问题——从“感知智能”优势到“生成式智能”焦虑，转型压力集中显现 商汤科技于2014年起步于香港中文大学科研团队，早期以计算机视觉算法见长，并多项国际赛事与学术会议中积累口碑；随着安防、智慧城市、政务数字化等需求快速增长，公司通过项目制交付实现扩张，逐步形成智慧城市、智慧商业、智能汽车、智慧生活等业务布局，一度成为国内计算机视觉领域的重要代表。 但在大模型驱动的新阶段，行业主线已发生变化：竞争不再局限于单点技术能力，更看重算力组织、数据闭环、产品体验、生态协同以及可复制的商业模式。面对“窗口期更短、迭代更快、投入更重”的竞赛节奏，商汤不得不从以B端定制为主的路径，转向以生成式AI产品化为核心的新路线，转型带来的阵痛也随之显现。 原因——路径依赖、投入结构与产品化能力成为关键制约 一是项目制惯性短期内难以扭转。过去在智慧城市等领域，定制化交付能支撑收入增长，但周期长、交付重，毛利与现金流波动较大，难以像通用模型API那样形成规模效应。进入大模型时代，市场更偏好标准化服务与平台化生态，项目制的相对优势被削弱。 二是大模型竞争对资源配置提出更高要求。大模型需要持续算力投入和工程化建设，并依靠高频迭代形成用户反馈闭环。与拥有流量入口和云生态协同的大型平台企业相比，商汤在C端触达与分发上相对薄弱，“先占用户、再做生态”的竞争逻辑中更易处于被动。 三是缺少标志性产品影响外界预期。国内生成式AI应用竞争激烈，用户教育、体验打磨、成本控制与内容安全都会影响商业化速度。市场观察显示，部分头部产品已在C端积累较大用户规模，并在企业级调用中占据较高份额。因此，商汤若未能在“通用能力+场景落地”上实现突破，存在更被边缘化的风险。 四是财务压力压缩战略空间。长期亏损与市值回撤使市场对投入强度与回报周期更加敏感。大模型赛道比拼的是“持续投入与持续产出”，财务表现与资本信心相互牵动；若现金流与盈利预期迟迟不能改善，转型成本将更难消化。 影响——行业从“技术崇拜”转向“落地竞速”，企业分化加速 对企业自身而言，转型意味着组织与业务结构重塑：研发体系需要从“算法驱动”转向“模型工程+产品运营”，销售交付要从“项目交付”转向“平台订阅与生态合作”，并在算力成本、模型性能与安全合规之间找到平衡。 对产业层面而言，此变化反映出我国人工智能从单点突破走向系统能力建设。大模型加速应用渗透，行业竞争开始围绕数据、算力、场景与生态形成新的组合。同时，商业化落地成为衡量实力的关键指标，资本更关注可持续收入结构、成本效率与稳定现金流，行业分化与洗牌随之加快。 对策——“1+X”战略指向聚焦与拆分，关键在于形成可复制的增长机制 2024年末商汤提出“1+X”战略，外界普遍将其理解为以更清晰的主线统筹核心能力，并通过业务拆分与资源聚焦提升效率。结合行业趋势，后续关键动作可能集中在以下上： 第一，明确“1”的核心底座能力，形成稳定的模型与平台供给。包括通用模型能力、推理效率与成本控制、企业级交付标准、工具链与安全体系建设，减少多线投入导致的分散。 第二，推动“X”的场景产品化，优先选择可规模化行业。相比一次性定制项目，更应强调可复制方案与标准化交付，在金融、制造、汽车、教育、办公等领域做出标杆产品，并通过伙伴体系扩大覆盖。 第三，补齐C端产品方法论，提升用户增长与留存能力。生成式AI应用的竞争不仅在模型能力，也在交互体验、内容质量、端侧能力与合规治理。若缺乏稳定的用户增长机制，难以形成品牌认知与持续收入。 第四，加强算力与生态协同，降低单位成本。通过多元化算力合作、软硬协同优化与推理加速，缓解成本压力，为商业化定价与规模扩张留出空间。 第五，稳住财务与治理预期。通过优化费用结构、聚焦高毛利业务、提升回款效率等方式改善经营质量，让市场看到更清晰的“投入—产出”路径。 前景——能否追上新周期，取决于三项指标的兑现 整体来看，大模型应用仍在快速演进，行业格局尚未完全定型，技术型企业仍有机会，但竞争窗口正在收窄。商汤能否在新周期重塑增长曲线，核心取决于三项指标：其一，通用模型能力与推理成本能否保持竞争力；其二，是否能跑通一到两条可规模复制的产品线，并建立稳定客户与生态；其三，财务表现能否出现实质改善，以支撑持续投入与长期研发。 市场普遍认为，技术积累仍是商汤的重要资产，但在大模型时代，技术只有通过产品化、平台化与生态化转化为更确定的收入，才能重新赢回市场信心。
大模型时代的竞争，本质上是“技术、产品、生态、效率”四项能力的综合较量；对曾经的领跑者而言，积累既是资产，也可能成为惯性。能否在变局中完成从项目驱动到产品驱动、从单点优势到体系能力的转身，不仅决定一家企业的走向，也将为我国人工智能产业从技术突破迈向高质量落地提供参考。