從基礎大模型到場景適配，企業如何做好商業化最后一公里？

　　文 / 四海

　　來源 / 節點財經

　　從百模大戰的興起，再到市場有關大模型PMF(產品市場匹配)的討論沸沸揚揚。這一切都隨著DeepSeek的橫空出世發生變化。DeepSeek全面免費開源，在全球掀起了一場超級風暴，不光將算力成本打了下來，更是改變了模型開源閉源的攻守站位。幾乎所有的大型科技公司、互聯網公司和初創公司，都在宣布自有大模型的開源，或者基于開源模型進行業務重建。

　　如果說過去閉源模型過高的成本限制了企業對大模型的應用，那么在開源模型聲浪越大的今天，大模型如何重構企業商業模式?什么樣的生態才是真正繁榮的AI生態?企業在用大模型賦能自身業務時有哪些痛點與誤區?我們采訪了累計8位從業者，涵蓋了B端技術服務商與C端應用方，共同探討大模型的本質與應用方法論。

　　01 大模型是AI時代的水電煤

　　在大模型生態日漸繁榮之時，市場上浮現出一種聲音，大模型時代的殺手級應用是誰?是元寶、豆包還是ChatGPT?各大模型商家揮灑營銷費用買量提高日活之時，業內人士拿著放大鏡，尋找大模型時代的微信與QQ。

　　在《節點財經》看來，大模型與移動互聯網的本質差異在于 —— 前者是 “生產力工具”，后者是 “生產關系重構者”。

　　阿里云智能集團副總裁安筱鵬告訴《節點財經》，大模型的優勢在于能夠深度融入千行百業的各個環節，可以作為智能大腦系統嵌入各類硬件設備;以軟件形態，通過協作的方式與人共同完成任務;或是成為自動駕駛的控制系統，指揮其他業務系統自動完成工作流程。大模型多元化的應用形態，使得其價值形態和商業模式也更加豐富多樣，若要尋找與大模型適配的參照坐標系，集成電路會比互聯網更為合適。

　　針對不同的應用方式，《節點財經》也采訪了應用端企業，在與多位受訪對象交流過程中，我們發現效率的提升、成本的降低是大模型最突出的特點。

　　以控制系統為例，專注提供井工礦無人駕駛解決方案的雷科智途，其創始人黃琰表示，過去中國礦山機械品牌售價只有海外品牌的一半，但是用大模型重構場景作業能力后，旗下無人車礦山機械售價幾乎與海外品牌持平，不光提升了場景作業能力，也提升了品牌的溢價。

　　以軟件形態與企業業務協同為例，新藍標數字集團李唯涵透露，智能體的應用大大提升了內容的生產效率，僅2025年第一季度，藍色光標由AI直接驅動的營收已經逼近去年全年，今年預計達到30到40億元的規模。

　　作為智慧大腦嵌入硬件設備，提升場景應用能力為例。專注酒店場景智能產品研發的睿沃科技CEO王琦透露，依托大模型開源特性，睿沃科技得以快速開發新功能，將自助入住機流程從 2 分鐘縮短至 10 秒，高峰期分流 60% 客人，為中小酒店節省至少 2 名前臺人力成本。

　　相較于了解大模型對企業或產業的滲透方式而言，探索企業如何用大模型改造業務更具價值。

　　在安筱鵬看來，今天要想客觀衡量一個國家AI行業，并非只盯著模型的排行榜，而是整個軟件應用生態是否足夠繁榮，這才是判斷AI產業應用落地的標準。李彥宏也曾提到，不管是開源還是閉源，模型的排行榜并不重要，重要的是應用。

　　國內頂級創業培訓機構昆侖學堂也持有類似的觀點，基礎大模型需要高昂的算力成本支持，是少數企業的事，大多企業應該聚焦在場景應用的優化上。

　　市場才是檢驗技術價值和產品競爭力的終極標準，那么走在應用最前沿的企業如何形成商業化閉環的?

　　02 應用端企業如何用好大模型?

　　大模型通過智慧大腦嵌入硬件、軟件協同作業、自動化系統控制三種形態滲透業務場景，而發揮其效能的核心，在于企業能否運用獨有場景數據形成業務閉環。在昆侖學堂看來，技術應該與應用場景深度融合，避免拿著屠龍刀找龍的尷尬。

　　五節數據核心業務涉及輿情監測，在大模型興起之前就用AI賦能旗下輿情監測平臺，但是彼時的AI還不夠聰明。打個比方，對100篇文章識別的話，普通AI的情感判斷準確度僅70%。后來，大模型技術不斷精進，五節數據借助自有數據微調后的大模型，對文本與視頻內容的情感分析準確度上升到了98%，大大降低了輿情監督的人力成本。

　　在五節數據創始人田文軍看來，大廠業務廣泛，在其密集的觸手之外，抓住細分場景商機，用獨有數據賦能大模型，形成業務閉環，是中小企業的商業化出路。

　　以數據結合大模型賦能業務場景，進而提升企業競爭力的還有雷科智途。黃琰表示，對于礦井場景來講，市面上大部分通用大模型算力都過剩了，真正欠缺的是細分場景的數據。

　　想要有數據積累并不簡單。礦山場景聚焦井下非標準交通場景，數據量遠少于公開道路。與此同時，通用大模型難以直接滿足礦山的特殊需求，因此也需結合行業特性，對算法做定制化優化。

　　雷科智途通過微調后的大模型賦能礦山L4無人駕駛場景應用，提升了在復雜場景下，決策模塊的感知能力與高效協同能力，最終減少了近50%的井下作業人力，提升了礦山場景的安全性。據了解，旗下自產的礦山機械從過去“價格僅為進口設備一半仍難獲認可”到“逐步實現對海外品牌的技術替代”。

　　除了深挖細分場景提升競爭力，各大企業對大模型的應用也絕非聚焦在單點突破，而是應用于全鏈路提效上。

　　當紅齊天聯合創始人馬子涵坦言，大模型對公司業務的賦能覆蓋了全鏈路，包括內容創作、用戶洞察分析、后期的運營與優化上。

　　當紅齊天集團是一家AI+XR生態型文化科技企業，全鏈條布局創造沉浸式數智體驗，深度融合人工智能(AI)、5G云渲染、大空間定位、先進傳感器、5G-A等前沿技術，應用于科技文旅、教育、電競等多元場景。據了解，一個項目的落地通常涵蓋，用戶市場調研、內容創作、落地執行、用戶數據分析等多個環節。

　　內容作為非標準行業，再疊加不同地區用戶喜好與文化的差異問題，每次項目的規劃都具備不可復制的特點。但大模型能力的提升剛好解決了這個問題。

　　馬子涵透露，大模型能參與代碼開發、劇本優化、圖像生成多個環節，縮短內容生產周期。與此同時，大模型也能應用于用戶洞察上，有助于當紅齊天緊緊把握地域文化特色與流行趨勢。此外，XR/VR虛擬場景體驗包括多模態交互，而AI剛好可以追蹤用戶體驗行為的互動時長等，捕捉用戶對內容的反饋，借此反哺產品實現創意迭代。

　　就在大模型幾乎成為垂直細分領域的標配之時，如何讓企業避免“劇場效應”?答案是智能體。

　　在新藍標數字集團李唯涵看來智能體是大模型到場景應用的必然演進。安筱鵬也表示了類似的觀點，Agent是軟件在AI時代的新形態，就像SaaS是10年前的軟件形態一樣。

　　據《節點財經》觀察，智能體在公司業務中也發揮越來愈大的作用，我們以內容為王的營銷行業為例。

　　AIGC普及以來，市面上同質化內容亂流，如何產生優質內容，吸引用戶注意力是每個營銷領域的公司都應該思考解決的問題，對此藍色光標給出了解決方案。

　　早在2023年，藍色光標就開始激進的布局全鏈路AI營銷，與阿里云、百度智能云、火山引擎等頭部平臺合作，打造專屬營銷大模型 BlueAi。

　　但垂類營銷模型對藍色光標來說只是一個開始，“不同領域的客戶還是有know—how與信息差壁壘的。”李唯涵表示。為此，藍色光標將過去服務客戶積攢的數據與經驗，沉淀生成智能體。哪怕一個行業新手在智能體的幫助下，也能為品牌客戶交付不錯的成果。目前，藍色光標已經打造了超過100個智能體，其中達到專家級別的智能體多達30多個。

　　在智能體幫助下，只需要10分鐘就能實現B站、小紅書等多個平臺社媒數據實時分析，生成營銷趨勢洞察，精準把握時下熱門內容風格，相比較傳統工具可能得需要至少一周的時間。此外，智能體還能自動生成合規文案，減少人工創意成本。

　　03 大模型應用的挑戰與誤區

　　聚焦細分場景形成閉環，用AI賦能全鏈路，甚至生成智能體，看起來似乎很簡單，但是這些企業在摸索出解決方案之前，也不可避免的走上了彎路，為此，《節點財經》也特意與企業探討出一些方法論供業內人士參考。

　　首先，拒絕技術盲目崇拜。

　　大模型的先進與否固然重要，但是黃琰告訴我們，很多企業一定要等基礎大模型十分先進了才肯為業務場景融入AI。其實，現有大模型算力已經充足，垂直企業需要做的就是脫下孔乙己的長衫，從實驗室鉆研技術，走到具體的應用場景，才能打通軟件與硬件的壁壘，實現業務的閉環。“不要怕苦不要怕累，不要閉門造車，要多實踐多試錯。”黃琰總結。

　　此外，很多垂直領域企業在宣傳產品時側重于強調搭載了哪個知名大模型，有多大的參數加持。事實上，細分領域的企業關注點要落到用戶體驗的優化上，特別是要降低用戶的使用成本。

　　維度AI專注于打造研究型Agents，其創始人兼CEO楊宇梁表示，agent的價值核心是context，為此，我們用交互體驗更佳的agents為用戶提供精準、可靠的學術和知識研究服務。比如，過去學生，研究者和專業人士在寫論文，報告，或跨領域搜集資料時，通常存在搜索資料耗時、對陌生領域知識分析困難的難題，現在用維度AI自主研發的維度X1：智能研究助手，可以在很短的時間內提取關鍵信息，獲得可靠研究成果。

　　昆侖萬維也有類似的看法，底層模型固然重要，這是衍生出足夠強大上層產品的根基，但是精準把握產品市場契合點，深度洞察市場需求，才能真正打造出解決用戶痛點的產品。此外，企業也需要針對新的市場動態，形成快速反饋、快速行動、快速驗證的產品價值閉環。

　　其二，數據的積累與隱私。

　　多位受訪對象向我們表示，AI 模型的訓練依賴大量高質量數據，數據的收集、整理和標注需要耗費大量的資源和時間。正是因為其重要性，數據的安全性和隱私保護也是關鍵問題，因此，企業有必要建立完善的數據管理和安全機制，防止數據泄露和被惡意利用。

　　李唯涵認為，應用大模型對企業AI轉型來說，只是一個開始，特別是智能體的進化并不是一蹴而就的事，企業要特別注意數據的長期積累，才能實現業務的不斷進化，打造堅固的護城河。

　　其三，AI還不能徹底取代創作者。

　　當然，AIGC的風掀起來之時，行業有關AI替代創作者的爭論沒有休止，但幾位受訪者均向我們傳遞了AI不能替代人類的觀點。

　　馬子涵表示，內容創作的本質是傳遞情感，傳遞態度，傳遞個人風格。AI有時候確實會提供天馬行空的創意，那是AI的表達，內容表達本來就應該是豐富的，AI有AI的風格，不同創作者有不同的風格，會有不同的受眾群體。AI會提效生產，但是人類個體的創作表達依然有其獨特的價值。

　　其四，組織適配與挑戰。

　　就在各大企業紛紛加碼AI技術轉型時，組織架構的轉型也很必要。一個能真正擁抱AI、理解AI并善于應用AI的組織，比單純應用技術更重要。這需要新型的人才培養體系和組織形態。比如，從招聘到晉升再到激勵，AI已經成為藍色光標最剛性的考核標準。今天在藍色光標有數百名產品技術人才、AI種子人才。

　　最后，中國的AI應用仍處于初級階段。

　　在基礎大模型上，中國只落后美國1到3個月的時間，但是在基礎大模型的應用上，中國還處于萌芽階段。安筱鵬表示，美國在2024年AI相關的獨角獸公司大概有28家，其中在代碼生成領域有6家到8家獨角獸公司，但是中國市場雖然很多公司都用AI賦能了，但是所創造的收入規模或者AI原生企業的規模還無法與美國市場相提并論。

　　不過從長遠視角來看，這并不代表中國企業勢必落后于美國。昆侖學堂告訴《節點財經》，美國企業在大模型基礎技術、算法積累上確實有優勢，但是中國在應用落地與數據場景上潛力空間巨大，打破技術限制，與行業資源融合才是中國企業的破局之道。

　　當然，大模型作為基礎設施，其蓬勃發展實現對各行各業的滲透乃大勢所趨。安筱鵬預測，一切智能硬件會被大模型所驅動;一切軟件會被大模型所重構;一切數據會被大模型所激活。盡管中國 AI 應用生態尚處早期，但開源浪潮下，中小企業正通過“場景深耕 + 數據積累”實現差異化突破。正如安筱鵬所言，大模型時代的競爭不是“百米沖刺”，而是“馬拉松耐力賽”，這為中國企業構建本土生態提供了戰略窗口期。