第一批大模型獨(dú)角獸開始“擠泡沫”

　　關(guān)注科技新聞的讀者應(yīng)該已經(jīng)看到了，很多AI領(lǐng)域的明星創(chuàng)業(yè)公司和獨(dú)角獸，最近都傳出了“賣身”的信號(hào)。

　　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“AI50強(qiáng)”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?wù)f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(dú)角獸因?yàn)槭敲餍琼?xiàng)目，所以吸引眼球，數(shù)量占比并不大;說小也不小，獨(dú)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(yīng)掉以輕心或盲目樂觀?歷史從不重復(fù)，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(shí)代”的討論。其中就有AI公司的創(chuàng)始人發(fā)言稱:

　　“機(jī)器學(xué)習(xí)領(lǐng)域?qū)⒊霈F(xiàn)一些震蕩，波及所有專家系統(tǒng)技術(shù)公司(當(dāng)時(shí)AI領(lǐng)域的熱點(diǎn)技術(shù))，我們將進(jìn)行一些重組和調(diào)整，總而言之，我對未來是相當(dāng)樂觀的。”

　　“今天的人工智能具有更多的魯棒性和穩(wěn)固性，泡沫不會(huì)破裂。”

　　“我認(rèn)為這一次人工智能不會(huì)像十五年前(1970—1975年的語音理解項(xiàng)目)那樣，因資金枯竭而嚴(yán)重萎縮，同樣事情再次發(fā)生的可能性為零。”

　　上述說法是不是似曾相識(shí)?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(shí)際應(yīng)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(zhuǎn)向了巨大的失望，經(jīng)費(fèi)縮減，行業(yè)寒冬就此襲來，直到2012年后緩慢復(fù)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(dǎo)的AI浪潮持續(xù)下去，讓大量投入的AI基礎(chǔ)設(shè)施進(jìn)入回報(bào)期。其中，中腰部的獨(dú)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(lǐng)域的失敗，將讓“擠泡沫”來得更快更嚴(yán)峻。

　　本文想探討一下，第一批大模型獨(dú)角獸的比較優(yōu)勢在哪里?又如何轉(zhuǎn)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(dú)角獸

　　在過去的三年內(nèi)，大模型AI領(lǐng)域的投融資情況，呈現(xiàn)出活躍又復(fù)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(lǐng)域，過去3年中，大約有2.6萬家創(chuàng)業(yè)公司共計(jì)融資了3300億美元。

　　而從具體結(jié)構(gòu)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(guān)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(chǔ)模型廠商聚集，“強(qiáng)者愈強(qiáng)”。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(yīng)該押注在OpenAI身上，我們有使命，我們會(huì)碾壓你(其他 AI 模型企業(yè))”。

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

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

　　啞鈴型的投資結(jié)構(gòu)下，位于中腰部的未來“獨(dú)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。

　　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(lǐng)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(dǎo)地位，能夠帶來豐厚的回報(bào)。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(dú)角獸們的致命問題。

　　真正關(guān)鍵的是，這類企業(yè)有著不低的估值和一定的技術(shù)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(dú)特價(jià)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(yīng)用企業(yè)拼產(chǎn)品，都不是獨(dú)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(jià)值，就在于“比較優(yōu)勢”。

　　比較優(yōu)勢，原來是一個(gè)經(jīng)濟(jì)學(xué)概念，用來形容一個(gè)國家生產(chǎn)一種產(chǎn)品的機(jī)會(huì)成本，低于在其他國家生產(chǎn)該產(chǎn)品的機(jī)會(huì)成本時(shí)，就擁有了比較優(yōu)勢。通過“兩利相權(quán)取其重，兩弊相權(quán)取其輕”，讓資金和資源向具有比較優(yōu)勢的國家流動(dòng)。

　　比如20世紀(jì)的生產(chǎn)力成本低、素質(zhì)高，如今的技術(shù)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(lǐng)域，目前來看，基礎(chǔ)模廠主要圍繞在L0級(jí)底層模型的構(gòu)建，而應(yīng)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(yīng)用，而支撐這類“獨(dú)角獸”初創(chuàng)公司估值的，則是基于L1\L2級(jí)行業(yè)大模型的平臺(tái)及應(yīng)用。

　　一方面，中腰部仍有市場空間。基礎(chǔ)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(gè)產(chǎn)業(yè)鏈的大部分價(jià)值都拿走。

　　就像信息化時(shí)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(lǐng)域的Intuit，成長為垂直領(lǐng)域的軟件巨頭。

　　今天，業(yè)內(nèi)已經(jīng)有共識(shí)，底層模型在短時(shí)間內(nèi)無法實(shí)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(chǔ)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(wù)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(gè)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(shè)計(jì)，這些對于人才成本極為高昂的基礎(chǔ)模廠來說，投入產(chǎn)出比是很低的，或許可以在每個(gè)行業(yè)領(lǐng)域培養(yǎng)幾個(gè)標(biāo)桿案例，但絕不可能成規(guī)模復(fù)制。

　　另一方面，中腰部仍有技術(shù)門檻。應(yīng)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(wù)場景、流程的深度融合與改造，有很多工程要做，而AI領(lǐng)域的技術(shù)路線迭代速度又非�？欤瑧�(yīng)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(gòu)建的平臺(tái)及應(yīng)用，將場景與技術(shù)緊耦合，切實(shí)滿足業(yè)務(wù)的真實(shí)需求，比如提高生產(chǎn)力、改造流程等。

　　加速奔跑的獨(dú)角獸

　　跨越“AI黃昏”

　　機(jī)器學(xué)習(xí)為主的AI產(chǎn)業(yè)化階段，紅極一時(shí)的機(jī)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(zhì)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(shù)為核心，提供政企服務(wù)、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(shù)的期望值下調(diào)，投資者的風(fēng)險(xiǎn)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(yuǎn)。

　　《人工智能的冬天》研討會(huì)上，有人提到，斯倫貝謝、施樂、惠普、德州儀器、GTE、Amico、�？松�美孚，他們都在進(jìn)行投資，他們都有人工智能小組，他們會(huì)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(dú)角獸們，一旦泡沫破裂，將受到兩個(gè)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(dú)角獸們必須管理好客戶預(yù)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(shí)際的預(yù)期，希望AI系統(tǒng)做任何事情，但實(shí)際上大模型技術(shù)還做不到，出現(xiàn)預(yù)算超支、超期交付等問題，從而導(dǎo)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(shí)無法產(chǎn)生實(shí)際的經(jīng)濟(jì)效益，隨著資金的撤走，工業(yè)界人才會(huì)回流到學(xué)術(shù)界，為企業(yè)市場服務(wù)的技術(shù)服務(wù)商也會(huì)死掉一批。這種情況在專家系統(tǒng)、機(jī)器學(xué)習(xí)等階段都曾一次又一次出現(xiàn)，獨(dú)角獸們也必須做好準(zhǔn)備。

　　比如盡快“打糧食”，做厚收入，避免“以免費(fèi)換規(guī)模”“以虧損換時(shí)間”。像Stability AI那樣先開源、后付費(fèi)的緩慢探索，會(huì)承受很大的成本壓力;像Perplexity那樣以會(huì)員訂閱和API付費(fèi)為主要收入方式，營收結(jié)構(gòu)也非常單薄。

　　回顧歷史，AI的周期性衰退，往往會(huì)在寒冬之前，有一個(gè)“去泡沫”的階段，只要泡沫不破裂，反而會(huì)讓行業(yè)變得更好、更不脆弱。這個(gè)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(dú)角獸們接下來的第一要?jiǎng)?wù)。