AI 创业的死亡清单：泡沫周期里的失败模式

每一轮技术浪潮都伴随创业公司的批量死亡，AI 浪潮也不例外——而且因为迭代速度快、成本结构特殊，这一轮的死亡样本积累得格外快。把公开可观察的失败模式整理成一张「死亡清单」，价值有二：创业者可以避坑（每一种死法都有前兆症状），投资人可以尽调（每个模式对应一组尽调问题）。本篇整理六种最典型的死亡模式。

死法一与死法二：套壳死亡与成本死亡

死法一：套壳死亡（无护城河的包装层）。最早的 AI 创业死亡潮：在 GPT 的 API 上包一层界面（「GPT 的皮肤」），功能单一、无独有数据、无分发——上游一次模型升级，产品价值清零（OpenAI 的每次发布会都是一批套壳公司的生死日：发布会演示的功能，正是创业公司卖了一年的功能）。死亡的前兆症状：产品演示的第一句话是「我们接入了 XX 大模型」；尽调的核心问题：「如果明天上游模型免费提供你现在收费的所有能力，你的公司还剩什么？」——答案必须在你对上游的依赖之外（专有数据、私有分发、深度工作流——本库《估值逻辑》的护城河变量）。死法二：成本死亡（算力烧穿现金流）。AI 创业特有的死法：收入在涨、算力成本涨得更快——每新增一个用户都带来真实的推理成本（本库《估值逻辑》讲的成本结构），融资的节奏若跟不上烧钱的速度，账上现金归零。前兆症状：毛利率为负且趋势不改善、收入的增长依赖补贴性的免费额度。尽调问题：「你的毛利曲线什么时候转正？靠什么转正？」（推理成本的下降速度、付费转化率、高价产品的占比——三个变量中至少一个要有清晰的改善路径）。本库《估值逻辑》的「毛利改善曲线」在这里从估值变量变成生死变量。

死法三与死法四：场景死亡与巨头碾压死亡

死法三：场景死亡（伪需求与低频需求）。技术找场景的失败：演示惊艳但无人付费——「能用」不等于「有人愿意为之改变习惯」（AI 生成头像的应用火了一周就凉——低频的玩具需求撑不起公司）。细分形态：低频需求（一年用一次的场景养不活产品）、可替代（用户用通用聊天模型自己就能完成，无需专门产品）、付费主体错位（受益的人不付费、付费的人不受益）。尽调问题：「用户现在用什么替代你的产品？替代方案的成本是多少？」——你的价值 = 替代方案的成本 − 你的定价；替代方案是「什么都不做」时，价值论证最难。死法四：巨头碾压死亡（赛道撞上巨头的发布）。创业公司在一个细分场景深耕多年，巨头的一次发布会宣布了同款功能（且免费、且内置于亿级用户的产品）——本库《套壳死亡》的加重版：巨头碾压的可怕不在功能本身，在于分发（巨头的产品预装在操作系统与办公套件里，独立产品的分发被釜底抽薪）。前兆症状：你的赛道出现在巨头发布会的「生态」章节里。应对：避开巨头的核心路径（巨头做通用能力，创业公司做行业纵深与最后一公里的定制——本库《法律业》《制造业》的行业纵深逻辑）、或者把「被收购」作为体面的退出预案（对巨头而言，买一个成熟团队常比自研快）。

死法五与死法六：合规死亡与信任死亡

死法五：合规死亡（政策红线）。AI 创业的高压线在本库 AI 安全系列已有系统论述，这里是产业视角的重申：生成内容的合规（标识、备案——本库《中国生成式 AI 监管地图》）、数据合规（训练与用户数据的法律边界——本库《AI 版权诉讼》）、行业准入（医疗、金融、教育的牌照场景）——合规死亡的特征是「突发且不可逆」（一纸处罚、一次下架、一起诉讼就能终结公司）；前兆症状：产品的增长依赖「灰色地带的红利」（未标识的生成内容、未经授权的数据、擦边的应用场景）——灰色红利是负债，不是利润。死法六：信任死亡（一次事故的品牌终结）。AI 产品的事故（幻觉造成用户损失、数据泄露、输出有害内容被舆论曝光）引发信任崩塌——本库危机公关篇的整套逻辑在此适用，而 AI 产品有一个加重项：AI 产品的事故天然自带「AI 不靠谱」的行业叙事加成（媒体对 AI 事故的报道意愿远高于传统软件事故）。前兆症状：产品的事故率在被舆论曝光的临界点附近、客服与申诉的通道堵塞。应对：本库《事故报告制度》与《使用政策设计》的整套纪律——AI 创业公司的信任账户，开户金额低、取款门槛高，每一笔都省着花。六种死法汇总成一个元规律：AI 创业的死亡清单，本质是「技术民主化」与「商业壁垒」之间矛盾的清单——技术人人可得之后，壁垒只能来自数据、分发、行业纵深与信任；清单上的每一种死法，都是壁垒缺失的一种形态。

失败模式的组合症：多数死亡是「复合死」

死亡清单的六种死法在现实中很少单独出现——多数死亡是复合死：套壳 + 场景死亡（用 API 做了个无人要的功能）、成本 + 巨头死亡（烧钱做大模型 API 应用，巨头免费发布同款）、合规 + 信任死亡（灰色增长被曝光，用户与监管同时反噬）。复合死的诊断价值：它提醒创业者与投资人，死亡的原因从来是「多因素共振」——单一的弱点可以靠融资与增长掩盖，多个弱点的共振无法掩盖。诊断的框架：给六种死法各打一个风险分（高中低），两个以上「高」的组合就是死亡倒计时——套壳高 + 成本高（既无壁垒又在烧钱）的组合几乎必死；场景低 + 合规低的组合可以慢慢调整。「复合死」对创业节奏的含义：融资与增长的节奏应该服务于「消灭复合高」——每一轮融资应该明确地消除一种死亡风险（这轮融资建数据壁垒消灭套壳风险、下轮的现金流消灭成本风险），融资本身不是成就，消除死亡风险才是融资的目的——把这个逻辑讲清楚的公司，也更容易融资（投资人听得懂「你在消灭哪种死法」）。

反面清单：AI 创业的「活得好」样本特征

死亡清单的镜像是一份「活得好」的样本特征——从存活的 AI 公司提炼的共同点，比死亡清单更有指导性。特征一：钉在「行业纵深」上——活得好的 AI 公司多数在特定行业深扎（本库《法律》《医疗》《制造》的行业纵深逻辑），行业的 know-how 与客户关系构成 AI 能力之外的护城河。特征二：握有「专有数据飞轮」——产品使用产生独有数据，数据反哺产品（用户越多产品越好——飞轮的启动需要产品设计时就把「数据回流」设计进去）。特征三：算清了单位经济——每个客户、每次调用的成本与收入算得清清楚楚（本库《估值逻辑》的收入质量），增长的每一步都是「有毛利的增长」。特征四：对上游保持「可替代性预案」——不把命押在单一模型厂商（多模型的兼容设计、自研的小模型兜底——上游的每次涨价与降智都有预案）。特征五：合规与信任被当作资产经营——透明度报告、安全认证、合规团队的前置投入（本库 AI 安全系列的治理清单）——在 AI 行业，合规与信任正在从成本项变成竞争资产（企业客户采购 AI 的尽调越来越严，合规就是订单的入场券）。反面清单与正面特征合起来的元结论：AI 创业的幸存者公式 = 行业纵深 × 数据飞轮 × 单位经济 × 可替代预案 × 信任资产——五项相乘，缺一项都是短板。

「死亡清单」的创业版用法：把清单变成融资叙事

死亡清单对创业者的最高级用法，是把它变成融资叙事的一部分：在 BP 里主动回答「你为什么不会死」。用法的形式：BP 的专门章节，逐条对照六种死法陈述自己的防御——「我们不是套壳：我们的专有数据是……」「我们不会成本死亡：毛利曲线是……」「我们不踩红线：合规团队与资质是……」。这种「主动对表」的妙处有三层：其一，它展示了创始人的认知成熟度（知道死亡清单的存在，说明做过功课——本库语境里「认知的成熟」是投资人筛人的隐性标准）；其二，它把尽调的对抗变成协作（投资人本来就要问这些问题，你先答了，尽调就成了确认而不是审讯）；其三，它逼团队自己面对最脆弱的问题（写不出防御条目的死法，就是公司真正的死穴——清单是镜子，不是护身符）。死亡清单的创业用法总结：所有的失败清单，最好的读法都是「对照自己」——读到某一条心虚了，恭喜你，你刚刚免费获得了一次活下去的机会。

小结

AI 创业死亡清单收成四条：套壳死亡——「上游免费提供你的全部能力时你还剩什么」是终极尽调题；成本死亡——毛利曲线的转正路径是生死变量，收入增长不等于公司健康；场景死亡与巨头碾压——「能做」不等于「有人改变习惯」，巨头发布会是你赛道的天气预报；合规死亡与信任死亡——灰色红利是负债，AI 产品的信任账户开户金额低、取款门槛高。死亡清单的元规律：技术民主化之后，壁垒只能来自数据、分发、行业纵深与信任——创业者的全部功课，就是在技术之外，把至少一样壁垒建在自己名下。

参考资料

本库前篇：《AI 公司的估值逻辑》《AI 投资的十年周期》《危机公关经典案例群》《AI 安全与治理系列》
初创公司失败分析的公开数据库与行业复盘报告
本库《法律业》《制造业》—— 行业纵深路线的正面样本