AI公司押注B端：是趋势，还是一种行业性失败？

“从B端项目中能否找到AI的未来？也许“CV四小龙”已经给出了答案。

现实世界的残酷在于，它不相信PPT，也不相信发布会上的Demo。这种“缺席”的尴尬，恰恰是当下中国AI行业某种虚假繁荣的缩影，与此同时，智谱、零一万物、杭州“AI六小龙”正集体上演一场“大撤退”：收缩C端，强攻B端，他们再次向媒体展示出“商业化落地”的华丽转身，但真相也在业内人士中间流传——因为C端的“玩具”不灵了，那些在大洋彼岸被ChatGPT验证过的订阅费增长神话，在中国并没有在“小龙”上复现。如今估值高悬的独角兽们只能换个战场，去说服企业老板。

我们不得不面对一个尴尬的对比：亚马逊正在用AI实现“冷血”的裁员，据报道，亚马逊近年来裁减了数万个岗位，并明确利用AI接管了大量广告运营和后台任务，这侧面印证了AI在提升效率方面的残酷有效性；而在国内的B端市场，目前却充斥着大量花拳绣腿的“数字人”。企业并非公益机构，当下这个预算吃紧、效率优先的时代，AI产品成为无法解决实际痛点的“摆设”，如此企业领导通常只会买单一次，第二年便会大幅缩减该产品的预算。

如果AI小龙们长期无法在企业内部的真实业务链条中发挥作用，那它们在B端的集体冲锋，很可能迎来的是当年CV“四小龙”的同样命运：项目越做越多，现金越赚越少，技术越强越无力，最后沦为一支实施工程队。

从“高唱赞歌”到“退至幕后”

回望2023年，那不仅是“百模大战”的元年，更是那些小龙们的高光时刻。彼时，每一家大模型创业公司的创始人都像影视巨星一样出场，接受记者采访，出席各种峰会，谈论着AGI、具身智能，谈论着“中国的OpenAI”。那时候的融资发布会上，拿到几亿融资额的创始人充满了对“改变世界”的宏大叙事。然而，仅仅两年时间，星光渐黯，取而代之的是B端销售团队的KPI考核表和与业内某个中小公司的合作签约仪式。

作为AI创新企业中学院派色彩最浓、技术积淀最深的一家，智谱AI的发展轨迹很具有代表性。这家公司的故事可以追溯到2006年成立的清华大学计算机系知识工程实验室（KEG），它的起步要远早于后来异军突起的月之暗面（Moonshot）和稀宇科技（MiniMax）等耳熟能详的一些AI公司。

可以说，在百川智能创始人王小川在搜狐研发中心发布上一个时代的代表作搜狗之后的几年间，智谱AI创始人唐杰、张鹏等人已经开始了这一代的早期探索，他们都出自于清华大学计算机系。依托清华系KEG（知识工程实验室）的深厚背景，团队研发出了AMiner，这是一个基于知识图谱的学术搜索系统，连接了全球数亿学者和论文，为后来大模型的研发奠定了数据基础。实验室还有一个数字虚拟形象“华智冰”作为“清华大学的虚拟女生”被广为人知，这也是智谱AI成立公司之后的产品。

2019年智谱AI正式成立公司，成立之初便专攻并没有太多人所知的大模型。2020年，智谱AI开始GLM（General Language Model）预训练架构的研发，彼时OpenAI刚发布GPT-3的第一个版本，2022年8月由智谱GLM-130B正式诞生，11月斯坦福大学大模型中心对全球30个主流大模型进行全方位评测，GLM-130B成为亚洲唯一入选者，就在那个月，OpenAI的GPT3.5正式发布，一个新时代来临了。

很快，到第二年8月31日，智谱也推出具有聊天功能的ChatGLM，它的中文名叫“智谱清言”，彼时智谱已经被投资圈广泛关注，不仅有财务投资人，美团、蚂蚁、阿里巴巴、腾讯的战投也押注了这家公司，在那个阶段，资本市场对智谱的期待是“平台级公司”，是对标百度、挑战字节的移动互联网新一极。

到2023年底，智谱拿了至少25亿人民币的融资，加上蒸蒸日上的大模型产业，只要对标ChatGPT，既容易和投资人讲故事，又能轻松获得尝鲜的用户，再加上源源不断的清华优秀毕业生，高峰期时达到1000人左右的团队规模。

2024年1月智谱如期发布了GLM-4，当业内竞争对手纷纷推出Agent的时候，智谱也相应推出自己的Agent产品AutoGLM。在发布会上，已是CEO的张鹏演示了“一句话让AI帮忙发微信红包”，此外还可以一句话下单点外卖，这些都让人颇为深刻。今年初，Manus玩饥渴营销，用户找不到验证码，智谱又迅速推出一个类似功能的新品“AutoGlm沉思”。

但智谱清言这两年的用户活跃度却降了。我们对比了aigcrank上智谱在2024年11月与2025年10月的排行数据变化，月活（MAU）从637万到685万，几乎没有变化，而第一名的MAU已经是去年的2.65倍。

AI国内APP MAU产品榜（左侧是2024年11月榜单，右侧是2025年10月榜单），来源：AI产品榜 aicpb.com

智谱月活的停滞不前并非大厂竞争对手的疯狂买量，究其原因，一方面虽然智谱推出的产品不少，像面向Vibe Coding的“CodeGeeX”、AI视频生成工具“清影”，每个方向基本都占了，但由于特色不明显，能留存用户的产品并不多；另一方面，购买会员的用户在黑猫投诉平台上投诉智谱图片生成质量不高、重要数据出错，如“机动车尾号限行信息提供错误，导致被交警罚款”。另外智谱在发布会上的炫酷功能，当用户实际上手的时候，它并没有表现出广告中丝滑的体验，它的广告词“光说不干”倒成为一个反讽。

这一期间，智谱大模型的研发速度也没有太快，2024年8月推出GLM-4 Plus，直到2025年7月才推出GLM4.5，而这一期间，豆包、DeepSeek、夸克、千问、腾讯元宝等一系列国内竞争对手如雨后春笋般地冒出来。

曾几何时，智谱到底toC还是toB尚有一些争论，如今的智谱，越来越像一家传统的软件供应商，它不仅推出了MaaS（模型即服务）平台，更频繁地出现在央国企的招标名单中，通过私有化部署、API降价大促等手段，通过出售“全家桶”式的B端服务来维持营收。

资金来源的变迁也印证了这一战略的“退守”。2024年，智谱获得了北京市人工智能产业投资基金、中关村科学城公司、华发集团等“国家队”资金的支持，融资总额超过30亿元，2025年继续拿到北京市人工智能产业投资基金、成都高新区、张江集团、华发集团等战略投资。这些来自北京、上海、成都等地的国资入局，虽然为智谱补充了急需的弹药，但也隐性地规定了其发展的方向——服务于地方产业数字化、服务于政务云、服务于信创国产化。

这种“向B转”的动作，在AI“小龙”、“小虎”中是集体性的。零一万物的创始人李开复博士在2023年创建这家新公司之初，曾高调宣称要面向C端用户打造“Super App”，强调移动互联网时代的打法，要在C端再造辉煌。但到了2024年底，李开复的口风骤变，他公开表示AGI的实现可能还需要7年，而这期间厂商会有各种B端商机，并发布了覆盖零售、电商场景的“如意”数字人等一系列ToB解决方案。他开始强调将推理成本降到行业最低，通过帮助百胜中国、孩子王等企业赚钱来获得价值认可。多家媒体报道，2024年，零一万物B端业务贡献了近七成的收入。零一万物在“让通用人工智能普惠各地，人人受益”的愿景之外，给出一个更现实的目标：“让大模型帮助企业赚到钱”。

其他几家也未能免俗。百川智能与Minimax则更早地All-in B端。百川智能在意识到通用C端的烧钱无底洞后，开始停训部分新通用大模型，转而将战略重心All-in AI+医疗。王小川试图在医疗这个高壁垒的垂直领域寻找避风港，弃守了亿级的通用B端业务，转而与北京儿童医院、北京市海淀区卫健委开发“儿科大模型、AI医生”。宇数科技的创始人王兴兴制定公司战略时指出，不冒进消费市场，重点聚焦于科研和教育等B端市场；以机器狗著称的云深处则在多个B端应用领域介入更深，声称拿到多项行业第一；与此同时，DeepSeek和MiniMax也开始主打技术方案与企业落地，推出了企业级的部署定制解决方案。

哪怕这些公司的基因不同——有的源自学院，有的源自大厂，有的源自投资界——但它们的动作却惊人一致。这一集体转向B端，并非行业成熟后的主动战略升级，更像是C端碰壁后的被动选择，当C端的故事讲不圆了，投资人的耐心耗尽了，大家只能不约而同地退至幕后，去B端的围城里寻找粮草。

无奈的退守：

为何他们会“逃离”C端？

从C端的退场不是偶然，而是大模型天然结构与用户需求之间的矛盾所导致。

首先是严重的同质化问题。打开当今国内AI应用任意一款C端App，遮住Logo，你几乎分不清谁是谁。它们在C端产品功能上高度雷同，无非是聊天、写诗、画图、读文档，这种现象不仅在“小龙”身上发生，大厂出品的“千问”、“元宝”也是如此，这种高度的同质化，使得没有任何一家能够建立起类似微信（社交关系链）或抖音（算法推荐流）那样的生态壁垒。用户今天用智谱，明天可以无成本地切到Kimi或豆包，毫无忠诚度可言。

更致命的是当用户依赖AI的时候，AI却直接掉链子，充了会员也不管用。现有的模型能力虽然能通过图灵测试，但在复杂的C端生活场景中，无法提供稳定的“工具价值”，正如智谱用户的反馈，用户原本期待的是一个能帮自己订票、做决策、处理复杂任务的“贾维斯（Jarvis）”，结果得到的只是一个陪聊的“电子宠物”、一次性的“聊天玩具”，玩腻了就走，这直接导致了获客成本（CAC）极高而生命周期价值（LTV）过低。

除了产品力的溃败，商业模式的缺失与巨大的营收压力也是促使它们逃离的要素。相比于互联网时代的烧钱换规模，大模型的推理成本是线性的。正如李开复所言，AI-first的应用革命，今天不是做不出来，只是好的模型太贵，便宜的模型不够好。在C端，用户越多，亏得越多，且目前缺乏广告、游戏等成熟的变现手段，而愿意为订阅费买单的用户很快到达天花板。

这就造成了严重的估值倒挂。这些公司被投出了几百亿人民币的估值，却没有对应的C端收入。在一级市场融资环境遇冷的当下，投资人耐心耗尽，迫切需要一张好看的损益表。这时，B端的诱惑就显现出来，相比于向个人用户收19.9元的会员费，B端的大额合同虽然难啃，但似乎成了短期内粉饰财报的唯一救命稻草，用“小龙小虎”级别的品牌知名度搞定几个焦虑的企业领导、去拿几个政府支持的智算中心项目，就能立刻体现在财报的“营收”一栏。

CV四小龙的前车之鉴：

项目制就是救命稻草吗

历史总是惊人的相似，甚至连押韵都充满了讽刺意味。今天智谱、零一万物、百川智能等“AI小龙”急转弯驶向B端的路径，与当年的“CV四小龙”几乎如出一辙。

在计算机视觉最辉煌的十年里，四小龙依靠人脸识别技术一度站在中国AI产业的顶点。它们起家于人脸识别算法，那是计算机视觉的“黄金时代”，而且它们的明星科学家创始人更具有光环，很快获得同样连续多轮的融资，当故事讲完投资人要求业绩之时，CV四小龙做出了和今天“AI小龙”同样的选择：大举进军安防、智慧城市、交通、物联网、金融、医疗等B端领域。

然而，当它们真正跳进去才发现，深坑无数，最终陷入了“项目制泥潭”。

首先是领域单一带来的“内卷式”同质化。四小龙的底层能力都来自CV技术栈，业务延展方向也高度重叠，安防是它们共同的大头业务，它们给企业提出的解决方案，往往大同小异，缺乏本质的护城河。既然技术拉不开差距，就只能拼价格，拼所谓的服务，最后还卖不过比它们传统的海康威视。

“四小龙”横向对比，来源：各公司财报，数据猿整理

其次是“定制化之痛”带来的利润吞噬。CV四小龙面对的B端客户，需求千奇百怪且极度非标，A市的摄像头要兼容十年前的旧系统，B银行的接口要符合内部的特殊规范。为了拿单，CV四小龙不得不投入大量人力做定制开发，产品变成了彻头彻尾的“非标品”。这导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。在这种模式下，营收越高，人力成本越高，净利率反而越低，陷入了“规模不经济”的怪圈。

再次是“回款噩梦”引发的现金流危机。G端和B端大项目的决策链极长，验收和回款周期更是以年计算。这导致翻开财报时，营收数据看似增长喜人，但仔细一看，“应收账款”高企，经营性现金流常年为负。为了维持公司运转和庞大的研发团队，它们只能不断融资、不断借贷，最终陷入恶性循环。

结局我们都看到了，CV四小龙从“明星独角兽”变成了“工程交付公司”。上市后股价腰斩、持续亏损、裁员缩编，以旷视公司为例，该公司在2018至2020年净利润分别为-28亿、-66.43亿、-33.26亿元，三年共亏损约127.7亿元。2024年11月，旷视科技主动撤回了在科创板的上市申请。

CV四小龙用惨痛的经历证明：如果技术不能标准化，B端市场就不是印钞机，而是碎钞机。靠一个个项目撑起亮丽财报，最后撑坏的是组织、现金流和研发能力。

李开复虽然强调“做ToB不是用单纯的项目制去亏本拿单子，为争小小的单子打得头破血流，而是要在帮助合作伙伴和客户赚钱的基础上获得价值认可”，但当生存压力来袭，实际上CV四小龙谁也没有做到这一点。也包括李开复自己担任董事长的创新奇智——这家主打“AI+制造/金融”的B端企业，三年前IPO时市值曾高达147-153亿港元，而如今（截至12月4日）市值仅剩31.6亿港元。

新瓶装旧酒，结局会如何？

现在，接力棒传到了“AI六小龙”手里。不幸的是，从目前的种种迹象来看，它们正在踩入同样的模式，甚至面临着比CV时代更严峻的挑战。

我们看到了同样的“项目制倾向”，同样的大模型开发团队逐渐变成交付团队。它们开始大量招聘解决方案架构师、行业专家、项目经理、交付工程师，研发资源逐渐被分配到各类企业定制项目中，而非平台性技术的长期迭代。

为了满足甲方的安全合规要求、适配甲方充满孤岛的IT架构，最顶尖的AI人才被迫去干“脏活累活”。现在的私有化部署，不仅要卖模型、一体机，还要迁移到云甚至清洗数据。我们从boss直聘看到，能做出让人耳目一新的出海产品talkie的Minimax公司，如今也在招聘“大模型售前解决方案工程师”，分布在北京、上海、深圳。耐人寻味的是，这家公司下面就有老牌外包公司“中软国际”，几乎也是这个职位，只是没有AI，而工资相差数倍，如果前者也在干后者的工作，那么究竟还值不值这个薪资？

MiniMax和中软国际解决方案职位对比，来源：Boss直聘

事实上，现在的处境比CV时代更为艰难。大模型的私有化部署和算力维护成本，不仅要考虑GPU显卡等核心基础设施投入，还要考虑存储、网络、冷却、电力、部署、运维和持续迭代所需的资源。私有化部署一个千亿参数级模型（如智谱GLM-130B），一次性投入+年化运营成本至少在百万级，有能力私有化部署的公司数量更为有限。由于投入成本巨大，企业的ROI（投资回报率）相较CV时代更难填平。

有人可能会认为：“既然私有化部署成本如此之高，那企业为什么不上公有云？云服务不是更便宜吗？”但在现实的政企市场中，这条道路基本走不通。和当年 CV四小龙面对的情况一样，政务、金融、医疗等领域的数据高度敏感，涉及安防监控、身份信息、业务流水、运营调度等核心资产。这类客户天然对外部云环境保持谨慎，要求所有模型运行和数据处理都必须在本地、可控的环境中完成。

前面提到ROI很难填平的关键因素也在于，B端企业目前还难以通过AI直接获得收入，企业需要的是精准决策，而大模型的“幻觉”特性，即一本正经地胡说八道，在B端是致命伤，容错率极低。在安防时代，识别错了顶多是误报，人工复核一下就行。但大模型是用来做决策辅助、做知识管理的。如果AI给医生推荐了错误的药方，给法官引用了不存在的法条，给CEO提供了虚假的市场数据，谁来负责？

企业中的每一次判断都需要准确、可追溯、符合规范，而大模型当前的生成逻辑并不能保证这一点。企业不会接受一个“偶尔会胡说八道”的系统参与决策。这使得许多AI落地方案只能停留在“辅助手段”层面，无法真正进入企业的核心流程，那就产生不了能覆盖成本的收入

另外，许多公司试图将AI引入运营流程，但发现AI虽然能讲故事，却无法真正承担责任。它们能在会议室里做出精彩演示，却无法处理真实流程中的复杂变量；能写销售话术，却无法解决订单中的问题根因；能平铺直叙地总结数据，却不理解那些数字背后复杂的业务逻辑。

在这种供需错位下，市场诞生了怪胎——“数字员工”虚火。现在卖给企业的诸多AI应用，本质上是“数字版罗永浩”，它们能聊能侃，形象逼真。这些“人来疯”的数字人虽然能直播提升GMV，但本质上往往沦为展厅里的摆设。我们又发现了另一个令人寻味的现象，今年十月，宇数科技参加“中国国际消防展”，主打“侦测版”和“水炮版”机器狗，即宇数的工业四足机器人B2系列，同时宇数也在销售类似设备，资料显示，荆州市消防救援支队2024年度消防装备采购项目就包含了宇树的四足仿生机器人产品。然而，我们也看到在今年香港宏福苑的大火中，那些在科技发布会上大放异彩的机器人、机器狗鲜有发挥作用，在关键场合还得依靠传统的消防员。

第二十一届中国国际消防展上的宇数科技消防机器人，来源：新浪

在当今AI热潮之下，政府、企业领导可能会被说服买单一次，但如果实际效果无法落地，在财政预算普遍收紧的背景下，没有人愿意承担第二次风险。因此，越来越多企业将AI视为试验性项目，而不是战略性投入。为了避免预算浪费，管理层普遍要求“先试点，再决定是否扩展”，这在流程设计上意味着：AI公司必须先自掏腰包投入研发，做出样机或PoC，再一步步推动企业最终采购。

这种“单点突破”的路径让企业和AI公司都要付出高昂的试错成本，更关键的是，如果AI系统无法在真实业务流程中承担可量化、可追责的责任，那么项目制本身就难以成立，更不要说沉淀成标准化平台。这种模式只能带来“不断试点、不断重做、难以放量”的商业循环。

长期如此，AI六小龙很可能重演CV四小龙的轨迹——在高成本、低毛利、强依赖人工交付的业务环境里被拖成工程公司，创新资源被消耗殆尽，最终被主流市场边缘化。

问题不在于转B

而在于能不能创造真实价值

中国工程院邬贺铨院士近日撰文指出，AI正迎来从技术突破到价值落地的关键拐点。当前，大模型技术在参数规模、多模态能力和工程效率上持续迭代突破，千行百业展现出AI应用的丰富场景，但AI技术的规模价值仍未得到充分释放。

今年下半年，从Sora2到Nano Banana、Gemini3，每一次新的发布都在C端引起了巨大反响，带来惊人的用户转化。这些新技术展示了更强的多模态理解能力和更低的端侧推理成本，说明新一代轻量模型正在让C端AI应用具备真正的可用性和差异化价值。C端的机会窗口依然敞开。

同样B端也有巨大的市场。从亚马逊裁员的例子来看，B端企业级应用同样可以起到惊人的效果，这种效果来自于对业务流程的深度重构和对人力的实质性替代，而不是部署一个大模型、能随便聊几句就算“落地”。其背后一定是对行业逻辑的深刻理解、对关键节点的精准把控后，让AI嵌入流程，成为承担责任的“员工”，达到这一层级，才可能成为企业付费的一个理由。

总部位于瑞典的金融科技公司Klarna原有700名客服，当它上线了AI客服等产品后，其CEO Sebastian Siemiatkowski认为不需要那么多的员工，随即将员工人数从5000人削减至3800人，但他接下来就后悔了，因为AI客服只能匹配知识库，而不能解决实际问题，用户实际问题千奇百怪，很多不属于知识库的一部分，“演示效果非常惊艳，但一旦实际落地就会暴露很多问题。”目前这家公司又开始重新招聘人工客服。

归根结底，无论是C端还是B端，都不是决定成败的关键，提供价值才是。实际上，如果不能在B端证明自己是“工具”而不是“吉祥物”，那么今天签下的每一个大单，都将是明天压垮骆驼的最后一根稻草。在中国AI的下半场，我们不需要太多的“数字罗永浩”，而需要能真正承担责任、可在流程中站得住的硅基打工人，只有先证明自己有用，才值得谈未来。在证明自己有用之前，请收起那些华丽的PPT，因为当大火燃起时，它们真的救不了火。