广告
加载中

AI四小龙:合力撕开“中国式AI”的遮羞布

戴珂 2025/05/09 10:54
戴珂 2025/05/09 10:54

邦小白快读

AI四小龙的兴衰揭示了中国AI行业的深层问题。

1. 核心亏损数据:商汤2024年亏损43亿元(营收37.72亿),云从亏损超6亿元(营收不足4亿),印证行业泡沫化

2. 商业模式致命缺陷:70%人力成本占比暴露"人工AI"本质,算法优势难跨应用鸿沟,实验室成果与商业需求脱节

3. ToG业务陷阱:政府项目占比超70%导致技术退化,车牌识别等低端业务暴露技术空心化

4. 资本错位共振:未经验证的LLM项目获高估值,揭示资本投机与技术周期的矛盾

AI行业案例对品牌建设具有警示意义。

1. 叙事崩塌教训:通用AI平台概念最终沦为定制化工程服务,提示品牌需建立真实场景的产品逻辑

2. 定价体系启示:四小龙技术溢价被海康威视等传统企业击穿,说明技术优势需转化为市场竞争力

3. 用户行为观察:政府客户付款周期长、需求碎片化特征,警示ToG市场需特殊风控体系

4. 消费趋势预判:文章揭示AI工具理性异化为"躺平工具",提示品牌需防范技术应用价值观偏移

AI四小龙案例提供重要风险预警与转型启示。

1. 政策风险:过度依赖政府智慧城市项目导致抗风险能力脆弱

2. 市场机会:计算机视觉技术应向智能制造、医疗影像等真实需求场景转移

3. 合作警示:需警惕"算法+PPT"型供应商,优先选择有行业know-how的服务商

4. 模式创新:参考海康威视传统+AI的务实路线,建立产品化而非项目制商业模式

5. 现金流管理:政府项目长账期特征要求强化应收账款管理

AI案例对制造业数字化转型具有镜鉴作用。

1. 生产优化方向:70%人力成本占比警示需推进AI质检等真实降本场景

2. 技术应用启示:计算机视觉在工业场景的落地需结合具体产线需求

3. 商业机会识别:应关注传统行业龙头(如海康)的AI融合策略

4. 转型风险提示:避免盲目追求算法精度而忽视工程化落地成本

5. 电商启示:C端市场验证机制可帮助技术产品快速迭代

行业痛点与解决方案的典型案例库。

1. 客户痛点:定制化开发成本高、政府项目回款难、技术商业转化断层

2. 解决方案:开发标准化AI组件、建立场景解决方案库、搭建产学研转化平台

3. 技术趋势:生成式AI需防范内容空心化,聚焦知识管理等真实需求

4. 服务创新:帮助客户建立AIROI(投资回报率)评估体系

5. 风险规避:政府项目需配套资金闭环设计

平台运营的重要风向标。

1. 招商策略:优先引入有行业场景的AI企业,设立商业化验证门槛

2. 运营重点:搭建算法模型交易市场,促进技术供需匹配

3. 风控机制:建立政府项目风险评估模型,监控长账期业务占比

4. 生态建设:推动传统企业与AI公司协同创新(如海康模式)

5. 趋势把握:关注AI从通用平台向垂直场景转型的流量迁移

中国AI发展的典型研究样本。

1. 产业新问题:技术估值泡沫、政府市场依赖症、产学研转化断层

2. 商业模式缺陷:通用AI叙事破产揭示技术幻想与市场规律的冲突

3. 政策建议:需建立AI技术成熟度评估体系,引导资本投向场景验证阶段

4. 理论启示:技术创新周期与资本周期错位共振的典型样本

5. 社会影响:AI工具理性异化带来的组织效能下降值得持续观察

{{loading ? '正在重新生成' : '重新生成'}}

返回默认

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

生成式AI和LLM正如火如荼般地突飞猛进。但也不要忘了,过去十年,中国AI行业也曾上演过一场轰轰烈烈的造神(龙)运动。商汤、旷视、云从和依图等四家明星企业,被冠以中国“AI四小龙”的称号。在资本狂欢时的估值,一度突破千亿。

然而短短数年间,光环褪去的它们,却深陷亏损的泥潭,沦为AI行业泡沫化的典型。从四小龙中的两家上市企业看,在过去的2024年,商汤科技全年总营收37.72亿元,净亏损却高达43.06亿元。而云从科技的总营收约3.98亿元,净亏损却在5.9亿元~6.8亿元区间。

AI四小龙已全无往日的风采,可以说就剩下几张龙皮了。而这个从辉煌到衰败的过程,也以教科书般的方式,彻底撕开了中国式AI的几块遮羞布。

01

AI的神话故事

AI四小龙早期均以“通用AI平台”为卖点,宣称能通过深度学习,实现各种跨场景的应用。

不得不说,这个AI故事的切入,太有想象力和吸引力了,以至于此后所有的幻想和幻觉,都是围绕这个叙事展开。

但当要实现“通用AI平台”这个故事时,画风就完全变了。所谓的“通用”,无一例外地陷入了定制化的泥潭,而最终沦为高人力消耗的定制化工程服务。据数据显示,四小龙的人力成本占总收入比高达70%以上。真看不出,这与一般劳动密集型企业有啥差别。

而这种“人拉肩扛式”的AI,也成了中国式AI的笑柄。

02

商业模式的致命缺陷

只谈AI而不讲商业模式,就是耍流氓。

实际上,中国的AI行业,始终存在两个严重制约商业模式的悖论。

其一,资本追捧的“模参规模”和“算法优势”,在实际的市场需求面前,因缺少实际应用场景的落地桥梁,所以毫无用处。换言之,在高明的算法与真实的需求之间,存在一条巨大的鸿沟。

其二,AI基础技术(如计算机视觉)本身并不能直接变现,而来自实验室的研究论文,离着商业变现,更是差着十万八千里。实际上,基于PPT的AI公司,到了商业竞争环境下,根本就不堪一击。比如,在各种视频应用领域,即使把四小龙加在一起,也未必能抗住海康威视等传统行业巨头的打击。

在一个有严重缺陷的商业模式上运行,结果终究是难逃沦为财务报表上的一堆亏损数字。

03

ToG项目,一块最危险的遮羞布

无论AI采用什么样的商业模式,其规模化的收入都必定是来自ToB,然后是ToC。但是,四小龙却偏偏选择了To G。

据统计,四小龙的营收,主要来自如智慧城市、智慧安防等政府市场,而其中商汤、云从、旷视这三家的占比均高达70%以上。但是,靠G端业务存活,终究难免落入“政府资源陷阱”。

这表现为:技术低门槛、市场高门槛。识别个人脸、车牌啥的,哪里用得上什么高深的算法?而拿下项目、收回款这些,根本就不是它们的强项。

实际上,ToG业务可能是一块危险的遮羞布。如果依赖久了,仅有的手艺就会丢了,可能真的就啥也不是了。

04

错位的共振

任何技术都有其自身的发展规律,而不是靠资本的拔苗助长,AI当然也不例外。

包括LLM、生成式AI、Agent的AI企业,在尚未验证可持续盈利路径,就能获得高估值的资本神话,引发了这场全民AI的热潮。

本质上,这场AI资本的狂欢,实际是技术创新周期与资本投机周期错位共振的产物。而制造资本神话和技术狂热,可能恰好就是AI真正价值创新的埋葬者。

05

“有用”,最后一块遮羞布

既然正道走不通,那就只能去找其它的偏门左道,为AI找出存在的理由。

按理说,所有的AI技术,本应提升社会和企业的效率,但现在却常被异化为“躺平工具”。比如,用AI生成空洞的工作报告,除了制造信息垃圾,也让真正的绩效不见踪影。用算法生成的华而不实的官样文章,反而会导致政府公信力受损。

正如库克的警示:工具的理性,正在消解人类的价值观判断能力。这个警示在今天愈发凸显其现实性。

现在,AI是否“有用”的争论,在网上随处可见,而且正论和反证都言之凿凿。

不过在我看来,这种争论其实毫无意义。

因为“有用”和“有价值”,根本就是两码事。“有用”,是人根据自己的需要定义出来的;而“有价值”,则是由真金白银的金钱定义的。

如果非要争论出个高低,那也有一个简单的判断原则:如果没有客户掏钱,那就是没用。所谓的AI创业,就是在烧钱瞎耽误工夫。

写在最后

不管怎样,中国式AI的遮羞布被彻底撕开,应该是一件好事。让AI的价值得以重构,也是行业发展的一个新起点。

注:文/戴珂,文章来源:tobesaas,本文为作者独立观点,不代表亿邦动力立场。

文章来源:tobesaas

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0