请提供具体的相关内容呀，没有具体的“以下内容”，我没法准确地进行 200 字描述呢。你可以详细说说那些关于成为 AI 墓地一员的相关信息、现象、因素等，这样我就能更好地为你创作啦。

AI工具聚合网站“DANG！”收录了大量已经停止运营的AI项目，并为之专门建立了一个死亡名单——AI墓地（AI Graveyard）。据统计，从2024年6月至2025年2月，AI墓地收录的项目从738个增加至1100多个，短短半年多时间内的增长率就超过了50%！这份名单涵盖AI领域的多方面产品，包含大量AI语音、AI图片、AI对话、AI写作、AI搜索引擎等通用功能类的应用，以及部分AI数据分析、辅助编程、AI设计建模、AI影视剪辑、AI营销管理等专业功能类产品。

值得一提的是，AI墓地收录的不只是一些中小型公司的失败项目，一些巨头公司、明星创业团队的项目也在这份名单里，例如OpenAI推出的AI语音识别产品Whisper.ai，Stable Diffusion的知名套壳网站FreewayML，以及由谷歌前高管创立的、曾被视为是“谷歌竞争者”的AI搜索引擎Neeva，等等。

如此多的AI项目折戟沉沙，令人唏嘘不已！那么现存的AI企业应该如何避免成为AI墓地的一员呢？

AI行业之所以会出现大量失败的明星项目，一个核心原因在于，当时许多匆匆涉足这一领域的公司过于关注大模型技术指标的追求，而其产品形态及商业模式较为单一，忽视了商业模式设计在挖掘应用场景、实现技术价值、构建企业防御壁垒方面的重要性。

媒体铺天盖地的报道与市场对大模型的追捧让很多人认为，只要掌握了最先进的大模型技术，就掌握了未来数十年的商业密码，占据了行业的上风。虽然当下国内外AI大模型创业项目有不少得到了上千万美元的融资，在资本市场收获了极高的估值，但这并不意味着这些大模型独角兽已经获得了商业上的胜利。

一、评估AI企业生存能力的蛋糕模型

我们认为，AI企业需要更完善的商业模式，才有机会在愈发激烈的市场竞争中生存下来，避免沦为AI墓地中的一员。为了帮助AI 公司评估自身生存能力的优劣，我们提出一个“蛋糕模型”（见图1）：

• 产品价值空间是否存在——蛋糕是否存在？

• 实现价值空间的切入模式是否“锐利”——切蛋糕的角度是否正确？

• 企业是否具备模型迭代所需的资源能力以及足够的壁垒——能否抵御其他人抢蛋糕？

• 产品盈利模式设计是否合理——吃蛋糕的投入产出是否合理？

• 大模型企业是否具备生态来协助产品迭代至成熟——是否有人协助你吃到蛋糕？

• 大模型应用过程中的数据安全问题——蛋糕是否存在食品安全问题？

二、每一家AI企业的必修课

上述六个问题是任何一家AI企业在其成立与发展过程中都无法回避的。依序回答好这六个问题，是每一家AI企业在市场中存活并胜出的“必修课”。接下来，本文将结合企业实例以及AI墓地中的典型项目，逐一解释这六个问题的内涵与重要性。

产品的价值空间是否存在——蛋糕是否存在

与其他类型的产品一样，任一款大模型产品首要面临的就是自身的价值空间问题，也就是大模型的具体应用到底创造了什么价值，类比为企业所做的业务场景是否存在甜美的“蛋糕”。

在AI墓地中，有不少项目死于产品价值空间过于狭窄，其中AI Pickup Lines这款应用即是典型。AI Pickup Lines是一款基于AI的搭讪语生成工具，能够根据用户输入的目标特征和场景，快速生成幽默、浪漫或有趣的开场白，帮助用户在社交场合中打破僵局。但是，该产品的价值空间非常狭小，虽然搭讪语有一定的市场需求，但其应用场景较为狭窄，且用户对这类产品的依赖性较低，更多是将其作为一种娱乐消遣工具使用。

价值空间问题可进一步拆解为二个子问题：第一，该产品是否创造了价值？即是否在一些明确的场景下满足了用户需求；第二，该产品创造的价值存在于已有市场还是新市场？即产品是抢夺存量还是创造增量。

很多大模型产品的设计是为了帮助企业提高简单重复工作的生产效率、节约人工成本，即抢夺现有的蛋糕。然而，仅凭这些价值是否能支撑起数十亿美元的估值，仍需进一步讨论。

以美国一家专注于营销内容生成的大模型初创企业Typeface为例，该公司成立于2022年6月，2023年6月获得B轮1亿美元融资，1年时间估值达10亿美元。这款产品主要利用大模型和计算机视觉等技术帮助企业员工通过提示文本快速生成营销图文内容，让没有营销专业技能的普通员工也能利用AIGC工具快速制作品牌营销所需的个性化内容。不难看出，Typeface的价值主要在于替代市场上现有的相关专业人员的部分工作。

虽然Typeface获得了一众投资方的青睐，但其产品价值空间在当时能否支撑起10亿美元估值？首先，假设Typeface拥有10倍市销率，按照10亿美元的估值计算，也就是说其每年营收须达到1亿美元。

据Payscale给出的数据，目前美国平面设计与营销文案策划从业者平均年薪约为5.7～6.7万美元。如果假定这些从业者中有10%的工作是营销材料制作相关的，那么保守估计Typeface每年至少要取代约2万名这部分工作的从业者，并且在客户企业愿意支付同等价格的条件下，才能实现10亿美元的估值。通过上述估算可见，Typeface的AI产品必须绑定大量的客户资源并持续占据足够多的市场份额，才能实现其现有估值。这对于一个刚成立一年的初创公司来说是一个不小的挑战。

实现价值空间的切入模式是否“锐利”——切蛋糕的角度是否正确

如果一款大模型产品寻找到了其广阔的价值空间，那接下来企业就需要考虑采用什么样的产品形态与切入模式，以何种场景切入并实现目标价值空间。同一种需求与价值空间可以通过不同的模式来满足。真正“锐利”的大模型产品的模式能够找到最合适的角度精准地命中用户痛点需求，让用户真正愿意为之买单。大模型企业在看到了市场蛋糕之后能不能用最佳的“角度”顺利切到蛋糕，这关系到企业提供的产品能否得到市场的认可并占据一定的生存空间。

什么才是真正“锐利”的产品形态与商业模式？其实OpenAI在2022年底发布的ChatGPT产品就是一个很好的案例。事实上，基于Transformer架构的预训练大模型早在2018年就问世了，但当时只有开发人员能够通过特定的计算机语言、编程接口等专业方式与这些模型（包括GPT-1与GPT-2）进行交互，这也在一定程度上导致早期的预训练大模型在市场上鲜为人知。

ChatGPT对话式的产品模式以一种最直观、最简单易懂的产品形态，让大众对生成式大模型的能力迅速产生了强烈的感触与认知，让全世界对大模型产生了极强的兴趣与信心。该模式的核心目的是为了在市场上“吸睛”，让尽可能多的人对生成式模型的能力有信心，进而可以在未来获得最多的资本支持。从这个角度看，其模式是非常成功的。

然而，中国的大模型企业是否应该直接模仿OpenAI这种最简单、最直观的商业模式呢？在中国市场上，C端用户没有对软件的使用形成持续付费的习惯。而且，国内众多大模型企业都开发了相似的对话交互型大模型产品，在这样的用户基础与市场竞争格局下其产品恐怕难以实现盈利。DeepSeek并没有直接效仿OpenAI的模式，而是以开源模式出现，从本质上改变了切入市场的角度，成就了其一夜成名的神话。

那么，中国的大模型企业应该采用怎样的角度设计商业模式呢？我们发现一些AI硬件产品能够体现“锐利”的产品形态与商业模式的重要性。例如各家教育公司相继推出的AI学习机，其本质是将智能教辅软件产品硬件化。相较于软件，中国的家长更愿意为硬件产品付费；同时，由于AI学习机只能用来学习不能用来娱乐，消除了家长对于孩子在注意力管理方面的担忧。

智能耳机同样也是一个很好的例子，相较于手机和电脑上的翻译软件，智能耳机可以实时接收外语并将其转译为用户的母语，达到了同声传译的效果，一些耳机还支持用户下载语音转写结果。与AI学习机一样，配备有翻译功能的智能耳机找到了跨语种实时交谈这个有着刚性需求的场景，而且硬件形式的产品形态也更能够调动用户的付费意愿。

从以上例子可以看出，大模型企业的产品形态与商业模式只有匹配到目标用户的某种刚需场景，才能找到“锐利”的产品与商业模式，用正确的角度切入目标价值空间、吃到市场蛋糕，并有机会逐步实现盈利。

企业是否具备模型迭代所需的资源能力以及足够的壁垒——能否抵御其他人抢蛋糕

大模型企业基于价值空间找到了一种“锐利”的产品形态与商业模式，并不意味着就能顺利吃到蛋糕，还需要考虑如何建立足够高的壁垒以抵御市场上其他竞争者前来争夺同一块蛋糕。

不少大模型独角兽的AI产品实际上是主流大模型的套壳应用，这类公司的价值在于降低了大模型产品在垂直领域的使用门槛，将只具备通用能力的大模型改造成拥有专用能力的工具。但随着大模型的技术不断升级，其通用能力的溢出往往会覆盖部分专用能力。2023年6月，Jasper网站浏览量较2023年初下滑50%，其竞品公司更直接表示同类初创企业的价值正在逐渐消失。同时，随着同类的套壳公司越来越多，早期套壳公司的优势也将快速丧失。

AI墓地里的文生图应用FreewayML作为Stable Diffusion套壳网站，只是简单地接入了Stable Diffusion的功能，面对越来越多类似的套壳产品毫无优势可言，只靠套壳并不能帮助AI企业建立足够安全的“护城河”。

开发垂直领域大模型的初创企业更要应对巨头下场带来的威胁。以互联网广告业务为例，该垂直领域已经诞生了一批“大模型+营销”的创业公司，包括上文提到的Typeface、Jasper、Copy.AI、Synthesia等。与此同时，谷歌等互联网巨头也在部署自己的广告营销类大模型。相比各家AI营销独角兽，谷歌的广告大模型具有天然的产业数据基础，可以轻松获取传统广告主与用户的庞大产品信息与市场需求数据，在C端广告业务上更具优势。

可见，一些独角兽只是依靠行业不成熟阶段的红利获取先发优势，如果没有通过商业模式设计获得足够的垂直产业资源，更没有建立牢固的竞争壁垒，一旦谷歌、OpenAI、微软等巨头全面躬身入局，这类创业公司或将很快陷入窘境。

产品的盈利模式——吃蛋糕的投入产出是否合理

在明确了产品的价值空间、产品形态、竞争壁垒问题后，接下来需要探讨企业如何捕获该价值，也就是产品的盈利模式与成本问题，也即企业吃到这个“蛋糕”的投入产出是否合理。

产品的盈利模式如何设计、如何向客户收费，这关系到企业的现金流是否合理、产品收益是否可以覆盖模型研发的成本支出，以及企业的大模型业务是否可持续等一系列重要问题。简单来讲，企业盈利模式中定价方式可分为两极：

• 成本加成定价，即在产品研发成本基础上设置一定比例的利润加成，以成本为定价的来源。

• 价值分享定价，即企业作为产品提供方，以产品的实际使用效果、给客户带来的收益为基础按比例收费，盈利水平与产品创造的绩效直接挂钩。

一般企业的定价会在这两级之间找到一个平衡点。影响这个平衡点的一个重要因素是市场的竞争性，当市场竞争尚不激烈时，企业通过与客户围绕某一产品或服务共同进行价值创造，可以采取价值分享定价；当企业之间基于成本优势进行竞争时，可以采用成本加成定价。当市场同质化程度过高、竞争趋于激烈时，企业之间则会陷入一种竞争性定价的状态，也就是传统意义上的价格战。激烈的价格战与烧钱策略在过去的团购、外卖、打车、共享单车等领域屡见不鲜，其结果就是市场环境的恶化，参与竞争的各方都很难盈利，用户体验也没有实质性提升。

目前国内大模型相关企业可能普遍面临盈利模式问题带来的挑战。尽管大型互联网公司及一众创业公司都在积极推出自己的AI大模型，但这些模型均以对话问答、图文生成、视频创作等通用能力为主，产品及应用场景过于雷同，这是应引起警惕的现象。

一方面，如果任何一家企业的大模型产品都难以提供“非它不可”的价值，那么用户面对这些功能相近的产品时购买依据可能会以价格为主，这将导致用户端的整体支付意愿降低；另一方面，如果未来各家大模型提供商的模型同质化加剧，则容易陷入竞争性定价，进而可能大大折损企业的盈利能力。

如果长期缺乏清晰、可持续的盈利模式，被迫卷入价格战，未来很可能会有许多大模型公司难以维持生存。这是大模型企业未来迫切需要化解的核心挑战之一。

除盈利模式外，企业还应考虑大模型的成本控制问题，即企业为了吃到“蛋糕”而需要付出的成本。盈利模式与成本控制是一体两面、相互制约的：如果无法实现持续盈利，研发投入就没有支撑；如果无法合理控制研发成本，盈利能力也会受到极大拖累。

大模型的研发过程通常至少要持续几个月以上，期间还需要购买大量稀缺昂贵的AI算力芯片并消耗大量算力资源。OpenAI首席执行官Sam Altman曾透露，单是训练GPT-4的成本就超过了1亿美元。有知情人士表示，OpenAI尚未发布的GPT-5模型已经完成了两轮训练，仅一轮训练的成本就接近5亿美元。国内大模型企业零一万物创始人李开复也曾公开透露，“即便是成本更低的Yi-Lightning，在训练时也用了2000张GPU，耗时一个半月，花费三百多万美元”。由此可见，即使是训练成本较低的大模型，其耗费的成本也是一般企业难以承受的重担。

目前市场对大模型成本问题的注意力主要集中在硬件与算力成本上。除了高昂的训练成本，大模型企业还可能面临更多矛盾问题。由于大模型产品在实际应用过程中存在很强的易变性与不确定性，大模型企业（以及模型使用方）会面临除了可见成本之外的诸多未知成本，而这对大模型企业的制约可能要大于单纯的人力、物力成本，对模型训练与微调过程中的成本可控性提出很大挑战。

首先，大模型技术迭代速度很快，科技巨头和开源社区都在不断地发布新的大模型架构，新模型、新版本层出不穷。过去一年里，OpenAI、Meta、谷歌等巨头都在不断更新自己的大模型。在雄厚资金的支持下，OpenAI和谷歌在大模型参数量上一骑绝尘，相比GPT-3约有1750亿个参数，GPT-4包含的参数量达到了近1.8万亿个，谷歌Gemini大模型的最强版本Ultra据称参数量甚至超过GPT-4。

大模型领先者的发展速度之快，所需算力之巨，令后发者望尘莫及。在参数量更为灵活的开源模型方面，Meta的Llama模型和其他开源模型也在持续推出性能更优的新版本。对于利用开源模型微调自己模型的企业来说，每一次开源模型版本的更新，都可能导致需要重新投入资源进行训练。而对于选择自己从头训练模型的企业来说，一旦竞争者发布了性能更优的模型，那么企业投入巨额成本自主研发的大模型就会立即落后，失去原有价值与竞争优势。

其次，由于大模型技术仍处于商业化早期，大模型企业对于模型与客户的业务可以在哪些维度结合尚缺乏全面认知，并且在严肃的企业业务场景中，大模型的“幻觉”问题尚未完全解决。因此，大模型企业能否顺利将大模型产品出售并部署到客户的业务环节中，以及是否在部署完成后根据新应用场景投入更多成本反复调整模型架构，对于大模型企业及其客户来说都是艰难的挑战和难以抉择的问题。

大模型企业是否具备生态来协助产品迭代至成熟——是否有人协助企业吃到蛋糕

大模型企业还需要考虑的一个问题是有没有人愿意协助其共同分得市场蛋糕。一个新技术要实现市场普及，往往需要得到一个生态价值链的配合，让生态中的其他参与者不断应用这项技术，进而营造一个技术可持续迭代、能够实现商业价值的闭环。

为此，硬科技企业必须找到一个“能够让企业稳定运营、让技术在应用场景下不断迭代的生态”，这个过程正是商业模式创新的工作。通过商业模式创新，硬科技企业能够创造一个新的细分赛道、构建一个新的生态系统、选择利益相关者并得到多方配合，以此设计出可以释放足够价值的交易结构，这样才有机会成功。

这个道理同样适用于大模型企业。例如，OpenAI的视频生成产品Sora一经发布便一石激起千层浪，给视频制作、剪辑以及影视行业带来了不小的震动。Sora这款强大功能的产品意在颠覆原有影视制作的产业生态，从零开始自建一个全新生态。

一般而言，影视制作链条包含剧本创作、拍摄准备、实地拍摄、后期剪辑与制作、营销发行、院线放映、观众反馈等多个环节，而Sora只用文生视频功能就一次性地囊括这些环节。但目前Sora的技术并不成熟且计算成本极高，按照OpenAi公布的数据，Sora的计算成本是GPT-4模型的15000倍，即使Sora通过月度会员费、按视频长度计费等方式收费，依旧难以完全覆盖其极高的计算、推理成本。

如果Sora未能实现商业闭环的生态，让产品与技术在新生态的配合下不断迭代至成熟，那么它想替代传统影视制作产业链条是极为困难的。

相较Sora，Adobe旗下的影视编辑软件Adobe Premiere就选择了不同的生态模式进行发展。Premiere清楚文生视频的技术还不够成熟，因此其将AI技术的应用场景更多侧重于对现有影视链条的优化，如利用AI进行素材补全、后期修复。而后 Premiere通过其数据采集模块（需用户授权），实时分析哪些AI功能使用频率最高、哪些参数调整最频繁，用于优化下一版模型。

根据用户需要， Premiere还会从从独立电影制作人与商业摄影师处购买特定风格视频片段，用于训练细分场景模型。通过不断转化传统生态，Premiere得以逐步完善自身产品。当产品足够成熟时，便有机会催生出一个全新的生态以彻底颠覆原有的价值链条，以更大的规模实现自身的商业价值。

大模型应用过程中的数据安全——蛋糕的食品安全问题

大模型在使用过程中存在一系列潜在的安全风险，类似于辛辛苦苦获得的蛋糕可能存在食品安全问题。

AI墓地中，OpenAI推出的AI语音识别产品Whisper.ai因数据安全风险而被市场抛弃。据悉，基于Whisper.ai开发的各类工具已经有超过30000名临床医生和40个医疗系统使用。由于医疗数据涉及患者大量敏感信息，若 Whisper.ai存在数据权限漏洞或被攻击者利用提示词诱导，可能导致患者隐私数据泄露，如患者的病情、治疗方案等，会对患者造成严重影响，也会引发医疗机构对其安全性的担忧。

此外，Whisper.ai被曝光存在严重的“幻觉”问题，会乱编药物、捏造大段文字与事实，在医疗等领域应用时，无法满足用户对准确记录的需求，导致其难以在高风险、对准确性要求极高的场景中立足。

安全风险中受市场以及监管最为关注的是大模型的数据泄露风险。

一方面，模型的训练过程需要模型使用方主动提供足够的经营数据，以供大模型进行训练与微调，但由于大模型各项组件可能存在受攻击漏洞以及数据权限漏洞，导致大模型无意间透露敏感信息或者产生未经授权的数据访问，这会产生大量客户数据泄露的风险；另一方面，目前大模型产品可能会被攻击者精心设计的提示词操控，容易在人为的诱导与欺骗下泄露大模型使用方的机密数据，而且使用方内部难以及时察觉和有效封补。除了数据泄露隐患，大模型也会面临幻觉带来的应用风险。

大模型产品在设计模式时务必要考虑安全风险的因素，特别是面向政府或企业提供服务的公司。

三、产业发展初期，AI企业的商业模式需要不断升级迭代

回顾中国多家大模型企业的发展过程，不难意识到，部分企业的商业模式还不够完善。国外AI墓地的各个案例也告诉我们，AI企业确实到了该“补课”的关头，到了对商业模式给予足够重视的时候！

中国作为全球工业门类最齐全的国家之一，制造业规模居全球首位，具有完整的产业配套体系。因此，在中国工业制造的“蛋糕”基础上，中国本土企业如果能有效利用好这次大模型技术发展的机遇，将技术与商业模式有机融合，完全有机会走出一条不同于美国人工智能产业的全新路径。这需要中国企业结合中国的场景，不断探索符合中国应用场景的商业模式。

致谢清华大学成果、付渝与唐麓麓同学为本文的贡献。

本文来自微信公众号：清华管理评论，作者：王子阳：清华大学经济管理学院商业模式创新中心研究主管、西安交通大学管理学院副研究员，朱婧雯：清华大学经济管理学院博士生，胡时伟：第四范式首席架构师，朱武祥：清华大学经济管理学院教授、清华大学商业模式创新研究中心主任，编辑：刘永选