反對意見：AIGC很難顛覆原有商業模式

　　本文來自于微信公眾號見實(ID:jianshishijie)，作者:見實。

　　對To B企業來說，有了AIGC加持后，會對原有商業模式進行顛覆嗎?

　　答案是:很難。

　　尤其對于To B企業來說，AIGC的介入主要強化和優化了現有的商業模式，更多的是商業模式的重啟和重構，而不是對其進行本質性的顛覆。

　　AIGC的價值體現在提升現有流程的效率，而非創造新的需求或場景。它可以幫企業更高效地利用和配置現有資源，而不是尋找全新的業務機會。

　　因此，AIGC很難重新找出一塊新蛋糕，但很有可能會把原來的舊蛋糕做重新切分。

　　比如以一家基于招投標數據做營銷自動化的企業「千里馬」為例，過去他們主要做To B 服務，累計服務了包括阿里、騰訊、中國移動、中國電信等10萬家企業。

　　他們通過把各個地方的招投標信息匯聚在一起，進行大數據清洗后，生成商機預測、市場分析報告等提供給企業，讓企業在招標前做好準備工作，提升成功率。

　　過去，一個大客戶可能會花100萬購買招投標數據市場分析報告，但很多中腰部企業、小型企業則由于費用問題會被排除在服務對象之外。現在有了AIGC加持后，制作成本急劇降低，這就給千里馬帶來了商業模式重構的可能性，他們未來可以服務更多腰部企業和小型企業。

　　在千里馬董事長王劍波看來，AIGC可以讓他們做的非標事情變得更標準化。不過，由于To B服務對準確性等各方面要求較高，且目前大模型成本還很高，因此規�；�生產的時機還尚未到來。

　　圖源備注：圖片由AI生成，圖片授權服務商Midjourney

　　和王劍波的本次對話契機，來自于前幾天由見實和行行AI、梅花創投聯合舉辦的AI強應用大會，當天圓桌后，我們還和他聊了更多關于AIGC未來的新機會等話題。如下，enjoy:

　　01

　　AIGC對商業模式的重構

　　見實:你們目前和AIGC的結合點在哪?

　　王劍波:我們本身是家數據公司，核心是數據治理，即把數據清洗完以后，變成對企業有價值的數據。

　　原來也通過自己的模型去做數據處理，比如做數據的歸類、數據的結構化等。OpenAI的大模型出來以后，我們就深度結合了大模型在做，包括字段的格式化、分類等，現在的思路和原來也會有很大差別。

　　見實:只是思路的不同?AIGC對千里馬在做的事，有發生商業模式上的根本變化嗎?

　　王劍波:我認為AIGC很難創造一種新場景，它還是在老場景上提高效率。

　　所以我們不會去做一個新場景，比如投標時的「標書代寫」，我們原來沒做過這個場景，也不知道是用戶的真需求還是偽需求。

　　所以并不是有AIGC后，我們就要去研究這個市場需求，而是在沒AIGC之前，我們就應該研究透這件事了。如果只是有了AIGC后再找這樣的新需求，成功率還挺低。

　　我們更想去做的，是在原來已經驗證過的場景上做效能的提升。比如我們原來給客戶提供市場分析的數據，一個大客戶可能一年花100萬去購買招投標數據市場分析報告。

　　這時我們的生產成本可能是20萬，只有頭部企業能付得起這些錢，但很多腰部企業和小企業也有需求，卻只能支付得起10萬元，因此我們之前都把這些客戶都排除在外了，因為這個費用可能還不夠我們的生產成本。

　　有了AIGC之后，我們的成本可能從原來的20萬變成1000元，就可以給之前排除掉的這些客戶提供服務。這就是由于AIGC指數級的降本增效，給我們帶來商業模式重構的可能性。在成熟商業模式下，有AIGC加持后，可以急劇降低成本。

　　見實:成本從原來的20萬，突然就變成幾千塊錢，會降低這么多?

　　王劍波:舉個例子，我們在做市場分析時，需要把某個標，去歸到某個分類去，比如要把電梯歸到一個電梯的分類里去，這個工作原來是在用自己的一些模型去做，但發現準確率挺低，在50%、60%左右，無法在商業中應用，所以我們要做到準確率95%以上，就要用大量人工去做這件事。

　　但標的分類非常有挑戰，很多人根本不理解這是個什么東西。比如說空氣閥是哪個分類，大家可能根本不知道空氣閥是什么東西。我們當時估算成本至少要幾個億，所以肯定做不了，只接部分頭部客戶的這些需求。

　　有了AIGC后，最厲害的地方在于，它對通識知識的掌握非常厲害，它會知道空氣閥是什么東西。所以原來處理一個標的需要5元，現在可能就需要幾分錢，更多中小客戶的需求我們現在也可以去接了。

　　甚至針對小微企業，我們也可以提供免費的市場分析數據報告，因為這件事標準化之后，我們的處理成本很低。

　　見實:那么現在中腰部客戶數有沒有明顯的增長?

　　王劍波:做To B服務對準確性等各方面要求挺高，達不到標準就很難做商業應用，比如在市場分析中，假設有一個數據出現了誤差，就會導致市場決策出現問題，客戶會很難接受。

　　所以我們現在還沒真正面向腰部和小微企業去做服務，它的精確度等還達不到要求。目前我們還在不停測試，等大模型的成本降下去了，就可以做大量商業應用。我們目前在用外邊的大模型結合自己的小模型，將性價比控制到了一個能接受的范圍。

　　見實:大模型成本降低的時間節點會是什么時候?

　　王劍波:我覺得很快，可能一年以后就會有一個翻天覆地的變化，可能是現在價格的1%都有可能。

　　02

　　現在速度很關鍵

　　見實:AIGC加持后，對你們整個崗位變化、生產關系、工作流程的變化有明顯改變嗎?

　　王劍波:當然有巨大變化，倒不是說原來人數從100降到多少，而是需要全面轉型去擁抱AIGC，在人數結構上有調整。

　　我們內部有個部門叫「數據研究院」，原來自己在做小模型、研究算法、做一些工程性的東西，去提升準確率等。

　　今年1月時，我跟團隊說要停掉原來所有工作，所有人都要去擁抱大模型去做應用，要放棄原來的工作模式，去擁抱新的工作模式，和AIGC進行結合。

　　所以結構產生了變化，這些人原來干的事，和現在干的事完全不一樣。就像工業革命后，機器紡織比人的紡織效率更高很多，邏輯上紡織工人的人數下降了很多，但它在另外一個領域上，比如設計這塊，人數就要變多了。

　　見實:你們整個團隊現在有多少人?

　　王劍波:差不多小1000人，和AIGC相關的研究上面，大概有30人。現在還不是規模化生產的時候，尤其是我們這種B端的活，需要準確率達到很高，才能去做規�；�生產。

　　見實:目前你們投入的資金是什么級別的?

　　王劍波:目前主要還是在人力成本，比如30個人，一年投入成本可能是1500萬。目前我們是小步快跑去做，如果能突破某些技術點，也許很快就可以量化生產。

　　現在速度很關鍵，時間窗口也就一年之內。我估計一年后，大模型成本會有一個指數級的下降，不是說下降10%、20%，真的有可能下降90%以上。

　　見實:有些行業會擔心，AIGC對他們原有的服務模式會有一些摧毀，您是否也有這種擔憂?

　　王劍波:這是必然的，所以就看誰能轉型成功。如果我們不往上面去走，競爭對手比我們早走一步，有可能就遙遙領先了。

　　AIGC把技術門檻拉低了，比如原來做客服系統的人，其實背后有一堆人員，做了很多工程性的事情來讓回答更準確。現在有了AIGC后，之前做的所有東西都歸零了，別人直接用AI、用微調模型就能做得更好。

　　這的確是很可怕的事，你不擁抱它，你就會被別人替代。

　　見實:有了AIGC之后，可以讓非標行業找到標準化的解決方案嗎?

　　王劍波:所謂不標準化，就是每個人都有自己的一個處理方式，這些最后都會被AIGC拉平和標準化，整個工作流程也會被標準化。

　　但在輸入這端，在輸入這個層面的人才培養和要求也會越來越高。

　　03

　　不能拿著“AIGC榔頭”到處找釘子

　　見實:你們最早什么時候開始去和AIGC相關能力進行結合的?

　　王劍波:原來我們自己也在做模型，去年11、12月份開始，OpenAI起來后，我們就把算法調整了，現在的算法是基于GPT模型去做，所以原來也一直在做，只不過效果沒那么好。

　　OpenAI 的路線其實并不是主流路線，去年第四季度開始有重大突破后，我們就有關注和結合。

　　見實:當時做了什么?

　　王劍波:主要圍繞數據的清洗去做，一是打標簽，包括分類等。二是格式化，比如一篇標文是非結構化的，要把里面的中標單位、招標單位標的物等數據格式化出來。

　　當時我們用AIGC結合自己的小模型在做。大模型的好處，是它的泛化知識能力非常強，我們會利用到它的泛化能力，但它回答問題有時“不收斂”，所以我們后面疊加了一個小模型來處理。

　　見實:你們自己的小模型?

　　王劍波:對，我們現有的短期挑戰就是成本，用GPT4的大模型去做微調，硬件成本太高，所以會用“大模型+小模型”組合來解決這個問題，結合起來做性價比的平衡。

　　OpenAI 本身的大模型由兩部分組成，一部分是它的基座、算法結構，一部分是它的訓練數據。我們會用到它的第一部分，也就是基座和算法結構，因為在一個專業領域里，不需要那么大的模型，但需要很多專業數據給它做訓練，這樣就能夠控制好性價比。

　　但我估計最后的大方向可能是，所謂的小模型也沒有多大的價值。我們這個工作也只是階段性有效，有可能它的成本下降會很快，那時候我們做的這個工作其實也沒太大意義。

　　見實:當成本降低，是否意味著企業付費價格也會降低?

　　王劍波:企業付費價格也許并不會下降太多�？傮w來說，客戶認可這個價值是關鍵，生產成本其實并不是那么核心。

　　當然競爭很激烈的時候，我們的定價有可能會被擠壓，但在這個領域內，我們還是行業領先的，還是有定價權。

　　見實:是否還有其他可能的商業模式?

　　王劍波:我們還是聚焦在現有的產品和服務。用戶的價值需求我們是知道的，所以很難重新找一塊新蛋糕，還是原來的舊蛋糕重新做切分。

　　大家還是在做成熟的場景，這里邊跑出來的機會更大，在這里能用AIGC把商業模式進行重構，這是一個大趨勢。

　　我感覺并沒有那么多新機會和新場景出來。我們也不可能拿著AIGC這個榔頭到處找釘子，這樣會有很多局限性，而且很容易找到偽需求，我們之前也跌到這個坑里無數次了。

　　見實:這波機會還可能是哪些公司的?是像你們這樣的大數據公司嗎?

　　王劍波:我覺得做大數據還不是關鍵，因為AIGC出來后，反而把我們這種大數據公司的技術門檻和能力給拉平了一些。

　　所以還是那些原來在老跑道里的團隊會更有優勢，尤其是本身對行業和用戶有很強認知，開放性也很高，又積極擁抱AIGC的公司。

　　另外，如果一個新的“外來者”要切入，還是切入C端產品和服務的可能性較高，切入B端的可能性很低。

　　見實:大廠有可能去做這件事嗎?你們未來還有哪些規劃?

　　王劍波:大廠不會去做這種模型微調，因為不同行業有自己的獨特數據，以及對業務的獨特理解，這件事大廠永遠做不了。

　　我們比較典型的應用產品是做市場分析，所以未來也主要做這一件事的突破，就是通過AIGC新技術把準確率等數據達到一個能商業級應用的級別。

　　見實:在這個行業跑贏其他競爭對手，確定性的東西有哪些?不確定性的東西有哪些?

　　王劍波:確定性的東西，是我們對行業的認知積累和數據積累，比如近十幾年的招投標數據，這個確定性還是比一般的公司要強。

　　所謂不確定性，因為這是條新的路，大家都要提高創新性，尤其是對新技術的應用�，F在行業還處于很早期階段，我們非常重視AI，但要真正到商業應用層面，還有很多事要做。

　　當然，除了重視AI，更重要的是重視用戶需求和用戶價值創造。