AI融资屡创新高，但曾经的独角兽快要没饭吃了？_风闻

上周，国内知名AI公司竹间智能突发内部信，自2024年2月20日起半年时间，对亏损业务的部门和岗位停工停产并进行重组。原因也很直接：由于公司所处经营环境艰难，受到多方不利影响。

有趣的是，同样在上周，国内AI行业又发生了另一件事情：

据晚点报道，大模型创业公司月之暗面和另一家大模型头部公司将分别完成一轮8亿美元和10亿美元的新融资，两笔加起来，已超过去年中国大模型领域的公开融资总额（约 100 亿元人民币）。

一边是，大模型创业公司不断刷新着融资记录，另一边是上轮AI周期里的明星公司已经快要吃不上饭了。而这几乎也是“传统“AI企业在大模型时代转型阵痛的一个缩影。

/ 01 / 人工智能上演“冰与火之歌”

放在两三年前，竹间智能绝对算得上AI领域的明星公司，不仅创始人牛逼，融资能力还强。

目前，竹间智能有三个产品线，分别是：智能客服、企业助手、多模态情感数字人，客户则分布在金融、互联网、数字政府/城市、智能终端/物联网、能源、运营商等行业。

竹间智能创始人简仁贤是前微软亚洲互联网研究院副院长，2006年加入微软负责Bing核心产品的研发、2012年担任微软亚洲互联网工程院副院长，负责微软亚太地区的搜索及AI产品的技术研发，并主导开发微软小娜(Cortana)……

成立8年以来，竹间智能总共完成了第七轮融资，过去5年每年都有融资。就在去年，竹间智能还刚刚完成了一笔融资。2023年2月27日，竹间智能宣布完成超亿元D轮融资，由金浦投资、金库资本、江苏文投、隽赐资本等联合投资，指数资本担任独家财务顾问。

但即使如此，竹间智能仍然免不了面临经营的压力。对于部分业务停产，公司内部信给出的原因是：目前所处的经营环境艰难，2023年业务需求大幅减少，对现金流带来严重挑战。

在竹间智能苦苦支撑的时候，国内AI产业又完成了两笔超级融资：

据晚点报道，大模型创业公司月之暗面近期完成了8 亿美元 B 轮融资，此轮投资方为阿里巴巴和砺思资本。本轮结束后，月之暗面估值超过 23 亿美元。与此同时，另一家大模型头部公司也在进行金额达 10 亿美元的新融资，交易已进入后期阶段。两笔 10 亿美元融资加起来，已超过去年中国大模型领域的公开融资总额（约 100 亿元人民币）。

有趣的是，这样的故事不仅在国内发生，放眼全球也是如此。

研究机构CB Insights发布《2023年人工智能（AI）行业现状报告》。报告显示，2023年，全球 AI 初创公司融资总额约为425亿美元（约合人民币3027.10亿元），比2022年的473亿美元下降10%；AI 领域的融资交易量约为2500笔，创下了自2017年以来行业新低。

据悉，2023年，微软宣布向OpenAI 投资100亿美元，与此同时亚马逊和谷歌母公司Alphabet等投资向美国“大模型新贵”Anthropic合计投资60亿美元。据PitchBook数据显示，这两家 AI 公司2023年所获得的融资金额，占据美国 AI 创投领域全年融资总额的10%以上。

一边是资源涌入了头部明星 AI 公司，另一边是中小型 AI 初创公司却连“汤都喝不到”。当然，竹间智能当下的困境固然有外部环境的影响，但更重要的还是其核心技术——传统NLP（自然语言处理）技术正在被生成式AI“绞杀”。

/ 02 / 传统NLP技术之死

我们的老祖宗有一句话，君以此始，必以此终。放到竹间智能身上，再合适不过。竹间智能的困境，也是传统NLP技术的缩影。

先来简单介绍下，什么是NLP？NLP任务是自然语言处理，一个AI宏观研究领域的统称，里面有五花八门具体的子领域与子方向。用知乎答主张俊林的话说，大致可以分为两大类：一类可以叫做“中间任务”，一类可以称为“最终任务”。

其中，“中间任务”包括中文分词、词性标注、NER、句法分析等等，这类任务一般并不解决应用中的实际需求，但确是理解和生成语言的前提。只有先做这些中间任务，获得表征后，再去解决问题。而“最终任务”包括文本分类、文本相似性计算、机器翻译、文本摘要等等，能解决实际场景的具体需求。

中间任务，可以简单理解是最终任务的“辅助”。“中间任务”之所以会存在，是因为AI技术发展水平不够高。受限于技术限制，很多任务很难一步到位完成，所以AI公司就把一个任务分解成很多子任务分布完成，通过一系列的子任务实现最终目标。

但大模型的出现改变了这一切。随着大型语言模型的出现，将海量的文本语料，直接喂给模型进行学习，不仅沉淀了Agent对各类语法、句法的知识，也储存了AI对现实世界的事实认知。这样一来，AI有能力端到端地直接解决那些最终任务，而无须对这种中间过程专门建模。

消灭了中间任务，相当于大模型统一了很多NLP子领域。过去，为了完成某个场景的具体需求，需要有专家去设计单个NLP能力，所以大多数NLP子领域，仍然是以独立研究领域存在的，比如“机器翻译”、“文本摘要”等。

当大模型取代传统NLP成为人工智能主导语言地位已经是一种自然演化趋势，传统NLP消亡不可避免，以此起家的竹间智能自然也难逃宿命。

/ 03 / 大模型时代，老树难开新花

表面上看，大模型的出现为AI行业重新带来了资本的关注，也明确了新的技术方向。All in 大模型，几乎是所有AI企业的选择。但在这波浪潮下，上一轮AI周期里的公司能够真正完成翻身的，只有少数。

所有NLP起家的AI公司里，转型最快的当属智谱AI。智谱AI的前身，是在2006年诞生于清华大学计算机系知识工程实验室（KEG）的明星产品AMiner——学术搜索与情报挖掘平台。

2019年，清华大学教授李涓子、唐杰等人依托AMine为基础，共同成立智谱AI，公司CEO由张鹏担任，他是国内首个中英文平衡的跨语言知识图谱系统XLORE的设计和研发者。2020年，OpenAI发布GPT-3，让张鹏认识到大模型将成为未来的方向。于是，刚成立一年的智谱AI开始全力投入大模型的研发。

2022年就推出了大模型GLM-130B。今年1月，智谱AI发布了新一代基座大模型GLM-4，性能接近GPT-4的90%。到如今智谱AI已总计融资超25亿元，大模型已出到第四代GLM-4，截至去年底的新消息是正以200亿元估值进行下一轮融资。

尽管如此，像智谱AI这样的企业终究是少数。相比当下出身于大模型浪潮的创业公司，那些成立更早的AI公司面临更多的转型挑战。

一方面，目前商业化主要依赖传统NLP技术，先不说很多传统服务场景将不复存在，即使是原有场景，客户们也更愿意观望

看到基于大模型技术的解决方案。商业化存疑的同时，还要面临投资人退出的压力。

另一方面，即使向大模型转型，本身也存在很多不确定性。比如，过去一年竹间智能一直在尝试新的业务，帮大型企业代建基于本地部署的定制企业大模型，但至少从目前看想做起来难度不小。

更重要的是，当 LMaaS 普遍后，竞品都基于同样的基础模型，能力下限大大提升，行业门槛大大下降。即使所谓垂直行业的数据优势，其效用可能也会随着大模型规模效应而下降。

2024年，大模型进化仍然是这个行业的主题，但我们也必须清醒认识到：在AI的新故事里，上一个周期的AI明星们想要真正拿到这张”船票”，并不容易。