第一批人工智能独角兽都去哪儿了？中美的aigc故事已经来到了分叉口 -金沙娱场城app

原标题：第一批人工智能独角兽都去哪儿了？中美的aigc故事已经来到了分叉口

曾经在文生图赛道风光无限的ai创业明星公司stability ai如今正面临困境。继一批高管以及stable diffusion的核心研发人员纷纷辞职后，其首席执行官emad mostaque也于上周末跑路了。

无独有偶。同样在上周，位列硅谷估值最高的ai初创公司一席的inflection ai也被曝剧变：两名联合创始人以及大批员工加入微软。可以说，这波操作下，inflection ai几乎被微软一夜掏空。

大模型的兴起，生成式ai的爆发，让第一批崛起的人工智能独角兽最先成为资本宠儿、媒体焦点，但随着这一舞台上后起之秀越来越多，众多新品层出不穷后，这些最初取得成功的企业却似乎在悄然从聚光灯下退出。这些逐渐“失踪”的ai初创企业都去哪儿了？

被淹没在信息流中的昔日明星创企有很多，jasper可能是其中比较典型的一个。

这家位于得克萨斯州奥斯汀的ai公司，其核心产品是jasper.ai，作为基于gpt3模型开发的aigc产品，jasper.ai可以被拿来生成instagram标题、编写tiktok视频脚本、写电子邮件等等。jasper.ai一经推出就火了，在社交媒体、跨海电商、视频制作等领域获得大量用户的青睐。

大好形势下，jasper在2022年10月由salesforce领投的a轮融资中筹集了1.25亿美元，估值达到15亿美元，成为了一家独角兽企业。可惜好景不长。

2023年夏天，jasper将全年预期收入下调了30%，紧接着在7月开启了裁员，9月又经历了一场高层变动，jasper的两位联合创始人——首席执行官dave rogenmoser和首席技术官j.p. morgan双双辞职。这一动向引起了外界的高度猜疑。更令人不安的是，同一时期，jasper内部将面向员工的股票估值降低了20%。

不过，也并非所有生成式 ai 独角兽都处于负面轨道。比如由arvind jain创立的人工智能工作助手公司glean。2024年2月，企业搜索领域的初创公司glean在d轮融资中筹集了2亿美元，估值达到22亿美元，并计划大幅增加招聘，以应对其企业级ai金沙娱场城app的解决方案日益增长的需求。

此外，诸如hugging face、character.ai和adept ai等公司的成功故事也表明，ai创业公司的两极分化正在渐趋分明。这些公司在过去每隔一两个月就会有新的资金筹集和合作项目，他们通过构建自身独特优势抵御来自领头羊openai以及其他科技巨头的竞争压力。

随着行业泡沫的挤出，生成式 ai 赛道终会导向赢家通吃的结局。那么在此期间，“消失的大多数”创企主要是因为什么而掉队的呢？

总体而言，可以归因为四个方面：

其一，运行一个ai模型所需的算力、人力和资源往往高达数百万美元。大模型桌上的筹码过于昂贵，这可能是初创企业面临的最大短板；

其二，生成式ai创业领域竞争激烈。投资者们往往会期待多个成功案例的出现，然而实际上，面对像openai这样具有领先地位的竞争对手时，初创企业要想脱颖而出并实现可持续的成功显得尤为困难；

其三，大型科技公司的蚕食鲸吞。在激烈的市场竞争中，初创企业若能得到大型科技公司的支持和背书，将在很大程度上保障其发展的稳定性和持续性。但也正因如此，大型科技公司有时就会成为“摘桃子”的那个人。

其四，创始人与投资人的利益不一致。企业家卡洛斯·e·佩雷斯指出：“许多近期的人工智能初创公司存在一个重大问题，那就是它们的创始人大多是从未开发过产品的学术研究人员。他们很可能对产品开发没有兴趣，而只专注于科学发现。”因此，他们的兴趣与投资者并不一致。

还是以 jasper为例。由于jasper主要依赖openai的gpt-3技术来支撑其产品功能，早期固然发展迅猛，但也为其长远发展埋下了隐患。就在openai推出chatgpt后，chatgpt实质上就直接成为了jasper的竞争对手。

正如sam altman在yc周末校友分享会上所警告的那样：“模仿chatgpt者，注定灭亡！”

近年来，每当openai发布重大更新时，总是会对许多初创企业产生巨大影响，甚至直接导致部分初创企业的衰落。尤其是那些没有建立护城河的生成式ai创业公司，在面临诸如openai等巨头的新技术和产品的冲击下，失败的风险急剧上升。

jasper之外，另一家明星创企——ai语音识别软件公司deepgram，也在去年经历了两轮裁员。彼时，其首席执行官scott stephenson表示，裁员主要源于融资困难。简单来说，没钱了。

而从外部环境来说，一方面，deepgram要面临来自科技巨头的“围剿”，随着谷歌、微软、亚马逊等公司陆续推出自身的语音文本生成服务，deepgram的竞争优势难以续航，另一方面，openai开发了语音识别模型whisper，这一开源软件降低了开发者的使用门槛，他们不再需要deepgram这样的托管者。

此外，很多人不知道的是，在openai推出sora之前，市场上已存在一个名为lightricks的ai驱动电影制作平台。该公司于2021年9月筹集了1.3亿美元资金，估值达到18亿美元，但后来也不得不裁减了约12%的雇员，即80名员工。即便如此，该公司在此之后仍继续筹集多轮融资，并在上个月发布了ltx studio。

不知从何时起，对于ai初创公司，裁员似乎变得屡见不鲜。纽约风投机构next round capital partners的首席执行官ken smythe曾预计：85%的ai初创公司将在三年内倒闭，要么是因为被大公司吞并，要么是因为资金耗尽。

与此同时，synthesia、runway、cohere、coreweave、replit等其他初创公司都在积极推出新功能和产品。不过，这些公司的盈利能力依旧是个悬而未决的问题。尽管它们各自都为客户设置了某种营收模式，但运行ai模型的成本依然非常高昂。加上早期ai热潮中的投资狂热正在逐渐褪去，所以即使这批ai公司仍旧在积极求存，但其未来发展方向仍然模糊不清。

chatgpt的出现突然揭示了这样一个事实——“大模型原本并不易用，初创企业的价值在于弥补这种缺陷，如今这种价值突然消失了。”所以无数ai创企“眼看他起朱楼，眼看他宴宾客，眼看他楼塌了”。

ai产业的底层是算力基础设施，中间层是基础大模型，上层则是ai应用。在这股ai淘金热中，似乎只有底层的“卖铲人”赚得盆满钵满，其余环节上的玩家看起来风风火火，但多少都有些后继乏力。而一些大公司凭借成熟的应用场景和庞大的存量用户基数，可以轻易地碾压同赛道的选手。

将视角转到中国。在chatgpt 引发的agi 狂潮中，大家多少都有点焦虑。一众科技公司、互联网公司、甚至传统企业都疯狂涌向大模型，不断声称开发出各种大力出奇迹的通用模型、各种专攻垂直领域的行业模型，急于实现ai价值的落地与变现。所以我们看到了百模大战甚至千模大战的铺开。

当然，也有在这波ai风口上转型失败的。比如，不久前宣布部分停工的明星ai公司竹间智能。因为资金和资源的限制，此前专注nlp的竹间智能并没有及时转型大模型赛道。无法及时跟上技术时潮的公司随即陷入了恶性循环。毕竟大模型是入场券昂贵的游戏，掉队之后就很难再建立竞争壁垒。

不过“卷”无止境。即使顺利进入大模型赛场了，也只是一个开始。国内不少大佬也曾就此发声。

李彦宏说：“百模大战是对社会资源很大的浪费。不应该去卷大模型，而应该去卷应用，只有应用才真正直接创造价值。做出上亿用户使用的应用时，大模型的真正价值才得到体现。”

周鸿祎则指出：“2024年是人工大模型的场景之年，如果找不到场景，光是在做大模型，有点像拿着锤子找钉子，如果找不到钉子，这个锤子是没有用的。”

那应该卷应用吗？不要忘了前车之鉴，譬如jasper之类的大模型“套壳”公司，其实也没有多大存在的意义；而像deepgram这样从具体场景入手但护城河尚浅，可能开始发展不错，但很快就要面临大模型厂商的挤压。

归根结底，对于国内的aigc创业企业来说，又是一个关于抉择的问题：长线还是务实、暴力美学还是场景为王。

正如中国大模型圈最近流行的技术路线与市场路线之争：

一方是以月之暗面创始人杨植麟为代表的技术路线，他们对技术有信仰，信仰agi，推崇openai的路径，认为随着模型能力跃升、模型成本降低，会自然而然解锁丰富的应用。

就像杨植麟表达的：“ai不是我在接下来一两年找到什么pmf（ai产品和市场需求契合），而是接下来十到二十年如何改变世界。”

另一方则是以金沙江创投主管合伙人朱啸虎为代表的市场路线，他们对于美版的aigc叙事感到厌倦，信奉本土化，支持将充足的ai能力投入可以快速变现的商业场景中进化，同时用国内市场特有的海量数据和应用场景构筑壁垒。

正如朱啸虎质问的：“你做gpt-4科研至少砸四五千万美金。关键是万一你砸了四五千万美金做出来，别人开源了呢？你不是全白砸了？这个是很扎心的问题。”

双方在各自的世界观里都坚信自己的判断。

而曾与朱啸虎在朋友圈互怼的傅盛这一次却显得更“现实”。“我今天也坚决不认同哪一个模型参数做得很牛，它就能改变世界，这个一定会失败的。要想成功，一定要和应用结合，这样才会形成闭环，闭环才会不断打磨，不断打磨后技术才真正是为世界准备的，而不是为你的理想准备的。”

“学了十年屠龙之技，世界上根本没有龙，那就白学了。”在傅盛看来，理想主义和现实主义也并非完全对立：“只有把现实问题解决好，才是真正的理想主义，否则就是空想。空想和理想之间就差你看不看现实。”

能做ai的，都是有点理想的，但真正能把ai做成的，还是需要更现实一点的考量。

事实上，从中国的国情以及aigc产业的现状来看，立足应用场景快速推进是最有可能实现突破的路径。正如李开复几年前在《ai superpowers》一书里指出的，中国虽然在ai技术层面不及美国，但是在应用端却走在了美国的前面。

此前也有不少业内人士判断，与美国不同，中国的aigc很有可能会采取纵向的发展模式。这种模式的特点在于，聚焦于特定的应用领域，比如电商、短视频、金融，而不是追求产品的通用化。这种发展模式弥补了中国在模型通用能力上的不足，也利用了在垂直领域积累的大量的专业数据。

回顾过去的一个多月，生成式ai领域热闹依旧。sora还没玩转，kimi和suno的爆火又再次点燃了圈内外的激情。kimi的走红让长文本处理大模型赛道瞬间卷起来。从拼参数，到拼文本长度、无损上下文，只用了不到一年的时间；而suno甫一推出就被冠以“音乐版chatgpt”之名。简单实用的风格让音乐小白也能产出爆款神曲。

ai仍处在高速发展阶段，各类催化仍将继续。一方面，大模型向普通人开放，可以获得大量的语料积累，通过来自真实物理世界的反馈，进一步改进基础模型，达成深度学习并实现个体赋能。另一方面，这些大模型在个人用户终端的落地，将不断催生新场景、新业态和新市场，加速商业化进程。

以场景为立身的锚点，以数据为进化的燃料，genai时代的奇点或许不日即将来到。

参考链接：

https://analyticsindiamag.com/where-are-all-the-early-ai-unicorns-now/

https://www.shangyexinzhi.com/article/18344360.html

https://www.36kr.com/p/2486790402103176

https://zhuanlan.zhihu.com/p/688903949