隨著AI(人工智能)技術的飛速發展，大模型已成為全球科技領域競爭的新高地以及未來產業的新賽道。同時，憑借大規模參數量和強大的計算能力，大模型在自然語言處理、圖像識別、推薦系統等多個領域展現出巨大的應用潛力。

據了解，在AI大模型的商業化道路上，“To B或To C”一直是兩難的選擇。而就目前市場格局來看，雖然C端(消費者市場)潛力巨大，但大模型在B端(企業服務市場)的商業化應用卻率先取得顯著進展，曙光初現。

百度集團執行副總裁、百度智能云事業群總裁沈抖表示，AI應用正率先在B端爆發，由企業級大模型工程平臺、異構算力平臺組成的新型AI基礎設施，將替代傳統云計算，為大模型應用在企業生產力場景中的規模落地提供關鍵支撐。

大模型廠商為什么會選擇加碼B端投入？B端發展有哪些困境與挑戰？如何看待大模型產業的投融資環境？

B端市場商業邏輯初具雛形

雖然C端市場用戶基數大，機會更多，但由于功能單一等因素，導致消費者對于大模型的付費意愿并不強。而B端市場在大模型應用方面展現出了更大的潛力和商業價值，多家初創企業的商業化模式也逐步得到驗證。

例如，2024年前三季度，北京智譜華章科技有限公司在B端和G端(指為政府，包括事業單位開發的產品?)的大模型中標數量和金額位列國內大模型行業前三；北京中科聞歌科技股份有限公司(以下簡稱“中科聞歌”)憑借在金融、政務、媒體等多個領域的深耕，已形成了完整清晰的商業模式。

北京零一萬物科技有限公司創始人李開復向《證券日報》記者表示，公司專注于做有利潤的、非僅賣模型或項目制的B端業務。李開復說：“公司從一開始就選擇發力國內B端市場，探索將數字人應用于零售、餐飲等領域，目前公司已能夠提供完整的解決方案。”

由此可見，B端市場目前的商業邏輯已初具雛形。B端企業更愿意為大模型產品付費，最主要的因素是其能夠直接提升業務效率、降低成本，并增強競爭力。中科聞歌董事長王磊向《證券日報》記者表示，在面向企業決策應用場景時，依托多智能體協同技術，結合工作流、數據流、決策流，AI大模型能幫助企業在復雜商業環境中實現智能決策，為長遠戰略發展提供支持。

相較而言，B端商業模式開發難度也小于C端。在B端付費意愿更強的背景下，大模型初創企業更加注重B端的投入力度，以求擁有持續的盈利模式。

高質量數據稀缺帶來挑戰

業內普遍認為，算力、算法、數據是大模型發展的關鍵三要素。近年來，基于計算能力的提升、大規模數據集的可用性以及算法的改進，AI大模型在B端市場進入了爆發增長期。

同時，大模型領域也出現了亟須打破的瓶頸。目前，高質量數據資源越來越稀缺，大語言模型規模越來越大，參數甚至高達萬億級別，動用一次訓練所需要的資金、人力和穩定性能源也愈發昂貴。

相比于算法和算力，在大模型商業閉環中，數據成為最直接影響其在垂直行業落地效果的關鍵。高質量數據是訓練和優化大模型的基礎，沒有足夠的高質量數據，大模型就無法學習準確、豐富的知識，進而無法生成逼真、有創意的結果。高質量數據的短缺不僅影響了大模型的訓練效果和應用性能，還增加了企業的運營成本和時間成本。例如，在自動駕駛領域，為了獲取高質量的路況和天氣數據，企業需要投入大量的人力和物力進行數據采集、標注和清洗。

獵豹移動董事長兼CEO傅盛向《證券日報》記者表示，在“百模大戰”中，算力和算法這兩個點上很難做出差異化，產業鏈里決定大模型基礎能力的核心是標注后的數據，當下行業的重點在于如何將高質量數據找出來，與應用實現高度結合。

據Epoch AI Research研究團隊預測，到2026年，現存的用于AI模型訓練的高質量語言數據將耗盡。信息技術研究和分析公司Gartner發布的研究報告也提到，到2030年，合成數據將成為AI模型的主要訓練數據來源，而在此之前，高質量數據的短缺將是一個長期存在的問題。

為了應對高質量數據短缺的挑戰，企業和科研機構正在積極探索解決方案。在數據集成方面，螞蟻集團旗下螞蟻數科推出的AI數據合成與生產平臺AIGD，可以通過大規模合成互聯網所覆蓋的高質量、高價值垂直語料數據，幫助科技廠商進行AI模型訓練。在數據的清洗和標注方面，北京獵戶星空科技有限公司聯合北京聚云科技有限公司研發的AI數據寶AirDS可為B端企業提供大模型數據收集、清洗、標注、提示詞工程以及評估服務；中科聞歌數據工程則通過整合開源數據和企業內部數據，進行數據資產管理，并運用一站式清洗工具，將原始數據轉化為高質量數據，實現AI訓練數據供給。

“盡管面臨著高質量數據短缺的挑戰，但大模型B端的發展前景依然廣闊。企業和科研機構需要持續加強合作和創新，共同推動高質量數據的發展和應用，為AI技術的進一步發展奠定堅實基礎。”艾媒咨詢CEO張毅向《證券日報》記者表示。

投資領域更加細化

在資本市場，AI大模型仍是目前的熱點，國內的投融資活躍，但與早期的投資熱潮相比，當前投資人的態度更為理性。

中商產業研究院公布的數據顯示，2023年1月份至10月份，國內AIGC(人工智能生成內容)行業累計發生投融資事件122起，涉及金額178.62億元。2024年同期，該行業發生投融資事件101起，同比下降17.21%；涉及金額309.8億元，同比上升73.44%。

“經過兩年的發展，投資行為逐漸從‘廣撒網’轉到‘在重要細分領域和重要標的上下重注’的階段。”未可知人工智能研究院院長杜雨向《證券日報》記者表示，AIGC的技術和產品迭代速度確實超出了很多投資人的意料。對待諸多不同方向的項目，投資人需要更謹慎地思考和推演市場變化趨勢。

在投資整體趨于理性的背景下，投資要求變得更高，投資領域更加細化。投資人更加看重能夠持續推動技術進步、構建獨特技術體系的企業；對于大模型企業的商業化路徑和盈利能力也提出了更高要求：希望企業能夠明確其產品或服務的市場定位，制定出可行的商業化策略，并展示出穩定的盈利能力。

但丁投研創始人陳達向《證券日報》記者表示：“到了把投資做細的時候，投資人就會越來越注意技術是否有創新性壁壘、適用場景是否切合市場需求，以及是否有清晰的商業化路徑和行業垂直化應用前景。”

同時，隨著大模型技術在金融、醫療、教育等細分領域的應用逐漸深化，投資人更關注能夠將大模型技術與邊緣計算相結合，提供高效、低延遲服務的企業，或者在多模態領域具有技術積累和創新能力的企業。

在具體投資賽道方面，招商銀行研究院發布研報稱，隨著大模型對算力需求急劇增加，全球互聯網巨頭紛紛加大對AIGC基礎設施的投資。GPU系統、HBM存儲和高性能網絡基礎設施在AIGC計算中發揮著關鍵作用，成為硬件基礎設施投資的主賽道。

杜雨表示，移動互聯網革命曾經推動了智能硬件的蓬勃發展，當時的智能硬件主要實現了“聯網”功能，尚未達到真正的“智能化”，而當前的AI技術能夠賦予硬件實現真正的智能。穿戴式AI設備、具身智能機器人等方向，近期都獲得了不少投資人的關注。