第四范式也向港股发起了冲刺。
IPO招股书披露的一连串数据中，话题性最强的依然是亏损情况。2018年到2020年期间，第四范式分别亏损3.72亿元、7.18亿元、7.5亿元，2021年上半年的亏损则进一步扩大为11.87亿元。过去三年半的时间里，第四范式已经烧掉30.72亿元。
这样一组数据似乎并不让人感到诧异。旷视、云知声、依图、云从科技等几乎所有想要走向二级资本市场的AI独角兽，都交出了一份亏损数十亿元的成绩单，而盈利就像是一个“魔咒”被施加在所有玩家身上。
当亏损成为所有人工智能企业的“通病”，曾经的明星创业者逐渐失宠，第四范式们是否还有破局的机会？
01 拿步枪打苍蝇
海康威视总裁胡扬忠曾在媒体采访中，这般形容安防领域的野蛮人：“以通讯行业为例，其运营和销售成本比安防高很多，所以用高成本的人力去跑安防，就像拿步枪打苍蝇一样，投入与产出是非常不匹配的。”
看似是对科技巨头插足安防市场的“怒怼”，可“拿步枪打苍蝇”的比喻巧妙的道出了人工智能企业亏损的根源。
正如两年前被无数人鼓吹的AI人才短缺，掀起了一场轰轰烈烈的抢人大战。为了掌握前沿技术的主动权，科技巨头和创业公司都在组建自己的科学家团队，博士人才的年薪迅速被炒高的百万级别。商汤科技的创始人徐立就曾在公开场合透露，公司成立之初就将大约一半的资金用在了人才招聘上。
算法和人才也随即成为资本下注的主要因素，“投人工智能要先投科学家”成了创投圈的隐性共识，以至于出现了顶级AI科学家在不同创业公司间来回转场的一幕。或许硬科技的天然特征就是烧钱研发，由于研发难度大技术链条长，短期内无法盈利甚至持续亏损都是行业的普遍现象。
但技术实力不等于变现能力，在年薪百万的博士工程师跑到工厂写代码的那一刻，就注定了人工智能的悲情角色。
大多数人工智能企业的人才结构都有些畸形，懂算法、懂理论的博士，却不懂产业痛点和既有规则，让他们下沉到工厂这样的场景里解决问题，性价比自然比不上海康威视等企业用一群本科生塑造的铁军。在人力成本严重不对等的局面下，即便可以创造营收，也难以产生可观的利润。
何况当前AI落地的场景过于碎片化，不同用户有着不同的需求，定制化的比例远高于标准化的方案。结果就是，人工智能企业无法通过单点突破迅速收割市场，只能做完一个项目再做下一个项目，在定制化、成本高、利润低等不利因素的制约下，亏损也就成了一种难以避免的常态：看起来营收在逐年增长，需要的研发投入也在逐年增加，最终还是没有等来营收平衡的临界点。
艾媒咨询CEO张毅的观点可谓相当有针对性：“目前人工智能企业在不断地开拓新业务试图拉高营收数据，但营收增长的同时，利润却没有得到同步增长，也就意味着营收带有一定的泡沫。营业成本居高不下，营收回血跟不上烧钱速度，直接导致很多企业的现金流数据不容乐观。”
这大抵也是AI独角兽们频频冲刺IPO的诱因。早期的资本对研发上的高投入还比较宽容，可持续的亏损正在消磨资本的意志，在一级市场态度冷漠的局面下，抓住行业最后的窗口期上市，可以说是为数不多活下去的机会。
02 盈利暂时无解
麦吉洛咨询资深分析师司马秋曾表示，“从营收的角度来看，AI是个超级赛道，拥有巨大的市场前景。但是从AI四小龙的财务数据来看，AI应用落地仍然存在一定难度，营收不如预期，持续亏损。”
至于营收不如预期的原因，或许可以找到两种解释：
一是外部大环境的制约，像自动驾驶这样能够低成本复制的标准化产业，短期内很难规模化落地，而金融、安防、医疗等商业化比较成熟的领域，目前还没有哪家AI独角兽走出亏损的死胡同。
二是商业化变现的浮躁，很多技术创业公司会陷入闭门造车的困境，个中原因离不开创业者的“需求臆想症”，即习惯性思考技术可以做出什么样的产品，而非目标市场到底需要什么样的产品。
一个直接的例子，曾经有一家制造业工厂寻求人工智能企业合作，但找了很多家都遭遇了碰壁，要么以需要硬件研发为由拒绝，要么坦陈对方的体量太小。也就折射了一个深层次的问题，尽管很多人工智能企业在积极寻找商业化变现的路径，可聚焦到一线的销售或商务身上，仍然苛求接大单。
其实这一现象并不难理解。算法、算力和数据是人工智能三个核心要素，但目前的普遍现状在于，客户的需求都是非标准化的，哪怕是最基础的产品瑕疵检测，也需要足够的样本数据进行算法模型训练，而小样本学习技术又面临数据孤岛、数据隐私保护等问题，落地的潜在成本可想而知。
为了解决类似的命题，一种流行的思路是像IBM那样控制“中间件”，比如将算法、芯片等占据核心地位且毛利高的产品掌握在自己手中，帮助其他企业牵线搭桥，尝试将落地的环节交给上下游的合作伙伴。
商汤、旷视等独角兽很早就成立了投资部门，思必驰、中科视拓等也和VC机构联合成立了产业基金。目的正是通过投资上下游企业，打通商业化落地的闭环，那些被投的企业可以在场景落地、政府资源等方面弥补人工智能企业的不足。
秉持同样理念的还有百度智能云，在2020年末推出了“云智生态计划”，计划在三年内扶植1万家合作伙伴，并与其中200家建立重点扶持关系。意图也是与合作伙伴相互集成，进而加速人工智能在各行各业的落地。
有些遗憾的是，诸如计算机视觉、智能语音等领域并没有太大的技术壁垒，呈现出的态势是技术的趋同，没有哪家的技术绝对领先，即使是一些小的创业公司也能拿出和独角兽们相似的解决方案，所谓的市场统治力也就无从谈起。
IBM、甲骨文、SAP等企业的高分答卷，还人工智能赛道上还无法复制。
03 几个可能方向
现代管理之父彼得•德鲁克说过：“动荡时代最大的危险不是动荡本身，而是仍然用过去的逻辑做事。”
同样的道理俨然适用于人工智能，巨额亏损的原因无外乎两点：一是自身的成本太高，包括研发、人力、营销、渠道，以及项目落地过程中的隐形成本；二是盈利跟不上，按照固有的模式输出技术的路线，早已被证实缺少想象力。
想要走出当下的盈利困局，抑或说为企业找到新的增长空间和故事脚本，还需要继续寻找可行的轨迹。目前市面上也出现了几种流行方向：
比如对深度学习框架的角逐。作为人工智能时代的操作系统，开源深度学习框架的价值不言而喻。切换到商业化的视角上，开源深度学习框架无疑是不可或缺的生产力平台，也是连接各行各业开发者的理想方式。一旦可以在上游解决算法门槛，人工智能的落地剩下的就只是时间问题。
然而目前国内过半的开发者还扎堆在TensorFlow和PyTorch，开发者生态比较成熟的仅有百度飞桨，华为MindSpore、旷视天元、一流科技的OneFlow等才刚刚起步。或许意味着这个市场还存在很大的机会空间，同时也预示着国内开源生态的成熟还需要长时间的市场教育，短期内无法改变人工智能企业的盈亏。
再比如降低AI应用的成本。人工智能的最大问题并不是缺少应用场景，而是人工智能带来的效率提升远低于成本投入。很多企业找到了人工智能的场景，获得了技术落地的价值提升，但没有到达产出高于投入的临界点。
除了寄希望于市场的逐渐成熟，一个重要的赛点在于降低技术的边际成本，当边际成本足够低的时候，所有的问题都将迎刃而解。开源深度学习框架是一种可行路径，SaaS服务可能是另一种可行路径，即将算法模型以可复用的SaaS进行订阅。
虽然轻量化的SaaS服务无法满足客单价高的重型解决方案，却也不失为一种创收手段。毕竟B端业务依旧是人工智能行业的营收大头，可动辄半年以上的付款周期，严重限制了人工智能企业的资金流动，乃至成了人工智能规模化落地的另类桎梏，付费订阅则巧妙地化解了里面的种种问题。
不管怎样，从谈概念、讲技术到拼场景、抢落地，人工智能已经进入到了新的时间周期，继续沿用旧有的套路和范式，恐怕很难再让资本市场买单，一起起IPO失败的惨烈案例，何尝不是最直接的教训。
同时需要明白的是，倘若人工智能的商业化由阴转晴，大概率预示着进入门槛已经足够低，势必会吸引越来越多的玩家来抢食市场，战况将前所未有的复杂，彼时等待人工智能企业应对的麻烦将只多不少。
04 写在最后
人工智能曾经是下一个商业时代的触点，引诱了一众创业者和投资人，可最终也没能跳出行业兴衰的节奏。
答案或许就藏在第四范式创始人戴文渊的一句实话里：“现在几乎没有企业不用到AI的技术，但是如果说哪个企业把AI拿掉后活不下去，这样的企业也很少。这是我们认为人工智能最大的挑战，虽然有用，但是没有特别大的用处。”
所有泡沫都有碎裂的时候，人工智能的浪潮也没有例外，却也让人们越来越理性思考人工智能的技术价值和商业价值。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
2025年10月25日，2025世界青年科学家峰会之人工智能（AI）融合创新发展论坛在浙江温州成功举办。本次论坛由国际院士科创中心主办，中国投资协会能源投资专业委员会、温港院士科创中心承办，中国电工技术学会、中科先进技术温州研究院与温州市电力工程学会提供支持，以“瓯江论道-AI赋能绿色发展”为主题，
个人创业需要启动成本低、无需庞大团队、可快速验证、能利用个人技能或资源。这里分享适合个人创业的十个机会一.AI内容优化与本地化服务·做什么：帮助企业或个人利用AI工具（如GPT-4,Midjourney）优化内容生产流程。例如，为跨境电商撰写多语言产品描述，为小红书博主生成爆款文案，为小公司制作营销
百度AI团队今日正式推出PaddleOCR3.1版本，以突破性的多语言组合识别（MultilingualCompositionPerception,MCP）技术为核心，彻底重构复杂文档处理边界。此次升级标志着OCR领域首次实现对同一文档内任意混合语言文本的精准识别，为全球化企业、跨境业务及多元文化场
导航网站的崛起：从信息过载到精准触达随着全球AI工具数量爆发式增长（2025年已超数万款），用户面临前所未有的选择困境。传统搜索引擎的“关键词-链接”模式难以应对工具筛选的场景需求，垂直化、场景化的AI导航网站应运而生。这类平台通过聚合、评测、分类与推荐四重机制，将分散的工具资源整合为结构化入口。例
当微信公众号文章中出现一个人的名字，它会自动变成蓝色链接，点击即可查看AI生成的“个人简历”——这一微信新功能让不少用户感到被“扒光”在互联网上。近日，微信新上线的“AI搜索”功能陷入隐私泄露争议漩涡。多位网友在社交平台反映，当微信公众号推文中出现本人姓名时，名字会自动变为蓝色超链接，点击即可浏览由
凌晨两点，小王合上笔记本，揉了揉酸胀的眼睛。花了一个月写出来的10万字短剧剧本躺在硬盘里，要真正把它拍成剧，得找演员、租场地、请摄像、做后期……粗算下来少说要几十万，他只能把剧本继续锁在抽屉里。不过，现在小王的剧本可以“见光”了。2026年3月19日，字节跳动旗下的小云雀AI正式上线了短剧Agent
你一定遇到过这样的场景：明明刚和AI助手聊了半个小时的项目细节，退出会话后重新打开，它却像个失忆患者一样，连你上一轮说过什么背景信息都忘得一干二净，你又得从头把需求讲一遍。这种“聊完就忘”的体验，让无数使用AI智能体的用户深感头疼。为了解决这一普遍困扰，腾讯云在4月3日正式推出了名为“龙虾”的记忆服
4月3日凌晨，谷歌DeepMind悄然甩出一枚重磅炸弹——全新一代开源大模型Gemma4正式发布，以极其宽松的Apache2.0协议向全球开发者免费开放。这是自2025年3月发布Gemma3以来，谷歌时隔整整一年的重大迭代。本次发布的Gemma4包含四个不同规格的版本：E2B（有效20亿参数）、E4
AI龙虾也会生病。别怕，大部分病不是什么绝症，自己在家就能治。我养OpenClaw一年多，总结出五种最常见的毛病，附上我的“土方子”，希望对你有用。病一：不吃食（完全不执行任何任务）症状：你给了指令，它没反应，日志里一片空白。就像龙虾趴在塘底不动弹，碰它也不理。病因：通常是进程卡死了，或者依赖服务没
养过真龙虾的人都知道，投喂是个技术活。喂少了，龙虾饿得互相残杀；喂多了，剩饵坏水，整塘发病。OpenClaw这个AI龙虾也一样——你给它安排的任务太少，它会“闲得发慌”，反应迟钝；你一次塞给它太多复杂任务，它会“消化不良”，要么报错要么干一半就卡住。每天该喂几次？我的经验是：每天喂两次，早上一次简单
养过真龙虾的人都知道，苗种的好坏直接决定收成。养AI龙虾也一样——OpenClaw有不同版本，有的稳定但功能少，有的功能多但爱“闹脾气”。新手该怎么选？我用自己的踩坑经历告诉你。版本怎么选？OpenClaw目前主要有三个分支：稳定版（Stable）、测试版（Beta）和社区魔改版（Community
我第一次听说OpenClaw，是在一个技术群里。有人发了一串代码，说“这个AI龙虾特别好养，会自己找食吃”。我好奇点进去，结果对着终端发了一小时呆——连环境都没搭起来。后来我才明白，养AI龙虾跟养真龙虾一样，新手入门得先做足功课。第一问：我的电脑跑得动吗？很多人以为AI龙虾就是个聊天机器人，打开网页
4月2日，字节跳动旗下火山引擎在武汉举行的AI创新巡展上宣布，Seedance2.0API正式面向企业用户开启公测。同时，火山引擎总裁谭待在会上披露，截至今年3月，豆包大模型日均Token使用量已突破120万亿，在过去三个月内增长一倍，比2024年5月发布时增长1000倍。Seedance2.0：从
养AI小龙虾的路上，坑不少。有人被代装服务骗了钱，有人电脑中了毒，有人收到天价账单，还有人发现AI“失控”了，开始乱删文件。如果你也遇到这些糟心事，别慌。下面这份“养虾应急包”，告诉你第一时间该做什么。场景一：代装被骗，钱打水漂了花了300块找人远程装OpenClaw，结果对方收了钱就拉黑，或者装了
把AI智能体请进电脑，就像把家里所有的钥匙交给了一个陌生人。它能帮你打扫房间、整理文件，但万一它“起了坏心”，或者被坏人利用了，你的家就不再安全了。这不是危言耸听。国家互联网应急中心已经发布风险提示，指出OpenClaw的默认配置“极为脆弱”，攻击者一旦得手，能轻易获取系统控制权。微软安全团队也警告
