UED在线登陆

2024 年 9 月 13 日，由 IT 桔子主办的「生成式 AI to B 应用落地，蓄势待发」主题沙龙在北京昆仑巢成功举办。

本次活动汇集到了一线投资人和企业高管，共同探讨生成式 AI to B 应用优势与局限。

AI 行业融资被大模型拿走有一半多

AI 能在每年的融资趋势热门行业中排前五。其他热门行业是芯片、医疗健康、造车、新材料、新能源等。

从趋势看 AI 交易也在缓慢下滑当中。2022 年 Q2 开始整体下滑，交易额从每季度 300-500 亿下降到 200 多亿。2024 年 Q3 总量虽达 400 多亿，但其中有 230 亿投资全部给到一家公司——引望智能。

从投融资的阶段分布可以看出这一赛道的公司成熟度。AI 领域在这两年早期公司的占比在不断扩大。人工智能的市场容量特别大，各种应用类的早期投资一直很多，近两年因为大模型的到来，早期公司融资占比更是回升到 60% 以上。整个市场政策也在鼓励投小、投硬科技。但是现在的“投早、投小”中的“小”跟我们过去认为的早期不太一样，虽然现在融的都是天使轮、A 轮，但都是几千万、上亿起步。

国资在全市场直接投资渗透率在 20% 左右，但在 AI 领域直接投资占比仅在个位，相对较低。这两年市场上 AI 交易投资大模型较多，但大模型这个赛道对于国资来说太早期且风险性较高。与之相比，市场化的投资机构在这一赛道更活跃。

大模型在整个人工智能领域的融资占比从去年的 28% 上升到 50% 左右，今年市场的融资被大模型拿走有一半多。

大语言模型在合理性和全面性上都并不完备

知名美元 VC 合伙人张矩先生解读了美国生成式 AI 行业营收分析：基础设施公司收入占整个市场收入的 75%，95% 的创业公司没有收入或年收入在 500 万美元以下。

行业价值链健康定律第一条：用户侧的收入要远大于基础设施侧收入。投资人对生成式 AI 行业的大量投入完全是基于对于未来收益可能性的预期。而这一预期的基础是生成式 AI 是一项通用技术（GPT）。

生动式 AI 的应用场景还在探索阶段，这符合大部分通用技术发展初期的表现。基于大语言模型（LLM）的生成式 AI 从逻辑和能力上限方面有可能达到通用人工智能的标准。但是这里一个基础性的假设是人类语言作为知识表述的媒介的同时也是人类思考的载体，且具有充分性。形式语言能力已经得到足够的证明，但功能语言能力还有待验证，也存在一定的争议。

张矩先生表示现在所有基于注意力和思维链架构的大语言模型在合理性和全面性上都并不完备。两个典型的问题示例：第一个问题是知识获取的单向性。第二个就是推理能力的长链推理。

这两个问题和大模型的规模法则（Scale Law）并不完全相关。虽然需要达到一定规模之上才可能有这些能力，但是达到这个规模之后这些能力的表现完全和模型大小无关了。基于微调（Fine Tuning）的行业数据大模型的能力边界已经固定，并不会因为微调而增加。

张矩先生认为现在很多 AI 产品都聚焦在短时间内能生成的文本或者多媒体，大量简单的生成与价值创造没有直接关系。生成式 AI 的价值创造要能构建全面与人脑兼容的知识库，其次要可以对人的意图精准理解，即举一反三的生成能力以及自主智能体的推理能力的准确性。

保持对理想主义的初心，又要扎扎实实做好当下

阿里云智能集团 SMB 事业部高级整合营销专家焦志良表示 AI 正在重构我们的生产、生活方式，也在加速应用创新。越来越多的 AI 创业者将目光看向应用落地。2024 年是 AI 产业创新变革的关键节点，阿里云希望与 AI 领域的投、产、学、研等机构合作，共同推动 AI 应用场景拓展和行业创新。

面对多模态技术与智能体的发展带来新的商业机遇，阿里云一直与中小企业同行，阿里云不仅开放了通义大模型，还通过人工智能平台 PAI、大模型服务平台百炼等产品和服务，实现底层架构的创新和应用层能力的提升，不断降低算力成本，实现技术普惠；在商业化支持上，阿里云通过创业者计划携手投资机构、渠道伙伴和大企业生态共同促进创业生态的发展。

焦志良先生认为面对大模型技术的到来，既要保持对理想主义的初心，又要扎扎实实做好当下。

AIGC 的技术成熟体现在模型精度、数据模态、推理成本

商汤科技 Copilot 应用技术负责人张涛先生现负责商汤 AI Native 生产力系列工具代码小浣熊和办公小浣熊。

张涛先生认为 AIGC 技术成熟的体现在模型精度、数据模态、推理成本等方面：

1、用 AI 大模型来解决生产、工作遇到的问题，这需要模型的精度达到可用的状态。

2、大家对 AI 的理想目标是能像和人沟通一样顺畅。实际上大模型还不能做到把各种模态、各种感知的混合信息融合在一起。

3、推理成本不仅包含首次创建的时间成本，还有长期运营成本。大模型使用成本已经降低几个数量级。

总体看以上各个方面都在向好发展。

大模型 To B 落地有需要改善的方面，比如客户需求定制化；部署环境链条长；客户为了测算 ROI 过度关注精度等方面。大模型 To B 落地优势在于之前积累了一定的数据；大模型对模糊性的语义理解具有优势；已经形成 SOP，大模型可精确磨平缝隙。

商汤除了大模型之外，运营一个万卡互联的数据中心，保证大模型能够非常快速的迭代。

商汤科技在 2019 年开始布局 AI 智算中心——大装置，在 AIGC 时代把握先机，业务收益正在逐步上升。To B 场景整个生产环节里容错率较 to C 要求严格，比如医疗、金融这些场景会去做一些定制需求，在向客户交付的时候也可能需要微调，或者需要精密知识库解决方案。这些场景中也有一些传统的 AI 技术一起发挥作用，所以不用特别关注生成式 AI 的含量，主要看最终是否解决了问题。

商汤科技张涛认为模型能力目前无法完全替代人，主要是去辅助业务人员解决问题。从长远看，人工智能与人类相辅相成。

AIGC 技术应用成本大幅降低

销售易智能化产品负责人王超辉先生在销售易负责智能产品的研发工作。王超辉先生表示销售易是典型的 to B 业务。

销售易从 2023 年引入 AIGC 技术，是国内较早将 AIGC 技术与 CRM 相结合的 CRM 厂商，通过引入 AIGC 技术，充分发挥大模型的意图识别、内容生成等能力，赋能销售、服务人员提升工作效率，智能化场景主要聚焦在销售、服务阶段，几个典型的应用场景：

1、线索智能跟进

2、智能会议纪要及拜访日程跟进

3、智能方案推荐

4、智能客户推荐

5、智能客服

在去年 AIGC 技术兴起之初，大模型的成本较高，对于 CRM 融入大模型能力比较感兴趣的主要是一些中大型企业，这些企业需求明确、具备一定付费意愿，并且对大模型比较了解，愿意与厂商共创。今年随着 AIGC 技术发展成熟，成本大幅降低，我们最终会将销售智能助手向全部客户开放，增购成本也大幅降低。对于客户而言，当客户能感受到大模型为业务带来的价值，是愿意为此付费的。

大模型其实帮助企业和个人大幅降低了创新成本。在应用层，企业可以结合自己原有的行业经验，或者是个人经验，在这个基础上看大模型可以提升什么，以销售易为例，CRM 本身是管理企业营销服业务的，具有丰富的应用场景，引入大模型能够更好更高效解决业务问题，而我们也有大量的客户具有这样的需求，愿意跟我们一起共创探索。

王朝辉先生表示销售易注重高质量增长，经营策略比较稳健，产品开发较为理性，注重核算收入、毛利，这样才能正向循环，推动智能化产品健康发展。