砸1個億，投入400人，2款產品落地，AI創業者的辛酸誰懂？

嗅態

觀察商業榜樣，輸出榜樣觀察

作者 | 石燦

頭圖 | Pexels

1月31日，大年初三，正值新春佳節，整個互聯網都被DeepSeek塑造的AI成功學氛圍所籠罩，處處洋溢著對AI領域斐然成就的熱烈討論與展望。

就在當天傍晚，我刷微信朋友圈時，一條長文闖入眼簾，與這喜氣洋洋的氛圍形成鮮明反差。文章聚焦一位AI創業者的項目失敗經歷，字里行間透露著創業路上的艱辛與無奈 ，讓沉浸在成功喜悅中的我瞬間冷靜下來，開始思考AI創業背后不為人知的一面。

AI成功學甚囂塵上，種種宣揚仿佛讓我們置身于AI全面成功的盛景之中，麻痹了我們對現實的理性判斷，但在“成功”的喧囂背后，是AI創業失敗者長久的沉默。他們才是真正的大多數，卻因種種原因隱匿于公眾視野之外，無人問津。

這強烈的反差促使我下定決心，開啟了為期近一個月的尋訪之旅。我四處奔走，只為找到那些愿意站出來，坦誠講述自身失敗經歷的AI創業者。

1

“泡沫的受害者”

寫文章的人叫李鐵，是消費排行平臺“蓋得排行”的創始人兼CEO。他在商業這塊一直很有眼光。

2016年，他創立蓋得排行，把各種生活用品、消費服務都列成排行榜，大家買東西或者選服務前，看看排行榜，就能知道怎么選更劃算。

成立之初，蓋得排行便獲得了阿里巴巴集團的千萬級別天使投資，后續陸續獲得其他投資機構的資金支持，最近一輪融資則來自百度。

2020年6月，百度給蓋得排行投了1.5億，占26.06%的股份，兩家公司開啟戰略合作。此時，蓋得排行資金充足、人才也多，李鐵就琢磨著開拓新業務。

2022年11月30號，美國OpenAI公司發布ChatGPT大模型，一下子在全世界火了。

李鐵敏銳地覺察到，機會來了，AI新技術在圖片、文字處理等領域有著廣闊的應用前景。而且，像蓋得這樣的中型公司在應用創新方面很靈活，能夠快速將新技術轉化為實際應用。

經過深思熟慮，李鐵毅然決定投身AI派生應用開發領域，期望在這片充滿機遇的新賽道上開辟出屬于自己的天地。

蓋得排行第一個AI產品，是用ChatGPT做的智能助手和虛擬客服。不過，李鐵不太滿意。他說：“小學四年級學生簡單培訓一下，都能做淘寶店客服，智能客服卻做不到完全替代人工。”

2023年和2024年是AI應用開發的高峰期，蓋得排行投入約400人，總資金超過一億元，陸續推出五六款AI應用并實現落地，包括AI作文特級教師App、祝福定制MV、高考志愿填報。

但李鐵坦言：“這些產品雖然有一定用處，但遠遠達不到用戶持續使用和付費的標準，就像雞肋一樣，食之無味，棄之可惜。我的公司就是泡沫的受害者。”

近年來，經濟形勢不佳，創業環境艱難。ChatGPT的出現雖給創業者帶來希望，但也隱藏風險。創業者在AI領域創業時應保持謹慎，避免盲目樂觀。

幸運的是，蓋得排行有兩款軟件取得了成功。一款是為老年人寫回憶錄的軟件，另一款是將AI技術應用于婚紗照片背景制作。這兩款軟件均由蓋得公司的技術人員基于開源大模型研發。目前，AI寫回憶錄軟件的發展態勢較好。公司搭建了一套流水線體系，通過軟件與AI技術輔助人工，最終生成完整的文章。

在開發和運營過程中，李鐵發現這是一個高度依賴本地化的商業模式。他判斷：“它不適合我們這樣的大公司直接做，更適合我們把這套軟件賣給個體戶，讓他們在本地利用這門技術開展生意。”

所以，公司開始賣軟件，辦培訓課程，一套收5萬。

2024年11月，公司來了第一個參加培訓的學員，以后打算當“老人回憶錄AI代寫師”。

李鐵（右）和學員合影 圖源@猩猩吸猩猩

李鐵說：“因為5萬塊錢價格不低，很多人不放心，所以我推出了免費聽課，免費培訓，培訓完了，你滿意，再交錢。”

雖然用AI寫回憶錄的這個產品取得了成功。但是回顧整段AI應用創業的歷程，李鐵既氣憤又無奈，公司在AI應用上的投入產出比嚴重失衡，實際成果與預期相差甚遠。

他比喻道：“也就是說，過去兩年，我們花巨資造了一艘捕鯨船，招了400多船員，出海兩年，只打回來兩條秋刀魚。”

2

“如此殘忍”

小尤也是在ChatGPT發布之后投入AI創業領域的創業者。他認為，“每次科技浪潮的初期都是機會，科技浪潮對于我們這種底層小白是友好的，大廠同樣沒積累。”

他把ChatGPT引發的創業潮視作改命的機會，“一個人一生能遇到的契機的數量是有限的，錯過了這輩子就更難以跨越階層了。”

2023年6月，小尤從一所大學的計算機專業讀完碩士學位，便迅速和同學組建起創業團隊。剛起步時，他打算做客服系統，然后構建知識庫，把客服系統升級為特定領域的專家系統，只需要替換知識庫的內容就能服務不同的群體。

“在我看來這樣一個系統應該是通用的，和具體的業務無關。”小尤說。

因此，他在不確定用戶是誰的情況下，先完成系統的開發，找到客戶后，再根據客戶的需求，做知識庫方面的定制化工作。

團隊組建是創業初期的關鍵任務。起初，小尤與同學合作，但這種模式存在弊端，成員間能力和背景相似，工作內容也相近，不利于團隊成員發揮差異化能力，承擔不同任務。這導致產品宣傳和商務談判等工作無人勝任，讓團隊在早期吃了不少苦頭。創業半年后，為解決團隊成員能力多元化問題，他們選擇與另一個兩人團隊合并。

籌集資金是團隊初期第二順位的問題。但是，由于初創團隊的產品不完善，甚至沒有demo，籌備資金時，非常看重團隊成員的背景。

小尤是計算機專業碩士畢業，“我自己學歷背景比較好，每次拿融資的時候都會帶上我。”

他們主要向老熟人、有實力和合作關系的企業以及合作過的大客戶籌集資金。其中，從老熟人那里籌集到約二十多萬，是最多的一筆資金，但未能從后兩類對象處獲得資金。

時間緊，任務重，小尤和團隊成員只能一邊尋找資金，一邊進行技術研發。

最初，小尤不采用大模型開源系統，而是在Github開源項目上進行二次開發。憑借4年的開發經驗，開發過程還算順利，但因初期人手不足，整個過程耗時約5個月。

在實際市場中，客戶更關注價格和功能是否滿足需求，而非技術來源，這使得創業公司急于開單。暗藏的一個風險也來自Github，公開的開源項目意味著小尤的產品缺乏核心技術。

后來小尤反思，在2023年AI應用快速爆發的時期，自研風險遠高于以往，若重來一次，第一版產品直接找開發公司購買，僅花費8000元左右改外觀，還能節省幾個月時間。

同時，他注意到，很多公司都在卷大模型開源和系統開源。直接采用名氣大、技術硬的大模型，不僅能節約很多宣傳成本，還能迅速獲取早期客戶。

在一年時間里，小尤和團隊先后開展了私有化知識庫、數字人開發、獲客軟件三個項目。前兩個項目均以失敗告終，只有獲客軟件項目存活下來，每月收入約10萬元，但收入不穩定，僅夠維持團隊運轉。

身心俱疲的小尤最終選擇退出，目前已經到某985高校攻讀博士研究生。

其實，擺在小尤面前的是一個錯綜復雜的市場：足夠多的程序員群體、足夠高的失業風險、足夠淺的信息差、足夠高的競爭環境、足夠少的創業機會、足夠低的用工成本、精細化的產品生產機制、驟然暴熱的技術浪潮……當這些因素在一個極端的時間爆發，結局只有一個：高度內卷。

當OpenAI把機會送到太平洋彼岸時，這群智商足夠高的知識精英，無不把它當做逆天改命的機會。

在這場激烈的競爭中，常規操作手段已然失效。小尤判斷，要想脫穎而出，專利保護和達到SCI水平的原創論文至關重要。

2024年6月，結束創業前，小尤已提交兩項專利申請。恢復自由身后，他依舊馬不停蹄地閱讀文獻、撰寫論文。在他看來，創業的賽道“就是如此殘忍”，即便創業結束，提升核心競爭力的腳步也不能停下。

3

“靠不斷融資難長久”

2024年12月，李鐵從廣州前往北京出差，期間與幾位AI投資機構的投資人展開交流。

其中一位投資人透露，其所在機構投資了全國20多個AI應用項目，令人遺憾的是，這些項目無一做大做強，能真正落地投入使用的更是寥寥無幾。

這位投資人對李鐵感慨道：“李總，你們算是很厲害了，居然還搞出兩個成立的。”

ChatGPT爆火后，國內大模型發展迅猛。短短不到一年，就涌現出130多個大模型。據新華社報道，截至2025年2月，參數規模10億以上的大模型已有100多個，數量超過美國。

然而，市場研究機構CB Insights在2025年初發布的數據卻顯示出另一番景象：2024年，中國AI領域投融資事件僅有301件，而美國高達2189件；中國AI領域總融資規模為52億美元，美國則達到763億美元，中國AI初創企業籌集的資金僅為美國的7%。在投融資數量和規模上，中國與美國均存在較大差距。

ChatGPT發布后的短短兩年間，中國投資機構對AI項目的投資邏輯發生了巨大轉變。

2024年，中國AI商業落地以“決策式AI提效、生成式AI創收”為核心邏輯，民營投資機構側重于財務型投資，國有投資機構偏向于配合產業政策布局，整體呈現出技術與場景深度融合、政策與資本協同驅動的特征。

起初，投資機構傾向于投資專注AI通用技術研發的項目，如大模型研發、算法創新等。他們普遍認為，掌握核心技術是在AI領域取得競爭優勢的關鍵，因此大量資金流向擁有先進算法、算力資源和數據處理能力的企業。

但隨著技術的迅猛發展，投資機構的關注點逐漸轉向AI技術在具體場景中的應用落地。常壘資本投資合伙人馮博就更青睞投資應用層面的AI項目，而非大模型本身。

他認為，大模型領域競爭異常激烈，尤其是DeepSeek開源后，市場格局發生了重大變化，新的純大模型創業企業面臨著巨大挑戰。相比之下，應用層面的項目有著更多的發展機會。

他舉例說，有一家專注于辦公領域Excel數據分析和操作的公司，通過開發小模型完成大模型無法完成的復雜任務，很好地滿足垂直市場的需求，這類應用項目就更符合他的投資偏好。

基于此，他總結出“開源大模型—垂直小模型—垂直市場需求”的商業鏈路分析模式，并且將更多目光聚焦在“垂直小模型—垂直市場需求”上。這意味著創業團隊無需在“從0到1”的艱難起步階段耗費過多精力，可以直接進入“從1到10”，甚至“從10到50”的商業模式驗證階段。

“應用創業是科技領域的生意，得思考如何盈利，靠不斷融資難長久。”馮博認為，在AI投資里，追風口容易，找真正有落地價值的項目難。好項目就像深埋沙礫里的金子，得用專業眼光和行業洞察力去挖掘。

對于那些圍繞大模型開展工作，卻沒有真正利用大模型解決實際問題的創業項目，他并不看好，因為這類項目壁壘低、生命力不強。而對于能夠清晰規劃盈利路徑、有明確客戶群體和變現方式的項目，他會更感興趣。

此外，馮博還指出，創業團隊中的技術人員至關重要，特別是具備調優大模型和設計小模型能力的年輕人。

以他投資的一個蛋白質結構預測項目為例，團隊成員不僅要精通大模型，還得深入了解所在行業，這樣才能設計出有競爭力的小模型，提升產品的實際應用效果。在他看來，擁有這種技術能力的團隊，在AI創業中更具優勢，也是他投資時重點考察的因素之一。

不過，從Kimi、DeepSeek等科創新秀公司的發展經驗來看，投資機構除了關注技術，還十分看重創業團隊的綜合素質。

一個優秀的AI創業團隊，不僅要有深厚的技術底蘊，還需具備敏銳的市場洞察力，能夠精準把握市場需求與行業趨勢，將技術轉化為具有市場競爭力的產品或服務。創新能力同樣不可或缺，在快速變化的AI領域，只有不斷創新，才能保持領先地位。運營管理能力也至關重要，它關乎企業的日常運營效率、成本控制以及戰略執行，直接影響著企業的生存與發展。

恐怕，只有技術與綜合素質兼備的創業團隊，才能在AI領域，站穩腳跟。