與70位企業高層交流後，我們整理出AI ToB領域大趨勢
題圖來自：視覺中國
過去一年，我們看到了GenAI（生成式AI）在ToC領域大放異彩，創造了超10億美元的消費規模。相較之下，ToB領域還停留在由FOMO推動的1.0階段，應用場景稀少，主要用例體現在ChatGPT的“套殼”產品們。
如今C端漸涼，盈利堪憂。如果說Anthropic、OpenAI的低毛利是澆了盆涼水，那麼Inflection被微軟“生吞活剝”基本宣告C端重磅產品“聊天機器人”暫別初創企業。而且C端的數據基本握在巨頭手中，小型初創企業就算解決了“錢荒”，還要經歷新一輪“數據荒”，挑戰巨頭難如登天。
而B端既是“生路”也是“勝路”。首先，儘管龐大的數據由大企業掌管，但不是每個企業都有能力搭建AI團隊。其次，出於競爭關係，大企業不太可能將私密數據分享給巨頭，而會傾向於找小企業做“中間商”。基於此，小型初創企業“數據飛輪”可以轉起來——在垂直領域積累優質數據，逐漸構建技術壁壘。
著名風投機構a16z花了幾個月時間，與財富500強企業和頂尖企業的領導者進行深入交流，調查了超過70位企業決策者，以探究他們對GenAI的使用、採購和預算安排。
結果非常驚人——在過去六個月中，這些企業對GenAI的資源投入和態度發生了顯著變化。
企業將購買GenAI服務的預算增加2~5倍，推進更多生產級應用；
企業傾向採購多個模型落地不同應用場景，並且愈加青睞開源模型；
企業將優先落地內部應用，並對涉及敏感數據的外部應用持謹慎態度。
a16z的結論：儘管有人質疑GenAI在B端的普及性和盈利能力，但進入2024年，我們預見B端企業市場的AI規模將呈現指數級增長。
如果AI 初創公司能夠深入瞭解客戶的預算、關注點和路線圖，爲企業制定以 AI 爲中心的戰略計劃，預見企業的痛點，同時從“服務至上”轉向“構建可擴展產品”，就能成爲新浪潮中的“弄潮兒”。
基於以上觀察，a16z將關鍵信息彙總爲一份報告《16 Changes to the Way Enterprises Are Building and Buying Generative AI》（企業構建與購買生成式AI的16項變革）。適道對報告內容進行了編譯，請安心食用。
1. 企業對GenAI的預算正在飛速增長
2023年，我們調研的數十家公司，在基礎模型API、自託管和微調模型上平均每年支出達到了700萬美元。而且，幾乎所有企業都對GenAI測試的初步成效表示樂觀，並計劃在 2024 年將預算增加2~5 倍，以推動更多工作負載轉向生產環境。
2. 企業將AI投資“划進”經常性支出
2023年，企業對GenAI的支出主要出自“創新”預算和一次性買賣。然而，在2024年，許多領導者正考慮“長期付費”。僅不到25%的受訪企業表示，2024年的GenAI支出還是出自“創新”預算。
我們還注意到，一些領導者開始將GenAI預算用於節省人力成本，尤其是在客服領域。如果這一勢頭持續，預計未來對GenAI的投資將會大幅增加。例如，有企業表示，AI客服每打一個電話能省6美元，總計可節省約90%開支。因此，企業要將GenAI投資增加8倍。
3. 衡量ROI是藝術，也是科學
目前，企業領導者主要通過由AI提高的生產力，來衡量投資回報率（ROI）。
儘管他們主要依賴NPS（淨推薦值）和客戶滿意度作爲代理指標。但他們也在尋找更具體的衡量方法，比如：用例創收、節省成本、提升效率、提高準確性。至少在未來2~3年，提升ROI會越來越重要。
4. 企業渴求輕量化AI部署
僅僅接入API顯然不夠用，但實施、維護和擴展需要高度專業化的人才，甚至僅“實施”一項就佔據了2023年企業AI支出大頭。
爲了幫助企業快速啓動、運行模型，基礎模型提供商提供的專業服務通常涉及定製模型開發。同時，又因爲企業內部很難找到合適的AI人才，那些能夠簡化企業內部GenAI開發流程的初創企業會更快地迎來巨大機遇。
1. 企業青睞多模型（Multi-model）方案
六個月前，大多數企業還在使用一種模型（通常是OpenAI），最多是兩種模型。
現在，他們正在測試——甚至已經在生產環境中使用——多模型（Multi-model）。
多模型方案的優點：
（1）根據不同性能、規模和成本來定製用例；
（2）避免過度依賴單一供應商；
（3）快速利用該領域快速發展的成果。由於模型排名不停變化，高管們希望整合當前最先進的閉源模型和開源模型，以獲得最佳效果。
預計未來會有更多模型涌現。雖然在生產用例中，OpenAI 仍然佔據主導市場份額，但從測試來看，多模型並存的局面正在形成。
2. 企業青睞開源模型（Open source）
過去六個月中，開源模型的興起讓人驚訝。
我們估計，在2023年的市場中，80%~90%由閉源模型（如OpenAI）佔據。然而進入2024年，46%的受訪企業偏好或強烈站隊開源。
另外，60%的受訪企業提到，如果能夠通過微調開源模型，以實現與閉源模型相當的效果，他們將會傾向使用開源模型。其中一些企業明確表示，希望開源和閉源模型的佔比能達到5:5（2023年爲2:8）。
3. 企業選擇開源模型的主因：控制/定製>成本
我們驚訝的是，成本問題不是企業首要考慮因素，但卻反映了領導層目前的信念，即GenAI創造的超額價值，將會遠遠超過其價格。一位高管表示：“獲得準確的答案是值得的。”
因此，控制（專有數據安全性、瞭解模型產生特定輸出的原因）和定製（針對特定用例進行有效微調的能力）遠比成本更重要。
4. 控制：企業擔心敏感用例和數據安全
出於對監管、數據安全的顧慮，企業不願意與閉源模型提供商共享自己的專有數據，尤其是那些將知識產權作爲核心護城河的公司。一些高管通過自託管開源模型來解決問題，而其他人則優先考慮具有虛擬私有云（VPC）集成的模型。
5. 定製：企業傾向微調開源模型，而非從0到1
隨着高質量開源模型的興起，大多數企業不是從0開始訓練自家LLM，而是使用檢索增強生成（RAG）或爲特定需求來微調開源模型。
6. 雲服務商依然極大影響AI 模型採購決策
2023年，許多企業出於安全考慮通過現有的雲服務提供商（CSP）購買模型，2024年的情況依然如此。
這意味着CSP和首選AI模型間的關聯性相當高：Azure用戶更喜歡OpenAI，而Amazon用戶更喜歡 Anthropic或Cohere。
如圖所示，在使用API訪問模型的72%企業中，超過50%的企業選擇其CSP所託管的模型。（請注意，超過25%受訪企業選擇了自託管，可能是爲了運行開源模型。)
7. 企業關注模型的差異化和創新性
即便企業將“推理能力、可靠性、易訪問性”作爲採用特定模型的首要因素，但他們也更加傾向於採用具有其他差異化功能的模型。
例如，多家企業將“200K上下文窗口功能”，作爲此前採用Anthropic的關鍵原因；一些企業採用Cohere是出於其在上市之初，主打微調功能的易用性。
8. 大多數企業認爲模型性能正在趨同
不可否認，AI模型正在變成“瓶裝水”——儘管閉源模型在外部基準測試中表現更好，但企業領導者仍然爲開源模型打出了較高的NPS，因爲它們更容易針對特定用例進行微調。
一家公司發現“經過微調，Mistral和Llama的性能幾乎與OpenAI一樣好，但成本要低得多。”按照這些標準，模型性能的趨同甚至比我們預期的更快，這爲企業提供了更多選擇。
9. 企業傾向於“模型花園”
大多數企業都希望，在設計AI應用時，只需更改API，就能在不同模型之間進行切換。一些企業甚至預測試提示，以便切換在按下開關時立即發生，而其他企業則構建了“模型花園”，以便他們可以根據需要將模型部署到不同的應用程序中。
一部分原因出於雲時代的慘痛教訓，減少對供應商的依賴；另一部分原因是，行業發展太快，將雞蛋放在單一的AI模型中不可取。
1. 企業更傾向於自主開發而非直接從第三方購買
有了基礎模型提供的API，企業更容易構建自己的AI應用。一些基於熟悉應用場景，例如客服或內部的AI Copilot。同時，企業也在嘗試創新，例如編寫消費品配方、縮小分子發現範圍、提出銷售建議等等。
總之，“套殼”GPT又會面臨挑戰。我們認爲，那些能夠超越“LLM + UI”公式、重新思考企業基本工作流程、幫助企業更好地利用自身專有數據的AI產品，將市場上大放異彩。
2. 企業對內部應用場景興奮，但對外部應用場景謹慎
2023年最流行的應用場景，要麼是專注於內部效率提升，要麼是構建AI Copilot作爲客服/銷售輔助。這些情況，在2024年可能不會發生太大變化，依然佔據主導地位。
這是因爲企業對GenAI仍持有兩大擔憂：（1）幻覺和安全問題；（2）將GenAI部署到敏感消費者領域（如醫療保健和金融服務）的公共關係問題。
類似擔憂實在太多，誰能提供控制幻覺與安全問題的AI工具，誰將廣受歡迎。
a16z預測：到2024年底，模型API（包括微調）市場將增長到50億美元以上（2023年預估是15億~20億美金），而企業支出將是其中的重要部分。
基於企業高層已經發出了“尋找、部署GenAI解決方案”的號令。我們可以預見，過去一年多時間才能完成的交易，現在可能只需2 、3 個月就能完成，且交易規模比以往更大。
雖然這篇文章重點關注基礎模型層，但我們相信AI ToB的機會將延伸到技術棧其他模塊——輔助微調的工具、模型部署/運維服務、AI應用程序構建、垂直場景的AI應用建構等等。
近期，a16z連發三篇AI ToB調查報告，這足以說明，AI炒作之後，B端市場愈加關鍵。
本內容爲作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯繫 hezuo@huxiu.com