作者｜王艺

编辑｜王博

这份死亡名单上有738个名字。

其中不乏一些曾经的明星AI项目，例如OpenAI推出的AI语音识别产品Whisper.ai，Stable Diffusion的知名套壳网站FreewayML、StockAI，以及曾被视为是“谷歌竞争者”的AI搜索引擎Neeva。

“在整个过程中，我们发现构建搜索引擎是一回事，而说服普通用户转向更好的选择则是另一回事。”Neeva 联合创始人斯里德哈尔·拉马斯瓦米（Sridhar Ramaswamy）和维韦克·拉古纳坦（Vivek Raghunathan） 在宣布Neeva关闭的博客文章中写道。

这份AI项目死亡名单来自AI工具聚合网站“DANG！”的一个子页面——AI Graveyard（AI墓地）。AI墓地页面中的大多数项目都写明了项目背景、功能、技术应用以及死亡时间，就像刻在赛博空间的墓志铭。

AI Graveyard（AI墓地），图片来源：DANG！

根据「甲子光年」统计，截至2024年6月，这份名单共收录了738个已经死去或者停止运行的AI项目，具体来看：

Chatbot、AI写作等文生文产品共271个，约占37%；

AI绘画、AI设计等文生图产品共有216个，约占29%

AI语音、AI视频等文生音视频产品共有73个，约占10%；

AI代码工具、SEO优化工具等其他类产品，约占33%。

它们因何而死？

1.不是死于“套壳”，而是死于“没能套好壳”

在AI墓地，不少都是“套壳”的产品。

比如AI Pickup Lines（AI搭讪语），用户可以用它每天免费生成10条搭讪文案，也可以选择9.99美元/月或99.99美元/月的付费订阅，从而生成无限数量的搭讪台词，并灵活地选择任何关键词；此外，用户还可以选择以499.99美元的价格购买综合数据库，获取涵盖各种主题和风格的10万多条内容搭讪内容。

然而，AI Pickup Lines存活时间并不长，2022年底上线，2023年初就关闭了。

AI Pickup Lines，图片来源：AI Graveyard

AI Pickup Lines关闭的最主要原因是娱乐性大于实用性，以及随着越来越多竞品大模型能力的增强，这类接入单一API的产品也很难应对生活中复杂多变的社交场景，壁垒会越来越薄；另外，虽然这类产品可能通过广告或一次性购买获得收入，但长期的用户留存和盈利能力不足，最终入不敷出关停。AI周报生成器、AI哄女友文案生成器等“套壳”产品的死亡也都是这个逻辑。

不过，“套壳”并不是一个贬义词。

「甲子光年」曾在 《大模型套壳祛魅：质疑套壳，理解套壳》 一文中提到：非AI从业者，视“套壳”如洪水猛兽；真正的AI从业者，对“套壳”讳莫如深。但由于“套壳”本身并没有清晰、准确的定义，导致行业对“套壳”的理解也是一千个读者有一千个哈姆雷特。

前语雀设计师，现AI助手Monica联合创始人Suki在即刻上分享了“套壳”的四重进阶：

一阶：直接引用 OpenAI 接口，ChatGPT 回答什么，套壳产品回答什么。卷UI、形态、成本。 二阶：构建 Prompt。大模型可以类比为研发，Prompt 可以类比为需求文档，需求文档越清晰，研发实现得越精准。套壳产品可以积累自己的优质 Prompt，卷 Prompt 质量高，卷 Prompt 分发。 三阶：Embedding 特定数据集。把特定数据集进行向量化，在部分场景构建自己的向量数据库，以达到可以回答 ChatGPT 回答不出来的问题。比如垂直领域、私人数据等。Embedding 可以将段落文本编码成固定维度的向量，从而便于进行语义相似度的比较，相较于 Prompt 可以进行更精准的检索从而获得更专业的回答。 四阶：微调 Fine-Tuning。使用优质的问答数据进行二次训练，让模型更匹配对特定任务的理解。相较于 Embedding 和 Prompt 两者需要消耗大量的 Token，微调是训练大模型本身，消耗的 token 更少，响应速度也更快。

如果把模仿 Llama2 架构做预训练也算进去，可以看做第五阶。这五重进阶，基 本囊括了大模型“套壳”的每一个场景。

尽管都是“套壳”，但“套壳”的程度不同，现在也有很多“套壳”的产品因为精巧的设计和良好的定价策略生存了下来，甚至活得不错。

就比如说前文提到的AI助手Monica，就是通过收购ChatGPT for Google升级而来的产品。它内置了GPT-4o、GPT-4、Gemini、Claude Llama 3等大模型，因其良好的对话、搜索、总结、翻译、表格处理、图片编辑等功能，在几个月的时间里收获了几百万用户。

再比如有着“套壳之王”之称的AI搜索产品Perplexity，由于其极快的响应速度、精准的问题回复、可存档的多轮交互等特性，使其常年位居a16z的Top 50 Gen Al Web Products前十名。截至2024年5月中旬，其产品的日度访问用户量达到了300万次，相比一年前增长了5倍以上。

Perplexity联合创始人、CEO阿拉文德·斯里尼瓦斯（Aravind Srinivas）今年初就表示：“人们可以将Perplexity看做是一个AI‘套壳’产品，但成为一个拥有十万用户的‘套壳’产品显然比拥有自有模型却没有用户更有意义。”

Perplexity页面，图片来源：Perplexity

还有不少独立开发者的制作的AI“套壳”产品也表现优异。

比如，有着多年市场研究经验的David Bressler就通过无代码平台Bubble搭建了一个名为的formula bot的Excel公式生成器，赚到26000美元的ARR（年度经常性收入）；也有独立开发者通过在细分领域深耕，做出了AI聊天机器人平台Chatbase，其MRR（月度经常性收入）约为64000美元；此外，还有Magnific（图像超分、增强工具，5个月积累了72万用户，后被Freepik收购）、PDF.ai（通过问答来了解pdf文档的内容，其上线6天就收回成本，并在2023年9月成功突破了30万美元的AAR）等优秀的AI产品。

因此，很多AI产品不是死于“套壳”，而是死于“没能套好壳”。

2.卖会员、卖体验次数，然后呢？

除了“没套好壳”，AI墓地里产品的第二大死因，是盈利模式单一，相关产品的定价形式主要有两种：充会员和买积分换体验次数。

以文生图产品Purephotos.app和AnimeAI.lol为例，前者为企业用户提供积分购买服务，后者则将产品和服务打包成不同的套餐出售。或许是意识到了企业用户不赚钱，自2024年5月起，Purephotos开始尝试最近流行的“随用随付”的收费模式，用户生成的图片张数越多，分摊到单张图片上的费用越便宜。

Purephotos.app定价策略 图源：AI Graveyard

AnimeAI.lol定价策略 图源：AI Graveyard

Photofix同样如此。这是一个AI照片编辑工具，具有图像增强、去除多余人物、文生图等功能。该产品分为了“基本版”和“高级版”，基本版每张图片在0.39-5.99美元之间，高级版每张图片在0.49-9.99美元之间。

Photofix定价策略 图源：AI Graveyard

而Purephotos.app即使后来加上了“随用随付”的收费模式，但因为转变太晚，也没能挽回颓势。

「甲子光年」梳理了部分AI墓地中部分文生图产品的定价策略后发现：这些产品大多走的购买积分（credits）模式，用户购买积分的量越大，均摊到每次生成任务的价格就越便宜。然而，这些产品的底层多是接入的几个主流文生图模型的API，但是定价却并没有比其底层模型的价格低多少——以Patience AI为例，其底层接入了Stable Diffusion、Waifu Diffusion、DALL-E等模型，产品定价为15美元1000个积分，约为0.015美元/积分，如果按照生成一张图片消耗2积分计算的话，每张图片的价格约为0.03美元，这高于DALLE-2 生成单张图片（1024 x 1024 的最高规格）的0.02美元。

DALL-E 2不同规格图片的定价，图片来源：OpenAI

如此不划算的价格，如果产品或者底层技术上再没有较大突破，那么这些产品最终走向死亡也是意料之中。

即使是产品和设计上做到了足够精巧、定价机制也设置得合理，一旦巨头下场，初创公司都也会受到影响。

这就不得不说曾被视为是“谷歌竞争者”的AI搜索引擎Neeva，现在它就躺在AI墓地里。

Neeva由谷歌前广告业务副总裁德哈尔·拉马斯瓦米和Youtube前货币化副总裁维韦克·拉古纳坦于2019年联合创立，因为其主打无广告、无追踪器、优先考虑用户隐私，一经推出就广受关注。

和很多搜索引擎产品选择接入谷歌或者必应的API不同，Neeva选择从头开始构建搜索堆栈，并组建了一个50人的小团队。Neeva推出了带有更大图片和有用比较信息的购物页面，同时优先考虑Reddit和Quora等网站上的UGC内容展示在外，体育搜索的结果也变成了漂亮的全屏记分牌，搜索特定关键词的时候还可以直接带用户进入网页。

和谷歌相比，Neeva的界面更加简洁干净，比如将传统搜索结果页的蓝色链接替换为了更直观的页面，并更加强调UGC的内容。

Google（左）和Neeva（右）搜索结果比较，图片来源：Medium

Neeva于2021年6月在美国正式推出，每月向用户收取4.95美元，短期内迅速吸引了大量用户，在推出后四个月内月活跃用户就增长到50万。到2022年初，Neeva已经将大语言模型集成到其搜索堆栈中，成为了第一个为大多数查询提供引用的实时AI答案的搜索引擎。为了在2022年扩大用户群，Neeva的基础版本开始免费向用户提供。

Neeva产品页面，图片来源：TechCrunch

为了顺应生成式AI潮流，同时也为了寻求更好的增长，2023年1月，Neeva推出搭载了生成式AI搜索产品NeevaAI。这是首批集成AI功能的搜索引擎，可以通过摘要和引文来回答查询内容，NeevaAI在推出的当月流量就超过了微软的New Bing和谷歌的AI搜索内测版。

Neeva也曾经是资本的宠儿，曾获得红杉资本、Greylock Partners等知名VC的投资，融资金额累计达到7750万美元。

然而，运营了4年后，Neeva撑不下去了：2023年4月，Neeva宣布永久关闭其搜索引擎。拉马斯瓦米发文表示，由于在吸引新用户方面面临着巨大的挑战，加之目前艰难的经济环境，Neeva将关闭网页端和消费者搜索产品，并开始To B业务的探索。2023年5月，云数据库公司Snowflake以约1.5亿美元的价格收购了Neeva。

不可否认，“AI搜索”是一个好的产品形态，从美国的Perplexity到中国的秘塔AI，流量的稳定性和不断增长的用户数验证了这类产品真实的市场需求。然而，在谷歌、微软等巨头已经占据了强势生态位的情况下，AI搜索创业公司之间的竞争是异常重资本游戏，要使用户抛弃原有习惯、转向新的搜索产品，不仅需要在产品力上做到独一无二，更是需要砸重金做营销推广，这就给AI搜索创业公司的融资能力提出了很高的要求。

同时，能否找到合适的盈利模式也是决定AI搜索产品成败的因素之一：单纯靠广告可能变现速度比较慢，而其他盈利模式（如订阅制）则因为一定的付费门槛难以吸引大量的用户，这也是Neeva在推出付费版本之后用户增长放缓的原因。

3.如何不走进AI墓地

著名的创业孵化器Y Combinator曾在2006年总结过创业公司的18种死法，包括太烧钱、不赚钱、没算力、产品没有差异化等。从AI墓地的这些项目里，「甲子光年」发现，18年前的18种死法，现在依然致命。即使是过去曾经一飞冲天的明星AI产品，也会突然在某个时刻碰壁，成为历史的尘埃。

AI墓地收录的还只是一些中小型的公司，但一些体量较大的明 星AI公司也在走向死亡或渐渐沉寂。这些公司在辉煌时期动辄估值几亿、几十亿美元，然而却在最近两年内陆续折戟——Inflection AI就是典型的例子。

2023年5月，该公司发布了首款聊天机器人Pi，它可以通过应用程序或网页、WhatsApp、Instagram、Facebook与用户进行个性化的对话。

Pi的页面，图片来源：TechCrunch

Inflection AI联合创始人穆斯塔法·苏莱曼 （Mustafa Suleyman）在接受彭博新闻社采访时曾表示，尽管Inflection AI吸引了包括微软在内大量投资者的兴趣，并且拥有100万活跃日活，但它尚未找到有效的商业模式。

Pi表示自己一直由风投支持，没有商业模式，图片来源：Pi

Inflection例子可以让创业者警醒——当一家AI应用公司的核心产品迟迟无法拿出足够有说服力的表现，模型层面又面临着军备竞赛的压力，那么最初“模型驱动AI应用”的逻辑或许便不再成立。

猎豹移动董事长兼CEO、猎户星空董事长傅盛曾告诉「甲子光年」：“我现在坚定地认为是产品寻找市场，用市场来反推你需要什么样的技术。过去大家对技术的好坏有一种迷信，过去很多做AI的人出身于高校、研究所或大厂，出来的人可能会认为论文关键、架构最关键，其实市场的第一性需求最关键。”

猎豹移动董事长兼CEO、猎户星空董事长傅盛，图片来源：「甲子引力」

零一万物创始人、CEO李开复今年5月提出了一个“TC-PMF”的概念，他认为，PMF（产品市场契合）这一概念已经不能完整定义以大模型为基础的AI-First（AI优先）创业，应当引入Technology（技术）与 Cost（成本）组成四维概念，即“TC-PMF”(Product-Market-Technology-Cost Fit，技术成本 X 产品市场契合度）。

在李开复看来，大模型从训练到服务都很昂贵，算力紧缺是赛道的集体挑战，行业应当共同避免陷入不理性的ofo式流血烧钱打法，让大模型能够用健康良性的ROI（投资回报率）蓄能长跑，奔赴属于中国的AI 2.0变革。“做技术成本 x 产品市场契合度，尤其推理成本下降是个’移动目标‘，这比传统PMF难上一百倍。”李开复解释。

零一万物创始人、CEO李开复，图片来源：零一万物

总而言之，Inflection的失败不能简单归因于产品的失败，而是没有找到“TC-PMF”，一味融资驱动，忽略了自由现金流、技术的可行性和成本的可控性，即使产品的市场数据表现良好，也因为商业化的短板而难逃被“收购”的结局。

当然，除了从失败者身上汲取教训，大多数人可能更关心的问题是：什么样的AI初创企业在今天能够成功？

综合来看，有两类企业存活下来的可能性更大：

第一类是真正理解了B端或C端用户需求和痛点的企业； 第二类是做出ChatGPT、Midjourney等生成式AI产品替代不了的功能，把某一细分场景打透、打穿的企业。

第一类企业中，一个很典型的案例是AnswerAI。

AnswerAI是一个面向北美市场的AI Tutor（AI家教）产品，主要的功能是拍照解题+论述。创始人周立，2007年硕士毕业于北京大学，先后在老虎地图、豌豆荚、Kika输入法和LiveIn以创始人的身份工作。

和上一波主打“拍照搜题”的AI Tutor1.0的产品不同，Answer AI是一款AI Tutor2.0的产品，不仅能搜题，还能解题，在给出答案的基础上还可以给出论证过程。题目也不局限于题库中的题，而是可以在能力范围内解答从没见过的新题目，这极大解决了学生用户“有答案但看不懂思路”“遇到新题目不会”的痛点。该产品出来之后，Answer AI在互联网上好评如潮，不少用户表示“这是我用过的最好的AI产品”。

Answer AI用户反馈，图片来源：Google Play

Data.ai在5月21日发布的数据显示，在美国应用商店排名前20的教育应用中，有5款是帮助学生完成作业的AI Agent，Answer AI就是其中之一。

目前Tutor AI在全球拥有超过200万的用户，80%来自美国的高中和大学，在北美AI Tutor类产品里暂时排名第一，今年的ARR预计将达到500万美元。

而第二类企业的的典型代表，是一个名叫Bitly的URL缩短工具企业，和与其有着类似思路的vidyo.ai。

Bitly公司总部位于纽约，由彼得·斯特恩 (Peter Stern) 于2008年创立，致力于提供长链缩短链、动态二维码和定制链接缩短功能。

Bitly，图片来源：Bitly官网

这看起来不是像是一个生成式AI时代企业做的产品，但是Bitly以简洁的交互操作、稳定的服务能力、自带统计功能等特性被很多人评为“最好用的短链工具”，以X（Twitter）为例，它已经悄悄地使用Bitly取代了原先的URL缩短服务TinyURL。之前，X为了让用户节省140个字符空间，使用TinyURL服务快速且自动的缩短长URL，并获得了大量的曝光率和额外流量。

Bitly起初也并没有选择To C的PLG（产品驱动增长）路线，而是将目光投向了企业客户，通过SLG（销售驱动增长）的方式把“小螺丝刀”卖给大企业。

得益于强大的免费增值服务，Bitly很快占领了全球大部分市场，在2018年实现了接近2000万美元的ARR；2020年调整战略转向PLG之后，Bitly更是实现了“一飞冲天”式的增长。

Bitly ARR发展历程，图片来源：Medium

如今，这家古早又低调的公司，完全打破了“SaaS在美国做不了To C”的魔咒，突破了1亿美元的ARR；即使是2022年ChatGPT横空出世、很多人开始用ChatGPT等AI工具进行长链缩短链，也并没有动摇Bitly的增长基本盘。

原因很简单：ChatGPT等AI工具在面临用户“长链转短链”要求的时候，偶尔随机生成，偶尔使用Bitly的域名生成。通常来说，使用Bitly域名生成的短链不是在真实的Bitly账户中缩短的，因此生成的短链往往打开之后也是错误页面。Bitly工作人员也在其用户服务页面表示，“如果你正在使用AI工具来帮助你写文案，一定要在发布或打印你的文本之前检查你的链接。”

Bitly工作人员对于部分AI工具生成短链错误的原因解释，图片来源：Bitly

和Bitly类似思路的产品，是AI视频编辑工具平台vidyo.ai。

vidyo.ai能自动一键将长视频转化为短视频，用户只需将视频上传、或是将链接粘贴到vidyo.ai，它就会自动在云端剪辑出长视频精彩片段、还能智能跟踪人脸并添加字幕，并支持适配各个短视频平台的格式。vidyo.ai可以将视频编辑和处理时间缩短高达90%，以前需要3个人近一周才能完成的工作，现在使用vidyo.ai只需15分钟即可完成。

而在目前的AI生成视频产品如Runway、Pika、PixVerse、Sora，它们均更强调视频的“生成”能力，更靠近生产端，却忽略了消费端的需求——视频生产出来之后终究是要服务用户的，而真正有市场、真正受用户欢迎的是短视频。vidyo.ai正是抓住了被巨头忽略的领域，不卷视频生成，而是另辟蹊径、更“市场需求导向”地去做AI视频剪辑产品，进而在AI视频的生态位中占领了一席之地。

2021年加入国际投资孵化器Entrepreneur First后，vidyo.ai在2022年获得了110万美元的种子轮融资，2023年就已经积累了50万+用户，ARR就达到了150万美元。

再把目光放回国内。

「甲子光年」曾关注过一家“另辟蹊径、单点突破”的企业——海纳AI。这是一家做AI招聘的企业，和很多HR SaaS公司既做AI面试、又做BPO（业务流程优化）不同，海纳AI聚焦于“AI面试测评”这一单一的场景上，为客户提供人才量化测评方法论和AI自动评估算法。

海纳AI将人才结构化拆解为200多个维度，4000多个行为特征，并基于最新开源大模型，利用数亿条高质量行业数据，自炼行业AI大模型，对人才的仪容仪表、沟通表达、综合素质、专业技能、心理状况、行业经验等均可自动面试测评。

海纳AI产品服务流程图，图片来源：海纳AI

创办五年至今，中国用工量最大的8个行业的Top3头部集团绝大部分均已使用海纳AI，如顺丰、沃尔玛、瑞幸等，每个集团每年面试10万-100万人，均通过海纳AI完成，客户复购率达到100%。

海纳AI创始人兼CEO梁公军曾对「甲子光年」介绍 ，AI招聘在过去五年发展非常慢，和过往十年大部分to B企业一样，很难做到营收过亿，因为没办法规模化，爆发点无法来临。但现在AI面试的爆点已经到了。在这个领域，专注于单点场景、已经完成PMF的公司会在未来半年内率先脱颖而出，它们已经走过了从0到1、从1到5的成长过程。接下来会迎来5到10、到100、到1000的快速爆发。

Bitly、vidyo.ai和海纳AI的共性在于，他们都找到了生成式AI巨头无法触及、或者无法做好的场景，抓住这一场景中的细分需求，打透、打穿；换句话说，他们在大厂的射程范围之外，找到了自己独特的立足点。

百川智能创始人、CEO王小川在今年5月的一场媒体沟通会上提到，百川智能希望做的是“大厂射程范围之外”的产品。“首先，中国商业环境里to B的市场规模比to C小10倍；to B收的是人民币，花的是美金。大厂都会卷这件事情，只是没想到大家这么狠，都卷到0了，这肯定是大厂射程范围内的。而我们肯定要做差异化。”王小川说。

心资本合伙人吴炳见曾经公开发表过一个观点：Mobile（移动互联网）的关键词是“竞争”，大规模烧钱竞争，赢了竞争的才有机会跑出来；而AI的关键词是“吞没”，预判好模型的发展，不被吞没的有机会跑出来。

在如今不再火热的市场环境下，融资或许是每一个AI项目面临的难题；但既然融不到资，AI创业公司所能做的，或许就是“不被吞没”，先努力靠自己“跑起来、活下来”。只要先跑赢一部分人，或许未来就能跑赢所有人。

“我一直和创业者说，千万不要追求技术的领先，不要纠结于产品中有多少是AI，有多少是人工，因为技术迭代太快了，一定要追求能不能达到商业化质量，把客户、场景、数据抢在自己手上。”金沙江创业投资基金主管合伙人朱啸虎今年5月在「甲子光年」举办的「AI创生时代——2024甲子引力X科技产业新风向」大会上说。

朱啸虎在本周的一场分享中也表达了一种“特别明显的感觉”——今年将是AIGC创业回归商业本质的开始。

这个感觉没错，但「甲子光年」认为，回归商业本质并不等于只做应用，单独的大模型公司也有价值。

看看刚刚发生的OpenAI计划封锁中国API事件，以及各家大模型公司迅速推出的“搬家计划”就知道了。尽管某些大模型公司的API收入非常少，但是这次也纷纷加入了争抢客户的大战中。

市场环境和机遇瞬息万变，对于一家AI企业来说，“护城河”并不是先决条件，当企业真正拥有了值得“护”的东西时，“护城河”才有意义。