期虧損。

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

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

當AI從“算法導向”走向“平臺化競爭”，當市場從“政府訂單”轉(zhuǎn)向“用戶生態(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，似曾相識的熱潮再次襲來。

智譜AI、月之暗面、百川智能、MiniMax等“新四小龍”估值均已超過20億美元，融資速度直逼當年的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)是否也會重蹈“技術(shù)領(lǐng)先、商業(yè)落后”的覆轍？下一個“AI四小龍”，會不會正在大模型浪潮中悄然誕生？

AI四小龍的失敗復盤：技術(shù)奇點，商業(yè)潰敗

“AI四小龍”的失敗，并不是因為技術(shù)不夠先進，恰恰相反，它們在技術(shù)上曾一度引領(lǐng)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(lǐng)域構(gòu)建了完整的視覺識別能力體系，專利數(shù)量超過1.2萬項，主導參與制定80余項國際標準。

曠視科技的Face++平臺一度成為全球最大的開源人臉識別庫，為超過70%的安卓手機廠商提供人臉解鎖服務(wù)，并在100多個城市部署了20萬路智能攝像頭，安防誤報率低于十萬分之一。

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

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

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

2024年，商湯科技在營收增長10.8%的情況下，凈虧損卻高達43.07億元，累計虧損超過545億元。

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

曠視科技三年半累計虧損146億元，資產(chǎn)負債率超過300%。

依圖科技雖在2024年首次實現(xiàn)年度盈利（凈利潤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”，而是商業(yè)模式的先天失衡。

四小龍的主要客戶是政府和大型國企，業(yè)務(wù)集中在智慧城市、AI安防、刷臉支付等To G領(lǐng)域，項目普遍定制化，缺乏標準化產(chǎn)品能力。

這種模式在早期確實能夠快速變現(xiàn)，但長期來看，無法形成平臺級網(wǎng)絡(luò)效應(yīng)，也不能積累可持續(xù)的用戶關(guān)系鏈。

更致命的是，政府項目的回款周期冗長，應(yīng)收賬款堆積如山。例如，商湯科技2024年的應(yīng)收賬款中，賬齡超過三年的項目金額高達38.21億元，直接侵蝕了本應(yīng)支持研發(fā)與擴張的現(xiàn)金流。

四小龍的“技術(shù)導向”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術(shù)輸出上，卻忽視了產(chǎn)品工程化與用戶體驗的打磨。

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

云從科技的研發(fā)費用占營收比重高達119%，商湯也達到109.6%，但這些投入并未形成規(guī)模化的商業(yè)回報。

更根本的問題在于，它們?nèi)狈ζ脚_型戰(zhàn)略思維，始終停留在“項目制+交付制”的運營范式中，難以像平臺型公司那樣形成數(shù)據(jù)閉環(huán)、用戶沉淀與復利增長。

技術(shù)領(lǐng)先但產(chǎn)品缺位，訂單很多卻沒有客戶，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)計的系統(tǒng)性潰敗。

大模型企業(yè)的崛起：新范式，舊問題？

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

過去，AI公司依賴計算機視覺等“技術(shù)點”，強調(diào)識別與感知；如今，大模型則以自然語言處理為核心，延展至多模態(tài)、跨語言、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)模千億級的大模型，具備文本生成、代碼撰寫、圖像理解、語音交互等多種能力。

這一代AI公司也表現(xiàn)出更強的平臺化意識。

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

例如，OpenAI通過ChatGPT插件平臺和GPTs商店構(gòu)建了C端和開發(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、營銷等多個業(yè)務(wù)場景，字節(jié)的豆包則在短時間內(nèi)推出了輕量級Agent框架，快速占據(jù)To C入口。

相比之下，它們也更重視用戶關(guān)系的建立。

與AI四小龍長期依賴To G、To B客戶不同，大模型企業(yè)正在積極拓展To C與To D（開發(fā)者）市場。

在Kimi、豆包、ChatGPT等產(chǎn)品的推廣中，用戶獲取、日活、留存、轉(zhuǎn)化成為關(guān)鍵指標，產(chǎn)品設(shè)計也更加注重交互體驗、上下文記憶、個性化服務(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，一些舊問題卻仍然如影隨形。

首先是燒錢問題。大模型訓練成本極高，僅GPT-4的訓練成本就超過6300萬美元，而國內(nèi)頭部企業(yè)也動輒投入數(shù)十億。

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

更嚴重的是，今天的大模型企業(yè)也面臨著資本-技術(shù)周期錯位的風險。

估值動輒數(shù)十億美元，但商業(yè)化路徑尚未明確。2023年以來，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，大模型企業(yè)今天擁有的是更強的技術(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)化困境與運營風險。

如果不能及時建立穩(wěn)定的盈利模型、產(chǎn)品閉環(huán)與用戶生態(tài)，那么它們也難逃成為又一代“技術(shù)奇點、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，共同揭示了一個繞不開的問題：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“幻覺經(jīng)濟”。

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

以To G市場為主導，四小龍通過與政府、國企、銀行等大客戶合作，承接安防、智慧城市、人臉識別等項目，依靠高單價訂單支撐營收表面增長。但這種模式存在致命的結(jié)構(gòu)性問題。

首先，項目高度定制化，難以標準化復制，每一單都需要重新投入開發(fā)資源，導致邊際成本始終居高不下。

其次，回款周期長、利潤率低、客戶關(guān)系非持續(xù)性，使得企業(yè)極度依賴新訂單輸血。

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

相對于此，大模型企業(yè)正在嘗試多種新的商業(yè)化路徑。我們可以從四類主流路徑對比分析它們的優(yōu)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(xiàn)；模型強大，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)的核心問題早已不是“能不能做”，而是“做了之后，誰愿意持續(xù)為它買單”。在這場競賽中，商業(yè)模式的可復制性、復利性與生態(tài)性，遠比算法參數(shù)更重要。

AI四小龍的故事已經(jīng)為整個行業(yè)提供了一份“失敗的經(jīng)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(yè)應(yīng)該如何走得更穩(wěn)、更遠。

對于正處在風口中的大模型企業(yè)而言，如果不想重蹈“技術(shù)奇點、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“一個項目一個團隊”的模式，而應(yīng)建立起可規(guī)模化部署的產(chǎn)品線。例如，通過開放API、SDK、SaaS平臺等形式，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，也能大幅提升復用率與客戶粘性。

第二，從“技術(shù)導向”轉(zhuǎn)向“用戶導向”。AI企業(yè)不能只盯著模型的參數(shù)規(guī)模、訓練精度與論文數(shù)量，而需要關(guān)注用戶體驗、場景適配與交互細節(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)化了長文讀寫能力，這些都體現(xiàn)了從“算法驅(qū)動”到“用戶驅(qū)動”的轉(zhuǎn)型。

第三，擁抱“平臺化”與“生態(tài)建設(shè)”。一個強大模型不是終點，一個能被開發(fā)者、用戶、企業(yè)不斷調(diào)用的生態(tài)系統(tǒng)才是護城河。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工作？”O(jiān)penAI的GPTs和插件體系、百度的文心插件商店、字節(jié)的豆包開發(fā)平臺，都是這種平臺化思路的具體體現(xiàn)。

第四，拓展多元化商業(yè)模型，避免單點依賴。企業(yè)不應(yīng)只依賴API收費或企業(yè)定制，而應(yīng)形成組合拳式的營收結(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)品價值形成閉環(huán)。不能再出現(xiàn)“研發(fā)費用占營收120%”卻沒有產(chǎn)品的尷尬局面。研發(fā)不僅是“燒錢”，更是“造資產(chǎn)”——要將技術(shù)沉淀為模型、框架、平臺與數(shù)據(jù)網(wǎng)絡(luò)，而非只是高薪養(yǎng)人。

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

寫在最后

回到文章開頭提出的問題：大模型企業(yè)，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(jīng)清晰。AI四小龍的故事告訴我們，技術(shù)領(lǐng)先并不足以帶來商業(yè)成功，甚至可能成為掩蓋問題的迷霧。

在那場以計算機視覺為核心的AI競賽中，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)隊伍、最多的論文和專利、最大的融資額，但它們最終敗在了商業(yè)模式的不可復制、客戶關(guān)系的非持續(xù)、組織結(jié)構(gòu)的高依賴，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)付費使用”？

這不僅是商業(yè)問題，更是戰(zhàn)略問題。中國“AI四小龍”的失敗并非個案，而是AI技術(shù)進入商業(yè)化階段后，全球性企業(yè)普遍面臨的挑戰(zhàn)。

雖然國外的AI公司也曾遭遇類似困境，但像OpenAI、Anthropic等企業(yè)通過平臺化轉(zhuǎn)型、構(gòu)建用戶生態(tài)、綁定長期資本，逐步走出了“技術(shù)強但不賺錢”的陷阱，值得中國AI企業(yè)警惕與借鑒。

“技術(shù)領(lǐng)先”只是進入AI競技場的入場券，而“構(gòu)建平臺、服務(wù)用戶、形成生態(tài)”才是最終的勝負手。

AI的上半場，是誰的模型跑得快、參數(shù)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(chǎn)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(chǎn)品、最會構(gòu)建用戶關(guān)系、最能形成商業(yè)閉環(huán)的那一家。

正如歷史從不重復，但總是押韻。

在AI這場技術(shù)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(gòu)建出持久的價值網(wǎng)絡(luò)。這才是AI的未來，也是新一代AI創(chuàng)業(yè)者必須回答的問題。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com