问题——减亏见效与增长承压并行，转型进入关键窗口期； 3月下旬，上海全球开发者先锋大会现场，商汤科技以“一键装虾”等互动体验吸引观众排队，围绕会议记录、内容改写等高频场景集中展示产品能力，并发布AI语音开放平台、推出智能体轻量化入口、组织技术工作坊。与以往更强调底层模型规模不同，此次对外呈现更突出“应用化、平台化、生态化”，意在面向开发者建立入口与工具链，提升触达效率与落地速度。 但会场热度之外，财务与业务数据表现为结构性矛盾。公司2025年财报显示，净亏损明显收窄、下半年EBITDA转正等指标释放积极信号；同时，作为核心增长引擎的生成式AI业务增速较前期回落，算力运营有关成本上升幅度较大。“减亏成效”与“增长放缓”叠加，使其转型成效更受外界关注。 原因——“做减法”改善短期报表，增长与成本两端仍待破题。 一是资产剥离带来一次性收益，阶段性改善报表表现。近两年公司持续调整业务结构，聚焦生成式AI与视觉AI双核心，并对智能汽车、机器人等业务采取拆分独立运营安排。2025年下半年，部分“X”业务相继出表，财报中“其他利得净额”规模较大，包含出售附属公司形成的收益。这类收益有助于短期修复利润与现金流指标，但对主营经营能力的代表性有限，市场更关注剔除非经常性项目后的经营质量与增长韧性。 二是人员与费用压降释放短期弹性，但可能带来中长期约束。数据显示，公司员工规模在一年内明显下降，销售、行政等费用同步收缩。通过组织瘦身与费用优化实现阶段性“止血”，是科技企业在周期波动与转型压力下的常见做法，有助于争取时间窗口。然而，若研发投入同步收缩，叠加核心技术人才流动，可能影响模型迭代、工程化能力与产品差异化。外界也注意到公司研发开支阶段性回落，这既反映管理层提升人效的导向，也意味着成本约束在加大。 三是生成式AI商业化进入“规模化落地”阶段，成本结构更敏感。生成式AI从训练走向行业应用，往往需要更复杂的工程交付、更多推理调用与更稳定的算力保障。若应用侧增长放缓而算力成本持续上行，利润改善将承压。这也解释了公司近期更强调应用入口与平台能力——通过工具化、产品化降低交付摩擦，以更高复用率摊薄成本。 影响——收入结构趋于集中，盈利质量与技术储备成为焦点。 一上，业务聚焦后收入来源更集中，对生成式AI板块表现的依赖度提高。行业竞争加剧、同类产品供给增加的背景下，增速放缓会放大市场对其“持续增长路径”的敏感度。 另一上，依赖非经常性收益与费用压降实现的减亏，容易引发对盈利质量的讨论。投资者与产业伙伴更关心的是：公司能否依靠稳定、可复制的产品与平台，在不持续高强度投入的情况下实现正向现金流与可持续盈利。 此外，人才流动与研发节奏变化也会影响外界对其技术领先性的预期。生成式AI竞争不仅在模型能力，也在数据治理、工程化体系、推理效率、行业Know-how与开发者生态。若研发投入与人才队伍波动，可能削弱其中长期竞争力。 对策——以应用与生态换增长，以效率与治理稳成本，以聚焦与协同保创新。 从公司在大会上的动作看，其应对思路逐步清晰：一是加强应用层供给，围绕语音、多模态、智能体等方向形成可直接调用的产品能力，通过开发者入口提升分发效率与场景覆盖；二是推进平台化，完善开放接口与工具链，让合作伙伴“用得起、接得上、跑得稳”，以生态扩张降低单项目交付成本；三是优化算力与运营体系，通过模型压缩、推理加速、资源调度与成本核算精细化，缓解算力成本对利润的挤压；四是在收缩非核心业务的同时，尽量稳住关键研发投入与核心人才，避免在降本中削弱技术底座。 对企业而言，“聚焦”不等于简单收缩，而是在有限资源下把关键能力做深做强，把可规模化复制的产品路径跑通。 前景——应用落地与成本曲线将决定下一阶段竞争位势。 展望下一阶段，生成式AI产业进入“从可用到好用、从试点到规模”的转换期。谁能建立高性价比的模型与平台能力，谁更可能在企业服务市场获得稳定订单与续费。商汤若能依托开发者生态沉淀更多可复用应用、提升推理效率并稳定核心研发队伍，减亏成果有望向可持续盈利延伸；反之，若增长继续放缓而成本难以下行，财务改善可能更多停留在阶段性层面。
商汤科技的转型轨迹折射出中国AI产业的典型难题：从技术突破到商业变现之间，存在显著的成本压力与生态建设门槛。随着资本市场对“叙事型增长”的耐心下降，企业必须在生存与发展、收缩与扩张之间找到更清晰的平衡。这场压力测试不仅关乎单个企业的走向，也将为行业的转型路径提供参照。