從2022年末的ChatGPT橫空出世，AIGC的熱潮已經(jīng)持續(xù)了近兩年，在熱潮之下，AI項(xiàng)目的商業(yè)化該如何從中找到真正的機(jī)會(huì)？從技術(shù)驅(qū)動(dòng)到應(yīng)用落地，AI商業(yè)化與互聯(lián)網(wǎng)的商業(yè)模式有哪些不同？垂直行業(yè)的企業(yè)如果要進(jìn)行AI試水，有哪些成功的經(jīng)驗(yàn)和失敗的教訓(xùn)值得借鑒？本文將一一道來(lái)。

從2022年底Chatgpt引發(fā)全球范圍的技術(shù)熱潮開(kāi)始，AI的商業(yè)化潛力就在被不斷挖掘。2022年全年，AIGC的融資僅約人民幣97億元，而到了2023年上半年，AIGC賽道的融資金額就已超過(guò)去年全年的十倍。而到了2024年，前三季度全球AIGC融資總額達(dá)到了2710億元人民幣，同比增長(zhǎng)108%。

那么，在過(guò)去的兩年內(nèi)，AI創(chuàng)業(yè)者們主要的發(fā)力點(diǎn)有哪些？

一、四大AI商業(yè)模式：如何占領(lǐng)價(jià)值鏈高地

德國(guó)慕尼黑工業(yè)大學(xué)的Michael Weber調(diào)研了100家美國(guó)、歐洲、新加坡、以色列等地的AI初創(chuàng)公司，總結(jié)了四類AI創(chuàng)業(yè)的方向：

1. 技術(shù)驅(qū)動(dòng)型（模型即服務(wù) Model-as-a-service）

這一類是我們最熟悉的模式：即大模型的開(kāi)發(fā)，Chatgpt、Qwen等產(chǎn)品均屬其列。

這類商業(yè)模式通常專注于開(kāi)發(fā)和提供先進(jìn)的AI模型，這些模型可以被其他企業(yè)用于各種應(yīng)用場(chǎng)景。它們通常提供復(fù)雜的底層技術(shù)，而不是標(biāo)準(zhǔn)化或易于定制的解決方案。這些模型可以由商業(yè)客戶實(shí)施和定制，以滿足特定的業(yè)務(wù)需求。

根據(jù)市場(chǎng)研究公司Allied Market Research的報(bào)告，全球模型即服務(wù)（Model-as-a-Service）市場(chǎng)規(guī)模預(yù)計(jì)從2023年的43億美元增長(zhǎng)到2030年的126億美元，年復(fù)合增長(zhǎng)率（CAGR）達(dá)到16.4%。技術(shù)驅(qū)動(dòng)型創(chuàng)業(yè)需要高額的研發(fā)投入和領(lǐng)先的科學(xué)家團(tuán)隊(duì)，競(jìng)爭(zhēng)壁壘主要在于技術(shù)先進(jìn)性和創(chuàng)新能力。

2. 平臺(tái)生態(tài)型

這一模式通過(guò)提供AI開(kāi)發(fā)工具和基礎(chǔ)設(shè)施，支持其他公司進(jìn)行創(chuàng)新。

例如，AWS和Azure提供的AI開(kāi)發(fā)工具已經(jīng)成為許多初創(chuàng)公司的技術(shù)后盾。比如Google Cloud AI Platform提供一系列機(jī)器學(xué)習(xí)服務(wù)，包括預(yù)訓(xùn)練的模型和自定義模型訓(xùn)練工具，允許開(kāi)發(fā)者在其平臺(tái)上構(gòu)建、部署和擴(kuò)展AI解決方案。Amazon Web Services (AWS) SageMaker提供完全托管的服務(wù)，包括預(yù)訓(xùn)練的機(jī)器學(xué)習(xí)模型和構(gòu)建、訓(xùn)練、部署自定義模型的工具，支持多種機(jī)器學(xué)習(xí)框架。

3. AI+垂直應(yīng)用

這一模式聚焦于特定行業(yè)需求，利用AI技術(shù)解決行業(yè)痛點(diǎn)，也就是將AI技術(shù)應(yīng)用于特定垂直行業(yè)的實(shí)踐，以解決該行業(yè)內(nèi)的具體問(wèn)題和挑戰(zhàn)。

這種應(yīng)用模式結(jié)合了AI的強(qiáng)大數(shù)據(jù)處理能力和行業(yè)專業(yè)知識(shí)。比如在2023年獲得Fast Company世界改變創(chuàng)意獎(jiǎng)（World Changing Ideas Awards）的醫(yī)療AI公司Overjet，就是通過(guò)病理圖像分析優(yōu)化牙科診斷流程，為牙醫(yī)提供精準(zhǔn)的輔助工具。

行業(yè)垂直應(yīng)用強(qiáng)調(diào)深度理解行業(yè)需求，將AI轉(zhuǎn)化為實(shí)際產(chǎn)品和服務(wù)。成功的關(guān)鍵在于技術(shù)與行業(yè)知識(shí)的深度結(jié)合。

4. 數(shù)據(jù)提供商

數(shù)據(jù)是AI的燃料，而數(shù)據(jù)提供商則專注于整合和分析獨(dú)特的數(shù)據(jù)資源，為客戶提供洞察力或預(yù)測(cè)支持。

這類公司專注于利用AI技術(shù)進(jìn)行整合和分析行業(yè)/市場(chǎng)/企業(yè)的海量數(shù)據(jù)，為企業(yè)提供決策支持（比如持續(xù)監(jiān)控運(yùn)營(yíng)、發(fā)現(xiàn)模式和預(yù)測(cè)未來(lái)趨勢(shì)）。這些解決方案通常需要針對(duì)客戶的具體需求進(jìn)行定制，并與現(xiàn)有的信息系統(tǒng)良好集成。

這一模式通常采用訂閱或交易收費(fèi)的方式。其核心競(jìng)爭(zhēng)力在于數(shù)據(jù)的稀缺性和質(zhì)量。擁有獨(dú)家數(shù)據(jù)資源的公司往往能在競(jìng)爭(zhēng)中占據(jù)上風(fēng)。

二、AI商業(yè)化的獨(dú)特之處

由于AI技術(shù)與互聯(lián)網(wǎng)技術(shù)看似“同氣連枝”，所以很多人對(duì)“AI如何成功地商業(yè)化”，第一反應(yīng)也是“和互聯(lián)網(wǎng)差不多”。然而，AI的商業(yè)模式中恰恰有“反直覺(jué)”的部分。至少有三點(diǎn)有所不同：全新的價(jià)值主張、數(shù)據(jù)在價(jià)值創(chuàng)造中的新角色、在使用中變得更“聰明”。

1. 全新的價(jià)值主張

AI技術(shù)提供了額外的能力，這些能力擴(kuò)大了用數(shù)字化來(lái)滿足新客戶需求和緩解他們痛點(diǎn)的范圍。比如，在傳統(tǒng)商業(yè)模式中通常采用相對(duì)標(biāo)準(zhǔn)的產(chǎn)品和服務(wù)，盡量覆蓋大部分市場(chǎng)需求，針對(duì)不同客戶的差異化需求較少定制。而AI能夠根據(jù)大量用戶數(shù)據(jù)提供高度個(gè)性化的產(chǎn)品、服務(wù)或體驗(yàn)；又比如，在運(yùn)營(yíng)時(shí)，傳統(tǒng)商業(yè)模式通常要依賴人工和固定流程，效率受限且可能出現(xiàn)人為錯(cuò)誤，而AI通過(guò)自動(dòng)化和智能化系統(tǒng)，能提升自動(dòng)化客戶服務(wù)的水平，從而做到提高效率，減少錯(cuò)誤，降低運(yùn)營(yíng)成本。

2. 數(shù)據(jù)在價(jià)值創(chuàng)造中的“雙重性”

“數(shù)據(jù)創(chuàng)造價(jià)值”的口號(hào)由來(lái)已久，但在人工智能的商業(yè)化中，數(shù)據(jù)有著“雙重角色”。一方面，AI項(xiàng)目通過(guò)數(shù)據(jù)分析來(lái)協(xié)助決策、產(chǎn)生洞察或檢測(cè)異常情況；另一方面，數(shù)據(jù)以一種不同且新的方式被使用：訓(xùn)練模型。在AI商業(yè)化中，數(shù)據(jù)不一定都是被用來(lái)生成洞察力的，而是用于訓(xùn)練模型，然后這些模型能夠被嵌入到產(chǎn)品和服務(wù)中。這樣，價(jià)值是通過(guò)一個(gè)訓(xùn)練有素的模型來(lái)提供的，而不是提供新的數(shù)據(jù)分析手段。

3. 在使用中變得更“聰明”

有研究者發(fā)現(xiàn)AI產(chǎn)品和服務(wù)的持續(xù)學(xué)習(xí)，造成了一種新的有趣的機(jī)制：產(chǎn)品和服務(wù)在使用過(guò)程中，隨著客戶使用時(shí)間的增長(zhǎng)，可以逐漸變得更加智能，因?yàn)闀?huì)有更多的數(shù)據(jù)可用于產(chǎn)品的智能訓(xùn)練。這種機(jī)制可能會(huì)影響整個(gè)商業(yè)邏輯，因?yàn)锳I企業(yè)可以首先通過(guò)產(chǎn)品和服務(wù)把關(guān)鍵的客戶基礎(chǔ)建立起來(lái)，然后慢慢通過(guò)從客戶那里收集的數(shù)據(jù)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

三、AI+垂直應(yīng)用：從技術(shù)的浪漫到落地求生

在2024下半年起，探索垂直行業(yè)的AI+應(yīng)用成了新的趨勢(shì)。從AI技術(shù)研發(fā)者的角度而言，這是從純粹的“技術(shù)浪漫”到“落地求生”。畢竟，再如何先進(jìn)的算法，也要找到落地的業(yè)務(wù)場(chǎng)景。而對(duì)更多并不掌握核心AI技術(shù)的行業(yè)而言，也成為了可以入場(chǎng)的最佳時(shí)機(jī)。

那么對(duì)垂直行業(yè)而言，探索AI的商業(yè)化有哪些優(yōu)勢(shì)呢？

1. 行業(yè)專長(zhǎng)與客戶基礎(chǔ)

深耕行業(yè)多年的垂直企業(yè)往往擁有深厚的領(lǐng)域知識(shí)和成熟的客戶關(guān)系，這是AI公司難以比擬的先發(fā)優(yōu)勢(shì)。例如，醫(yī)療行業(yè)的企業(yè)對(duì)患者行為和診療流程有深入了解，這使得它們能夠更好地定義AI解決方案的核心功能。汽車制造行業(yè)的供應(yīng)鏈企業(yè)同樣能夠憑借多年經(jīng)驗(yàn)開(kāi)發(fā)高效的預(yù)測(cè)性維護(hù)系統(tǒng)。

2. 豐富的歷史數(shù)據(jù)

豐富的歷史數(shù)據(jù)往往是訓(xùn)練AI模型的寶貴資產(chǎn)。垂直企業(yè)可以直接利用已有的業(yè)務(wù)數(shù)據(jù)進(jìn)行模型優(yōu)化。例如，零售企業(yè)利用多年積累的銷售數(shù)據(jù)構(gòu)建AI推薦系統(tǒng)，大幅提升了顧客轉(zhuǎn)化率。保險(xiǎn)公司通過(guò)分析多年來(lái)的理賠數(shù)據(jù)，開(kāi)發(fā)風(fēng)險(xiǎn)評(píng)估模型，既降低了拒賠率又優(yōu)化了保費(fèi)定價(jià)。

3. 現(xiàn)有品牌與市場(chǎng)信任

客戶對(duì)于傳統(tǒng)品牌的信任為推廣AI產(chǎn)品提供了天然優(yōu)勢(shì)。例如，一家長(zhǎng)期提供法律咨詢的企業(yè)在推出基于AI的合同審閱工具后，客戶更愿意接受這一技術(shù)，因?yàn)槠放频男湃味葦[在那里。

當(dāng)然，新的商業(yè)機(jī)會(huì)有優(yōu)勢(shì)，自然也有風(fēng)險(xiǎn)。垂直應(yīng)用要進(jìn)行AI商業(yè)化，也會(huì)存在以下潛在的雷區(qū)：

1）數(shù)據(jù)隱私與合規(guī)挑戰(zhàn)

目前不同國(guó)家和地區(qū)的法規(guī)都對(duì)數(shù)據(jù)和隱私保護(hù)有嚴(yán)格要求，需要企業(yè)對(duì)相關(guān)法律法規(guī)了解，才能避免數(shù)據(jù)隱私的挑戰(zhàn)。

2）技術(shù)依賴與核心競(jìng)爭(zhēng)力缺失

垂直行業(yè)進(jìn)行AI+應(yīng)用，往往要借力于第三方的技術(shù)或平臺(tái)，而可能會(huì)導(dǎo)致企業(yè)的核心知識(shí)/技術(shù)/競(jìng)爭(zhēng)力的外泄。

3）短期與長(zhǎng)期利益之爭(zhēng)

AI項(xiàng)目的前期投入較大，而收益則要慢慢才能看見(jiàn)。而垂直領(lǐng)域的公司也往往有其他短期收益見(jiàn)好的“現(xiàn)金?！睒I(yè)務(wù)，因此容易在公司內(nèi)部造成短期與長(zhǎng)期之爭(zhēng)。

四、結(jié)語(yǔ)

總結(jié)當(dāng)下的AI商業(yè)化，雖然大部分的企業(yè)和項(xiàng)目猶在初步探索的階段，但是迥異于互聯(lián)網(wǎng)的商業(yè)模式、技術(shù)+數(shù)據(jù)+垂直行業(yè)的綜合較量，已經(jīng)初現(xiàn)端倪。展望2025，相信這個(gè)領(lǐng)域的創(chuàng)新與探索會(huì)給我們帶來(lái)新的驚喜。