从20亿美金独角兽到停摆：小冰败给的不是技术，而是这三个致命决策|openai|小冰|微软|沈向洋|活跃用户|独角兽|知名企业

小冰的崛起：技术理想主义的黄金十年

2013年底，微软内部启动了一个特殊的项目。与当时业界专注于"定闹钟、查天气"等任务型AI助手不同，这个团队选择了一条人迹罕至的路径：让AI先学情商，再学智商，尽可能像个人一样。这就是小冰的起点。

小冰团队提出了AI being定义，建立统一基础框架，实现数据、算法、算力的融合循环。他们刻意舍弃了大量与指令、搜索、任务相关的数据，而将重点放在用户的情绪、表达方式和互动习惯上。这种训练方式让小冰越来越"有人味儿"，众多用户将小冰当成朋友，向她倾诉感情与健康问题。

从2014年5月第一代小冰上线，到2018年，在全球范围内拥有了6.6亿用户。小冰成为全球AI发展史上一个绕不开的开创性产品，也是微软中国最大的本土创新。2020年分拆后，小冰迅速获得了一众明星投资人的投资，2022年11月获得最后一轮十亿人民币的投资，估值超20亿美金，成为名副其实的AI独角兽公司。

错失窗口期一：2022年大模型爆发前的战略犹豫

2022年，大模型爆发前夜，小冰内部团队判断Transformer架构的潜力尚未被挖尽，提出应尽快采购GPU、继续训练更大规模模型。但这一提议没有被采纳。

从时间上看，这次延迟影响直接。2022年底到2023年初，是基础模型能力快速拉开的关键窗口，小冰没有进入这一轮节奏。当OpenAI发布GPT-3.5后，微软宣布其产品全面接入OpenAI的GPT，搜索推出New Bing，Office推出Copilot产品。微软全面重注OpenAI，累计投资额达到了130亿美元。

除了来自大股东微软投资的最强劲敌OpenAI的竞争，国内竞争还来自多位原微软系高管创立的大模型公司，包括李开复的零一万物和姜大昕的阶跃星辰。在这样的环境下，小冰团队所坚持的"看起来不那么主流"的路径，变得更加困难。

关键启示：商业创新中，技术路线选择必须与市场节奏保持同步，错过关键窗口期可能导致不可逆的落后。

错失窗口期二：思维链技术被强行叫停的决策失误

李笛及团队基于COT（思维链）的判断，在2023年2月推出一个名为"小冰链"（小冰X-CoTA）的项目。团队通过观察发现，这一轮大模型真正重要的变化，并不在多模态或生成能力，而在模型开始具备一种更基础的能力：在生成答案之前，先进行一段"思考"。

然而，“小冰链"仅仅存活了一个月，便在同年3月被强行叫停，理由仅仅是"看不懂，不让做”。这成为小冰在技术路径上的第一个卡顿。

事实上，小冰在技术前瞻性上并不落后。2017年，小冰的生成模型在输出回答时，会自发产生一个思考过程，像人脑里的自言自语。李笛称之为"注意力的一次轻触"——这几乎就是后来ChatGPT引爆行业的思维链技术，但当时没人意识到它的价值，包括小冰自己。

关键启示：企业决策层需要建立对前沿技术的判断能力，避免因"看不懂"而扼杀创新项目。

错失窗口期三：日本业务独立分拆机会的放弃

2024年，半边身子陷入了泥潭的小冰，其实还有一次"自救"机会。当时，小冰在日本的分部Rinna做的不错，在开源领域可以和做出了Llama系列的Meta分庭抗礼，甚至拿下了东京电力公司的大客户，成为了他们的大模型供应商。

小冰聪明的地方在于，早在进驻日本之初，就把Rinna和国内的实体做好了区隔，以至日本的产经省一直没把Rinna看成一家中国公司的分部。如果这时Rinna能够独立分拆在日本上市，小冰无疑就能抓到这根弥足珍贵的救命稻草。

但这条出路，却没有获得公司的实际控股人沈向洋的首肯。据传，在小冰分拆时，占有70%股份的沈向洋和20%的李笛曾有"君子协定"：前者虽然持有大部分股权，但允许李笛保留对公司的决策权力。但结果上，沈向洋之于小冰，却似乎没有单纯持股这么简单。

关键启示：股权结构与决策权的分离设计必须要有法律和制度保障，否则容易在关键时刻失效。

资本博弈下的技术理想：控制权与初心的艰难平衡

随着沈向洋将关注重心向阶跃星辰倾斜，本就有些微妙的关系，矛盾便被摆到了台面上来。大股东加入上海这家年轻的独角兽，小冰的境况一时窘迫，引得二级市场的投资人们议论纷纷。

在内部，小冰也被迫做出技术上的区隔——有人说，小冰被要求砍掉一切和大模型相关的故事，也和沈向洋的新去处有关。在AI战事愈演愈烈，小冰急需GPU进行研发的关键当口，公司采购算力的需求，却被高层毙掉了——而另一边，小冰却接到了高层指令，要无息出借近6000万人民币，过桥给关联公司，供对方来采买GPU。而当时公司账上可动的预算，据说只有一个半月的钱。

数字经济应用实践专家骆仁童博士表示，创新从来不是纯粹的技术突围，更是在情怀与现实、控制权与初心之间的艰难博弈。而这场博弈留下的思考，远比事件本身更值得深究。

关键启示：技术型创业公司必须提前设计好资本进入后的决策机制，避免技术理想被资本逻辑吞噬。

商业创新的深层启示：技术路线与商业现实的融合之道

小冰的停摆，很容易被归为"没跟上这一轮大模型"。但事实是复杂的：在若干节点上，小冰反而走在时代前沿，只是因为各种力量推动滑向了另一种结局。

曾经备受资本追捧的大模型"六小虎"之一的零一万物，在经历2025年严重的人才流失潮后，于2026年1月被迫宣布将其大部分预训练和AI Infra团队并入阿里云的联合实验室，彻底放弃对超级大模型的追逐。专做垂直大模型公司波形智能，在成立仅一年半、刚拿完千万元融资就宣告解散。这意味着大模型本身，并不是一个确定性的答案。

早期小冰内部的预判也是如此，随着国内流水线般培养出上万名"模型训练产业工人"，单纯的算力堆砌与多模态军备竞赛，根本无法形成真正的技术壁垒。

关键启示：商业创新不能盲目追逐热点，必须建立自己的技术护城河和差异化优势。

多智能体协作的前瞻性：被埋没的技术方向

李笛真正在意的是"认知"与"异构多智能体"。未来的AI不会停留在单一模型或简单封装，而是会收敛到多智能体的协作体系。但关键不在于"数量"，而在于结构。

早先李笛曾系统性研究过人类学术体系的演化，来试图理解群体智能是如何形成的。后来发现真正高级的群体智能是一个向关键节点收敛的"熵减"过程，而现在许多agent框架搞"人海战术"，拼命往里塞专家和上下文，完全是一种"熵增"设计。其结果不仅是上下文管理走向崩溃，还会让AI陷入"群体愚蠢"。

其实分歧本质上仍然是对"智能从哪里来"的不同理解：到底是来自更大的规模，还是来自更有效的组织。这种观点也延伸到了他对产品形态的判断上。在相当长一段时间里，行业习惯用DAU、MAU来衡量一款AI产品的表现。但小冰内部认为那是一种"媚俗"的系统设计，早在2017年，小冰在上一代技术里就已经能做到单次会话、高达7000多轮的惊人数据。但恰恰是在那个节点，小冰主动放弃了将"对话轮数"作为核心KPI，转而关注这些"里程碑"式的节点——比如用户是否会在某个具体时刻，把AI当作可以讨论重要问题的对象；或者在某些决策上，开始真正参考它的建议，这些才能够让AI与人建立"长程关系"。

关键启示：真正的技术创新往往需要长期坚持，不能被短期的市场指标和资本逻辑所绑架。

附小冰时间线：从巅峰到停摆的关键节点