2025年来了，回顾2024年的初的时候，我们对AI的期待远远高于今天，记得GPT4推出后基本上大多数人都对Open AI 能在2024年推出GPT5没有怀疑，并充满了期待。包括对其他模型和AI应用的都充满了期待，至少不是今天这个样子。
2024这一年我们如何看待AI这一年的发展呢？
我们对人工智能的认知发生了改变
这一年让我们对AI有了更深的认知，这一年的进展是有的，看到了o3和Sonnet3.5、gemini2.0在基准测试取得的成绩很亮眼,但并没有流量博主们口中所说的“颠覆”.所谓的“颠覆”，不过是一个个漂亮的DEMO。流量博主们的幻觉比大模型有过之而无不及，虽然一次次的被打脸，但“一惊一乍”的症状从没减轻过。
AGI仍然还是炒作GPT-4o 仍无法实现真正的自主学习、通用推理和长期记忆管理，对外部知识的依赖RAG,KG等方式完成，更缺少元认知能力（self-reflection）。SORA 的惊艳只在是Demo上，一惊一乍流量博主们，跟风炒作，在一次又一次的预测中被打脸。
传统Scaling Law的是势头不再，可能将被新的Scaling Law取代。
AI创业基于多个层面的分析
（1）发展模式维度：AI 原生与 AI 增强、（2）技术栈维度：技术层级分层、（3）产品形态维度：AI 软件与硬件。
（一）**发展模式维度：**AI 原生与 AI 增强
AI 原生指的是
从一开始就以 AI 为核心驱动力或底层逻辑的业务模式或产品形态。这类企业不多，因为真正“从0到1开围绕 AI 打造”的公司，需要具备对算法、数据、场景等多重要素的综合掌控。对技术、资金、资源都有较高门槛。大多在底层技术（如大模型研发、AI 芯片、AI机器人操作系统）颠覆性创新。 AI 增强是
在现有业务或产品基础上，引入 AI 技术进行赋能提升或体验优化。传统行业数字化转型（制造、零售、医疗、金融等）、 企业流程改造、客服或市场营销的AI化等。这种模式相对更快的落地和更容易衡量的ROI，成为多数创业公司在短期内实现“AI + 行业”融合的主要路径。
（二）**技术栈：**技术层级分层
在 AI 产业链中，通常可将技术或产品分为不同层级，各层级均蕴含不同机遇与挑战。
基础设施层：主是要
算力（数据中心、云计算、GPU/ASIC/FPGA 等硬件集群）、网络、操作系统，以及各类支持 AI 训练与推理的底层技术。2024年有大量投资与政府支持（例如智算中心、超算集群等），对于巨头与具备资金/资源优势的企业是重大机会。国家大力推动“东数西算”、智算中心、GPU 自主研发；地方政府更多是与龙头科技公司合作，与普通创业者关系不大。 **基座大模型：**2023 年是大模型的爆发元年机会很多，但2024 年则是热度从“风口”逐渐回归理性，创业窗口基本已经关闭，但仍是巨头争夺的核心赛道国内智谱、阿里、腾讯、字节、商汤等入局玩家实力强大，中小创业者已经没有机会。押宝大模型已经没有意义，除非在数据上具备独特的优势。 **数据层：**模型与算法都依赖高质量数据来训练与迭代，出售行业数据在短期内可能是“好生意”，做为一项事业的可持续性是个问号，我国在政企数据、产业数据上存在碎片化与壁垒，数据获取难度高，因而也孕育机会（数据标注、数据集成、数据要素交易等）的生意机会。 **中间件层：**LangChain、dify、Haystack 等“LLM 中间件”，帮助开发者快速构建基于大语言模型的应用；降低开发门槛，让大量中小企业或个人开发者可基于已有大模型做二次开发与场景落地。生态尚在早期，标准化、兼容性、工具链仍需进一步完善。光哥认为开发工具在中国从信息化时代开始市场从来就没有景气过，很难说这会是个机会。 应用层：这个是
大多数创业公司聚焦的主战场。利用上述底层能力与工具，为各行各业提供“AI + 业务”解决方案。常见领域有企业智能客服、财务审核、医疗影像诊断、广告营销、文本/图像创意生成、办公协同等。To C端的商业模式尚未完全成熟，客户愿意付费的理由与 ROI 证明需要反复打磨；此外，不同行业要求不一，落地过程复杂。
（三）**产品形态维度：**AI 的软件与硬件
AI 硬件：更之是在
机器人、智能汽车等领域，硬件的创新往往带来新的商业场景（如自动驾驶、智能工厂、末端物流机器人）。前期研发投入与供应链管理复杂度高，竞争激烈且需长期技术积累；但一旦成功，护城河明显，形成软硬件结合的高价值产品。 AI 软件：一些大模型企业
普遍采用的订阅费、API 调用收费或项目制交付等商业模式尚不完全成熟，很多小微企业或传统企业对“AI 软件价值”尚在观望，存在付费意愿不足的问题。
一些创业者的可能走在错误的道路上
一些AI创业公司仅仅是拥有一项或几项技术，然后再试图通过大量BD去“找场景”“找客户”，非常缺乏对行业痛点的深刻洞察。此种现象在当前的AI创业大潮中尤为明显。甚至依赖技术优势而缺乏市场需求和用户反馈，使得AI产品难以适应快速变化的市场环境。技术优势并不能自动转化为市场成功，一些AI公司在产品开发初期未能进行充分的市场调研和用户洞察，导致产品设计与实际需求脱节。这种缺乏市场验证的产品往往难以获得认可和接受。有些创业者由于急功近利，就开始在PPT上下功夫，制造“伪需求”忽悠客户下单。
伪需求往往包装得华丽，却难以支撑长久的市场价值。在AI领域，尤其需要警惕过度炒作和概念堆叠，因为技术的本质是为产业与用户创造切实价值。技术与概念本身或许有前瞻性，但并未真正结合具体需求和用户场景，难以落地并持续产生价值。只有在满足用户需求的基础上，技术才能发挥其真正的价值。
乔布斯在1997年重返苹果时曾对团队技术大牛讲：“你必须从客户体验开始，再回过头去考虑技术的可行性。你不能从技术开始，然后再去想如何销售。”这不仅是一句口号，而是一种策略，一种深思熟虑的方法论。要避免伪需求，就要回归行业痛点、落地验证与持续迭代。团队必须扎根场景、深耕数据、打磨产品体验，并结合行业专业知识，才能提供真正被客户认可和愿意付费的解决方案。
一些AI产品“既差且骗”
如同当年很多公司把网站名称后加上“.com”一样，现在一些公司的产品仅仅是名字前加了AI或者是调用了一些简单AI的能力，就号称是AI+ 或者智能XX ，甚至是仅仅做个了提示词工程的工作流管道的开发，就号称自己是XX智能体。包括很多所谓“数字人”产品，仅仅是与大模型做了简单的调用，当前的交互型 AI 数字人，即便有AI大模型赋能，仍然只是个生硬信息的智障，并不具备真正的沟通价值。一些人还拼凑概念，什么AI+web3+大数据+元宇宙，当你问到“为什么要用这么多技术、解决什么问题、价值何在”的时候，这些人又解释不清，甚至用玄学和信仰来忽悠你。
一些名字前面加了”智能“的产品，其交互方式还是最简单的查询匹配逻辑，却打着AI和智慧的旗号，利用很多消费者不懂AI的信息差招摇撞骗。
在全球AI浪潮席卷之下，商业的边界与技术的格局正在被改写。从日新月异的技术突破到新的业务模式的涌现，我们正处在一个充满挑机遇与挑战的时代。
2025的机遇在哪里，我们下期聊……
