去年以来，大模型成为全球科技创新的聚焦点，推动了整个行业的热度与讨论，也让AI相关企业重新站上互联网舞台的中心。然而，热潮之下的现实困境仍在，一些细分市场的应用型方案与大模型结合的尝试层出不穷。
围绕大模型的创业热潮持续发酵，越来越多的创业公司推出相应产品，涌现出面向细分场景的小型AI应用。但时间走过一年，这股热潮究竟给我国AI产业带来了哪些机遇与挑战？在技术研发、商业化路径等方面，AI企业到底获得了哪些突破？答案并不乐观。
在一场闭门讨论会上，一位曾服务于“AI 四小龙”之一的研发负责人就指出，“2023 年的挑战与过去并无本质不同，很多问题仍未解决。”
融资热潮与寒冬并存
2023年被广义地称作“资本寒冬”。根据 PitchBook 的数据，美国风险投资在 2023 年筹集了 6700 亿美元，同比下降 60%，创造了近六年来的最低水平。国内方面，2023 年上半年披露的创投融资事件达到 4367 起，同比下降 38.7%，披露融资金额约 3,010 亿元，同比降 24.9%。
AI 赛道的资金再次回笼，为我国相关企业带来及时的增量。然而自 2019 年以来，国内 AI 投融资波动明显，2021 年短暂回暖，2022 年则迅速回落。处于大规模烧钱阶段的企业普遍面临生存压力，头部公司也不例外。
一些知名案例也有着类似的融资轨迹。以往多轮融资在近年进入停滞，部分公司在 2013–2019 年间完成募集后近年未有新融资，而另一部分则在历经多轮后仍在寻求新的资金注入。尽管大模型领域在去年获得了更多资本关注，相关公司的估值与融资热度也有所回升，但这种热度似乎并未持续扩大。
根据中商产业研究院的数据，截至 2023 年 11 月 24 日，中国人工智能投资事件达到 531 起，投资金额 660.48 亿元。5、6、7 月的投资活动较为活跃，但 11 月的数量回落，显示出市场对新投资机会的热情正在收敛。
在第三季度的投融资格局中，新能源、半导体、医疗健康、企业服务和人工智能成为热点领域，投资数量相对提高，但与前期相比总体呈现出下行态势。部分天使投资人表示，市场上存在大量基于开源模型的项目，但尚未形成稳定的生态体系，导致投资热度下降。
资本“寒冬”仍在持续，投资与退出的节奏并不乐观。
商业化之路：前进还是后退？
近年来，AI 企业普遍面临的问题是技术研发投入巨大却难以带来稳定的商业回报，企业探索商业化路径的困难在大模型与生成式 AI 再次放大。虽然大模型热潮为融资提供了新叙事，但真正的商业化路径仍未清晰。
在 OpenAI 等推动下，2023 年下半年商业化进程显著加速，C 端付费产品逐步落地，企业级定制化版本也在持续推出。通过降低免费版本成本、提升付费版本能力来提高付费转化率成为其中一个重要方向。
对于 C 端用户而言，尽管 ChatGPT 的爆火提升了对 AI 能力的认知，但大模型与生成式 AI 的普遍需求仍不明确。要通过直接向用户收费实现盈利，需要用户愿意为“生成内容”的增值付费，而这在当前阶段往往具有不确定性。
在高强度需求场景中嵌入大模型，打造可落地的应用，往往更具商业潜力。可现实情况是，年末前国内仍未出现持续走热的 AI 应用，像妙鸭相机等产品也因付费压力、用户粘性不足等因素逐渐淡出大众视野。
业内普遍认为，大模型更具广阔的应用前景在于 B 端，但在大模型浪潮来临之前，许多 AI 企业的商业化路径多从 B 端切入。如今，技术与商业化如何融合，是否能带来新的想象力，成为关键问题。
当前大模型领域的营收现状仍不理想。以几家头部企业为例，2023 年上半年收入与利润均出现波动，若将行业整体放在更高频的角度看，商业化路径尚未 clear，短期内难以带来显著的收入增长。
大模型与 AIGC 的投入是一项长期投入，这也意味着企业在短期内难以通过现有产品获得可观利润。更重要的是，行业普遍尚未找到大模型在 B 端的落地性强、稳定的商业化模式。
在企业层面，以往率先开发大模型、AIGC 技术并将其落地的公司依然需要解决多样化的需求适配问题。只有在充分结合自身行业场景的情况下，才可能实现降本增效的真实效果。否则，企业可能面临既要持续高投入、又难以看到快速回报的困境。
离开发高地，投资方对回报的关注度在提升。行业人士指出，如今的创业融资环境更强调盈利能力、明确的商业化路径与现金流能力。若长期无法转化为实际收益，资本的耐心将会迅速下降。
未来的挑战与抉择
2023 年上半年，AI 领域的热度虽高，实际落地与盈利仍然是企业最大的变量。巨量资金带来的是对持续性投入的需求，硬件成本、算力投入的上升对利润形成挤压，此外，商业化路径的未明也让企业融资更加谨慎。
一些头部公司在高成本的算力投资与长期研发之间寻求平衡，试图通过规模化应用来降低边际成本；同时，投资人对回报周期的要求也在提高，要求企业在较短时间内呈现可观的盈利能力。
在这种内外部压力下，AI 企业可能面临两难：过分强调技术提升导致商业化乏力，或过早追求商业化进而牺牲技术突破。只有在二者取得协同、实现良性循环时，企业才可能在未来的生态中站稳脚跟。
不可忽视的是，市场对大模型的热情正在经历阶段性回落。若缺乏稳定的盈利模式和可复制的商业化路径，企业在波动的市场环境中将更易受到冲击，甚至被市场重新排序。
总体来看，未来AI 企业要走出泥潭，需要在提升技术能力的同时，明确面向产业应用的商业化路径，建立可持续的盈利模型。只有在资本、技术与市场三者之间建立良性耦合，才能在大模型时代实现更稳健的发展。
