在AI领域,能否诞生下一个超级应用的讨论热度居高不下。此话题实质是在现有技术框架下探寻最接近AGI的商业化形态。当前,chatgpt虽用户规模近1亿,接近超级应用门槛,但其日均使用时长不足20分钟,凸显工具属性与用户粘性需求间的矛盾,也反映出AI行业的集体困惑。
市面上AI应用超2000款,主流产品集中在AI陪伴、ChatBot、智能客服、图片视频生成等领域。用户打开应用商店,满眼皆是千篇一律的“AI助手”和“创作工具”,真正的国民级AI产品仍未出现。
这一现象背后,是互联网与AI技术浪潮的本质区别。互联网时代,阿里以“平台 + 流量”称霸电商,腾讯靠“社交 + 内容”构建帝国,字节跳动凭借“算法 +推荐”重构信息分发,标准化产品、网络效应、边际成本趋零的黄金三角助力超级公司崛起。而AI时代,模型训练成本与场景复杂度挂钩,技术复用率低,数据价值呈长尾分布,彻底颠覆了以往的技术逻辑。
组织架构方面的冲突也极为显著。某大厂AI实验室采用“赛马机制”,多个团队产出的同质化客服系统,因无法适配客户私有化部署而失败。“大中台”模式在AI领域的不适应,反映出传统中心化组织架构与AI所需敏捷响应机制的根本矛盾。
从全局视角看,这场产业变革存在三大核心矛盾:产品逻辑从“用户连接”转向“场景渗透”;组织架构从中心化转向“细胞化”;技术估值体系从“规模溢价”转向“场景乘数”。这些差异似乎注定AI时代难以复制互联网的辉煌。
“大厂”概念源于互联网时代,其核心特征是庞大的员工规模与生态化布局。腾讯成立五年时员工达2000人,如今超11万;字节跳动十年内员工规模达12万。传统互联网大厂通过“产品矩阵+流量生态”模式,深度绑定用户、数据与服务,形成商业闭环,创造大量就业岗位。但AI领域,多数玩家以千人以下创业团队为主,如DeepSeek仅160人,OpenAI成立近十年员工仅2000左右,且业务集中于模型训练与垂直场景应用,远低于互联网大厂的人员增长速度。AI公司的“技术密集型”结构与互联网“人力密集型”模式形成鲜明对比,表明行业尚未形成可复制的规模化增长路径。
近期,AI领域高薪招聘现象普遍,近一年30%的AI技术岗位年薪超50万元。有人类比互联网行业繁荣,认为AI也将催生类似盛况。然而,现实是AI领域的高薪招聘主要由互联网大厂主导,如阿里2025年春招,近50%的实习生岗位与AI相关,字节也大力招揽人才。但这并不意味着互联网大厂已成为“AI大厂”,AI只是其生态的一部分,相关业务团队多在原有基础上扩充或细化拆分。与之相反,一些新兴AI公司却出现缩编迹象,如MiniMax、月之暗面等公司接连裁员,技术骨干回流大厂。
自ChatGPT发布到去年8月,国内近8万家新注册AI公司处于注销、吊销或停业异常状态,约占同期新注册AI企业总量的9%,这意味着大模型掀起的AI浪潮下,不到三年兴起近90万家创业公司。这些企业的兴起,一方面得益于ChatGPT的技术路径与商业成功,为国内企业提供参考,资本市场的财富效应吸引互联网巨头、传统科技企业和初创公司纷纷入局;另一方面,地方政府对AI产业的大力扶持,如提供免费算力、税收减免等政策,推动了企业的创立。
然而,这些企业的发展面临诸多问题。首先是“缺人”,国内AI人才缺口巨大,企业高薪招聘算法工程师、数据科学家等核心技术人才,但存在“人才到位但效能滞后”的人才空转现象,技术团队与业务部门协同效率低,人均产出低于互联网企业。一方面,企业未能建立与AI技术匹配的组织架构和业务闭环;另一方面,AI与商业世界脱钩,商业化路径不明,技术影响力有限,尚未达到在用户全生命周期发挥价值的要求。此外,当前AI处于“弱AI”阶段,距离AGI仍有差距,更需要“智力密度”的比拼,而非人力规模的竞争。同时,AI创业公司存在组织缺陷,国内企业常出现“研究”与“研发”的认知错位,导致技术迭代陷入“内卷式优化”。
AI的价值在于“人工替代”,企业希望借此降本增效,如部分AI公司将数据标注工作交给Agent工具。那么,AI是否需要大厂呢?这实则是探讨AI公司能否成为像腾讯、阿里那样的巨型企业,以及能否孵化出超级应用。AI技术落地依赖数据、算力和人才,大厂在这些方面具有优势,但AI产品发展路径与互联网不同,用户规模红利不明显,互联网大厂的业务团队在AI领域存在水土不服的情况。一款拥有庞大用户量的AI产品,商业价值可能不如微信;一家出色的AI企业,也未必能发展成大厂规模。根本原因在于,AI浪潮虽有大量资本投入,但尚未找到稳定盈利模式,呈现“C端起量,B端买单”的局面。在2025年的AI产业图谱中,技术纵深正逐渐取代用户规模成为核心竞争力,实现跨领域推理能力的AI系统需要高质量多模态数据和持续算法创新,技术成熟后才可能关注用户全生命周期。