關注科技新聞的讀者應該已經(jīng)看到了，很多AI領域的明星創(chuàng)業(yè)公司和獨角獸，最近都傳出了“賣身”的信號。

因Stable Diffusion模型一戰(zhàn)成名、估值近300億美元的大模型明星企業(yè)Stability AI，傳出資金鏈斷裂；曾登上福布斯“AI 50強”排行榜的Adept，正尋求被巨頭收購；被視為谷歌競對的AI搜索明星公司Perplexity，至少與4家公司討論過合并事宜；由前谷歌、Meta研究人員創(chuàng)立的Reka AI也宣布將“賣身”。

這些新聞說大不大，企業(yè)層面的出售整合是商業(yè)常態(tài)，目前尋求出售的獨角獸因為是明星項目，所以吸引眼球，數(shù)量占比并不大；說小也不小，獨角獸們的商業(yè)受阻，所折射出來的隱憂和問題，必須著手去解決，才能避免這一輪AI熱潮陷入衰退期。

為什么不應掉以輕心或盲目樂觀？歷史從不重復，它只是押韻。1984年，AAAI（Association for the Advancement of Artificial Intelligence，具有重要影響力的國際人工智能組織），舉辦了一次名為“人工智能的黑暗時代”的討論。其中就有AI公司的創(chuàng)始人發(fā)言稱：

“機器學習領域將出現(xiàn)一些震蕩，波及所有專家系統(tǒng)技術公司（當時AI領域的熱點技術），我們將進行一些重組和調整，總而言之，我對未來是相當樂觀的?！?/p>

“今天的人工智能具有更多的魯棒性和穩(wěn)固性，泡沫不會破裂?！?/p>

“我認為這一次人工智能不會像十五年前（1970—1975年的語音理解項目）那樣，因資金枯竭而嚴重萎縮，同樣事情再次發(fā)生的可能性為零?！?/p>

上述說法是不是似曾相識？可惜，這些樂觀的想法后來都被“第二次AI寒冬”的到來給徹底推翻了。

80年代狂熱的專家系統(tǒng)，由于在實際應用中的表現(xiàn)不佳和成本高昂，最終人們和投資者從狂熱追捧轉向了巨大的失望，經(jīng)費縮減，行業(yè)寒冬就此襲來，直到2012年后緩慢復蘇。

產(chǎn)業(yè)有周期，人無再少年。以史為鑒，讓這一輪大模型為主導的AI浪潮持續(xù)下去，讓大量投入的AI基礎設施進入回報期。其中，中腰部的獨角獸科技公司，是一支產(chǎn)業(yè)中的主要商業(yè)力量。它們在商業(yè)領域的失敗，將讓“擠泡沫”來得更快更嚴峻。

本文想探討一下，第一批大模型獨角獸的比較優(yōu)勢在哪里？又如何轉化為清晰的商業(yè)路徑？

啞鈴型的大模型投資格局，萎縮的中腰部獨角獸

在過去的三年內(nèi)，大模型AI領域的投融資情況，呈現(xiàn)出活躍又復雜的態(tài)勢。

從整體規(guī)模來看，越來越多的資本開始涌入這一領域，過去3年中，大約有2.6萬家創(chuàng)業(yè)公司共計融資了3300億美元。

而從具體結構來看，卻正在呈現(xiàn)出“啞鈴型”的兩極化特征。

一種是大處著手，關注底層研發(fā)，資金和資源逐漸向位于一端的科技巨頭和基礎模型廠商聚集，“強者愈強”。比如OpenAI、xAI等位于金字塔塔尖的AI公司融資不斷，估值水漲船高；月之暗面（Moonshot AI）近期完成了8億美元B輪融資，估值超過23億美元。

CEO奧特曼更是直接對外喊話：“世界上95%的人應該押注在OpenAI身上，我們有使命，我們會碾壓你（其他 AI 模型企業(yè)）”。

另一種是小處著手，關注大模型與場景和行業(yè)知識的融合。位于另一端的應用型創(chuàng)新企業(yè)，依賴于基礎模型提供的能力，將大模型技術應用于具體行業(yè)或場景中，為用戶提供實際的解決方案和服務。

一些投資人認為，這類應用公司只有“屁胡”的價值，但架不住應用層空間大、數(shù)量多，也吸引到了一批投資者的認可。數(shù)據(jù)顯示，AIGC賽道累計完成融資的總金額在下滑，但獲得融資的項目數(shù)量卻有所增加，從2023年的41個增加至2024年的186個。

啞鈴型的投資結構下，位于中腰部的未來“獨角獸”型初創(chuàng)公司，迎來了投資的“枯水期”，不得不在震蕩中洗牌和重整。

（2023年明星投資人的大模型創(chuàng)業(yè)價值之爭）

中腰部AI公司的“比較優(yōu)勢”

一般來說，對于AI這類具有顛覆性潛力的領域的早期階段，投資者對前期虧損的容忍度是比較高的。通常是希望隨著企業(yè)的成熟并占據(jù)市場主導地位，能夠帶來豐厚的回報。所以，盡管有媒體爆出Stability AI等初創(chuàng)公司虧損大、成本高等，那都不是獨角獸們的致命問題。

真正關鍵的是，這類企業(yè)有著不低的估值和一定的技術能力，但目前缺乏一種清晰的商業(yè)化路徑。

打破這種“混沌局面”，向投資市場和公眾展現(xiàn)出自己銳利鮮明的獨特價值，是長期信心的來源。

說起來容易，但要跟頭部模廠拼模型，跟應用企業(yè)拼產(chǎn)品，都不是獨角獸的“舒適區(qū)”，只能在別人的賽道上跟著別人的規(guī)矩走，兩頭不占好。

中腰部AI公司的核心價值，就在于“比較優(yōu)勢”。

比較優(yōu)勢，原來是一個經(jīng)濟學概念，用來形容一個國家生產(chǎn)一種產(chǎn)品的機會成本，低于在其他國家生產(chǎn)該產(chǎn)品的機會成本時，就擁有了比較優(yōu)勢。通過“兩利相權取其重，兩弊相權取其輕”，讓資金和資源向具有比較優(yōu)勢的國家流動。

比如20世紀的生產(chǎn)力成本低、素質高，如今的技術密集和工程師紅利，是中國在不同階段，參與國際分工的比較優(yōu)勢。

具體到大模型領域，目前來看，基礎模廠主要圍繞在L0級底層模型的構建，而應用類企業(yè)則聚焦在行業(yè)數(shù)據(jù)打造L3場景小模型和應用，而支撐這類“獨角獸”初創(chuàng)公司估值的，則是基于L1L2級行業(yè)大模型的平臺及應用。

一方面，中腰部仍有市場空間。基礎模廠和底層模型雖然有可能“碾壓”行業(yè)大模型，但并不能把整個產(chǎn)業(yè)鏈的大部分價值都拿走。

就像信息化時代，微軟也不可能壟斷所有軟件，依然有大量專業(yè)軟件提供商如蔡睿領域的Intuit，成長為垂直領域的軟件巨頭。

今天，業(yè)內(nèi)已經(jīng)有共識，底層模型在短時間內(nèi)無法實現(xiàn)AGI，無法解決所有通用問題。因此，大模型落地需要疊加其他方法，因此，基礎模廠無法低成本地提供端到端解決方案，這就需要更多服務商來參與，提供面向行業(yè)的定制化模型及AI解決方案。這個過程中，仍然需要大量手工作業(yè)。比如很多中國企業(yè)甚至都沒有數(shù)據(jù)采集，需要針對性的數(shù)據(jù)采集方案設計，這些對于人才成本極為高昂的基礎模廠來說，投入產(chǎn)出比是很低的，或許可以在每個行業(yè)領域培養(yǎng)幾個標桿案例，但絕不可能成規(guī)模復制。

另一方面，中腰部仍有技術門檻。應用類產(chǎn)品大多是“套殼”，這毫無問題，但對于ToB市場來說，大模型與業(yè)務場景、流程的深度融合與改造，有很多工程要做，而AI領域的技術路線迭代速度又非?？?，應用類企業(yè)根本沒可能“抄作業(yè)”。

所以，中腰部科技企業(yè)的比較優(yōu)勢，就在于所構建的平臺及應用，將場景與技術緊耦合，切實滿足業(yè)務的真實需求，比如提高生產(chǎn)力、改造流程等。

加速奔跑的獨角獸，跨越“AI黃昏”

機器學習為主的AI產(chǎn)業(yè)化階段，紅極一時的機器視覺四小天鵝等明星創(chuàng)業(yè)公司，專注于做智慧城市、工業(yè)質檢等行業(yè)解決方案。被稱為港股“AIGC第一股”的出門問問，也是以生成式AI和語音交互技術為核心，提供政企服務、AI軟硬件。

顯然，這條“比較優(yōu)勢”之路，是走得通的。

問題在于，面對全球投資市場對大模型技術的期望值下調，投資者的風險偏好變化等不確定因素，在前景不明的背景下，中腰部AI科技公司如何走得更遠。

《人工智能的冬天》研討會上，有人提到，斯倫貝謝、施樂、惠普、德州儀器、GTE、Amico、?？松梨?，他們都在進行投資，他們都有人工智能小組，他們會說，“嗯，我今年在人工智能上花了數(shù)百萬美元，而且我已經(jīng)擁有了它。（但）他們什么也沒產(chǎn)出”。

盲目樂觀，卻無收益，是曾經(jīng)在專家系統(tǒng)身上上演的AI荒誕戲。而今天在To C和To B市場都有探索的獨角獸們，一旦泡沫破裂，將受到兩個市場崩塌的雙重沖擊，商業(yè)性更加脆弱。

提高自己在商業(yè)層面的“魯棒性”，AI獨角獸們必須管理好客戶預期。

和曾經(jīng)的專家系統(tǒng)一樣，今天很多企業(yè)客戶也對大模型加持的軟件系統(tǒng)，抱有不切實際的預期，希望AI系統(tǒng)做任何事情，但實際上大模型技術還做不到，出現(xiàn)預算超支、超期交付等問題，從而導致撤單或無法回款。

此外，一旦企業(yè)發(fā)現(xiàn)AI系統(tǒng)其實無法產(chǎn)生實際的經(jīng)濟效益，隨著資金的撤走，工業(yè)界人才會回流到學術界，為企業(yè)市場服務的技術服務商也會死掉一批。這種情況在專家系統(tǒng)、機器學習等階段都曾一次又一次出現(xiàn)，獨角獸們也必須做好準備。

比如盡快“打糧食”，做厚收入，避免“以免費換規(guī)?！薄耙蕴潛p換時間”。像Stability AI那樣先開源、后付費的緩慢探索，會承受很大的成本壓力；像Perplexity那樣以會員訂閱和API付費為主要收入方式，營收結構也非常單薄。

回顧歷史，AI的周期性衰退，往往會在寒冬之前，有一個“去泡沫”的階段，只要泡沫不破裂，反而會讓行業(yè)變得更好、更不脆弱。這個階段，可以被稱為“AI黃昏”。

避免在“AI黃昏”被擠出，將是中腰部獨角獸們接下來的第一要務。

審核編輯 黃宇