人工智能行业最大的风险，并非收入增速放缓，而是高速增长与普遍亏损并存背后的商业模式不确定性，以及大模型研发所需巨额投入与商业化落地滞后之间的错配。对于商汤、旷视、云从等AI公司而言，收入增长快但盈利难是行业共性问题；而大模型赛道又叠加了技术路线快速迭代、研发成本高昂且短期难见回报的额外风险，这使得行业整体仍处于“高投入、低产出”的探索期。
高增长与亏损并存的行业现状
从公开数据看，AI公司的收入增速普遍亮眼，但盈利状况却不容乐观。以云从科技为例，其2021年营收为10.7亿元，同比增长43%，但该收入规模对应的盈利状况并未同步改善；商汤科技2021年营收达47亿元，同比增长36%，但同样面临亏损压力。这种“增收不增利”的现象，反映出AI企业当前商业模式的共性挑战：项目制、定制化的交付模式导致边际成本难以摊薄，规模效应尚未形成。
此外，多数企业的AI产品仍以小模型为主，主要为某个细分领域提供智能解决方案。虽然这种商业模式已比较成熟，但其市场天花板相对有限，难以支撑企业获得与研发投入相匹配的回报。
大模型研发的成本与商业化错配
大模型的研发投入堪称“烧钱”游戏，涉及算力、数据、人才三大核心要素，每一项都需要持续且巨量的资金支持。然而，高昂的研发成本与商业化落地之间，存在明显的时间错配。
从技术成熟度来看，现阶段大模型主要面向NLP（自然语言处理）领域，而CV（计算机视觉）大模型受限于有效训练数据不足、学习方法待突破、通用视觉模型尚属未知等挑战，短期还很难出现大的爆发。这意味着，企业投入巨资布局的多个技术方向，未必能在短期内转化为可规模化的收入。
同时，技术路线的快速迭代进一步放大了投资风险。大模型领域的技术演进日新月异，企业当前的领先优势可能因下一代技术的出现而迅速被稀释，前期巨额投入面临沉没风险。
国内大模型的技术追赶压力
在国产大模型方面，技术储备较丰富、进展较靠前的厂商主要是百度（文心一言）、腾讯（混元）和华为（盘古）。但客观来看，国内大模型与国际前沿仍存在差距，例如当时文心一言的体验感受约相当于GPT-2.5的水平，即落后OpenAI三年多。
这一判断揭示了两层风险：其一，追赶者需要持续投入以缩小差距，而每一轮技术迭代都意味着新增的研发成本；其二，在追赶过程中，商业化的时间窗口可能被压缩，企业需要在技术尚未完全成熟时，就面对来自国际领先产品的市场竞争压力。
常见问题
为什么AI公司收入增长快却普遍亏损？
主要原因是商业模式尚未成熟。多数AI企业依赖项目制、定制化的交付模式，研发投入大但边际成本难以摊薄。同时，大模型等前沿技术的研发需要持续投入巨额资金，而商业化落地存在明显滞后，导致收入增长难以覆盖高昂的成本支出。
投资AI行业时，最需要关注哪些风险信号？
需要关注三个维度：一是企业的研发投入与现金流状况，判断其能否支撑技术持续迭代；二是技术路线的选择与商业化落地节奏，警惕“重技术、轻应用”的倾向；三是与国际前沿的差距，若差距过大且迭代速度跟不上，前期投入可能面临沉没风险。
大模型领域是否存在“赢家通吃”的风险？
大模型的研发对算力、数据、人才的要求极高，头部厂商在生态和数据入口方面具备一定优势。例如，互联网厂商因拥有To C端业务，在数据样本收集方面更有优势；而部分厂商则凭借对行业的深度理解，在To B端形成差异化竞争。未来竞争格局仍存在较大不确定性，需以技术演进和实际落地效果为准。