作者：彭昭（智次方創始人、云和資本聯合創始合伙人）物聯網智庫 原創

這是我的第374篇專欄文章。

在中國人工智能的發展史上，“AI四小龍”——商湯科技、曠視科技、依圖科技、云從科技，曾一度成為產業追光者的象征。它們以計算機視覺為核心技術路徑，率先將人臉識別、圖像識別等AI能力應用于安防、金融、交通、醫療等多個領域，牢牢占據了中國視覺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，云從科技則服務了超過400家銀行機構，日均調用量超過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：持續虧損、融資受阻、裁員潮起、IPO流產，巨大的技術光環之下，是商業化困境的深淵。

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，這些企業的研發支出占營收比例均超過100%，卻仍未能構建起可持續的產品體系和穩定的用戶生態。

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“算法導向”走向“平臺化競爭”，當市場從“政府訂單”轉向“用戶生態”，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、文心一言等產品層出不窮，資本追捧、技術突破、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，這一輪技術創新，真的能走出上一代AI公司的困局嗎？大模型企業是否也會重蹈“技術領先、商業落后”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：技術奇點，商業潰敗

“AI四小龍”的失敗，并不是因為技術不夠先進，恰恰相反，它們在技術上曾一度引領時代。

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識別能力體系，專利數量超過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，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。

依圖科技研發出全球首個AI肺炎診斷系統，獲得國家藥監局三類認證，廣泛落地于200家三甲醫院。

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

然而，如此強大的技術體系，卻未能帶來可持續的商業回報。

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，連續八年未能實現盈利。

曠視科技三年半累計虧損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（凈利潤1.05億元），但安防與智慧城市業務仍占總收入的81%，芯片與工業質檢業務持續虧損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。

四小龍的主要客戶是政府和大型國企，業務集中在智慧城市、AI安防、刷臉支付等To G領域，項目普遍定制化，缺乏標準化產品能力。

這種模式在早期確實能夠快速變現，但長期來看，無法形成平臺級網絡效應，也不能積累可持續的用戶關系鏈。

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

四小龍的“技術導向”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輸出上，卻忽視了產品工程化與用戶體驗的打磨。

大量研發支出被消耗在高薪養人上，而非生產可復制的產品能力。

云從科技的研發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�；�的商業回報。

更根本的問題在于，它們缺乏平臺型戰略思維，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據閉環、用戶沉淀與復利增長。

技術領先但產品缺位，訂單很多卻沒有客戶，賬面融資充足卻現金流告急。AI四小龍的失敗，不是一次技術的失敗，而是一次商業設計的系統性潰敗。

大模型企業的崛起：新范式，舊問題？

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

過去，AI公司依賴計算機視覺等“技術點”，強調識別與感知；如今，大模型則以自然語言處理為核心，延展至多模態、跨語言、跨任務的通用智能體系。

OpenAI、Anthropic、百度、阿里、智譜、百川等企業，紛紛推出參數規模千億級的大模型，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公司也表現出更強的平臺化意識。

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

例如，OpenAI通過ChatGPT插件平臺和GPTs商店構建了C端和開發者端的生態分發體系，百度文心一言接入了搜索、辦公、營銷等多個業務場景，字節的豆包則在短時間內推出了輕量級Agent框架，快速占據To C入口。

相比之下，它們也更重視用戶關系的建立。

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

在Kimi、豆包、ChatGPT等產品的推廣中，用戶獲取、日活、留存、轉化成為關鍵指標，產品設計也更加注重交互體驗、上下文記憶、個性化服務等方面的能力。

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，而國內頭部企業也動輒投入數十億。

與此同時，盈利模式尚未跑通。除了少數API付費、企業定制等業務，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。

估值動輒數十億美元，但商業化路徑尚未明確。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，融資窗口一旦關閉，這一批企業很可能重演“融資建樓、虧損養人、裁員收縮”的老路。

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利模型、產品閉環與用戶生態，那么它們也難逃成為又一代“技術奇點、商業潰敗”的代表。

如何避免重蹈覆轍？新一代AI企業的“生存建議”

“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？

技術可以領先，融資可以充足，但如果無法找到一種可持續的盈利方式，所有的技術紅利最終都可能淪為“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構性問題。

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、客戶關系非持續性，使得企業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，企業很難從中獲得用戶數據、產品反饋與迭代空間。

相對于此，大模型企業正在嘗試多種新的商業化路徑。我們可以從四類主流路徑對比分析它們的優劣：

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。

對于正處在風口中的大模型企業而言，如果不想重蹈“技術奇點、商業潰敗”的覆轍，就必須重新思考自身的戰略路徑與組織能力。

第一，從“定制化”轉向“產品化”。AI企業不能再依賴“一個項目一個團隊”的模式，而應建立起可規�；�部署的產品線。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“技術導向”轉向“用戶導向”。AI企業不能只盯著模型的參數規模、訓練精度與論文數量，而需要關注用戶體驗、場景適配與交互細節。例如，OpenAI在GPT-4o中加入了多模態接入和上下文記憶功能，Kimi則優化了長文讀寫能力，這些都體現了從“算法驅動”到“用戶驅動”的轉型。

第三，擁抱“平臺化”與“生態建設”。一個強大模型不是終點，一個能被開發者、用戶、企業不斷調用的生態系統才是護城河。這意味著，AI企業要像操作系統一樣思考：“我能不能讓別人基于我來工作？”OpenAI的GPTs和插件體系、百度的文心插件商店、字節的豆包開發平臺，都是這種平臺化思路的具體體現。

第四，拓展多元化商業模型，避免單點依賴。企業不應只依賴API收費或企業定制，而應形成組合拳式的營收結構：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，都是多元變現的路徑嘗試。

第五，控制成本結構，警惕“人力AI”陷阱。AI企業的研發投入必須與產品價值形成閉環。不能再出現“研發費用占營收120%”卻沒有產品的尷尬局面。研發不僅是“燒錢”，更是“造資產”——要將技術沉淀為模型、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“技術正確”的要素：最前沿的算法、最龐大的研發隊伍、最多的論文和專利、最大的融資額，但它們最終敗在了商業模式的不可復制、客戶關系的非持續、組織結構的高依賴，以及產品思維的缺失。

而今天的大模型企業，雖然站在更高的技術起點上，擁有更廣闊的應用潛力和更多元的生態架構，但也面臨著同樣的底層挑戰：如何把“能做”變成“好用”，再變成“被持續付費使用”？

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AI公司也曾遭遇類似困境，但像OpenAI、Anthropic等企業通過平臺化轉型、構建用戶生態、綁定長期資本，逐步走出了“技術強但不賺錢”的陷阱，值得中國AI企業警惕與借鑒。

“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。

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：36kr3. 年虧百億、裁員自救！“AI四小龍”難了…來源：新浪財經

       原文標題 : 技術領先≠商業成功:AI大模型公司會重演AI四小龍的失敗劇本嗎?