关注科技新闻的读者应该已经看到了，很多AI领域的明星创业公司和独角兽，最近都传出了“卖身”的信号。
因Stable Diffusion模型一战成名、估值近300亿美元的大模型明星企业Stability AI，传出资金链断裂；曾登上福布斯“AI 50强”排行榜的Adept，正寻求被巨头收购；被视为谷歌竞对的AI搜索明星公司Perplexity，至少与4家公司讨论过合并事宜；由前谷歌、Meta研究人员创立的Reka AI也宣布将“卖身”。
这些新闻说大不大，企业层面的出售整合是商业常态，目前寻求出售的独角兽因为是明星项目，所以吸引眼球，数量占比并不大；说小也不小，独角兽们的商业受阻，所折射出来的隐忧和问题，必须着手去解决，才能避免这一轮AI热潮陷入衰退期。
为什么不应掉以轻心或盲目乐观？历史从不重复，它只是押韵。1984年，AAAI
中腰部AI公司的“比较优势”
一般来说，对于AI这类具有颠覆性潜力的领域的早期阶段，投资者对前期亏损的容忍度是比较高的。通常是希望随着企业的成熟并占据市场主导地位，能够带来丰厚的回报。所以，尽管有媒体爆出Stability AI等初创公司亏损大、成本高等，那都不是独角兽们的致命问题。
真正关键的是，这类企业有着不低的估值和一定的技术能力，但目前缺乏一种清晰的商业化路径。
打破这种“混沌局面”，向投资市场和公众展现出自己锐利鲜明的独特价值，是长期信心的来源。
说起来容易，但要跟头部模厂拼模型，跟应用企业拼产品，都不是独角兽的“舒适区”，只能在别人的赛道上跟着别人的规矩走，两头不占好。
中腰部AI公司的核心价值，就在于“比较优势”。
比较优势，原来是一个经济学概念，用来形容一个国家生产一种产品的机会成本，低于在其他国家生产该产品的机会成本时，就拥有了比较优势。通过“两利相权取其重，两弊相权取其轻”，让资金和资源向具有比较优势的国家流动。
比如20世纪的生产力成本低、素质高，如今的技术密集和工程师红利，是中国在不同阶段，参与国际分工的比较优势。
具体到大模型领域，目前来看，基础模厂主要围绕在L0级底层模型的构建，而应用类企业则聚焦在行业数据打造L3场景小模型和应用，而支撑这类“独角兽”初创公司估值的，则是基于L1\L2级行业大模型的平台及应用。
一方面，中腰部仍有市场空间。基础模厂和底层模型虽然有可能“碾压”行业大模型，但并不能把整个产业链的大部分价值都拿走。
就像信息化时代，微软也不可能垄断所有软件，依然有大量专业软件提供商如蔡睿领域的Intuit，成长为垂直领域的软件巨头。
今天，业内已经有共识，底层模型在短时间内无法实现AGI，无法解决所有通用问题。因此，大模型落地需要叠加其他方法，因此，基础模厂无法低成本地提供端到端解决方案，这就需要更多服务商来参与，提供面向行业的定制化模型及AI解决方案。这个过程中，仍然需要大量手工作业。比如很多中国企业甚至都没有数据采集，需要针对性的数据采集方案设计，这些对于人才成本极为高昂的基础模厂来说，投入产出比是很低的，或许可以在每个行业领域培养几个标杆案例，但绝不可能成规模复制。
另一方面，中腰部仍有技术门槛。应用类产品大多是“套壳”，这毫无问题，但对于ToB市场来说，大模型与业务场景、流程的深度融合与改造，有很多工程要做，而AI领域的技术路线迭代速度又非常快，应用类企业根本没可能“抄作业”。
所以，中腰部科技企业的比较优势，就在于所构建的平台及应用，将场景与技术紧耦合，切实满足业务的真实需求，比如提高生产力、改造流程等。
加速奔跑的独角兽，跨越“AI黄昏”
机器学习为主的AI产业化阶段，红极一时的机器视觉四小天鹅等明星创业公司，专注于做智慧城市、工业质检等行业解决方案。被称为港股“AIGC第一股”的出门问问，也是以生成式AI和语音交互技术为核心，提供政企服务、AI软硬件。
显然，这条“比较优势”之路，是走得通的。
问题在于，面对全球投资市场对大模型技术的期望值下调，投资者的风险偏好变化等不确定因素，在前景不明的背景下，中腰部AI科技公司如何走得更远。
《人工智能的冬天》研讨会上，有人提到，斯伦贝谢、施乐、惠普、德州仪器、GTE、Amico、埃克森美孚，他们都在进行投资，他们都有人工智能小组，他们会说，“嗯，我今年在人工智能上花了数百万美元，而且我已经拥有了它。（但）他们什么也没产出”。
盲目乐观，却无收益，是曾经在专家系统身上上演的AI荒诞戏。而今天在To C和To B市场都有探索的独角兽们，一旦泡沫破裂，将受到两个市场崩塌的双重冲击，商业性更加脆弱。
提高自己在商业层面的“鲁棒性”，AI独角兽们必须管理好客户预期。
和曾经的专家系统一样，今天很多企业客户也对大模型加持的软件系统，抱有不切实际的预期，希望AI系统做任何事情，但实际上大模型技术还做不到，出现预算超支、超期交付等问题，从而导致撤单或无法回款。
此外，一旦企业发现AI系统其实无法产生实际的经济效益，随着资金的撤走，工业界人才会回流到学术界，为企业市场服务的技术服务商也会死掉一批。这种情况在专家系统、机器学习等阶段都曾一次又一次出现，独角兽们也必须做好准备。
比如尽快“打粮食”，做厚收入，避免“以免费换规模”“以亏损换时间”。像Stability AI那样先开源、后付费的缓慢探索，会承受很大的成本压力；像Perplexity那样以会员订阅和API付费为主要收入方式，营收结构也非常单薄。
回顾历史，AI的周期性衰退，往往会在寒冬之前，有一个“去泡沫”的阶段，只要泡沫不破裂，反而会让行业变得更好、更不脆弱。这个阶段，可以被称为“AI黄昏”。
避免在“AI黄昏”被挤出，将是中腰部独角兽们接下来的第一要务。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与互联网消息无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
