目前，AI行業迎來了以“大模型”為标志的新一輪創業熱潮，大模型創業公司紛紛破土而出，欣欣向榮。然而我們也應該看到，傳統的AI企業（如CV四小龍）也有過類似的黃金發展期，而如今都或多或少遭遇了發展的瓶頸。本文旨在通過兩者的對比分析，深入了解它們在技術創新、商業模式、資本運作、市場競争政策以及未來發展潛力等方面的異同，進而有助于洞悉AI行業的發展趨勢，為投資者、分析師以及AI領域的創業者提供有價值的見解和政策參考。
CV“四小龍”
CV四小龍指的是中國在計算機視覺（Computer Vision，簡稱CV）領域内的四家領先的人工智能公司，它們分别是商湯科技、曠視科技、雲從科技和依圖科技。這些公司在計算機視覺技術的研究和商業化應用方面取得了顯著成就，占據了中國計算機視覺市場的大部分份額，并在全球範圍内也具有較高的知名度和影響力。
商湯科技專注于計算機視覺和深度學習原創技術研究，已成為亞洲最大的AI算法提供商。曠視科技以人臉識别技術為核心，提供個人物聯網、城市物聯網和供應鍊物聯網的解決方案。雲從科技孵化自中國科學院，是人工智能企業中的國家隊，尤其在金融領域表現突出。依圖科技則在安防領域獲得市場認可，後擴充到金融、醫療、制藥、晶片等市場。
“四小龍”橫向對比
然而，當下的“四小龍”都在想方設法穿越周期。
2024年3月26日，商湯集團釋出2023年業績公告。财報顯示，2023年集團實作總收入34.05億元，上年同期收入38.08億元，同比下降10.6%，主要原因是智慧城市業務的收縮。其核心業務生成式AI收入同比增長200%至12億元，占集團總收入比例升至35%。與此同時，2023年商湯集團虧損64.94億元，上年同期虧損60.92億元，虧損同比擴大6.6%。可以看出，商湯仍然是“四小龍“的頭部，新業務快速增長的同時，傳統業務也在收縮。
在2023年，雲從科技的總營收達到了6.28億人民币，與前一年相比增長了19.43%，這一增長主要歸功于其人機協同作業系統（CWOS）相關軟體銷售的大幅增長。然而，同年雲從科技出現了6.4億人民币的虧損，公司的總資産也比上一年下降了19.47%。雲從科技的營收仍然依賴傳統業務，暫時還沒有看到新的增長點。
根據曠視科技的IPO檔案，該公司在2018至2020年以及2021年上半年的營收分别為8.54億、12.60億、13.91億和6.70億人民币。同期，歸屬于母公司股東的淨利潤表現為連續虧損，分别為-28億、-66.43億、-33.26億和-18.65億人民币。曠視科技的業務主要分為三個部分：消費物聯網、城市物聯網和供應鍊物聯網。以2020年的營收為基準，這三個業務闆塊的營收占比分别為18.47%、65.82%和15.71%。盡管城市物聯網是曠視科技的核心業務，但與雲從科技相似，曠視科技也在經曆一定程度的市場縮減。
依圖科技幾年前就終止了IPO，其财務情況暫不可知。
AI是一個需要長期投入的領域，起伏是必然的。“四小龍”在發展過程中的成功經驗與失敗教訓，對于目前的AI大模型創業公司來說又有哪些借鑒意義？
“四小龍”的發展曆史
自2020年以來，國産替代趨勢加速，本土品牌市場佔有率提升，“四小龍”抓住了這一機遇。商湯科技強化了其在AI算法供應方面的領先地位；曠視科技在人臉識别技術領域具有優勢；雲從科技憑借其“國家隊”的屬性，在金融領域取得顯著成就；依圖科技則專注于安防并拓展到醫療等新市場。它們通過多輪融資獲得資金支援，在不斷提升産品競争力的同時也參與了國家标準的制定，共同推動了國産AI品牌的市場擴張和技術進步。
目前四家公司有的已經上市，有的還在蟄伏等待：商湯科技在2021年12月成功在港交所上市，是當年全球最大的人工智能公司IPO之一；雲從科技在2020年8月在廣東證監局辦理了輔導備案登記，後經過一系列流程，于2022年5月在科創闆上市；曠視科技科創闆IPO于2021年3月12日獲得受理，2021年9月9日成功過會，2021年9月30日送出注冊，截至目前尚未完成上市；依圖科技曾計劃在科創闆上市，并在2020年11月送出了IPO申請，但後來在2021年6月，依圖科技主動撤回了上市申請，其上市程序是以暫停。
“四小龍”的上市曆程表明AI市場仍處于早期發展階段，需要更多時間和資金來推進商業化。再深入一步看，“四小龍”在具體的業務場景布局上存在同質化的問題。它們的核心技術都背靠計算機視覺技術的發展，商業模式也主要是B2B、B2G。
“四小龍”早期業務場景重合度高（千山資本2019研報）
是以，盡管在早期享受到了行業的增長紅利，但随着BAT等網際網路巨頭的加入，市場競争加劇，加上AI行業的資本熱潮開始退卻，四家公司不得不開始尋找差異化的商業模式和發展空間，向更多細分領域拓展。
曠視科技轉型為物聯網作業系統提供商，進軍AI物聯網領域。依圖科技選擇自主設計AI晶片，以解決軟硬體融合問題，并釋出了首款深度學習雲端定制晶片“求索”。雲從科技重點布局金融、安防、交通、商業四大業務闆塊，并在智慧商業領域取得突破。商湯科技則繼續在多個領域進行廣泛布局，包括教育領域，并成立了子品牌“商湯教育”……
可以說，CV四小龍的成功在于通過持續的技術研發與創新、明确的市場定位、積極的資本運作、利用政策支援與合作等多方面措施抓住了市場機遇。而持續的高額研發投入、AI技術的商業化落地困難、市場需求有限，特别是ToG市場競争激烈且業務周期長，又導緻了嚴重的虧損。此外，技術的快速疊代和場景的碎片化也使得标準化産品難以形成規模效應。
有了這些經驗，現在讓我們把目光投向AI大模型創業公司，看看它們的近況如何。
AI大模型創業公司概覽
大模型是個新生事物，目前國内這方面的創業公司不算太多，曝光率比較高的有：月之暗面，智譜AI, 百川智能，生數科技和幂律智能等。
月之暗面是通用人工智能領域的創業公司，專注于開發C端産品，目前推出了支援200萬字上下文的智能助手Kimi Chat，市場熱度很高。
智譜AI是由清華大學計算機系技術成果轉化而來，基于GLM系列大模型打造了ChatGLM對話機器人，在開源方面貢獻了chatGLM-6B等預訓練模型，并且與雲廠商合作推廣其AI服務。
百川智能是由搜狗王小川創立的人工智能公司，憑借在搜尋技術和算法方面的積累，專注于開發大模型技術。目前開源了Baichuan系列基座模型，同時提供進階功能、定制開發和企業服務。
生數科技是一家專注于多模态大模型的公司，對标Midjourney，希望在圖像生成、3D内容生成以及視訊生成領域有所作為。
幂律智能則選擇與智譜AI合作，基于千億基座模型ChatGLM-130B推出了法律垂直大模型
PowerLawGLM，該模型已經在智能合同業務上落地，并更新至3.0版本。
不難看出，AI大模型創業公司選擇的方向各有千秋，相比于“四小龍”而言更加多元，其中自有原因，我們一起來看一看。
AI大模型創業公司與“四小龍”對比分析
技術層面：計算機視覺技術起源于20世紀50年代末，它主要關注圖像和視訊資料的分析與了解，包括圖像識别、目标檢測、圖像分割等領域。随着應用場景的複雜化，單一的CV技術面臨着資料量大、場景多變的挑戰。AI大模型技術是近年來随着深度學習的發展而興起的，特别是自然語言處理領域的大模型，如BERT、GPT等，它們在處理大規模、高次元資料方面表現出色。AI大模型不僅限于文本和圖像，還能處理視訊、語音等多種模态的資料，在通用性方面要強于CV技術，但也需要更多的資料和計算資源。
産品與市場：相比于CV四小龍同質化的垂直領域産品，AI大模型企業在未來既可以做垂直領域又有可能走“平台化服務”的道路。借助于預訓練和微調技術，AI大模型企業在垂直領域裡可以利用專門資料幫助客戶訓練私有模型，而強大的通用模型則完全有可能成為平台級的産品，比如利用AI Agents技術在模型基礎上建立豐富的應用。在市場方面，AI大模型企業憑借其多元化的産品能力，既可以走向傳統的B2B、B2G市場，也可以觸及更加廣大的C端市場。每個創業公司都有自己的資源禀賦，具體是選擇C端還是B端，需要創業者自己判斷。就目前而言，國内大廠基本都偏向了B端，而創業明星公司基本都在走C端路線。
商業模式：CV四小龍主要通過向企業和政府提供定制化的AI解決方案來盈利，它們需要深入了解客戶需求，提供個性化的服務，在實際操作中通過具體的項目落地，周期長，成本高。
而AI大模型企業通過提供API接口或平台即服務（PaaS）模式，允許客戶根據自己的需求調用AI模型，能夠快速擴充服務範圍，降低邊際成本，提高客戶粘性。一旦客戶認可品牌，變現方式也是多種多樣，比如訂閱、雲服務收費、授權等。從理論上說，标準化産品成本低、見效快，當然更有優勢，但競争也更激烈。而大模型定制化開發的成本其實取決于客戶自身的數字化程度，在交通、金融等基礎資料豐富的行業實施就比較容易，反之則有項目範圍擴大等風險。
資金流：對于創業公司來說，是否能在快速發展階段融到足夠的資金，決定了公司未來的市場佔有率。CV四小龍在早期都融到了支援其發展的資金。
“四小龍”截止2020年底的融資情況
“四小龍”2022年的市場佔有率
相對于傳統的AI企業，由于訓練和應用大模型的成本高昂，AI大模型創業公司在早期需要更多的資金，而目前國内一級市場的投資意願并不強，預計隻有極少數的大模型創業公司能融到足夠的資金。比如月之暗面在2024年2月的新一輪融資，金額超過10億美元；智譜AI在2023年也已累計獲得超25億人民币融資，可謂糧草齊備，整裝待發。
AI大模型創業公司會如何發展？
2022年中國人工智能軟體市場規模為307.3億元人民币，相比2021年下降了6.9%，這是近十年來的首次負增長。在大模型熱潮出現之前，人工智能市場缺乏有力的增長驅動，導緻整體市場出現下滑。老牌上市企業在下滑市場中仍能實作小幅增長，而成長型企業則需要持續提供領先技術或找到穩定增長潛力的賽道。
對于AI大模型創業公司來說，乘着這一次技術革命的東風，無論是技術、産品還是商業的發展都十分值得期待。
在技術上，AI大模型公司起初往往專注于優化現有的模型架構，以提高模型的性能和效率，包括調整神經網絡結構、優化參數配置以及改進訓練政策等。後期随着技術的積累，領先的公司勢必要開始自主研發新的算法，或是提出創新的資料處理技術，比如月之暗面就着重研發長文本處理技術。
産品路線方面，AI大模型公司在初期都會推出具有單一功能的産品，比如生成圖像或自然語言處理服務，以此來驗證技術的可行性和市場需求。而随着技術成熟和市場認可，公司會将服務擴充到平台化，這裡的“平台化”不一定是綜合解決方案，而可能是類似應用市場一樣的服務。平台化服務能夠滿足更廣泛的客戶需求，增強客戶依賴度，同時營造良好的應用生态，比如位元組跳動的“扣子”，或者Kimi+這樣的産品。
商業模式不是大模型公司的重點，但是它們仍然可以通過模式創新（API/PaaS/MaaS模式）帶來穩定收入，比如模型即服務（MaaS）模式就允許客戶在雲端使用AI大模型，無需自行搭建和維護基礎設施。一旦産品被市場接受，使用者激增，這個時候就要想辦法降低成本，比如OpenAI後期限制了API調用次數。畢竟AI大模型訓練和推理需要大量的計算資源，控制算力成本是盈利的關鍵。
在市場競争方面，AI大模型創業公司采用最多的還是差異化政策，因為大模型的市場非常廣闊，有足夠的空間容納不同的産品。至于“四小龍”曾經用過的政策，比如依圖科技的垂直整合（通過自研AI晶片來垂直整合算法、晶片和應用，有助于提高整體解決方案的競争力），商湯科技的平台化戰略，雲從和曠視的多元化戰略，可能都不适用，因為創業公司一開始就是在和大廠競争。
特殊的挑戰
CV四小龍遇到的技術創新瓶頸、市場競争加劇與資本依賴，AI大模型創業公司也同樣會遇到。除此以外，它們還要面對其他的挑戰。
AI大模型需要大量資料進行訓練，尤其是涉及私有資料時，如何確定這些資料的安全，防止資料洩露和濫用，是一個重要問題。在決定是否上雲時，企業除了要考慮雲服務的安全性、合規性、成本效益、以及靈活性，還有很重要的一點是供應商鎖定風險，以及雲服務能否支援有效的資料治理政策。
此外，高品質資料的獲得成本正在不斷攀升，比如Google就要為Reddit的資料每年支付超過6000萬美元，創業公司無法支付這樣的成本，必須思考其他的出路。而有了資料之後，AI大模型還必須對其進行安全性處理，確定模型不會生成包含隐私和敏感資訊的内容。
與普通公司不同，大模型創業公司還有一個明顯的特點，就是“人數少，文化強”，10人以下團隊和工程師文化是“标配”。怎樣凝聚人心并營造一個有利于創新的工作氛圍，這是所有大模型創業公司都必須思考的問題。
大模型和生成式AI的技術突破與落地速度超出預期，技術實力和算力決定一切，預計将快速淘汰不具備真正實力的廠商。未來市場足夠廣闊，差異化競争的空間很大，同時由于軟體的邊際成本很低，在通用領域也可能出現赢家通吃的局面。總的來說，機遇大于風險，未來值得期待！