创业公司原生应用难敌大厂。

定焦 One（dingjiaoone）原创

作者 | 王璐

编辑 | 魏佳

AI 应用的争夺战，打到哪儿了？

如果把整个 AI 行业想象成一座金矿：基础设施层（芯片、算力）相当于 " 卖铲子 "，提供挖矿的基础工具；模型层（大模型研发）好比 " 卖地图 "，告诉大家哪里有金子；而应用层是直接 " 下场淘金 "，把金子变现。

近两年 AI 应用的使用者越来越多，QuestMobile 数据显示，截止到 2025 年 8 月，移动端 AI 应用用户规模达 6.45 亿，PC 端达 2.04 亿。其中原生 APP 亿级应用的平均环比增速 1.3%。

何为 "AI 原生应用 "？可以理解为它从设计之初就将 AI 作为核心驱动力，底层架构、运行逻辑、交互方式和商业模式都围绕 AI 能力进行创新，豆包、DeepSeek、ChatGPT、Perplexity 等都属于这类，正因为其足够纯粹，也被认为是最能检验市场对 AI 接受度的产品类型之一。

然而，我们对比多份榜单后发现，和国外创业公司不断孵化出头部 AI 原生应用不同，国内的榜单上靠前的产品大多来自大厂，有些还是老应用 " 加 AI" 的升级版，比如阿里的夸克、百度的文库等，真正由创业公司打造并冲进主流视野的原生 AI 应用并不多。

看似热闹的 AI 应用赛道，实际上依然是大厂主导的游戏。为什么会出现这种情况？创业公司做 AI 应用，还有前景吗？

AI 应用爆发，仍是巨头游戏

近两年，全球 AI 应用迎来爆发式增长，虽然目前没有明确统计数据，但从业者预估，全球 AI 应用数量已达数十万级别，它们大体可划分为 TOB（面向企业）与 TOC（面向大众）两大阵营。

为了更好的观察 AI 应用的长线发展趋势，我们选取了 2025 年上半年国内 AI 应用的热度榜单作为参照（数据来源：Xsignal ) 。榜单前二十名的应用可分为三类：大厂原生应用（12 个）、大厂老应用 +AI（1 个）、创业公司原生应用（7 个），仅有约三分之一出自创业公司。

前三名分别为豆包、DeepSeek 和夸克，而进入前十名的创业公司原生应用，除了 DeepSeek 之外，仅有聊天辅助应用 Lovekey 键盘。

一位投资人甚至指出，严格来说，DeepSeek 也并非真正意义上的创业公司，它依托母公司幻方量化的资源与团队支持。这意味着，榜单上厮杀出来的创业公司比例还要更低。

为了进一步验证这一趋势，我们还选取了硅谷著名 VC 机构 a16z 发布的全球 Top100AI 应用榜单进行对比。

需要说明的是，其统计的是 iOS 和 Google Play 的数据，因缺少 Android 市场的部分应用，所以和国内榜单上的 AI 应用排名有所区别，比如国内榜单排名靠前的腾讯元宝、360 旗下的纳米 AI 搜索均没有上榜，与此同时，一些 " 大厂老产品＋AI" 类应用出现在榜单前十中，比如美图在 2008 年推出的美图秀秀、字节在 2020 年推出的醒图。

但无论是国内还是全球榜单，结果都显示：前三名没有变，大厂应用仍是主角。

澎湃发布的 2025 年全球百大值得关注的 AI   APP 榜单也进一步印证了这一点。

上榜的主要是硅谷科技巨头和国内互联网大厂产品，其中字节跳动、阿里巴巴、腾讯、百度四家企业的自有 AI   APP 总数占比近四分之一，字节跳动以 12 款自有 AI   APP 的数量位居榜首。

综合这些榜单进一步分析，大厂在 AI 应用中的领先优势，一方面得益于类型优势。

当前 AI 应用的热度分化明显，聊天机器人以绝对优势领跑，几乎所有国内大厂都在这一赛道押下重注，比如字节的豆包、腾讯的元宝、阿里的通义、百度的文小言。

而大模型六小龙只有部分公司推出了聊天机器人产品。

一位从业者解释，聊天机器人的通用属性让其能吸引大量用户，但也需要投入大量算力、数据标注和算法优化成本，这是部分创业公司没有做聊天机器人的重要原因之一。

不过，换到其他类型，大厂 AI 应用的表现也整体好于创业公司。比如在虚拟角色、视频生成领域，字节的猫箱、快手的可灵的表现都领先于创业公司的同类应用，即便 MiniMax 的虚拟角色应用星野也表现不错，但也排在大厂之后。

另一方面，一些 AI 新贵实则是 " 老将翻红 "，大厂靠着 AI 让老牌应用再度起飞。比如阿里的夸克，百度的百度网盘、百度文库等，它们原本就拥有庞大的用户基数，如今套上 AI 的 " 新马甲 "，又圈了一波热度。

夸克升级为 "AI 超级框 " 后，强调 AI 对话、深度搜索及 AI 工具集成，覆盖写作、PPT 生成、解题等场景，受到学生和职场人群的欢迎；百度网盘作为云存储工具，加入 AI 后具备一键将图片归类、生成字幕等功能，提高了使用者的效率；百度文库则是打工人最常用的工作工具之一，其 2024 年的营收比 WPS 还高，今年 5 月其 " 智能 PPT" 访问量一度拿下全球第一。

创业公司做 AI 应用，为什么后劲不足？

其实，AI 应用的格局，并不是从一开始就被大厂 " 垄断 " 的。

在早期，创业公司的原生应用表现并不输大厂，"AI 六小虎 " 凭借快速迭代和灵活打法，一度气势逼人。Kimi 就曾在声量上盖过文心一言、豆包、腾讯元宝等大厂同类产品。

但如今，赛道已经走到分水岭。多位业内人士认为，大厂逐渐占据主导，源自三方面主要原因：技术迭代、商业模式和生态入口。

从事 Agent 应用算法方向研究的资深人士赵江杰解释，开发一个 AI 应用大致涉及三方面：算法侧、前端（交互界面）和后端（集成环境）。其中最重要的是算法侧能力的搭建，也就是大模型能力。

现在，大模型的能力正在经历第三次迭代。

ChatGPT 的诞生代表着大模型进入 1.0 阶段（通用对话）；紧接着，通过与强化学习结合的后训练强推理模型是 2.0 阶段，以 OpenAI 的 o1 为起点，DeepSeek 的出圈是标志性事件；今年随着 Agent 的爆发，大模型进入 3.0 阶段，以 Agent 能力作为模型重点突破的方向，在 LLM+ 强化学习路线的基础上，继续扩展模型推理能力，使其具备更强的泛化性和通用性，以在现实场景的更多任务中推进 Agent 的落地。

赵江杰表示，各家大模型在 1.0 阶段的能力几乎没有任何差异，在 2.0 阶段 OpenAI 和 DeepSeek 分别在闭源和开源领域占据先发优势，但后面各家大模型厂商也陆续赶上，而目前 3.0 阶段还在发展初期，面临 RL 大规模训练工程化挑战、长程规划以及可验证训练环境构建等问题，但像 OpenAI 的 gpt-5，Google ( deepmind ) 的 Gemini deepthink 已经开始展现出极强的推理能力，陆续在 IMO、IOI 等高难度数学国际竞赛上取得金牌，接近人类顶级水平。

这也就意味着，在面临用户的常规任务时，各大模型都能很好的完成用户需求，只有复杂任务才会出现不同。在大模型能力差不多的前提下，场景挖掘与高质量数据，直接决定了 AI 应用的上限，而国内 TOC 场景的核心数据，集中在互联网大厂手中。

随着用户复杂任务需求的增加，创业公司在此时逐渐失速。

同时，未跑通的商业模式，也放大了创业公司的压力。

赵江杰表示，AI 应用的成本可分为前期人员开发、中期营销推广、后续运营维护，以及用户使用时消耗的算力。其中，API 调用是最大的支出，虽然大模型厂商都在卷价格，但要支持海量用户请求，这仍是一笔高昂的费用。

但目前 TOC 市场用户的付费意愿普遍低迷。

" 纵观国内平台型企业，从爱优腾（广告 + 会员）、抖音（广告）、淘宝（竞价排名）到美团（商家推广费），广告与流量变现仍是主流商业模式。让用户为 AI 应用直接付费，至今仍是一大难题。" 一位 AI 行业资深投资人直言，目前国内消费者为 AI TO C 应用付费的路径，几乎走不通。

图源 / pexels  

而 OpenAI、Anthropic、Perplexity 等创业公司能打造多款头部原生 AI 应用，与其 C 端用户对 AI 服务的付费接受度较高密切相关。OpenAI 曾表示，ChatGPT 今年预计能实现近 100 亿美元营收。

相比之下，大厂可以将 AI 应用视为整体 AI 战略的一部分，短期内不必过于在意盈利。

生态入口，则是大厂的另一张王牌。

潞晨科技创始人尤洋表示，大厂本身具有品牌优势和庞大的流量池，比如字节的短视频、腾讯的社交和游戏、阿里的电商，天然具备海量分发渠道。短期内，它们也可以不考虑投入产出比，通过大量推流获取免费用户。

更关键的是，大厂的非 AI 原生应用并不是 " 从零开始 "，本来已经积累了一批用户，只需在原有产品基础上进行 "AI 升级 "，就能在既有产品上收获用户，甚至凭借头部流量入口迅速登顶。

比如，打出 AI 概念后，2024 年 12 月，百度文库 AI 的 MAU 达 9400 万，同比增长 216%，环比增长 83%。

而创业公司的原生应用要跑出来，全靠 " 冷启动 "。比如 Kimi 曾靠投放短暂出圈，但缺乏长期留存手段，最终难以维持。

尤洋直言：" 可能大厂某一个产品单月的广告营销费用，比很多初创公司的融资总额还高。"

在这样的现实下，创业公司的 AI 原生应用想要突围，难度可想而知。

AI 应用市场，创业公司还有机会吗？

即便 AI 应用迎来爆发式增长，格局也趋于稳定，但从整体来看，它的用户规模和变现潜力仍处于早期阶段。

这些数据表明，AI 应用的用户粘性和付费意愿均在显著提升，整个市场远未到天花板。

同时，技术门槛的降低也给了创业公司更多机会。

从业者阿明介绍，在大模型的加持下，一个小型开发团队甚至个人开发者，在短短几天内就能开发出功能完整的 AI 应用。

赵江杰也提到，今年以 Cursor、Claude Code、Codex 为代表的 AI Coding 产品发展非常快，受益于模型 Coding 能力和 Agent 能力的提升，现在的 AI Coding 产品的能力基本覆盖了全栈开发，通过 prompt 输入实现一句话编程 ( vibe coding ) ，完成中等难度复杂度以下的整体项目搭建，这可以让 AI 应用的开发周期大大缩短，可能一两天就能做出 demo。

在这样的背景之下，创业公司想要从中分一杯羹并非没有机会。

赵江杰认为，创业公司决策链条短、行动迅速，能更专注地打磨单一产品，对市场变化和用户反馈的响应速度远超大厂。这种特性使创业公司更易避开与大厂的正面交锋，转而深耕垂直领域的细分场景。

尤洋回溯 AI 浪潮前的整体应用的发展历程，觉得即便大厂占据了做 AI 应用的先天优势，创业公司也还有空间。

" 许多如今知名的大厂应用，最初也是作为初创产品厮杀出来的。比如 PC 时代，微软垄断操作系统，但诞生了 Adobe、Autodesk 等垂直软件巨头；移动时代，苹果、谷歌垄断手机系统，但诞生了无数细分领域的应用和如今的大厂：字节、腾讯、阿里、Meta 等 "。

他认为，AI 时代的生态会分层：基础层比如预训练前沿底座大模型、建设超大规模算力集群是少数厂商的游戏，应用层则由大厂和数千家创业公司瓜分。

当然，并不是所有的 AI 应用都有生存空间。他认为创业公司在做 AI 应用时，可以考虑是否同时满足以下三点：

首先，场景高频刚需。

比如教育学习、信息检索、内容创作都属于用户高频使用的场景，问答类的 Perplexity、视频类的 Sora 都属于这一类。而一些泛 AI 类应用，可能同质化严重，用户新鲜感过后便选择离开。

其次，用户的投入产出要合适。

目前一些办公协作类 AI 应用比较有竞争力，能在短时间内显著提升用户的工作效率，甚至获得收益。

比如智能生成 PPT 的工具 AiPPT.cn 排名靠前，证明了只要能真正帮用户解决问题，用户就愿意长期使用。

最后，技术成熟度必须与场景容错度匹配。

内容生成、编程等领域天然适配 AI 的创作能力，用户需求量也大，对 AI 幻觉也有一定的容忍度，比起医疗、自动驾驶等 " 强制正确性场景 " 更适合创业公司做出快速落地产品。

总体而言，AI 应用赛道目前仍处于早期探索阶段，大厂凭借体量、生态和资源占据核心阵地，但创业公司可依靠技术锐度和垂直领域的深度创新，寻找突围。

* 题图来源于 pexels。

关注并【星标⭐】「定焦 One」

    第一时间收到精彩内容更新