2026年，AI产业与资本市场见证了老牌AI标杆的持续褪色。曾被视作中国AI产业化代表的商汤、旷视、依图、云从“视觉四小龙”，如今集体陷入估值与业绩双杀的困境。商汤市值从3200亿港元的上市峰值缩水至不足700亿港元，市值蒸发超八成；旷视五年IPO长跑最终折戟，累计亏损超150亿元；依图科技在IPO报告期内累计营收不到15亿元，累计亏损却高达72亿元；云从科技股价持续走低，北向资金连续减持，市场信心持续崩塌。
“旧四小龙”的集体式微并非短期经营失误，而是AI技术范式迭代与商业模式滞后带来的结构性淘汰。在生成式大模型主导的认知智能时代，传统计算机视觉（CV）的技术体系与项目制商业逻辑已难以适配行业新规则。
视觉红利退潮，四小龙失速于AI2.0时代
旧四小龙依托AI1.0感知智能时代的视觉红利崛起，凭借图像识别精度优势与场景数据积累领跑行业。但进入大模型驱动的认知智能时代后，其固化的技术体系暴露根本性缺陷，与新一代AI企业形成难以逾越的代际差距。
首先，旧四小龙的技术底座是垂直化、烟囱式的CV专属架构，核心聚焦图像识别、比对等单点感知能力，针对安防、人脸核验、工业视觉等场景做专项优化，模块独立、标准割裂、模型无法通用。传统卷积神经网络架构仅擅长二维图像特征提取，缺失语义理解与逻辑推演能力，无法实现跨模态贯通。落地端的核心痛点是场景兼容性极差，算法高度绑定固定场景与设备参数，一旦现场设备更替、角度调整、场景更新，模型精度便大幅跳水，这是政企项目频繁返工、调试成本居高不下的核心诱因。
新AI企业的核心是统一多模态大模型架构，可将图文、音视频数据纳入同一语义体系，具备理解、推理、生成、决策的完整认知能力。二者是“单点感知”与“全域认知”的范式鸿沟，导致旧四小龙只能将传统CV模型与外购语言模型浅层拼接，模型联动生硬、推理能力薄弱。行业实践显示，这类拼接方案在复杂场景下鲁棒性明显不足，光线、遮挡、背景干扰等常规工况都会引发误报漏报，普遍出现“实验室效果达标、现场落地翻车”的问题，需要长期驻场调优，交付成本持续攀升。
其次，大模型时代的核心竞争力是通用泛化能力，可无需定制适配多元场景。但旧四小龙的CV算法高度依赖人工标注数据，属于场景专用模型，零样本、少样本适配能力薄弱，跨场景复用能力远不及大模型在多元场景下的泛化适配能力。产业落地中存在严重的数据闭环断裂问题，政企项目数据归属甲方，受合规与隐私限制无法回流迭代。这造成两大顽疾：一是单项目数据仅服务单次交付，无法形成“落地-迭代-升级”的正向循环；二是新项目需重复采标、训练，资源浪费严重，持续推高人力与时间成本。
随着大模型技术迭代，传统CV中大量标准化视觉任务正被通用多模态模型快速替代，且无需专项标注，落地周期从数月压缩至数天，直接导致四小龙十余年积累的视觉专利资产快速贬值。反观四小龙的传统项目，普遍存在超长交付周期、交付后模型固化无法在线迭代的问题，同时误报率高、容错性差、扩展性弱，在公安研判、工业质检等刚需场景中，细微环境变化便会产生大量无效告警，需人工复核，直接影响甲方体验，造成验收严苛、回款缓慢、续费率低迷。
其三，旧四小龙常年维持超高研发投入。例如，商汤2024年研发开支达41.32亿元，占营收109%，2025年37.8亿元，占营收75.3%；旷视研发投入占营收比例常年维持在70%以上。而长期定制化研发形成顽固路径依赖，研发体系适配小场景、碎片化需求，无法完全适应大模型通用化、标准化的迭代逻辑。尽管通过战略重心调整，2025年商汤的生成式AI收入36.3亿元，同比增长51%，占总收入比重达72.4%，视觉AI收入10.8亿元，占比21.6%，但这种存量修补式投入无法形成增量技术壁垒，直接导致产品迭代滞后于市场需求，难以满足政企客户智能化、一体化的升级要求。
最后，大模型时代的竞争早已从单一算法精度比拼转向推理成本、落地效率、标准化能力的综合竞争。新AI企业通过MoE架构、量化压缩、推理引擎优化等技术，大幅降低边际落地成本，可支撑规模化、平台化变现。旧四小龙的技术体系完全适配定制化项目，存在模型臃肿、算力消耗高、推理效率低等硬伤，且缺失标准化接口与自动化部署工具，衍生诸多落地运维痛点。
商业模式先天失灵，项目制逻辑无法适配
技术代差让四小龙丧失核心竞争力，而固化的项目制商业模式则彻底锁死了其转型突围的空间。其主营的智慧城市、安防视觉解决方案，属于一次性工程服务生意，与AI2.0时代平台化、低边际成本、可规模化的商业逻辑完全相悖，形成无解的经营闭环。
旧四小龙核心商业模式为政企定制解决方案，链路涵盖投标调研、数据标注、模型调优、现场部署、长期运维，是典型的人力密集型模式，核心缺陷是营收与人力深度绑定，边际成本无法递减，完全无规模效应。
新AI企业的MaaS模式可实现“一次训练、万次调用”，新增客户几乎无额外成本，具备极强的商业飞轮效应。而旧四小龙每拓展一个新客户、新场景，都需要组建专属团队落地交付，项目规模越大，人力与运维成本越高，营收增长必然伴随团队扩张，长期陷入“增收不增利”的亏损困局。
客户结构单一进一步压缩利润空间。旷视、云从政企订单占比普遍在60%—70%以上，政府采购普遍存在低价中标、预算受限、回款周期长的特点，企业议价权极弱。以云从为例，2025年毛利率已从51.88%骤降至28.27%；旷视政府项目毛利率也在持续下降。同时，海康威视、大华股份等传统安防巨头凭借软硬一体化解决方案与规模化成本优势持续挤压市场，进一步压缩四小龙的利润空间，大量项目沦为微利、保本甚至亏损项目。单一的客户结构不仅导致利润薄弱，还极易受政策预算、项目审批影响，营收稳定性极差，资本市场估值逻辑持续崩塌。
平台商业的核心壁垒是资产复用与网络效应，但四小龙的项目制业务完全不具备该特质。各地区、各行业的项目相互独立，数据、模型、方案无法互通复用，单项目的技术积累无法沉淀为通用资产，每一次交付都是独立单次交易，无法形成持续迭代的商业壁垒。反观新AI企业，大模型底座可服务全行业客户，调用量越大、数据越丰富，模型迭代越优质，形成正向循环。
沉重的传统业务包袱严重制约转型节奏。商汤作为四小龙中转型最彻底的企业，生成式AI营收占比已超72%，但仍需维持传统业务团队以消化历史亏损包袱，盈利压力巨大。旷视、依图、云从的转型更为被动——依图虽在2024年曾短暂盈利，但安防与智慧城市业务仍占收入八成以上；旷视与依图在大模型浪潮中几乎“失声”；云从则深陷低毛利算力基建业务拖累。他们的组织架构、考核体系、市场渠道均围绕项目制搭建，无法适配MaaS订阅、标准化产品输出的新模式，新旧业务相互牵制，难以培育全新增长曲线。
从领跑者到服务商，旧四小龙在快速退场
技术代差与商业模式的双重固化，让旧四小龙在资本市场与产业话语权层面已退出AI行业第一梯队——商汤虽在生成式AI技术层面仍属国内第一梯队，但市值已不足700亿港元，与智谱、MiniMax等新贵差距悬殊；旷视IPO折戟后创始人转战阶跃星辰；依图业务收缩、总裁离职；云从营收大幅下滑——四家已无法与通用大模型新龙头同台竞争。
但凭借多年政企落地经验、行业合规资质与场景案例，部分企业仍具备差异化生存空间。政务、公共安全、港口、金融等领域对数据安全、合规性要求极高，新AI企业难以快速渗透。云从依托从容大模型在人机协同操作系统，已在金融、政务、交通/港口等领域形成规模化落地；商汤“日日新”大模型也已落地金融、医疗、办公等场景。四小龙可依托场景壁垒，将大模型与垂直业务深度融合，避开通用赛道内卷。
旧四小龙的没落是AI产业范式迭代下的必然淘汰，其困境并非研发投入不足，而是技术路线固化、商业基因与新时代脱节。感知智能时代的场景化视觉优势，在认知智能时代彻底转化为发展包袱——固化的CV技术体系、低效的项目制模式，让其丧失规模化竞争能力。
这场行业洗牌再次印证了AI产业的核心逻辑：技术红利转瞬即逝，唯有持续迭代、适配产业变革，才能守住行业地位。未来，除商汤仍保留技术领跑者身份外，旷视、依图、云从已从AI技术规则定义者转变为垂直场景落地的配套服务商。（作者｜李婧滢，编辑｜刘洋雪）
