AI 1.0公司的节节败退

北京时间10月4日，WTT北京大满贯赛女单四分之一决赛迎来了一场焦点之战，孙颖莎对阵伊藤美诚。这场比赛，孙颖莎发挥出色，直落四局横扫伊藤美诚。孙颖莎和伊藤美诚在东京周期曾经是主要对手，不....

商汤科技又裁员了，并不算行业新鲜事，新鲜的是，这次裁员发生在积极拥抱大模型之后。

成立于2014年的商汤科技，是2014—2015年的AI 1.0创业潮中拿到桶金的领头羊，并率先登陆资本市场，成为AI 股。某种程度上，商汤科技的波折也代表了那一轮AI 1.0公司的整体困境。那就是在大模型的转型中，拿到了桶金的AI公司，似乎一步跟不上，就步步跟不上。

2023年，商汤科技开启战略大调整，积极推广SenseCore商汤大装置，并发布了“日日新SenseNova”大模型体系。但目前看效果并不理想，组织架构调整和更大规模的裁员已经开启。尽管如此，商汤科技的大模型产品和收入，已经是AI 1.0公司中表现最出众的，没有之一。

创新不易，对于AI企业的一时挫折应该包容，搞清楚困顿背后的原因，有助于企业和业界更好地前行。

我们不妨以商汤科技为例，聊聊拿到了AI创投桶金的AI 1.0公司们，是如何在大模型浪潮中节节败退的。

对于商汤科技等AI 1.0时代的领头羊企业，业界和大众有一个普遍印象：有技术信仰。

高度重视基础科学研究，拥有全球顶尖的实验室、人才、论文成果等，让商汤科技点亮了极具竞争力的科技树。但这棵“AI 1.0科技树”直接移栽到AI 2.0的大模型土壤上，就出现了水土不服。

以商汤科技的AI 2.0战略核心：大装置+大模型，都在延续过往技术路线，带来的成本压力远大于收入增长。

先说大装置。

大装置是商汤科技在2021年提出的，当时市场上的AI基础设施和MaaS服务都是稀缺的，模型开发的算力资源问题，只能自己去建。随着大模型到来，SenseCore商汤大装置的MaaS（大模型即服务）万象模型开发，则提供基于商汤日日新千亿级大模型的MaaS服务。

但想要靠大装置MaaS服务盈利，希望渺茫。

首先是前期投入大。AI基础设施云服务是一个“重投入、重资产、长回报周期”的市场，早期成本居高不下，这可能会在长期影响商汤科技的营收状况。

其次是竞争激烈。IDC近日发布MaaS报告《中国模型即服务（MaaS）及AI大模型方案市场追踪，2024H1》显示，2024年上半年，商汤科技（商汤大装置万象）占据14.8%的市场份额。BATH（、阿里、腾讯、华为）等头部云厂商都积极推广自家大模型+云服务，商汤科技与这些头部AI云服务商相比，缺少显著的成本优势和用户规模优势，进一步扩大份额，需要投入更多的市场营销成本来进行推广。

在这种情况下，以算法见长的AI公司，又很难像基础服务商一样俯身下来、双手沾泥，这就导致营销成本畸高。

比如“大装置”这个叫法，就是类比高能物理学中的粒子对撞机，虽然炫酷，但对于行业的非技术人员来说，就形成了很高的认知门槛，乍一听根本不知道大装置到底是干嘛用的，不得不通过大量曝光和市场品牌活动，来进行心智培养和用户教育，成本进一步上升。

“大装置”靠不住，那大模型总该是AI公司的舒适区了吧？目前来看，商汤科技坚持以此前积累的核心能力，如视觉感知和多模态模型为主，却一直在将自己推离舞台中心。

一开始，AI 2.0浪潮是以大语言模型的突破性进展为先导的。Ch GPT火了之后，很多NLP科学家都表示，自己做了十几年的工作显得毫无意义，而LLM跟商汤科技长期深耕的CV领域就更远了。这就导致在波以自然语言交互、ch bot等应用为主的LLM浪潮中，商汤科技远离了大众视线。初创公司中，热闹是“AI六小虎”的，商汤科技推出的“日日新大模型”并没有激起太大方向。

而随着Sora、4o等图像和多模态模型问世，尽管商汤科技此前在计算机视觉上的技术积累可以复用，但品牌上与主流市场认知的断裂，已经很难弥补，这让商汤科技失去了在多模态领域的市场话语权，无法建立起鲜明的品牌辨识度。

比如今年上海世界人工智能大会，商汤科技主推的SenseAuto绝影，强调端到端自动驾驶、多模态场景大脑，但相比自动驾驶公司、头部云厂商的汽车云等，对主机厂的吸引力比较有限。

（网友评论商汤科技裁员事件）

总结一下，AI 1.0的“技术财富”也可能是大模型AI 2.0的历史包袱。而抱着AI 1.0科技树不放，导致这一批AI公司在追赶大模型的道路上步履蹒跚，一步跟不上，步步跟不上，越来越远离主流视野。

AI 1.0阶段，商汤科技等CV业务蓬勃发展。商汤作为当时中国最大的计算机视觉软件公司，业务覆盖智慧商业、智慧城市、智慧汽车和智慧生活四大板块。尽管看起来客户构成多元，但深入观察会发现，业务的逆周期抗风险能力并不高。

智慧商业、智慧城市的核心业务，其实是安防，随着房地产收缩、智慧城市建设放缓，而呈现出较大的调整，业务量持续缩减。而自动驾驶、医疗则是“赔钱赚吆喝”，本身业务规模比较小，也成为前不久10月轻量化调整的重灾区。

总结一下，AI 1.0的业务主要集中在大企业、大项目上，导致风险比较集中。一旦该领域出现逆周期调节，就能让AI公司收入萎缩。

以大模型为基础的AI 2.0，商汤科技显然是希望构建起更具韧性的客户构成。在的“大装置－大模型－应用”三位一体战略中，通过算力大装置（SCO）、大模型和应用（CNI）的无缝集成，以应用驱动模型，以模型带动算力的优化，成为最懂算力的大模型服务商，和最懂大模型的算力服务商。

理论上说，三位一体战略可以吸引各行各业的智能化客户，增加客户的多元构成，分散业务风险，增强商业韧性。

实践中看，执行起来有较大的难度。

一是过去的底牌难以复用，优势不在。算力服务、AI服务针对的是央国企、运营商、互联网企业、泛科技公司等数字化能力较好的批大模型探索者，与此前智慧城市、智慧安防等领域的各地、房地产公司、物业、中小学等客户相比，对服务商的能力要求有显著差异。比如CV安防看中的算法精度、鲁棒性、响应及时等，算力服务商、模型服务商则看中成本优化、服务支持、算效、可靠性等。这意味着商汤科技必须重新构建一套能力，作为吸引新客户的。

二是新客户拓展需要时间，所以大装置+大模型的落地还是在此前的优势领域，对营收的贡献有限。比如基于“商量”大模型的医疗大模型“大医”，虽然在技术圈内反映良好，成功入选了2024“CCF十大技术公益优秀案例”，但在商业化上却不达预期，医疗也成为此次裁员的重点。

此外，新客户往往倾向于“多模”部署，会在业务中引入多个大模型来做尝试。这种“赛马机制”给商汤科技造成了一定的压力，既不能缩小投入、降低模型迭代频率，又很难凭借压倒性优势吃下整个市场，吸引用户把全部数据放到自己的产品上。有数据显示，已经有超过3000家行业头部企业使用了商汤的大模型及智算服务，“日日新”大模型的整体调用量增长了400%，尽管如此，营收情况并没有显著改善。

重建业务韧性，是AI 1.0公司所必须做，实际上困难重重的一件事。

技术在迭代，客户在变化， AI公司跟传统的互联网厂商、SaaS软件商最大的区别，就是可演进性。AI算法不像互联网产品或软件产品，一旦产品成熟稳定，就可以通过裂变式增长，获得指数级回报，摊薄研发成本。

算法往往要在实际业务场景中不断迭代，甚至由于底层模型的能力切换，而推翻重做。因此，AI公司的可演进性就很重要了。每一轮技术浪潮，都要转变为推动AI公司继续向前发展的动力，而不能搁浅在途中。

在这一模型浪潮中，AI 1.0公司的集体搁浅，暴露了在产品演进性上的短板。

AI技术的可演进性，要求每一次都能重新做好PMF（产品市场匹配）。显然，AI 1.0时代，计算机视觉与智慧安防、AI工业质检、人脸识别等业务场景的匹配，就取得了商业成功。

但大模型时代，“大装置+大模型”既没有拿下C端应用，也没有在B端获得压倒性优势被调用，说明PMF还有探索的空间。

没有完成PMF，新的商业收入源泉尚未形成，随着AI创投进入秋天，桶金花完后难以得到新的规模投资。缺少了资金活水的商汤科技等AI 1.0公司，由于组织规模更大、成本更高，容易搁浅在转型途中。

从这个角度来说，轻量化是商汤科技一个不坏的选择，可以减少前行的阻力和掉头的难度。