反对意见：AIGC很难颠覆原有商业模式

声明:本文来自于微信公众号见实（ID:jianshishijie），作者:见实，授权转载发布。

对To B企业来说，有了AIGC加持后，会对原有商业模式进行颠覆吗?

答案是:很难。

尤其对于To B企业来说，AIGC的介入主要强化和优化了现有的商业模式，更多的是商业模式的重启和重构，而不是对其进行本质性的颠覆。

AIGC的价值体现在提升现有流程的效率，而非创造新的需求或场景。它可以帮企业更高效地利用和配置现有资源，而不是寻找全新的业务机会。

因此，AIGC很难重新找出一块新蛋糕，但很有可能会把原来的旧蛋糕做重新切分。

比如以一家基于招投标数据做营销自动化的企业千里马为例，过去他们主要做To B 服务，累计服务了包括阿里、腾讯、中国移动、中国电信等10万家企业。

他们通过把各个地方的招投标信息汇聚在一起，进行大数据清洗后，生成商机预测、市场分析报告等提供给企业，让企业在招标前做好准备工作，提升成功率。

过去，一个大客户可能会花100万购买招投标数据市场分析报告，但很多中腰部企业、小型企业则由于费用问题会被排除在服务对象之外。现在有了AIGC加持后，制作成本急剧降低，这就给千里马带来了商业模式重构的可能性，他们未来可以服务更多腰部企业和小型企业。

在千里马董事长王剑波看来，AIGC可以让他们做的非标事情变得更标准化。不过，由于To B服务对准确性等各方面要求较高，且目前大模型成本还很高，因此规模化生产的时机还尚未到来。

图源备注：图片由AI生成，图片授权服务商Midjourney

和王剑波的本次对话契机，来自于前几天由见实和行行AI、梅花创投联合举办的AI强应用大会，当天圆桌后，我们还和他聊了更多关于AIGC未来的新机会等话题。如下，enjoy:

01

AIGC对商业模式的重构

见实:你们目前和AIGC的结合点在哪?

王剑波:我们本身是家数据公司，核心是数据治理，即把数据清洗完以后，变成对企业有价值的数据。

原来也通过自己的模型去做数据处理，比如做数据的归类、数据的结构化等。OpenAI的大模型出来以后，我们就深度结合了大模型在做，包括字段的格式化、分类等，现在的思路和原来也会有很大差别。

见实:只是思路的不同?AIGC对千里马在做的事，有发生商业模式上的根本变化吗?

王剑波:我认为AIGC很难创造一种新场景，它还是在老场景上提高效率。

所以我们不会去做一个新场景，比如投标时的标书代写，我们原来没做过这个场景，也不知道是用户的真需求还是伪需求。

所以并不是有AIGC后，我们就要去研究这个市场需求，而是在没AIGC之前，我们就应该研究透这件事了。如果只是有了AIGC后再找这样的新需求，成功率还挺低。

我们更想去做的，是在原来已经验证过的场景上做效能的提升。比如我们原来给客户提供市场分析的数据，一个大客户可能一年花100万去购买招投标数据市场分析报告。

这时我们的生产成本可能是20万，只有头部企业能付得起这些钱，但很多腰部企业和小企业也有需求，却只能支付得起10万元，因此我们之前都把这些客户都排除在外了，因为这个费用可能还不够我们的生产成本。

有了AIGC之后，我们的成本可能从原来的20万变成1000元，就可以给之前排除掉的这些客户提供服务。这就是由于AIGC指数级的降本增效，给我们带来商业模式重构的可能性。在成熟商业模式下，有AIGC加持后，可以急剧降低成本。

见实:成本从原来的20万，突然就变成几千块钱，会降低这么多?

王剑波:举个例子，我们在做市场分析时，需要把某个标，去归到某个分类去，比如要把电梯归到一个电梯的分类里去，这个工作原来是在用自己的一些模型去做，但发现准确率挺低，在50%、60%左右，无法在商业中应用，所以我们要做到准确率95%以上，就要用大量人工去做这件事。

但标的分类非常有挑战，很多人根本不理解这是个什么东西。比如说空气阀是哪个分类，大家可能根本不知道空气阀是什么东西。我们当时估算成本至少要几个亿，所以肯定做不了，只接部分头部客户的这些需求。

有了AIGC后，最厉害的地方在于，它对通识知识的掌握非常厉害，它会知道空气阀是什么东西。所以原来处理一个标的需要5元，现在可能就需要几分钱，更多中小客户的需求我们现在也可以去接了。

甚至针对小微企业，我们也可以提供免费的市场分析数据报告，因为这件事标准化之后，我们的处理成本很低。

见实:那么现在中腰部客户数有没有明显的增长?

王剑波:做To B服务对准确性等各方面要求挺高，达不到标准就很难做商业应用，比如在市场分析中，假设有一个数据出现了误差，就会导致市场决策出现问题，客户会很难接受。

所以我们现在还没真正面向腰部和小微企业去做服务，它的精确度等还达不到要求。目前我们还在不停测试，等大模型的成本降下去了，就可以做大量商业应用。我们目前在用外边的大模型结合自己的小模型，将性价比控制到了一个能接受的范围。

见实:大模型成本降低的时间节点会是什么时候?

王剑波:我觉得很快，可能一年以后就会有一个翻天覆地的变化，可能是现在价格的1%都有可能。

02

现在速度很关键

见实:AIGC加持后，对你们整个岗位变化、生产关系、工作流程的变化有明显改变吗?

王剑波:当然有巨大变化，倒不是说原来人数从100降到多少，而是需要全面转型去拥抱AIGC，在人数结构上有调整。

我们内部有个部门叫数据研究院，原来自己在做小模型、研究算法、做一些工程性的东西，去提升准确率等。

今年1月时，我跟团队说要停掉原来所有工作，所有人都要去拥抱大模型去做应用，要放弃原来的工作模式，去拥抱新的工作模式，和AIGC进行结合。

所以结构产生了变化，这些人原来干的事，和现在干的事完全不一样。就像工业革命后，机器纺织比人的纺织效率更高很多，逻辑上纺织工人的人数下降了很多，但它在另外一个领域上，比如设计这块，人数就要变多了。

见实:你们整个团队现在有多少人?

王剑波:差不多小1000人，和AIGC相关的研究上面，大概有30人。现在还不是规模化生产的时候，尤其是我们这种B端的活，需要准确率达到很高，才能去做规模化生产。

见实:目前你们投入的资金是什么级别的?

王剑波:目前主要还是在人力成本，比如30个人，一年投入成本可能是1500万。目前我们是小步快跑去做，如果能突破某些技术点，也许很快就可以量化生产。

现在速度很关键，时间窗口也就一年之内。我估计一年后，大模型成本会有一个指数级的下降，不是说下降10%、20%，真的有可能下降90%以上。

见实:有些行业会担心，AIGC对他们原有的服务模式会有一些摧毁，您是否也有这种担忧?

王剑波:这是必然的，所以就看谁能转型成功。如果我们不往上面去走，竞争对手比我们早走一步，有可能就遥遥领先了。

AIGC把技术门槛拉低了，比如原来做客服系统的人，其实背后有一堆人员，做了很多工程性的事情来让回答更准确。现在有了AIGC后，之前做的所有东西都归零了，别人直接用AI、用微调模型就能做得更好。

这的确是很可怕的事，你不拥抱它，你就会被别人替代。

见实:有了AIGC之后，可以让非标行业找到标准化的解决方案吗?

王剑波:所谓不标准化，就是每个人都有自己的一个处理方式，这些最后都会被AIGC拉平和标准化，整个工作流程也会被标准化。

但在输入这端，在输入这个层面的人才培养和要求也会越来越高。

03

不能拿着“AIGC榔头”到处找钉子

见实:你们最早什么时候开始去和AIGC相关能力进行结合的?

王剑波:原来我们自己也在做模型，去年11、12月份开始，OpenAI起来后，我们就把算法调整了，现在的算法是基于GPT模型去做，所以原来也一直在做，只不过效果没那么好。

OpenAI 的路线其实并不是主流路线，去年第四季度开始有重大突破后，我们就有关注和结合。

见实:当时做了什么?

王剑波:主要围绕数据的清洗去做，一是打标签，包括分类等。二是格式化，比如一篇标文是非结构化的，要把里面的中标单位、招标单位标的物等数据格式化出来。

当时我们用AIGC结合自己的小模型在做。大模型的好处，是它的泛化知识能力非常强，我们会利用到它的泛化能力，但它回答问题有时“不收敛”，所以我们后面叠加了一个小模型来处理。

见实:你们自己的小模型?

王剑波:对，我们现有的短期挑战就是成本，用GPT4的大模型去做微调，硬件成本太高，所以会用“大模型+小模型”组合来解决这个问题，结合起来做性价比的平衡。

OpenAI 本身的大模型由两部分组成，一部分是它的基座、算法结构，一部分是它的训练数据。我们会用到它的第一部分，也就是基座和算法结构，因为在一个专业领域里，不需要那么大的模型，但需要很多专业数据给它做训练，这样就能够控制好性价比。

但我估计最后的大方向可能是，所谓的小模型也没有多大的价值。我们这个工作也只是阶段性有效，有可能它的成本下降会很快，那时候我们做的这个工作其实也没太大意义。

见实:当成本降低，是否意味着企业付费价格也会降低?

王剑波:企业付费价格也许并不会下降太多。总体来说，客户认可这个价值是关键，生产成本其实并不是那么核心。

当然竞争很激烈的时候，我们的定价有可能会被挤压，但在这个领域内，我们还是行业领先的，还是有定价权。

见实:是否还有其他可能的商业模式?

王剑波:我们还是聚焦在现有的产品和服务。用户的价值需求我们是知道的，所以很难重新找一块新蛋糕，还是原来的旧蛋糕重新做切分。

大家还是在做成熟的场景，这里边跑出来的机会更大，在这里能用AIGC把商业模式进行重构，这是一个大趋势。

我感觉并没有那么多新机会和新场景出来。我们也不可能拿着AIGC这个榔头到处找钉子，这样会有很多局限性，而且很容易找到伪需求，我们之前也跌到这个坑里无数次了。

见实:这波机会还可能是哪些公司的?是像你们这样的大数据公司吗?

王剑波:我觉得做大数据还不是关键，因为AIGC出来后，反而把我们这种大数据公司的技术门槛和能力给拉平了一些。

所以还是那些原来在老跑道里的团队会更有优势，尤其是本身对行业和用户有很强认知，开放性也很高，又积极拥抱AIGC的公司。

另外，如果一个新的“外来者”要切入，还是切入C端产品和服务的可能性较高，切入B端的可能性很低。

见实:大厂有可能去做这件事吗?你们未来还有哪些规划?

王剑波:大厂不会去做这种模型微调，因为不同行业有自己的独特数据，以及对业务的独特理解，这件事大厂永远做不了。

我们比较典型的应用产品是做市场分析，所以未来也主要做这一件事的突破，就是通过AIGC新技术把准确率等数据达到一个能商业级应用的级别。

见实:在这个行业跑赢其他竞争对手，确定性的东西有哪些?不确定性的东西有哪些?

王剑波:确定性的东西，是我们对行业的认知积累和数据积累，比如近十几年的招投标数据，这个确定性还是比一般的公司要强。

所谓不确定性，因为这是条新的路，大家都要提高创新性，尤其是对新技术的应用。现在行业还处于很早期阶段，我们非常重视AI，但要真正到商业应用层面，还有很多事要做。

当然，除了重视AI，更重要的是重视用户需求和用户价值创造。