關注科技新聞的讀者應該已經看到了，很多 AI 領域的明星創業公司和獨角獸，最近都傳出了 "賣身" 的信號。

因 Stable Diffusion 模型一戰成名、估值近 300 億美元的大模型明星企業 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 研究人員創立的 Reka AI 也宣布將 " 賣身 "。

這些新聞說大不大，企業層面的出售整合是商業常態，目前尋求出售的獨角獸因為是明星項目，所以吸引眼球，數量占比并不大；說小也不小，獨角獸們的商業受阻，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 公司的創始人發言稱：

" 機器學習領域將出現一些震蕩，波及所有專家系統技術公司（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。"

" 今天的人工智能具有更多的魯棒性和穩固性，泡沫不會破裂。"

" 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，同樣事情再次發生的可能性為零。"

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，由于在實際應用中的表現不佳和成本高昂，最終人們和投資者從狂熱追捧轉向了巨大的失望，經費縮減，行業寒冬就此襲來，直到 2012 年后緩慢復蘇。

產業有周期，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，是一支產業中的主要商業力量。它們在商業領域的失敗，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勢在哪里？又如何轉化為清晰的商業路徑？

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，大模型 AI 領域的投融資情況，呈現出活躍又復雜的態勢。

從整體規模來看，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 萬家創業公司共計融資了 3300 億美元。

而從具體結構來看，卻正在呈現出 " 啞鈴型 " 的兩極化特征。

一種是大處著手，關注底層研發，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）"。

另一種是小處著手，關注大模型與場景和行業知識的融合。位于另一端的應用型創新企業，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、數量多，也吸引到了一批投資者的認可。數據顯示，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業價值之爭）

中腰部 AI 公司的 " 比較優勢 "

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的成熟并占據市場主導地位，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化路徑。

打破這種 " 混沌局面 "，向投資市場和公眾展現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，跟應用企業拼產品，都不是獨角獸的 " 舒適區 "，只能在別人的賽道上跟著別人的規矩走，兩頭不占好。

中腰部 AI 公司的核心價值，就在于 " 比較優勢 "。

比較優勢，原來是一個經濟學概念，用來形容一個國家生產一種產品的機會成本，低于在其他國家生產該產品的機會成本時，就擁有了比較優勢。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勢的國家流動。

比如 20 世紀的生產力成本低、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，而應用類企業則聚焦在行業數據打造 L3 場景小模型和應用，而支撐這類 " 獨角獸 " 初創公司估值的，則是基于 L1L2 級行業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 " 行業大模型，但并不能把整個產業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，業內已經有共識，底層模型在短時間內無法實現 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。比如很多中國企業甚至都沒有數據采集，需要針對性的數據采集方案設計，這些對于人才成本極為高昂的基礎模廠來說，投入產出比是很低的，或許可以在每個行業領域培養幾個標桿案例，但絕不可能成規模復制。

另一方面，中腰部仍有技術門檻。應用類產品大多是 " 套殼 "，這毫無問題，但對于 ToB 市場來說，大模型與業務場景、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常快，應用類企業根本沒可能 " 抄作業 "。

所以，中腰部科技企業的比較優勢，就在于所構建的平臺及應用，將場景與技術緊耦合，切實滿足業務的真實需求，比如提高生產力、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 產業化階段，紅極一時的機器視覺四小天鵝等明星創業公司，專注于做智慧城市、工業質檢等行業解決方案。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百萬美元，而且我已經擁有了它。（但）他們什么也沒產出 "。

盲目樂觀，卻無收益，是曾經在專家系統身上上演的 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，商業性更加脆弱。

提高自己在商業層面的 " 魯棒性 "，AI 獨角獸們必須管理好客戶預期。

和曾經的專家系統一樣，今天很多企業客戶也對大模型加持的軟件系統，抱有不切實際的預期，希望 AI 系統做任何事情，但實際上大模型技術還做不到，出現預算超支、超期交付等問題，從而導致撤單或無法回款。

此外，一旦企業發現 AI 系統其實無法產生實際的經濟效益，隨著資金的撤走，工業界人才會回流到學術界，為企業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、機器學習等階段都曾一次又一次出現，獨角獸們也必須做好準備。

比如盡快 " 打糧食 "，做厚收入，避免 " 以免費換規模 "" 以虧損換時間 "。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。

來源：腦極體