本报记者 袁传玺

随着AI（人工智能）技术的飞速发展，大模型已成为全球科技领域竞争的新高地以及未来产业的新赛道。同时，凭借大规模参数量和强大的计算能力，大模型在自然语言处理、图像识别、推荐系统等多个领域展现出巨大的应用潜力。

据了解，在AI大模型的商业化道路上，“ToB或ToC”一直是两难的选择。而就目前市场格局来看，虽然C端（消费者市场）潜力巨大，但大模型在B端（企业服务市场）的商业化应用却率先取得显著进展，曙光初现。

百度集团执行副总裁、百度智能云事业群总裁沈抖表示，AI应用正率先在B端爆发，由企业级大模型工程平台、异构算力平台组成的新型AI基础设施，将替代传统云计算，为大模型应用在企业生产力场景中的规模落地提供关键支撑。

大模型厂商为什么会选择加码B端投入？B端发展有哪些困境与挑战？如何看待大模型产业的投融资环境？

B端市场商业逻辑初具雏形

虽然C端市场用户基数大，机会更多，但由于功能单一等因素，导致消费者对于大模型的付费意愿并不强。而B端市场在大模型应用方面展现出了更大的潜力和商业价值，多家初创企业的商业化模式也逐步得到验证。

例如，2024年前三季度，北京智谱华章科技有限公司在B端和G端（指为政府，包括事业单位开发的产品）的大模型中标数量和金额位列国内大模型行业前三；北京中科闻歌科技股份有限公司（以下简称“中科闻歌”）凭借在金融、政务、媒体等多个领域的深耕，已形成了完整清晰的商业模式。

北京零一万物科技有限公司创始人李开复向《证券日报》记者表示，公司专注于做有利润的、非仅卖模型或项目制的B端业务。李开复说：“公司从一开始就选择发力国内B端市场，探索将数字人应用于零售、餐饮等领域，目前公司已能够提供完整的解决方案。”

由此可见，B端市场目前的商业逻辑已初具雏形。B端企业更愿意为大模型产品付费，最主要的因素是其能够直接提升业务效率、降低成本，并增强竞争力。中科闻歌董事长王磊向《证券日报》记者表示，在面向企业决策应用场景时，依托多智能体协同技术，结合工作流、数据流、决策流，AI大模型能帮助企业在复杂商业环境中实现智能决策，为长远战略发展提供支持。

相较而言，B端商业模式开发难度也小于C端。在B端付费意愿更强的背景下，大模型初创企业更加注重B端的投入力度，以求拥有持续的盈利模式。

高质量数据稀缺带来挑战

业内普遍认为，算力、算法、数据是大模型发展的关键三要素。近年来，基于计算能力的提升、大规模数据集的可用性以及算法的改进，AI大模型在B端市场进入了爆发增长期。

同时，大模型领域也出现了亟须打破的瓶颈。目前，高质量数据资源越来越稀缺，大语言模型规模越来越大，参数甚至高达万亿级别，动用一次训练所需要的资金、人力和稳定性能源也愈发昂贵。

相比于算法和算力，在大模型商业闭环中，数据成为最直接影响其在垂直行业落地效果的关键。高质量数据是训练和优化大模型的基础，没有足够的高质量数据，大模型就无法学习准确、丰富的知识，进而无法生成逼真、有创意的结果。高质量数据的短缺不仅影响了大模型的训练效果和应用性能，还增加了企业的运营成本和时间成本。例如，在自动驾驶领域，为了获取高质量的路况和天气数据，企业需要投入大量的人力和物力进行数据采集、标注和清洗。

猎豹移动董事长兼CEO傅盛向《证券日报》记者表示，在“百模大战”中，算力和算法这两个点上很难做出差异化，产业链里决定大模型基础能力的核心是标注后的数据，当下行业的重点在于如何将高质量数据找出来，与应用实现高度结合。

据EpochAIResearch研究团队预测，到2026年，现存的用于AI模型训练的高质量语言数据将耗尽。信息技术研究和分析公司Gartner发布的研究报告也提到，到2030年，合成数据将成为AI模型的主要训练数据来源，而在此之前，高质量数据的短缺将是一个长期存在的问题。

为了应对高质量数据短缺的挑战，企业和科研机构正在积极探索解决方案。在数据集成方面，蚂蚁集团旗下蚂蚁数科推出的AI数据合成与生产平台AIGD，可以通过大规模合成互联网所覆盖的高质量、高价值垂直语料数据，帮助科技厂商进行AI模型训练。在数据的清洗和标注方面，北京猎户星空科技有限公司联合北京聚云科技有限公司研发的AI数据宝AirDS可为B端企业提供大模型数据收集、清洗、标注、提示词工程以及评估服务；中科闻歌数据工程则通过整合开源数据和企业内部数据，进行数据资产管理，并运用一站式清洗工具，将原始数据转化为高质量数据，实现AI训练数据供给。

“尽管面临着高质量数据短缺的挑战，但大模型B端的发展前景依然广阔。企业和科研机构需要持续加强合作和创新，共同推动高质量数据的发展和应用，为AI技术的进一步发展奠定坚实基础。”艾媒咨询CEO张毅向《证券日报》记者表示。

投资领域更加细化

在资本市场，AI大模型仍是目前的热点，国内的投融资活跃，但与早期的投资热潮相比，当前投资人的态度更为理性。

中商产业研究院公布的数据显示，2023年1月份至10月份，国内AIGC（人工智能生成内容）行业累计发生投融资事件122起，涉及金额178.62亿元。2024年同期，该行业发生投融资事件101起，同比下降17.21%；涉及金额309.8亿元，同比上升73.44%。

“经过两年的发展，投资行为逐渐从‘广撒网’转到‘在重要细分领域和重要标的上下重注’的阶段。”未可知人工智能研究院院长杜雨向《证券日报》记者表示，AIGC的技术和产品迭代速度确实超出了很多投资人的意料。对待诸多不同方向的项目，投资人需要更谨慎地思考和推演市场变化趋势。

在投资整体趋于理性的背景下，投资要求变得更高，投资领域更加细化。投资人更加看重能够持续推动技术进步、构建独特技术体系的企业；对于大模型企业的商业化路径和盈利能力也提出了更高要求：希望企业能够明确其产品或服务的市场定位，制定出可行的商业化策略，并展示出稳定的盈利能力。

但丁投研创始人陈达向《证券日报》记者表示：“到了把投资做细的时候，投资人就会越来越注意技术是否有创新性壁垒、适用场景是否切合市场需求，以及是否有清晰的商业化路径和行业垂直化应用前景。”

同时，随着大模型技术在金融、医疗、教育等细分领域的应用逐渐深化，投资人更关注能够将大模型技术与边缘计算相结合，提供高效、低延迟服务的企业，或者在多模态领域具有技术积累和创新能力的企业。

在具体投资赛道方面，招商银行研究院发布研报称，随着大模型对算力需求急剧增加，全球互联网巨头纷纷加大对AIGC基础设施的投资。GPU系统、HBM存储和高性能网络基础设施在AIGC计算中发挥着关键作用，成为硬件基础设施投资的主赛道。