【杜蘭說AI】AI下半場：普通人的創業機會

AI巨頭們融了數百億，但還是有小公司靠一張貼在手機上的“卡片”，年賺7000萬，為什麽？我是杜蘭，今天就來說一說，普通人到底還有沒有機會在AI下半場中找到創業機會？ AI創業現在有個很明顯的趨勢，巨頭在主賽道上越跑越快，留給後來者的空間越來越窄。 2025 年才剛過半，美國就已經有至少 25 家 AI 公司拿到了超 1 億美元的融資，其中 OpenAI 、Anthropic 和 xAI 這三家公司，加起來就融了 535 億美元。 這些巨頭拿著錢瘋狂砸向大模型和通用 AI 應用，你要是還想在這條路上跟他們硬碰硬，基本就是自尋死路。就像OpenAI更新多模態生圖功能、AI搜索後，一批專注類似功能的創業公司瞬間失去競爭力，就是最直接的教訓。 但換個角度看，巨頭跑得越快，周邊的機會反而越多。 看下那些給大模型做配套的公司，其實活得都挺滋潤。比如做 GPU 雲服務的 Lambda，一輪融資就拿了 4.8 億美元，估值 25 億美元；搞數據標注的 Snorkel AI，估值也到了 13 億美元。還有 EnCharge AI，專門研發 AI 芯片，也融了1 億美元到手，估值穩定在 4 到 6 億美元。 這些公司不去跟巨頭比誰的模型更強，就盯著算力、數據、芯片這些基礎設施環節，把自己變成巨頭生態里的必需品。就像建大樓，巨頭蓋主體，他們就負責打地基、供建材，雖然不顯眼，但缺了誰都不行。 除了給巨頭當供應商，垂直領域的細分應用里也有很多機會。 AI 編程工具領域的 Anysphere 就是個例子，他們做的 Cursor 編輯器，專門優化程序員的工作流，拿下了9 億美元融資後，估值快到 100 億美元了，連 OpenAI 都想收購他們。這說明什麽？哪怕是巨頭眼皮子底下的開發者工具，只要能把某個具體場景磨到極致，照樣能跑出估值。 在餐飲行業，星巴克的 Deep Brew 系統用AI把效率、體驗和成本三點連成一套閉環，撐起了星巴克超過30%的ROI提升； 效率、體驗和成本 而百勝中國則另辟蹊徑，依托十余年數字化積累的細粒度業務數據，推出餐廳營運智能體 “Q 睿”，覆蓋排班、盤點、自動訂補貨等 20 多個內部運營場景，2024 年推動其經營利潤率提升至 10.3%，核心經營利潤增長 12%。盡管這兩家企業聚焦了不同環節，但都證明了AI在餐飲行業的落地並不一定要是顛覆式創新，只要紮根具體場景解決實際問題就能創造價值。 再來看醫療、法律這兩個具體的行業，AI 應用已經開始實實在在賺錢了。 Abridge 做臨床對話記錄和病例生成，估值 50 億美元；Hippocratic AI 專注醫療大模型，B 輪融資 1.41 億美元，估值 16 億美元。法律領域更猛，Harvey 一輪融了 3 億美元，估值 50 億美元，他們沒做什麽通用法律服務，就是把 AI 嵌入律師的案例檢索、合同分析流程，解決的都是那些重覆又耗時間的活。 而在教育領域，AI 時代最明顯的變化是，知識獲取的門檻被徹底拉平了。以前要翻遍圖書館才能找到的答案，現在對著 AI 隨口一問就能得到。這時候再比拼誰記住的知識點多，意義已經不大了。真正的競爭力，會落在誰能把知識變成創造力，誰能在覆雜問題面前快速找到解決路徑。而這些能力，恰恰依賴於孩子底層的認知模式、思維習慣和學習策略。這也是為什麽，圍繞“AI 能力測評”的賽道正在變得越來越有價值。在這個領域，已經有不少公司走出了自己的路，國內的麥思AI就是在沿著這個方向深耕。 這些公司的共同點是，不追求技術有多強，就盯著行業里的具體痛點死磕到底。 當然還有些看起來冷門的領域，其實機會也不少。 比方說做 AI 視頻編輯的 Runway，融了 3.08 億美元，估值 30 億美元，他們不是做全民都能用的剪輯軟件，而是專攻視頻生成的細分功能，比如一鍵生成特效、自動剪輯片段，剛好戳中內容創作者的需求。AI 語音生成公司 ElevenLabs 也是，專注於讓 AI 聲音更自然，1.8 億美元融資，估值超 30 億美元，現在很多播客、有聲書制作都離不開他們的工具。 國內也有類似的例子，有個團隊做了個特別簡單的產品 —— 一張能貼在手機背後的金屬卡片，帶幾個麥克風，接上 GPT，開會時能自動生成紀要，還能區分說話人。技術上沒什麽顛覆性創新，但就把收音效果、角色分離這些細節磨到極致，去年在美國年入 7000 多萬美元，在國內中小企業里也慢慢鋪開了，因為它解決了開會記筆記分心、事後整理耗時間的實際問題，巨頭看不上這種 “小生意”，反而成了創業者的機會。 甚至連模型測評這種偏門領域都有機會。 LMArena 才剛起步，做的是給 AI 模型排名打分，就這也拿到了 1 億美元種子輪融資，估值 6 億美元。因為大模型越來越多，企業選模型的時候需要第三方評估，這個需求以前沒人重視，現在已經成了香餑餑。 量子 AI 和 AI 軍事這些更前沿的領域，也有資本在悄悄下注。SandboxAQ 做量子 AI 的企業級服務，融資 4.5 億美元，估值 57 億美元；Shield AI 搞 AI 防務科技，2.4 億美元融資到手，估值 53 億美元。這些領域技術門檻高，巨頭布局慢，反而給了初創公司深耕的時間窗口。 說到底，現在的 AI 創業的下半場，拼的不是誰能造出更牛的大模型，而是誰能把 AI 用到別人沒注意到的地方。OpenAI 的 CEO Sam Altman 之前就說得很直接：別想著再造一個 ChatGPT，用現有的平台能力去挖那些 “還沒人做” 的場景。你看那些拿到大融資的公司，要麽是給巨頭的大模型搭架子，要麽是鉆進某個行業的細分場景里解決具體問題。 作為普通創業者，不要總想著靠技術構建護城河，而是要“雙手沾泥”去做那些苦哈哈的工作。像是為中小企業做AI賦能就是典型例子，需要深入企業的辦公、生產流程，一個一個地找到提效點，用定制化的AI方案解決問題。這種工作沒辦法標準化，巨頭也不屑於做，但對於創業者來說，這正是形成競爭力的關鍵。 更何況，隨著“百模大戰”這股熱潮過去，資本現在也變聰明了，不再光看技術PPT，而是想看產品能不能賣出去、用戶會不會持續用。所以對想下場的創業者來說，思路得變一變：別盯著巨頭已經占住的地盤，而是去那些他們嫌麻煩、看不上的細分領域找找機會。不管是給 AI 模型做測評，還是給醫生、律師、老師做小工具，甚至是優化某個工廠的生產報表，只要能解決真問題，就有機會。 AI 的下半場，不是比誰的盤子大，而是比誰紮得深。