文｜新眸 李小東
關于AI能否誕生出下一個超級應用的討論，一直是行業里最熱門的話題。
這個話題的本質，是在現有技術框架下尋找最接近AGI的商業化形態。當前ChatGPT的1億用戶規模已接近超級應用門檻，但日均使用時長不足20分鐘的現狀，暴露了工具屬性與粘性需求的矛盾，也折射出AI行業的集體困惑。
市面上各類AI應用早已超2000款，從A16z等投資機構的分析來看，當前主流產品集中在AI陪伴、ChatBot、智能客服、圖片視頻生成等領域——當用戶打開手機應用商店時，看到的仍是千篇一律的“AI助手”和“創作工具”，市場始終缺乏一款真正的國民級產品。
這一現象的背后，是互聯網與AI兩波技術浪潮的根本性差異。
超級應用的背后往往是超級大廠，但從全球范圍來看，大部分AI初創企業熬不過五年生存期。以國內市場為例，據統計，過去三年里，累計超過20萬家AI企業因各種原因退出市場，即使有的能在短時間內成為新晉獨角獸，但一個鮮被關注的現象也同時浮現：盡管這些公司估值飆升、融資不斷，但至今沒有一家能被稱為“大廠”。
相比互聯網時代，阿里用“平臺+流量”征服電商，騰訊以“社交+內容”建立帝國，字節跳動靠“算法+推薦”重構信息分發——標準化產品、網絡效應、邊際成本趨零的黃金三角，支撐起超級公司的誕生。而AI時代的技術邏輯正在顛覆這一切：模型訓練成本與場景復雜度正相關、技術復用率低、數據價值呈長尾分布。
組織基因的沖突更為尖銳。某大廠AI實驗室采取“賽馬機制”，多個團隊產出的同質化客服系統，最終因無法適配客戶私有化部署全部夭折。這種“大中臺”模式在AI領域的水土不服，折射出更深層的矛盾：當技術價值從通用性轉向場景特異性，傳統的中心化組織架構與AI所需的敏捷響應機制產生根本性沖突。
當我們將視角拉遠，會發現這場產業變局的三個核心矛盾：產品邏輯從“用戶連接”轉向“場景滲透”、組織架構從中心化轉向“細胞化”、技術估值體系從“規模溢價”轉向“場景乘數”。這些差異在冥冥之中，或許注定了AI時代難以復刻互聯網的造神神話。
01、當前的AI公司還沒有真正意義上的“大廠”
“大廠”一詞誕生于互聯網時代，核心特征是龐大的員工規模與生態化布局。
以騰訊為例，成立五年時總員工數量達到2000，截止目前人數已經超過11萬人；字節跳動更是以年均萬人規模的增速，十年內就達到12萬員工的體量。
傳統互聯網大廠通過“產品矩陣+流量生態”模式，將用戶、數據、服務深度綁定，形成自我循環的商業閉環，同時也帶來了大量的就業崗位。就拿電商行業來說，在供給、支付、物流、信用體系加持下，成就了萬億級標準化市場，如今最有代表性的阿里，員工總數已經逼近20萬。
某種程度上，人數、崗位的增長，能夠反映出一家互聯網公司的市場規模和業務進展的成熟程度。
但縱觀AI領域，目前國內外大部分的玩家，仍以小于千人的創業團隊為主，明星公司如DeepSeek，目前的總人數僅為160人。即使是Open AI，成立近十年，員工總數也只有2000左右，其中近90%為技術人員，業務仍集中于模型訓練與垂直場景應用，遠低于傳統互聯網大廠的人口增速。
AI公司的“技術密集型”結構，與互聯網時代的“人力密集型”模式形成鮮明對比，某種程度上，意味著行業尚未形成可復制的規模化增長路徑。
前段時間，有媒體稱，當下AI領域高薪招人成了普遍現象，近一年AI技術崗位中，30%的年薪超過50萬元。類比早年傳統互聯網行業的繁榮，誕生了一批以程序員為代表的城市中產，于是有人推斷，AI也在催生這樣的盛況。
但現實中準確的來說，這場AI領域的高薪招聘熱潮，仍然是由互聯網大廠主導。阿里2025年春招開放的3000個實習生崗位中，近50%與AI相關。字節除了廣挖行業專家，張一鳴甚至親自牽頭挖掘各路人才。
眾所周知，在最早一批的AI搶跑過程中，大廠幾乎落后了一拍，在技術、產品、商業模式上都沒能主動帶來先發性的突破。隨著大廠補齊短板，創業公司當中，有技術實力的陸續被兼并，有價值的業務、技術和人才最終又回流到了互聯網大廠。后者有資源、有足夠的現金流來支持長期的研究，并能夠在產品側同質化極其嚴重的情況下，憑借綜合優勢后來居上。
但需要注意的是，這并不意味著互聯網大廠變成了“AI大廠”，事實上，AI仍只是他們生態內的一個組成部分，負責這部分業務的團隊，大多是在原有基礎上，進行擴充或將隊伍拆分的更加細致。
作為對比，不同于互聯網公司的大躍進式招聘，那些一開始走向行業潮頭的新興公司，反而顯示出不斷縮編的跡象。自去年開始，包括MiniMax、月之暗面、零一萬物、智譜在內的AI公司接連傳出裁員消息，當年從大廠出走的技術骨干也陸續出現回流跡象。
02、倒閉8萬家新公司從哪來，到哪去？
來看一組數據。
自ChatGPT發布到去年8月，國內有近8萬家新注冊的AI公司處于注銷、吊銷或停業異常狀態，占同期新注冊AI企業總量的約9%，也就意味著，由大模型掀起的AI浪潮下，不到三年里興起的創業公司接近90萬家。
這些企業從哪來？
ChatGPT通過大模型+人類反饋強化學習的技術路徑，實現了自然語言處理的質變，兩個月內用戶破億的商業成功，為國內企業提供了可復制的技術路線參考。資本市場將ChatGPT視為“AI的iPhone時刻”，當年A股市場單月概念股漲幅過半，融資額同比激增數倍。
這種財富效應一度點燃了三類玩家：互聯網巨頭通過發布“中國版ChatGPT”搶占輿論制高點；傳統科技企業加速向AI轉型；初創公司紛紛快速成立。有投資人指出，國內資本的投資偏好，使得輕資產、易包裝的初創公司更容易獲得融資。
另一方面，伴隨AI被地方列為重點產業并搶灘布局，給出了前所未有的扶持力度，像北京、上海的AI園區提供免費算力、稅收減免，甚至直接給企業“發錢”。
當技術、資本和政策的紅利同時出現時，市場往往會陷入虛假繁榮。如果將行業泡沫歸咎于垃圾公司的短期風口套現，那么活下來的優質企業中，又是什么限制了他們的進一步生長？
對于這個問題，最容易想到的原因是“缺人”。
此前有研究人員表示，國內AI人才總缺口數百萬，一些一線城市的人才需求與當地高校之間存在相差十倍的缺口。今年各家公司春招甚至都開出了百萬年薪招攬畢業生，這些崗位大多為算法工程師、數據科學家、模型架構師等核心技術崗，還有一些與AI相關的業務崗，如AI產品經理、AI硬件工程師等。
然而，據行業資深從業者透露，當前AI領域的人才爭奪戰呈現明顯的“戰略囤積”特征——企業意識到人才是核心資源儲備。現實情況中，大部分的AI企業存在“人才到位但效能滯后”的人才空轉現象，技術團隊與業務部門的協同效率不足，導致人均產出甚至要低于互聯網企業。
外界對此的解讀分為兩方面。
一是企業未能建立起與AI技術相匹配的組織架構和業務閉環，以阿里的電商業務為例，內部并不是所有人都是代碼專家或市場精英，還有大量分布在供應鏈管理、客戶運營、風險控制的支撐性崗位，起到維持商業模式運轉的作用。
相比互聯網緊密連接商業世界，能跨越時空解決問題，對實體商業沖擊巨大，改變了人們的生活和消費方式。AI在某種程度上是與商業世界脫鉤的，除了優化部分工作流，在實際應用中的程度相當有限。
“衡量一款產品成功與否，一定要看它在用戶全生命周期上發揮的價值，但AI還遠未達到這一要求。”業內人士分析，根本原因一方面在于商業化的路徑不清晰，另一方面在于技術本身的局限性，遠沒有互聯網那么大的影響力。
另一個觀點則認為，當下的AI，或許還并不需要那么多的人。
人們對AGI的期待，本質是希望AI能突破單一任務限制，具備人類級別的跨領域推理能力。這種愿景推動了大模型技術的爆發式發展。行業追逐的“超級應用”，以及所謂的“大廠”和相關產業鏈路，是在現有技術框架下尋找最接近AGI的商業化形態。
但當前技術仍處于“弱AI”階段，大模型存在幻覺、邏輯推理缺陷等問題，距離真正的AGI仍有鴻溝。意味著，AI還要經歷漫長的技術驗證，才有可能跳出高度聚焦于模型訓練或單一場景應用的業務，這一時期，AI呈現出的本質是"智力密度"的比拼，而非互聯網賽道人力規模的較量。
更深層的挑戰，在于AI創業公司后期經營過程中的組織缺陷。
尤其是國內企業，普遍存在“研究”與“研發”的認知錯位，在高層領導與投資人的push下，科研團隊的時間精力，往往被迫用來應付短期的KPI，而非真正的前沿探索。這種現象在高頻考核體系下尤為突出，算法團隊不得不用有限資源追求更具性價比的短期效果，導致技術迭代陷入“內卷式優化”。
因此也就不難理解，DeepSeek創始人梁文鋒多次婉拒騰訊、阿里等大公司投資，將量化基金收益全部投入AI研發，在他看來，比起盲目去擴張團隊，當AGI實現路徑仍不明朗時，與其做垂類和應用尋求變現，更明智的選擇是找到真正合適的人才繼續深入研究。
03、AI需不需要再造大廠？
AI這個概念自誕生之初，最大的想象力來源于對人的替代上。
前段時間的Manus就是典型的例子，作為一款通用型Agent產品，上線首周便經歷從狂熱追捧到輿論反轉的一波三折，它的突破性體現在產品形態的創新，能夠接管日常的一部分實際工作，這讓人們似乎看到了AGI的一些縮影。
但在技術專家看來，Manus的底層技術并不復雜，如果市面上同時上線了多款類似的產品，用戶怎么選擇，將最大限度取決于大模型的精準性，即對人工的真實替代程度。
對于企業來說，AI的價值同樣體現在“人工替代”，并一度作為企業降本增效的不二法則。就連一些AI公司也已經將數據標注的工作交給Agent工具，這揭示了AI時代的人才配置邏輯：關鍵崗位需要頂尖專家，基礎崗位應通過技術替代實現人力優化。
回到核心話題，AI究竟需不需要大廠？這個問題其實是在討論，AI公司究竟要不要成為騰訊、阿里那樣樹大根深且涉獵縱深的巨型企業，以及有沒有可能孵化出類似微信、淘寶這樣的超級應用。
AI技術的落地高度依賴數據、算力和人才，阿里、騰訊、字節等憑借長期積累的海量數據、強大的算力基礎設施以及頂尖人才團隊，在模型訓練和場景落地中占據優勢。在這一背景下，創業公司往往因資源受限難以直面競爭，但部分專注于細分場景的中小公司，可以提供各種垂類應用，通過單點突破實現商業化。
大廠的優勢不僅在于技術，更在于業務生態的協同性，騰訊依托微信生態推動商業化發展，阿里通過電商場景優化推薦算法，然而AI產品卻呈現出與以往互聯網截然不同的發展路徑，用戶規模紅利體現得不明顯。
當互聯網大廠將電商、教育等業務線的精兵強將調往AI部門時，會發現這些互聯網時代的戰斗單元在AI戰場水土不服。傳統業務部門習慣的“數據驅動決策”與AI團隊的“模型迭代思維”存在本質沖突，前者依賴用戶行為數據優化體驗，后者需要高質量標注數據訓練模型。
拿字節CEO梁汝波今年全員會上的描述來說，豆包沒顯出“越多人用越好用”的互聯網產品特性。相比互聯網產品依靠用戶數據進行優化，當下AI產品大多以生成類工具為主，用戶提問數據對于模型優化的好處十分有限。
一款擁有幾億甚至幾十億MAU的AI產品，商業價值或許遠不如微信；而一家出色的AI企業，也并不意味著一定會成為阿里、騰訊那樣的規模大廠。
根本的原因，和上一輪互聯網浪潮相比，用戶規模的增長往往能帶來顯著的經濟效益，這一輪AI浪潮最鮮明的特征是，盡管有大量資本投入，但還未找到穩定的盈利模式，并且呈現出“C端起量，B端買單”的局面。
在2025年的AI產業圖譜中，技術縱深正在取代用戶規模成為核心競爭力。微軟研究院的研究表明，具備跨領域推理能力的AI系統，其價值創造效率將呈現非線性增長。但實現這一目標需要的不是用戶規模，而是高質量的多模態數據和持續的算法創新。
換句話說，當技術走過驗證期后，AI或許才能開始討論用戶全生命周期的話題。