“2024年是大模型應用場景元年，中國完全可以走出一條具有中國特色的大模型發展之路。”

周鴻祎的預測還言猶在耳，經歷了“百模大戰”的國產大模型勝出者們，已經吹響了商業場景落地之戰的號角。

3月14日，大模型獨角獸智譜AI創始人兼CEO張鵬披露了公司目前的商業化進展：已有超2000家生態合作伙伴，實現了超1000個大模型規模化應用，與超200家企業進行深度共創，涵蓋了傳媒、咨詢、消費、金融、新能源、互聯網、智能辦公等多個細分場景。

3月18日，瀾舟科技發布了“一橫N縱”孟子大模型系列及產品，以孟子大模型為基礎，面向多個ToB場景發布垂直領域的產品。瀾舟科技創始人&CEO 周明稱，要打破 AI 落地的 " 最后一公里 " 難題。

也是3月18日，同為大模型明星公司的月之暗面宣布，在大模型長上下文窗口技術上取得新的突破，Kimi智能助手已支持200萬字超長無損上下文，同時公布了其在醫療、招聘、財務分析等不同領域的測試案例。

隨著國產大模型不斷解鎖新的產品形態和應用場景，如何利用大模型技術助力企業成長、賦能產業升級，成為業界關注的焦點。

以下內容觀點來自真正的AI和產業的先行者們，也許能夠引發一些思考。

1.大模型商業化，ToC還是ToB？

?1、大模型技術迭代速度極快，今年將是關鍵的決戰之年。大模型還開辟了新的商業模式。例如，我們推出的生產力提升平臺，短短幾個月內ARR滾動增長，預計今年將突破千萬美元大關，這在傳統ToB領域是難以想象的。

2、我們對大模型未來在agency能力上的本質提升持樂觀態度。AI幻覺雖然可以通過向量和RA等技術得到部分解決，但復雜推理、決策和任務執行能力的提升才是關鍵。如果今年下半年，大模型在這些方面取得了顯著進步，那么無論是ToC領域的超級助理，還是ToB領域的業務系統整合，大模型的應用都將實現質的飛躍。這將是AI技術應用的一個重大突破，為企業帶來更深層次的轉型和效率提升。

3、目前，大模型ToC領域的推理成本較高，短期內難以出現超級應用。但大模型的泛化能力預示著ToB領域的起飛。

4、大模型的泛化能力是否能解決不同場景下的產品需求？我們想知道，能否通過生態合作或IC（Independent Contractor）的方式，結合大模型的泛化能力，來打破中國ToB領域過去十幾年的困局。我們希望能夠減少從數據到訓練、推理、產品開發、應用實施的全鏈條自主研發和建設，轉而尋求更高效的解決方案。

5、大模型ToB應用目前主要集中在內容生成和理解上，但大模型的復雜推理和決策執行能力預示著，它將逐步滲透到企業的核心業務系統，如ERP和SOP。隨著下一代模型能力的提升，預計今年下半年或明年初，我們將看到大模型在企業業務系統中的應用和落地，這將是企業真正開始大規模應用大模型的起點。

6、在當前的企業應用中，與內容相關的AI技術需求普遍存在，如機器翻譯、智能寫作、企業知識庫的智能問答等，這些幾乎成為所有企業的基本需求。然而，國內市場可能很快會變成競爭激烈的紅海，企業間將圍繞性價比展開激烈競爭。

7、中國市場的特點使得客戶傾向于定制化服務，這往往導致項目制的模式。雖然項目有毛利，但公司整體盈利能力較弱。我們正在反思，如何打破這一局面，特別是考慮產品標準化的可能性。

8、大模型提供了一個新的視角和嘗試。傳統上，ToB和ToC是兩個截然不同的領域，但現在我們發現，ToB可以延伸到ToP（Professional User），而這些專業用戶本質上是B端的一個節點，進一步可以連接到C端。換句話說，大模型賦能的產品和應用可以跨越C、P和B的界限，這種跨界產品是我們特別希望賦能的。

9、在ToB領域，我們不僅依靠開源大模型的規模和技術領先，更應依靠產品和商業化模式的領先來取得優勢。

10、無論是ToB還是ToC，成本、效率和體驗都是決定產品成功與否的關鍵因素。只有在這三個方面都做到優化，產品才能真正滿足市場需求，實現商業化落地。

11、無論是面向消費者（ToC）還是企業（ToB），我們都需要打造優質的產品和服務。真正的用戶體驗和滿足剛需是至關重要的。在大模型存在不可靠、錯誤信息和幻覺等問題時，用戶體驗的創新空間巨大。因此，產品和服務的質量是我們需要強調的。

2.中國AI的未來在于產業落地

12、中國的未來機會在于產業的落地，以及成千上萬開發者和各行各業的熱情。這種熱情將催生出意想不到的創新，將AI的簡單功能放大，解決實際問題。

13、我們特別注重技術和應用如何巧妙結合，實現互動。技術的單一方面可能不夠全面，應用的粗淺也可能限制其潛力。通過迭代，我們可以探索新的創新力量。同時，關注用戶體驗和成本是至關重要的，這是實現最后一公里的關鍵。如果不與用戶緊密合作，產品可能永遠停留在演示階段，無法實現真正的突破。

14、為了避免過去人工智能的低谷，我們需要實實在在地將AI技術落地，解決實際問題，這樣才能迎來新的浪潮。注重與企業合作，了解他們的需求，從而倒推技術發展的方向。專注是第一步，然后再追求極致。服務模式（model service）、訂閱服務（SaaS）、API調用或本地部署等，每一條線都要探索其機會。只有用戶滿意，商業模式才有意義。

15、在面對大模型技術的快速發展時，我們必須保持清晰的認識，避免被其勢頭所淹沒。許多創業公司在大模型出現后迅速被顛覆，因此在開發大模型應用時必須明確我們的優勢所在，并找到那些不會被底層大模型或中間層所取代的元素。關鍵在于尋找特定的應用場景、行業數據或局部數據，這些是讓我們在技術浪潮中保持競爭力的關鍵。

16、即使在同質化競爭激烈的市場中，性價比也是決定性的因素。隨著大模型的到來，算力成為了一個瓶頸問題。我一直在關注，如何通過技術架構層面或芯片層面的創新來解決這一問題。例如，開源芯片設計是否能夠與大模型相結合。雖然創業公司可能無法觸及底層技術，但在應用層面上，我們可以努力提供極致性價比的產品和服務。

3.大模型開源還是閉源？

17、在AI時代，我堅信開源是推動技術進步和創新的最佳模式。開源將使大模型不受地域、文化、語言、政治觀點和意識形態的限制，能夠促進全球范圍內的合作與共享，真正造福全人類。

18、開源的力量是不可阻擋的。在國內市場，開源大模型的基礎應用和實際落地正在迅速發展，這種發展不僅展示了開源模式的潛力，也為全球AI技術的進步和創新提供了新的動力。

19、開源確實是一件具有重大意義的事情，它將技術民主化，任何有創新想法的人都能利用開源模型快速實現和迭代。這種開放模式也打破了大公司的壟斷，為個人和小團隊提供了平等的競爭平臺。即使是大型公司，其閉源模型的研發力量也無法與全球千萬級開發者和數十家公司的合作相比。

20、開源的合作力量目前還不夠充分，盡管存在如Apache 2.0等協議促進合作，但仍面臨挑戰。在這個AI時代，如果大家能夠團結合作，將是最有利于發展的策略，盡管這對小公司來說可能存在一些挑戰，比如在開源與閉源之間做出適當的選擇。如果企業能秉持開放共享、平等合作的態度，合作伙伴將會越來越多。

21、OpenAI選擇閉源，這背后有其合理的擔憂。大模型的強大能力可能難以控制，合規和監管問題也是OpenAI考慮的重點。他們認為閉源可以更好地控制風險。

22、大模型原生指的是，那些只有在AI大模型支持下才能誕生的創新，傳統的技術可能無法實現這些創新，比如原生于大模型的應用Character AI，這些在沒有大模型的時代是無法想象的。現在，我特別關心的是這些大模型原生技術如何在美國發展。

23、長期來看，人工智能技術無疑會逐步逼近通用人工智能（AGI），但何時能夠真正達到這一目標，這還是一個開放的問題。每一天，AI都在獲得新的能力。

24、短期來看，盡管AI技術如多輪對話和翻譯有所進步，但如何將這些能力落地并轉化為實際價值，尤其是如何實現商業化，仍是一個重大挑戰。

4.中美AI發展差距在拉大？

25、在AI領域，大模型、多模態和生態是三個關鍵詞。美國已形成三大陣營：微軟與OpenAI聯盟、谷歌DeepMind，以及開源社區。這些陣營在大模型領域各有所長，OpenAI在通用大模型方面領先，而中國的AI企業則在追趕，致力于開發千億級規模的模型，并在行業特定模型上取得進展。多模態技術也在迅速發展。生態方面，中美差異顯著，尤其在投融資環境和公司估值上。希望今年這種情況有所改變。

26、我們堅信，多模態技術的發展方向將從組合式走向統一的原生多模態，最終實現大模型的整合。這一技術路線是我們堅定不移的追求目標。在3.5版本之前，模型架構可以參考GPT-3，但之后的大模型發展已進入無人區，需要強大的前端研究和創新能力，這是中美技術競爭的關鍵時刻。

27、美國在模型算法方面的成就，中國不僅能夠迅速理解，而且在很多方面也參與其中。例如，微軟研究院提出的神經網絡架構已經被廣泛應用。中國在原創技術方面并不遜色，但我們可以從美國的實踐中學習，特別是在頂層設計方面。我們缺乏的是國家層面或聯盟體對大模型未來發展的明確規劃，包括核心技術、必要趨勢和關鍵模塊。如果我們能夠清晰定義這些要素，并快速攻關，即使算力不足，我們也有可能通過算法或應用的創新來彌補這一不足，從而在某些方面與美國競爭。

28、我們的大模型發展需要與國家的整體趨勢相協調。目前，我們的許多創新都是跟隨美國的步伐，對美國的技術和模型進行改良。然而，我們需要的不僅是技術上的局部創新，而是一個綜合趨勢來推動這些組件技術的前進。

29、應用驅動是至關重要的，而中國在應用場景方面并不遜色于美國。如果我們能夠從場景和應用出發，反向驅動技術創新，提高效率，我們將能夠更好地推動國家經濟和生產力的提升。

30、展望未來，我們希望中國能成為首先觸及重要問題的國家或機構，并憑借中國人的創新能力，在下一輪人工智能創新中引領國際潮流。一旦這種迭代開始，我相信隨著時間的推移，我們能夠逐漸解決算力等問題，并在國際上取得領先地位。

本文轉載自：??i黑馬??

作者：i黑馬