AI时代小厂艰难突围:资金、技术劣势尽显,未来何去何从?

数量1倍数特性.pdf 立即下载

AI为何成小厂软肋?

AI已成为国内互联网小公司的最大软肋。过去一个月,国内互联网公司公布第一季度财报,大公司财报“言必称AI”,小公司的AI浓度却不算高。

以知乎为例,其最新业绩不错,营收环比增长至6.5亿元,Non - GAAP净利润达1716万元,环比扭亏为盈。但它再度调整口径划分收入来源时,并未单列AI相关数据。其他小公司的财报也呈现“AI欠奉”面貌。

爱奇艺上季度营收达62.3亿元,靠会员费打天下,会员服务收入占总收入近七成,广告收入贡献近20%营收,AI相关收入未单独披露。微博继续高度依赖广告,29亿元营收中广告贡献超25亿。挚文集团上季度营收接近24亿元,几乎全是增值服务收入。虎牙和斗鱼合并失败后,守着老本行,赚钱方式和收入模型多年未变。

小厂AI发展现状如何?

AI是时代命题,科技公司都要直面AI浪潮冲击。巨头有资金、资源和人才支撑,高调入局,喊出“All in AI”;中型公司砸不起钱,但能专攻细分领域,还可卖流量给巨头;小公司却很挣扎,缺钱、缺用户、缺场景、缺产品、缺技术、缺人才、缺算力。

知乎、爱奇艺等公司虽早布局AI,但在全方位劣势下被甩开。知乎2022年底ChatGPT席卷全球四个月后上线“知海图AI”大模型,还推出AI搜索功能,后升级为“知乎直答”,2025年初接入DeepSeek R1模型。知乎在数据方面有优势,还投资面壁智能解决算法和算力问题,但三年多来AI板块未开花结果,营收增长不稳定。

爱奇艺2023年夏天成立“AIGC内容科技创新中心”,上线大批内部AI应用,2024年自研“奇智”大模型完成备案,2025年4月上线“桃豆”AI助手。微博2023年7月推出AI评论机器人,后更名为“评论罗伯特”,2024年自研“知微”大模型通过备案,上线AI搜索产品“微博智搜”,今年初上线“龙虾助手”。挚文推出多款AI应用,还将大模型用于内容管控等环节。虎牙、斗鱼训练垂直大模型,将AI用于直播、电竞场景,推出游戏相关Agent。

这些动作有一定效果,但小厂AI成果无法与大公司相比。小厂自研模型不“打榜”,AI产品不在投流大战现身,用户追逐先进模型和强大App,小厂AI产品局限在自家,商业前景渺茫,管理层改变竞争策略,放弃通用大模型和AGI,相关功能和应用归于沉寂。

知乎加快建设数据平台与数据开放平台,可能卖数据变现;爱奇艺公布“纳逗Pro艺人库”引发舆论风波;虎牙公布桌面级机器人。现阶段小厂AI缺乏可观之处,失去争夺时代“杆位”的雄心。

小厂为何学不了大厂中厂?

大厂做AI舍得砸钱,国内AI一线玩家投入规模至少每年2000亿元。腾讯、阿里、字节等投入巨大,砸钱是留在AI第一阵营的“门票”,巨头有本钱这样做,能从主营业务获现金流,还能从资本市场拿到资金。

相比之下,小厂收入少,融资能力有限,AI基干部分是巨头的游戏。中厂钱不如大厂多,可集中资源做垂直AI或卖流量,快手和B站是代表。小厂虽可模仿中厂卖流量,但流量规模有限,垂直AI产品探索也走到死胡同,学不了大厂、中厂,还没找到做AI的参考答案。

AI时代小厂还有位置吗?

小厂普遍没钱,更大问题是追不上AI时代的进化速度。2023年起小厂在AI赛道位置后移,抓基础模型、热门应用都失败,2024年后大厂和小厂AI差距明显。

大厂能全栈研发、快速迭代,积极布局AI芯片;小厂自研通用模型停滞,转向专用模型或依靠开源模型,对AI应用探索不积极。

AI大模型时代演进,大厂找到价值站位,小厂却没抓住机会。AI重塑超级入口,AI巨头赢家通吃,小厂生存空间被压缩,越来越多用户需求被AI吸走。国内字节、微信,国外OpenAI、微软都有相关计划,小厂在其中似乎没有存在必要。

AI时代,大厂中厂发展良好,小厂被困原地,甚至可能成牺牲品,突围需要更彻底、有勇气和智慧的变革。小厂在AI时代究竟能否找到自己的位置呢?

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

AI企业分化:大厂“砸钱”,小厂“融资”,中厂“等机会”

AI企业分化:大厂“砸钱”,小厂“融资”,中厂“等机会”?

2401_84038765的博客 557

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

IEEE重磅:6G研发亟需转向!高带宽神话破灭,未来赛道如何突围?

​——独家解读《移动带宽发展现状与6G战略再思考》

一个专注通信产品运营商认证超10年的企业 490

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

硅基生命的“成年礼”:上海具身智能的入世大考与万亿生态突围

在2025年的全球版图中,上海不仅是一个地理坐标,更代表了一种“服务型政府”的极致生态。这种生态的核心,在于对开发者最深层痛点的洞察:不同于简单的资金漫灌,上海不仅给钱,更给“路”和“粮”。

白天写代码,晚上追AI大模型,偶尔搞点八卦 开源动态|技术干货|实习机会|生态活动 我负责分享,你负责变强 923

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

LED与PC材料如何重塑汽车车灯产业链:技术分化下的价值重构与竞争格局

在汽车智能化浪潮中,车灯已从传统照明部件演变为集造型、交互与感知于一体的关键系统。其核心驱动力在于LED光源与PC(聚碳酸酯)材料的深度应用,这两项技术分别从电子化和轻量化两个维度推动了产业链的结构性变革。LED技术将车灯从标准化灯泡转变为需要精密控制的半导体器件,催生了车规级芯片、驱动IC、热管理等新增价值环节,并分化出通用照明的成本竞争与智能照明的技术升维两大战场。PC材料替代玻璃则提升了材料供应商与精密模具制造商的地位,使得表面处理与镀膜工艺成为关键。这些技术变革共同推动产业链从传统的金字塔结构转向多

weixin_33966095的博客 670

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

Calibre license失效的解决方法

Calibre license失效的解决方法

qq_45354630的博客 6485
上一篇: 编程新范式 Loop Engineering 来袭,Claude Code 如何实现长时运行突破?
下一篇: AI商业化难点:从模型选择到执行权让渡,Agent如何破局?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值