当前，AI行业迎来了以“大模型”为标志的新一轮创业热潮，大模型创业公司纷纷破土而出，欣欣向荣。然而我们也应该看到，传统的AI企业（如CV四小龙）也有过类似的黄金发展期，而如今都或多或少遭遇了发展的瓶颈。本文旨在通过两者的对比分析，深入了解它们在技术创新、商业模式、资本运作、市场竞争策略以及未来发展潜力等方面的异同，从而有助于洞悉AI行业的发展趋势，为投资者、分析师以及AI领域的创业者提供有价值的见解和策略参考。

CV“四小龙”

CV四小龙指的是中国在计算机视觉（Computer Vision，简称CV）领域内的四家领先的人工智能公司，它们分别是商汤科技、旷视科技、云从科技和依图科技。这些公司在计算机视觉技术的研究和商业化应用方面取得了显著成就，占据了中国计算机视觉市场的大部分份额，并在全球范围内也具有较高的知名度和影响力。

商汤科技专注于计算机视觉和深度学习原创技术研究，已成为亚洲最大的AI算法提供商。旷视科技以人脸识别技术为核心，提供个人物联网、城市物联网和供应链物联网的解决方案。云从科技孵化自中国科学院，是人工智能企业中的国家队，尤其在金融领域表现突出。依图科技则在安防领域获得市场认可，后扩展到金融、医疗、制药、芯片等市场。

“四小龙”横向对比

然而，当下的“四小龙”都在想方设法穿越周期。

2024年3月26日，商汤集团发布2023年业绩公告。财报显示，2023年集团实现总收入34.05亿元，上年同期收入38.08亿元，同比下降10.6%，主要原因是智慧城市业务的收缩。其核心业务生成式AI收入同比增长200%至12亿元，占集团总收入比例升至35%。与此同时，2023年商汤集团亏损64.94亿元，上年同期亏损60.92亿元，亏损同比扩大6.6%。可以看出，商汤仍然是“四小龙“的头部，新业务快速增长的同时，传统业务也在收缩。

在2023年，云从科技的总营收达到了6.28亿人民币，与前一年相比增长了19.43%，这一增长主要归功于其人机协同操作系统（CWOS）相关软件销售的大幅增长。然而，同年云从科技出现了6.4亿人民币的亏损，公司的总资产也比上一年下降了19.47%。云从科技的营收仍然依赖传统业务，暂时还没有看到新的增长点。

根据旷视科技的IPO文件，该公司在2018至2020年以及2021年上半年的营收分别为8.54亿、12.60亿、13.91亿和6.70亿人民币。同期，归属于母公司股东的净利润表现为连续亏损，分别为-28亿、-66.43亿、-33.26亿和-18.65亿人民币。旷视科技的业务主要分为三个部分：消费物联网、城市物联网和供应链物联网。以2020年的营收为基准，这三个业务板块的营收占比分别为18.47%、65.82%和15.71%。尽管城市物联网是旷视科技的核心业务，但与云从科技相似，旷视科技也在经历一定程度的市场缩减。

依图科技几年前就终止了IPO，其财务情况暂不可知。

AI是一个需要长期投入的领域，起伏是必然的。“四小龙”在发展过程中的成功经验与失败教训，对于当前的AI大模型创业公司来说又有哪些借鉴意义？

“四小龙”的发展历史

自2020年以来，国产替代趋势加速，本土品牌市场份额提升，“四小龙”抓住了这一机遇。商汤科技强化了其在AI算法供应方面的领先地位；旷视科技在人脸识别技术领域具有优势；云从科技凭借其“国家队”的属性，在金融领域取得显著成就；依图科技则专注于安防并拓展到医疗等新市场。它们通过多轮融资获得资金支持，在不断提升产品竞争力的同时也参与了国家标准的制定，共同推动了国产AI品牌的市场扩张和技术进步。

目前四家公司有的已经上市，有的还在蛰伏等待：商汤科技在2021年12月成功在港交所上市，是当年全球最大的人工智能公司IPO之一；云从科技在2020年8月在广东证监局办理了辅导备案登记，后经过一系列流程，于2022年5月在科创板上市；旷视科技科创板IPO于2021年3月12日获得受理，2021年9月9日成功过会，2021年9月30日提交注册，截至目前尚未完成上市；依图科技曾计划在科创板上市，并在2020年11月提交了IPO申请，但后来在2021年6月，依图科技主动撤回了上市申请，其上市进程因此暂停。

“四小龙”的上市历程表明AI市场仍处于早期发展阶段，需要更多时间和资金来推进商业化。再深入一步看，“四小龙”在具体的业务场景布局上存在同质化的问题。它们的核心技术都背靠计算机视觉技术的发展，商业模式也主要是B2B、B2G。

“四小龙”早期业务场景重合度高（千山资本2019研报）

所以，尽管在早期享受到了行业的增长红利，但随着BAT等互联网巨头的加入，市场竞争加剧，加上AI行业的资本热潮开始退却，四家公司不得不开始寻找差异化的商业模式和发展空间，向更多细分领域拓展。

旷视科技转型为物联网操作系统提供商，进军AI物联网领域。依图科技选择自主设计AI芯片，以解决软硬件融合问题，并发布了首款深度学习云端定制芯片“求索”。云从科技重点布局金融、安防、交通、商业四大业务板块，并在智慧商业领域取得突破。商汤科技则继续在多个领域进行广泛布局，包括教育领域，并成立了子品牌“商汤教育”……

可以说，CV四小龙的成功在于通过持续的技术研发与创新、明确的市场定位、积极的资本运作、利用政策支持与合作等多方面措施抓住了市场机遇。而持续的高额研发投入、AI技术的商业化落地困难、市场需求有限，特别是ToG市场竞争激烈且业务周期长，又导致了严重的亏损。此外，技术的快速迭代和场景的碎片化也使得标准化产品难以形成规模效应。

有了这些经验，现在让我们把目光投向AI大模型创业公司，看看它们的近况如何。

AI大模型创业公司概览

大模型是个新生事物，目前国内这方面的创业公司不算太多，曝光率比较高的有：月之暗面，智谱AI, 百川智能，生数科技和幂律智能等。

月之暗面是通用人工智能领域的创业公司，专注于开发C端产品，目前推出了支持200万字上下文的智能助手Kimi Chat，市场热度很高。

智谱AI是由清华大学计算机系技术成果转化而来，基于GLM系列大模型打造了ChatGLM对话机器人，在开源方面贡献了chatGLM-6B等预训练模型，并且与云厂商合作推广其AI服务。

百川智能是由搜狗王小川创立的人工智能公司，凭借在搜索技术和算法方面的积累，专注于开发大模型技术。目前开源了Baichuan系列基座模型，同时提供高级功能、定制开发和企业服务。

生数科技是一家专注于多模态大模型的公司，对标Midjourney，希望在图像生成、3D内容生成以及视频生成领域有所作为。

幂律智能则选择与智谱AI合作，基于千亿基座模型ChatGLM-130B推出了法律垂直大模型

PowerLawGLM，该模型已经在智能合同业务上落地，并升级至3.0版本。

不难看出，AI大模型创业公司选择的方向各有千秋，相比于“四小龙”而言更加多元，其中自有原因，我们一起来看一看。

AI大模型创业公司与“四小龙”对比分析

技术层面：计算机视觉技术起源于20世纪50年代末，它主要关注图像和视频数据的分析与理解，包括图像识别、目标检测、图像分割等领域。随着应用场景的复杂化，单一的CV技术面临着数据量大、场景多变的挑战。AI大模型技术是近年来随着深度学习的发展而兴起的，特别是自然语言处理领域的大模型，如BERT、GPT等，它们在处理大规模、高维度数据方面表现出色。AI大模型不仅限于文本和图像，还能处理视频、语音等多种模态的数据，在通用性方面要强于CV技术，但也需要更多的数据和计算资源。

产品与市场：相比于CV四小龙同质化的垂直领域产品，AI大模型企业在未来既可以做垂直领域又有可能走“平台化服务”的道路。借助于预训练和微调技术，AI大模型企业在垂直领域里可以利用专门数据帮助客户训练私有模型，而强大的通用模型则完全有可能成为平台级的产品，比如利用AI Agents技术在模型基础上创建丰富的应用。在市场方面，AI大模型企业凭借其多元化的产品能力，既可以走向传统的B2B、B2G市场，也可以触及更加广大的C端市场。每个创业公司都有自己的资源禀赋，具体是选择C端还是B端，需要创业者自己判断。就目前而言，国内大厂基本都偏向了B端，而创业明星公司基本都在走C端路线。

商业模式：CV四小龙主要通过向企业和政府提供定制化的AI解决方案来盈利，它们需要深入了解客户需求，提供个性化的服务，在实际操作中通过具体的项目落地，周期长，成本高。

而AI大模型企业通过提供API接口或平台即服务（PaaS）模式，允许客户根据自己的需求调用AI模型，能够快速扩展服务范围，降低边际成本，提高客户粘性。一旦客户认可品牌，变现方式也是多种多样，比如订阅、云服务收费、授权等。从理论上说，标准化产品成本低、见效快，当然更有优势，但竞争也更激烈。而大模型定制化开发的成本其实取决于客户自身的数字化程度，在交通、金融等基础数据丰富的行业实施就比较容易，反之则有项目范围扩大等风险。

资金流：对于创业公司来说，是否能在快速发展阶段融到足够的资金，决定了公司未来的市场份额。CV四小龙在早期都融到了支持其发展的资金。

“四小龙”截止2020年底的融资情况

“四小龙”2022年的市场份额

相对于传统的AI企业，由于训练和应用大模型的成本高昂，AI大模型创业公司在早期需要更多的资金，而当前国内一级市场的投资意愿并不强，预计只有极少数的大模型创业公司能融到足够的资金。比如月之暗面在2024年2月的新一轮融资，金额超过10亿美元；智谱AI在2023年也已累计获得超25亿人民币融资，可谓粮草齐备，整装待发。

AI大模型创业公司会如何发展？

2022年中国人工智能软件市场规模为307.3亿元人民币，相比2021年下降了6.9%，这是近十年来的首次负增长。在大模型热潮出现之前，人工智能市场缺乏有力的增长驱动，导致整体市场出现下滑。老牌上市企业在下滑市场中仍能实现小幅增长，而成长型企业则需要持续提供领先技术或找到稳定增长潜力的赛道。

对于AI大模型创业公司来说，乘着这一次技术革命的东风，无论是技术、产品还是商业的发展都十分值得期待。

在技术上，AI大模型公司起初往往专注于优化现有的模型架构，以提高模型的性能和效率，包括调整神经网络结构、优化参数配置以及改进训练策略等。后期随着技术的积累，领先的公司势必要开始自主研发新的算法，或是提出创新的数据处理技术，比如月之暗面就着重研发长文本处理技术。

产品路线方面，AI大模型公司在初期都会推出具有单一功能的产品，比如生成图像或自然语言处理服务，以此来验证技术的可行性和市场需求。而随着技术成熟和市场认可，公司会将服务扩展到平台化，这里的“平台化”不一定是综合解决方案，而可能是类似应用市场一样的服务。平台化服务能够满足更广泛的客户需求，增强客户依赖度，同时营造良好的应用生态，比如字节跳动的“扣子”，或者Kimi+这样的产品。

商业模式不是大模型公司的重点，但是它们仍然可以通过模式创新（API/PaaS/MaaS模式）带来稳定收入，比如模型即服务（MaaS）模式就允许客户在云端使用AI大模型，无需自行搭建和维护基础设施。一旦产品被市场接受，用户激增，这个时候就要想办法降低成本，比如OpenAI后期限制了API调用次数。毕竟AI大模型训练和推理需要大量的计算资源，控制算力成本是盈利的关键。

在市场竞争方面，AI大模型创业公司采用最多的还是差异化策略，因为大模型的市场非常广阔，有足够的空间容纳不同的产品。至于“四小龙”曾经用过的策略，比如依图科技的垂直整合（通过自研AI芯片来垂直整合算法、芯片和应用，有助于提高整体解决方案的竞争力），商汤科技的平台化战略，云从和旷视的多元化战略，可能都不适用，因为创业公司一开始就是在和大厂竞争。

特殊的挑战

CV四小龙遇到的技术创新瓶颈、市场竞争加剧与资本依赖，AI大模型创业公司也同样会遇到。除此以外，它们还要面对其他的挑战。

AI大模型需要大量数据进行训练，尤其是涉及私有数据时，如何确保这些数据的安全，防止数据泄露和滥用，是一个重要问题。在决定是否上云时，企业除了要考虑云服务的安全性、合规性、成本效益、以及灵活性，还有很重要的一点是供应商锁定风险，以及云服务能否支持有效的数据治理策略。

此外，高质量数据的获得成本正在不断攀升，比如Google就要为Reddit的数据每年支付超过6000万美元，创业公司无法支付这样的成本，必须思考其他的出路。而有了数据之后，AI大模型还必须对其进行安全性处理，确保模型不会生成包含隐私和敏感信息的内容。

与普通公司不同，大模型创业公司还有一个明显的特点，就是“人数少，文化强”，10人以下团队和工程师文化是“标配”。怎样凝聚人心并营造一个有利于创新的工作氛围，这是所有大模型创业公司都必须思考的问题。

大模型和生成式AI的技术突破与落地速度超出预期，技术实力和算力决定一切，预计将快速淘汰不具备真正实力的厂商。未来市场足够广阔，差异化竞争的空间很大，同时由于软件的边际成本很低，在通用领域也可能出现赢家通吃的局面。总的来说，机遇大于风险，未来值得期待！