全文字数：4800字，阅读时间：18分钟

本文来自智次方直播：AI与商业创新：大模型如何革新商业模式&重塑业务领域

金秋9月，智次方与智用人工智能应用研究院携手推出AI大模型系列公开课，从认知、应用、商业、安全等不同方向，带您领略AI大模型的魅力与应用前景。

9月20日晚，智用研究院数字经济与孵化器CTO 周闻钧老师以“AI与商业创新：大模型如何革新商业模式&重塑业务领域”为主题进行了一次深度内容分享。

以下根据直播内容整理：

01

OpenAI一路高歌背后的商业决策

按照之前许多硅谷创业英雄的典型脚本，他们会突然出现一个神来之笔，创造了一个原型产品、概念或技术，然后立刻在整个硅谷或欧美地区引起大家的跟进和复刻。然而，当一些IT巨头亲自下场之后，这些最早的初创企业很快就会熄火，逐渐淡出，要么业务难以为继，要么被豪门收购成为其业务版图的一部分，然后这个技术方向可能会被一些技术巨头所掌握。

但在过去的两三年里，OpenAI的故事脚本却不是这样。它保持了高度的独立性，从最早的GPT1 到现在的GPT4，在模型性能与商业模式上拉开了与大模型竞争者们的身位优势，整个业界仍将GPT4视为大模型的最高标准。

那么OpenAI到底做了哪些决策使其一路高歌猛进呢?在我看来，是做对了三件事情。

率先的商业选择—开创了大模型商业化的方向

首先，OpenAI是在大模型领域中率先开创了商业化的方向。

在此之前，大家只是试探性地探索着，就拿微软来说，虽然也曾考虑过利用AI模型盈利，比如他们有一个产品线叫做认知服务，将许多感知技术(如视觉技术、语言理解技术、自然语言处理技术、语音合成技术)打包成一些开箱即用的PaaS服务，希望客户按用量付费，这个想法并没有错。但只能说他们选择这些产品的时间点并不是最佳的，所以尽管市场对这方面的需求存在，但一直都不温不火，也没有成为AI领域的爆点。

在OpenAI的GPT问世以后，特别是3.5版本和ChatGPT模型发布之后，在C端就迅速获得了超过1亿的注册用户，创造了有史以来最快的注册用户记录。因此，它的成功主要来自C端用户。然而，最终的商业决策是它开创了一个名为ChatGPT Plus的订阅计划，开始区分免费用户和付费用户。

这个想法并不算新鲜，是一个非常经典的模式。如果对欧美技术发展的一些趋势有所了解，就会知道这个故事几乎是一再重复的。最典型的例子就是开源社区，例如Linux操作系统，既有免费的社区版Linux，也有像Red Hat(红帽公司)等收费的Linux发行版。通过在开源社区中获得成功之后，成立商业机构来运营商业版本。商业版本和社区版本之间可能会有一到两代的差距，并提供许多增值服务，如更高质量的商业用户服务、更稳定的版本或为B端客户提供定制服务等。而社区版本则保持开源，保持用户基数，让大家仍然可以免费学习和使用。但是要善于利用这个策略并不容易，因为它需要把握一个很难的平衡，即商业版和社区版之间的功能差异必须保持在合理的范围内。

正确的商业选择—携手微软快速进军商业市场

其次，OpenAI迈出的最正确的一步是找了一家非常可靠的ToB类企业——微软来商业化大模型，让合适的人做合适的事情。

其中有几个判断他们都做对了。

第1个判断：C端——>B端

OpenAI 的 GPT大模型之前是面向 C 端用户的，它很容易吸引了一亿的注册用户。如果你手上有一亿的注册用户，让你轻易地放弃他们，这是一个非常艰难的决定。但是 OpenAI 的思路很清晰，他认为大模型的商业前景实际上不在于 C 端用户，而是在于商业化的B 端市场。所以实际上它是一家非常有拯救世界、改造世界情怀的初创企业。但是对于运营 B 端模式，它缺乏经验。既然它能够判断出在 B 端市场的巨大机会，那么把这件事情交给更专业的公司来做是最合适的。

第2个判断：选择哪家ToB类企业?

做B 端服务的巨头很多，微软当然是其中之一，但是还有 Oracle、IBM等等。

为什么选择微软?原因之一是Microsoft 和 OpenAI 有很深的渊源，OpenAI 在历史上的很多早期重要里程碑事件中，都有微软的影子，可以说微软一直在支持和扶持它的发展。因此，OpenAI也获得了微软的投资。

另外一个原因是微软在 ToB 类服务软件和战线方面是最长、最全面的企业之一。因此，微软可以决定 OpenAI这个大模型技术在哪些企业用户场景中切入。

我认为这是他们所做的决策中最明智的一步，也是他们与其他大模型供应商之间差距拉开的关键。他们可以专注于继续完善自己的模型，而商业化的步伐则交给别人来做。

远见的商业选择—围绕OpenAI的生态正在快速形成

第三步是我认为非常有远见的决策，那就是快速构建自己的生态系统和护城河。

一个非常成功的例子是英伟达。这不仅仅是因为英伟达的GPU在某些方面先进，而是因为它的CUDA生态系统已经涵盖了整个市场。因此，无论是AMD还是国内的众多GPU厂商，他们都面临着困扰。虽然他们能够生产出GPU并解决制造问题，但很难解决客户使用意愿的问题，因为他们缺乏生态系统、应用和技术的护城河。

OpenAI也意识到了这个问题，并且愿意看到大家找出大模型的不足之处，比如大模型会胡说八道，许多知识也具有有效期。他们乐于将这一找出问题的能力交给社区，而不是自己去做。因此，我们会看到他们推出了插件机制，并吸引了许多早期开源社区的追随者们。这些追随者们纷纷看到了其中的机会，开始在垂直行业和不同场景下开展工作。一旦这个生态系统形成，它将成为OpenAI GPT大模型的强大护城河。我们实际上已经看到这种趋势正在出现。现在谈到大模型的插件，几乎所有人都会说他们兼容OpenAI的插件格式，这就是护城河，也是他们的商业优势。

因此，并不需要太多商业决策，只要你能够清楚地思考这三步，你就能在市场上保持3到5年的领先优势。

02

OpenAI服务和微软Azure

OpenAI服务

有了OpenAI的支持，微软为自己的整个AI技术栈填补了一块非常重要的拼图。用户会发现，使用了OpenAI服务之后，它的Azure Machine Learning似乎也不错。他们也可能拥有一些像其他前端结合的服务，比如Power Apps和Power BI等数据分析前端的服务。

现在出现了一个非常奇妙的现象，OpenAI自己和微软的公有云Azure共同运营着OpenAI的GPT模型服务。感觉就像是同一个产品有两家来销售，一家是正宗的创始者，一家是得到了独家授权的经销商。

那么对于OpenAI这个大模型服务，这两家的思路是怎样的呢?我们先来看看基本没有变化的地方，无论是从价格体系还是提供的模型种类来说，微软并没有超越OpenAI。微软唯一做了一些补充的是将自己的开发平台开发框架，如C#等与OpenAI的大模型调用进行了整合，因为之前只有Python的SDK，现在给它提供了更多的语言选择。

但是有哪些方面是OpenAI没有考虑到的呢?凭借微软多年来在ToB领域的经验，它增强了这个功能，无论是在安全性方面，如是否支持虚拟网络，是否支持高级的安全模型，如基于角色的访问控制验证方式，还是在安全合规等方面，包括SLA等，微软都为企业用户提供了满意的解决方案。

Azure OpenAI 的出现无疑承担了 OpenAI 在许多面向企业的领域的压力，使得 OpenAI 公司可以轻装上阵，继续专注于做好他们在大模型领域的业界领先地位。在现实中有很多头痛的问题，甚至需要一些繁琐的工作，这些都可以交给经验丰富的微软来处理。微软可以根据需要制定政策、增强产品甚至提供法律帮助，通过各种手段尽可能消除商业市场上对大模型的阻力，消除客户对合规等方面的疑虑。

03

大模型生产力工具的智能化

正是因为有了 OpenAI 以及之后的百家争鸣，如 Meta、谷歌等公司，在 AIGC 领域取得了巨大进展。

我们可以看到微软的行动非常迅速。在与 GPT达成独家授权合作后，微软将 GPT 整合到了自己的 M365 低代码平台、New Bing，以及像 GitHub 这样的专业用户平台和服务中。Copilot 目前非常受欢迎，对吧?在任何场景下，我们都需要一个副驾驶，无论是写文档还是做 PPT，都需要一个助手帮助我们起草初稿。

微软拥有许多产品例如 Word、PowerPoint、Excel 等基础办公软件，而对于一些专业工作者，比如财务、法律、市场营销等等，他们可以使用低代码平台 Power Platform。这些人可能不需要编程语言，但通过简单的拖拉拽就能定制很多任务脚本。

对于普通消费者来说，如果搜索引擎能以问答的方式提供体验，就像新的 Bing 搜索引擎一样，无疑会颠覆传统搜索引擎的使用体验。

对于程序员来说，如果有一个靠谱的助手可以帮助做简单的代码 review 和提示，就像当年我刚开始使用 Visual Studio 时，有一个名为 IntelliSense 的功能可以自动补全代码，那真是令人惊叹。我甚至不需要查找很多函数接口或库的接口，当我写代码时，它就会提供类型提示，并进行检查。这真的非常方便，对吧?不仅如此，现在不仅是一些简单的函数接口，甚至连代码逻辑，像 GitHub Copilot 都可以帮你起草，帮你编写基本框架，而且它几乎可以用任何编程语言。因此，有了像 GitHub Copilot 这样的工具，可以极大地提高我们程序员的效率。

当然，微软有这么多Copilot，而它的主要竞争对手谷歌自然感到焦虑。因此，谷歌通过几个月的赶超，推出了自家的语言模型PaLM，而且它是唯一一个将这个模型与自家产品线结合的公司。谷歌的Workspace办公全家桶可以与它的模型结合使用。也就是说，微软和OpenAI有的东西，谷歌也做了一份，将自家的大模型与Google Workspace整套生产力工具结合起来，以提高客户在AI辅助内容生成方面的效率。

既然谷歌已经这样做了，其他一些类似的平台公司当然也不可能落后，对吧?他们紧随谷歌的脚步，就像销售领域的领头羊Salesforce，选择借助GPT的能力赋予自家的企业SaaS服务。当然，由于他们的商务场景不同，我们会看到基于销售、营销以及一些轻量级开发人员的GPT功能相继出现。因此，Salesforce成功地给自己贴上了一个标签：AIGC + CRM产品。

那么，既然Salesforce成功了，其他类型的企业也可以效仿，对吧?既然Salesforce能够将CRM与AIGC结合起来，那么为什么其他企业不能呢?

因此，就像Notion AI所说的，我专注于文档写作，不做Word，也不做PowerPoint，我只是帮助你生成各种专业文本文档。所以，它是基于场景的文档写作，使用这个大模型来提供支持。当然，有了Notion AI之后，其他类似的竞品如Evernote以及国内的一些产品(例如飞书)也纷纷跟进。但大家的行动并不慢，基本上在GPT发布后的3-4个月内，开始陆续上线自家的产品，好用不好用再说，首先要确保自家产品在市场上立足，这是需要抓住的机会。

04

AIGC对业务领域的重塑

其实无论是微软还是谷歌，又或者是Salesforce等企业，它们并不局限于某个特定行业，实际上它们是水平类的生产力工具。这些厂商纷纷将AIGC大模型嵌入到自己的产品线中，这给企业带来了什么后果呢?只要你的企业使用了上述公司的产品和服务，那么至少在这些领域里，你可以直接借助AIGC大模型的能力来实现业务转型。

比如客户服务，几年前的智能机器人只能称为“智障”机器人，因为它们对于理解人类的自然语言能力并不高，也只能给出一些固定套路式的回答，以至于你很容易发现它是一个机器人。但有了大模型之后，尽管你仍然可以看出这是一个AI在背后工作，但它生成的内容的合理性大大提高了。甚至于你需要花一定的时间去消化和吸收它给出的内容，但这些内容已经更加合理。所以像这些基于某些领域的客服，他们的专业服务能力和领域知识已经可以媲美经过简单培训的专业人类客服。因此，现在客服的智能化程度显著提高。

其次是销售，企业普遍重视销售，类似于Salesforce的CRM产品或微软的Dynamics等平台，以及一些著名的CRM软件公司也纷纷与大模型合作，以增强自己软件的功能。总的来说，在销售方面，不仅要了解现有客户的数据，为其提供个性化产品和商机推荐，还可以进行更广泛的舆情监控。由于大模型天生适合大数据量的处理，它能够对舆情数据进行归纳、理解和总结。因此，如果企业有舆情监控数据，并不断进行监控和采集，那么让大模型帮助进行相关总结和归纳是非常合适的场景。

第三个场景就是内容生成，不仅限于文档，包括Powerpoint、Excel等各种形式的生成。这些功能不仅适用于普通的知识工作者，如办公室文员。而且即使对于具备高技术门槛的程序员和IT从业者来说，大模型也可以通过学习类似于GitHub或Stack overflow等语料库，在任何需要的语言上生成代码，无论是Java、C++、Python还是其他主流语言甚至汇编。生成的代码质量通常可以媲美中等水平的程序员。原来我们认为在代码里面有一个非常头疼的问题，就是代码的理解、审阅，这非常耗时耗力。现在有了大模型，它们可以轻松地理解你的代码，并给出自动的代码注释，同时还能评价你的代码质量。据我了解，我们有很多企业客户，他们的开发团队正考虑使用这些大模型来提高生产力，至少解决代码审阅的问题。包括后面还有像知识管理、辅助决策等方面。

总之，在企业中，不论从事何种行业，都能找到很多这样的应用场景。

我今天的分享就到这里，谢谢大家。