那些 2023 年创业失败的 AI 项目，踩了那些坑？
The following article is from 头号AI玩家 Author 月山橘 阿虎
要说今年什么创业项目/公司最性感，和 AI 相关的一定榜上有名。
在这场由 ChatGPT 引发的 AI 技术浪潮中，创业者们的脸上同时写满兴奋和焦虑。
OpenAI、Midjourney、Stability AI 等明星 AI 公司估值狂飙、风光无限，国内的 AI 领域也早已展开激烈竞争，截至上个月，仅国内公开的 AI 大模型数量，就已高达 238 个。
除了大厂外，中小创业团队和独立开发者们也纷纷涌入 AI 领域，希望能够抓住这个历史性的机遇，打造出具有影响力和价值的产品或服务。聚焦细分市场应用的小型 AI 产品层出不穷，整个 AI 创业领域呈现出一片繁荣态势。
然而，繁荣之下必有泡沫，一个残酷的现实是，大多数 AI 创业项目都可能难逃失败的命运。
「很多 AI 创业团队脑袋一热加班加点搞的东西，用不了几天就会失去意义。」一位 AI 创业者告诉「头号 AI 玩家」。
11 月的 OpenAI 开发者大会，更是直接宣告了一堆 AI 创业公司的死亡。
零一万物 CEO 李开复在「MEET2024 智能未来大会」上预判，不包含大厂在内，中美相加最后将有五、六家大模型公司笑到最后。
国外有一个叫做「AI Graveyard（AI 坟墓）」（https://dang.ai/ai-graveyard）的网站，记录了近 200 个目前已经停止运营的 AI 项目。
这些项目夭折的原因是什么？创业者如何避免重蹈覆辙？AI 创业的长期价值落点在哪？「头号 AI 玩家」对其中几个典型项目的功能、技术实现形式和失败的原因进行了分析，希望能给各位 AI 玩家提供启发。
01
AI 创业项目的几种「死法」
YC（Y Combinator）曾总结过创业公司的 18 种死法，具体到 AI 创业也依然适用。
概括来说，基本离不开太烧钱、不赚钱、没算力、产品没有竞争力和差异性，这些大家耳熟能详的原因。
而具体到 AI Graveyard 中的一些小项目，失败的原因则集中于：市场需求评估不准确、商业模式不可持续、技术实现不成熟等。AI 创业者需要从这些失败案例中吸取教训，避免重蹈覆辙。
AI 搜索引擎：Neeva
Neeva 是一个人工智能驱动的搜索引擎，主打无广告、优先考虑用户隐私。它由谷歌前高管 Sridhar Ramaswamy 和 Vivek Raghunathan 于 2019 年创立，2023 年 5 月宣布关停，并被 Snowflake 收购。
不可否认，AI+搜索引擎，是一门好生意。
曾经的 Neeva 产品官网
AI 驱动的搜索引擎可以更好地理解自然语言查询，包括对复杂查询的深度理解和上下文分析，从而提供更准确和相关的搜索结果。
但在搜索引擎市场，像谷歌、微软这样的巨头已经占据了主导地位，拥有庞大的用户基础和深厚的技术积累。构建一个与市场领头羊竞争的搜索引擎，是一场重资本游戏。
而且，用户对现有搜索引擎（如谷歌、必应等）的依赖已经形成了稳固的使用习惯。要使用户转向新的搜索引擎，需要提供显著优越的搜索体验，在搜索结果的相关性、速度、界面设计等方面达到或超越用户的期望。
此外，找到有效的盈利模式也是一个重大挑战。依靠广告收入可能难以与市场领导者竞争，而其他盈利模式（如订阅服务）可能难以吸引大量用户。
在数据隐私和安全越来越受到重视的今天，新的搜索引擎还需要确保其能够保护用户的隐私和数据安全，这不仅是一个技术和法律问题，更涉及到品牌认知和用户信任的建立。
AI 搭讪台词生成器：AI Pickup Lines
AI Pickup Lines 可以生成各种主题和风格的搭讪开场白，2022 年年底上线，2023 年 3 月初网页就被关闭了。
曾经的 Pick up lines 产品官网
用户可用 Pick up Line 每天免费生成 10 条搭讪文案，订阅计划每月 9.99 美元或每年 99.99 美元，可以生成无限数量的搭讪台词，并且可以灵活地选择任何关键词。还可以以 499.99 美元的价格购买综合数据库，数据库包含 100000 多行内容，涵盖各种主题和风格。
这是一个典型的基于大语言模型的套壳应用，类似的还有 AI 周报生成器、AI 哄女友文案生成器等。在大语言模型能力逐渐增强和普及的情况下，这类产品的壁垒会越来越薄。
而且这类产品通常娱乐性大于实用性，更多地被视为一种娱乐产品，而不是一个实用工具。虽然可以在短期内吸引用户的好奇心，但可能缺乏长期的实用价值。
AI 生成的搭讪用语显然不足以应对现实生活中复杂多变的社交情境，包括社交互动中的微妙情感和非语言因素。
在盈利模式方面，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是一个挑战。如何让用户持续使用并从中获得价值，是这类应用需要解决的问题。
AI 照片编辑工具：PhotoFix
根据检索到的信息，PhotoFix.io 创建于 2022 年年初，网站于 2023 年 4 月初维护关闭。
PhotoFix 的主要功能是：提高照片质量、清晰度；增强分辨率；删除照片中的元素，例如人物、物体或背景；文本生成图像，例如《绝命毒师》、吉卜力动画风格，或者逼真的人物画像。
然而，AI 照片编辑软件市场已经接近饱和，许多成熟的产品如 Adobe Photoshop、Lightroom 以及各种移动应用已经占据了市场主导地位。
再加上 Lensa AI、EPIK 等众多 AI 写真软件对用户的教育，如果一个新的 AI 照片编辑工具没有显著区别于现有的产品，可能难以吸引用户。
AI 生成游戏模拟器：Fablesimulation
Fablesimulation 的创建时间已经无法查明，它于 2023 年 3 月 21 日被收录进「AI Graveyard」项目。这是一个在线平台，允许用户在虚拟环境中进行编程、训练以及与智能体交互。Fablesimulation 的最终目标是建立一个拥有 100 万人工智能的元宇宙世界，人们可以在那里生活、工作，甚至建立浪漫关系。
虽然它倡导的概念看起来很有创意和前瞻性，但是并没有经过充分的验证和测试，没有明确的目标用户和场景。
而且它需要用户在虚拟世界中编程、训练智能体，这无疑提升了用户参与门槛，同时在技术实现难度、商业模式的可持续性、安全性和隐私问题、硬件要求、社会伦理问题等多方面也面临挑战。
02
避免AI项目失败，需要做什么？
「护城河」是很多开发者、投资人喜爱的术语，它指明了一家企业如何阻止竞争对手夺走自己的业务。
但并不是所有的 AI 初创企业都能在其中找到自己的「护城河」。
据「头号 AI 玩家」分析，这些失败的 AI 产品大多是典型的 AIGC 应用方向，但在各自领域里同质化严重，无法和竞品拉开差距。
当然，还有一些产品因为资金投入不足，投入成本过高，陷入了困境。
要找准细分市场，打造产品壁垒
生成式 AI 的快速崛起让更多开发人员可以将 AI 功能添加到自己的产品中，不用再重新构建模型。
「接入 API」的方式，带来了一批新的人工智能初创企业。在 API 的帮助下，只需设计前端的产品页面，就能在平台上构建相应的 AI 产品。
大多数开发人员都在 OpenAI、Mistral 等企业的帮助下，构建了大大小小的应用程序。
不过，这样的方法不可避免会面临平台带来的风险。
OctaneAI 联合创始人 Ben Parr 表示，OctaneAI 曾接入 Facebook Messenger 的聊天机器人技术，但 Facebook 陷入数据泄漏丑闻后，突然禁止任何开发者在 Messenger 上创建聊天机器人，这在一定程度上为开发者带来了产品风险。
再以 Jasper.ai 为例，它是建立在 GPT 基础上的 AI 初创企业，从年初预计全年收入达 1.5 亿，到开启裁员模式，不过短短半年时间。原因无他，Jasper.ai 的产品基于 GPT-3 模型开发，而 GPT-4 的出现使其遭受了技术碾压，就此陨落。
数据网站 Semrush 统计显示，自从 GPTs 发布以来，同类型产品的网络流量已经下降了一半以上。
小冰公司首席执行官在「Meet2024 智能未来大会」上提到：「API 调用并没有体现出生成式人工智能的创造力价值」。
就像 Ben Parr 在经历过风险后所总结的，「尽量不要做 API 平台也可以自行构建的产品」。
比如，开发者可以制作一个聊天机器人，但用的是 OpenAI 无法获取的数据库，像大量的绘画素材、策划方案、医疗数据、邮件内容等等。
相比构建大模型，拥有自己的数据集，成本相对更低，也能因此筑起产品壁垒。
另外，打造针对某个特定垂直领域的产品，明确自己的受众群体，比起横向延伸 AI 产品功能更具优势。
上述失败的 AI 产品大多是普适性较强的工具，可以面向所有公众，但这也导致了产品无法做出差异化。大型科创企业可以投入更多资金、更大算力打造通用型 AI 工具，挤压初创公司的生存空间。
独立开发者飞侠告诉「头号 AI 玩家」，「无论什么赛道，聚焦在特定垂直领域的产品肯定更具优势，专门的数据、借口、合规方式都是大型企业无法提供的。」
Githhub 就曾上线了面向开发者的 Copilot，尽管新模型是由 OpenAI、Azure AI 联合打造，但它为开发者人群打造了一个专门的编码类生成式 AI 工具。
Github Copilot
再比如之前流行的产品「AI 大藏经」（佛经 GPT），它的开发者另辟蹊径，找准了一条冷门的垂直赛道。
Stripe 产品负责人 Sahar Mor 认为，打造用户更易用的功能更具实际意义，针对特定细分市场的垂直初创企业会继续保持主导地位。
筹集足够的资金，或投入较低的成本
「烧钱」是很多 AI 产品研发都会提到的关键词。但美国知名风投 a16z 的分析报告指出，月访问量排名前 50 的生成式 AI 产品，几乎有一半没有引入任何外部资本，都是自己筹集的资金。
来源：a16z
构建和训练自有模型往往需要花费上百万人民币，而对现有模型进行微调，或是集成 GPT 模型的应用，能够节省更多的费用。也就是说，进行 AI 产品研发的团队可以选择较低的成本投入。
《增长黑客》作者范冰在一期播客中提到：「（AI 赛道）融资很多很猛，烧钱更多更猛」。
这么想来，缺少资金也不失为一种「反向布局」的办法。
还有一些开发者以「你不理财，财不离你」来形容在 AI 产品上的资金投入。
「头号 AI 玩家」也咨询了一些开发者和创业团队，不考虑人力成本和后续商业变现的情况下，零成本也可以启动一个项目。
比如在 GitHub 上不少以 GPT 为技术原型的套壳项目，潜在收益高，最早一批的「中间商」，已经实现月入十余万元。
不过，融资难或许是今年 AI 领域的普遍现象。有投资人曾开玩笑，线下创投会说得最多的是「好的，再看看」。据此前「小饭桌」报道，AI 创业者 Steven 表示很多投资人其实是在假装看 AI。
当然，对于一些开发者来说，产品本身才是更重要的，商业模式通常会被后置。
「虽然现在没有筹到钱，但先获得一些稳定的用户，让他们自愿付费，这是我们接下来的小目标。」飞侠说道。
无论是资金不足还是缺少技术壁垒，比这些问题更重要的前提是要抓住用户需求。YC 创始人 Paul Graham 认为，「从某种意义上说，导致创业失败的原因就只有一个，就是没人需要你做的东西」。
目前主打短平快的产品大多会选择海外市场，个人独立开发者则热衷钻研 AI 技术的各种创新玩法。
专注在目标用户群上，找准自己的产品定位，所有创业成功的原因都可以归结于此。