智東西（公眾號：
zhidxcom
）
作者
|
香草
編輯
|
漠影
大模型加速狂飆，AI商業化卻面臨巨大鴻溝。
一方面，傳統企業不知道怎麽將AI融入原始業務，另一方面，AI企業難以找到合適的變現方式。AI企業究竟該如何突破商業化之困？B端和C端，呈現出兩種不同的路徑。
縱觀海外的AI玩家，已經有許多企業闖出自己的商業化道路。B端如 微軟、Salesforce ，將AI技術整合到傳統產品中並提供垂直客製服務；C端如 OpenAI、Midjourney ，向個人使用者提供生產力解放工具，並以付費訂閱模式變現。
而國內雖然起步較晚，但仍有不少企業在積極探索商業化路徑， 百度、阿裏、字節跳動、360、訊飛 等公司都在進行相關嘗試。如百度在C端打造生產力工具，推出文心一言訂閱模式，B端提供底層架構、解決方案；360在C端借助瀏覽器在PC端的場景優勢，發力AI辦公，B端聚焦AI安全和知識管理等場景，在ToC、ToB兩端入手，尋找大模型的商業價值；訊飛則試圖將大模型與自身硬件產品進行結合。
具體來看，大模型落地難在哪裏？AI技術商業化道路還面臨什麽樣的困境？國內外頭部玩家是如何探索大模型變現，走出自己的差異化路徑的？透過典型案例分析，智東西試圖尋找這些問題的答案。
一、AI 技術面臨商業化鴻溝，傳統企業與大模型企業 「 隔岸相望 」
「百模大戰」狂飆一年多，國內早已不缺乏能比肩GPT-4的大模型，但在商業化落地層面，始終存在巨大鴻溝。
如今，除了「卷」模型以外， AI企業也開始將目光投向「卷」套用 。
知名AI科學家吳恩達在今年1月的CES上談道，作為新一代通用技術，即使AI無法繼續取得技術和新進展，其商業基礎也將持續壯大。
▲吳恩達
根據人民網財經研究院3月釋出的大模型產業發展報告，中國AI大模型產業呈現蓬勃發展的態勢，但仍面臨多方面挑戰，大模型爆款套用尚未出現。
究其原因，主要在於企業尚未找到商業化思路，缺乏滿足客戶需求的個人化套用。
阿裏前首席AI科學家賈揚清近期在一次高山書院的活動中，談到目前大模型商業化落地過程中，市場的兩個糾結點：一是營收的流向和以往不太一樣，二是大模型對比傳統軟件，可以創造營收的時間太短。
大模型有一個特點，每次訓練完一個模型後，下一次還是要從零開始訓練。但同時大模型的叠代速度又很快，中間能夠賺錢的時間視窗可能只有一年左右甚至更短。
具體到B端和C端，商業化面臨的困境也各不相同。在B端，傳統企業在采用AI技術時需要考慮ROI（投資回報率）、數據安全性等，此外將AI融入以往的工作流程以及後續維護都有較高成本。
在C端，普通消費者對AI產品的付費意願上漲，但營收難以覆蓋大模型訓練和執行的高昂成本。此外，許多企業往往過於關註AI技術本身，而忽視了對消費市場的開拓和消費者需求的挖掘。
這就造成了一種進退兩難的局面：大模型企業賺不到錢，傳統企業找不到擁抱AI的路徑，普通消費者又難以找到滿足自己需求的AI套用。需求錯配之下，如何找到「交集」是橫亙在各家公司面前最迫切尋求的答案。
二、抓住 C 端使用者個人化痛點， AI 辦公成為重點場景
它山之石可以攻玉，本文將從海外頭部玩家的玩法入手，分析大模型的變現手段有哪些。
根據風險投資機構a16z於3月釋出的生成式AI消費級套用Top100報告，ChatGPT仍是C端套用頂流，在網頁端和移動端均排名第一，且存取量分別是第二名的5倍和2.5倍。
綜合這份榜單，海外使用者基數較大且已有較為成熟商業模式的C端AI產品包括聊天機器人ChatGPT、Gemini、Character AI，AI搜尋平台Perplexity，影像生成/設計工具Midjourney、Firefly AI等。
▲海外C端AI產品商業化案例
在商業模式上，這些產品大多采用月度訂閱模式，其中Firefly AI同時提供點數購買制服務。
從套用場景來看，當前海外AI套用仍以通用場景為主，主要集中在聊天機器人及衍生的AI虛擬陪伴等領域，同類別產品同質競爭較為激烈。但與此同時，融合具體場景如影像設計、影片生成、辦公助手等的工具類套用也逐漸湧現。
其中， AI+辦公 產品作為解放生產力的工具，在頭部企業中加速商業化落地。微軟、谷歌在去年3月、5月先後推出AI辦公產品Microsoft 365 Copilot和Duet AI，體現了其對AI辦公方向商業化價值的看重。
▲谷歌、微軟AI辦公產品搜尋指數（圖源：廣發證券）
國內也有一些企業積極探索C端大模型商業化落地。參考海外成熟模式最典型的是360，其選取的路徑和微軟Copliot、Salesforce等一樣，都是在既有優勢場景下進行AI化升級改造。
4月8日，360周鴻祎透露「360AI辦公」產品即將上線，將AI與瀏覽器相結合，提供圖片、寫作、文件、影片、文件樣版五大明星場景共100多款實用工具，旨在一站式解決多行業、多場景的AI辦公和行銷需求，為使用者提供極大的便利性，同時也提高了使用者對360AI瀏覽器的依賴度。
在商業化模式上，該服務將采用會員付費訂閱模式，使用者透過註冊成為「360AI大會員」後，可以解鎖並使用全部的AI辦公工具。這種模式將帶來持續的收入流，有助於建立長期客戶關系。
在現有場景下進行AI化改造有兩大優勢：一方面，這 更符合使用者習慣 ，降低了使用者的學習和遷移成本；另一方面， PC瀏覽器與辦公場景天然契合 ，是一種全新而又務實的探索，更容易撬動付費意願更高的辦公場景。
AI辦公場景的商業化價值在於提高工作效率、降低成本、增強使用者體驗和滿足多樣化的辦公需求。360AI瀏覽器提供的AI辦公工具集透過智能化大幅提高工作效率，直接轉化為個人生產力。
同時， 360安全瀏覽器在國內市場占有率第一 ，這為360AI瀏覽器的推廣提供了強大的使用者基礎。利用這一優勢，360可以透過瀏覽器推廣AI辦公服務，進一步擴大其在AI領域的市場份額，具備更高的成功性。
據介紹，360AI瀏覽器背後有5個場景模型，透過多個專業模型進行協作、組合工作，就能在合適的場景裏把它的長處發揮到極致。
在通用聊天機器人賽道，月之暗面的Kimi智能助手在上個月推出200萬字長文本功能後月存取量暴增至1219萬，彰顯了其技術領先性及其市場策略與使用者需求的精準對接。
▲Kimi智能助手近3個月存取量（圖源：SimilarWeb）
不過，使用量的暴增也帶來了算力困境。Kimi爆火後，不少使用者反映時常宕機、出現大模型「說胡話」的Bug，類似的情況在OpenAI去年11月釋出最新模型GPT-4 Turbo後也出現過。大模型算力成本一直居高不下，如何攤薄成本、減輕計算負擔是AI廠商和雲廠商共同面臨的難題。
在聊天機器人衍生出的AI虛擬陪伴賽道，MiniMax的星野抓住了以國產乙女遊戲使用者群為核心的市場需求，還增設了抽卡系統，基於沈浸感衍生出交易體系，在聊天對話的基礎上為產品帶來增值收費點。
三、大模型垂直客製成為 ToB 賽道關鍵解法
與C端相比，大模型在B端的商業化行程對數據安全、部署成本等提出更多要求，同時具有高度的行業專業性和客製化需求，企業需要的是能夠深入理解並解決行業特定問題的解決方案。這要求大模型不僅要有強大的通用能力，還需要能夠針對特定行業進行客製化和最佳化。
下表列舉了海外科技巨頭、企業服務巨頭以及AI巨頭在B端的AI產品商業化案例。
其中，微軟以訂閱模式提供面向辦公場景的365 Copilot服務，AWS（亞馬遜雲科技）聚焦於大模型托管服務，SaaS頭部企業Salesforce和SAP則將AI技術融入企業服務產品中，OpenAI透過出售大模型API來獲取收入。
▲海外B端AI產品商業化案例
可以看出，將AI技術與原本的軟件服務、雲服務等傳統產品相結合，並基於企業數據提供垂直客製能力，成為B端AI商業化的一大路徑。
國內AI企業的ToB業務其實起步較早，以「AI四小龍」為例，其早期業務靠面向政府部門的G端起家，在大模型起飛之際也長期靠B端、G端業務存活。如商湯科技透過大裝置+大模型」的深度協同，推動了自身「日日新SenseNova」大模型體系的叠代，業務板塊覆蓋智慧商業、智慧生活、智能汽車和智能城市。
在企業級市場，能否找到商業化路徑的核心是深刻的使用者洞察，背後則是在服務客戶的過程中積累的經驗。據周鴻祎說，360經過服務100多家客戶，形成了對ToB市場深刻的需求分析，一個典型的場景便是「知識管理」——在企業內部推動知識對齊，從而保證大模型不會杜撰或產生幻覺。
周鴻祎談道，企業做大模型需要兩個基礎設施：知識中樞和情報中樞，分別對應內部知識和外部知識。垂直場景加上專有知識，能夠形成知識的閉環，並且持續最佳化企業大模型。360構建了一套知識中樞架構方案，將這4類知識收集起來，分析之後建立起一個內部的知識中樞。
▲360知識中樞架構方案
基於這一方案，360為某大學進行了電子圖書館智能化改造，透過匯入、分析、整理海量異構文件資料，實作不受頁數、大小限制的文件秒級反饋，原始圖文與生成內容的對比檢視，並且學過的內容可以作為師生知識庫沈澱，用於智能寫作。
也有企業選擇與OpenAI類似的道路，透過售賣大模型API介面變現。以智譜AI、百川智能為例，雖然都提供開源模型，但也都在探索商業化路徑。
在上月的媒體溝通會上，智譜AI透露目前的商業模式可劃分為四種：API呼叫、雲端私有化、本地私有化以及軟硬結合一體機。
百川智能目前主要是計費模式，提供通用大模型、角色大模型、知識庫等API介面，按token數收費。
結語：群雄逐鹿大模型， AI 商業化初現曙光
隨著大模型技術的崛起，AI行業迎來了群雄逐鹿的時代。企業們在B端和C端市場中探索多樣化的商業化路徑，從垂直客製服務到個人化訂閱模式，不斷嘗試和突破。盡管挑戰重重，但隨著技術的深入和市場的適應，AI商業化已初現曙光，預示著一個充滿機遇和創新的新紀元即將到來。
