《Entrepreneur》近期刊出一篇由多位作者共同署名(Karthigan Vijey、Ben Angel、Sherin Shibu、Ben Walker、Georgi Todorov)的中國市場觀察報導,主題為人工智慧正再度點燃新創熱潮,但真正能長久存活的企業,靠的不是模型本身,而是底層的經營結構。報導的核心論點是:AI 把創業的「技術門檻」大幅壓低,卻把「商業門檻」急劇拉高,使得2020年代的新創競賽從「誰先做出來」轉向「誰能活下來」。
報導特別將關注點放在中國市場——全球最密集、也最殘酷的 AI 應用與服務生態之一。新創公司數量復甦的速度,遠快於上一輪行動網際網路泡沫的冷卻速度,反映出資金與創業者的信心回復。文中同時點名一批在垂直領域嶄露頭角的中國 AI 新創企業,涵蓋法律文件處理、醫療影像辨識與企業端數位流程等應用層。
然而報導並非單純歌頌榮景,反而語帶保留地提醒:AI 工具的普及正在製造「看起來像新創」的偽需求,真正有價值的公司必須證明自己在技術、資料與通路三個維度上具備難以被複製的護城河。整篇報導構成的是一張「存活公式」:新創企業要在燒錢速度、營收真實性與組織韌性之間取得平衡。
這篇報導本質上並非單一事件,而是對AI 創業週期與新創存活機制的結構性解剖,其核心矛盾不在於個別企業間的零和競爭,而在於「技術紅利」與「商業現實」之間張力。從歷史脈絡看,行動網際網路與雲端運算兩波浪潮都走過相同路徑:先是工具成熟導致進入門檻驟降、接著湧現大量同質化新創、最後市場完成淘汰賽,只留下少數能建立資料壁壘與通路壟斷的勝者。AI 正把這個循環壓縮到更短的時間尺度,從模型 API 開放到應用爆發的窗口遠短於前兩波。
技術演進的關鍵在於,生成式 AI 把「能力」變成了一種近乎大宗商品的資源。當推理成本持續下滑、模型開源生態與雲端託管服務日益成熟,純粹「把某個模型接上某個介面」便難以構成持久競爭優勢。真正被市場給出溢價的,是掌握獨有資料集、深嵌客戶工作流程、或握有垂直領域通路與法規許可的團隊。
於是,新創生態內部的利益角力浮現:
最大受益者是那些把 AI 嵌入既有現金流業務的公司;最大受損者則是把模型能力誤認為商業模式的純應用新創。
從行動網際網路(2007–2013)與雲端運算(2012–2018)兩輪浪潮的歷史對照,AI 應用潮的淘汰賽很可能在12至24個月內見到第一輪大規模合併與倒閉,而非像前兩波那樣拖長到五年以上。AI 新創的「存活」將取決於三個條件:能否在巨頭通用產品下沉的縫隙中找到專屬場景、能否把資料轉成不可複製的資產、能否在毛利為正之前建立足以支撐續約的營收基礎。
無論哪一種情境,真正會被淘汰的都不是「AI 公司」,而是那些無法證明 AI 究竟替客戶省了多少錢、或多賺了多少錢的團隊。
01 起因觸發:生成式 AI 推理成本快速下滑與雲端模型服務成熟,創業技術門檻大幅降低,點燃新創設立與募資熱潮。
02 一階傳導:垂直應用層湧現大量同質化新創,同時企業軟體業者的既有產品線被迫加速 AI 化以守住通路。
03 二階擴散:模型平台商向下延伸做應用、產業巨頭以併購補齊應用層,導致應用新創面臨被收購或淪為技術供應商的壓力。
04 二階擴散:資本端估值分化加劇,附帶真實營收與健康毛利的新創取得溢價,純敘事型專案在續約時被降價。
05 三階擴散:白領工作內容被重寫、服務訂閱定價下探、企業端 SaaS 席次溢價遭壓縮,消費性應用的隱私與法規責任轉移至服務提供者。
06 宏觀終局:新創生態進入淘汰賽與產業整併期,價值鏈重心由模型端移向應用端、資料端與通路端,AI 應用從「輔助工具」逐步走向「分潤執行者」。
跨事件因果網路圖譜 1 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章