$谷歌C(GOOG)$ $英伟达(NVDA)$ $海光信息(SH688041)$
在4月24日的文章中提到：拓展B端需求也许是现有AI搜索厂商的必要举措，市场也在一直在期待企业级AI应用的经典案例，但现实情况是企业级AI应用并不好做，今天就重点讨论企业级AI应用的现状和发展前景。
数字人引流也许只是一阵风的生意
现在其实真正最跟整个企业级应用最直接的是数字人引流和智能视频切片，京东AI言犀数字人就是一个非常经典的案例。4月16日晚，刘强东“采销东哥AI数字人”在京东超市采销直播间开启自己的直播首秀，直播效果还是比较不错的，直播间观看人数超过1300万，整体订单量破10万。京东言犀数字人的成本不到人工的1/10，最快两小时开播，且可以24小时不间断直播，目前京东云言犀数字人已服务超4000家品牌商。今年春节期间，京东言犀数字人累计带货GMV超4000万元，闲时转化率提升超30%。
数字人每20秒就能完成一个产品的介绍和推广，这种效率是真人直播难以比拟的，且成本比人工便宜很多，初看数字人这个企业级应用确实是一门不错的生意。但深入思考后，就可以看到数字人的商业本质就是一个智能的广告机，或者是一个重复的广告机，可以不断帮你念广告，只不过他更加可能数字化，更加互动化，稍微复杂一些。
想明白这个道理后，我们就能清晰认识到数字人并不是一个长期的生意，而是一阵风的生意。优势在于可以无限量地提供内容供给，但它的坏处在于确实这个东西一旦大家都普及了，各自都没优势了。这个就跟路边摊贩用的喇叭机是一样的道理，第一个摊贩用这个喇叭放广告的时候，确实能吸引人过去看看摊主的商品，但当整个街上所有摊贩都开始用大喇叭且播放的内容就非常的同质化，客户习以为常后就不会再被吸引。因此，数字人引流这个事情最后的结果是谁都不挣钱，或者说只有最早进入的部分企业能够获利。
私有大模型部署是门好生意，但难度较大
专门帮助大型企业部署他们自己的私有化模型，这有点像公有云和私有云的逻辑。我们认为这个市场必然存在，因为像这些百亿级、千亿级的公司，尤其是国央企，他们对他们的知识产权和流程方法论非常敏感。所以他们会愿意花几百万甚至上千万的费用部署一个私有大模型，加上模型的训练、知识的提炼和业务赋能，每年再收取几百万的运维费，那么这个项目的价值就会非常高。假设你能够搞定100个中国500强客户，这也是一个价值十亿的生意。现在市场已经有部分企业开始探索这些场景的商业化：
（1）开源百亿参数猎户星空大模型，号称是专为企业应用而生，重点打磨的两大方向为RAG和Agent。RAG即专业知识问答，“检索增强生成”；Agent，可帮助大模型实现人类的记忆、行为规划等等一系列的事情；
（2）聚言。聚言专门用作咨询服务，当企业或员工遇到难题时，它可以教课、做培训，它帮助企业老板提高决策效率，增加企业决策准确度，是一种真正意义上的“数字老板”。
初看To B的大模型私有化部署确实是门好生意，但是难度会比较大。在中国做软件服务和SaaS服务，永远会面临一个矛盾，就是当产品部署好之后，甚至软件做好之后，客户有两个关键问题，一个是客户可能用不好，另一个是客户可能不会用。
客户如果是国资或大企业，买了个比较贵的软件，但因为他们做决策的流程比较复杂，可能用不好软件来做决策，一旦客户使用的体验比较差，就很难继续接后续的项目，因为大企业的项目都是case by case的。
即使客户使用得很好，也可能会导致第二个关键问题，即他自己可能还会做一些混合模型，或者做一些自我开发，像平安他们有专门的平安创新科技，专门从事IT业务。他们会把一些核心业务包到自己模型中，把一些脏活累活包给第三方，因此一般很难介入大企业客户真正的核心业务系统。真正依赖业务核心数据和场景的公司，必须实现数据闭环，这些核心业务数据不可能外漏出来，这种情况下大客户的私有化大模型不可能集成出来。那软件公司大概率只能卖一个系统，不但是一次性的生意，而且每年还要很费劲地迭代，最后软件公司拼的全部都是人力活。
另外，To B私有化部署这个应用场景的市场空间的天花板也不够高。一方面，头部企业如中国500强确实是会考虑大模型私有化部署，但就如上述所说的核心业务系统并不会外包。另外一方面，业务相对简单的中小型企业，就算没有自行部署私有化大模型的能力，但其真正花在IT上的费用和预算其实并不多。这两种因素叠加的情况下，To B端私有化部署的市场空间会相对有限。
私有化部署做得比较多方向为RAG和Agent，这个方向看起来比较容易，但实际上还是会面临很多的挑战。首先是技术层面的，当数据量较少的情况下，检索与生成的结果还是会比较准确，但是当数据量增加的时候，生成内容是由多个文件内容串在一起后得到的，这就会产生幻觉，即生成的内容看起来对但都经不起推敲。如果想调试解决这样幻觉就需要花时间和精力，那企业又会面临着是否要继续投入还是选择等大模型的迭代更新如GPT5等的困局。其次是业务层面的，知识库毕竟处理的都是历史文件，公司业务要是在近期发生较大变化的话，历史数据对近期业务的参考价值则会大打折扣，那么花人力和财力做好的企业知识库可能就根本就没啥用处。
企业级AI应用面临的其他关键问题？
从上述2个企业级AI应用场景分析可以看出，企业级AI应用虽然已经有初步尝试，但仍然面临着较大的挑战。下面重点讨论企业级AI应用还面临着哪些关键性的问题？
1、商业化变现场景不清晰
国内外的各种大模型更新迭代速度都比较快，但商业化应用变现场景依旧不清晰。最早开启订阅模式的ChatGPT，3月份的收入虽然已经有1200万美金，但与其巨额的算力投入成本相比也显得微不足道，国内大模型的收入则更加微薄。AI最大的问题就是变现场景不够，几乎所有的AI应用都是基于热点和好奇所产生的流量。即使现在能挣钱的AI产品，持续性也比较差。直播智能切片系统，甚至数字的东西，半年前一套系统一万多，现在几千块钱，再过半年就几百块，到明年估计免费了。
现在的B端应用主要是为了提升个人工作效率，经常会听到AI助理这个名词，但现实场景中真正需要助手升效率的一般都是工作节奏较快的企业高层，普通员工根本就不需要助理。普通员工在使用AI工具的情况下效率大幅度提升如100%，理想状态下是应该1个人2份活，公司效益大幅度提升，但在大环境不好没有加薪的情况下，现实情况可能是AI工具提升个人工作效率，但个人总体产出并未有较大变化，公司并未看到AI工具带来的实际效果后存在缩减AI产品支出的可能性。
真实的生活应用场景中，AI工具提效的应用场景也并不多，因为现有软件功能已经非常强大，比如点外卖、电商购物等，只需要点击几下按钮操作就可以完成，根本就不需要助理来节省时间。且慢慢挑选商品，看点评的过程对部分人来说也是种享受，用AI助手反而会丢失掉这部分快乐。
2、长期来看，AI是重构业务流程，目前困难重重
现在已有的大部分AI产品的思路是人用AI来提升效率，节省时间。随着AI大模型的能力继续提升，能达到真正的意义上AGI的时候，未来应该是AI重构企业业务流程。未来基于AI的企业价值重构，本质上是将企业的流程推倒，能够基于整个AI以语义为核心环境，重构业务链和组织协同关系。短期形态应该是企业方、中间咨询方、私有化或公有化的各种AI工具提供商三者之间的协同关系，就像一个传统服装公司，需要做的事情是找一个ERP或SAP等公司来重构数字化。但真正基于AI企业业务流改造，应该是类似与真正基于产业数字互联网重构业务逻辑的Shein，Shein一家公司就等于未来N个传统服装公司的数字化改造。基于AI环境下重构业务价值流程的那个企业的成本可能只有类比公司的1/5，这将对行业内其他厂商而言是一种降维打击。
那么在这种情况下，传统软件厂商或者SaaS服务厂商不见得就会有优势，因为一旦需要基于AI原生技术环境下重构企业业务流程，就意味着新的AI产品会直接冲击原有业务模式，不但会冲击市场占有率还会摧毁原有的销售体系、客服体系、经销商提升等。价格更加便宜、性能更加优良的原生态AI应用产品会直接PK掉原有的软件产品，从而造成行业通缩，因此已经拥有龙头地位的厂商往市场推广AI应用产品的动能可能会没有那么足，除非他们自身最先研发出王炸级别的AI应用产品。