夜雨聆风📖 中国AI六小虎从模型军备竞赛集体转向企业落地，表面是溃败，实质是产业成熟的标志。本文从战略、组织、技术、商业化、风险五个维度拆解这次"迫降"，为正在做AI落地决策的企业提供一张可对照的诊断地图。
中国AI创业的上半场结束了。
2023年被资本追捧的"AI六小虎"——百川智能、零一万物、智谱AI、月之暗面、MiniMax、阶跃星辰。曾经共享一个标签"中国版OpenAI"。到2025年中，这个标签已经没人愿意认领了。
李开复说"别叫我们六小虎，该叫金钱豹"。王小川说"公司两周年时不知为何而战"。
这两个最资深的创业者，领着整个赛道完成了一次集体转身——从烧钱卷参数，到卷客户、卷交付、卷真金白银。媒这轮转向称为"AI的迫降"，精准：主动降低高度、寻找着陆点，而非硬着陆。
这篇文章是一张诊断地图。 我从企业AI咨询的视角，把这次"迫降"拆解成五个维度——战略、组织、技术、商业化、风险。每一个维度都是一个企业做AI决策时绕不开的问题。
六小虎的转向，恰好给这些问题提供了真实样本。
一、战略层：通用基座是重工业战争，创业公司打不起
这次迫降的本质是一次战略常识的回归。
2023年的叙事是"中国需要自己的OpenAI"。六小虎各自拿了数亿美元，目标直指AGI。
但到2025年，美国科技巨头一年的AI资本开支，超过中国所有AI创业公司融资总和。 通用大模型的预训练成本每代翻倍，而开源模型（如DeepSeek）又在不断压低底座的门槛。
打不过，也打不起。
王小川的选择最干脆：2025年4月全面砍掉金融、通用应用等多条线，All in医疗。保留近30亿现金，发布医疗大模型M4和AI家庭医生产品"百小医"，已在多家医院试点。
李开复则把零一万物的预训练和AI Infra团队整体并入阿里云，明确说"退场是天亮前熄灯"。他放弃了"自己炼模型"这条路，把资源全部压到应用层。
这两个决策背后是同一个判断：通用基座是重工业，属于云厂商和科技巨头。创业公司的战场在垂直场景。
这对企业客户意味着什么？
如果你正在选AI供应商，不要再问"你们的模型参数多大"。
要问："你在我的行业里做过什么？你懂我的业务流程吗？"
💡 中国AI创业的上半场比参数，下半场比落地。主动迫降是战略理性，被动坠落才是真正的失败。
二、组织层：从大而全到超聚焦，砍掉比加上更难
六小虎的组织调整有一个共同特征：截肢式收缩。
百川从"多线并进"砍到只剩医疗一条线。
零一万物从"全栈自研"变成"底座靠阿里、上层做应用"。
账上有钱、团队还在的时候主动收缩，是最高理性的战略抉择。等到钱烧完了再收缩，那叫破产清算。
从战略咨询视角看：无论是数字化转型还是AI落地，最大的障碍往往是组织做减法的勇气，远大于技术本身。
我接触过的企业AI项目，最常见的问题是"试点太多、没有纵深"。
一个制造企业同时上了智能质检、智能排产、智能客服、智能研发助手……四个项目，三个在PoC阶段，没有一个进了生产环境。甚至比这个更夸张都有。
资源分散、KPI打架、业务部门各干各的。六小虎的"超聚焦"策略给了一个明确的信号：先打穿一个场景，再谈扩展。
六小虎现在的分化：
第一类，落地派。 零一万物对标Palantir，做政务、金融、工业的AI决策平台；百川All in医疗，把模型能力压缩到一个垂直场景的完整闭环里。这两家都在走"改客户财报"的路线——客户付钱是因为你帮他们省了成本或增加了收入。
第二类，上市派。 智谱和MiniMax靠政企定制和出海故事维系估值，上市是阶段性目标，但能否持续盈利仍是未知数。
第三类，坚守派。 月之暗面和阶跃星辰还在烧钱赌通用基座，依赖融资续命。窗口在收窄。
这张分化地图对企业选AI合作伙伴有一个直接建议：看对方的商业模式，别只看模型排名。 落地派的收入来自客户续费和项目交付，坚守派的收入来自融资。你要跟哪一类合作？
三、技术层：基座是入场券，落地能力才是护城河
通用大模型已经不再是壁垒。
这句话放在2023年说，会被投资人嘲笑。
放在2026年说，是行业共识。开源底座和API服务的普及，让"调用一个还不错的模型"变得跟"调用一个云数据库"一样简单。
真正的差异在三件事上：行业理解、数据治理、工程化交付。
以医疗场景为例。通用模型可以回答"感冒了吃什么药"，但三甲医院要的是"根据这个患者的完整病历、检验指标、用药史和过敏史，给出分级诊疗建议，并符合卫健委的临床路径规范"。
参数搞不定这种事。需要医疗专有数据做精调、需要把诊疗规则编码进模型约束、需要私有化部署保证数据不出院。
百川的"百小医"能做到医院试点，核心是他们在医疗场景扎了足够深。
企业侧现在最关心的早已不是参数规模。
现在也有很多思路很清晰的客户会问："推理一次多少钱？""能不能本地部署？""出错了怎么排查？"。不会再问"你们模型多少参数"。
算力效率、部署复杂度、稳定可用率，这些才是企业采购决策里的硬指标。
交付形态也在变。两年前AI公司卖的是"模型API"，现在卖的是"解决方案"，包含行业模型、数据治理工具、运维面板、SLA保障。客户要的是可直接用、可运维、可计量价值的系统。 模型文件和API key固然重要，但能把模型跑在客户业务场景里并产生可验证的结果，才更值钱。
⚠️ 只刷榜不落地的AI公司，技术再强也是空转。企业选AI供应商的第一标准是团队在你行业里泡了多久，模型跑分排后面。
四、商业化层：估值回归基本面，能改客户财报才能有自己的财报
资本逻辑已经彻底切换。
2023年的融资问题只有一个："你们什么时候做出中国最好的大模型？"2026年的融资问题变成了三个："ARR多少？""毛利率多少？""什么时候盈利？"从讲AGI故事到看Excel表格，拐点已经过了。
资本回归常识了。
AI公司的估值最终要落在"你能帮客户赚多少钱或省多少钱"上。
零一万物2026年目标15亿元合约收入并冲刺IPO，李开复敢喊出这个数字，是因为他押的是企业愿意为AI解决方案付多少钱。
王小川保留30亿现金看似保守，实际上是在给自己争取足够长的跑道——医疗场景落地周期长、客户决策慢，没现金撑不到收获期。
To B是确定性最高的出路。
政务、金融、医疗、工业这四个赛道有共同特征：高壁垒（准入门槛极高）、高付费（客单价百万级起步）、长周期（一旦进去就不容易出来）。AI公司的稳定收入下半场只会来自这里。
商业模式也清晰化了：
- 私有化部署
：高客单、强合规、高粘性——政务和金融的首选 - 垂直SaaS/Agent
：标准化、可复制、边际成本低——医疗和工业的规模化路径 - MaaS+行业套件
：底座+工具+服务打包——适合多场景覆盖
选哪条路，取决于行业特性和客户付费意愿。 没有统一最优解。
五、风险层：聚焦是安全，分散是自杀
企业AI落地看起来遍地是机会，实际上遍地是坑。
第一个坑是数据合规。 政企、医疗、金融三个赛道有一个铁律：核心数据不出域、私有化部署、全程可审计。谁在这上面翻车，后果不仅是项目失败，是整个公司失去行业准入资格。这是生存底线。
第二个坑是盲目多线作战。 六小虎里有些团队还在跨场景铺摊子——既做金融又做教育又做营销——每个场景都浅尝辄止。在融资窗口收窄的2026年，多线作战约等于加速烧钱。百川和零一的"超聚焦"看似激进，实则是风险最小的策略。打穿一个场景再扩张，比同时打十个场景但一个都没打穿要安全得多。
第三个坑是技术与业务脱节。 我见过不止一个AI团队，模型跑分一直在涨，但业务部门反馈越来越差。为什么？因为刷榜的优化方向和业务要的优化方向是两回事。模型在标准测试集上多拿一个点，对产线上的质检员意味着零。组织里最昂贵的东西，是方向跑偏后所有人的迷茫和时间。
垂直落地的本质是长期主义。 医疗场景从试点到全院推广可能需要两年，政务场景从POC到签约可能需要一年。靠"增长黑客"加速不了这些事。需要耐心运营、持续迭代、深度绑定客户业务流程。做企业AI落地，活得久比跑得快重要。
⚠️ 企业AI落地的最大风险是方向分散。聚焦单点打穿，比全面铺开安全十倍。
