大模型独角兽开始挤泡沫

作者 | 藏狐

来源 | 脑极体

（ID：unity007）

在过去的三年内，大模型AI领域的投融资情况，呈现出活跃又复杂的态势。

从整体规模来看，越来越多的资本开始涌入这一领域，过去3年中，大约有2.6万家创业公司共计融资了3300亿美元。

而从具体结构来看，却正在呈现出“哑铃型”的两极化特征。

一种是大处着手，关注底层研发，资金和资源逐渐向位于一端的科技巨头和基础模型厂商聚集，“强者愈强”。比如OpenAI、xAI等位于金字塔塔尖的AI公司融资不断，估值水涨船高；月之暗面（Moonshot AI）近期完成了8亿美元B轮融资，估值超过23亿美元。

CEO奥特曼更是直接对外喊话：“世界上95%的人应该押注在OpenAI身上，我们有使命，我们会碾压你（其他 AI 模型企业）”。

另一种是小处着手，关注大模型与场景和行业知识的融合。位于另一端的应用型创新企业，依赖于基础模型提供的能力，将大模型技术应用于具体行业或场景中，为用户提供实际的解决方案和服务。

一些投资人认为，这类应用公司只有“屁胡”的价值，但架不住应用层空间大、数量多，也吸引到了一批投资者的认可。数据显示，AIGC赛道累计完成融资的总金额在下滑，但获得融资的项目数量却有所增加，从2023年的41个增加至2024年的186个。

哑铃型的投资结构下，位于中腰部的未来“独角兽”型初创公司，迎来了投资的“枯水期”，不得不在震荡中洗牌和重整。

（2023年明星投资人的大模型创业价值之争）

一般来说，对于AI这类具有颠覆性潜力的领域的早期阶段，投资者对前期亏损的容忍度是比较高的。通常是希望随着企业的成熟并占据市场主导地位，能够带来丰厚的回报。所以，尽管有媒体爆出Stability AI等初创公司亏损大、成本高等，那都不是独角兽们的致命问题。

真正关键的是，这类企业有着不低的估值和一定的技术能力，但目前缺乏一种清晰的商业化路径。

打破这种“混沌局面”，向投资市场和公众展现出自己锐利鲜明的独特价值，是长期信心的来源。

说起来容易，但要跟头部模厂拼模型，跟应用企业拼产品，都不是独角兽的“舒适区”，只能在别人的赛道上跟着别人的规矩走，两头不占好。

中腰部AI公司的核心价值，就在于“比较优势”。

比较优势，原来是一个经济学概念，用来形容一个国家生产一种产品的机会成本，低于在其他国家生产该产品的机会成本时，就拥有了比较优势。通过“两利相权取其重，两弊相权取其轻”，让资金和资源向具有比较优势的国家流动。

比如20世纪的生产力成本低、素质高，如今的技术密集和工程师红利，是中国在不同阶段，参与国际分工的比较优势。

具体到大模型领域，目前来看，基础模厂主要围绕在L0级底层模型的构建，而应用类企业则聚焦在行业数据打造L3场景小模型和应用，而支撑这类“独角兽”初创公司估值的，则是基于L1\L2级行业大模型的平台及应用。

一方面，中腰部仍有市场空间。基础模厂和底层模型虽然有可能“碾压”行业大模型，但并不能把整个产业链的大部分价值都拿走。

就像信息化时代，微软也不可能垄断所有软件，依然有大量专业软件提供商如蔡睿领域的Intuit，成长为垂直领域的软件巨头。

今天，业内已经有共识，底层模型在短时间内无法实现AGI，无法解决所有通用问题。因此，大模型落地需要叠加其他方法，因此，基础模厂无法低成本地提供端到端解决方案，这就需要更多服务商来参与，提供面向行业的定制化模型及AI解决方案。这个过程中，仍然需要大量手工作业。比如很多中国企业甚至都没有数据采集，需要针对性的数据采集方案设计，这些对于人才成本极为高昂的基础模厂来说，投入产出比是很低的，或许可以在每个行业领域培养几个标杆案例，但绝不可能成规模复制。

另一方面，中腰部仍有技术门槛。应用类产品大多是“套壳”，这毫无问题，但对于ToB市场来说，大模型与业务场景、流程的深度融合与改造，有很多工程要做，而AI领域的技术路线迭代速度又非常快，应用类企业根本没可能“抄作业”。

所以，中腰部科技企业的比较优势，就在于所构建的平台及应用，将场景与技术紧耦合，切实满足业务的真实需求，比如提高生产力、改造流程等。

机器学习为主的AI产业化阶段，红极一时的机器视觉四小天鹅等明星创业公司，专注于做智慧城市、工业质检等行业解决方案。被称为港股“AIGC第一股”的出门问问，也是以生成式AI和语音交互技术为核心，提供政企服务、AI软硬件。

显然，这条“比较优势”之路，是走得通的。

问题在于，面对全球投资市场对大模型技术的期望值下调，投资者的风险偏好变化等不确定因素，在前景不明的背景下，中腰部AI科技公司如何走得更远。

《人工智能的冬天》研讨会上，有人提到，斯伦贝谢、施乐、惠普、德州仪器、GTE、Amico、埃克森美孚，他们都在进行投资，他们都有人工智能小组，他们会说，“嗯，我今年在人工智能上花了数百万美元，而且我已经拥有了它。（但）他们什么也没产出”。

盲目乐观，却无收益，是曾经在专家系统身上上演的AI荒诞戏。而今天在To C和To B市场都有探索的独角兽们，一旦泡沫破裂，将受到两个市场崩塌的双重冲击，商业性更加脆弱。

提高自己在商业层面的“鲁棒性”，AI独角兽们必须管理好客户预期。

和曾经的专家系统一样，今天很多企业客户也对大模型加持的软件系统，抱有不切实际的预期，希望AI系统做任何事情，但实际上大模型技术还做不到，出现预算超支、超期交付等问题，从而导致撤单或无法回款。

此外，一旦企业发现AI系统其实无法产生实际的经济效益，随着资金的撤走，工业界人才会回流到学术界，为企业市场服务的技术服务商也会死掉一批。这种情况在专家系统、机器学习等阶段都曾一次又一次出现，独角兽们也必须做好准备。

比如尽快“打粮食”，做厚收入，避免“以免费换规模”“以亏损换时间”。像Stability AI那样先开源、后付费的缓慢探索，会承受很大的成本压力；像Perplexity那样以会员订阅和API付费为主要收入方式，营收结构也非常单薄。

回顾历史，AI的周期性衰退，往往会在寒冬之前，有一个“去泡沫”的阶段，只要泡沫不破裂，反而会让行业变得更好、更不脆弱。这个阶段，可以被称为“AI黄昏”。 

避免在“AI黄昏”被挤出，将是中腰部独角兽们接下来的第一要务。