关注科技新闻的读者应该已经看到了，很多 AI 领域的明星创业公司和独角兽，最近都传出了 "卖身" 的信号。
因 Stable Diffusion 模型一战成名、估值近 300 亿美元的大模型明星企业 Stability AI，传出资金链断裂；曾登上福布斯 "AI 50 强 " 排行榜的 Adept，正寻求被巨头收购；被视为谷歌竞对的 AI 搜索明星公司 Perplexity，至少与 4 家公司讨论过合并事宜；由前谷歌、Meta 研究人员创立的 Reka AI 也宣布将 " 卖身 "。
这些新闻说大不大，企业层面的出售整合是商业常态，目前寻求出售的独角兽因为是明星项目，所以吸引眼球，数量占比并不大；说小也不小，独角兽们的商业受阻，所折射出来的隐忧和问题，必须着手去解决，才能避免这一轮 AI 热潮陷入衰退期。
为什么不应掉以轻心或盲目乐观？历史从不重复，它只是押韵。1984 年，AAAI（Association for the Advancement of Artificial Intelligence，具有重要影响力的国际人工智能组织），举办了一次名为 " 人工智能的黑暗时代 " 的讨论。其中就有 AI 公司的创始人发言称：
" 机器学习领域将出现一些震荡，波及所有专家系统技术公司（当时 AI 领域的热点技术），我们将进行一些重组和调整，总而言之，我对未来是相当乐观的。"
" 今天的人工智能具有更多的鲁棒性和稳固性，泡沫不会破裂。"
" 我认为这一次人工智能不会像十五年前（1970 — 1975 年的语音理解项目）那样，因资金枯竭而严重萎缩，同样事情再次发生的可能性为零。"
上述说法是不是似曾相识？可惜，这些乐观的想法后来都被 " 第二次 AI 寒冬 " 的到来给彻底推翻了。
80 年代狂热的专家系统，由于在实际应用中的表现不佳和成本高昂，最终人们和投资者从狂热追捧转向了巨大的失望，经费缩减，行业寒冬就此袭来，直到 2012 年后缓慢复苏。
产业有周期，人无再少年。以史为鉴，让这一轮大模型为主导的 AI 浪潮持续下去，让大量投入的 AI 基础设施进入回报期。其中，中腰部的独角兽科技公司，是一支产业中的主要商业力量。它们在商业领域的失败，将让 " 挤泡沫 " 来得更快更严峻。
本文想探讨一下，第一批大模型独角兽的比较优势在哪里？又如何转化为清晰的商业路径？
哑铃型的大模型投资格局，萎缩的中腰部独角兽
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）
中腰部 AI 公司的 " 比较优势 "
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 L1L2 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 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。
加速奔跑的独角兽跨越 "AI 黄昏 "
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。
来源：脑极体
