AI 1.0 技术财富或成大模型 AI 2.0 历史包袱，商汤科技等公司步履蹒跚

在AI的发展过程中，AI1.0阶段的各种状况对于AI2.0来说，既是机遇也是挑战。这种双重性值得我们深入研究和探讨。

AI1.0业务的风险聚集

AI1.0主要服务于大企业和大型项目。许多传统AI项目，都将大量精力集中于大型企业的单一项目上。这种业务模式使得风险高度集中。一旦相关领域遭遇经济逆周期调节，比如2008年金融危机对某些AI业务的冲击，这些公司的收入便会迅速减少。这种风险过度集中的问题，是AI1.0业务模式的一个严重缺陷。带着这样的历史问题进入AI2.0时代，无疑是不利的。

从AI2.0公司的视角来看，我们应深刻意识到，在当前的环境下，必须从根本上认识到这种风险聚集所带来的危害。我们不应再走AI1.0的老路。

商汤的三位一体战略

商汤科技期望摆脱当前的困境。为此，他们提出了“大装置—大模型—应用”三位一体的战略构想。这一战略通过将算力大装置（SCO）、大模型（CNI）和应用无缝结合，实现以应用推动模型发展，以模型促进算力优化。从理论角度来看，若实施得当，这一战略有望吸引来自各行业的智能化客户。以智能安防领域为例，不同客户的需求得以整合，这不仅丰富了客户群体，还分散了业务风险，增强了企业的商业韧性。

实施战略的过程并非毫无波折。在实际操作层面，必须妥善处理算力、模型与应用三者间的复杂关系。许多企业在初期规划得相当周密，但在实际推进过程中，协调问题却频繁出现。

新客户拓展的难题

新客户拓展对于AI2.0来说至关重要。然而，这一过程需要时间来逐步推进。商汤科技的先进设备与大型模型在初期主要还是集中在原有的优势领域，对营收的促进作用相对较小。以商汤的“大医”医疗大模型为例，尽管它在技术上获得了认可，并入选了2024年的“CCF十大技术公益优秀案例”，但其商业化进程并未达到预期效果。

新客户倾向于选择“多模”部署方式。以大型企业布局AI为例，它们通常会同时尝试多个大型模型。这种情况给商汤科技等企业带来了巨大的压力。若减少投入、降低模型更新速度，就可能落后于竞争。而若不努力吸引用户将全部数据导入自家产品，也难以在市场上占据主导地位。

尽管调用量增长营收无改善

数据显示，超过3000家行业领军企业采用了商汤的大规模模型和智能计算服务。其中，“日日新”大模型的整体调用次数增长了400%。然而，商汤的营收并没有明显增加。这主要是因为调用量的增长并未转化为实际的商业收益，而且流量变现的途径并不顺畅。这一现象也暴露出当前AI商业模式在实际应用和收益获取方面存在一定的脱节。

众多AI企业常常只重视技术研发和服务的推广，却缺少成熟的商业转化路径，这种现象在当前市场上显得尤为突出。

AI1.0的产品演进短板

AI算法与互联网或软件产品不同，它们在成熟稳定后并不能像前者那样实现裂变式的增长。在当前的大模型浪潮中，AI1.0的公司普遍遇到了问题。这些公司在产品的发展上原本就存在不足。比如，有一家之前发展势头很好的人脸识别AI企业，由于没有持续进行产品的迭代和演进，最终被市场所淘汰。

在当前的大模型时代，即便“大装置+大模型”组合在C端或B端并未形成绝对优势，这一点足以说明产品市场匹配（PMF）的探索仍待深入。同时，我们也需重视产品的不断进化与进步。

获取商业市场和资本支持的关键

如今，对于商汤科技这样的AI1.0企业来说，要增强业务韧性面临着诸多挑战。它们的组织规模庞大，成本高昂，一旦资金链断裂，转型过程中很容易受阻。若想重新赢得商业和资本市场的信任，关键在于迅速完成产品市场契合度（PMF）的验证，以展示其在技术和商业上的持续发展潜力。唯有如此，它们才能在AI2.0时代稳步前行。当前，投资机构在评估AI项目时，不再仅仅关注其技术亮点，而是更加重视其将技术转化为商业价值的前景。

在AI2.0时代，企业的发展面临一难题：究竟是技术研发占据主导，还是商业转化模式更为关键？期待大家的观点，欢迎留言、点赞及转发。

内容来自网络，如有侵权，联系删除。