它們因何而死？
作者｜王藝
編輯｜王博
這份死亡名單上有738個名字。
其中不乏一些曾經的明星AI項目，例如OpenAI推出的AI語音識别産品Whisper.ai，Stable Diffusion的知名套殼網站FreewayML、StockAI，以及曾被視為是“谷歌競争者”的AI搜尋引擎Neeva。
“在整個過程中，我們發現建構搜尋引擎是一回事，而說服普通使用者轉向更好的選擇則是另一回事。”Neeva 聯合創始人斯裡德哈爾·拉馬斯瓦米（Sridhar Ramaswamy）和維韋克·拉古納坦（Vivek Raghunathan） 在宣布Neeva關閉的部落格文章中寫道。
這份AI項目死亡名單來自AI工具聚合網站“DANG！”的一個子頁面——AI Graveyard（AI墓地）。AI墓地頁面中的大多數項目都寫明了項目背景、功能、技術應用以及死亡時間，就像刻在賽博空間的墓志銘。
AI Graveyard（AI墓地），圖檔來源：DANG！
根據「甲子光年」統計，截至2024年6月，這份名單共收錄了738個已經死去或者停止運作的AI項目，具體來看：
- Chatbot、AI寫作等文生文産品共271個，約占37%；
- AI繪畫、AI設計等文生圖産品共有216個，約占29%
- AI語音、AI視訊等文生音視訊産品共有73個，約占10%；
- AI代碼工具、SEO優化工具等其他類産品，約占33%。
它們因何而死？
1.不是死于“套殼”，而是死于“沒能套好殼”
在AI墓地，不少都是“套殼”的産品。
比如AI Pickup Lines（AI搭讪語），使用者可以用它每天免費生成10條搭讪文案，也可以選擇9.99美元/月或99.99美元/月的付費訂閱，進而生成無限數量的搭讪台詞，并靈活地選擇任何關鍵詞；此外，使用者還可以選擇以499.99美元的價格購買綜合資料庫，擷取涵蓋各種主題和風格的10萬多條内容搭讪内容。
然而，AI Pickup Lines存活時間并不長，2022年底上線，2023年初就關閉了。
AI Pickup Lines，圖檔來源：AI Graveyard
AI Pickup Lines關閉的最主要原因是娛樂性大于實用性，以及随着越來越多競品大模型能力的增強，這類接入單一API的産品也很難應對生活中複雜多變的社交場景，壁壘會越來越薄；另外，雖然這類産品可能通過廣告或一次性購買獲得收入，但長期的使用者留存和盈利能力不足，最終入不敷出關停。AI周報生成器、AI哄女友文案生成器等“套殼”産品的死亡也都是這個邏輯。
不過，“套殼”并不是一個貶義詞。
「甲子光年」曾在《大模型套殼祛魅：質疑套殼，了解套殼》一文中提到：非AI從業者，視“套殼”如洪水猛獸；真正的AI從業者，對“套殼”諱莫如深。但由于“套殼”本身并沒有清晰、準确的定義，導緻行業對“套殼”的了解也是一千個讀者有一千個哈姆雷特。
前語雀設計師，現AI助手Monica聯合創始人Suki在即刻上分享了“套殼”的四重進階：
- 一階：直接引用 OpenAI 接口，ChatGPT 回答什麼，套殼産品回答什麼。卷UI、形态、成本。
- 二階：建構 Prompt。大模型可以類比為研發，Prompt 可以類比為需求文檔，需求文檔越清晰，研發實作得越精準。套殼産品可以積累自己的優質 Prompt，卷 Prompt 品質高，卷 Prompt 分發。
- 三階：Embedding 特定資料集。把特定資料集進行向量化，在部分場景建構自己的向量資料庫，以達到可以回答 ChatGPT 回答不出來的問題。比如垂直領域、私人資料等。Embedding 可以将段落文本編碼成固定次元的向量，進而便于進行語義相似度的比較，相較于 Prompt 可以進行更精準的檢索進而獲得更專業的回答。
- 四階：微調 Fine-Tuning。使用優質的問答資料進行二次訓練，讓模型更比對對特定任務的了解。相較于 Embedding 和 Prompt 兩者需要消耗大量的 Token，微調是訓練大模型本身，消耗的 token 更少，響應速度也更快。
如果把模仿 Llama2 架構做預訓練也算進去，可以看做第五階。這五重進階，基本囊括了大模型“套殼”的每一個場景。
盡管都是“套殼”，但“套殼”的程度不同，現在也有很多“套殼”的産品因為精巧的設計和良好的定價政策生存了下來，甚至活得不錯。
就比如說前文提到的AI助手Monica，就是通過收購ChatGPT for Google更新而來的産品。它内置了GPT-4o、GPT-4、Gemini、Claude Llama 3等大模型，因其良好的對話、搜尋、總結、翻譯、表格處理、圖檔編輯等功能，在幾個月的時間裡收獲了幾百萬使用者。
再比如有着“套殼之王”之稱的AI搜尋産品Perplexity，由于其極快的響應速度、精準的問題回複、可存檔的多輪互動等特性，使其常年位居a16z的Top 50 Gen Al Web Products前十名。截至2024年5月中旬，其産品的日度通路使用者量達到了300萬次，相比一年前增長了5倍以上。
Perplexity聯合創始人、CEO阿拉文德·斯裡尼瓦斯（Aravind Srinivas）今年初就表示：“人們可以将Perplexity看做是一個AI‘套殼’産品，但成為一個擁有十萬使用者的‘套殼’産品顯然比擁有自有模型卻沒有使用者更有意義。”
Perplexity頁面，圖檔來源：Perplexity
還有不少獨立開發者的制作的AI“套殼”産品也表現優異。
比如，有着多年市場研究經驗的David Bressler就通過無代碼平台Bubble搭建了一個名為的formula bot的Excel公式生成器，賺到26000美元的ARR（年度經常性收入）；也有獨立開發者通過在細分領域深耕，做出了AI聊天機器人平台Chatbase，其MRR（月度經常性收入）約為64000美元；此外，還有Magnific（圖像超分、增強工具，5個月積累了72萬使用者，後被Freepik收購）、PDF.ai（通過問答來了解pdf文檔的内容，其上線6天就收回成本，并在2023年9月成功突破了30萬美元的AAR）等優秀的AI産品。
是以，很多AI産品不是死于“套殼”，而是死于“沒能套好殼”。
2.賣會員、賣體驗次數，然後呢？
除了“沒套好殼”，AI墓地裡産品的第二大死因，是盈利模式單一，相關産品的定價形式主要有兩種：充會員和買積分換體驗次數。
以文生圖産品Purephotos.app和AnimeAI.lol為例，前者為企業使用者提供積分購買服務，後者則将産品和服務打包成不同的套餐出售。或許是意識到了企業使用者不賺錢，自2024年5月起，Purephotos開始嘗試最近流行的“随用随付”的收費模式，使用者生成的圖檔張數越多，分攤到單張圖檔上的費用越便宜。
Purephotos.app定價政策 圖源：AI Graveyard
AnimeAI.lol定價政策 圖源：AI Graveyard
Photofix同樣如此。這是一個AI照片編輯工具，具有圖像增強、去除多餘人物、文生圖等功能。該産品分為了“基本版”和“進階版”，基本版每張圖檔在0.39-5.99美元之間，進階版每張圖檔在0.49-9.99美元之間。
Photofix定價政策 圖源：AI Graveyard
而Purephotos.app即使後來加上了“随用随付”的收費模式，但因為轉變太晚，也沒能挽回頹勢。
「甲子光年」梳理了部分AI墓地中部分文生圖産品的定價政策後發現：這些産品大多走的購買積分（credits）模式，使用者購買積分的量越大，均攤到每次生成任務的價格就越便宜。然而，這些産品的底層多是接入的幾個主流文生圖模型的API，但是定價卻并沒有比其底層模型的價格低多少——以Patience AI為例，其底層接入了Stable Diffusion、Waifu Diffusion、DALL-E等模型，産品定價為15美元1000個積分，約為0.015美元/積分，如果按照生成一張圖檔消耗2積分計算的話，每張圖檔的價格約為0.03美元，這高于DALLE-2 生成單張圖檔（1024 x 1024 的最高規格）的0.02美元。
DALL-E 2不同規格圖檔的定價，圖檔來源：OpenAI
如此不劃算的價格，如果産品或者底層技術上再沒有較大突破，那麼這些産品最終走向死亡也是意料之中。
即使是産品和設計上做到了足夠精巧、定價機制也設定得合理，一旦巨頭下場，初創公司都也會受到影響。
這就不得不說曾被視為是“谷歌競争者”的AI搜尋引擎Neeva，現在它就躺在AI墓地裡。
Neeva由谷歌前廣告業務副總裁德哈爾·拉馬斯瓦米和Youtube前貨币化副總裁維韋克·拉古納坦于2019年聯合創立，因為其主打無廣告、無追蹤器、優先考慮使用者隐私，一經推出就廣受關注。
和很多搜尋引擎産品選擇接入谷歌或者必應的API不同，Neeva選擇從頭開始建構搜尋堆棧，并組建了一個50人的小團隊。Neeva推出了帶有更大圖檔和有用比較資訊的購物頁面，同時優先考慮Reddit和Quora等網站上的UGC内容展示在外，體育搜尋的結果也變成了漂亮的全屏記分牌，搜尋特定關鍵詞的時候還可以直接帶使用者進入網頁。
和谷歌相比，Neeva的界面更加簡潔幹淨，比如将傳統搜尋結果頁的藍色連結替換為了更直覺的頁面，并更加強調UGC的内容。
Google（左）和Neeva（右）搜尋結果比較，圖檔來源：Medium
Neeva于2021年6月在美國正式推出，每月向使用者收取4.95美元，短期内迅速吸引了大量使用者，在推出後四個月内月活躍使用者就增長到50萬。到2022年初，Neeva已經将大語言模型內建到其搜尋堆棧中，成為了第一個為大多數查詢提供引用的實時AI答案的搜尋引擎。為了在2022年擴大使用者群，Neeva的基礎版本開始免費向使用者提供。
Neeva産品頁面，圖檔來源：TechCrunch
為了順應生成式AI潮流，同時也為了尋求更好的增長，2023年1月，Neeva推出搭載了生成式AI搜尋産品NeevaAI。這是首批內建AI功能的搜尋引擎，可以通過摘要和引文來回答查詢内容，NeevaAI在推出的當月流量就超過了微軟的New Bing和谷歌的AI搜尋内測版。
Neeva也曾經是資本的寵兒，曾獲得紅杉資本、Greylock Partners等知名VC的投資，融資金額累計達到7750萬美元。
然而，營運了4年後，Neeva撐不下去了：2023年4月，Neeva宣布永久關閉其搜尋引擎。拉馬斯瓦米發文表示，由于在吸引新使用者方面面臨着巨大的挑戰，加之目前艱難的經濟環境，Neeva将關閉網頁端和消費者搜尋産品，并開始To B業務的探索。2023年5月，雲資料庫公司Snowflake以約1.5億美元的價格收購了Neeva。
不可否認，“AI搜尋”是一個好的産品形态，從美國的Perplexity到中國的秘塔AI，流量的穩定性和不斷增長的使用者數驗證了這類産品真實的市場需求。然而，在谷歌、微軟等巨頭已經占據了強勢生态位的情況下，AI搜尋創業公司之間的競争是異常重資本遊戲，要使使用者抛棄原有習慣、轉向新的搜尋産品，不僅需要在産品力上做到獨一無二，更是需要砸重金做營銷推廣，這就給AI搜尋創業公司的融資能力提出了很高的要求。
同時，能否找到合适的盈利模式也是決定AI搜尋産品成敗的因素之一：單純靠廣告可能變現速度比較慢，而其他盈利模式（如訂閱制）則因為一定的付費門檻難以吸引大量的使用者，這也是Neeva在推出付費版本之後使用者增長放緩的原因。
3.如何不走進AI墓地
著名的創業孵化器Y Combinator曾在2006年總結過創業公司的18種死法，包括太燒錢、不賺錢、沒算力、産品沒有差異化等。從AI墓地的這些項目裡，「甲子光年」發現，18年前的18種死法，現在依然緻命。即使是過去曾經一飛沖天的明星AI産品，也會突然在某個時刻碰壁，成為曆史的塵埃。
AI墓地收錄的還隻是一些中小型的公司，但一些體量較大的明星AI公司也在走向死亡或漸漸沉寂。這些公司在輝煌時期動辄估值幾億、幾十億美元，然而卻在最近兩年内陸續折戟——Inflection AI就是典型的例子。
2023年5月，該公司釋出了首款聊天機器人Pi，它可以通過應用程式或網頁、WhatsApp、Instagram、Facebook與使用者進行個性化的對話。
Pi的頁面，圖檔來源：TechCrunch
Inflection AI聯合創始人穆斯塔法·蘇萊曼 （Mustafa Suleyman）在接受彭博新聞社采訪時曾表示，盡管Inflection AI吸引了包括微軟在内大量投資者的興趣，并且擁有100萬活躍日活，但它尚未找到有效的商業模式。
Pi表示自己一直由風投支援，沒有商業模式，圖檔來源：Pi
Inflection例子可以讓創業者警醒——當一家AI應用公司的核心産品遲遲無法拿出足夠有說服力的表現，模型層面又面臨着軍備競賽的壓力，那麼最初“模型驅動AI應用”的邏輯或許便不再成立。
獵豹移動董事長兼CEO、獵戶星空董事長傅盛曾告訴「甲子光年」：“我現在堅定地認為是産品尋找市場，用市場來反推你需要什麼樣的技術。過去大家對技術的好壞有一種迷信，過去很多做AI的人出身于高校、研究所或大廠，出來的人可能會認為論文關鍵、架構最關鍵，其實市場的第一性需求最關鍵。”
獵豹移動董事長兼CEO、獵戶星空董事長傅盛，圖檔來源：「甲子引力」
零一萬物創始人、CEO李開複今年5月提出了一個“TC-PMF”的概念，他認為，PMF（産品市場契合）這一概念已經不能完整定義以大模型為基礎的AI-First（AI優先）創業，應當引入Technology（技術）與 Cost（成本）組成四維概念，即“TC-PMF”(Product-Market-Technology-Cost Fit，技術成本 X 産品市場契合度）。
在李開複看來，大模型從訓練到服務都很昂貴，算力緊缺是賽道的集體挑戰，行業應當共同避免陷入不理性的ofo式流血燒錢打法，讓大模型能夠用健康良性的ROI（投資回報率）蓄能長跑，奔赴屬于中國的AI 2.0變革。“做技術成本 x 産品市場契合度，尤其推理成本下降是個’移動目标‘，這比傳統PMF難上一百倍。”李開複解釋。
零一萬物創始人、CEO李開複，圖檔來源：零一萬物
總而言之，Inflection的失敗不能簡單歸因于産品的失敗，而是沒有找到“TC-PMF”，一味融資驅動，忽略了自由現金流、技術的可行性和成本的可控性，即使産品的市場資料表現良好，也因為商業化的短闆而難逃被“收購”的結局。
當然，除了從失敗者身上汲取教訓，大多數人可能更關心的問題是：什麼樣的AI初創企業在今天能夠成功？
綜合來看，有兩類企業存活下來的可能性更大：
- 第一類是真正了解了B端或C端使用者需求和痛點的企業；
- 第二類是做出ChatGPT、Midjourney等生成式AI産品替代不了的功能，把某一細分場景打透、打穿的企業。
第一類企業中，一個很典型的案例是AnswerAI。
AnswerAI是一個面向北美市場的AI Tutor（AI家教）産品，主要的功能是拍照解題+論述。創始人周立，2007年碩士畢業于北京大學，先後在老虎地圖、豌豆莢、Kika輸入法和LiveIn以創始人的身份工作。
和上一波主打“拍照搜題”的AI Tutor1.0的産品不同，Answer AI是一款AI Tutor2.0的産品，不僅能搜題，還能解題，在給出答案的基礎上還可以給出論證過程。題目也不局限于題庫中的題，而是可以在能力範圍内解答從沒見過的新題目，這極大解決了學生使用者“有答案但看不懂思路”“遇到新題目不會”的痛點。該産品出來之後，Answer AI在網際網路上好評如潮，不少使用者表示“這是我用過的最好的AI産品”。
Answer AI使用者回報，圖檔來源：Google Play
Data.ai在5月21日釋出的資料顯示，在美國應用商店排名前20的教育應用中，有5款是幫助學生完成作業的AI Agent，Answer AI就是其中之一。
目前Tutor AI在全球擁有超過200萬的使用者，80%來自美國的高中和大學，在北美AI Tutor類産品裡暫時排名第一，今年的ARR預計将達到500萬美元。
而第二類企業的的典型代表，是一個名叫Bitly的URL縮短工具企業，和與其有着類似思路的vidyo.ai。
Bitly公司總部位于紐約，由彼得·斯特恩 (Peter Stern) 于2008年創立，緻力于提供長鍊縮短鍊、動态二維碼和定制連結縮短功能。
Bitly，圖檔來源：Bitly官網
這看起來不是像是一個生成式AI時代企業做的産品，但是Bitly以簡潔的互動操作、穩定的服務能力、自帶統計功能等特性被很多人評為“最好用的短鍊工具”，以X（Twitter）為例，它已經悄悄地使用Bitly取代了原先的URL縮短服務TinyURL。之前，X為了讓使用者節省140個字元空間，使用TinyURL服務快速且自動的縮短長URL，并獲得了大量的曝光率和額外流量。
Bitly起初也并沒有選擇To C的PLG（産品驅動增長）路線，而是将目光投向了企業客戶，通過SLG（銷售驅動增長）的方式把“小螺絲刀”賣給大企業。
得益于強大的免費增值服務，Bitly很快占領了全球大部分市場，在2018年實作了接近2000萬美元的ARR；2020年調整戰略轉向PLG之後，Bitly更是實作了“一飛沖天”式的增長。
Bitly ARR發展曆程，圖檔來源：Medium
如今，這家古早又低調的公司，完全打破了“SaaS在美國做不了To C”的魔咒，突破了1億美元的ARR；即使是2022年ChatGPT橫空出世、很多人開始用ChatGPT等AI工具進行長鍊縮短鍊，也并沒有動搖Bitly的增長基本盤。
原因很簡單：ChatGPT等AI工具在面臨使用者“長鍊轉短鍊”要求的時候，偶爾随機生成，偶爾使用Bitly的域名生成。通常來說，使用Bitly域名生成的短鍊不是在真實的Bitly賬戶中縮短的，是以生成的短鍊往往打開之後也是錯誤頁面。Bitly從業人員也在其使用者服務頁面表示，“如果你正在使用AI工具來幫助你寫文案，一定要在釋出或列印你的文本之前檢查你的連結。”
Bitly從業人員對于部分AI工具生成短鍊錯誤的原因解釋，圖檔來源：Bitly
和Bitly類似思路的産品，是AI視訊編輯工具平台vidyo.ai。
vidyo.ai能自動一鍵将長視訊轉化為短視訊，使用者隻需将視訊上傳、或是将連結粘貼到vidyo.ai，它就會自動在雲端剪輯出長視訊精彩片段、還能智能跟蹤人臉并添加字幕，并支援适配各個短視訊平台的格式。vidyo.ai可以将視訊編輯和處理時間縮短高達90%，以前需要3個人近一周才能完成的工作，現在使用vidyo.ai隻需15分鐘即可完成。
而在目前的AI生成視訊産品如Runway、Pika、PixVerse、Sora，它們均更強調視訊的“生成”能力，更靠近生産端，卻忽略了消費端的需求——視訊生産出來之後終究是要服務使用者的，而真正有市場、真正受使用者歡迎的是短視訊。vidyo.ai正是抓住了被巨頭忽略的領域，不卷視訊生成，而是另辟蹊徑、更“市場需求導向”地去做AI視訊剪輯産品，進而在AI視訊的生态位中占領了一席之地。
2021年加入國際投資孵化器Entrepreneur First後，vidyo.ai在2022年獲得了110萬美元的種子輪融資，2023年就已經積累了50萬+使用者，ARR就達到了150萬美元。
再把目光放回國内。
「甲子光年」曾關注過一家“另辟蹊徑、單點突破”的企業——海納AI。這是一家做AI招聘的企業，和很多HR SaaS公司既做AI面試、又做BPO（業務流程優化）不同，海納AI聚焦于“AI面試測評”這一單一的場景上，為客戶提供人才量化測評方法論和AI自動評估算法。
海納AI将人才結構化拆解為200多個次元，4000多個行為特征，并基于最新開源大模型，利用數億條高品質行業資料，自煉行業AI大模型，對人才的儀容儀表、溝通表達、綜合素質、專業技能、心理狀況、行業經驗等均可自動面試測評。
海納AI産品服務流程圖，圖檔來源：海納AI
創辦五年至今，中國用工量最大的8個行業的Top3頭部集團絕大部分均已使用海納AI，如順豐、沃爾瑪、瑞幸等，每個集團每年面試10萬-100萬人，均通過海納AI完成，客戶複購率達到100%。
海納AI創始人兼CEO梁公軍曾對「甲子光年」介紹，AI招聘在過去五年發展非常慢，和過往十年大部分to B企業一樣，很難做到營收過億，因為沒辦法規模化，爆發點無法來臨。但現在AI面試的爆點已經到了。在這個領域，專注于單點場景、已經完成PMF的公司會在未來半年内率先脫穎而出，它們已經走過了從0到1、從1到5的成長過程。接下來會迎來5到10、到100、到1000的快速爆發。
Bitly、vidyo.ai和海納AI的共性在于，他們都找到了生成式AI巨頭無法觸及、或者無法做好的場景，抓住這一場景中的細分需求，打透、打穿；換句話說，他們在大廠的射程範圍之外，找到了自己獨特的立足點。
百川智能創始人、CEO王小川在今年5月的一場媒體溝通會上提到，百川智能希望做的是“大廠射程範圍之外”的産品。“首先，中國商業環境裡to B的市場規模比to C小10倍；to B收的是人民币，花的是美金。大廠都會卷這件事情，隻是沒想到大家這麼狠，都卷到0了，這肯定是大廠射程範圍内的。而我們肯定要做差異化。”王小川說。
心資本合夥人吳炳見曾經公開發表過一個觀點：Mobile（移動網際網路）的關鍵詞是“競争”，大規模燒錢競争，赢了競争的才有機會跑出來；而AI的關鍵詞是“吞沒”，預判好模型的發展，不被吞沒的有機會跑出來。
在如今不再火熱的市場環境下，融資或許是每一個AI項目面臨的難題；但既然融不到資，AI創業公司所能做的，或許就是“不被吞沒”，先努力靠自己“跑起來、活下來”。隻要先跑赢一部分人，或許未來就能跑赢所有人。
“我一直和創業者說，千萬不要追求技術的領先，不要糾結于産品中有多少是AI，有多少是人工，因為技術疊代太快了，一定要追求能不能達到商業化品質，把客戶、場景、資料搶在自己手上。”金沙江創業投資基金主管合夥人朱嘯虎今年5月在「甲子光年」舉辦的「AI創生時代——2024甲子引力X科技産業新風向」大會上說。
朱嘯虎在本周的一場分享中也表達了一種“特别明顯的感覺”——今年将是AIGC創業回歸商業本質的開始。
這個感覺沒錯，但「甲子光年」認為，回歸商業本質并不等于隻做應用，單獨的大模型公司也有價值。
看看剛剛發生的OpenAI計劃封鎖中國API事件，以及各家大模型公司迅速推出的“搬家計劃”就知道了。盡管某些大模型公司的API收入非常少，但是這次也紛紛加入了争搶客戶的大戰中。
市場環境和機遇瞬息萬變，對于一家AI企業來說，“護城河”并不是先決條件，當企業真正擁有了值得“護”的東西時，“護城河”才有意義。
（封面圖來源：「甲子光年」使用AI工具生成）