这是一个“社会名声远高于商业成果”的行业。以“六小虎”（智谱、月之暗面、百川智能、MiniMax、阶跃星辰和零一万物）为代表的中国AI大模型初创企业，在过去一年经历了融资退潮、巨头挤压与战略分化等多重考验。

这是一个“社会名声远高于商业成果”的行业。以“六小虎”（智谱、月之暗面、百川智能、MiniMax、阶跃星辰和零一万物）为代表的中国AI大模型初创企业，在过去一年经历了融资退潮、巨头挤压与战略分化等多重考验。

日前，证监会宣布在上交所科创板设置科创成长层，允许尚未盈利的高研发投入AI企业申请IPO。不少创业者、投资人雀跃：“这相当于是给行业打了一剂强心针。”

但也有业内人士态度审慎：短期内，IPO是一个有效解决方案；长期看，找到持续可行的商业化路径才是破局之道。

目前，“六小虎”在商业路径上已分化为两派：“转型派”不同程度地收缩了对基础模型的预训练，向小模型过渡；“坚守派”则在咬定基座模型研发不放松的同时，探索智能体等商业化落地方向。

战略分化源自相似的困境：烧钱不止，盈利无期。其背后的艰难求索，折射出中国AI产业发展路径的复杂性与曲折性。

在IPO的曙光前，科技光环逐渐褪去，商业大考即将到来。

坚守与转型并存

2025年以来，曾以基座模型能力著称的大模型“六小虎”的市场关注度持续下降，不复昔日“AI明星”之姿。

梳理“六小虎”近况，曾被视为同一梯队的六家明星企业在商业化路径与发展现状上已呈现明显分化：智谱、MiniMax、月之暗面、阶跃星辰仍“死守”基座模型；而零一万物、百川智能则已“转向”。

2025年是智谱的开源年。目前，智谱已陆续开源首个支持生成汉字的开源文生图模型CogView4和包括基座模型、推理模型与沉思模型在内的智谱最新32B/9B系列GLM模型。

2025年3月以来，智谱已收到来自北京市人工智能产业投资基金、杭州城投产业基金等多家机构的注资。今年3月31日，智谱签署了上市辅导协议，成为“六小虎”中首个冲刺IPO的企业。

MiniMax也在6月17日开始了为期五天的新品发布，发布产品包括混合架构推理模型M1、视频生成模型Hailuo 02，以及通用智能体产品MiniMax Agent等。其中，推理模型M1被认为是MiniMax在经历了一段时间基座模型空白期后对标DeepSeek R1交出的首份答卷。

同期，MiniMax拟上市的消息也引起市场关注。据彭博社消息，MiniMax可能计划最早于今年实现港股上市，并且已为此次IPO聘请了财务顾问。

月之暗面此前是“六小虎”中“投流”最激进的企业之一，但在DeepSeek爆火后，公司暂缓了投放，Kimi的声浪也逐渐被DeepSeek、豆包、元宝等产品所盖过。不过，有业内人士向记者表示，月之暗面并未停止基座模型的预训练工作。

此外，阶跃星辰创始人姜大昕近期表示，在大模型技术还在发展的当下，阶跃不想放弃主流增长或前进的趋势，仍会坚持做基础模型的研发。

再看“转型派”的百川智能和零一万物。

百川智能已选择“All in”医疗。2025年4月，百川智能创始人王小川在全员信中明确表示，将围绕百小应、AI儿科、AI全科、精准医疗四个方向，减少多余的动作，深度思考，坚定不摇摆。

零一万物也已不再对万亿以上超大参数基模进行投入，转而聚焦于中规模尺寸且具备较高性价比的模型。零一万物首席执行官李开复表示，零一万物决定做全面拥抱DeepSeek模型的第一只“小虎”。目前，在零一万物官网上可以发现，公司已推出了企业级DeepSeek部署定制解决方案。

客观而言，尽管“六小虎”在市场中的关注度不复从前，但总体上，其境遇并不像部分市场观点所认为的那么窘迫。

“毕竟之前做了很多融资，目前手里还有‘余粮’。”某接近“六小虎”的人士在采访中对记者表示。

但危机仍时刻悬顶。业内人士表示，在研发支出刚性与商业化孱弱的背景下，“六小虎”目前皆未实现盈亏平衡，未来若无法实现大额融资，将难以维系长期经营。

表面光鲜而内在窘迫

“六小虎”表面光鲜而内在窘迫，根源在于基座大模型的商业模式存在先天缺陷。

其一，“吞金巨兽”。

大模型的预训练成本极高，其不仅体现在算力支出上，亦体现在人员支出中。“相关公司研发人员占比都在60%以上，甚至可能会达到70%。”快思慢想研究院院长田丰告诉记者。

其二，依赖融资。

“六小虎”估值高企，使其融资难度陡增。高峰时期，估值动辄数十亿美元；如今随着AI投资理性回归，高估值又成融资桎梏。而且，即便实现融资，在高投入、高成本的要求下，“融了一两亿元，可能一两个月就花完了”。

其三，“造血”艰难。

商业化困境始终是“六小虎”的命门，在一年前的行业高光时刻如此，在当前的资本寒冬中更甚。

在C端，大厂和DeepSeek已占据优势地位。AI产品榜（aicpb.com）显示，2025年5月国内市场MAU（月活跃用户数）排行前五的AI App均来自字节、阿里、腾讯等大厂与DeepSeek，“六小虎”备受挤压。

“在长期研发投入、运营成本、规模流量三方面，初创公司都不占优势。”田丰表示，“到目前为止，在用户付费意愿偏低、技术能力更强的模型免费开源、没有‘爆款’需求出现等因素的作用下，国内的C端市场没有一个特别好的盈利模式。”

为应对困局，“六小虎”中的MiniMax将出海作为突围路径。

“出海理论上能够解决自我‘造血’的问题，美欧市场用户对软件有更强的付费意愿，理论上可以创造较大营收。”有知情人士告诉记者，“MiniMax在海外主要聚焦于规模较小的视频、语音、情感陪伴市场，避免在文本模态等主力市场上和OpenAI等公司产生直接竞争。”

不过，该知情人士也坦言，其他AI企业也已开始涌入这条赛道，原来预想的实现可观营收，现在看来并非易事。

在B端，目前“六小虎”大部分均希望能取得更多突破，但在成本与技术领先性两方面所存在的劣势，仍使其举步维艰。

一方面，大厂和DeepSeek的技术更强，企业更愿使用基于前者开发的定制化AI产品和服务。此外，DeepSeek模型开源的特点也使其在B端的本地化部署成本更低。

“DeepSeek内部工程优化的能力很强，成本的下降速度更快，基座模型的迭代频率也更高。”田丰表示，“这也许意味着，一些初创公司可能会被挤出赛道。”

另一方面，成熟的B端赛道都有产业巨头“把守”。在AI技术平权的趋势下，产业巨头“+AI”后的竞争力较“六小虎”更强，成本也更低。类似的竞争困局，在上一轮“AI四小龙”的商业化路径中已体现得淋漓尽致。

出路在何方？

“短期内，IPO是一个有效解决方案，也为投资人提供了退出渠道。”蚁智岛科技CEO隋阔向记者表示。

但长期而言，找到可行商业化路径才是破局之道。

鉴于C端目前并不存在较好的盈利模式，受访的行业专家普遍认为机会在B端。同时，在B端与大厂和DeepSeek正面对抗显然也非明智之举，“主力大模型的训练需要万卡集群，成本极高。‘六小虎’就算手里还有钱，想和大厂拼这类大模型也拼不起”。

这也意味着，突围之道存在于垂直领域的B端赛道中：当基座模型能力在某个细分场景中形成服务闭环产品体验时，往往具备可行的商业化路径。

例如，由美国Anysphere公司开发的著名AI编程助手Cursor，内部集成了包括Claude 3 Opus、Claude 3.5 Sonnet、Claude 3.7 Sonnet、GPT-4o、Deepseek R1等多个基座模型。用户可以根据自身偏好选择模型，Anysphere则根据用户使用的tokens数量进行收费并向Anthropic、OpenAI等基模开发公司支付API的费用。

“这就相当于批发商把tokens卖给零售商，当Anysphere这个零售商赚钱的时候，上游批发商也是赚钱的。不过，用户在零售商这里购买谁家的tokens，就完全取决于市场觉得谁好用。”田丰表示，“所以基座模型在垂类应用场景中的能力一定要强，最好做到前两名，否则B端的AI产品开发商就不会选择。”

同时，收缩预训练规模、将资源投入至面向垂直领域的小模型或智能体也是可行之径。

“下沉至某些应用领域，压力会小很多。”相关业内人士表示：“此外，如果不做基座模型，就意味着不需要大规模地租用算力，可能会节省至多六到七成的成本。”

更重要的是，合适的模型加上行业的专业数据与“Know how”，可让资源有限的初创公司获得相对于大厂的差异化优势。“好比说OpenAI的API在各个领域都可以拿80分，甚至一些领域能拿85分，但是在垂直领域可能不如一个小模型加小数据的训练结果。”隋阔解释道。

至此，应用赛道的选择又成为打通商业化之路的关键因素。

开放的垂直行业孕育良机

在隋阔看来，一条好的赛道首先是一个有前景的利基市场；其次，行业不能过于封闭以至于难以实现“Know how”。

“之所以选择利基市场，是因为这是一块不容易被大厂盯上的‘小蛋糕’。”隋阔表示，“大厂更加侧重于通用产品和通用能力的建设，这种‘抓大放小’的思路往往会在垂直行业中遗漏需求和痛点。”

行业垂直、流程复杂、数据排他，是选择利基市场时主要考虑的因素。

“我们率先进入这个领域，拿到了垂直的行业数据，做到更深度的业务洞察，跑通行业的工作管线，就能和市场形成强绑定。”在隋阔看来，大厂拥有足够强的生态与足够多的资源，AI初创公司只有做到以上几点才能发挥自身独特价值，难以被大厂轻易取代。

当前AI技术还处于中早期阶段，利基市场需求尚未被充分激发。“我们认为，随着技术进步，AI在复杂任务工作流中的占比必然会逐步提高，市场在意识到产品价值后，需求也会上升。”隋阔解释道，“所以要进入能看到发展前景的利基市场。”

值得一提的是，过于封闭、难以实现“Know how”的赛道尽管垂直且竞争烈度更低，却不是好的利基市场。

例如，有业内人士分析，医疗行业可被看作一个相对的封闭市场。该领域的AI化存在两大结构性障碍：一是医疗数据高度集中于医疗机构，外部企业难以获取用于模型训练的临床数据；二是医疗体系以公立医院为主体，商业化应用必须与医院建立合作关系才能落地。这种封闭性导致AI医疗产品无法通过互联网平台模式快速扩张，而需要突破执照、资质等多重壁垒。

“开放的垂直行业对于创业公司更友好。”田丰说。

无论坚守抑或转型，无论C端还是B端，“六小虎”的每一条出路皆荆棘满布。未来，唯有具备垂直行业的深刻洞察、追求极致的产品能力，以及远超对手的成本效率——这三项特质者方能幸存。