AI時代，沒有被大模型學習和訓練過的私有化數據，正成為新型“石油資源”。

文 Ⅰ 錢麗娜

ID Ⅰ BMR2004

隨著大模型技術從實驗室走向產業端，這場技術革命的本質正從“能力炫技”轉向“價值落地”，2025年也成為全球公認的AI應用大年。當技術成熟度與商業敏感度相遇，2025年的AI創業者與應用者正站在歷史性機遇的“風口”。那么，在這場AI應用的洪流中，創業者可以聚焦哪些賽道？在賽道中又該如何與甲方建立共識？對于企業應用者而言，應避免哪些誤區？如何在行業、場景和問題這三個變量相乘之后，找到適合自身的AI工具？

創業篇

01

避開大廠鋒芒，尋找創業藍海

對于初創企業來說，做行業垂類模型是危險的，很有可能被通用大模型的基座能力“干掉”。

7年前，劉煜晨在一家互聯網大廠做AI長文生成，服務垂直行業客戶。那時的AI技術尚處于早期，每個項目都需要定制，導致毛利率很低，有些項目甚至虧損，但同時，市場上還有大量未被滿足的需求。那時候，大家都在期待一個技術突破的“Aha Moment”。2020年，GPT-3.0推出開放內測時，劉煜晨錯過了這個信息。到2022年底，ChatGPT展示出了最新模型的良好泛化性，瞬間打開了諸多的商業應用場景。劉煜晨意識到，這是一個能夠以低成本解決問題的技術，不能再錯過這個機會了。

02

進入B端智能體賽道

2023年初，劉煜晨離開大廠，拉上了一些老同事創業。早期團隊曾嘗試過醫療模型，并且基于某個底座大模型做微調，但劉煜晨發現了問題，因為團隊微調模型所用的是公開數據、合成數據或者半公開數據，這些數據并非稀缺資源，大模型廠商對此更有優勢。他從中得出的教訓是，對于初創企業來說，做行業垂類模型是危險的，很有可能被通用大模型的基座能力“干掉”。

做大模型微調的另一個風險是，如果訓練出來的所謂專業領域模型比基座大模型的能力僅僅領先三五個月，但可能幾個月之后，當企業意識到基座大模型的能力也能追平微調后的行業模型時，利用信息差賺取模型能力差價的機會就會逐漸消失。從商業角度考慮，如果創業公司為了三五個月的能力差而投入大量的資金做訓練，但后期無法收回成本，這種商業模式也無法成立。

修正策略后，劉煜晨在2023年正式創立上海意言科技有限公司（以下簡稱“意言科技”），并決定進入B端智能體賽道?！凹僭O大模型廠商只有通用數據，它是沒有辦法通吃企業垂類場景的。我們創業階段選擇B端客戶，就是為了避開與大模型廠商的競爭。”

智能體是指由大語言模型（LLM）驅動的自主軟件實體，能夠感知環境、進行推理、做出決策、采取行動，并以類似人類的方式與用戶或其他系統進行交互，它們與周圍環境和其他智能體互動，適應不斷變化的外界情況，是AI領域的原生應用之一。

03

智能體賽道的創業機會

創業企業目前有一個時間窗口期。這個機會就在于目前智能體企業級市場是主戰場，但用戶有著巨大的長尾需求。一些大模型廠商為了讓其大模型可用，會在大模型上添加一些智能體策略，但這些策略通常都是輕量策略或通用策略，且大模型本身有技術邊界。

在大廠沒有建立競爭優勢的長尾區間，是創業企業成長的空間。而要滿足客戶需求，需要建立一支既懂技術架構又熟悉垂直業務的“雙棲型”交付團隊。由于AIGC的產業應用才起步，大多數企業內部并沒有構建起相應的能力，這給懂得AI技術、做過企業咨詢的團隊留出了機會。甲方對垂直場景的理解和乙方的實施能力，在這一時期恰到好處地形成“場景知識×AI技術”的合力。

劉煜晨認為，智能體是大企業不愿做、也做不好的市場，因為成本效率不高。當一個市場沒有足夠的利潤時，大廠通常不太愿意布局，而是會等模式成熟并且處于其核心業務的路徑上才會集中資源去做，避免前期太多的不確定性。

在目前的融資環境中，劉煜晨認為，服務B端企業能為創業公司帶來充足、穩定、可預測的現金流。同時，B端沉淀下來的行業專有知識，也是一個巨大的“金礦”?！爸R體系在垂直領域智能體的構建中很重要。比如制造業生產及供應鏈運營效率提升和設備維護的智能體，醫藥企業管線開發的智能體，每個領域背后都有一整套的知識體系和邏輯體系，AI公司需要在服務頭部企業的過程中才能積累這些經驗?！眲㈧铣空f。

企業方引入智能體的初衷是替代繁瑣且重復性的腦力勞動，從降本增效的角度考慮，但是這個功能很快就會被成本更低的智能體替代，而意言科技對標的是用智能體替代報價昂貴的專家顧問，讓智能體像專家顧問那樣參與分析和決策工作?！白稍冾檰枅髢r昂貴，是因為他們擁有行業的專有知識，把經驗和案例融匯貫通后產生了更大的價值。”劉煜晨坦言。

當智能體積累了大量的行業知識之后，終有一天，它會比藥企管線負責人更加了解如何管理一個藥物的臨床實驗體系。在設備運維中，智能體沉淀下經驗豐富的老師傅才有的經驗，將被復用到不同的場景中?！爱斈銥槠髽I做垂類應用時，是很難被大模型廠商‘干掉’的，因為能做什么取決于你擁有什么樣的經驗和數據。”劉煜晨說。

04

讓AI成為企業的核心應用，而不是工具

AI企業的產品定價能力在企業生存中至關重要。意言科技并沒有采用SaaS的訂閱方式，而是采用軟件授權方式，在基礎價格之上，再為企業提供個性化模塊與套件組合?！昂芏嗳擞霉ぞ叩倪壿媮黹_發AI應用，但我們遵循的是企業軟件的邏輯，若沒有與核心業務流程和數據綁定，工具是容易被替換的。” 劉煜晨說。如果要讓智能體成為企業的核心軟件，就要看它幫助企業解決了什么問題。如果解決的是核心問題，那就是一個核心系統。

在一些金融機構，人們已經看到了轉變的動向。分析師以前使用的是傳統軟件，用于數據分析，撰寫財報和研報，但現在，越來越多的主流程序都開始與智能體互動，更加方便省力，分析師從原有的系統和流程中轉向使用智能體，AI驅動的軟件自然而然地成為一個全新的核心系統。

“AI軟件與企業深度綁定，涉及到很多維度。既有數據的易得性，也有技術與核心流程的契合程度。”劉煜晨此前曾在埃森哲、騰訊、歐萊雅等企業供職，他既懂咨詢也懂甲方的業務流程。“甲方工作經驗告訴我，產品對于乙方固然重要，這決定了你的規模化可能性和毛利，但甲方不關心你的產品，它關心的是他的業務，它需要的是服務。而今天，大模型縮短了提供服務與產品兩者之間的距離，為前者提供了標品的可能性?！逼髽I無論是做數字化轉型，還是AI轉型，都指向關鍵經營目標。服務方需要和甲方一起，將關鍵經營指標進行拆解。比如，工廠廠長關注的是產線效率、設備使用率、良品率等關鍵指標，服務商要順著高層關注的指標往下拆解，找到影響關鍵指標的問題，再決定利用怎樣的智能體來解決問題。

應用篇

05

是“大潮”還是“亂流”

企業上馬AI應用不能操之過急，因為行業、場景和問題這三個變量相乘之后，很難找到一個通用工具。

蘇州飛鯨智能科技有限公司（以下稱“飛鯨智能”）創始人江志強是一位在互聯網深耕了17年的老兵，曾經擔任網易和阿里巴巴集團副總裁、人人公司首席營銷官。飛鯨智能團隊擅長從企業各個場景的痛點中挖掘可以利用 AI 降本增效、創造營收，或改變商業模式的機會點。

06

企業AI落地的核心挑戰

在為企業做人工智能咨詢、培訓和實施的過程中，江志強感受到企業擁抱AI的迫切心情，但在摸索過程中遇到了各種各樣的問題。

一種是激進派。這些企業把AI視作先進的生產力工具，在行動策略上較為激進，推動組織改變，砍掉不產生價值的中間商，讓業務能力回流到公司；一種是降本增效派。AI文生圖能力增強后，一些游戲公司的原畫師崗位只剩下10%~20%的人員，大語言模型的代碼能力增強后，初級程序員的工作也受到很大的影響；一種是盲目行動派。這些企業主只聽了零星的實踐分享，就要求團隊上馬AI項目，但是公司上下對AI的觀念和目標都沒有達成一致，還有的企業匆忙上線專用大模型，但由于前期企業內部數據未能有效治理，導致AI 應用在檢索知識庫的效果不好，加入深度思考后，大模型越推理越走形……

針對上述現象，江志強認為，企業上馬AI應用不能操之過急，因為行業、場景和問題這三個變量相乘之后，很難找到一個通用工具，即便是同一個行業，也離不開知識庫的定制。在實施AI應用的場景中，可先選擇小而窄的問題入手嘗試。“一個小項目的投入不高，實施難度不大，實施周期也不會很長。通過小步嘗試，不斷地看到使用反饋，上下才能建立共識和信心?！?江志強說。從小項目入手，也是企業自上而下的一個“暖身”過程，以便為今后更大的項目和AI轉型做好準備。

實踐中，江志強觀察到國企、外企和民企對待AI的態度和方式不盡相同。

大型跨國企業學得快，但項目落地較為謹慎。這些企業在過往的8—10年間，打下了良好的數字化基礎，也是較早接觸到人工智能的企業。通常這些企業CTO/CIO的個人背景很強，很快就會上線一些簡單的AI應用?？鐕髽I的信息化部門會負責AI項目實施，但他們對業務部門的需求理解不夠充分。另外，在實施過程中，外部公司要對企業的數據倉庫進行數據清洗、打標簽等治理工作，有時還會做一些小樣本訓練，因此，數據安全以及如何與現有的數字化系統進行整合，也是跨國企業比較顧慮的問題。

民營企業在AI實施上很務實，行動速度快于跨國企業，因為項目由老板拍板。2024年，江志強給一批餐飲企業老板進行AI培訓后，他們很快意識到這是國家提倡的新質生產力。但在行動中，沒有數字化經驗的企業制定的目標往往較為簡單粗暴，比如隨意提出一個崗位減員目標。還有不少老板不愿付咨詢費，東拼西湊地學來各種AI知識，便指揮員工開干。但也有一類民營企業，會做好短中長期的系統規劃，通常這類企業有一定的數字化基礎。

央國企實施AI的首要條件是進行私有化部署，即數據不能離場。飛鯨智能服務的一家電力企業，相關數據因涉及安全性和商業機密，雖然AI應用只是用于人員培訓，但依舊要求數據要保證不能離場。因此，在外部環境下開發好的 AI 智能體應用，駐場接入真實數據后，還需要重新調試。另外，國家要求央企分批構建行業數據集并參與數據標注，私有化環境更利于數據分類分級和合規流轉。

江志強說：“在 AI 時代，只要大模型沒有學習和訓練過的企業或行業的私有化數據，就是新型‘石油資源’?！?/p>

07

實施AI的破局之道

根據多年實踐，江志強對企業實施AI提出兩個建議。

首先，AI是“一把手”工程。有些職業經理人天然抗拒AI，因為他們擔心被裁員，通常也不知道怎么招聘AI時代的人才，所以企業“一把手”如果不參與到AI變革中，企業內部很少有人能積極主動地擁抱AI。江志強說：“我們的建議是，‘一把手’要找到最關鍵的經營痛點，設立一兩個項目進行試點，并且親自參與其中，這樣才會引起相關部門的重視?！?/p>

“一把手”的變革方向也體現在招聘怎樣的人才。比如有家大型電商公司在招聘新CMO后，將客服中心也歸入CMO的管轄范圍。這說明“一把手”希望客服中心與營銷聯動，而不再是兩個割裂的部門。當有人工智能加持的智能客服從被動響應服務需求擴展到主動挖掘銷售線索時，部門的界限也會變得越來越模糊，而“一把手”要及時發現技術發展的動向，并且在組織架構中做好應變。

其次，企業需要打通內部數據堵點。大模型誕生之后，企業對知識庫搭建的需求激增。企業知識庫是對企業專有知識的匯總，可以快速賦能員工，但知識庫的基礎數據——企業文檔往往散落在各個部門，分布在不同員工的電腦中。整合不同部門的數據/知識是一個浩大的工程。資料匯總后的數據清洗、打標簽又是一項繁雜且浩大的工程。

即使是已經數字化的數據，如CRM、物流、供應鏈的數據又因為分散在不同的系統中，還需要做數據整合的工作。

理念篇

08

理解AI的商業價值

AI技術驅動的數字人直播矩陣正通過24小時智能獲客與精準服務，重構品牌的ROI，在流量洼地實現GMV的突破。

從被動解決問題向主動解決問題進發 在電商領域，商家常常被客服業務耗去大量的精力。過去客服只能被動地解決售前、售后問題，而現在的智能客服，不僅回復效率升級，在抓住銷售線索后，還能提供主動服務，向消費者提示其可能感興趣的服務或商品。江志強說：“這實際上是AI有了對消費者的記憶與洞察能力?！?/p>

離客戶越近的應用，越吸引企業投入 現階段，企業的AI項目多從銷售和營銷端開始，這是離獲客與變現最近的崗位。餐飲企業如果沒有自建APP，就要從平臺來獲取流量。頭部餐飲企業的經驗是，若想在抖音、美團、大眾點評等平臺上獲得流量，通常需要發布大量優質的點評、短視頻，商家也要持續直播。大模型文生圖、圖生視頻，以及各種圖像處理工具使短視頻混剪工作變得簡單，不過要獲取更多的(免費)本地生活的流量，則需要更多門店一起來做直播(矩陣賬號)。

用ROI（投入產出比）證明 飛鯨智能是如意數字人的生態合作伙伴（“如意”是零一萬物公司單獨拆分出來的AI數字人解決方案公司）。2024年，如意針對連鎖餐飲零售與文旅酒店行業等知名品牌進行了近1000場的AI數字人直播測試，訓練了600萬條電商直播語料，用這個垂直大模型來支撐AI主播網感與多樣化直播腳本需要的智力。數字人的優勢是能延長直播時長，有時長且互動數據好，平臺就會持續給予免費的本地生活流量。用戶進入直播間領取消費券后，需要到店核銷。品牌以實銷的方式來考核數字人項目的ROI。

從測試效果來看，品牌方只需設一個中臺經理就可以管理20多個數字人直播間矩陣。中臺經理通過如意數字人直播中臺，可以快速設置開播，生成直播話術，直播過程中即時響應問題與評論，促進優惠券的轉化。

江志強說：“數字人雖然沒有辦法完全替代主播，但會好于普通主播，因為話術可以經常變，也不會疲憊。數字人經過近千場直播后，語言違禁幾率不到5%。目前品牌測試的成果是，數字人的ROI是真人的好幾倍?！?/p>

目前這套AI數字人解決方案適合有一定門店規模的連鎖品牌。在二三四線城市，由于本地生活流量還有較多的流量洼地，數字人主播只要開播就能沖上城市榜，從而獲得更多的流量。一家連鎖品牌采用數字人直播后，其西安門店的銷售額甚至超過了其上海門店。江志強說：“如果想要追求更高的 GMV, 那就將更多不同地區的直播間矩陣開出來。”（本文人物圖片由受訪者提供）