现在的AI应用就像韩国偶像团体一样新人辈出——脸还没被认熟就推出了新的版本，然后就是噼里啪啦一顿造势，结果总是会有作品、实力配不上流量的感觉。

    而那些十年前出道的AI前辈们，则是大部分都面临着技术路线风险、转型困难、金主不再力捧的问题，落下了一个或者几个梯队。

    这两类企业可以有一个共同的名字：AI掉队者联盟。

    以曾经行业头部企业商汤为例，2021年赴港上市的时候，贵为全球估值最高的AI独角兽企业，但从2022年开始股价就一直深度下跌。目前，其市值与最高点相比已蒸发3000亿港元以上。

    商汤股价表现（自2022年至今）

    其创始团队的退场更是令人唏嘘，科研实力过硬、被称为人脸识别技术开拓者的汤晓鸥先生在2023年猝然离世，联合创始人徐冰也在今年端午节前官宣辞去执行董事及董事会秘书的职务，获任AI芯片业务负责人。

    商汤在公告中强调，此次职务调整是公司整体人才部署与业务聚焦的一部分，某种程度上也可以理解为，AI 1.0时代的核心技术并不能用于引领2.0时代。

    为了成功转型，商汤表现出了再次创业的决心。

    像商汤这样努力向着2.0时代翻涌的AI前浪们还有许多。当然，这其中也包括了一些以极快速度成为了前浪的后浪们。

    转型

    整个AI 1.0时代最出圈的事件可能是2016年，AlphaGo击败韩国顶尖棋手李世石。不过比起AlphaGo背后的深度学习技术，同时代的中国AI创业公司押注的主要是计算机视觉技术（CV）。

    所谓的计算机视觉（CV）技术主要指人脸识别、图像检测技术，这个赛道诞生了赫赫有名的AI四小龙，即商汤、云从、旷视和依图。

    计算机视觉技术之所以成为AI 1.0时代最早实现突破的子赛道，是技术成熟度、应用场景明确性、数据与硬件支持、以及市场需求共同作用的结果。

    商汤、旷视等企业的创始团队大多来自香港中文大学、清华大学等顶尖学术机构，是真的能写出前沿学术论文的那种。科学家创业者们的集中出现，让技术从实验室到产业化的转化周期大幅缩短，为企业的快速成长创造了条件。

    11年前，旷视科技在2014年推出的Face++人脸识别系统，当时准确率达到99.5%，远超传统方法。这种技术突破直接推动了安防、金融等行业的付费意愿，形成了人工智能技术落地早期的商业基础。

    中国庞大的应用场景，又为计算机视觉企业提供了独特的数据优势。商汤通过与政府合作获取交通监控数据，云从则依托银行客户积累金融场景样本，进一步升级自己的核心技术。

    AI四小龙当时的发展非常迅速，成为了资本市场中的大明星。

    但这一切风光都建立在两个最重要的假设上：技术领先必然转化为商业优势，以及政府支持能够持续创造需求。2020年后，这两个假设都被推翻了。

    政策方面，中国人工智能战略在2020年后转向应用落地。政策重心的转移，使得依赖单一政策支持的商业模式难以为继。

    这种国家级战略的变化，会在很大程度上决定金主们的投资决策。简单来说，投资人不愿意再给AI四小龙提供无限子弹，让他们继续烧钱研发、无视亏损。后期的情况就是，市场开始拿着放大镜检视AI四小龙的财务状况，并希望他们的产品能够在各类产业中产生实际业务和现金流。

    以商汤为例，2024年营收37.72亿元虽实现10.8%同比增长，但较2021年历史峰值47亿元仍低19.7%。2024年净亏损42.78亿元，相当于每天烧掉1172万元，亏损额较2023年64.3亿元虽收窄33.7%，但绝对值仍超过全年营收。

    财务压力之下，人力资源成本最终成了AI四小龙无法避免的问题：商汤自2021年起员工总数从6113人缩减至4672人，非核心业务被裁撤；云从去年实施全员降薪20%的举措，今年核心技术团队出走；依图科技的裁员幅度更是达到了惊人的70%。

    在ChatGPT开启了技术路线完全不同的AI 2.0时代后，技术转型，尤其是向市场证明自己有能力迈入2.0时代，成了AI四小龙们最重要的任务。

    改命

    与AI 1.0时代相比，2.0时代最显著的特征，就是大规模预训练模型的兴起。这些模型通过在海量数据上进行预训练，掌握了通用的语言、图像理解能力，然后可以通过微调适应各种具体任务。

    ChatGPT的横空出世，标志着人工智能技术发生了根本性的转变，2.0时代的人工智能似乎才是社会进步真正需要的人工智能。AI 1.0与AI 2.0在技术架构上存在的根本性差异，直接导致了两者在应用场景和商业价值上的巨大分野。

    梁文锋改变了中国人工智能产业的格局

    以第四范式为例，这家公司十年前做机器学习平台，现在转型Agent服务商，这种业务迭代本身就很能说明行业趋势的变化。

    所谓的AI Agent指能主动感知环境、规划目标并使用工具执行任务的智能体，做个简单而形象的比喻，就是企业的“数字员工”。这种模式在垂直领域的商业化落地中，颇为管用。

    因为垂直领域通常具有明确的业务流程和标准化需求， AI Agent能够针对这些固定场景进行深度优化，而且积累的行业专有数据，比如金融交易记录、医疗影像数据等，可以轻松复制到这个垂类的其他企业的流程优化中。

    所以第四范式明确提出“Agent负责沟通需求，世界模型解决垂直问题”的双核架构，让Agent这个新业务反哺先知平台老业务。

    近日，第四范式发布医疗行业AI智能体解决方案，通过“AI Agent+医疗行业模型”，为医疗机构提供从诊疗服务到运营管理的全方位智能升级。公司股价因此异动，6月4日涨超4%，6月9日又大涨9.79%。

    第四范式创始人戴文渊

    思必驰也是类似的模式，通过垂直领域，在一群大厂背景、搞通用大模型的竞争对手中，找到可供自己生存的缝隙。只不过相比第四范式走的“软件路线”，思必驰走的是“硬件路线”。

    思必驰的硬件产品主要包括AI语音芯片、AI模组、AI终端等，广泛应用于智能汽车、智能家居、消费电子等领域。截至2024年，思必驰的自研AI芯片年出货量已超过2000万颗，新增IoT类设备达1.6亿台。

    创业公司能取得这个成绩已属不易，但在思必驰第一次冲击IPO时，上交所上市审核委员会在审议过程中，还是重点质疑了思必驰的核心技术是否具备足够的硬科技属性，以及其在市场竞争中的差异化优势是否有效。

    这个质疑，其实也适用于所有只能在垂直场景中安身立命的AI创业公司。毕竟通用大模型一旦彻底成功，那么垂直领域的AI公司，就要面临技术壁垒崩塌、成长天花板压低的问题。

    2.0时代，资本市场留给大家证明盈利能力和经营可持续的时间，可不会太多。

    尝试

    商汤就非常清楚，作为1.0时代的“遗老”，需要向市场证明自己有进入多模态竞技场的能力，才能在2.0时代继续前行。

    算力成为了这一切谋划的基础。商汤大装置构建了面向大模型训练和推理的AI原生云算力基础设施，旗下的上海临港AIDC 2022年1月正式落地启用，峰值算力9400P，是亚洲最大的人工智能算力中心之一。

    同时，商汤在持续迭代自己的大模型，其“日日新大模型”自2023年4月发布1.0 版本以来，如今已更新到了第6版，并且被权威大模型测评机构SuperCLUE认可为国内大模型第一梯队。

    不过看看这个榜单里其他大厂的名字，商汤要想保持技术优势、争取商业优势，难度显然不会太低。

    以腾讯为例，原本在自研大模型的竞争中表现得并不突出，但因为抓住了DeepSeek开源的技术红利，配合上自己的腾讯云和微信，成功实现了商业化逆袭。

    一个佐证就是，接入DeepSeek让腾讯原有业务的活跃用户增长了，截至2025年3月31日，微信/WeChat月活跃账户数达到1,402百万户，较2024年12月31日的1,385百万户有所增长。

    腾讯在2024年Q4及2025年Q1的财报中多次强调，AI技术的持续投入将为公司带来长期增长动力。

    困扰商汤等AI创业公司最严重的盈利问题，在腾讯等大厂面前，远远算不上生死攸关。这些大厂凭借自己的人力财力、流量入口、商业生态，再加上AI技术开源的东风，大可以走向纯AI创业公司永远达不到的高度。

    这一点，AI 2.0时代的“前辈”月之暗面，恐怕也是心有戚戚。

    DeepSeek-R1等开源模型性能对标GPT-4，且免费开放API，直接削弱了Kimi的长文本技术壁垒。大厂整合开源模型优化自身产品——包括月之暗面背后的“金主”阿里，都可以用更低的成本实现高性能，导致Kimi的差异化优势丧失。

    于是月之暗面也迅速迎来了市场对其投资回报率、未来盈利能力的拷问。与AI四小龙相比，月之暗面眼下的窘境在本质上也有诸多相似之处，所以月之暗面也在努力证明自己在多模态领域的进展。

    月之暗面创始人杨植麟近期就对媒体表示，多模态是公司当前持续的重点投入方向。在看到OpenAI发布的GPT-4o的多模态能力后，对月之暗面而言，“可能探索一些不一样的路径去适配市场和用户的一些实践。”

    月之暗面创始人杨植麟

    所谓的多模态，是指人工智能系统通过整合多种感知模态（如文本、图像、音频、视频等）进行综合理解与生成的技术范式。

    正因为涉及了多种感知模态，现在市场对谁能跑出来、以什么样的产品形态跑出来，还是充满了迷茫和分歧，而且投入与产出都是很难预测出来的数字。

    就像没能在1.0时代里完成上市的旷视，一边推动其多模态大模型与麒麟AI PC操作系统进行融合，响应国家的信创政策，一边又与吉利合作，在高阶智能驾驶上压下重注。说到底，都是因为摸不准商业化成功的路径，只能尽量多去尝试。（小卢鱼）