AI公司押注B端：是趨勢(shì)，還是一種行業(yè)性失敗？

“從B端項(xiàng)目中能否找到AI的未來？也許“CV四小龍”已經(jīng)給出了答案。

現(xiàn)實(shí)世界的殘酷在于，它不相信PPT，也不相信發(fā)布會(huì)上的Demo。這種“缺席”的尷尬，恰恰是當(dāng)下中國AI行業(yè)某種虛假繁榮的縮影，與此同時(shí)，智譜、零一萬物、杭州“AI六小龍”正集體上演一場(chǎng)“大撤退”：收縮C端，強(qiáng)攻B端，他們?cè)俅蜗蛎襟w展示出“商業(yè)化落地”的華麗轉(zhuǎn)身，但真相也在業(yè)內(nèi)人士中間流傳——因?yàn)镃端的“玩具”不靈了，那些在大洋彼岸被ChatGPT驗(yàn)證過的訂閱費(fèi)增長(zhǎng)神話，在中國并沒有在“小龍”上復(fù)現(xiàn)。如今估值高懸的獨(dú)角獸們只能換個(gè)戰(zhàn)場(chǎng)，去說服企業(yè)老板。

我們不得不面對(duì)一個(gè)尷尬的對(duì)比：亞馬遜正在用AI實(shí)現(xiàn)“冷血”的裁員，據(jù)報(bào)道，亞馬遜近年來裁減了數(shù)萬個(gè)崗位，并明確利用AI接管了大量廣告運(yùn)營和后臺(tái)任務(wù)，這側(cè)面印證了AI在提升效率方面的殘酷有效性；而在國內(nèi)的B端市場(chǎng)，目前卻充斥著大量花拳繡腿的“數(shù)字人”。企業(yè)并非公益機(jī)構(gòu)，當(dāng)下這個(gè)預(yù)算吃緊、效率優(yōu)先的時(shí)代，AI產(chǎn)品成為無法解決實(shí)際痛點(diǎn)的“擺設(shè)”，如此企業(yè)領(lǐng)導(dǎo)通常只會(huì)買單一次，第二年便會(huì)大幅縮減該產(chǎn)品的預(yù)算。

如果AI小龍們長(zhǎng)期無法在企業(yè)內(nèi)部的真實(shí)業(yè)務(wù)鏈條中發(fā)揮作用，那它們?cè)贐端的集體沖鋒，很可能迎來的是當(dāng)年CV“四小龍”的同樣命運(yùn)：項(xiàng)目越做越多，現(xiàn)金越賺越少，技術(shù)越強(qiáng)越無力，最后淪為一支實(shí)施工程隊(duì)。

從“高唱贊歌”到“退至幕后”

回望2023年，那不僅是“百模大戰(zhàn)”的元年，更是那些小龍們的高光時(shí)刻。彼時(shí)，每一家大模型創(chuàng)業(yè)公司的創(chuàng)始人都像影視巨星一樣出場(chǎng)，接受記者采訪，出席各種峰會(huì)，談?wù)撝鳤GI、具身智能，談?wù)撝爸袊腛penAI”。那時(shí)候的融資發(fā)布會(huì)上，拿到幾億融資額的創(chuàng)始人充滿了對(duì)“改變世界”的宏大敘事。然而，僅僅兩年時(shí)間，星光漸黯，取而代之的是B端銷售團(tuán)隊(duì)的KPI考核表和與業(yè)內(nèi)某個(gè)中小公司的合作簽約儀式。

作為AI創(chuàng)新企業(yè)中學(xué)院派色彩最濃、技術(shù)積淀最深的一家，智譜AI的發(fā)展軌跡很具有代表性。這家公司的故事可以追溯到2006年成立的清華大學(xué)計(jì)算機(jī)系知識(shí)工程實(shí)驗(yàn)室（KEG），它的起步要遠(yuǎn)早于后來異軍突起的月之暗面（Moonshot）和稀宇科技（MiniMax）等耳熟能詳?shù)囊恍〢I公司。

可以說，在百川智能創(chuàng)始人王小川在搜狐研發(fā)中心發(fā)布上一個(gè)時(shí)代的代表作搜狗之后的幾年間，智譜AI創(chuàng)始人唐杰、張鵬等人已經(jīng)開始了這一代的早期探索，他們都出自于清華大學(xué)計(jì)算機(jī)系。依托清華系KEG（知識(shí)工程實(shí)驗(yàn)室）的深厚背景，團(tuán)隊(duì)研發(fā)出了AMiner，這是一個(gè)基于知識(shí)圖譜的學(xué)術(shù)搜索系統(tǒng)，連接了全球數(shù)億學(xué)者和論文，為后來大模型的研發(fā)奠定了數(shù)據(jù)基礎(chǔ)。實(shí)驗(yàn)室還有一個(gè)數(shù)字虛擬形象“華智冰”作為“清華大學(xué)的虛擬女生”被廣為人知，這也是智譜AI成立公司之后的產(chǎn)品。

2019年智譜AI正式成立公司，成立之初便專攻并沒有太多人所知的大模型。2020年，智譜AI開始GLM（General Language Model）預(yù)訓(xùn)練架構(gòu)的研發(fā)，彼時(shí)OpenAI剛發(fā)布GPT-3的第一個(gè)版本，2022年8月由智譜GLM-130B正式誕生，11月斯坦福大學(xué)大模型中心對(duì)全球30個(gè)主流大模型進(jìn)行全方位評(píng)測(cè)，GLM-130B成為亞洲唯一入選者，就在那個(gè)月，OpenAI的GPT3.5正式發(fā)布，一個(gè)新時(shí)代來臨了。

很快，到第二年8月31日，智譜也推出具有聊天功能的ChatGLM，它的中文名叫“智譜清言”，彼時(shí)智譜已經(jīng)被投資圈廣泛關(guān)注，不僅有財(cái)務(wù)投資人，美團(tuán)、螞蟻、阿里巴巴、騰訊的戰(zhàn)投也押注了這家公司，在那個(gè)階段，資本市場(chǎng)對(duì)智譜的期待是“平臺(tái)級(jí)公司”，是對(duì)標(biāo)百度、挑戰(zhàn)字節(jié)的移動(dòng)互聯(lián)網(wǎng)新一極。

到2023年底，智譜拿了至少25億人民幣的融資，加上蒸蒸日上的大模型產(chǎn)業(yè)，只要對(duì)標(biāo)ChatGPT，既容易和投資人講故事，又能輕松獲得嘗鮮的用戶，再加上源源不斷的清華優(yōu)秀畢業(yè)生，高峰期時(shí)達(dá)到1000人左右的團(tuán)隊(duì)規(guī)模。

2024年1月智譜如期發(fā)布了GLM-4，當(dāng)業(yè)內(nèi)競(jìng)爭(zhēng)對(duì)手紛紛推出Agent的時(shí)候，智譜也相應(yīng)推出自己的Agent產(chǎn)品AutoGLM。在發(fā)布會(huì)上，已是CEO的張鵬演示了“一句話讓AI幫忙發(fā)微信紅包”，此外還可以一句話下單點(diǎn)外賣，這些都讓人頗為深刻。今年初，Manus玩饑渴營銷，用戶找不到驗(yàn)證碼，智譜又迅速推出一個(gè)類似功能的新品“AutoGlm沉思”。

但智譜清言這兩年的用戶活躍度卻降了。我們對(duì)比了aigcrank上智譜在2024年11月與2025年10月的排行數(shù)據(jù)變化，月活（MAU）從637萬到685萬，幾乎沒有變化，而第一名的MAU已經(jīng)是去年的2.65倍。

AI國內(nèi)APP MAU產(chǎn)品榜（左側(cè)是2024年11月榜單，右側(cè)是2025年10月榜單），來源：AI產(chǎn)品榜 aicpb.com

智譜月活的停滯不前并非大廠競(jìng)爭(zhēng)對(duì)手的瘋狂買量，究其原因，一方面雖然智譜推出的產(chǎn)品不少，像面向Vibe Coding的“CodeGeeX”、AI視頻生成工具“清影”，每個(gè)方向基本都占了，但由于特色不明顯，能留存用戶的產(chǎn)品并不多；另一方面，購買會(huì)員的用戶在黑貓投訴平臺(tái)上投訴智譜圖片生成質(zhì)量不高、重要數(shù)據(jù)出錯(cuò)，如“機(jī)動(dòng)車尾號(hào)限行信息提供錯(cuò)誤，導(dǎo)致被交警罰款”。另外智譜在發(fā)布會(huì)上的炫酷功能，當(dāng)用戶實(shí)際上手的時(shí)候，它并沒有表現(xiàn)出廣告中絲滑的體驗(yàn)，它的廣告詞“光說不干”倒成為一個(gè)反諷。

這一期間，智譜大模型的研發(fā)速度也沒有太快，2024年8月推出GLM-4 Plus，直到2025年7月才推出GLM4.5，而這一期間，豆包、DeepSeek、夸克、千問、騰訊元寶等一系列國內(nèi)競(jìng)爭(zhēng)對(duì)手如雨后春筍般地冒出來。

曾幾何時(shí)，智譜到底toC還是toB尚有一些爭(zhēng)論，如今的智譜，越來越像一家傳統(tǒng)的軟件供應(yīng)商，它不僅推出了MaaS（模型即服務(wù)）平臺(tái)，更頻繁地出現(xiàn)在央國企的招標(biāo)名單中，通過私有化部署、API降價(jià)大促等手段，通過出售“全家桶”式的B端服務(wù)來維持營收。

資金來源的變遷也印證了這一戰(zhàn)略的“退守”。2024年，智譜獲得了北京市人工智能產(chǎn)業(yè)投資基金、中關(guān)村科學(xué)城公司、華發(fā)集團(tuán)等“國家隊(duì)”資金的支持，融資總額超過30億元，2025年繼續(xù)拿到北京市人工智能產(chǎn)業(yè)投資基金、成都高新區(qū)、張江集團(tuán)、華發(fā)集團(tuán)等戰(zhàn)略投資。這些來自北京、上海、成都等地的國資入局，雖然為智譜補(bǔ)充了急需的彈藥，但也隱性地規(guī)定了其發(fā)展的方向——服務(wù)于地方產(chǎn)業(yè)數(shù)字化、服務(wù)于政務(wù)云、服務(wù)于信創(chuàng)國產(chǎn)化。

這種“向B轉(zhuǎn)”的動(dòng)作，在AI“小龍”、“小虎”中是集體性的。零一萬物的創(chuàng)始人李開復(fù)博士在2023年創(chuàng)建這家新公司之初，曾高調(diào)宣稱要面向C端用戶打造“Super App”，強(qiáng)調(diào)移動(dòng)互聯(lián)網(wǎng)時(shí)代的打法，要在C端再造輝煌。但到了2024年底，李開復(fù)的口風(fēng)驟變，他公開表示AGI的實(shí)現(xiàn)可能還需要7年，而這期間廠商會(huì)有各種B端商機(jī)，并發(fā)布了覆蓋零售、電商場(chǎng)景的“如意”數(shù)字人等一系列ToB解決方案。他開始強(qiáng)調(diào)將推理成本降到行業(yè)最低，通過幫助百勝中國、孩子王等企業(yè)賺錢來獲得價(jià)值認(rèn)可。多家媒體報(bào)道，2024年，零一萬物B端業(yè)務(wù)貢獻(xiàn)了近七成的收入。零一萬物在“讓通用人工智能普惠各地，人人受益”的愿景之外，給出一個(gè)更現(xiàn)實(shí)的目標(biāo)：“讓大模型幫助企業(yè)賺到錢”。

其他幾家也未能免俗。百川智能與Minimax則更早地All-in B端。百川智能在意識(shí)到通用C端的燒錢無底洞后，開始停訓(xùn)部分新通用大模型，轉(zhuǎn)而將戰(zhàn)略重心All-in AI+醫(yī)療。王小川試圖在醫(yī)療這個(gè)高壁壘的垂直領(lǐng)域?qū)ふ冶茱L(fēng)港，棄守了億級(jí)的通用B端業(yè)務(wù)，轉(zhuǎn)而與北京兒童醫(yī)院、北京市海淀區(qū)衛(wèi)健委開發(fā)“兒科大模型、AI醫(yī)生”。宇數(shù)科技的創(chuàng)始人王興興制定公司戰(zhàn)略時(shí)指出，不冒進(jìn)消費(fèi)市場(chǎng)，重點(diǎn)聚焦于科研和教育等B端市場(chǎng)；以機(jī)器狗著稱的云深處則在多個(gè)B端應(yīng)用領(lǐng)域介入更深，聲稱拿到多項(xiàng)行業(yè)第一；與此同時(shí)，DeepSeek和MiniMax也開始主打技術(shù)方案與企業(yè)落地，推出了企業(yè)級(jí)的部署定制解決方案。

哪怕這些公司的基因不同——有的源自學(xué)院，有的源自大廠，有的源自投資界——但它們的動(dòng)作卻驚人一致。這一集體轉(zhuǎn)向B端，并非行業(yè)成熟后的主動(dòng)戰(zhàn)略升級(jí)，更像是C端碰壁后的被動(dòng)選擇，當(dāng)C端的故事講不圓了，投資人的耐心耗盡了，大家只能不約而同地退至幕后，去B端的圍城里尋找糧草。

無奈的退守：

為何他們會(huì)“逃離”C端？

從C端的退場(chǎng)不是偶然，而是大模型天然結(jié)構(gòu)與用戶需求之間的矛盾所導(dǎo)致。

首先是嚴(yán)重的同質(zhì)化問題。打開當(dāng)今國內(nèi)AI應(yīng)用任意一款C端App，遮住Logo，你幾乎分不清誰是誰。它們?cè)贑端產(chǎn)品功能上高度雷同，無非是聊天、寫詩、畫圖、讀文檔，這種現(xiàn)象不僅在“小龍”身上發(fā)生，大廠出品的“千問”、“元寶”也是如此，這種高度的同質(zhì)化，使得沒有任何一家能夠建立起類似微信（社交關(guān)系鏈）或抖音（算法推薦流）那樣的生態(tài)壁壘。用戶今天用智譜，明天可以無成本地切到Kimi或豆包，毫無忠誠度可言。

更致命的是當(dāng)用戶依賴AI的時(shí)候，AI卻直接掉鏈子，充了會(huì)員也不管用。現(xiàn)有的模型能力雖然能通過圖靈測(cè)試，但在復(fù)雜的C端生活場(chǎng)景中，無法提供穩(wěn)定的“工具價(jià)值”，正如智譜用戶的反饋，用戶原本期待的是一個(gè)能幫自己訂票、做決策、處理復(fù)雜任務(wù)的“賈維斯（Jarvis）”，結(jié)果得到的只是一個(gè)陪聊的“電子寵物”、一次性的“聊天玩具”，玩膩了就走，這直接導(dǎo)致了獲客成本（CAC）極高而生命周期價(jià)值（LTV）過低。

除了產(chǎn)品力的潰敗，商業(yè)模式的缺失與巨大的營收壓力也是促使它們逃離的要素。相比于互聯(lián)網(wǎng)時(shí)代的燒錢換規(guī)模，大模型的推理成本是線性的。正如李開復(fù)所言，AI-first的應(yīng)用革命，今天不是做不出來，只是好的模型太貴，便宜的模型不夠好。在C端，用戶越多，虧得越多，且目前缺乏廣告、游戲等成熟的變現(xiàn)手段，而愿意為訂閱費(fèi)買單的用戶很快到達(dá)天花板。

這就造成了嚴(yán)重的估值倒掛。這些公司被投出了幾百億人民幣的估值，卻沒有對(duì)應(yīng)的C端收入。在一級(jí)市場(chǎng)融資環(huán)境遇冷的當(dāng)下，投資人耐心耗盡，迫切需要一張好看的損益表。這時(shí)，B端的誘惑就顯現(xiàn)出來，相比于向個(gè)人用戶收19.9元的會(huì)員費(fèi)，B端的大額合同雖然難啃，但似乎成了短期內(nèi)粉飾財(cái)報(bào)的唯一救命稻草，用“小龍小虎”級(jí)別的品牌知名度搞定幾個(gè)焦慮的企業(yè)領(lǐng)導(dǎo)、去拿幾個(gè)政府支持的智算中心項(xiàng)目，就能立刻體現(xiàn)在財(cái)報(bào)的“營收”一欄。

CV四小龍的前車之鑒：

項(xiàng)目制就是救命稻草嗎

歷史總是驚人的相似，甚至連押韻都充滿了諷刺意味。今天智譜、零一萬物、百川智能等“AI小龍”急轉(zhuǎn)彎駛向B端的路徑，與當(dāng)年的“CV四小龍”幾乎如出一轍。

在計(jì)算機(jī)視覺最輝煌的十年里，四小龍依靠人臉識(shí)別技術(shù)一度站在中國AI產(chǎn)業(yè)的頂點(diǎn)。它們起家于人臉識(shí)別算法，那是計(jì)算機(jī)視覺的“黃金時(shí)代”，而且它們的明星科學(xué)家創(chuàng)始人更具有光環(huán)，很快獲得同樣連續(xù)多輪的融資，當(dāng)故事講完投資人要求業(yè)績(jī)之時(shí)，CV四小龍做出了和今天“AI小龍”同樣的選擇：大舉進(jìn)軍安防、智慧城市、交通、物聯(lián)網(wǎng)、金融、醫(yī)療等B端領(lǐng)域。

然而，當(dāng)它們真正跳進(jìn)去才發(fā)現(xiàn)，深坑無數(shù)，最終陷入了“項(xiàng)目制泥潭”。

首先是領(lǐng)域單一帶來的“內(nèi)卷式”同質(zhì)化。四小龍的底層能力都來自CV技術(shù)棧，業(yè)務(wù)延展方向也高度重疊，安防是它們共同的大頭業(yè)務(wù)，它們給企業(yè)提出的解決方案，往往大同小異，缺乏本質(zhì)的護(hù)城河。既然技術(shù)拉不開差距，就只能拼價(jià)格，拼所謂的服務(wù)，最后還賣不過比它們傳統(tǒng)的海康威視。

“四小龍”橫向?qū)Ρ龋瑏碓矗焊鞴矩?cái)報(bào)，數(shù)據(jù)猿整理

其次是“定制化之痛”帶來的利潤(rùn)吞噬。CV四小龍面對(duì)的B端客戶，需求千奇百怪且極度非標(biāo)，A市的攝像頭要兼容十年前的舊系統(tǒng)，B銀行的接口要符合內(nèi)部的特殊規(guī)范。為了拿單，CV四小龍不得不投入大量人力做定制開發(fā)，產(chǎn)品變成了徹頭徹尾的“非標(biāo)品”。這導(dǎo)致原本做算法的公司，活生生做成了“人力密集型”的外包公司。在這種模式下，營收越高，人力成本越高，凈利率反而越低，陷入了“規(guī)模不經(jīng)濟(jì)”的怪圈。

再次是“回款噩夢(mèng)”引發(fā)的現(xiàn)金流危機(jī)。G端和B端大項(xiàng)目的決策鏈極長(zhǎng)，驗(yàn)收和回款周期更是以年計(jì)算。這導(dǎo)致翻開財(cái)報(bào)時(shí)，營收數(shù)據(jù)看似增長(zhǎng)喜人，但仔細(xì)一看，“應(yīng)收賬款”高企，經(jīng)營性現(xiàn)金流常年為負(fù)。為了維持公司運(yùn)轉(zhuǎn)和龐大的研發(fā)團(tuán)隊(duì)，它們只能不斷融資、不斷借貸，最終陷入惡性循環(huán)。

結(jié)局我們都看到了，CV四小龍從“明星獨(dú)角獸”變成了“工程交付公司”。上市后股價(jià)腰斬、持續(xù)虧損、裁員縮編，以曠視公司為例，該公司在2018至2020年凈利潤(rùn)分別為-28億、-66.43億、-33.26億元，三年共虧損約127.7億元。2024年11月，曠視科技主動(dòng)撤回了在科創(chuàng)板的上市申請(qǐng)。

CV四小龍用慘痛的經(jīng)歷證明：如果技術(shù)不能標(biāo)準(zhǔn)化，B端市場(chǎng)就不是印鈔機(jī)，而是碎鈔機(jī)。靠一個(gè)個(gè)項(xiàng)目撐起亮麗財(cái)報(bào)，最后撐壞的是組織、現(xiàn)金流和研發(fā)能力。

李開復(fù)雖然強(qiáng)調(diào)“做ToB不是用單純的項(xiàng)目制去虧本拿單子，為爭(zhēng)小小的單子打得頭破血流，而是要在幫助合作伙伴和客戶賺錢的基礎(chǔ)上獲得價(jià)值認(rèn)可”，但當(dāng)生存壓力來襲，實(shí)際上CV四小龍誰也沒有做到這一點(diǎn)。也包括李開復(fù)自己擔(dān)任董事長(zhǎng)的創(chuàng)新奇智——這家主打“AI+制造/金融”的B端企業(yè)，三年前IPO時(shí)市值曾高達(dá)147-153億港元，而如今（截至12月4日）市值僅剩31.6億港元。

新瓶裝舊酒，結(jié)局會(huì)如何？

現(xiàn)在，接力棒傳到了“AI六小龍”手里。不幸的是，從目前的種種跡象來看，它們正在踩入同樣的模式，甚至面臨著比CV時(shí)代更嚴(yán)峻的挑戰(zhàn)。

我們看到了同樣的“項(xiàng)目制傾向”，同樣的大模型開發(fā)團(tuán)隊(duì)逐漸變成交付團(tuán)隊(duì)。它們開始大量招聘解決方案架構(gòu)師、行業(yè)專家、項(xiàng)目經(jīng)理、交付工程師，研發(fā)資源逐漸被分配到各類企業(yè)定制項(xiàng)目中，而非平臺(tái)性技術(shù)的長(zhǎng)期迭代。

為了滿足甲方的安全合規(guī)要求、適配甲方充滿孤島的IT架構(gòu)，最頂尖的AI人才被迫去干“臟活累活”。現(xiàn)在的私有化部署，不僅要賣模型、一體機(jī)，還要遷移到云甚至清洗數(shù)據(jù)。我們從boss直聘看到，能做出讓人耳目一新的出海產(chǎn)品talkie的Minimax公司，如今也在招聘“大模型售前解決方案工程師”，分布在北京、上海、深圳。耐人尋味的是，這家公司下面就有老牌外包公司“中軟國際”，幾乎也是這個(gè)職位，只是沒有AI，而工資相差數(shù)倍，如果前者也在干后者的工作，那么究竟還值不值這個(gè)薪資？

MiniMax和中軟國際解決方案職位對(duì)比，來源：Boss直聘

事實(shí)上，現(xiàn)在的處境比CV時(shí)代更為艱難。大模型的私有化部署和算力維護(hù)成本，不僅要考慮GPU顯卡等核心基礎(chǔ)設(shè)施投入，還要考慮存儲(chǔ)、網(wǎng)絡(luò)、冷卻、電力、部署、運(yùn)維和持續(xù)迭代所需的資源。私有化部署一個(gè)千億參數(shù)級(jí)模型（如智譜GLM-130B），一次性投入+年化運(yùn)營成本至少在百萬級(jí)，有能力私有化部署的公司數(shù)量更為有限。由于投入成本巨大，企業(yè)的ROI（投資回報(bào)率）相較CV時(shí)代更難填平。

有人可能會(huì)認(rèn)為：“既然私有化部署成本如此之高，那企業(yè)為什么不上公有云？云服務(wù)不是更便宜嗎？”但在現(xiàn)實(shí)的政企市場(chǎng)中，這條道路基本走不通。和當(dāng)年 CV四小龍面對(duì)的情況一樣，政務(wù)、金融、醫(yī)療等領(lǐng)域的數(shù)據(jù)高度敏感，涉及安防監(jiān)控、身份信息、業(yè)務(wù)流水、運(yùn)營調(diào)度等核心資產(chǎn)。這類客戶天然對(duì)外部云環(huán)境保持謹(jǐn)慎，要求所有模型運(yùn)行和數(shù)據(jù)處理都必須在本地、可控的環(huán)境中完成。

前面提到ROI很難填平的關(guān)鍵因素也在于，B端企業(yè)目前還難以通過AI直接獲得收入，企業(yè)需要的是精準(zhǔn)決策，而大模型的“幻覺”特性，即一本正經(jīng)地胡說八道，在B端是致命傷，容錯(cuò)率極低。在安防時(shí)代，識(shí)別錯(cuò)了頂多是誤報(bào)，人工復(fù)核一下就行。但大模型是用來做決策輔助、做知識(shí)管理的。如果AI給醫(yī)生推薦了錯(cuò)誤的藥方，給法官引用了不存在的法條，給CEO提供了虛假的市場(chǎng)數(shù)據(jù)，誰來負(fù)責(zé)？

企業(yè)中的每一次判斷都需要準(zhǔn)確、可追溯、符合規(guī)范，而大模型當(dāng)前的生成邏輯并不能保證這一點(diǎn)。企業(yè)不會(huì)接受一個(gè)“偶爾會(huì)胡說八道”的系統(tǒng)參與決策。這使得許多AI落地方案只能停留在“輔助手段”層面，無法真正進(jìn)入企業(yè)的核心流程，那就產(chǎn)生不了能覆蓋成本的收入

另外，許多公司試圖將AI引入運(yùn)營流程，但發(fā)現(xiàn)AI雖然能講故事，卻無法真正承擔(dān)責(zé)任。它們能在會(huì)議室里做出精彩演示，卻無法處理真實(shí)流程中的復(fù)雜變量；能寫銷售話術(shù)，卻無法解決訂單中的問題根因；能平鋪直敘地總結(jié)數(shù)據(jù)，卻不理解那些數(shù)字背后復(fù)雜的業(yè)務(wù)邏輯。

在這種供需錯(cuò)位下，市場(chǎng)誕生了怪胎——“數(shù)字員工”虛火。現(xiàn)在賣給企業(yè)的諸多AI應(yīng)用，本質(zhì)上是“數(shù)字版羅永浩”，它們能聊能侃，形象逼真。這些“人來瘋”的數(shù)字人雖然能直播提升GMV，但本質(zhì)上往往淪為展廳里的擺設(shè)。我們又發(fā)現(xiàn)了另一個(gè)令人尋味的現(xiàn)象，今年十月，宇數(shù)科技參加“中國國際消防展”，主打“偵測(cè)版”和“水炮版”機(jī)器狗，即宇數(shù)的工業(yè)四足機(jī)器人B2系列，同時(shí)宇數(shù)也在銷售類似設(shè)備，資料顯示，荊州市消防救援支隊(duì)2024年度消防裝備采購項(xiàng)目就包含了宇樹的四足仿生機(jī)器人產(chǎn)品。然而，我們也看到在今年香港宏福苑的大火中，那些在科技發(fā)布會(huì)上大放異彩的機(jī)器人、機(jī)器狗鮮有發(fā)揮作用，在關(guān)鍵場(chǎng)合還得依靠傳統(tǒng)的消防員。

第二十一屆中國國際消防展上的宇數(shù)科技消防機(jī)器人，來源：新浪

在當(dāng)今AI熱潮之下，政府、企業(yè)領(lǐng)導(dǎo)可能會(huì)被說服買單一次，但如果實(shí)際效果無法落地，在財(cái)政預(yù)算普遍收緊的背景下，沒有人愿意承擔(dān)第二次風(fēng)險(xiǎn)。因此，越來越多企業(yè)將AI視為試驗(yàn)性項(xiàng)目，而不是戰(zhàn)略性投入。為了避免預(yù)算浪費(fèi)，管理層普遍要求“先試點(diǎn)，再?zèng)Q定是否擴(kuò)展”，這在流程設(shè)計(jì)上意味著：AI公司必須先自掏腰包投入研發(fā)，做出樣機(jī)或PoC，再一步步推動(dòng)企業(yè)最終采購。

這種“單點(diǎn)突破”的路徑讓企業(yè)和AI公司都要付出高昂的試錯(cuò)成本，更關(guān)鍵的是，如果AI系統(tǒng)無法在真實(shí)業(yè)務(wù)流程中承擔(dān)可量化、可追責(zé)的責(zé)任，那么項(xiàng)目制本身就難以成立，更不要說沉淀成標(biāo)準(zhǔn)化平臺(tái)。這種模式只能帶來“不斷試點(diǎn)、不斷重做、難以放量”的商業(yè)循環(huán)。

長(zhǎng)期如此，AI六小龍很可能重演CV四小龍的軌跡——在高成本、低毛利、強(qiáng)依賴人工交付的業(yè)務(wù)環(huán)境里被拖成工程公司，創(chuàng)新資源被消耗殆盡，最終被主流市場(chǎng)邊緣化。

問題不在于轉(zhuǎn)B

而在于能不能創(chuàng)造真實(shí)價(jià)值

中國工程院鄔賀銓院士近日撰文指出，AI正迎來從技術(shù)突破到價(jià)值落地的關(guān)鍵拐點(diǎn)。當(dāng)前，大模型技術(shù)在參數(shù)規(guī)模、多模態(tài)能力和工程效率上持續(xù)迭代突破，千行百業(yè)展現(xiàn)出AI應(yīng)用的豐富場(chǎng)景，但AI技術(shù)的規(guī)模價(jià)值仍未得到充分釋放。

今年下半年，從Sora2到Nano Banana、Gemini3，每一次新的發(fā)布都在C端引起了巨大反響，帶來驚人的用戶轉(zhuǎn)化。這些新技術(shù)展示了更強(qiáng)的多模態(tài)理解能力和更低的端側(cè)推理成本，說明新一代輕量模型正在讓C端AI應(yīng)用具備真正的可用性和差異化價(jià)值。C端的機(jī)會(huì)窗口依然敞開。

同樣B端也有巨大的市場(chǎng)。從亞馬遜裁員的例子來看，B端企業(yè)級(jí)應(yīng)用同樣可以起到驚人的效果，這種效果來自于對(duì)業(yè)務(wù)流程的深度重構(gòu)和對(duì)人力的實(shí)質(zhì)性替代，而不是部署一個(gè)大模型、能隨便聊幾句就算“落地”。其背后一定是對(duì)行業(yè)邏輯的深刻理解、對(duì)關(guān)鍵節(jié)點(diǎn)的精準(zhǔn)把控后，讓AI嵌入流程，成為承擔(dān)責(zé)任的“員工”，達(dá)到這一層級(jí)，才可能成為企業(yè)付費(fèi)的一個(gè)理由。

總部位于瑞典的金融科技公司Klarna原有700名客服，當(dāng)它上線了AI客服等產(chǎn)品后，其CEO Sebastian Siemiatkowski認(rèn)為不需要那么多的員工，隨即將員工人數(shù)從5000人削減至3800人，但他接下來就后悔了，因?yàn)锳I客服只能匹配知識(shí)庫，而不能解決實(shí)際問題，用戶實(shí)際問題千奇百怪，很多不屬于知識(shí)庫的一部分，“演示效果非常驚艷，但一旦實(shí)際落地就會(huì)暴露很多問題。”目前這家公司又開始重新招聘人工客服。

歸根結(jié)底，無論是C端還是B端，都不是決定成敗的關(guān)鍵，提供價(jià)值才是。實(shí)際上，如果不能在B端證明自己是“工具”而不是“吉祥物”，那么今天簽下的每一個(gè)大單，都將是明天壓垮駱駝的最后一根稻草。在中國AI的下半場(chǎng)，我們不需要太多的“數(shù)字羅永浩”，而需要能真正承擔(dān)責(zé)任、可在流程中站得住的硅基打工人，只有先證明自己有用，才值得談未來。在證明自己有用之前，請(qǐng)收起那些華麗的PPT，因?yàn)楫?dāng)大火燃起時(shí)，它們真的救不了火。