从基础大模型到场景适配，企业如何做好商业化最后一公里？,商业场景打造

文 / 四海 

来源 / 节点财经

从百模大战的兴起，再到市场有关大模型PMF（产品市场匹配）的讨论沸沸扬扬。这一切都随着DeepSeek的横空出世发生变化。DeepSeek全面免费开源，在全球掀起了一场超级风暴，不光将算力成本打了下来，更是改变了模型开源闭源的攻守站位。几乎所有的大型科技公司、互联网公司和初创公司，都在宣布自有大模型的开源，或者基于开源模型进行业务重建。

如果说过去闭源模型过高的成本限制了企业对大模型的应用，那么在开源模型声浪越大的今天，大模型如何重构企业商业模式？什么样的生态才是真正繁荣的AI生态？企业在用大模型赋能自身业务时有哪些痛点与误区？我们采访了累计8位从业者，涵盖了B端技术服务商与C端应用方，共同探讨大模型的本质与应用方法论。

01 大模型是AI时代的水电煤

在大模型生态日渐繁荣之时，市场上浮现出一种声音，大模型时代的杀手级应用是谁？是元宝、豆包还是ChatGPT？各大模型商家挥洒营销费用买量提高日活之时，业内人士拿着放大镜，寻找大模型时代的微信与QQ。

在《节点财经》看来，大模型与移动互联网的本质差异在于 —— 前者是 “生产力工具”，后者是 “生产关系重构者”。

阿里云智能集团副总裁安筱鹏告诉《节点财经》，大模型的优势在于能够深度融入千行百业的各个环节，可以作为智能大脑系统嵌入各类硬件设备；以软件形态，通过协作的方式与人共同完成任务；或是成为自动驾驶的控制系统，指挥其他业务系统自动完成工作流程。大模型多元化的应用形态，使得其价值形态和商业模式也更加丰富多样，若要寻找与大模型适配的参照坐标系，集成电路会比互联网更为合适。

针对不同的应用方式，《节点财经》也采访了应用端企业，在与多位受访对象交流过程中，我们发现效率的提升、成本的降低是大模型最突出的特点。

以控制系统为例，专注提供井工矿无人驾驶解决方案的雷科智途，其创始人黄琰表示，过去中国矿山机械品牌售价只有海外品牌的一半，但是用大模型重构场景作业能力后，旗下无人车矿山机械售价几乎与海外品牌持平，不光提升了场景作业能力，也提升了品牌的溢价。

以软件形态与企业业务协同为例，新蓝标数字集团李唯涵透露，智能体的应用大大提升了内容的生产效率，仅2025年第一季度，蓝色光标由AI直接驱动的营收已经逼近去年全年，今年预计达到30到40亿元的规模。

作为智慧大脑嵌入硬件设备，提升场景应用能力为例。专注酒店场景智能产品研发的睿沃科技CEO王琦透露，依托大模型开源特性，睿沃科技得以快速开发新功能，将自助入住机流程从 2 分钟缩短至 10 秒，高峰期分流 60% 客人，为中小酒店节省至少 2 名前台人力成本。

相较于了解大模型对企业或产业的渗透方式而言，探索企业如何用大模型改造业务更具价值。

在安筱鹏看来，今天要想客观衡量一个国家AI行业，并非只盯着模型的排行榜，而是整个软件应用生态是否足够繁荣，这才是判断AI产业应用落地的标准。李彦宏也曾提到，不管是开源还是闭源，模型的排行榜并不重要，重要的是应用。

国内顶级创业培训机构昆仑学堂也持有类似的观点，基础大模型需要高昂的算力成本支持，是少数企业的事，大多企业应该聚焦在场景应用的优化上。

市场才是检验技术价值和产品竞争力的终极标准，那么走在应用最前沿的企业如何形成商业化闭环的？

02 应用端企业如何用好大模型？

大模型通过智慧大脑嵌入硬件、软件协同作业、自动化系统控制三种形态渗透业务场景，而发挥其效能的核心，在于企业能否运用独有场景数据形成业务闭环。在昆仑学堂看来，技术应该与应用场景深度融合，避免拿着屠龙刀找龙的尴尬。

五节数据核心业务涉及舆情监测，在大模型兴起之前就用AI赋能旗下舆情监测平台，但是彼时的AI还不够聪明。打个比方，对100篇文章识别的话，普通AI的情感判断准确度仅70%。后来，大模型技术不断精进，五节数据借助自有数据微调后的大模型，对文本与视频内容的情感分析准确度上升到了98%，大大降低了舆情监督的人力成本。

在五节数据创始人田文军看来，大厂业务广泛，在其密集的触手之外，抓住细分场景商机，用独有数据赋能大模型，形成业务闭环，是中小企业的商业化出路。

以数据结合大模型赋能业务场景，进而提升企业竞争力的还有雷科智途。黄琰表示，对于矿井场景来讲，市面上大部分通用大模型算力都过剩了，真正欠缺的是细分场景的数据。

想要有数据积累并不简单。矿山场景聚焦井下非标准交通场景，数据量远少于公开道路。与此同时，通用大模型难以直接满足矿山的特殊需求，因此也需结合行业特性，对算法做定制化优化。

雷科智途通过微调后的大模型赋能矿山L4无人驾驶场景应用，提升了在复杂场景下，决策模块的感知能力与高效协同能力，最终减少了近50%的井下作业人力，提升了矿山场景的安全性。据了解，旗下自产的矿山机械从过去“价格仅为进口设备一半仍难获认可”到“逐步实现对海外品牌的技术替代”。

除了深挖细分场景提升竞争力，各大企业对大模型的应用也绝非聚焦在单点突破，而是应用于全链路提效上。

当红齐天联合创始人马子涵坦言，大模型对公司业务的赋能覆盖了全链路，包括内容创作、用户洞察分析、后期的运营与优化上。

当红齐天集团是一家AI+XR生态型文化科技企业，全链条布局创造沉浸式数智体验，深度融合人工智能（AI）、5G云渲染、大空间定位、先进传感器、5G-A等前沿技术，应用于科技文旅、教育、电竞等多元场景。据了解，一个项目的落地通常涵盖，用户市场调研、内容创作、落地执行、用户数据分析等多个环节。

内容作为非标准行业，再叠加不同地区用户喜好与文化的差异问题，每次项目的规划都具备不可复制的特点。但大模型能力的提升刚好解决了这个问题。

马子涵透露，大模型能参与代码开发、剧本优化、图像生成多个环节，缩短内容生产周期。与此同时，大模型也能应用于用户洞察上，有助于当红齐天紧紧把握地域文化特色与流行趋势。此外，XR/VR虚拟场景体验包括多模态交互，而AI刚好可以追踪用户体验行为的互动时长等，捕捉用户对内容的反馈，借此反哺产品实现创意迭代。

就在大模型几乎成为垂直细分领域的标配之时，如何让企业避免“剧场效应”？答案是智能体。

在新蓝标数字集团李唯涵看来智能体是大模型到场景应用的必然演进。安筱鹏也表示了类似的观点，Agent是软件在AI时代的新形态，就像SaaS是10年前的软件形态一样。

据《节点财经》观察，智能体在公司业务中也发挥越来愈大的作用，我们以内容为王的营销行业为例。

AIGC普及以来，市面上同质化内容乱流，如何产生优质内容，吸引用户注意力是每个营销领域的公司都应该思考解决的问题，对此蓝色光标给出了解决方案。

早在2023年，蓝色光标就开始激进的布局全链路AI营销，与阿里云、百度智能云、火山引擎等头部平台合作，打造专属营销大模型 BlueAi。

但垂类营销模型对蓝色光标来说只是一个开始，“不同领域的客户还是有know—how与信息差壁垒的。”李唯涵表示。为此，蓝色光标将过去服务客户积攒的数据与经验，沉淀生成智能体。哪怕一个行业新手在智能体的帮助下，也能为品牌客户交付不错的成果。目前，蓝色光标已经打造了超过100个智能体，其中达到专家级别的智能体多达30多个。

在智能体帮助下，只需要10分钟就能实现B站、小红书等多个平台社媒数据实时分析，生成营销趋势洞察，精准把握时下热门内容风格，相比较传统工具可能得需要至少一周的时间。此外，智能体还能自动生成合规文案，减少人工创意成本。

03 大模型应用的挑战与误区

聚焦细分场景形成闭环，用AI赋能全链路，甚至生成智能体，看起来似乎很简单，但是这些企业在摸索出解决方案之前，也不可避免的走上了弯路，为此，《节点财经》也特意与企业探讨出一些方法论供业内人士参考。

首先，拒绝技术盲目崇拜。

大模型的先进与否固然重要，但是黄琰告诉我们，很多企业一定要等基础大模型十分先进了才肯为业务场景融入AI。其实，现有大模型算力已经充足，垂直企业需要做的就是脱下孔乙己的长衫，从实验室钻研技术，走到具体的应用场景，才能打通软件与硬件的壁垒，实现业务的闭环。“不要怕苦不要怕累，不要闭门造车，要多实践多试错。”黄琰总结。

此外，很多垂直领域企业在宣传产品时侧重于强调搭载了哪个知名大模型，有多大的参数加持。事实上，细分领域的企业关注点要落到用户体验的优化上，特别是要降低用户的使用成本。

维度AI专注于打造研究型Agents，其创始人兼CEO杨宇梁表示，agent的价值核心是context，为此，我们用交互体验更佳的agents为用户提供精准、可靠的学术和知识研究服务。比如，过去学生，研究者和专业人士在写论文，报告，或跨领域搜集资料时，通常存在搜索资料耗时、对陌生领域知识分析困难的难题，现在用维度AI自主研发的维度X1：智能研究助手，可以在很短的时间内提取关键信息，获得可靠研究成果。

昆仑万维也有类似的看法，底层模型固然重要，这是衍生出足够强大上层产品的根基，但是精准把握产品市场契合点，深度洞察市场需求，才能真正打造出解决用户痛点的产品。此外，企业也需要针对新的市场动态，形成快速反馈、快速行动、快速验证的产品价值闭环。

其二，数据的积累与隐私。

多位受访对象向我们表示，AI 模型的训练依赖大量高质量数据，数据的收集、整理和标注需要耗费大量的资源和时间。正是因为其重要性，数据的安全性和隐私保护也是关键问题，因此，企业有必要建立完善的数据管理和安全机制，防止数据泄露和被恶意利用。

李唯涵认为，应用大模型对企业AI转型来说，只是一个开始，特别是智能体的进化并不是一蹴而就的事，企业要特别注意数据的长期积累，才能实现业务的不断进化，打造坚固的护城河。

其三，AI还不能彻底取代创作者。

当然，AIGC的风掀起来之时，行业有关AI替代创作者的争论没有休止，但几位受访者均向我们传递了AI不能替代人类的观点。

马子涵表示，内容创作的本质是传递情感，传递态度，传递个人风格。AI有时候确实会提供天马行空的创意，那是AI的表达，内容表达本来就应该是丰富的，AI有AI的风格，不同创作者有不同的风格，会有不同的受众群体。AI会提效生产，但是人类个体的创作表达依然有其独特的价值。

其四，组织适配与挑战。

就在各大企业纷纷加码AI技术转型时，组织架构的转型也很必要。一个能真正拥抱AI、理解AI并善于应用AI的组织，比单纯应用技术更重要。这需要新型的人才培养体系和组织形态。比如，从招聘到晋升再到激励，AI已经成为蓝色光标最刚性的考核标准。今天在蓝色光标有数百名产品技术人才、AI种子人才。

最后，中国的AI应用仍处于初级阶段。

在基础大模型上，中国只落后美国1到3个月的时间，但是在基础大模型的应用上，中国还处于萌芽阶段。安筱鹏表示，美国在2024年AI相关的独角兽公司大概有28家，其中在代码生成领域有6家到8家独角兽公司，但是中国市场虽然很多公司都用AI赋能了，但是所创造的收入规模或者AI原生企业的规模还无法与美国市场相提并论。

不过从长远视角来看，这并不代表中国企业势必落后于美国。昆仑学堂告诉《节点财经》，美国企业在大模型基础技术、算法积累上确实有优势，但是中国在应用落地与数据场景上潜力空间巨大，打破技术限制，与行业资源融合才是中国企业的破局之道。

当然，大模型作为基础设施，其蓬勃发展实现对各行各业的渗透乃大势所趋。安筱鹏预测，一切智能硬件会被大模型所驱动；一切软件会被大模型所重构；一切数据会被大模型所激活。尽管中国 AI 应用生态尚处早期，但开源浪潮下，中小企业正通过“场景深耕 + 数据积累”实现差异化突破。正如安筱鹏所言，大模型时代的竞争不是“百米冲刺”，而是“马拉松耐力赛”，这为中国企业构建本土生态提供了战略窗口期。

*题图由AI生成