“從B端項目中能否找到AI的未來？也許“CV四小龍”已經給出了答案。

現實世界的殘酷在于，它不相信PPT，也不相信發(fā)布會上的Demo。這種“缺席”的尷尬，恰恰是當下中國AI行業(yè)某種虛假繁榮的縮影，與此同時，智譜、零一萬物、杭州“AI六小龍”正集體上演一場“大撤退”：收縮C端，強攻B端，他們再次向媒體展示出“商業(yè)化落地”的華麗轉身，但真相也在業(yè)內人士中間流傳——因為C端的“玩具”不靈了，那些在大洋彼岸被ChatGPT驗證過的訂閱費增長神話，在中國并沒有在“小龍”上復現。如今估值高懸的獨角獸們只能換個戰(zhàn)場，去說服企業(yè)老板。

我們不得不面對一個尷尬的對比：亞馬遜正在用AI實現“冷血”的裁員，據報道，亞馬遜近年來裁減了數萬個崗位，并明確利用AI接管了大量廣告運營和后臺任務，這側面印證了AI在提升效率方面的殘酷有效性；而在國內的B端市場，目前卻充斥著大量花拳繡腿的“數字人”。企業(yè)并非公益機構，當下這個預算吃緊、效率優(yōu)先的時代，AI產品成為無法解決實際痛點的“擺設”，如此企業(yè)領導通常只會買單一次，第二年便會大幅縮減該產品的預算。

如果AI小龍們長期無法在企業(yè)內部的真實業(yè)務鏈條中發(fā)揮作用，那它們在B端的集體沖鋒，很可能迎來的是當年CV“四小龍”的同樣命運：項目越做越多，現金越賺越少，技術越強越無力，最后淪為一支實施工程隊。

從“高唱贊歌”到“退至幕后”

回望2023年，那不僅是“百模大戰(zhàn)”的元年，更是那些小龍們的高光時刻。彼時，每一家大模型創(chuàng)業(yè)公司的創(chuàng)始人都像影視巨星一樣出場，接受記者采訪，出席各種峰會，談論著AGI、具身智能，談論著“中國的OpenAI”。那時候的融資發(fā)布會上，拿到幾億融資額的創(chuàng)始人充滿了對“改變世界”的宏大敘事。然而，僅僅兩年時間，星光漸黯，取而代之的是B端銷售團隊的KPI考核表和與業(yè)內某個中小公司的合作簽約儀式。

作為AI創(chuàng)新企業(yè)中學院派色彩最濃、技術積淀最深的一家，智譜AI的發(fā)展軌跡很具有代表性。這家公司的故事可以追溯到2006年成立的清華大學計算機系知識工程實驗室（KEG），它的起步要遠早于后來異軍突起的月之暗面（Moonshot）和稀宇科技（MiniMax）等耳熟能詳的一些AI公司。

可以說，在百川智能創(chuàng)始人王小川在搜狐研發(fā)中心發(fā)布上一個時代的代表作搜狗之后的幾年間，智譜AI創(chuàng)始人唐杰、張鵬等人已經開始了這一代的早期探索，他們都出自于清華大學計算機系。依托清華系KEG（知識工程實驗室）的深厚背景，團隊研發(fā)出了AMiner，這是一個基于知識圖譜的學術搜索系統(tǒng)，連接了全球數億學者和論文，為后來大模型的研發(fā)奠定了數據基礎。實驗室還有一個數字虛擬形象“華智冰”作為“清華大學的虛擬女生”被廣為人知，這也是智譜AI成立公司之后的產品。

2019年智譜AI正式成立公司，成立之初便專攻并沒有太多人所知的大模型。2020年，智譜AI開始GLM（General Language Model）預訓練架構的研發(fā)，彼時OpenAI剛發(fā)布GPT-3的第一個版本，2022年8月由智譜GLM-130B正式誕生，11月斯坦福大學大模型中心對全球30個主流大模型進行全方位評測，GLM-130B成為亞洲唯一入選者，就在那個月，OpenAI的GPT3.5正式發(fā)布，一個新時代來臨了。

很快，到第二年8月31日，智譜也推出具有聊天功能的ChatGLM，它的中文名叫“智譜清言”，彼時智譜已經被投資圈廣泛關注，不僅有財務投資人，美團、螞蟻、阿里巴巴、騰訊的戰(zhàn)投也押注了這家公司，在那個階段，資本市場對智譜的期待是“平臺級公司”，是對標百度、挑戰(zhàn)字節(jié)的移動互聯網新一極。

到2023年底，智譜拿了至少25億人民幣的融資，加上蒸蒸日上的大模型產業(yè)，只要對標ChatGPT，既容易和投資人講故事，又能輕松獲得嘗鮮的用戶，再加上源源不斷的清華優(yōu)秀畢業(yè)生，高峰期時達到1000人左右的團隊規(guī)模。

2024年1月智譜如期發(fā)布了GLM-4，當業(yè)內競爭對手紛紛推出Agent的時候，智譜也相應推出自己的Agent產品AutoGLM。在發(fā)布會上，已是CEO的張鵬演示了“一句話讓AI幫忙發(fā)微信紅包”，此外還可以一句話下單點外賣，這些都讓人頗為深刻。今年初，Manus玩饑渴營銷，用戶找不到驗證碼，智譜又迅速推出一個類似功能的新品“AutoGlm沉思”。

但智譜清言這兩年的用戶活躍度卻降了。我們對比了aigcrank上智譜在2024年11月與2025年10月的排行數據變化，月活（MAU）從637萬到685萬，幾乎沒有變化，而第一名的MAU已經是去年的2.65倍。

AI國內APP MAU產品榜（左側是2024年11月榜單，右側是2025年10月榜單），來源：AI產品榜 aicpb.com

智譜月活的停滯不前并非大廠競爭對手的瘋狂買量，究其原因，一方面雖然智譜推出的產品不少，像面向Vibe Coding的“CodeGeeX”、AI視頻生成工具“清影”，每個方向基本都占了，但由于特色不明顯，能留存用戶的產品并不多；另一方面，購買會員的用戶在黑貓投訴平臺上投訴智譜圖片生成質量不高、重要數據出錯，如“機動車尾號限行信息提供錯誤，導致被交警罰款”。另外智譜在發(fā)布會上的炫酷功能，當用戶實際上手的時候，它并沒有表現出廣告中絲滑的體驗，它的廣告詞“光說不干”倒成為一個反諷。

這一期間，智譜大模型的研發(fā)速度也沒有太快，2024年8月推出GLM-4 Plus，直到2025年7月才推出GLM4.5，而這一期間，豆包、DeepSeek、夸克、千問、騰訊元寶等一系列國內競爭對手如雨后春筍般地冒出來。

曾幾何時，智譜到底toC還是toB尚有一些爭論，如今的智譜，越來越像一家傳統(tǒng)的軟件供應商，它不僅推出了MaaS（模型即服務）平臺，更頻繁地出現在央國企的招標名單中，通過私有化部署、API降價大促等手段，通過出售“全家桶”式的B端服務來維持營收。

資金來源的變遷也印證了這一戰(zhàn)略的“退守”。2024年，智譜獲得了北京市人工智能產業(yè)投資基金、中關村科學城公司、華發(fā)集團等“國家隊”資金的支持，融資總額超過30億元，2025年繼續(xù)拿到北京市人工智能產業(yè)投資基金、成都高新區(qū)、張江集團、華發(fā)集團等戰(zhàn)略投資。這些來自北京、上海、成都等地的國資入局，雖然為智譜補充了急需的彈藥，但也隱性地規(guī)定了其發(fā)展的方向——服務于地方產業(yè)數字化、服務于政務云、服務于信創(chuàng)國產化。

這種“向B轉”的動作，在AI“小龍”、“小虎”中是集體性的。零一萬物的創(chuàng)始人李開復博士在2023年創(chuàng)建這家新公司之初，曾高調宣稱要面向C端用戶打造“Super App”，強調移動互聯網時代的打法，要在C端再造輝煌。但到了2024年底，李開復的口風驟變，他公開表示AGI的實現可能還需要7年，而這期間廠商會有各種B端商機，并發(fā)布了覆蓋零售、電商場景的“如意”數字人等一系列ToB解決方案。他開始強調將推理成本降到行業(yè)最低，通過幫助百勝中國、孩子王等企業(yè)賺錢來獲得價值認可。多家媒體報道，2024年，零一萬物B端業(yè)務貢獻了近七成的收入。零一萬物在“讓通用人工智能普惠各地，人人受益”的愿景之外，給出一個更現實的目標：“讓大模型幫助企業(yè)賺到錢”。

其他幾家也未能免俗。百川智能與Minimax則更早地All-in B端。百川智能在意識到通用C端的燒錢無底洞后，開始停訓部分新通用大模型，轉而將戰(zhàn)略重心All-in AI+醫(yī)療。王小川試圖在醫(yī)療這個高壁壘的垂直領域尋找避風港，棄守了億級的通用B端業(yè)務，轉而與北京兒童醫(yī)院、北京市海淀區(qū)衛(wèi)健委開發(fā)“兒科大模型、AI醫(yī)生”。宇數科技的創(chuàng)始人王興興制定公司戰(zhàn)略時指出，不冒進消費市場，重點聚焦于科研和教育等B端市場；以機器狗著稱的云深處則在多個B端應用領域介入更深，聲稱拿到多項行業(yè)第一；與此同時，DeepSeek和MiniMax也開始主打技術方案與企業(yè)落地，推出了企業(yè)級的部署定制解決方案。

哪怕這些公司的基因不同——有的源自學院，有的源自大廠，有的源自投資界——但它們的動作卻驚人一致。這一集體轉向B端，并非行業(yè)成熟后的主動戰(zhàn)略升級，更像是C端碰壁后的被動選擇，當C端的故事講不圓了，投資人的耐心耗盡了，大家只能不約而同地退至幕后，去B端的圍城里尋找糧草。

無奈的退守：

為何他們會“逃離”C端？

從C端的退場不是偶然，而是大模型天然結構與用戶需求之間的矛盾所導致。

首先是嚴重的同質化問題。打開當今國內AI應用任意一款C端App，遮住Logo，你幾乎分不清誰是誰。它們在C端產品功能上高度雷同，無非是聊天、寫詩、畫圖、讀文檔，這種現象不僅在“小龍”身上發(fā)生，大廠出品的“千問”、“元寶”也是如此，這種高度的同質化，使得沒有任何一家能夠建立起類似微信（社交關系鏈）或抖音（算法推薦流）那樣的生態(tài)壁壘。用戶今天用智譜，明天可以無成本地切到Kimi或豆包，毫無忠誠度可言。

更致命的是當用戶依賴AI的時候，AI卻直接掉鏈子，充了會員也不管用?，F有的模型能力雖然能通過圖靈測試，但在復雜的C端生活場景中，無法提供穩(wěn)定的“工具價值”，正如智譜用戶的反饋，用戶原本期待的是一個能幫自己訂票、做決策、處理復雜任務的“賈維斯（Jarvis）”，結果得到的只是一個陪聊的“電子寵物”、一次性的“聊天玩具”，玩膩了就走，這直接導致了獲客成本（CAC）極高而生命周期價值（LTV）過低。

除了產品力的潰敗，商業(yè)模式的缺失與巨大的營收壓力也是促使它們逃離的要素。相比于互聯網時代的燒錢換規(guī)模，大模型的推理成本是線性的。正如李開復所言，AI-first的應用革命，今天不是做不出來，只是好的模型太貴，便宜的模型不夠好。在C端，用戶越多，虧得越多，且目前缺乏廣告、游戲等成熟的變現手段，而愿意為訂閱費買單的用戶很快到達天花板。

這就造成了嚴重的估值倒掛。這些公司被投出了幾百億人民幣的估值，卻沒有對應的C端收入。在一級市場融資環(huán)境遇冷的當下，投資人耐心耗盡，迫切需要一張好看的損益表。這時，B端的誘惑就顯現出來，相比于向個人用戶收19.9元的會員費，B端的大額合同雖然難啃，但似乎成了短期內粉飾財報的唯一救命稻草，用“小龍小虎”級別的品牌知名度搞定幾個焦慮的企業(yè)領導、去拿幾個政府支持的智算中心項目，就能立刻體現在財報的“營收”一欄。

CV四小龍的前車之鑒：

項目制就是救命稻草嗎

歷史總是驚人的相似，甚至連押韻都充滿了諷刺意味。今天智譜、零一萬物、百川智能等“AI小龍”急轉彎駛向B端的路徑，與當年的“CV四小龍”幾乎如出一轍。

在計算機視覺最輝煌的十年里，四小龍依靠人臉識別技術一度站在中國AI產業(yè)的頂點。它們起家于人臉識別算法，那是計算機視覺的“黃金時代”，而且它們的明星科學家創(chuàng)始人更具有光環(huán)，很快獲得同樣連續(xù)多輪的融資，當故事講完投資人要求業(yè)績之時，CV四小龍做出了和今天“AI小龍”同樣的選擇：大舉進軍安防、智慧城市、交通、物聯網、金融、醫(yī)療等B端領域。

然而，當它們真正跳進去才發(fā)現，深坑無數，最終陷入了“項目制泥潭”。

首先是領域單一帶來的“內卷式”同質化。四小龍的底層能力都來自CV技術棧，業(yè)務延展方向也高度重疊，安防是它們共同的大頭業(yè)務，它們給企業(yè)提出的解決方案，往往大同小異，缺乏本質的護城河。既然技術拉不開差距，就只能拼價格，拼所謂的服務，最后還賣不過比它們傳統(tǒng)的海康威視。

“四小龍”橫向對比，來源：各公司財報，數據猿整理

其次是“定制化之痛”帶來的利潤吞噬。CV四小龍面對的B端客戶，需求千奇百怪且極度非標，A市的攝像頭要兼容十年前的舊系統(tǒng)，B銀行的接口要符合內部的特殊規(guī)范。為了拿單，CV四小龍不得不投入大量人力做定制開發(fā)，產品變成了徹頭徹尾的“非標品”。這導致原本做算法的公司，活生生做成了“人力密集型”的外包公司。在這種模式下，營收越高，人力成本越高，凈利率反而越低，陷入了“規(guī)模不經濟”的怪圈。

再次是“回款噩夢”引發(fā)的現金流危機。G端和B端大項目的決策鏈極長，驗收和回款周期更是以年計算。這導致翻開財報時，營收數據看似增長喜人，但仔細一看，“應收賬款”高企，經營性現金流常年為負。為了維持公司運轉和龐大的研發(fā)團隊，它們只能不斷融資、不斷借貸，最終陷入惡性循環(huán)。

結局我們都看到了，CV四小龍從“明星獨角獸”變成了“工程交付公司”。上市后股價腰斬、持續(xù)虧損、裁員縮編，以曠視公司為例，該公司在2018至2020年凈利潤分別為-28億、-66.43億、-33.26億元，三年共虧損約127.7億元。2024年11月，曠視科技主動撤回了在科創(chuàng)板的上市申請。

CV四小龍用慘痛的經歷證明：如果技術不能標準化，B端市場就不是印鈔機，而是碎鈔機?？恳粋€個項目撐起亮麗財報，最后撐壞的是組織、現金流和研發(fā)能力。

李開復雖然強調“做ToB不是用單純的項目制去虧本拿單子，為爭小小的單子打得頭破血流，而是要在幫助合作伙伴和客戶賺錢的基礎上獲得價值認可”，但當生存壓力來襲，實際上CV四小龍誰也沒有做到這一點。也包括李開復自己擔任董事長的創(chuàng)新奇智——這家主打“AI+制造/金融”的B端企業(yè)，三年前IPO時市值曾高達147-153億港元，而如今（截至12月4日）市值僅剩31.6億港元。

新瓶裝舊酒，結局會如何？

現在，接力棒傳到了“AI六小龍”手里。不幸的是，從目前的種種跡象來看，它們正在踩入同樣的模式，甚至面臨著比CV時代更嚴峻的挑戰(zhàn)。

我們看到了同樣的“項目制傾向”，同樣的大模型開發(fā)團隊逐漸變成交付團隊。它們開始大量招聘解決方案架構師、行業(yè)專家、項目經理、交付工程師，研發(fā)資源逐漸被分配到各類企業(yè)定制項目中，而非平臺性技術的長期迭代。

為了滿足甲方的安全合規(guī)要求、適配甲方充滿孤島的IT架構，最頂尖的AI人才被迫去干“臟活累活”?，F在的私有化部署，不僅要賣模型、一體機，還要遷移到云甚至清洗數據。我們從boss直聘看到，能做出讓人耳目一新的出海產品talkie的Minimax公司，如今也在招聘“大模型售前解決方案工程師”，分布在北京、上海、深圳。耐人尋味的是，這家公司下面就有老牌外包公司“中軟國際”，幾乎也是這個職位，只是沒有AI，而工資相差數倍，如果前者也在干后者的工作，那么究竟還值不值這個薪資？

MiniMax和中軟國際解決方案職位對比，來源：Boss直聘

事實上，現在的處境比CV時代更為艱難。大模型的私有化部署和算力維護成本，不僅要考慮GPU顯卡等核心基礎設施投入，還要考慮存儲、網絡、冷卻、電力、部署、運維和持續(xù)迭代所需的資源。私有化部署一個千億參數級模型（如智譜GLM-130B），一次性投入+年化運營成本至少在百萬級，有能力私有化部署的公司數量更為有限。由于投入成本巨大，企業(yè)的ROI（投資回報率）相較CV時代更難填平。

有人可能會認為：“既然私有化部署成本如此之高，那企業(yè)為什么不上公有云？云服務不是更便宜嗎？”但在現實的政企市場中，這條道路基本走不通。和當年 CV四小龍面對的情況一樣，政務、金融、醫(yī)療等領域的數據高度敏感，涉及安防監(jiān)控、身份信息、業(yè)務流水、運營調度等核心資產。這類客戶天然對外部云環(huán)境保持謹慎，要求所有模型運行和數據處理都必須在本地、可控的環(huán)境中完成。

前面提到ROI很難填平的關鍵因素也在于，B端企業(yè)目前還難以通過AI直接獲得收入，企業(yè)需要的是精準決策，而大模型的“幻覺”特性，即一本正經地胡說八道，在B端是致命傷，容錯率極低。在安防時代，識別錯了頂多是誤報，人工復核一下就行。但大模型是用來做決策輔助、做知識管理的。如果AI給醫(yī)生推薦了錯誤的藥方，給法官引用了不存在的法條，給CEO提供了虛假的市場數據，誰來負責？

企業(yè)中的每一次判斷都需要準確、可追溯、符合規(guī)范，而大模型當前的生成邏輯并不能保證這一點。企業(yè)不會接受一個“偶爾會胡說八道”的系統(tǒng)參與決策。這使得許多AI落地方案只能停留在“輔助手段”層面，無法真正進入企業(yè)的核心流程，那就產生不了能覆蓋成本的收入

另外，許多公司試圖將AI引入運營流程，但發(fā)現AI雖然能講故事，卻無法真正承擔責任。它們能在會議室里做出精彩演示，卻無法處理真實流程中的復雜變量；能寫銷售話術，卻無法解決訂單中的問題根因；能平鋪直敘地總結數據，卻不理解那些數字背后復雜的業(yè)務邏輯。

在這種供需錯位下，市場誕生了怪胎——“數字員工”虛火?，F在賣給企業(yè)的諸多AI應用，本質上是“數字版羅永浩”，它們能聊能侃，形象逼真。這些“人來瘋”的數字人雖然能直播提升GMV，但本質上往往淪為展廳里的擺設。我們又發(fā)現了另一個令人尋味的現象，今年十月，宇數科技參加“中國國際消防展”，主打“偵測版”和“水炮版”機器狗，即宇數的工業(yè)四足機器人B2系列，同時宇數也在銷售類似設備，資料顯示，荊州市消防救援支隊2024年度消防裝備采購項目就包含了宇樹的四足仿生機器人產品。然而，我們也看到在今年香港宏福苑的大火中，那些在科技發(fā)布會上大放異彩的機器人、機器狗鮮有發(fā)揮作用，在關鍵場合還得依靠傳統(tǒng)的消防員。

第二十一屆中國國際消防展上的宇數科技消防機器人，來源：新浪

在當今AI熱潮之下，政府、企業(yè)領導可能會被說服買單一次，但如果實際效果無法落地，在財政預算普遍收緊的背景下，沒有人愿意承擔第二次風險。因此，越來越多企業(yè)將AI視為試驗性項目，而不是戰(zhàn)略性投入。為了避免預算浪費，管理層普遍要求“先試點，再決定是否擴展”，這在流程設計上意味著：AI公司必須先自掏腰包投入研發(fā)，做出樣機或PoC，再一步步推動企業(yè)最終采購。

這種“單點突破”的路徑讓企業(yè)和AI公司都要付出高昂的試錯成本，更關鍵的是，如果AI系統(tǒng)無法在真實業(yè)務流程中承擔可量化、可追責的責任，那么項目制本身就難以成立，更不要說沉淀成標準化平臺。這種模式只能帶來“不斷試點、不斷重做、難以放量”的商業(yè)循環(huán)。

長期如此，AI六小龍很可能重演CV四小龍的軌跡——在高成本、低毛利、強依賴人工交付的業(yè)務環(huán)境里被拖成工程公司，創(chuàng)新資源被消耗殆盡，最終被主流市場邊緣化。

問題不在于轉B

而在于能不能創(chuàng)造真實價值

中國工程院鄔賀銓院士近日撰文指出，AI正迎來從技術突破到價值落地的關鍵拐點。當前，大模型技術在參數規(guī)模、多模態(tài)能力和工程效率上持續(xù)迭代突破，千行百業(yè)展現出AI應用的豐富場景，但AI技術的規(guī)模價值仍未得到充分釋放。

今年下半年，從Sora2到Nano Banana、Gemini3，每一次新的發(fā)布都在C端引起了巨大反響，帶來驚人的用戶轉化。這些新技術展示了更強的多模態(tài)理解能力和更低的端側推理成本，說明新一代輕量模型正在讓C端AI應用具備真正的可用性和差異化價值。C端的機會窗口依然敞開。

同樣B端也有巨大的市場。從亞馬遜裁員的例子來看，B端企業(yè)級應用同樣可以起到驚人的效果，這種效果來自于對業(yè)務流程的深度重構和對人力的實質性替代，而不是部署一個大模型、能隨便聊幾句就算“落地”。其背后一定是對行業(yè)邏輯的深刻理解、對關鍵節(jié)點的精準把控后，讓AI嵌入流程，成為承擔責任的“員工”，達到這一層級，才可能成為企業(yè)付費的一個理由。

總部位于瑞典的金融科技公司Klarna原有700名客服，當它上線了AI客服等產品后，其CEO Sebastian Siemiatkowski認為不需要那么多的員工，隨即將員工人數從5000人削減至3800人，但他接下來就后悔了，因為AI客服只能匹配知識庫，而不能解決實際問題，用戶實際問題千奇百怪，很多不屬于知識庫的一部分，“演示效果非常驚艷，但一旦實際落地就會暴露很多問題?！蹦壳斑@家公司又開始重新招聘人工客服。

歸根結底，無論是C端還是B端，都不是決定成敗的關鍵，提供價值才是。實際上，如果不能在B端證明自己是“工具”而不是“吉祥物”，那么今天簽下的每一個大單，都將是明天壓垮駱駝的最后一根稻草。在中國AI的下半場，我們不需要太多的“數字羅永浩”，而需要能真正承擔責任、可在流程中站得住的硅基打工人，只有先證明自己有用，才值得談未來。在證明自己有用之前，請收起那些華麗的PPT，因為當大火燃起時，它們真的救不了火。