文 | 光子星球 吳坤諺

編輯 | 吳先之

東市買駿馬，西市買鞍韉，南市買轡頭，北市買長鞭。

出自《木蘭辭》中的詩句展現(xiàn)了充分競爭的自由市場中，供給方各司其職的狀態(tài)。在同一市場內(nèi)，消費者往往會從不同供應商處獲取不同商品和服務，就像當下扎入垂直行業(yè)、走向定制化的大模型服務一般。

如果仔細觀察諸如百度、阿里、科大訊飛等大模型服務商透露的產(chǎn)業(yè)方向的商業(yè)化進展，我們不難發(fā)現(xiàn)雖然其客戶列表中重量級選手不少，但這些客戶們往往“只取一瓢飲”，以探索的方式從點開始大模型及AIGC方面的合作。

新興技術的未知性特點在大模型的算法黑箱下再度放大，導致產(chǎn)業(yè)在面對既往合作伙伴時依舊保持著相當?shù)膶徤鳌m同為產(chǎn)業(yè)智能化，但模型服務的“完整性”遠不如上云。這也導致了模型服務商擴大商業(yè)化的一個困境，即在體量不大的項目上投入大量定制化服務與資源，成為做多收少的“高科技施工隊”。

然而吊詭的地方在于，而今增速趨近停滯的云計算市場已經(jīng)發(fā)生了明確的轉(zhuǎn)向，拓客方向自大客戶轉(zhuǎn)向中小客戶。但模型服務卻因以算力為主的基建成本高企，而難以跟上云計算的節(jié)奏，只能試圖通過標準化產(chǎn)品廣撒網(wǎng)，一點點啃下中小企業(yè)。

生成式AI代表未來已經(jīng)成為業(yè)內(nèi)共識，“斷舍離”再難成為選項之一的同時，一眾企業(yè)不得不迎難而上，沖突亦在這一過程中不斷上演。

大模型需要好銷售

過去一年多的時間內(nèi)，商業(yè)化無疑是國內(nèi)模型服務商最為關注的重要議題，以至于在一定程度上影響了服務商對模型及相關能力的迭代路線。

一個絕佳例證是，業(yè)內(nèi)在模型易用性、工具鏈、避免“幻覺”等關乎使用門檻的演進頻頻落地。事實上，在2024年這一被定義為“AI原生應用”元年的時間節(jié)點，以低代碼或無代碼形式創(chuàng)建AI應用正逐漸成為現(xiàn)實，門檻或早已不是大模型商業(yè)化的首要難關。

此外，除少數(shù)閉源巨頭外的開源社區(qū)也在持續(xù)縮小國內(nèi)模型服務商的底座能力代差，幾乎業(yè)界每每出現(xiàn)突破性的進展，其余主流玩家總能第一時間跟進，在Kimi近期掀起長文本風潮中，百度、阿里等玩家跟進并沒有花多少時間。這意味著，通用底座能力難成大模型商業(yè)化初級階段的勝負手。

事實上，在以AIGC為代表的產(chǎn)業(yè)智能化的創(chuàng)新擴散中，智能并不是關鍵，反而更像是一種“添頭”。例如我們曾對話的一家SaaS企業(yè)，他們與而今逐漸深入業(yè)務流程的AI大模型的相遇，不過是一次偶然。

上述企業(yè)人士李浩告訴光子星球，就像許多深耕垂直行業(yè)的企業(yè)一般，他們對技術的感知不算敏捷，之所以了解到大模型，還是源于此前某場展會上的一次閑聊。

“騰訊那邊有人和我們CTO聊了會，展會結束后，CTO覺著可行就跟市場部的人接觸了”，他說，“機緣巧合下湊了一桌飯局，人家直接讓業(yè)務VP拎著一大瓶醬酒來，推杯換盞間講了很多大模型改造業(yè)務流程的事情，不過合作還是沒能在飯局上談成”。

盡管騰訊的合作意向非常明確，但李浩的領導還是有些興致缺缺——早在去年，CTO便有意與業(yè)務數(shù)據(jù)所在的阿里云展開AI合作，但是“阿里那邊遲遲不見動靜，也沒什么優(yōu)惠”，這才給了騰訊半道截胡的機會。

另一方面，許多垂直行業(yè)早在兩三年前就感受到了AI的沖擊，但實際對業(yè)務的改造其實并不算明顯?；蛟S大模型的加入足以讓AI脫胎換骨，但在銷售口中天花亂墜的功能并不足以構成決策理由。

我們不難在云計算的政企BD中看到與之類似的銷售場景——不可否認的事實是，“上云是一種趨勢”的共識更多存在在互聯(lián)網(wǎng)視域內(nèi)，而政企側對云的需求更多在于對頂層設計的考量。說白了，大多數(shù)非互聯(lián)網(wǎng)企業(yè)應用新型技術的根本原因并非技術本身，而是需要“跟上同行的節(jié)奏”，AI大模型亦然。

當然，騰訊方面絕無可能放棄這條相對明顯的線索，其還在飯局結束后多次登門拜訪，“除了婉拒給我們獨家提供技術支持外，我們提其他的條件，基本都答應了”。在這么一個幾近賠本賺吆喝的情況下，騰訊才堪堪拓展一家企業(yè)客戶。

據(jù)了解，這家SaaS公司經(jīng)過數(shù)月的“AI初體驗”后，最終決定在年中前后擴大合作范圍。屆時，騰訊作為模型服務商提供的由點到面的服務才剛剛開始，成本回收尚不知時日，遑論憑此盈利。

云計算行業(yè)從“比較技術性的超前概念”到“上云是一種趨勢”，花了足足10年時間。反觀技術深度、黑箱、幻覺等問題并存的大模型，似乎其商業(yè)化的路途更為崎嶇。

這么看來，與其在產(chǎn)品層面持續(xù)做加法，倒不如多下功夫挖掘銷售線索。另一方面，完善的BD體系也在一定程度上可以打破技術認知的高墻。

可惜的是，在大模型技術尚未祛魅的當下，廠商的外宣重點往往落在技術突破上。進一步說，當大模型服務可以像云計算一般召開合作伙伴大會的時候，或許大模型商業(yè)化才能迎來真正的春天。

大模型需要CIO

模型再強也只能解決業(yè)務上的問題，其商業(yè)化困境本質(zhì)上不在于技術，而在于商業(yè)模式和生態(tài)。不過自模型服務商的視角看，模型服務普及的“鬼故事”同樣不少。

正如上文提到的SaaS企業(yè)，便在希望更廣泛地接入AI能力時犯了難?！艾F(xiàn)在我們內(nèi)部可以說是跑著兩套系統(tǒng)，內(nèi)部業(yè)務流還像以前一樣跑在阿里云上，但嘗試對外輸出的AI大模型能力卻跑在騰訊云上。領導那邊還希望再引進語音、OCR之類的AI支持，又準備讓我們接觸一下科大訊飛”。

李浩無奈表示，現(xiàn)在公司有點“騎虎難下”，既不太方便徹底拋下阿里云做整體數(shù)據(jù)遷移，又不好再拓展與其他廠商的AI合作，畢竟這背后是搭建混合多云架構的隱性成本。他還提到，前端時間領導才剛剛因為銷售團隊開不出單而大發(fā)雷霆，在AI大模型尚未展現(xiàn)盈利能力的情況下，狠下心全面轉(zhuǎn)投騰訊云懷抱可以說是不可能的事情。

不難看出，即使是有意引入AI能力改造業(yè)務的企業(yè)，由于領導層對AI大模型的了解僅限于網(wǎng)絡公開信息與模型服務商的單向度灌輸，其往往對市場沒有一個清晰明確的認知。這家SaaS企業(yè)在采購決策上猶豫不決便是絕佳例證。

況且，非互聯(lián)網(wǎng)企業(yè)的組織架構也是遭致上述情況的重要原因。或許大部分組織完善的企業(yè)都設有CTO職位，但其既有知識域基本局限于企業(yè)業(yè)務，而設有CIO的企業(yè)可以說是寥寥無幾。

據(jù)紅杉于去年末的一次調(diào)查顯示，以CIO為代表的企業(yè)技術管理者將通過應用AIGC滿足產(chǎn)品差異化和服務創(chuàng)新需要、增強辦公效率與內(nèi)部溝通作為主要目的;相較而言，CEO則將緊跟前沿技術趨勢、拓寬企業(yè)經(jīng)營邊界作為AIGC應用的核心動因。哪種更利于AI對業(yè)務的深度改造，一目了然。

如果CIO的缺位不過是將AI大改造交由CEO或CTO統(tǒng)籌的話倒也還好，更糟糕的情況是在買方市場下，這份重擔被轉(zhuǎn)嫁給模型服務商。在一位模型創(chuàng)業(yè)者看來，這無異于是化身客戶企業(yè)剛剛萌生的AI業(yè)務的“保姆”。

“前陣子，和我一起創(chuàng)業(yè)的產(chǎn)品經(jīng)理差點頂不住與客戶之間無休止的扯皮，鬧離職”，他說，“我那時候還在美國那邊做交流，聽他辭職信都寫好了，我趕緊打飛的回去，好說歹說才勸住他”。

據(jù)悉，事件起因是客戶在為期三個月試用期內(nèi)，就提出做多個深入業(yè)務流程的應用，從早期的基于RAG（檢索增強生成）的企業(yè)內(nèi)部知識問答到數(shù)字員工再到智能營銷，可是試用項目的合同金額才30萬?？蓱z這位產(chǎn)品經(jīng)理在試用期內(nèi)每天抓耳撓腮地控制交付成本，團隊兩天一小會三天一大會，然而客戶還是在試用期結束后便接洽了服務更為成熟的大廠。

定制化項目在固定時限內(nèi)的交付，將模型服務高大上的“皇帝的新衣”無情扯下，空留一個期貨般的內(nèi)核。

當模型服務商被迫在客戶企業(yè)的AI改造中承擔主要責任的時候，所謂產(chǎn)品的價值交付也就不再存在，取而代之的是極致的成本控制和交付壓力。如果不能完全把握客戶的需求，那么深入合作破裂也不過是時間問題。

定制化之困

近段時間，國內(nèi)一級市場對AIGC的熱情愈發(fā)低落。著名投資人朱嘯虎亦公開表示，“AIGC PMF（產(chǎn)品/市場匹配），你投十個人找不到，投一百個人同樣找不到?！?/p>

不可否認，在難銷售、難交付、高成本的特性之下，大模型距離養(yǎng)家糊口的距離太遠。那么，大模型PMF的終極阻礙是什么？

從上述案例中我們不難看到，首當其沖的難關在于定制化。

這背后的邏輯是，技術尚未進入創(chuàng)新擴散周期之前，依靠標準化產(chǎn)品回籠資金遙遙無期，高強度的BD以及其后的定制化是現(xiàn)金流的唯一來源。而定制化項目扯皮、交付、成本等各種窘境的緣由，則在于服務商喪失了對需求的控制力。

設想一下，如果是模型服務商自己訓練某個MoE模型或是針對業(yè)務創(chuàng)建AI應用，在技術一把手的統(tǒng)籌下，只需對應業(yè)務部門給出明確需求以及不同優(yōu)先級，便可以按需求驅(qū)動的方式進行敏捷開發(fā)，確保項目能在時限內(nèi)以較高完成度交付。

如果將AI開發(fā)場景放到模型服務商與客戶之間，則情況很可能“兩級反轉(zhuǎn)”。一面是客戶并不真正了解AIGC對業(yè)務創(chuàng)新的抓手所在，導致需求頻出而沒有重點，另一面是服務商在不斷提出的需求中疲于奔命。

如果服務商能在提供服務時獲取行業(yè)數(shù)據(jù)的話，轉(zhuǎn)起數(shù)據(jù)飛輪從而迭代垂直領域能力倒也是一筆不錯的買賣。只是大多體量稍大的企業(yè)都對自家數(shù)據(jù)敝帚自珍，導致定制化項目做來做去都沒有太多實際收益。

可以預見的是，定制化作為大模型商業(yè)化的一個補充手段，很可能只是少數(shù)大客戶的專屬。標準化產(chǎn)品做鏟子以及建立在其上的應用生態(tài)才是淘金者的未來。

AGI的愿景虛無縹緲，長期主義也不過是商業(yè)化舉步維艱的推辭。無論是靠定制化拉起營收從而做好市值管理，還是靠標準化打開認知從而將創(chuàng)新擴散出去，這鍋夾生飯怎么著都得把它吃下去。