【杜兰说AI】AI下半场：普通人的创业机会
2025年08月19日 10:10
AI巨头们融了数百亿，但还是有小公司靠一张贴在手机上的“卡片”，年赚7000万，为什麽？我是杜兰，今天就来说一说，普通人到底还有没有机会在AI下半场中找到创业机会？
AI创业现在有个很明显的趋势，巨头在主赛道上越跑越快，留给後来者的空间越来越窄。
2025 年才刚过半，美国就已经有至少 25 家 AI 公司拿到了超 1 亿美元的融资，其中 OpenAI 、Anthropic 和 xAI 这三家公司，加起来就融了 535 亿美元。
这些巨头拿着钱疯狂砸向大模型和通用 AI 应用，你要是还想在这条路上跟他们硬碰硬，基本就是自寻死路。就像OpenAI更新多模态生图功能、AI搜索後，一批专注类似功能的创业公司瞬间失去竞争力，就是最直接的教训。
但换个角度看，巨头跑得越快，周边的机会反而越多。
看下那些给大模型做配套的公司，其实活得都挺滋润。比如做 GPU 云服务的 Lambda，一轮融资就拿了 4.8 亿美元，估值 25 亿美元；搞数据标注的 Snorkel AI，估值也到了 13 亿美元。还有 EnCharge AI，专门研发 AI 芯片，也融了1 亿美元到手，估值稳定在 4 到 6 亿美元。
这些公司不去跟巨头比谁的模型更强，就盯着算力、数据、芯片这些基础设施环节，把自己变成巨头生态里的必需品。就像建大楼，巨头盖主体，他们就负责打地基、供建材，虽然不显眼，但缺了谁都不行。
除了给巨头当供应商，垂直领域的细分应用里也有很多机会。
AI 编程工具领域的 Anysphere 就是个例子，他们做的 Cursor 编辑器，专门优化程序员的工作流，拿下了9 亿美元融资後，估值快到 100 亿美元了，连 OpenAI 都想收购他们。这说明什麽？哪怕是巨头眼皮子底下的开发者工具，只要能把某个具体场景磨到极致，照样能跑出估值。
在餐饮行业，星巴克的 Deep Brew 系统用AI把效率、体验和成本三点连成一套闭环，撑起了星巴克超过30%的ROI提升；
效率、体验和成本
而百胜中国则另辟蹊径，依托十余年数字化积累的细粒度业务数据，推出餐厅营运智能体 “Q 睿”，覆盖排班、盘点、自动订补货等 20 多个内部运营场景，2024 年推动其经营利润率提升至 10.3%，核心经营利润增长 12%。尽管这两家企业聚焦了不同环节，但都证明了AI在餐饮行业的落地并不一定要是颠覆式创新，只要扎根具体场景解决实际问题就能创造价值。
再来看医疗、法律这两个具体的行业，AI 应用已经开始实实在在赚钱了。
Abridge 做临床对话记录和病例生成，估值 50 亿美元；Hippocratic AI 专注医疗大模型，B 轮融资 1.41 亿美元，估值 16 亿美元。法律领域更猛，Harvey 一轮融了 3 亿美元，估值 50 亿美元，他们没做什麽通用法律服务，就是把 AI 嵌入律师的案例检索、合同分析流程，解决的都是那些重覆又耗时间的活。
而在教育领域，AI 时代最明显的变化是，知识获取的门槛被彻底拉平了。以前要翻遍图书馆才能找到的答案，现在对着 AI 随口一问就能得到。这时候再比拼谁记住的知识点多，意义已经不大了。真正的竞争力，会落在谁能把知识变成创造力，谁能在覆杂问题面前快速找到解决路径。而这些能力，恰恰依赖於孩子底层的认知模式、思维习惯和学习策略。这也是为什麽，围绕“AI 能力测评”的赛道正在变得越来越有价值。在这个领域，已经有不少公司走出了自己的路，国内的麦思AI就是在沿着这个方向深耕。
这些公司的共同点是，不追求技术有多强，就盯着行业里的具体痛点死磕到底。
当然还有些看起来冷门的领域，其实机会也不少。
比方说做 AI 视频编辑的 Runway，融了 3.08 亿美元，估值 30 亿美元，他们不是做全民都能用的剪辑软件，而是专攻视频生成的细分功能，比如一键生成特效、自动剪辑片段，刚好戳中内容创作者的需求。AI 语音生成公司 ElevenLabs 也是，专注於让 AI 声音更自然，1.8 亿美元融资，估值超 30 亿美元，现在很多播客、有声书制作都离不开他们的工具。
国内也有类似的例子，有个团队做了个特别简单的产品 —— 一张能贴在手机背後的金属卡片，带几个麦克风，接上 GPT，开会时能自动生成纪要，还能区分说话人。技术上没什麽颠覆性创新，但就把收音效果、角色分离这些细节磨到极致，去年在美国年入 7000 多万美元，在国内中小企业里也慢慢铺开了，因为它解决了开会记笔记分心、事後整理耗时间的实际问题，巨头看不上这种 “小生意”，反而成了创业者的机会。
甚至连模型测评这种偏门领域都有机会。
LMArena 才刚起步，做的是给 AI 模型排名打分，就这也拿到了 1 亿美元种子轮融资，估值 6 亿美元。因为大模型越来越多，企业选模型的时候需要第三方评估，这个需求以前没人重视，现在已经成了香饽饽。
量子 AI 和 AI 军事这些更前沿的领域，也有资本在悄悄下注。SandboxAQ 做量子 AI 的企业级服务，融资 4.5 亿美元，估值 57 亿美元；Shield AI 搞 AI 防务科技，2.4 亿美元融资到手，估值 53 亿美元。这些领域技术门槛高，巨头布局慢，反而给了初创公司深耕的时间窗口。
说到底，现在的 AI 创业的下半场，拼的不是谁能造出更牛的大模型，而是谁能把 AI 用到别人没注意到的地方。OpenAI 的 CEO Sam Altman 之前就说得很直接：别想着再造一个 ChatGPT，用现有的平台能力去挖那些 “还没人做” 的场景。你看那些拿到大融资的公司，要麽是给巨头的大模型搭架子，要麽是钻进某个行业的细分场景里解决具体问题。
作为普通创业者，不要总想着靠技术构建护城河，而是要“双手沾泥”去做那些苦哈哈的工作。像是为中小企业做AI赋能就是典型例子，需要深入企业的办公、生产流程，一个一个地找到提效点，用定制化的AI方案解决问题。这种工作没办法标准化，巨头也不屑於做，但对於创业者来说，这正是形成竞争力的关键。
更何况，随着“百模大战”这股热潮过去，资本现在也变聪明了，不再光看技术PPT，而是想看产品能不能卖出去、用户会不会持续用。所以对想下场的创业者来说，思路得变一变：别盯着巨头已经占住的地盘，而是去那些他们嫌麻烦、看不上的细分领域找找机会。不管是给 AI 模型做测评，还是给医生、律师、老师做小工具，甚至是优化某个工厂的生产报表，只要能解决真问题，就有机会。
AI 的下半场，不是比谁的盘子大，而是比谁扎得深。
AI创业现在有个很明显的趋势，巨头在主赛道上越跑越快，留给後来者的空间越来越窄。
2025 年才刚过半，美国就已经有至少 25 家 AI 公司拿到了超 1 亿美元的融资，其中 OpenAI 、Anthropic 和 xAI 这三家公司，加起来就融了 535 亿美元。
这些巨头拿着钱疯狂砸向大模型和通用 AI 应用，你要是还想在这条路上跟他们硬碰硬，基本就是自寻死路。就像OpenAI更新多模态生图功能、AI搜索後，一批专注类似功能的创业公司瞬间失去竞争力，就是最直接的教训。
但换个角度看，巨头跑得越快，周边的机会反而越多。
看下那些给大模型做配套的公司，其实活得都挺滋润。比如做 GPU 云服务的 Lambda，一轮融资就拿了 4.8 亿美元，估值 25 亿美元；搞数据标注的 Snorkel AI，估值也到了 13 亿美元。还有 EnCharge AI，专门研发 AI 芯片，也融了1 亿美元到手，估值稳定在 4 到 6 亿美元。
这些公司不去跟巨头比谁的模型更强，就盯着算力、数据、芯片这些基础设施环节，把自己变成巨头生态里的必需品。就像建大楼，巨头盖主体，他们就负责打地基、供建材，虽然不显眼，但缺了谁都不行。
除了给巨头当供应商，垂直领域的细分应用里也有很多机会。
AI 编程工具领域的 Anysphere 就是个例子，他们做的 Cursor 编辑器，专门优化程序员的工作流，拿下了9 亿美元融资後，估值快到 100 亿美元了，连 OpenAI 都想收购他们。这说明什麽？哪怕是巨头眼皮子底下的开发者工具，只要能把某个具体场景磨到极致，照样能跑出估值。
在餐饮行业，星巴克的 Deep Brew 系统用AI把效率、体验和成本三点连成一套闭环，撑起了星巴克超过30%的ROI提升；
效率、体验和成本
而百胜中国则另辟蹊径，依托十余年数字化积累的细粒度业务数据，推出餐厅营运智能体 “Q 睿”，覆盖排班、盘点、自动订补货等 20 多个内部运营场景，2024 年推动其经营利润率提升至 10.3%，核心经营利润增长 12%。尽管这两家企业聚焦了不同环节，但都证明了AI在餐饮行业的落地并不一定要是颠覆式创新，只要扎根具体场景解决实际问题就能创造价值。
再来看医疗、法律这两个具体的行业，AI 应用已经开始实实在在赚钱了。
Abridge 做临床对话记录和病例生成，估值 50 亿美元；Hippocratic AI 专注医疗大模型，B 轮融资 1.41 亿美元，估值 16 亿美元。法律领域更猛，Harvey 一轮融了 3 亿美元，估值 50 亿美元，他们没做什麽通用法律服务，就是把 AI 嵌入律师的案例检索、合同分析流程，解决的都是那些重覆又耗时间的活。
而在教育领域，AI 时代最明显的变化是，知识获取的门槛被彻底拉平了。以前要翻遍图书馆才能找到的答案，现在对着 AI 随口一问就能得到。这时候再比拼谁记住的知识点多，意义已经不大了。真正的竞争力，会落在谁能把知识变成创造力，谁能在覆杂问题面前快速找到解决路径。而这些能力，恰恰依赖於孩子底层的认知模式、思维习惯和学习策略。这也是为什麽，围绕“AI 能力测评”的赛道正在变得越来越有价值。在这个领域，已经有不少公司走出了自己的路，国内的麦思AI就是在沿着这个方向深耕。
这些公司的共同点是，不追求技术有多强，就盯着行业里的具体痛点死磕到底。
当然还有些看起来冷门的领域，其实机会也不少。
比方说做 AI 视频编辑的 Runway，融了 3.08 亿美元，估值 30 亿美元，他们不是做全民都能用的剪辑软件，而是专攻视频生成的细分功能，比如一键生成特效、自动剪辑片段，刚好戳中内容创作者的需求。AI 语音生成公司 ElevenLabs 也是，专注於让 AI 声音更自然，1.8 亿美元融资，估值超 30 亿美元，现在很多播客、有声书制作都离不开他们的工具。
国内也有类似的例子，有个团队做了个特别简单的产品 —— 一张能贴在手机背後的金属卡片，带几个麦克风，接上 GPT，开会时能自动生成纪要，还能区分说话人。技术上没什麽颠覆性创新，但就把收音效果、角色分离这些细节磨到极致，去年在美国年入 7000 多万美元，在国内中小企业里也慢慢铺开了，因为它解决了开会记笔记分心、事後整理耗时间的实际问题，巨头看不上这种 “小生意”，反而成了创业者的机会。
甚至连模型测评这种偏门领域都有机会。
LMArena 才刚起步，做的是给 AI 模型排名打分，就这也拿到了 1 亿美元种子轮融资，估值 6 亿美元。因为大模型越来越多，企业选模型的时候需要第三方评估，这个需求以前没人重视，现在已经成了香饽饽。
量子 AI 和 AI 军事这些更前沿的领域，也有资本在悄悄下注。SandboxAQ 做量子 AI 的企业级服务，融资 4.5 亿美元，估值 57 亿美元；Shield AI 搞 AI 防务科技，2.4 亿美元融资到手，估值 53 亿美元。这些领域技术门槛高，巨头布局慢，反而给了初创公司深耕的时间窗口。
说到底，现在的 AI 创业的下半场，拼的不是谁能造出更牛的大模型，而是谁能把 AI 用到别人没注意到的地方。OpenAI 的 CEO Sam Altman 之前就说得很直接：别想着再造一个 ChatGPT，用现有的平台能力去挖那些 “还没人做” 的场景。你看那些拿到大融资的公司，要麽是给巨头的大模型搭架子，要麽是钻进某个行业的细分场景里解决具体问题。
作为普通创业者，不要总想着靠技术构建护城河，而是要“双手沾泥”去做那些苦哈哈的工作。像是为中小企业做AI赋能就是典型例子，需要深入企业的办公、生产流程，一个一个地找到提效点，用定制化的AI方案解决问题。这种工作没办法标准化，巨头也不屑於做，但对於创业者来说，这正是形成竞争力的关键。
更何况，随着“百模大战”这股热潮过去，资本现在也变聪明了，不再光看技术PPT，而是想看产品能不能卖出去、用户会不会持续用。所以对想下场的创业者来说，思路得变一变：别盯着巨头已经占住的地盘，而是去那些他们嫌麻烦、看不上的细分领域找找机会。不管是给 AI 模型做测评，还是给医生、律师、老师做小工具，甚至是优化某个工厂的生产报表，只要能解决真问题，就有机会。
AI 的下半场，不是比谁的盘子大，而是比谁扎得深。
相关新闻
