作者:彭昭(智次方创始人、云和资本联合创始合伙人)
这是我的第370篇专栏文章。
《孙子兵法》有云:“上兵伐谋,其次伐交,其次伐兵,其下攻城。”此言意在阐明,制胜之道在于谋略,智者未战先谋败,方能立于不败之地。
正如我在上篇文章《工业互联网+人工智能,谁能笑到最后?四类玩家分析》中所承诺的,本文让我们一起“事先验尸”,深入剖析垂类模型企业在转型过程中可能面临的风险与挑战。
当下,垂类AI模型俨然已成为业界新宠,然而,在这股喧嚣之下,我们更需要保持冷静和理性。不妨换位思考:倘若一家垂类模型企业最终走向失败,其致命伤会在何处?
在开启这场思维探索之前,我们要先向那些不断试错的先行者致敬。正是他们的探索和迷失,铺就了我们前行的道路。
“事前验尸”虽然听起来有些可怕,但却是一种颇具创意的逆向思维决策方法。
步骤是在初步拟定行动方案后、正式实施之前,要求决策参与者做一个反向假设:假设拟定的方案已经付诸实施,但结果惨遭失败。基于这个假设,参与者需要推演可能导致失败的原因,进而对原有方案进行调整和优化,以求最大程度地规避风险,确保成功。
这种思维方式的精妙之处在于,它能够帮助我们跳出思维定势,审慎地看待可能的未来。
站在当下这个节点,垂类模型企业正面临前所未有的机遇和挑战,这注定是一段充满未知、机遇与风险并存的征程。让我们以“事前验尸”的视角,剖析垂类模型企业的致胜关键和致败隐忧,为产业智能化转型提供一些可资借鉴的思路。
曾经有一家神奇的公司叫做ScaleFactor,这是一家利用人工智能技术实现会计自动化的创业公司,它在融资1亿美元后轰然倒闭。
根据前员工的爆料,所谓的“人工智能”并未真正制作财务报表,而是由数十名会计师手工完成大部分工作。一些客户更是收到了错误百出的账本,不得不重新聘请会计师来清理烂摊子。
ScaleFactor的失败绝非个案。事实上,每一家AI创业公司,尤其在早期阶段,都不可避免地要依赖人工干预。“AI科学家”的角色就是在AI无法独立解决问题时提供人工协助,参与数据集的构建和算法的优化。
然而创业公司的终极目标,则是通过不断地训练和迭代,一点一滴、一个模块一个模块地提升自动化水平,最终实现尽可能接近100%的AI自动化。
这是垂类模型企业能否成功跨越第一重门槛的关键:智能是否真正“吸收”进了软件,而不仅仅是“包装”成了服务?
唯有将行业知识、专家经验、业务规则等“软实力”真正转化为模型算法,并内嵌于产品之中,方能构建起真正的智能化解决方案,而非人工服务的代言人。
然而,即便跨越了第一重门槛,垂类模型企业仍面临着第二重考验:如何从“大模型秀场”走向“业务价值场”?不少企业可能会倒在这个转型的半路上。
一些垂类AI企业往往在起步阶段就走入误区。他们简单地将自己定位为“行业知识版的ChatGPT”,以为只需微调几个模型、堆砌几个案例、做几场Demo演示,就能在产业中攻城略地。殊不知,真正的产业需求不是一个更聪明的聊天机器人,而是一个能够接管流程、交付结果的智能代理。
当前,对大多数用户而言,“垂类模型”乃至“大模型”仍是一个陌生而时髦的概念。如果不能简化模型的使用流程、降低用户的认知门槛,再先进的技术也可能沦为“秀肌肉”的玩物。
对垂类模型企业的商务和技术团队而言,这也是一个不小的挑战:如何用通俗易懂的语言向客户阐释这项新技术?如何从整体拥有成本的角度论证产品的经济性?如何用产品为不同客户的痛点需求提供切实解法?每个问题都没有轻松的答案。
更严峻的挑战在于,如何将垂类模型与业务流程实现真正的融合,形成数据流、业务流、知识流的闭环?如果垂类模型始终游离于业务之外,无法嵌入组织的神经末梢,再强大的算法能力也可能沦为花架子。
对于垂类模型企业而言,最致命的陷阱往往不在技术,而在商业模式。如果不能实现从“卖模型”到“卖流程”、从“技术驱动”到“业务驱动”的根本转变,再先进的算法也难逃昙花一现的命运。
可能垂类模型企业会陷入一个常见的误区:把盈利的重心放在了API调用量、模型微调服务或定制化开发上。
这种“卖技术”的思路,虽然短期内可能带来可观的收入,但从长远来看却埋下了隐患。一旦客户自建模型能力或转向开源方案,这些企业就可能面临被抛弃的窘境。
前车之鉴不止一家,我们以树根互联的故事为例。
作为曾经的工业互联网“明星平台”,树根互联对核心技术进行了大量研发投入,在广连接、懂工业、高性能、易应用等方面积累了深厚的实力。2019年至2021年,仅根云平台操作系统相关的研发项目,树根互联就投入了高达4.26亿元的研发资金。
然而,高昂的研发投入也带来了沉重的财务负担。2019年至2021年,树根互联累计亏损超过13亿元,其中研发投入超过5.3亿元,非研发人力成本投入超过6.3亿元,股份支付费用更是高达7.5亿元。尽管扣除这些投入后,树根互联的实际经营亏损在逐步缩小,但其研发投入产出比较低、商业模式相对单一,已经暴露无遗。
对科技型企业而言,前期亏损无可厚非,关键是要在“烧钱”中夯实护城河,优化投入产出比,培育可持续的“造血”能力。
如果只是单纯地堆砌技术,而没有打造出真正契合客户需求、创造业务价值的解决方案,再多投入也可能付之东流。
垂类模型企业要想突破这一魔咒,则需要重构商业逻辑:卖结果,而非卖工具;按流程计费,而非按调用计费;绑定业务成果,而非绑定功能模块。
从“模型即产品”转向“业务成果即服务”(BOaaS),才能真正嵌入客户的核心业务流程,构建起高度粘性和壁垒。
反之,如果垂类模型企业始终徘徊于技术层面,而没有向产业纵深进发,那么被巨头内生取代、被通用模型压价、被客户自建替代,就不过是时间问题。
对于垂类AI企业而言,最大的挑战不在于技术,而在于生态。
许多企业热衷于在某个高价值场景上“单点爆破”,寄希望于以点带面,撬动整个行业的智能化变革。
然而,如果不能将单点突破扩展为流程再造,不能将孤立的场景串联为完整的闭环,不能吸引外部生态伙伴持续贡献力量,那么这样的“单点胜利”注定是昙花一现,难以形成生态飞轮效应。
以智能质检为例。这些场景确实蕴藏着巨大的价值,如果能够以智能化的方式显著提升效率、降低成本、减少错误,无疑将为客户带来可观的收益。
但问题在于,这些应用场景往往只是整个业务流程中的一个环节,如果不能前后贯通、左右协同,就难以真正融入客户的核心业务,沦为“锦上添花”而非“雪中送炭”。
举例而言,一款智能质检工具,如果只能识别产品缺陷,而无法与生产排程、工艺优化、供应商管理等环节实现数据打通和流程闭环,那么再先进的算法也可能流于表面。
由此可见,垂类AI要想成为真正的产业平台,就得从端到端重塑业务流程,从全局出发设计场景方案,构建起数据流、控制流、知识流的协同闭环。
这需要企业深入业务一线,与客户共同梳理流程,重构任务,打破信息孤岛,形成可编排、可优化、可迭代的智能化解决方案。只有这样,才能将“单点突破”扩展为“流程再造”,将“场景驱动”升级为“平台思维”,真正赋能客户的业务创新。
在这一过程中,垂类AI企业还应高度重视生态的力量。
一个真正有生命力的产业平台,必须能够吸引不同角色的参与者持续贡献价值,形成合作共赢的正向循环。
这就要求垂类AI企业要从一开始就立足开放、共生的理念设计系统架构,将外部创新力量嵌入平台基因。
在智能时代的残酷竞争中,垂类AI企业要想立于不败之地,应当构筑起坚实的“护城河”。而这条护城河,不能仅仅依靠技术的领先,更要依靠对行业流程的把控和生态网络的构建。
换言之,垂类AI企业应当从“任务的执行者”蜕变为“流程的管理者”,从单一的模型服务转向开放的生态平台。
如果说Agent是垂类AI企业构建护城河的立足点,那么平台化则是构建生态护城河的制高点。
唯有以Agent为抓手,全面接管流程执行;以开放平台为目标,吸引更多参与者,才能从根本上锁定行业话语权。
具体而言,垂类AI企业要在三个层面精准发力:
一是以流程为牵引,以Agent为核心,全面参与和重塑行业流程,实现从“辅助决策”到“自主执行”的跃迁;
二是以结果为导向,以业务成果即软件(BOaaS)为商业模式,提供端到端的“流程外包”服务,实现从卖模型调用到卖流程成果的升级;
三是以生态为目标,掌控任务界面、数据闭环、智能调度三大要素,吸引多元参与者接入平台,构建正向增强的网络效应和规模效应。
流程为体、结果为翼、生态为魂,是垂类AI的立体护城河。
垂类AI即将进入“战国时代”,胜负的关键不在于谁的模型更强大,而在于谁能真正洞悉产业的本质,谁能以客户价值为核心构建可持续的生态。