AI网文写作全景调研（九）：失败案例与死胡同——哪些路已经被证明走不通？

《60分天花板：AI网文写作行业全景调研》
全15篇（14篇正文+1篇开篇导读），覆盖13个主题：商业工具、开源项目、文风蒸馏、学术前沿、瓶颈分析、路线判断、行动指南、失败案例、合规政策、多模态、经济学、实验验证、方法论

调研范围：国内国外已停运、已转型、已被证伪的AI写作产品、项目和技术路线
样本量：16个失败/转型产品 + 7条被证伪的技术路线
研究方法：案例归纳法 + 失败模式聚类 + 技术路线证伪分析
核心问题：这些失败的案例，告诉了我们什么规律？

数据可信度说明：

• ✅ 停运/转型时间、融资数据：来自公开报道，可信
• ⭕ 用户数、流失率等运营数据：来自媒体报道和行业观察，可能有偏差
• ❌ "失败原因"的分析为综合判断，不同观点可能有不同解读

---

结论先行

16个失败案例 + 7条被证伪的技术路线，总结出5条铁律：

1. 浅层封装必死——基础模型自己能做的事，你没壁垒
2. 大厂下场的赛道，创业公司别碰——流量和生态是降维打击
3. 个人用户的付费意愿极低——30万用户都养活不了一个产品
4. 质量不达标，什么模式都白搭——商业模式建立在质量之上
5. 平台依赖型生意，必死——和平台对赌，迟早输

一句话总结：离"生成"越近越容易死，离"方法/评估/管理"越近越安全。

---

研究方法与数据来源

数据来源

• 已停运/转型的AI写作相关产品（国内8个 + 海外8个，其中海外含3个跨行业参考）
• 已被证伪的技术路线（7条）
• 来源：公开报道、产品官网、行业分析、创始人访谈

案例筛选

• 入选标准：已停运/已转型/已被证伪、与AI写作/内容生成直接相关、有公开信息可查
• 排除标准：纯传闻无公开信息的案例；与写作无关的AI失败案例（除CodeParrot/Sora/Builder.ai三个作为跨行业参考保留外）；团队内部分歧导致的失败（非模式性失败）
• 最终样本：国内8个 + 海外8个 = 16个产品/项目案例，加上7条被证伪的技术路线

分析框架

每个案例从4个维度分析：

1. 是什么——项目背景
2. 怎么死的——失败经过
3. 失败模式——归类（浅层封装/大厂挤压/变现困难/合规风险/技术过时）
4. 教训——可复用的规律

偏差说明

失败案例天然存在"幸存者偏差"的反面——我们看到的是"失败了且被公开讨论的"，还有大量"失败了但没人知道的"案例没被纳入。失败模式可能不完整。

案例分类说明

本文收录16个案例（13个写作工具 + 3个跨行业借鉴）。其中13个写作工具案例按"失败程度"分为三类：

类型	定义	代表案例
已停止运营	产品下架、团队解散、明确停更	讯飞写作助手、星月写作、Wuri、腾讯智影、蛙蛙写作
未达预期/转型	产品仍在，但原目标方向失败或大幅转型	Jasper、Copy.ai、Grammarly Expert Review（AI功能下架）、Subtl.ai
生态萎缩	产品本身还在，但开发者生态和用户活跃度显著下降	文涌Effidit、秘塔写作猫、彩云小梦续写生态、Giiso写作机器人

重要说明：

• "失败"是针对"AI写作工具/AI小说生成"这一特定目标而言的，不代表公司或产品整体失败
• 很多工具（如Grammarly、秘塔写作猫）作为校对/润色工具仍然成功，只是在"AI生成小说"这个方向上没有达到预期
• 海外案例中包含3个非写作工具（CodeParrot/Sora/Builder.ai），仅作跨行业失败规律参考
• 案例的判断基于公开信息和行业观察，可能有滞后或信息不全

---

一、国内失败/转型案例（8个）

1. 讯飞写作助手 — 2025年11月正式停运 [停运]

项目	详情
主体	科大讯飞
状态	2025年11月正式停运
失败模式	质量+成本双劣势

怎么死的：

• 讯飞自家的星火大模型在中文写作质量上不如DeepSeek/Qwen/豆包等通用大模型
• 垂直工具的形态又拼不过笔灵/蛙蛙等懂网文的产品
• 两头不靠，既没有模型优势也没有场景优势
• 成本上更是打不过免费的豆包/DeepSeek

教训：自己的模型质量不过关，又没有深度场景理解，做AI写作工具就是死路。 讯飞有自己的星火大模型，但在写作质量上拼不过通用大模型，垂直场景上又拼不过懂网文的工具——两头不靠。

2. 蛙蛙写作 — 团队解散，被OPPO收购 [停运]

项目	详情
主体	杭州引力智航科技（波形智能）
注册用户	号称30万
状态	团队解散，被OPPO收购
失败模式	变现困难 + 资本退潮

怎么死的：

• 用户量不小（30万注册），但付费转化率极低
• 用户觉得"AI写小说"应该是免费的，不愿意付费
• 融资环境恶化，资本不再为"AI写作工具"买单
• 最后团队被OPPO整体收购，产品方向转向OPPO内部应用

教训：AI写作工具的付费意愿远比想象的低。 大家都想用AI写小说，但真让他每月掏钱，大部分人不愿意。这是整个行业的问题——不是产品做得不好，是用户愿意为这件事付的钱本来就少。

3. 星月写作 — 番茄整治AI后全军覆没 [停运]

项目	详情
定位	专门服务于番茄等平台的AI批量发文团队
状态	创始人群聊解散，业务停摆
失败模式	合规与监管风险

怎么死的：

• 曾经很火——批量生成、批量投稿、靠平台流量分成赚钱
• 番茄小说2024-2025年陆续出台AI内容管控政策，纯AI生成内容被降权、限流、甚至封号
• 没有了平台流量扶持，整个商业模式直接崩塌
• 团队直接解散

教训：靠平台漏洞赚钱的生意，平台一封杀就没了。 任何"批量AI发文赚平台钱"的模式，本质都是和平台对赌——平台迟早会堵这个漏洞。

4. 腾讯智影 — 2025年6月停服，9月全面暂停 [停运]

项目	详情
主体	腾讯
状态	2025年6月停服，9月确认全面暂停
失败模式	大厂内部赛马失败 + 赛道退潮

怎么死的：

• 数字人/AI写作/AI视频全能型工具
• 腾讯内部赛马的产物，资源投入不小
• 但AI写作只是它的一个功能，不是核心
• 数字人赛道整体退潮后，整个产品被砍

教训：大厂的AI写作工具，大部分都是内部实验品。 哪天战略变了就砍了，别太依赖。

5. 文涌Effidit — 腾讯AI Lab研究原型，大模型时代被边缘化 [萎缩]

项目	详情
定位	腾讯AI Lab研究原型，英文+中文写作辅助
状态	仍在维护，但被边缘化
失败模式	研究原型 vs 产品化的鸿沟

怎么死的：

• 腾讯AI Lab的学术研究项目，不是商业产品
• 大模型时代，纯规则+小模型的写作辅助方案被通用大模型全面超越
• 研究团队重心转移，产品维护降级

教训：技术路线迭代太快了。 投入几年研发的产品，可能一个新模型出来就全过时了。

6. 秘塔写作猫 — AI写作功能不可用，仅剩基础纠错 [萎缩]

项目	详情
定位	AI写作 + 纠错 + 降重
状态	AI写作功能基本不可用，退化为基础纠错工具
失败模式	质量跟不上 + 合规风险

怎么死的：

• 曾经是国内最早的AI写作工具之一
• 但大模型时代后，生成质量被通用大模型超越
• 加上内容安全和合规压力，AI生成功能越做越保守
• 最后就剩下最基础的语法纠错还能用

教训：如果你跟不上基础模型的进步，做垂直AI工具就是等死。 基础模型每半年上一个台阶，垂直工具如果不能在场景深度上持续拉开差距，迟早被反噬。

7. 彩云小梦续写生态 — AI续写宇宙热潮消退 [萎缩]

项目	详情
定位	AI续写/互动式创作
状态	主产品还在，但衍生生态衰退
失败模式	娱乐向工具的留存天花板

怎么死的：

• 2022-2023年"AI续写宇宙"很火，用户用AI续写各种故事
• 但本质上是娱乐向工具，不是生产力工具
• 用户新鲜感过去后，留存和付费都上不去
• 主产品还在，但衍生项目陆续停了

教训："AI写小说"如果定位成娱乐，那就是个快消品——来得快去得也快。 只有定位成生产力工具，才有长期价值。

8. Giiso写作机器人 — 前大模型时代技术路线被淘汰 [萎缩]

项目	详情
定位	自媒体/公文/营销文AI写作
状态	基本淡出市场
失败模式	模板化写作被大模型全面超越

怎么死的：

• 2019-2021年很火，主打"一键生成营销文案"
• 技术路线是模板+填充，本质上是高级模板引擎
• 大模型出来后，生成质量和灵活性全面碾压
• 现在基本没人用了

教训：前大模型时代的"模板+填充"路线，在大模型面前没有生存空间。 如果你的产品本质是"规则引擎"，迟早被AI替代。

---

二、海外失败/转型案例（8个）

写作工具类（5个）

1. Jasper AI — 15亿估值独角兽，用户流失60% [转型]

项目	详情
估值	最高15亿美元
定位	AI营销文案写作
状态	用户流失严重，两次转型
失败模式	浅层封装被基础模型吞噬

现状（未停运，但已不是原来的样子）：

• 2022年最火的AI写作工具之一，估值15亿
• 本质就是套了GPT的壳做营销文案模板
• ChatGPT出来后，用户直接用GPT了，为什么还要付Jasper的钱？
• 流失60%用户，被迫从"AI写作工具"转型成"营销运营平台"

教训：浅层封装=死路。 如果做的事情，基础模型自己就能做，用户为什么要多花钱买你？

2. Copy.ai — 从AI写作工具被迫转型为GTM企业平台 [转型]

项目	详情
定位	原AI营销文案工具，现GTM平台
状态	被迫转型
失败模式	同Jasper——浅层封装被吞噬

怎么转型的：

• 和Jasper差不多同时期、差不多定位
• 同样遇到ChatGPT的冲击，个人用户大量流失
• 被迫转向企业市场，做GTM（Go-To-Market，市场进入策略）平台
• 从"写文案的工具"变成了"销售营销全流程平台"

教训：同上。个人To C的AI写作工具，在基础模型免费化的趋势下，没有生存空间。

3. Wuri（YC W24）— AI视觉小说，典型浅层封装失败 [停运]

项目	详情
定位	AI视觉小说创作
背景	YC W24批次
结局	上线后用户增长停滞，团队解散

怎么死的：

• 把AI写作+AI绘画拼在一起做"视觉小说"
• 本质上就是调两个API（写作+绘图）
• 质量不稳定，用户留存差
• YC的牌子也救不回来

教训：YC也会投AI壳子项目，但结局都是一样的。 只要是"调两个API拼一下"的模式，不管谁投都活不长。

4. Subtl.ai — 企业AI写作，Pilot多但付费转化极低 [转型]

项目	详情
定位	企业级AI写作助手
状态	失败/转型
失败模式	伪B端需求 + 转化低

怎么死的：

• 做企业内部的AI写作工具
• POC（概念验证）做了一堆，每家都说好
• 真到了要付钱的时候，没人愿意签合同
• 企业觉得"我们直接买ChatGPT企业版就行了，为什么要单独买你？"

教训："AI写作"作为独立的企业产品，很难成立。 除非你的场景深度远超通用工具，否则企业不会单独付费。

5. Grammarly Expert Review — 风格模仿功能因版权争议下架 [转型]

项目	详情
定位	模仿某作家风格改写
状态	功能下架
失败模式	版权风险

怎么死的：

• Grammarly推出了"模仿某作家风格改写"的功能
• 刚上线就遭到多位作家和出版社的强烈反对——“你凭什么用我的作品训练风格模仿？”
• 法律风险太大，功能被迫下架（后来改为先征求作者许可再使用）

教训：风格模仿/文风蒸馏的版权风险是真实存在的。 你可以私下玩，但做成产品商用，就要小心了。尤其是直接用某位在世作家的作品训练风格模型，风险极高。

跨行业警示（3个，非写作工具，仅作AI产品失败规律参考）

1. CodeParrot（YC W23）— AI代码写作，MRR仅$1.5K就关了 [停运]

项目	详情
定位	AI辅助代码写作工具
背景	YC W23批次，主打"AI找bug+生成单元测试"
结局	上线6个月MRR仅$1,500，团队解散，产品开源

失败原因：

• 用户觉得"这个功能我自己写两行代码就行"
• 同赛道有Copilot这种大厂免费工具
• 差异化不足，付费意愿低

教训：如果基础模型+现成工具能覆盖你的核心功能，创业公司没机会。

2. OpenAI Sora — 最受期待的AI视频产品，2026年4月关停 [停运]

项目	详情
定位	文本生成视频模型
背景	OpenAI 2024年发布，曾是最受期待的多模态产品
结局	2026年4月宣布停止服务，团队并入其他项目

失败原因：

1. 成本过高——生成1分钟视频成本数百美元，商业化困难
2. 质量不达预期——能出惊艳样片，但实际可控性差，一致性差
3. 需求错配——专业创作者需要的是可控的工具，不是"随机出片"的玩具

教训：技术上的突破不等于商业上的成功。 样片惊艳不代表产品可用。

3. Builder.ai — 15亿估值独角兽倒闭，4.45亿融资烧完 [停运]

项目	详情
定位	AI自动生成APP/网站
背景	估值15亿美元的独角兽，融资超4.45亿美元
结局	2025年破产清算，资产被贱卖

失败原因：

• “AI自动生成APP"的承诺严重过度——实际输出的质量远达不到"可用”
• 交付成本高企，每个项目都需要大量人工兜底
• 估值泡沫破裂，后续融资断链

教训："AI全自动"的营销承诺，如果实际做不到，泡沫破裂只是时间问题。 越是高估值，越要警惕。

---

三、7条被证伪的技术路线

以上16个产品案例揭示了商业层面的失败规律。以下则从技术层面总结7条已被证伪的路线——有的是论文证明不行，有的是工业实践证明不行。别再踩了。

❌ 路线1：纯GAN生成小说 — 完全走不通

证据：Caccia et al. (2018) “Language GANs Falling Short”，被引300+次
原因：

• 离散token无法直接回传梯度（即GAN依赖的梯度优化方法不适用于离散文本）
• 模式崩塌（mode collapse）——模型只会反复生成少数几种固定内容
• 调了温度的MLE（最大似然估计）就比GAN效果好

结论：GAN在文本生成上被MLE/自回归完败。这条路是死路。

❌ 路线2：纯RL/RLHF端到端写小说 — 行不通

证据：多次尝试 + 工业实践
原因：

• RL在局部优化（比如让语气更友好、让推理更准确）上有用
• 但在"生成整本小说"这种长程任务上，奖励信号极其稀疏，模型学不到东西
• RLHF（通过人类反馈训练）更适合对齐安全性和偏好，不适合端到端创作

结论：RL是辅助手段，不是主力。端到端用RL写小说，行不通。

❌ 路线3：纯RAG保证长篇一致性 — 帮助有限

证据：2026年多项研究 + 工业实践
原因：

• 简单的向量检索式RAG（即不做额外结构化处理的RAG）检索失败率约40%——经常找不到真正需要的信息
• chunk切分打断了全局叙事连贯性
• RAG擅长"找事实"，不擅长"追踪情节发展"
• 小说不是知识库，是状态机——RAG解决不了状态追踪问题

结论：RAG能辅助，但不能作为长篇一致性的保证方案。

❌ 路线4：单轮直出（direct prompt）写长篇 — 完全不可行

证据：系统实验验证（见实验笔记系列，单章节实验证明多轮迭代优于单次直出）+ 行业共识
原因：

• 单次生成质量随长度递减，超出一定长度后质量快速下降（实验笔记系列各实验均为单章级）
• 上下文窗口的实际有效率远低于宣称值——号称128K，真正能用的可能只有前20K和后20K（行业共识）
• 长篇需要多轮迭代和状态管理，单轮做不到

结论：单轮直出写长篇，技术上不可行。必须拆解成多轮+状态管理。

❌ 路线5：Beam Search写故事 — 经典失败路线

证据：Holtzman et al. (2019) 经典论文"The Curious Case of Neural Text Degeneration"
原因：

• 开放式生成中，beam search（束搜索，追求概率最高的序列）生成的文本更平庸、更重复。相比之下，nucleus sampling（核采样，一种倾向于从低概率候选中采样的策略，能增加多样性）效果更好
• beam search追求"概率最高"，但好的故事恰恰需要"出人意料"
• 现在写故事/创意类内容，清一色用nucleus sampling或top-k采样，没人用beam search

结论：Beam Search写创意内容，是经典错误。已被学界和工业界公认。

❌ 路线6：小模型单作者风格微调 — 效果差副作用大

证据：系统实验验证（见实验笔记系列）+ 工业实践
原因：

• 小规模微调只能学语言层（词汇、句式），学不到结构层（叙事方法）
• 数据量少（几千到几万字）学不到实质性的风格
• 副作用：灾难性遗忘、通用能力下降
• 实验笔记系列验证：QLoRA微调16次尝试，只能学词汇级文风，学不到段落级叙事结构

结论：单作者小规模微调，效果差、成本高、副作用大。不值得投入。

❌ 路线7：MoE天然擅长写小说 — 无证据支持

现状：MoE微调研究 + 工业实践
原因：

• MoE（混合专家）微调比密集模型更不稳定、更容易过拟合
• 没有主流写作产品主打MoE模型

这不是"MoE一定不行"的定论，而是"当前没有证据表明MoE在创意写作上有特殊优势"的判断。如果未来有MoE模型在写作任务上显著优于同级别密集模型（Dense），这个结论需要更新。

---

四、五条死规律

调研了16个失败案例和7条被证伪的路线后，总结出5条规律：

规律1：浅层封装必死

如果做的事情，基础模型自己就能做（或者加个简单的prompt就能做），几乎没有生存空间，最终会被淘汰。

规律2：大厂下场的赛道，创业公司别碰

代码写作有Copilot，网文写作有阅文妙笔/番茄作家助手——大厂自带流量和生态，创业公司打不过。

规律3：个人用户的付费意愿极低

30万注册用户的产品都活不下去。愿意为"AI写小说"持续付费的人，比你想象的少得多。

规律4：质量不达标，什么模式都白搭

不管你融了多少钱、团队有多牛、有多少用户——只要AI生成的质量达不到"可以直接用"的标准，商业模式就不成立。

规律5：平台依赖型生意，必死

靠平台分成赚钱的AI批量发文模式，平台一旦整治就全没了。和平台政策对赌，迟早输。

---

五、什么路可能还活着？

避开上述死规律，还有生存空间的路线：

1. 评估/质检/流程工具——离"生成"远，离"管理"近，基础模型替代不了
2. 垂直场景的深度工具——如果场景深度远超通用模型，就有壁垒
3. 方法论/内容资产——可解释、可复用、能指导生成，这是真正的护城河
4. 人机协作的辅助工具——不替代人，而是帮人做得更好

核心判断：越靠近"生成"越容易被吞噬，越靠近"评估/管理/方法论"越安全。

---

趋势判断（未来6-12个月，高不确定性）

以下判断基于当前信息推演，不确定性很高，仅供参考，不作为决策依据。

[还会有更多AI写作工具死亡，尤其是没有核心壁垒的套壳类和浅层封装类] — 本文总结的"浅层封装必死"规律已经被大量案例验证。基础模型能力持续提升，简单套壳的价值会被进一步压缩。6-12个月内还会有一批工具淘汰出局，死亡名单里大部分是没有技术深度、靠营销获客的产品。

["AI一键成书"类产品会反复出现，割韭菜的循环还会继续] — 尽管"一键出可发稿"当前技术上根本做不到，但总有新用户被营销话术吸引，总有创业者想用这个概念割一波。这种产品的生命周期通常很短（6-18个月），但会死了一茬又来一茬，因为需求和信息差永远存在。

[失败的主要模式会从"技术不行"转向"商业模式不行"，技术达标后赚钱反而成了更大的问题] — 早期失败的项目大多死在技术不够、质量不达标。但随着基础模型和开源框架的进步，“做出一个能用的产品"的门槛在降低。反而"怎么让用户持续付费”"怎么赚钱"成了更大的难题——个人用户付费意愿低、大厂挤压、获客成本高，这些商业层面的问题会比技术问题更致命。

[评估/质检/流程工具类的项目会活得更好，离"生成"越远越安全] — 本文判断"越靠近生成越容易被吞噬，越靠近评估/管理/流程越安全"。6-12个月内这个趋势会更明显。做生成工具的会被基础模型和大厂压得很难受，而做质量评估、内容管理、工作流集成的项目反而有更稳定的生存空间。

---

边界与局限

本文的案例分析有以下边界：

1. 样本偏差：只收录了"公开讨论过"的失败案例，还有大量"静默失败"的没纳入
2. 时间滞后：案例状态基于公开信息，可能有滞后
3. 归因主观性："失败原因"是事后归因，可能有偏差
4. 幸存者偏差：我们只看到失败的，看不到"同样模式但活下来"的
5. 国别差异：国内和海外市场的失败模式有差异，不能完全套用

---

本文为《60分天花板》系列第7篇
上一篇：P6c（行动指南）
下一篇：P8（合规篇）