"To B(e) or not to B(e)，這是問題的關鍵"——莎士比亞賦予哈姆雷特的名句，放在AI時代仿佛成為了一道雙關。在AI大模型的商業化道路上，To B或To C的不同方式，確實事關產品的繁榮或消亡。這一問題同時影響到技術路線、研發及商業模式，對於大模型的頂級玩家可謂攸關生死。
正如《德魯克日誌》所說："當今企業之間的競爭不是產品之間的競爭，而是商業模式之間的競爭。"在這個AI大模型商業化的關鍵時期，每個公司都在努力尋找屬於自己的答案。
一、To C市場：潛力巨大，變現艱難
"To C是To B市場的十倍，"百川智能CEO王小川曾給出簡單明了的判斷。確實，相比復雜多樣的To B市場，To C市場的優勢顯而易見：
- 龐大的潛在用戶數：中國擁有12億互聯網用戶，這是一個永遠令人振奮的市場；
- 快速的用戶增長：成功的To C產品可能在短時間內獲得指數級用戶擴增，以往難以想象的千萬級甚至億級日活並不遙遠；
- 用戶數據的馬太效應：在C端的優勝者一定能取得海量的真實使用數據，憑借數據再進一步提升模型能力。
然而，To C市場也面臨著巨大的挑戰。用戶增長容易，變現卻很難。很多To C的AI公司仍在通過真金白銀的投放和免費吸引用戶，如何盈利很快將成為不得不回答的問題。
國內C端對話產品的困境
統計各大頭部公司的大模型C端對話產品後，很容易發現國內市場中的頂級參賽者並不具備openAI和Claude在海外所擁有的付費號召力。而即使是後者，也在盡全力提升免費服務的範圍和質量。
我們看到業界在付費問題上略有一些嘗試，如Kimi的打賞功能和文心一言的僅先進版本付費，效果也不盡如人意，總體而言遜於海外市場。
一方面在燒錢投流找用戶，另一方面訓練模型的成本還在不斷攀升。
Anthropic的CEO Dario在最近的訪談中提到，目前正在訓練的模型成本超過10億美元。他預測，到2025年，模型訓練的成本會達到100億美元，到2027年，這個數字將有可能飆升至1000億美元。
顯而易見，有效的經營性現金流入對於大模型廠商後續的天價軍備賽至關重要。
競爭API調用
雖然各大模型廠商推出的C端對話式產品還沒有找到合適的收入模式，但在API調用市場，已經開始產生收入。
這裏值得註意的是，API市場實際上同時存在B端和C端兩類用戶。在當前的討論中，B端和C端的區分並非簡單地以個人或公司來劃分，而是根據是否需要大模型公司提供額外的定製服務來區分。
• C端用戶：不需要大模型公司提供額外定製服務的用戶，使用企業提供的標準化產品，包括個人開發者和部分企業開發者。
• B端用戶：需要大模型公司提供額外定製服務的企業用戶。
不需要額外投入人力去滿足客戶的特殊需求，就意味著C端的API調用存在規模效應，用戶越多越能攤薄大模型訓練成本。
這種模式在傳統的互聯網產品中已被成功驗證，隨著用戶數量的增多，產品開發成本不斷分攤，使得產品的邊際成本不斷降低。
月之暗面創始人楊植麟在一次早期訪談中提到"C端模型的用戶越多，邊際成本越低"，正是對這一趨勢的洞見。
同時，C端開發者對模型的使用，可以有效帶動數據飛輪的運轉，顯著提升大模型的能力。正如楊植麟曾說過的：「只有C端模型才有可能做到以「日」為單位的叠代速度」。
二、To B市場：關鍵領域的鏖戰？
與海外巨頭OpenAI和Anthropic在B端市場斬獲頗豐相比，國內大模型廠商在B端市場的表現顯得低調的多。
Sam Altman近期在內部透露，在過去六個月左右的時間裏，OpenAI的年化收入增長了一倍多，達到34億美元。從openAI的數據來看，API調用占據收入主要部分，與微軟的合作貢獻了2億API調用。這一聲明暗示了openAI當前在B、C端市場都遊刃有余。
Anthropic CEO在近期接受挪威主權基金采訪時，展現出這家業界第二的公司，目前更多地思考toB而不是toC提供服務。「我們正在考慮如何將人工智能融入工作環境。……在金融和醫療領域， Anthropic從一開始就規劃了To B變現最大化的商業閉環。
企業客戶不會給大模型公司帶來像互聯網式的爆炸增長，但可能會給公司帶來穩定的現金流從而支持公司發展。特別是存在部分行業，如金融、醫療、法律和教育，對人工智能在商業環境的介入有著極高需求，獲得大模型的賦能後展現出脫胎換骨的增長空間。
定制化的高成本
然而，To B市場在中國面臨著獨特的挑戰：中國市場的B端用戶需求更加繁瑣，成本更高。每個企業都實現滿足獨特的、定製化的需求，而不是單向接受標準化的產品。
定制意味著更高的成本投入，尤其是對於場景復雜、數字化轉型較晚的工作環境。
數據不完善、質量差，需要大模型公司投入更多的人力，從底層開始執行智能化設計，成本自然畸高。
更何況，一系列非技術原因，如政策要求、從業者習慣、受眾取向及安全，對這一過程產生出關鍵影響。
這對於人員規模受限、模型持續叠代，處於激烈競爭環境中的初創大模型公司，很難成為一個特別劃算的生意。對於追求回報的投資人，也不是一個性感的故事。
除了成本問題，數據資產的敏感性也構成了企業和模型廠商的隔閡。
零一萬物的CEO李開復表示，AI要深度融入企業的業務流程，前提是企業願意共享數據。
但現實情況是，國內大部分企業更註重數據隱私，在共享內部數據的行動上顯得十分遲緩和被動。從保護資產角度，這樣的遲疑其實不無道理。
然而，高效的信任和合作是B端大模型業務獲得數據飛輪的前提。對於初創企業，與被服務的B端公司達成信任合作，需要逾越各種艱難的障礙。
即使是鼎鼎大名的Anthropic，CEO在訪談中也表示數據是公司面臨的最大瓶頸，正在與其他公司努力合作解決。
先行者嘗試作答——依靠開放和共享撬動B端
那麽，國內大模型B端市場如何發展？
早在OpenAI的ChatGPT 3.5尚未爆發的2019年就已成立的智譜AI，與其他大模型"五小龍"發展路徑略有不同。
時間差給智譜AI帶來了先行機會，目前它在To B市場已取得了不少成果：
- 2023年共計中標13次，合作企業包含中國郵政儲蓄銀行、中核咨詢、中國地質環境監測院等。
- 2000多家合作夥伴，其中有200多家企事業單位參與智譜模型共創；
智譜AI的CEO張鵬在接受采訪中對B端業務曾經表達過如下兩個觀點：
1、包括支持API 和雲端私有化部署的開放平臺和本地私有化部署方案均通過多種方式確保客戶隱私、數據安全與合規。
2、應對定制化高成本：智譜會努力與客戶達成共識，行業能力或專業能力可以在通用基座上通過少量數據的微調和深度學習快速獲得。這一過程是敏捷式的，其成果可以持續交付和優化。
也是這一代人工智能技術路線同過往的不同之處。大模型擁有較好的通用和泛化能力，微調和定製化難度與能力大幅降低。
關於toB和toC的關系，智譜也有穩健的思路。
智譜AI GLM技術團隊成員曾在電話會中闡述，智譜B端和C端是相輔相成的，To B業務保證了公司基礎的規模化收入，To C方面的目標是培育顛覆性的「殺手級」應用，也是公司接下來布局的重點方向。
然而，智譜AI所走的這條路徑，當下其他大模型"小龍"可能並不具備復製的條件。市場環境的變化、競爭格局的演進，都使得後來者難以重復先行者的途徑。
三、大模型公司的共同目標
盡管各家大模型公司在To B和To C的選擇和平衡策略不盡相同，它們都有一個共同的目標：提升大模型的基礎能力。
無論是通過B端的深度合作通過微調和深度學習獲得行業能力，還是通過C端的廣泛應用獲取海量用戶反饋，所有這些努力最終都是朝向更強的通用人工智能（AGI）。
然而，市場發展和競爭加劇的背景下，問題始終存在，還將持續困擾著整個行業：如何在用戶增長和模型能力進步中找到可持續的經營模式？這個問題的不同答案，可能會決定各個大模型商業模式的結局。
當然，有一些預期是始終穩定可靠的。對於消費者來說，未來可能會出現更多創新的AI應用和服務；對於專業工作者，未來可以從AI智能獲得更多輔助，提升更多效率。
至於投資者，則需要密切關註各家公司在商業模式、技術創新和用戶增長上的突破。
結語：To B or To C？各自做到何種程度？這個問題對於當下的大模型廠商顯然沒有一個標準答案。
在用戶增長和模型能力進步中去尋找商業化變現方式，將會是行業裏每一個個體需要持續思考的問題。
---[作者：張逸凡*編輯：申思琦*來源：硬AI/來源: 華爾街見聞官方]
