在当下，AI 领域的竞争可谓白热化，新的应用如同雨后春笋般不断涌现，令人目不暇接。就如同韩国偶像团体一样，新面孔频繁登场，版本更迭迅速，各类造势活动层出不穷。然而，其中不少产品空有流量，却难以展现出与之匹配的实力与价值。与此同时，那些在十年前便投身 AI 领域的 “前辈” 企业，大多陷入了技术路线风险、转型艰难以及失去金主大力支持的困境，逐渐落后于时代潮流，与行业前沿拉开了一个甚至几个梯队的差距。这两类企业，共同构成了一个特殊的群体 ——“AI 掉队者联盟”。
以曾经在行业内占据头部地位的商汤为例，2021 年其赴港上市之际，堪称全球估值最高的 AI 独角兽企业，风光无限。但自 2022 年起，商汤的股价便一路走低，持续深度下跌。截至目前，其市值相较于最高点已蒸发超过 3000 亿港元，令人唏嘘不已。不仅如此，商汤的创始团队也经历了重大变动。科研实力卓越、被誉为人脸识别技术开拓者的汤晓鸥先生，于 2023 年猝然离世，这无疑是商汤乃至整个 AI 行业的重大损失。而联合创始人徐冰也在今年端午节前宣布辞去执行董事及董事会秘书的职务，转而担任 AI 芯片业务负责人。商汤在公告中指出，此次职务调整是公司整体人才部署与业务聚焦的重要举措。从某种角度来看，这也暗示着 AI 1.0 时代的核心技术，已难以引领企业在 AI 2.0 时代继续前行。尽管如此，商汤为了实现成功转型，展现出了破釜沉舟、再次创业的坚定决心。
其实，像商汤这样试图在 AI 2.0 时代奋力翻身的 “前浪” 企业并非个例。当然，这其中也包含了一些在发展过程中迅速沦为 “前浪” 的新兴企业。
转型：突破困局的尝试
整个 AI 1.0 时代，最为轰动的事件当属 2016 年 AlphaGo 击败韩国顶尖棋手李世石，这一里程碑式的事件极大地推动了人工智能的发展，吸引了全球目光。不过，在那个时期，中国的 AI 创业公司大多将宝押在了计算机视觉技术（CV）上，而非 AlphaGo 背后的深度学习技术。计算机视觉技术，主要涵盖人脸识别、图像检测等技术。在 AI 1.0 时代，这一赛道发展迅猛，孕育出了大名鼎鼎的 “AI 四小龙”，即商汤、云从、旷视和依图。
计算机视觉技术能够成为 AI 1.0 时代最早取得突破的子赛道，绝非偶然，而是多种因素共同作用的结果。从技术层面来看，当时该技术的成熟度较高，为其大规模应用奠定了基础。同时，其应用场景十分明确，在安防、金融等众多领域都具有广阔的应用前景。再者，中国庞大的市场为计算机视觉企业提供了丰富的数据资源，这是得天独厚的数据优势。例如，商汤通过与政府合作，获取了大量交通监控数据；云从则依托银行客户，积累了海量金融场景样本，这些数据进一步助力企业升级自身的核心技术。此外，市场对这类技术的需求也极为旺盛。以旷视科技为例，11 年前，即 2014 年，其推出的 Face++ 人脸识别系统，准确率高达 99.5%，远超传统方法，这一技术突破极大地激发了安防、金融等行业的付费意愿，为人工智能技术早期的商业化落地提供了有力支撑。在这些因素的共同推动下，“AI 四小龙” 迅速崛起，成为资本市场的宠儿。
然而，好景不长，“AI 四小龙” 前期的辉煌建立在两个关键假设之上：一是技术领先必然能够转化为商业优势；二是政府支持能够持续创造市场需求。但自 2020 年起，这两个假设均被现实打破。在政策方面，中国人工智能战略在 2020 年后发生了重大转向，更加注重应用落地。政策重心的转变，使得那些依赖单一政策支持的商业模式难以为继。这种国家级战略的调整，深刻影响了投资人的决策。简单来说，投资人不再愿意毫无节制地为 AI 四小龙提供资金，任由它们持续烧钱研发而忽视亏损问题。此后，市场开始高度关注 AI 四小龙的财务状况，迫切希望它们的产品能够在各类产业中产生实际业务和现金流。以商汤为例，2024 年其营收为 37.72 亿元，虽然实现了 10.8% 的同比增长，但与 2021 年的历史峰值 47 亿元相比，仍低了 19.7%。而在亏损方面，2024 年商汤净亏损 42.78 亿元，平均下来每天亏损高达 1172 万元。尽管亏损额相较于 2023 年的 64.3 亿元有所收窄，降幅为 33.7%，但其绝对值仍超过了全年营收。
在巨大的财务压力下，人力资源成本成为 AI 四小龙不得不面对的棘手问题。商汤自 2021 年起，员工总数从 6113 人缩减至 4672 人，大量非核心业务被裁撤；云从去年实施了全员降薪 20% 的举措，而今年其核心技术团队更是纷纷出走；依图科技的裁员幅度更是惊人，达到了 70%。
随着 ChatGPT 的横空出世，AI 领域进入了技术路线截然不同的 AI 2.0 时代。对于 AI 四小龙而言，实现技术转型，尤其是向市场证明自己具备迈入 AI 2.0 时代的能力，已然成为当务之急。
改命：在新赛道中寻找生机
与 AI 1.0 时代相比，AI 2.0 时代最显著的特征便是大规模预训练模型的兴起。这些模型通过对海量数据的预训练，具备了强大的通用语言、图像理解能力，并且能够通过微调快速适应各种具体任务。ChatGPT 的出现，标志着人工智能技术实现了根本性的变革，似乎 AI 2.0 时代的人工智能才是推动社会进步所真正需要的。AI 1.0 与 AI 2.0 在技术架构上存在着本质差异，这直接导致了两者在应用场景和商业价值上产生了巨大分野。
以第四范式为例，十年前，它主要从事机器学习平台业务，如今则成功转型为 Agent 服务商。这种业务的迭代升级，生动地反映了行业发展的趋势变化。所谓 AI Agent，是指能够主动感知环境、规划目标并运用工具执行任务的智能体，形象地说，就如同企业的 “数字员工”。在垂直领域的商业化落地过程中，这种模式效果显著。因为垂直领域通常具有清晰明确的业务流程和标准化的需求，AI Agent 能够针对这些特定场景进行深度优化。而且，在长期运营过程中积累的行业专有数据，如金融交易记录、医疗影像数据等，能够较为轻松地应用到同垂类其他企业的流程优化中。基于此，第四范式明确提出了 “Agent 负责沟通需求，世界模型解决垂直问题” 的双核架构，通过新业务 Agent 反哺先知平台老业务。近日，第四范式发布了医疗行业 AI 智能体解决方案，借助 “AI Agent + 医疗行业模型”，为医疗机构提供从诊疗服务到运营管理的全方位智能升级。受此利好消息影响，公司股价出现异动，6 月 4 日涨幅超过 4%，6 月 9 日更是大涨 9.79%。
思必驰也采用了类似的模式，通过深耕垂直领域，在众多拥有大厂背景、专注于通用大模型的竞争对手中，努力寻找属于自己的生存空间。与第四范式走 “软件路线” 不同，思必驰走的是 “硬件路线”。其硬件产品丰富多样，主要包括 AI 语音芯片、AI 模组、AI 终端等，广泛应用于智能汽车、智能家居、消费电子等多个领域。截至 2024 年，思必驰自研的 AI 芯片年出货量已超过 2000 万颗，新增 IoT 类设备达 1.6 亿台。对于一家创业公司而言，能取得这样的成绩实属不易。然而，在思必驰首次冲击 IPO 时，上交所上市审核委员会在审议过程中，重点对思必驰的核心技术是否具备足够的硬科技属性，以及其在市场竞争中的差异化优势是否有效提出了质疑。实际上，这一质疑同样适用于所有仅能在垂直场景中立足的 AI 创业公司。毕竟，一旦通用大模型取得彻底成功，垂直领域的 AI 公司将面临技术壁垒被打破、成长天花板被压低的严峻挑战。在 AI 2.0 时代，资本市场留给企业证明自身盈利能力和经营可持续性的时间十分有限。
尝试：探索破局之路
商汤深知，作为 AI 1.0 时代的 “遗老”，若想在 AI 2.0 时代继续立足，必须向市场证明自己具备进入多模态竞技场的实力。在这一系列谋划中，算力成为了关键基础。商汤大装置构建了面向大模型训练和推理的 AI 原生云算力基础设施，旗下位于上海临港的 AIDC 于 2022 年 1 月正式落地启用，其峰值算力高达 9400P，是亚洲最大的人工智能算力中心之一。与此同时，商汤持续对自己的大模型进行迭代升级。其 “日日新大模型” 自 2023 年 4 月发布 1.0 版本以来，至今已更新到第 6 版，并且在权威大模型测评机构 SuperCLUE 的评估中，被认可为国内大模型第一梯队。然而，当我们审视这个榜单中其他大厂的名字时，不难发现，商汤若想保持技术优势并争取商业优势，面临的难度不容小觑。
以腾讯为例，在自研大模型的竞争初期，腾讯的表现并不突出。但它巧妙地抓住了 DeepSeek 开源的技术红利，结合自身强大的腾讯云和微信生态，成功实现了商业化逆袭。一个有力的佐证是，接入 DeepSeek 后，腾讯原有业务的活跃用户数量显著增长。截至 2025 年 3 月 31 日，微信 / WeChat 的月活跃账户数达到 14.02 亿户，相较于 2024 年 12 月 31 日的 13.85 亿户有了明显提升。腾讯在 2024 年 Q4 及 2025 年 Q1 的财报中多次强调，对 AI 技术的持续投入将为公司带来长期的增长动力。与腾讯等大厂相比，商汤等 AI 创业公司面临的盈利困境则严峻得多。大厂凭借自身雄厚的人力、财力资源，庞大的流量入口以及完善的商业生态，再借助 AI 技术开源的东风，能够轻松迈向纯 AI 创业公司难以企及的高度。
同样的困境也降临在 AI 2.0 时代的 “前辈” 月之暗面身上。DeepSeek - R1 等开源模型的出现，其性能对标 GPT - 4，且免费开放 API，这直接削弱了月之暗面在长文本技术方面的壁垒。大厂们纷纷整合开源模型来优化自身产品，就连月之暗面背后的 “金主” 阿里也不例外，它们能够以更低的成本实现高性能，这使得月之暗面的差异化优势逐渐丧失。随之而来的，是市场对月之暗面投资回报率和未来盈利能力的强烈质疑。与 AI 四小龙相比，月之暗面目前面临的窘境在本质上有诸多相似之处。因此，月之暗面也在积极努力，试图证明自己在多模态领域的进展。月之暗面创始人杨植麟近期向媒体透露，多模态是公司当前持续重点投入的方向。在看到 OpenAI 发布的 GPT - 4o 强大的多模态能力后，月之暗面计划 “探索一些独特的路径，以更好地适配市场和用户的实际需求”。
多模态，作为当下人工智能领域的热门方向，是指人工智能系统通过整合文本、图像、音频、视频等多种感知模态，实现综合理解与生成的技术范式。由于多模态涉及多种复杂的感知模态，目前市场对于究竟哪种产品形态能够在该领域脱颖而出，以及如何实现商业化成功，仍处于迷茫和探索阶段。无论是投入成本还是产出效益，都充满了不确定性。以旷视为例，由于未能在 AI 1.0 时代完成上市，如今的旷视一边积极推动其多模态大模型与麒麟 AI PC 操作系统融合，响应国家的信创政策；一边与吉利展开合作，在高阶智能驾驶领域投入重注。归根结底，这都是因为在商业化路径尚不明确的情况下，企业只能通过多种尝试，增加成功的可能性。
“AI 掉队者联盟” 虽然面临着诸多严峻挑战，如技术路线的巨大转变、大厂的激烈竞争、资金压力以及市场对其盈利能力的严苛考验等，但它们也并非毫无机会。通过聚焦垂直场景、押注多模态技术、积极拼抢算力资源等一系列转型举措，部分企业已经展现出了一定的潜力。然而，要想真正实现 “改命”，在竞争激烈的 AI 市场中重新站稳脚跟，它们仍需在技术创新、商业模式优化以及市场拓展等方面持续发力，精准把握市场需求和行业发展趋势，才有可能在这场 AI 变革的浪潮中逆袭成功 。