摘要：不管是初创公司，还是巨头，都把AI作为未来下一个改变人类社会的技术革命，特别是在中美之间，企业、政府、产业、政策都在挖掘着AI这座金矿。

01

在AI风靡全球之后，这条赛道爆发出了旺盛的创业热情和生命力。

不管是初创公司，还是巨头，都把AI作为未来下一个改变人类社会的技术革命，特别是在中美之间，企业、政府、产业、政策都在挖掘着AI这座金矿。

比如说在2023年7月，李开复创立的零一万物对外亮相，开始训练通用大模型，向AI进军。

但是，在2025年新年的第二天，零一万物和阿里云成立“产业大模型联合实验室”，团队大部分成员加入到阿里，零一万物也不再追求训练通用大模型，而是转为训练小模型，打造可以赚钱的应用。

在2024年的5月，李开复还谈到自己的梦想，要把零一做成一个万亿美元的公司，成为AGI时代的微软，但现在，他已经暂时不会去想这个梦想了。

在中国AI大模型的明星初创企业当中，这也是第一家宣布调整方向的企业。

我觉得这是AI赛道在经过两年热炒的一个节点，同样，李开复和零一万物的经历也可以给我们很多创业者带来一些思考。

02

我特别去看了李开复和晚点团队的采访，零一万物为什么会放弃训练通用大模型，加入到阿里？

第一个原因比较有意思，是关于技术。

李开复说，他们从信仰Scaling Law到怀疑Scaling Law只花了一年时间。

Scaling Law是什么呢？

有点像摩尔定律，集成电路可容纳的晶体管数量大约每过18-24个月就会翻倍，同时性能也会提升一倍。

同样，因为OpenAI的现象级表现，大家都相信，随着模型的规模，比如说参数量和数据量的增加，模型的性能也会按照一定的规律进行提升，也就是变得越来越智慧。

但问题在于，摩尔定律在1965年提出，现在才逼近极限，但AI的技术迭代太快了，短短一年时间，初创企业就发现自己很难赶上头部领跑者的速度和规模。

第二点也是更重要的原因，在经历了两年的追捧之后，AI产业出现了分化。

在中国，通用大模型领域已经呈现出集中化趋势。

字节、百度、腾讯、阿里这些实力雄厚的头部公司都投入了巨大的资源做训练，一般的创业公司几乎很难在资金、资源和人才上具备优势，包括在美国，也是OpenAI一家独大。

而且，AI的训练和研发阶段，极其吃算力资源，但在算力芯片上，中国公司普遍面临芯片的限制。

同时，因为中美的经济环境和融资环境不同，中国AI企业的融资额和估值也远低于美国同行们。

所以，在巨头亲自下场，并且加码投入的两年之后，对创业公司来说，生存的环境急转直下，投资人不再相信故事，而是转为三个灵魂拷问：

1、对比大厂，我们的通用大模型真的具备独特性的优势吗？我们怎么战胜他们？

2、我们的通用大模型能够自然的吸引用户使用吗？能给用户创造哪些价值让他们一直选我，而不是别人？

3、我们什么时候能够盈利？怎么持续、稳定的增长？

严格意义上说，这三个问题对AI创业公司来说，很难回答的出来。

因为想做出ChatGPT这样的超级通用大模型，甚至还要更好的大模型，本身要付出的成本和代价会非常高昂。

特别是在C端，中国的通用大模型普遍面临一个情况，市场教育基础极其薄弱。

大众虽然知道AI是未来，但并不知道它有什么用，一旦大模型停止广告投放，用户很难自然增长，

所以，面对巨头的强硬入场，面对把技术转换成商业价值的盈利压力，面对要长期教育用户使用AI的习惯，这就构成了一个初创公司发展通用大模型的“不可能三角”。

反而像零一万物一样抱住巨头的大腿，站在巨人的肩膀上可能会是一个更好的选择。

03

当然，这也印证了我们的设想。

在AI浪潮到来的时候，我们在进行AI方向的决策上就深度思考过这个问题。

如果要投入巨大成本，去做面向大众的通用大模型，对于像我们这样的企业来说，确实是不可承受的压力。

而且，我们也并不是初创企业，如果在方向上偏离了我们本身在营销上的原点能力，那么，盈利模式就存在巨大的不确定性。

所以，从我们本身的原点能力和业务方向上来说，我更认为在B端，垂直类的AI应用才是方向，因为它有非常多的应用场景可以去落地。

如果在自身领域当中做的越早，数据就收集的越全面，越专业，然后经过不断地迭代，就可以持续放大应用在行业当中的专业性价值，形成自己的护城河。

这是AI大模型应用的一个重要逻辑，通用大模型会成为基础，但一定不是完整的解决方案。

我们在当初设想的时候，就决定从自身的原点能力和深耕的营销领域出发，利用大模型，深入到今天视播时代的业务场景，聚焦在全域营销领域的痛点问题，设计出AI的专业应用和解决方案。

所以，我们做了大量的调研，一方面我们发现今天市场上的通用大模型在营销的问题上，只能输出放之四海而皆准的通用答案，很难针对企业需求和特征去输出一个独属于企业的特定内容。

另一方面，视播时代的内容营销当中，最重要的就是内容。

所以，我们就提出了一个想法，如果一个企业能够在全平台做500个账号，每天发布100条原创视频，并且每天获得20万的免费推荐流量，这一定会给企业带来稳定、精准的客户。

但问题在于，这样的目标需要多少人力资源呢？

按照一般的能力，至少得25人以上，而且，不能保证稳定性和质量。

所以，我们就在想，在营销这个实际场景里，怎么让我们的企业具备智能营销的能力，为企业的营销结果带来更高的效率和价值，而不仅仅是用一个裸的通用大模型呢？

于是，我们和清华大学的团队，联合研发了针对2B的专业AI“文思子牙”，不去当风口上的猪，而是借助AI在自己的领域做精做深，能够帮助企业在营销上真正落地降低成本。

我们定下了三个标准，第一个是针对营销内容的专业训练，让AI成为专业的营销专家，让它对企业营销有非常完整的理解和回答，所生成的创意和内容具备营销专家级别的水准。

第二个是针对企业个性化营销需求的训练，让AI能够理解企业的业务逻辑，包括理解企业唯一性内容，比如说品牌故事、企业文化、组织架构、产品结构和不同的用户类型，输出符合每个企业独特的内容。

今天的通用大模型虽然也能够提供内容，但只有文思子牙能够针对企业的特征，站在营销专业的角度给出独到的创意。

第三个是针对特定平台，特别是今天全域平台的专业训练，能够让AI通过今天主流平台的算法规则，触达自己的目标对象。

并且，我们把单仁牛商18年以来的互联网营销培训服务系统的研究成果和研究数据进行了训练。

使得文思子牙在懂得专业营销知识的基础上，能够站在企业的角度，了解每家企业的业务特征和目标对象，同时，它还具备实战的经验，能够按照不同的平台，分成20个场景生成唯一性的精准营销内容，真正做到既获得精准流量，又能保持流量的稳定性和规模性，成本还比较低。

04

所以，在浪潮之下，谁都可以登高望远，仰望天空。

但在浪潮退去，产业格局越来越明显的时候，更重要的是丈量自己，脚踏实地。

找准自己的定位，跟随目标用户的需求，解决问题才是核心。

当然，不管是李开复的零一万物，还是中国众多的AI初创公司，他们每一位都是敢于在机会来临时，勇于尝试的勇士，他们也在客观上推动着AI的快速发展。

2025年会成为AI开始质变的一年，节点已经到来。

在通用大模型领域，掌握了绝大资源和流量的头部大厂会持续集中化，并且随着“AI+终端”进入到普通大众的生活。

更多的企业会在大模型的基础上，进入到B端的细分领域，“AI+应用”会逐步深化，真正提升企业从生产、研发、营销各个层面的效率和结果。

—

责任编辑 | 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。

来源：单仁行