过去两年，资本市场对AI的热情几乎到了癫狂的程度。只要BP里带上“大模型”三个字，融资路演现场就能坐满投资人。但进入2025年第三季度，风向明显变了。多家头部机构的内部报告显示，AI项目尽调周期拉长了一倍，对收入模型的追问从“未来能有多大”变成了“现在到底有多少”。这种看似保守的转向，并非行业遇冷，而是企业终于开始算清三笔最现实的账。
第一笔账是算力成本的真实回报率。去年，不少企业把上万个GPU当作军备竞赛的筹码，认为只要算力堆得够高，模型能力自然领先。但今年上半年，一家头部云厂商公布的数据戳破了这层窗户纸：其大模型推理服务的单位成本同比下降了百分之六十，但客户实际付费调用量只增长了百分之三十。这意味着大量算力在闲置，而闲置的每一分钟都在烧钱。如今，精明的CTO们不再问“能买多少卡”，而是问“每张卡每天能产生多少有效token”。那些靠融资输血、不计成本囤算力的创业公司，正在被银行和二级市场用脚投票。相反，专注推理优化、用算法压缩模型体积的团队，反而拿到了更多订单，因为客户发现，把模型从千亿参数压到百亿，准确率只掉两个点，但电费账单能砍掉一半。
第二笔账是数据飞轮是否真的转起来了。过去讲AI故事，必提“数据飞轮”：用户越多，数据越多，模型越好，然后吸引更多用户。但现实是，很多垂直领域的AI产品，用户用完一次就走了，根本没有产生持续交互。一家做智能客服的上市公司在财报电话会上承认，其模型迭代所需的高质量对话数据，超过七成仍依赖人工标注团队，而非真实用户反馈。这暴露了一个尴尬事实：通用数据已经快被大厂薅光了，而私有数据又因为合规和隐私问题难以流通。现在，企业开始算这笔账：与其花三千万买数据清洗服务，不如直接和行业软件公司深度绑定，把AI嵌入对方的ERP或CRM流程里，用真实的业务流来产生数据。这种“嵌入式数据获取”模式，正在取代过去那种“先攒数据再训练”的粗放打法。
第三笔账是商业化落地的周期错配。投资人过去习惯用互联网思维看AI，觉得可以烧五年再盈利。但AI企业的成本结构完全不同，没有网络效应带来的边际成本递减，反而有持续增长的推理算力支出。一家做AI绘画工具的公司，月活做到两百万，但每个月要付给云厂商的推理费用就吃掉毛利的百分之八十。创始人不得不承认，用户增长和亏损增长是同步的。现在，企业开始重新设计商业模式，不再追求大而全的C端流量，而是转向B端项目制交付。比如，同样一套图像生成模型，打包给电商平台做商品图批量生成，按张收费，虽然单量小，但毛利率能到百分之五十以上。这种从“平台梦”到“卖水人”的转变，虽然听起来不够性感，却让现金流第一次变成了正数。
这三笔账算清楚之后，行业的玩法彻底变了。以前是比谁讲故事大，现在是比谁算得精。我们看到三个明显趋势：第一，AI公司开始大量招聘有传统行业经验的销售和交付人员，而不是只招算法博士；第二，开源模型的价值被重新评估，企业不再盲目追求自研基座模型，而是用开源模型做微调，把省下来的钱投到场景适配和售后支持上；第三，并购潮出现，大厂开始收购那些拥有独特行业数据但资金链紧张的小团队，而不是收购有炫酷技术但没收入的明星公司。
这并非AI的冬天，恰恰是春天的前奏。当资本退潮，留下的不是裸泳者，而是真正会游泳的人。那些算清了成本、数据、落地周期三笔账的企业，正在用更慢但更稳的速度构建壁垒。而AI行业，也终于从概念验证期，进入了工程化兑现期。对于从业者来说，这或许意味着告别一夜暴富的幻想，但迎来了一个可以持续二十年深耕的实打实的赛道。