在中國，人工智慧技術的飛速發展為許多新創公司帶來了興奮和不確定性。一些公司曾經充滿雄心勃勃的目標，但現在正在重新調整其戰略，面臨著競爭激烈且資源密集的市場的嚴峻現實。
從宏偉願景到戰略轉型
中國「AI小老虎」之一的百川智能，其CEO最近發布了一封內部信，標誌著公司成立兩週年，並強調了一項戰略轉變。重點將會縮小，優先考慮醫療應用。這與其最初創建類似OpenAI的開創性基礎模型，並提供創新應用程式的使命形成了鮮明對比。
同樣，另一家「小老虎」01.AI的創辦人李開復在1月份宣布，他的公司將採取「小而美」的方法。這與建立AI 2.0平台以加速AGI到來的宏偉願景顯著背離。
這些戰略撤退引發了猜測，一些觀察家認為這些「小老虎」正變得更像「病貓」。在一個充滿不斷變化的環境中，這些公司如何確保它們的未來？
為了回答這個問題，智微的編輯團隊向各種專家尋求見解，包括大型模型技術專家、金融和醫療保健領域的人工智慧專家，以及來自領先公司的人工智慧技術專家。
DeepSeek效應與轉變中的策略
在DeepSeek爆紅之後，人工智慧格局發生了巨大變化，這個模型震撼了市場。DeepSeek就像一位強大的戰士，擾亂了這個格局，迫使許多人工智慧公司重新評估自己的定位並追求不同的道路。
然而，這種轉變比許多人意識到的更早開始。大型模型技術專家王文廣表示，早在DeepSeek V3和R1發布之前，一些中國人工智慧公司就已經開始放棄對大型模型訓練的追求。成本實在太高了，這些公司覺得自己無法與免費提供的開源替代方案（如DeepSeek V2.5和阿里巴巴的Qwen 70B）競爭。
來自一家人工智慧技術服務企業的專家梁赫補充說，雖然大多數「小老虎」在2024年中仍在訓練大型模型，但它們的投資已經大幅減少。到了2025年1月，隨著DeepSeek R1的發布，許多較小的公司意識到自己無法跟上。
這種突然的轉變導致「小老虎」的方向發生了重大變化，從AGI開發轉向更專業的方法。
百川和01.AI已經放棄了預訓練大型模型，分別專注於醫療人工智慧和行業應用。 MiniMax正在減少其B2B業務，並專注於海外市場的C端影片生成和其他應用程式。智譜、Moonshot AI和StepUp仍然活躍於開源社群，但尚未產生任何優於DeepSeek R1的新模型。智譜獲得了可觀的資金和政府-企業合作夥伴關係，確保了其生存。 Moonshot AI的主要產品Kimi的地位受到了元寶的威脅，這使得它的定位越來越尷尬。
總體而言，「小老虎」正越來越多地與B2B SaaS市場融合，一些人認為這「缺乏想像力」。
B2B市場的誘惑與局限
01.AI最近宣布打算完全整合DeepSeek，為各個行業創建一個一站式企業大型模型平台。然而，此舉遭到了質疑。
金融人工智慧專家姜少認為，由於01.AI的關注範圍廣泛、在DeepSeek出現後缺乏技術競爭力以及商業化能力有限，01.AI的未來尚不明朗。
王文廣也贊同這種觀點，他指出，一站式大型模型平台的技術門檻相對較低。
王分享了他大約花了六個月的時間獨立開發這樣一個平台的經驗，並通過個人管道銷售它。他認為，雖然作為一家公司很難從該產品中獲利，但作為一個單獨的企業，它可以盈利。
王與幾家提供大型模型服務但缺乏技術平台的B2B公司合作。他以低廉的價格提供他的平台，每個許可證約4萬到5萬元人民幣，大大低於大型公司。
他的平台KAF（基於知識的代理工廠）使用知識圖譜、向量資料庫和搜尋引擎來提供大型模型和代理應用程式。它使使用者無需編碼即可通過提示和模型管理創建自定義知識助手或代理。王指出，市場上類似的平台很普遍，很容易複製。
王表示，一家尋求開發B2B大型模型應用程式的公司可以通過僱用一個由技術精湛的人員組成的小團隊或與外部人工智慧公司合作來快速創建產品。這種方法比訓練一個大型模型便宜得多。
除了平台模型之外，整合的解決方案還提供硬體、軟體和執行環境，提供開箱即用的功能。平安保險技術平台集團負責人張森森認為，整合的解決方案擁有可行的市場，尤其是在技術部署能力有限的政府和教育機構中。這些解決方案優先考慮易用性和技術自主性，提供諸如資料安全、隱私合規和硬體-軟體優化等好處。它們還可以使用國產晶片，繞過限制並提高效率。對成本敏感且以投資回報率為導向的公司可能會發現整合的解決方案因其較長的生命週期而具有吸引力。
國內SaaS市場在歷史上面臨著諸如高定制要求、通用和同質化產品、激烈的競爭、低定價策略以及對短期貨幣化的關注等挑戰。這個市場中的客戶通常數位化程度較低，並且支付意願有限。
相比之下，國際SaaS市場強調專業化，公司專注於特定領域，並為具有更高支付意願的大中型客戶提供深入的服務。
大型模型領域反映了這些趨勢。國際SaaS市場的近期事件證明了這一點：
- 2025年2月，MongoDB收購了Voyage AI，這是一家成立17個月的人工智慧新創公司，專注於嵌入和重新排序模型，價格為2.2億美元。
- 2024年，亞馬遜宣布與Adept達成技術許可協議，Adept是一家成立兩年的人工智慧代理新創公司，Adept的一些成員加入了亞馬遜的AGI團隊。
這些新創公司通過專注於大型模型技術中的特定利基市場而取得了成功。這種例子在中國很少見。許多中小型企業必須不斷防範大型公司進入其領域。
王文廣根據其在B2B市場的豐富經驗，描述了其嚴峻的現實。他指出，雖然一站式平台有很大的市場，但它是分散的。營運成本較低的較小公司可以提供有競爭力的價格，從而削弱較大公司。這壓低了應用程式服務的價格。即使大型公司也面臨著來自其他新創公司和傳統整合商的競爭。大型公司可能擁有自己的大型模型和品牌優勢，但它們面臨著類似的B2B業務策略。
正如王所說，「我也在使用DeepSeek，很多其他公司也在使用DeepSeek，所以沒有差異化。中國有很多雲端供應商，所以至少會有那麼多競爭者。國內B2B市場一直都是這樣；要生存，你必須擁有強大的關係、良好的服務或低廉的價格。」
梁赫對01.AI目前的選擇和未來前景提出了簡潔的評估：
- 李開復將01.AI的業務完全轉向B2B應用程式並推廣一站式企業大型模型平台的決定在商業上是合理的，但會導致激烈的競爭。
- 01.AI需要提供比大型公司價格更低的大型模型產品，這是因為它在應用程式層缺乏獨特的優勢。
- 01.AI轉向B2B標誌著想像力的喪失和「性感」專案的減少。這與2017年上一波人工智慧浪潮中許多電腦視覺公司的命運相似。
- 如果01.AI探索海外市場，它可能會有機會。
與01.AI相比，對百川的未來的看法不太悲觀。
然而，百川進入醫療領域缺乏獨特的優勢，尤其是在數據方面。
姜少表示，百川轉向醫療只是一種生存方式。然而，與01.AI相比，百川至少正在嘗試進入一個利基市場。
張森森表示，她對擁有醫療數據的公司開發醫療大型模型比技術公司更樂觀。這適用於任何尋求創建行業特定大型模型的公司。創建醫療大型模型的關鍵挑戰在於數據，而不是模型本身。中國有很多優秀的醫院可以使用DeepSeek微調大型模型供自己使用。
如何有效地獲取醫療數據？姜少表示，人工智慧技術新創公司在數據方面缺乏優勢。要創建醫療大型模型，他們可能需要與已經為醫院提供IT服務的公司合作。
據報導，其中一家「小老虎」與國內一家大型醫生交流論壇獨家合作，利用醫生交流產生的大量案例來訓練模型。
除了對利基市場更樂觀之外，行業專家對百川的創辦人王小川抱有希望。
梁赫認為，王小川能否成功專注於醫療取決於他是想追求理想還是賺錢。他認為王更傾向於追求理想，創造出開創性的醫療人工智慧研究成果。
王文廣強調了這個市場的過時性。他表示，如果目標是短期商業化，那麼醫療領域也競爭非常激烈，類似於整個B2B市場。許多公司可以使用知識圖譜、向量搜尋和大型模型進行醫療應用。
根據智微與醫療人工智慧專家的討論，醫療研究本身存在重大的知識差距，並且新知識正在迅速增長。因此，使用大型模型進行醫療基礎研究具有巨大的潛力。例如，蛋白質結構預測的AlphaFold模型已被全球超過180萬科學家使用，以加速研究，包括開發生物可再生材料和推進基因研究，根據Meis Medical的說法。
除了追求理想或賺錢之外，醫療人工智慧新創公司還面臨著是否創建通用醫療大型模型的問題。
張森森表示，國內市場上通用醫療大型模型尚未取得突破，主要是由於依賴功能強大的醫療設備進行大規模資料收集和應用。中國許多醫療機構尚未廣泛普及，這使得人工智慧難以進行準確的診斷。然而，一些強大的醫院，如梅奧診所，已經開始探索推出自己的大型模型。雖然短期內很難看到盈利機會，但這些類型的大型模型可能會對醫療行業產生深遠的影響。
醫療行業還面臨著完全自動化診斷的挑戰，尤其是在國內市場，設備不足，人工智慧無法完全取代傳統的診斷方法。醫療設備的不廣泛普及，尤其是在偏遠地區，使得很難完全覆蓋醫療技術，因此完全自動化診斷仍然是一個重大的挑戰。
醫療行業有嚴格的許可和合規要求，大型模型在進入醫療領域時必須解決合規問題。未來的C端醫療服務可能會結合醫生的技術和人工智慧，以提高診斷和治療的效率，特別是對於年輕一代。
最後，即使不考慮國內B2B市場的特點，大型模型應用程式的競爭也使得很難在To B市場中生存。王文廣表示，雖然大型模型To B產品的設計模型仍在探索中，但它們最終會趨同。這不僅在中國如此，在矽谷科技公司如OpenAI、Anthropic和Google也是如此。只要模型本身的性能沒有顯著差異，就不可能在這個市場上賺錢，最終大家都會在同一個水平上。
這就是為什麼DeepSeek R1的最大影響不在中國，而是在國外，尤其是在矽谷科技公司。在R1發布後，美國股市開始出現高波動性，然後下跌。核心邏輯很簡單：矽谷的大型模型已被中國趕上。雖然沒有超過它們，但無法擴大差距使得無法支持如此高的估值，導致股價下跌。
當然，To B市場還有另一種吸引客戶的方式：開源。開源的主要盈利模式包括提供付費級別功能、雲端託管以及基於開源技術的企業級諮詢和培訓等增值服務。
開源大型模型最直接的效果是促進技術的普及。張森森表示，DeepSeek的開源顯著加速了公司對大型模型的應用。高層管理人員非常支持大型模型的應用。由於大型模型在實際應用中表現良好，尤其是在減少人工干預和提高效率方面，支持將繼續增加。
金融業作為數據質量最好的行業，在人工智慧方面一直有豐富的技術積累，可以迅速跟上。無論是否有DeepSeek，金融都會實施人工智慧技術。然而，有了DeepSeek，人工智慧不僅可以啟用金融業的核心業務，還可以用於以前難以完成的日常辦公任務和營運。
營運過去非常昂貴。例如，根本原因分析以前需要傳統的營運監控和AIOps，以及訓練小型模型。現在，DeepSeek可以與知識庫結合使用，以生成應用程式計劃來處理監控、警報、自助分析和可追溯性、自動化處理和穩定性改進，這比AIOps更靈活。
此外，人工智慧對營運的覆蓋範圍變得更廣，對互動性和主動性的考慮也更多。主動性意味著允許人工智慧主動執行營運。從依賴規則、人類甚至個人經驗轉變而來，人類經驗的水平決定了營運能力的水平，現在可以使用更輕量級的人工智慧模型來直接實現這一點。
儘管DeepSeek的幻覺率仍然很高，甚至與其他類似模型沒有顯著差異，但其推理和實際應用能力可以抵消幻覺的負面影響。這個問題將通過使用RAG和其他相關技術進行微調和優化來逐步改善。
阿里巴巴的大型模型技術專家高鵬認為，DeepSeek的影響對於大型和小型公司來說是不同的：
阿里巴巴內部使用的大型模型一直都是業界最先進的，所以DeepSeek的出現並沒有產生重大的影響。阿里巴巴使用DeepSeek進行性能評估和比較，更多的是提供技術啟發。 DeepSeek在推理中的實施相對較快，並且技術細節更常見。 DeepSeek也受到了千問的影響。
相比之下，DeepSeek對中小型公司的影響更大，因為以前沒有模型可以在提供低成本、私有部署的同時實現DeepSeek的效果。在DeepSeek發布後，許多銷售DeepSeek整合機器的公司湧現出來。然而，與許多開源模型整合機器相比，DeepSeek並不是最便宜的，這取決於具體的標準。
無論如何，國內開源大型模型現在蓬勃發展，並且可以在全球範圍內競爭。然而，基於平安保險對大型模型的實施，張森森認為開源大型模型仍然有不可逾越的限制：
對於我們來說，DeepSeek主要有巨大的成本優勢。在能力方面，它在推理、泛化能力和上下文理解方面可能優於營運場景中的其他模型。然而，DeepSeek在更複雜的場景（如金融風險控制）中表現不佳。這是因為需要更詳細的微調甚至與其他模型結合進行優化。因此，需要基於特定應用場景進行有針對性的微調，以進一步提高模型性能。
平安自研的大型模型分為兩層：底層基礎大型模型和負責銀行、保險和其他業務的領域模型。內部使用的大型模型在專業知識領域（尤其是在金融和醫學等特定領域）的表現優於DeepSeek，這些模型更準確。然而，DeepSeek在推理能力方面仍然具有很強的優勢。在某些場景中，我們希望使用DeepSeek進行小規模的嘗試，看看它是否可以運行。
阿里巴巴千問、百度文心和智譜ChatGLM與DeepSeek在這方面沒有顯著差異。該判斷基於以下事實：這些模型在推理能力和知識庫結構方面與DeepSeek沒有顯著差異。
總體而言，開源大型模型的影響目前有限，它們之間的競爭步調非常激烈。
To C市場的危險
儘管To B市場的競爭非常激烈，但這並不意味著To C路線提供了更多的希望。
To C市場上大型模型的競爭也非常激烈，但它與To B市場非常不同。
市場格局不斷變化。
To C的貨幣化很困難。
最流行的應用程式不一定會產生最多的收入。例如，ChatGPT的收入最高，但OpenAI每年仍然虧損50億美元，而許多ChatGPT的「山寨」應用程式很可能已經實現了快速盈利；在DeepSeek流行之後，模仿者和造假者蜂擁而至。
從C端市場觀察「小老虎」的情況也不樂觀。智微與行業專家的交流普遍認為，大型製造商將帶來巨大的生存壓力。
姜少表示，在消費者市場中表現最好的「小老虎」是Moonshot AI的Kimi。但現在，騰訊的元寶排名第一，DeepSeek排名第二，抖音的豆包排名第三。前三家公司幾乎佔據了大部分市場份額。騰訊的元寶在微信生態系統的幫助下獲得了大量的客戶流量，而DeepSeek則以其技術創新和在多種場景中的出色表現脫穎而出。
梁赫表示，Kimi的大型模型技術與競爭對手沒有太大的不同，所以它只能是免費的，這使得Moonshot很難商業化。作為一個To C應用程式，目前尚不清楚它與元寶和豆包有何不同。而且，豆包可以得到字節的其他業務的支持，而元寶可以得到騰訊的其他業務的支持。他們可以投資1000億來支持這些應用程式。
姜少補充說，C端用戶更關心產品的易用性，而騰訊和字節更擅長這一點。當然，阿里巴巴也有機會。阿里巴巴正在孵化一個名為「AI聆聽」的應用程式，該應用程式使用人工智慧進行聊天和互動，旨在取代抖音在短影片平台上的地位。雖然抖音吸引了大量創作者來生成高質量的內容，但AI聊天應用程式有潛力通過提供更個性化和互動的體驗來吸引用戶群。兩者的區別在於內容創作和互動。如果阿里巴巴能夠突破這一點，它也有機會扭轉局面，但如果騰訊效仿，就很難說了。
關於MiniMax，行業觀點略有不同。
梁赫認為，MiniMax的Conch AI目前正在賺取可觀的利潤。它已經找到了自己的道路，但目前尚不清楚這條道路是否能夠讓MiniMax充分提高其估值。由於其應用程式導向，MiniMax在DeepSeek問世後更加放鬆。如果他們使用DeepSeek的模型，它將節省模型的研發成本，並且其應用程式可以繼續賺錢，甚至更多。
姜少認為，如果MiniMax以後可以創建一個流行的APP，它就有機會，但阿里巴巴可能會超過它並首先創建一個流行的APP，所以即使MiniMax有機會，可能性也不高。
最終，產品差異化仍然是C端應用程式的突破點。
根據a16z的最新報告「Top 100 Gen AI Consumer Apps」，許多低使用率的應用程式實際上可以實現更好的收入。一些通用性較差的產品，例如植物識別和營養，比通用產品更能吸引付費用戶。
通用AI產品很難區分。用戶的支付意願低，利潤週期長，所以它們無法在大公司中生存。
而且，如果差異化在垂直方向上不夠深入，也很容易被基礎大型模型通過容量升級內化。例如，最近GPT-4o的圖像生成能力給了文本到圖像的新創公司，如Midjourney，帶來了降維打擊。這種覆蓋能力通常是隨機且不可預測的，正如俗話說的那樣，「毀滅你與你無關」。
對競爭對手的像素級模仿和基礎大型模型的快速升級使得C端AI新創公司的風景幾乎總是只能維持很短的時間。
至於如何抓住極低的成為熱門的可能性，行業專家一致認為「基本上沒有經驗可以遵循」。
「小老虎」進入今天的困境，很大程度上是因為它們在基礎大型模型上投入了太多，並且低估了在這個賽道上生存和脫穎而出所需的人力、財力和物力，導致很難在應用程式賽道上進行差異化。
現在，「小老虎」越來越不堅定地攻擊AGI，李開復公開表示，國內基礎大型模型將只剩下DeepSeek、阿里和字節。
對此，與智微溝通的行業專家基本同意這一觀點。
姜少表示，仍在繼續努力研究大型模型技術的AI新創公司基本上必須死亡。最有前途的肯定是DeepSeek，第二是阿里巴巴，第三是字節跳動。第一名預計將獲得50%-80%的流量，而後兩者可能獲得10%的流量。核心在於誰先製造出AGI，誰才是最終的贏家。
DeepSeek目前在大型模型領域最具競爭力，其技術創新和在實際應用中的表現無可挑剔。阿里巴巴和字節跳動也具有很強的競爭力，尤其是在跨平台應用程式和數據資源方面。排名主要基於每家公司在基礎技術、計算能力、數據資源和實際應用中的創新能力。
智譜和Kimi團隊堅信，繼續增強基礎模型的能力才是未來。相比之下，我認為，隨著市場需求的變化和應用場景的多樣化，僅僅加強基礎模型的路線可能受到限制，而更靈活和適應性強的模型開發路徑可能在市場上更具競爭力。
大型模型技術的競爭非常激烈，投資巨大的公司最終必須在創新、計算能力、數據和優化方面有明確的突破，才能保持競爭力。其他無法跟上技術進步或無法應對市場需求的公司將逐漸被淘汰。
梁赫表示，未來國內基礎大型模型公司只會剩下DeepSeek、阿里和字節，這是基於這三家公司有實力和決心在研發上投入超資源。對於字節來說，不可能錯過大型模型的機會，否則會對其整體產生很大的影響。而且，DeepSeek的技術對於字節來說不會有太多的障礙，但DeepSeek目前在研發效率方面具有更大的優勢。阿里巴巴的千問開源模型本身就處於很高的水平。在DeepSeek流行之前，千問和Llama基本上是在互相追趕。對於阿里巴巴來說，千問模型可能不會賺錢，但相關的雲端業務可以賺錢，字節也是類似的，並且可以繼續使用大型模型技術來不斷優化抖音和其他Apps的體驗。對於AI新創公司來說，如果模型本身不賺錢，那就觸及了生存的根本。
王文廣表示，DeepSeek的優勢主要在於技術理想主義。在春節前後的兩三個月內，DeepSeek的流量巨大。如果它想商業化，它很快就會達到世界頂峰，而其他大型模型（如豆包）根本沒有機會。只要DeepSeek不公開最近開源周中與基礎設施相關的優化方法，它就可以依靠這一點在未來賺錢，這樣其他人就沒有機會了。DeepSeek沒有獲得資金，不需要受到投資者的影響。技術理想主義和人才才是最大的障礙。與OpenAI相比，OpenAI現在可以看到的成果基本上是Altman和Ilya發生爭端之前的研究成果。至少創新點已經確定了。現在，在最初的理想主義者團隊離開後，OpenAI本身幾乎沒有創新。目前，OpenAI的創新更多的是在應用層面，例如Deep Research。應用層面的創新沒有障礙，所以必須與競爭對手競爭。
一家大型工廠AI技術專家王沐告訴智微，除非有錢、有人才和有硬體，否則沒有必要在預訓練大型模型上浪費精力。 DeepSeek早在2021年就擁有一個10,000張卡的集群，並且不缺錢。相比之下，其他中小型公司很難湊齊這個條件。
高鵬表示，AI新創公司想要生存，仍然必須轉向應用程式。我一兩年前就這樣想了，現在轉彎可能太晚了。下一批被淘汰的AI公司將是那些製造基礎大型模型的公司。大型模型訓練實際上有很多複雜的細節，並且非常依賴經驗的積累。 Transformer架構的內部細節通常很容易理解，但開源或封閉源模型的論文基本上不會告訴你數據是如何準備的，數據細節是什麼，數據規模有多大，以及數據質量有多好。行業內沒有統一的標準。
開源開一半一直是大型模型賽道上的典型做法。目前，很少有大型模型會完全披露程式碼、權重、數據集和訓練過程。比較知名的有OLMo、BLOOM等。
然而，即使轉向應用程式可以生存嗎？從前面對To B賽道和To C賽道的分析來看，AI新創公司幾乎很難在應用程式中形成自己的行業壁壘。對此，高鵬表示，形成自己行業壁壘的關鍵在於你擁有什麼數據。模型可以被任何人使用。數據分為兩個方面：一是企業家的領域經驗，二是手中的數據。
從企業文化的角度來看，高鵬認為，基礎大型模型的研發需要一種實驗和工程上的努力精神。「在此之前很長一段時間，許多國內AI新創公司都太高調了。在做技術的時候，應該先低調地做，然後再高調地推廣。有些團隊的學術成分比較重，但學術界的人有時會過於理論地研究技術。在人才或團隊方面，大型模型團隊的成功主要取決於老闆是否了解大型模型。如果老闆不了解大型模型技術，或者沒有堅持的信念，因為它不賺錢，那根本行不通。 DeepSeek的成功更多地依賴於自上而下的組織模式。老闆非常了解技術細節，並帶領大家一起做。國內符合這種模式的模型太少了。」
關於業界對國內基礎大型模型最終贏家預測的熱烈討論，高鵬認為這種判斷為時過早。「能夠參與競爭的玩家的技術路線不會有太大的差異。只需遵循Transformer架構並進行詳細的優化即可。 Mamba和RWKV也有希望。關鍵是要穩紮穩打地做事，時間會證明一切。最終的贏家和前三名並不容易說。大型模型技術堆疊是一個非常複雜的東西，誰知道是否有很多默默無聞地做一件事的人，但時機尚未到來。」
在目前難以判斷模型贏家的情況下，數據已成為最重要的護城河。紅杉資本的合夥人Konstantine Buhler曾經說過，OpenAI在ChatGPT上犯的一個錯誤是不允許編輯回复，這本可以在反饋循環中提供更高質量的數據，並建立更深的護城河。
數據是否能夠讓某個行業在AI的幫助下進一步發展，或者在當前帶來新的商機也非常重要。張森森表示，AI落地的成熟度更接近金融和互聯網行業。我更看好AI辦公、AI政務和AI電子商務。這主要是基於其高度的數位化和業績的高度確定性。
「儘管電子商務相對成熟，但AI將繼續提高電子商務的效率，尤其是在商品推薦、客戶服務和物流優化方面。 AI可以通過更準確的市場分析和決策優化來提高電子商務平台的效率。這種效率的提高不僅是線下零售的延續，而且將帶來新的電子商務形式，尤其是在跨境電子商務領域，AI將幫助其爆炸性增長。」
「相比之下，金融業在2024年經歷了業績爆發，隨著AI業務的深入，2025年仍有很大的增長空間。」
「看看那些AI落地不成熟的行業，尤其是智能製造，有很多定制化的東西，每個企業生產的產品都不同，沒有統一的標準。因此，企業很難推廣AI工作自動化，數據的價格非常高，精度要求也非常高。儘管工業軟體基本上是智能製造落地的最早解決方案方向，但效果更好。然而，製造業的AI升級具有歷史負擔。大多數製造業的數據和信息化水平不夠，這導致他們在做AI時缺乏數據，尤其是異常樣本的收集幾乎不存在。複雜性也很高，例如設備類型數量多，數據標準不一致，這導致演算法的可轉移性差，經常忽略一些關鍵因素，如溫度、材料或一些不可預測變量的影響。此外，企業對感測器數據的關注存在偏差。對於各種感測器故障數據，企業主要關注會影響生產結果的數據。事實上，那些邊緣感測器數據很可能成為我們在未來利用整個製造業的創新和商業化的支點。 AI可以通過分析這些數據來發現潛在的優化機會，從而促進整個行業的進步。」
「而且，製造業的能力要求也與其他行業不同。它需要對問題進行實時處理，大型模型的延遲很難在這裡被接受。因此，智能製造在短期內沒有投資回報。當然，國家肯定會支持這個行業的AI。有可能在未來五年內發生大規模增長，機器人和AI將是一種雙重組合。」
歸根結底，對於新創公司來說，無論是做基礎大型模型還是做To B或To C，都很難找到堅實的護城河。沒有長期積累的數據或技術經驗，就不可能形成競爭壁壘。
因此，一旦一家新創公司在稍微出名的時候未能滾動雪球，它很容易逐漸衰落，最終找不到生存的理由。
當他們在某個時候摘下一個金蘋果時，那隻是命運女神在打個盹。