大模型五虎难跑出来？吴世春说破了AI创业最残酷的一层真相

梅花创投吴世春最近说了一句很刺耳的话：很多大模型创业公司没有造血能力，钱都花在买英伟达芯片上。

他还判断，中国所谓“大模型五虎”很难真正跑出来。原因也不复杂：创业公司没有默默发展的窗口期，大厂为了拉升估值、抢占入口，可以长期不赚钱打价格战，最后把独立创业公司的生存空间压得很薄。

这番话不好听，但很多AI创业者心里可能都知道，这并不是危言耸听。

过去两年，中国AI创业的情绪很热。一个明星团队，一场发布会，一个模型榜单，一个融资消息，就能把估值往上推一截。资本市场愿意相信，中国一定会出现自己的OpenAI，也愿意为“基础模型公司”提前买单。

那时候，大家看的是想象力。

可是创业不能一直活在发布会里。

模型要训练，用户要服务，客户要交付，推理要烧钱，团队要发工资。大模型公司表面上融了很多钱，穿透下去看，很多资金最后流向了英伟达、云厂商和数据中心。创业公司承担估值压力，上游硬件公司拿确定性收入。

说得直白一点，很多大模型创业公司还没学会赚钱，先学会了给别人送钱。

融资竞赛结束后，造血能力开始审判所有人

大模型创业上半场，拼的是融资、团队、模型能力和市场声量。

谁能拿到更多钱，谁能买到更多卡，谁能把模型参数和上下文长度讲得更大，谁就能获得更高估值。很多投资人其实也知道商业化还早，但没人愿意错过下一代平台公司的入场券。

AI太像一次必须参与的时代赌局。基金怕错过，地方怕错过，大厂怕错过，创业者更怕错过。于是整个行业进入一种很奇怪的状态：大家都知道成本很高、收入不稳、竞争激烈，但又都相信未来某一天会出现规模效应。

问题在于，那一天一直没有真正到来。

进入2026年后，资本对大模型公司的考核正在发生变化。过去看模型能力，现在看收入质量；过去看融资额，现在看现金流；过去看用户增长，现在看留存和付费；过去看发布会，现在看客户到底愿不愿意续费。

估值锚变了，一家大模型公司如果只有技术叙事，没有稳定收入，它的估值很难继续往上走。因为基础模型不是轻资产生意。训练大模型需要巨额算力投入，推理服务需要持续成本，用户越多不一定越赚钱，反而可能烧得更快。

传统互联网创业曾经有一个美妙故事：前期烧钱获客，后期规模效应摊薄成本，最后利润释放。

大模型创业很难照搬这套逻辑，每一次调用都对应算力消耗，每一次复杂推理都是真实成本。用户规模扩大以后，如果单次服务成本压不下来，增长反而会放大亏损。看起来像平台公司，账本上却更像重资产公司。

这也是很多创业公司最痛的地方，它们需要不断证明模型能力，证明用户增长，证明产品迭代，证明融资能力。但真正能让公司活下去的东西，只有一个：可持续收入。

没有造血能力，融资越大，反而越像一场延迟的压力测试。

上游被英伟达抽血，下游被大厂压价

中国大模型创业公司最难的地方，不只是自己烧钱，而是上下游都没有足够议价权。

上游是算力，无论训练还是推理，高端GPU都是绕不过去的门槛。英伟达拥有极强的产业定价权。创业公司融资拿到的钱，很大一部分会变成GPU采购、云资源租用、机房成本和工程投入。

资本原本投的是大模型公司的未来，最后却先变成了英伟达的收入。

这不是一句玩笑，而是一种产业分配关系。

AI浪潮里最确定赚钱的人，往往不是最会讲应用故事的人，而是卖铲子的人。英伟达卖GPU，云厂商卖算力，数据中心卖基础设施。基础模型创业公司在中间承担最大不确定性：要付最贵的成本，要面对最残酷的商业化考核，还要不断被市场问一句，你凭什么跑得出来？

下游更难，阿里、腾讯、百度、字节这些大厂不需要像创业公司一样计算单个模型产品什么时候盈利。它们做AI，是为了云业务、办公入口、搜索入口、内容生态、电商场景，也是为了资本市场里的估值修复。

大厂可以免费，可以低价，可以把AI能力塞进已有产品里，靠原有生态摊薄成本。创业公司如果跟着打价格战，收入质量会被打坏；如果不跟，客户和开发者可能直接被大厂吸走。

这才是“大模型五虎”真正的夹击，上游成本硬，下游价格软。融资成本高，用户忠诚度还没形成。技术再好，也很难在这种结构里舒服地长大。

OpenAI曾经有一段相对干净的窗口期。它在全球AI认知尚未完全爆发时，靠产品和模型能力建立了强心智，又遇到微软这种超级战略股东帮它接住算力和商业化。

中国创业公司没有这么好的时间窗口，它们一出生就被放到聚光灯下，一边要追赶海外模型，一边要面对国内大厂围剿，一边还要承受资本市场对“中国版OpenAI”的期待。没有安静发育期，也没有特别宽的试错空间。

所有人都看着你长大，所有人也都在等着你证明自己。

这种创业环境，非常不友好。

AI创业的机会还在，但不在“再造一个万能模型”

吴世春的判断并不是说AI创业没有机会。

相反，AI可能依然是未来十年最大的创业主线之一。但机会正在从“做一个更大的模型”，转向“用模型解决一个更具体的问题”。

过去很多创业者喜欢讲通用大模型，讲平台级入口，讲中国版OpenAI。故事足够大，估值也容易高。但大故事的代价也很高：算力重、研发重、竞争重、商业化周期长。

接下来更有机会的，可能是更窄、更深、更接近收入的公司。

比如知识工作流、法律、医疗、金融投研、代码、设计、客服、销售、教育、工业质检、企业内部数据治理。这些场景不一定需要最强模型，但需要懂行业、懂流程、懂客户真实痛点。

一个AI法律助手如果能帮律师节省大量检索和文书时间，它就有付费价值。

一个AI投研工具如果能帮机构更快筛选公司、追踪公告、生成框架，它就有续费基础。

一个AI客服系统如果能直接降低企业人力成本，它就能进入预算。

创业公司的机会，不在于和大厂比谁模型更大，而在于比大厂更懂某一个角落里的痛苦。

大厂擅长通用能力，创业公司应该擅长具体场景。大厂擅长铺平台，创业公司应该擅长做深水区。大厂可以不赚钱打价格战，创业公司就必须找到客户愿意为结果付费的地方。

AI创业的下半场，会越来越像一场现金流考试。

谁能把AI卖出去，谁能让客户留下来，谁能降低成本，谁能形成复购，谁才有资格继续讲未来。融资当然重要，但融资只是氧气瓶，不是肺。

很多大模型公司现在最危险的，不是技术不够强，而是始终没有从“模型公司”切换成“产品公司”。

模型公司讲参数、训练、评测和发布会。

产品公司讲用户、留存、付费和交付结果。

资本上半场喜欢前者，下半场一定会考核后者。