商湯科技又裁員了，并不算行業(yè)新鮮事，新鮮的是，這次裁員發(fā)生在積極擁抱大模型之后。

成立于2014年的商湯科技，是2014—2015年的AI 1.0創(chuàng)業(yè)潮中拿到第一桶金的領(lǐng)頭羊，并率先登陸資本市場，成為AI第一股。某種程度上，商湯科技的波折也代表了那一輪AI 1.0公司的整體困境。那就是在大模型的轉(zhuǎn)型中，拿到了第一桶金的AI公司，似乎一步跟不上，就步步跟不上。

2023年，商湯科技開啟戰(zhàn)略大調(diào)整，積極推廣SenseCore商湯大裝置，并發(fā)布了“日日新SenseNova”大模型體系。但目前看效果并不理想，組織架構(gòu)調(diào)整和更大規(guī)模的裁員已經(jīng)開啟。盡管如此，商湯科技的大模型產(chǎn)品和收入，已經(jīng)是AI 1.0公司中表現(xiàn)最出眾的，沒有之一。

創(chuàng)新不易，對于AI企業(yè)的一時挫折應(yīng)該包容，搞清楚困頓背后的原因，有助于企業(yè)和業(yè)界更好地前行。

我們不妨以商湯科技為例，聊聊拿到了AI創(chuàng)投第一桶金的AI 1.0公司們，是如何在大模型浪潮中節(jié)節(jié)敗退的。

對于商湯科技等AI 1.0時代的領(lǐng)頭羊企業(yè)，業(yè)界和大眾有一個普遍印象：有技術(shù)信仰。

高度重視基礎(chǔ)科學(xué)研究，擁有全球頂尖的實驗室、人才、論文成果等，讓商湯科技點亮了極具競爭力的科技樹。但這棵“AI 1.0科技樹”直接移栽到AI 2.0的大模型土壤上，就出現(xiàn)了水土不服。

以商湯科技的AI 2.0戰(zhàn)略核心：大裝置+大模型，都在延續(xù)過往技術(shù)路線，帶來的成本壓力遠大于收入增長。

先說大裝置。

大裝置是商湯科技在2021年提出的，當(dāng)時市場上的AI基礎(chǔ)設(shè)施和MaaS服務(wù)都是稀缺的，解決模型開發(fā)的算力資源問題，只能自己去建。隨著大模型到來，SenseCore商湯大裝置的MaaS（大模型即服務(wù)）萬象模型開發(fā)平臺，則提供基于商湯日日新千億級大模型的MaaS服務(wù)。

但想要靠大裝置MaaS服務(wù)盈利，希望渺茫。

首先是前期投入大。AI基礎(chǔ)設(shè)施云服務(wù)是一個“重投入、重資產(chǎn)、長回報周期”的市場，早期成本居高不下，這可能會在長期影響商湯科技的營收狀況。

其次是競爭激烈。IDC近日發(fā)布MaaS報告《中國模型即服務(wù)（MaaS）及AI大模型解決方案市場追蹤，2024H1》顯示，2024年上半年，商湯科技（商湯大裝置萬象）占據(jù)14.8%的市場份額。BATH（百度、阿里、騰訊、華為）等頭部云廠商都積極推廣自家大模型+云服務(wù)，商湯科技與這些頭部AI云服務(wù)商相比，缺少顯著的成本優(yōu)勢和用戶規(guī)模優(yōu)勢，進一步擴大份額，需要投入更多的市場營銷成本來進行推廣。

在這種情況下，以算法見長的AI公司，又很難像基礎(chǔ)服務(wù)商一樣俯身下來、雙手沾泥，這就導(dǎo)致營銷成本畸高。

比如“大裝置”這個叫法，就是類比高能物理學(xué)中的粒子對撞機，雖然炫酷，但對于行業(yè)的非技術(shù)人員來說，就形成了很高的認知門檻，乍一聽根本不知道大裝置到底是干嘛用的，不得不通過大量曝光和市場品牌活動，來進行心智培養(yǎng)和用戶教育，成本進一步上升。

“大裝置”靠不住，那大模型總該是AI公司的舒適區(qū)了吧？目前來看，商湯科技堅持以此前積累的核心能力，如視覺感知和多模態(tài)模型為主，卻一直在將自己推離舞臺中心。

一開始，AI 2.0浪潮是以大語言模型的突破性進展為先導(dǎo)的。ChatGPT火了之后，很多NLP科學(xué)家都表示，自己做了十幾年的工作顯得毫無意義，而LLM跟商湯科技長期深耕的CV領(lǐng)域就更遠了。這就導(dǎo)致在第一波以自然語言交互、chatbot等應(yīng)用為主的LLM浪潮中，商湯科技遠離了大眾視線。初創(chuàng)公司中，熱鬧是“AI六小虎”的，商湯科技推出的“日日新大模型”并沒有激起太大方向。

而隨著Sora、4o等圖像和多模態(tài)模型問世，盡管商湯科技此前在計算機視覺上的技術(shù)積累可以復(fù)用，但品牌上與主流市場認知的斷裂，已經(jīng)很難彌補，這讓商湯科技失去了在多模態(tài)領(lǐng)域的市場話語權(quán)，無法建立起鮮明的品牌辨識度。

比如今年上海世界人工智能大會，商湯科技主推的SenseAuto絕影，強調(diào)端到端自動駕駛、多模態(tài)場景大腦，但相比自動駕駛公司、頭部云廠商的汽車云等，對主機廠的吸引力比較有限。

（網(wǎng)友評論商湯科技裁員事件）

總結(jié)一下，AI 1.0的“技術(shù)財富”也可能是大模型AI 2.0的歷史包袱。而抱著AI 1.0科技樹不放，導(dǎo)致這一批AI公司在追趕大模型的道路上步履蹣跚，一步跟不上，步步跟不上，越來越遠離主流視野。

AI 1.0階段，商湯科技等CV業(yè)務(wù)蓬勃發(fā)展。商湯作為當(dāng)時中國最大的計算機視覺軟件公司，業(yè)務(wù)覆蓋智慧商業(yè)、智慧城市、智慧汽車和智慧生活四大板塊。盡管看起來客戶構(gòu)成多元，但深入觀察會發(fā)現(xiàn)，業(yè)務(wù)的逆周期抗風(fēng)險能力并不高。

智慧商業(yè)、智慧城市的核心業(yè)務(wù)，其實是安防，隨著房地產(chǎn)收縮、智慧城市建設(shè)放緩，而呈現(xiàn)出較大的調(diào)整，業(yè)務(wù)量持續(xù)縮減。而自動駕駛、醫(yī)療則是“賠錢賺吆喝”，本身業(yè)務(wù)規(guī)模比較小，也成為前不久10月輕量化調(diào)整的重災(zāi)區(qū)。

總結(jié)一下，AI 1.0的業(yè)務(wù)主要集中在大企業(yè)、大項目上，導(dǎo)致風(fēng)險比較集中。一旦該領(lǐng)域出現(xiàn)逆周期調(diào)節(jié)，就能讓AI公司收入萎縮。

以大模型為基礎(chǔ)的AI 2.0，商湯科技顯然是希望構(gòu)建起更具韌性的客戶構(gòu)成。在最新的“大裝置－大模型－應(yīng)用”三位一體戰(zhàn)略中，通過算力大裝置（SCO）、大模型和應(yīng)用（CNI）的無縫集成，以應(yīng)用驅(qū)動模型，以模型帶動算力的優(yōu)化，成為最懂算力的大模型服務(wù)商，和最懂大模型的算力服務(wù)商。

理論上說，三位一體戰(zhàn)略可以吸引各行各業(yè)的智能化客戶，增加客戶的多元構(gòu)成，分散業(yè)務(wù)風(fēng)險，增強商業(yè)韌性。

實踐中看，執(zhí)行起來有較大的難度。

一是過去的底牌難以復(fù)用，優(yōu)勢不在。算力服務(wù)、AI服務(wù)針對的是央國企、運營商、互聯(lián)網(wǎng)企業(yè)、泛科技公司等數(shù)字化能力較好的第一批大模型探索者，與此前智慧城市、智慧安防等領(lǐng)域的各地政府、房地產(chǎn)公司、物業(yè)、中小學(xué)等客戶相比，對服務(wù)商的能力要求有顯著差異。比如CV安防看中的算法精度、魯棒性、響應(yīng)及時等，算力服務(wù)商、模型服務(wù)商則看中成本優(yōu)化、服務(wù)支持、算效、可靠性等。這意味著商湯科技必須重新構(gòu)建一套能力，作為吸引新客戶的籌碼。

二是新客戶拓展需要時間，所以大裝置+大模型的落地還是在此前的優(yōu)勢領(lǐng)域，對營收的貢獻有限。比如基于“商量”大模型的醫(yī)療大模型“大醫(yī)”，雖然在技術(shù)圈內(nèi)反映良好，成功入選了2024“CCF十大技術(shù)公益優(yōu)秀案例”，但在商業(yè)化上卻不達預(yù)期，醫(yī)療也成為此次裁員的重點。

此外，新客戶往往傾向于“多模”部署，會在業(yè)務(wù)中引入多個大模型來做嘗試。這種“賽馬機制”給商湯科技造成了一定的壓力，既不能縮小投入、降低模型迭代頻率，又很難憑借壓倒性優(yōu)勢吃下整個市場，吸引用戶把全部數(shù)據(jù)放到自己的產(chǎn)品上。有數(shù)據(jù)顯示，已經(jīng)有超過3000家行業(yè)頭部企業(yè)使用了商湯的大模型及智算服務(wù)，“日日新”大模型的整體調(diào)用量增長了400%，盡管如此，營收情況并沒有顯著改善。

重建業(yè)務(wù)韌性，是AI 1.0公司所必須做，實際上困難重重的一件事。

技術(shù)在迭代，客戶在變化， AI公司跟傳統(tǒng)的互聯(lián)網(wǎng)廠商、SaaS軟件商最大的區(qū)別，就是可演進性。AI算法不像互聯(lián)網(wǎng)產(chǎn)品或軟件產(chǎn)品，一旦產(chǎn)品成熟穩(wěn)定，就可以通過裂變式增長，獲得指數(shù)級回報，攤薄研發(fā)成本。

算法往往要在實際業(yè)務(wù)場景中不斷迭代，甚至由于底層模型的能力切換，而推翻重做。因此，AI公司的可演進性就很重要了。每一輪技術(shù)浪潮，都要轉(zhuǎn)變?yōu)橥苿覣I公司繼續(xù)向前發(fā)展的動力，而不能擱淺在途中。

在這一輪大模型浪潮中，AI 1.0公司的集體擱淺，暴露了在產(chǎn)品演進性上的短板。

AI技術(shù)的可演進性，要求每一次都能重新做好PMF（產(chǎn)品市場匹配）。顯然，AI 1.0時代，計算機視覺與智慧安防、AI工業(yè)質(zhì)檢、人臉識別等業(yè)務(wù)場景的匹配，就取得了商業(yè)成功。

但大模型時代，“大裝置+大模型”既沒有拿下C端應(yīng)用，也沒有在B端獲得壓倒性優(yōu)勢被調(diào)用，說明PMF還有探索的空間。

沒有完成PMF，新的商業(yè)收入源泉尚未形成，隨著AI創(chuàng)投進入秋天，第一桶金花完后難以得到新的規(guī)模投資。缺少了資金活水的商湯科技等AI 1.0公司，由于組織規(guī)模更大、成本更高，容易擱淺在轉(zhuǎn)型途中。

從這個角度來說，輕量化是商湯科技一個不壞的選擇，可以減少前行的阻力和掉頭的難度。

但歸根結(jié)底，轉(zhuǎn)型是為了更好地前進。只有盡快完成PMF，證明自身在技術(shù)與商業(yè)上的可演進性，才能再次獲得商業(yè)市場和資本市場的活水，繼續(xù)AI 2.0的航程。

審核編輯 黃宇