配图来自Canva可画
自去年GPT-4爆发以来，国内产业界围绕AI大模型的炒作，就逐渐进入了高潮。资本市场上，所有与AI相关的公司，都挨个轮动涨了个遍。
不过，仔细翻看AI四小龙的财报不难发现，曾经的AI“老江湖”，基本面依然没有太多改善。面对急速而来的大模型，其普遍稍显迟钝，动作甚至比不上一些传统的大厂和AI初创公司，但好在AI四小龙，终究还是搭上了AI大模型的“便车”。
AI四小龙“搭上”大模型“便车”
2023年在国外AI大模型爆发之后，国内也迅速兴起了一股追赶浪潮。百度文心一言、讯飞星火、华为盘古、360智脑、阿里通义……一时之间国内巨头们蜂拥而至，好不热闹。
在国内掀起AI大模型浪潮之后，商汤科技和云从科技，纷纷面世了“日日新SenseNova”大模型体系和“从容”大模型，迟迟没有动静的依图科技和旷视科技，则被质疑为“难产”。直到去年11月份和今年1月份，后两者的大模型才姗姗来迟。不过虽迟但到，它们总算还是搭上了大模型的“便车”。结合AI四小龙的现状来看，主动搭AI大模型这趟“便车”，不仅是顺势而为，也是其寻求破局的重要路径。
首先，AI四小龙在各自的应用领域，都拥有相当深厚的数据基础，顺势推出行业大模型的条件得天独厚。比如，商汤科技在计算机视觉、语音识别、自然语言处理等领域，都有着先进的技术和领先的优势，因此商汤科技的AI大模型，呈现出“多而通”的特点，其基于自家技术，形成了“日日新”体系下的一系列大模型，如语言大模型“商量”、AI文生图创作“秒画”、2D/3D数字人生成“如影”、大场景、小物体生成“琼宇”“格物”等一系列生成式AI模型及应用。
相比商汤科技，旷视科技则在人脸识别领域，有着丰富的经验和技术积累，目前正逐步从过去的AI视觉领域，切入多模态大模型领域；依图科技在语音识别和自然语言处理领域，有很多创新和领先的技术，其大模型依旧围绕医疗、安防等传统业务领域；云从科技则擅长提供，智慧金融、智慧出行、智慧城市等方面的解决方案，其AI大模型核心围绕智能城市进行。总之，各家的优势领域不同，各家推出的大模型聚焦的方向也不同。
其次，大模型可以加速AI四小龙进行业务重塑，有利于其降本增效。一来，有了预训练大模型，用户需求端到端的时间以及成本会被极大压缩。一方面，用大模型技术替代过去的小模型，可以极大压缩生产过程周期，降低算法研发成本，让客户更快享受到技术的红利。另一方面，通过算法和算力的端到端整合，也能带来成本最小化。比如，过去做1万路视频智能化，得用16个机柜，现在算法和算力实现端到端整合后，只用一个机柜就可以解决所有问题，但整体成本却下降了80%。
对于常年亏损的AI四小龙来说，降低研发成本提升客户体验，早已成为了当务之急。财报数据显示，商汤科技2023财年上半年业绩报告显示，本期总营收14.33亿人民币，较上年同期的14.15亿人民币增长了1.27%；净利润率-217.9%；云从科技2023年上半年营收1.64亿元，较上年同期3.91亿元下降58.16%；净亏损3.04亿元，上年同期的净亏损为3.25亿元。如果说此时有什么能够拯救四小龙的话，那么AI大模型绝对是希望之一。
老问题未解
虽然计算机视觉领域，是AI四小龙的传统强项，但这并不意味着它们在这一领域没有对手。而且由于常年亏损，AI四小龙的商汤、旷视、依图、云从等的“基本盘”都面临困境。
首先，AI四小龙所在的细分领域巨头林立，被巨头业务冲击带来的“后遗症”，至今仍没有得到缓解。在AI四小龙创立早期，其主要围绕智能安防、医疗、金融等业务场景展开，但各家侧重点不同。比如，旷视科技主要聚焦人脸识别平台Face++升级，将物联网业务视为未来业务的增长点，前期主要为包括蚂蚁金服等在内的金融公司服务，但后期随着巨头加大在人脸识别等技术领域的自研，其业务迅速遭到冲击。
无独有偶，依图科技、商汤科技、云从科技等也面临相似的困局。以医学影像分析为主战略的依图科技为例，其在转型AI芯片+算力厂商之后，面临的竞争对手，直接变成了寒武纪、英伟达、百度和华为等科技巨头，其压力可想而知。在安防领域，AI四小龙与安防巨头的合作，伴随着海康威视、大华等巨头的自研算法，也宣告了中断。随着AI四小龙与主要互联网科技大厂的合作中断，其不得不直面巨头们“软硬一体”的“降维打击”。
为了避免跟巨头产生恶性竞争，AI四小龙纷纷转向了其他方向。比如，云从科技主打人机协同操作系统，旷视科技进军AI物联网，依图科技发力芯片，商汤则讲述平台化的故事。由于业务退出造成的营收下滑，导致其面临的经营形势持续恶化。
其次，AI四小龙目前很多业务仍然处于投入期，经营压力仍然未有效缓解。以云从科技为例，过去云从科技一直保持着研发投入大于营收的增长，但其商业化落地一直未能兑现。比如，其多次提及的人机协同系统，至今营收也没有取得爆发性增长，这项业务创造的营收，仅占其总营收的3.6%，至今为止扛大梁的业务，依旧是人工智能解决方案业务。但从2021年开始，这块占到总营收5成以上的业务始终处于下滑状态，从9.34亿缩水至2023年的3.66亿。
企业重点发展的新业务增长乏力，支柱业务却连连下滑，市场因此拒绝为云从的愿景买单。4月7日晚间云从科技抛出的数份公告中，其中之一便是将AI精灵（AI Agent）的募资目标从46.35亿元下调为18.52亿元。四小龙的其他几家中，旷视科技专注智慧物流领域，近年来逐渐斩获订单，但整体市场规模较小，且考虑到旷视科技已经多年未曾融资，因此这块儿的收益，相对其整体亏损或许依旧是杯水车薪。商汤科技则继续在智慧城市、交通等领域布局，并在汽车领域与包括哪吒等在内的诸多车企建立了合作，但考虑到其在其他业务领域的巨大投入，其目前也存在经营压力。
总体来看，AI四小龙当中，除了云从科技之外，其余几家基本上，已经有了相对清晰的业务路径，但当下很多业务仍处于投入期的状态，仍然没有得到改变。
配图来自Canva可画
大模型新问题又至
另外，尽管当前AI大模型相当火热，但是之后仍然要面临落地“难”的问题。尤其是相比上一轮AI而言，这一轮的AI发展呈现出了很多全新的特点，而这些都是其在商业化过程中必须直面的情况。
首先，AI四小龙将面临全新的融资环境，以及更大规模的市场化竞争，这对企业自身的造血能力提出了更高的要求。随着全球流动性衰减，科技企业的高估值很难保持，庞大如谷歌，都在裁员“降本增效”，融资难度相比之前更大了。比如智谱AI的融资水平，就明显不及当年的商汤科技。同时，大模型又是一个重投入的行业，基座模型的技术竞赛，也远远没到终结的时候，持续向上探索意味着长期烧钱，需要的资金规模也更大。
而吸取了上一轮AI投融资经验的投资人，面对大模型的火热显得格外冷静，在选择AI项目时候，也更加看重AI企业自身的造血能力。比如，知名风险投资人周啸虎就表示，未来投资必须考虑所投企业能否进行分红的因素。
其次，AI的标品化依旧很难。在中国做AI，照搬OpenAI是绝对不行的，要看到铁一般的事实：中国toC市场，对AI等软件产品的付费意愿不高，监管严格很难做，真要做也要配备庞大的团队去确保安全合规，投入并不小。toB市场也有很大的差异，国内企业大多不信任SaaS模式，更倾向于私有化部署，行业市场分散，中小客户众多，需求纷繁复杂，高薪的算法工程师，到一线做一个几十万的项目很常见。
至于toG市场，智能化项目竞争激烈，而且事多钱少利润薄，上一轮机器视觉公司基本在做自动驾驶、智慧城市、安防等业务，都挣的是辛苦钱。一般来说，CV计算机视觉类项目费用，是比NLP自然语言处理类高的，所以大语言模型想要靠项目制获得高客单价，也是很困难的。说到底，TO B市场和TO G市场的AI项目，大多以解决方案式落地，政企机构更希望打包式引入AI、云、IOT等软硬件，针对自身打造定制化方案，AI产品无法以标准化、模块化的形式快速交付，前期需要投入很高的成本。
以此来看，未来AI大模型的整体投入或许更大，单个项目的收益却并不会太高，摆在各路参与者面前的商业化挑战，或许将比上一轮机器视觉遭遇的挑战更大。
AI老人“难闯”新难关？
站在当下来看，AI四小龙仍处于艰难的转型期，尽管AI大模型的确带来了新的机会，但能否借助这波AI风口迎风而上，却值得商榷。
一方面，AI大模型及其衍生应用的快速发展，的确为AI四小龙带来了价值重估的机会。作为早期AI领域的“先行者”，AI四小龙经历过行业“爆炒”的风口期，也经历过热钱不在、节衣缩食的困难期，因此面对行业的风口，有更多“风口”经验的AI四小龙，显然更能够把握住这次机会。某种程度上来说，作为国内计算机视觉领域的先行者，AI四小龙凭借早期在视觉算法领域的贡献，促使海康威视、大华股份等企业，进一步加大相关领域的研发投入，这才成就了中国在全球安防领域的领先地位。
作为先导性的AI先驱，四小龙早期走过的与产业结合的模式，为如今AI与行业数字化的推进，提供了有益借鉴。另外，在这一轮应用落地过程中，已经积累了丰富经验的AI四小龙，或许可以更快地进行AI的商业化应用，毕竟产业数据对AI大模型的应用，将起到至关重要的作用。
另一方面，围绕智能化、数字化转型，国内已经有多个领域的龙头公司参与大模型竞争了，这意味着接下来围绕行业大模型的竞争将会空前激烈。比如，企服龙头用友，就推出了自己的企服大模型YonGPT，网易有道推出了自己的教育大模型—子曰大模型……在这种情况下，AI四小龙将免不了要与各领域的顶尖龙头过招。
考虑到AI四小龙当下的现金流状况，其想要在加大研发投入的同时，与各领域的行业巨头在大模型领域展开竞争，势必要耗费更大的投入，这必然会对其现金流状况造成不利影响。因此从更长远来看，AI四小龙想要走得长远，最好的办法就是加强与各领域的行业企业合作，加大开源力度、广交朋友，聚焦To B、重视现金流，以“长跑”的韧性赢得比赛。返回搜狐，查看更多
责任编辑：