作(zuo)者：彭昭（智次方(fang)創(chuang)始(shi)人、云和(he)資本聯合創(chuang)始(shi)合伙人）
這是我的第370篇(pian)專欄文章。
《孫子(zi)兵(bing)法》有云：“上兵(bing)伐謀，其次(ci)伐交，其次(ci)伐兵(bing)，其下(xia)攻(gong)城。”此言(yan)意(yi)在闡明(ming)，制勝之道(dao)在于謀略，智者未(wei)戰先(xian)謀敗，方能立于不敗之地。
正如我(wo)在上篇(pian)文章(zhang)中(zhong)所承諾(nuo)的，本文讓我(wo)們一起“事先(xian)驗尸”，深入剖(pou)析垂類模(mo)型(xing)企業在轉型(xing)過程中(zhong)可(ke)能(neng)面臨的風險與挑戰。
當(dang)下，垂類AI模(mo)型(xing)儼然(ran)已成為業界新寵，然(ran)而，在這股(gu)喧囂之下，我們(men)更需要保(bao)持冷靜(jing)和理性。不妨換位思考：倘若一家垂類模(mo)型(xing)企業最終走向(xiang)失敗，其致命傷會在何處？
在開啟這場(chang)思維探索之(zhi)前，我們要(yao)先向那些不斷試(shi)錯的先行者(zhe)致敬。正是他們的探索和迷失，鋪就了我們前行的道路。
“事(shi)前(qian)驗尸”雖然聽起來有些可怕，但(dan)卻是(shi)一種頗(po)具(ju)創意的逆向思維決策方(fang)法。
步(bu)驟是在初(chu)步(bu)擬定行動(dong)方(fang)案后、正(zheng)式實(shi)施之前，要求(qiu)決策參(can)與者做一個(ge)(ge)反向假(jia)設(she)：假(jia)設(she)擬定的(de)方(fang)案已經付(fu)諸實(shi)施，但結果(guo)慘遭失敗(bai)。基于這個(ge)(ge)假(jia)設(she)，參(can)與者需(xu)要推演可(ke)能導(dao)致(zhi)失敗(bai)的(de)原因，進而對原有方(fang)案進行調(diao)整和優化，以求(qiu)最大(da)程度地規避風險，確(que)保成功。
這種(zhong)思(si)維方(fang)式(shi)的(de)精妙之處在于，它能(neng)夠幫助我們跳出思(si)維定勢，審(shen)慎地看待可能(neng)的(de)未來。
站在當下這個節點，垂類模型(xing)企業正面臨前(qian)所未有的機(ji)遇和挑戰(zhan)，這注定是一段(duan)充滿未知、機(ji)遇與(yu)風險并存的征程。讓我們以(yi)“事前(qian)驗尸”的視角，剖析(xi)垂類模型(xing)企業的致勝(sheng)關(guan)鍵和致敗隱憂，為產業智能(neng)化轉(zhuan)型(xing)提(ti)供(gong)一些可(ke)資借鑒的思(si)路。
從“人工智能”到“業務價值”：垂類模型企業的“鬼門關”
曾經有一家神奇的公司叫做ScaleFactor，這是一家利用人工智能技術實現會(hui)計自動(dong)化的創業公司(si)，它在融(rong)資1億美元(yuan)后(hou)轟然倒閉。
根(gen)據前員工的(de)爆料，所謂的(de)“人工智能”并未真正制(zhi)作財務報表，而(er)是(shi)(shi)由數十名會計師(shi)手工完成大部分工作。一(yi)些客(ke)戶更是(shi)(shi)收(shou)到了錯(cuo)誤百出的(de)賬本，不(bu)(bu)得不(bu)(bu)重(zhong)新聘(pin)請(qing)會計師(shi)來(lai)清(qing)理爛攤子。
ScaleFactor的失敗絕非個案。事(shi)實(shi)上，每一家AI創業公(gong)司，尤其在(zai)早期階段，都(dou)不(bu)可避免地要依(yi)賴人(ren)工干(gan)預。“AI科學家”的角色就是(shi)在(zai)AI無法獨立解決問題時提供人(ren)工協助，參與數據集的構(gou)建和算法的優(you)化。
然而(er)創業公司的(de)終(zhong)極目標，則是通過(guo)不斷地訓(xun)練和迭(die)代，一(yi)點一(yi)滴、一(yi)個模(mo)塊(kuai)一(yi)個模(mo)塊(kuai)地提升自(zi)動化水平，最終(zhong)實(shi)現(xian)盡可能接近100%的(de)AI自(zi)動化。
這是垂類模型企業能否成功跨越第一重門檻的關鍵：智能是否真正“吸收”進了軟件，而不僅僅是“包裝”成了服務？
唯(wei)有將行業知識(shi)、專家(jia)經驗、業務(wu)規則等“軟實力”真正(zheng)轉化(hua)為模型算法，并內嵌(qian)于產品之中，方能構建起(qi)真正(zheng)的智能化(hua)解決方案，而非(fei)人(ren)工(gong)服務(wu)的代言(yan)人(ren)。
然而，即便跨越了第一重門檻，垂類模型企業仍面臨著第二重考驗：如何從“大模型秀場”走向“業務價值場”？不少企業可能會倒在這個轉型的半路上。
一些垂(chui)類(lei)AI企業往(wang)(wang)往(wang)(wang)在起步階段就走入誤區。他們簡單地將自己定位為(wei)“行業知(zhi)識版的ChatGPT”，以(yi)為(wei)只(zhi)需微調幾(ji)個(ge)模型(xing)、堆砌(qi)幾(ji)個(ge)案例、做幾(ji)場Demo演示，就能(neng)在產業中攻城略地。殊(shu)不知(zhi)，真正的產業需求不是一個(ge)更聰明(ming)的聊天機器人，而(er)是一個(ge)能(neng)夠(gou)接管流程、交付(fu)結果的智能(neng)代(dai)理。
當前，對大(da)多數用(yong)(yong)(yong)戶而言，“垂(chui)類模(mo)型”乃至“大(da)模(mo)型”仍是一(yi)個(ge)陌生(sheng)而時髦的概念。如果不能簡化(hua)模(mo)型的使用(yong)(yong)(yong)流程、降低用(yong)(yong)(yong)戶的認知門檻，再先進的技術也可能淪(lun)為“秀肌肉”的玩物。
對(dui)垂類模(mo)型企業的(de)(de)商務(wu)和技(ji)術(shu)(shu)團(tuan)隊而(er)言，這也是一(yi)個不小的(de)(de)挑戰：如(ru)何(he)(he)用通(tong)俗易(yi)懂的(de)(de)語言向客(ke)(ke)戶(hu)闡釋這項新(xin)技(ji)術(shu)(shu)？如(ru)何(he)(he)從整體擁有成本的(de)(de)角度(du)論證產(chan)品的(de)(de)經濟(ji)性？如(ru)何(he)(he)用產(chan)品為(wei)不同(tong)客(ke)(ke)戶(hu)的(de)(de)痛點需求(qiu)提(ti)供切實(shi)解法？每個問(wen)題都沒有輕(qing)松(song)的(de)(de)答案。
更嚴(yan)峻的(de)(de)(de)挑戰在于(yu)(yu)，如何將垂類模(mo)(mo)型(xing)與業務(wu)流(liu)程實現真正的(de)(de)(de)融合(he)，形成數據(ju)流(liu)、業務(wu)流(liu)、知識流(liu)的(de)(de)(de)閉環？如果垂類模(mo)(mo)型(xing)始終游離于(yu)(yu)業務(wu)之外(wai)，無法(fa)嵌入組織的(de)(de)(de)神經末梢(shao)，再(zai)強大(da)的(de)(de)(de)算法(fa)能(neng)力也(ye)可能(neng)淪為花架子。
垂類AI企業的致命陷阱：商業模式的迷津
對于(yu)垂類模(mo)(mo)型(xing)(xing)企業而言，最致命的陷阱往往不(bu)在(zai)技術，而在(zai)商業模(mo)(mo)式。如果不(bu)能實現(xian)從“賣(mai)模(mo)(mo)型(xing)(xing)”到“賣(mai)流程”、從“技術驅動(dong)”到“業務驅動(dong)”的根本轉變，再先(xian)進的算法(fa)也難逃曇花(hua)一(yi)現(xian)的命運(yun)。
可(ke)能(neng)垂(chui)類模型企業會陷入一個常見(jian)的誤區：把盈利的重心放(fang)在了API調(diao)用量、模型微調(diao)服務(wu)或(huo)定制化開(kai)發上。
這種“賣技術”的思路，雖然短期內可能帶來可觀的收入，但從長遠來看卻埋下了隱患。一旦客戶自建模型能力或轉向開源方案，這些企業就可能面臨被拋棄的窘境。
前車(che)之鑒不(bu)止一家，我(wo)們以(yi)樹根互聯的故事(shi)為(wei)例。
作為曾經的工業互聯網“明(ming)星平臺”，樹根(gen)互聯對核心(xin)技術進行了(le)(le)大量研(yan)發(fa)投入，在廣(guang)連接、懂工業(ye)、高(gao)性(xing)能、易應用等(deng)方(fang)面積累了(le)(le)深(shen)厚的實(shi)力。2019年至2021年，僅根(gen)云(yun)平臺操作系統相關的研(yan)發(fa)項目(mu)，樹根(gen)互聯就投入了(le)(le)高(gao)達4.26億元的研(yan)發(fa)資(zi)金。
然而，高昂的研發(fa)投(tou)(tou)入也帶來了沉重(zhong)的財務負擔。2019年至(zhi)2021年，樹根互(hu)聯累計虧損(sun)超(chao)過(guo)(guo)13億元(yuan)，其中研發(fa)投(tou)(tou)入超(chao)過(guo)(guo)5.3億元(yuan)，非研發(fa)人力成本投(tou)(tou)入超(chao)過(guo)(guo)6.3億元(yuan)，股(gu)份支付費(fei)用更是高達7.5億元(yuan)。盡管扣除(chu)這些投(tou)(tou)入后，樹根互(hu)聯的實際經營虧損(sun)在逐步縮小，但其研發(fa)投(tou)(tou)入產(chan)出比(bi)較低、商業模式相對單(dan)一，已經暴露無遺。
對科技型企業而言，前期虧損無可厚非(fei)，關(guan)鍵是(shi)要在“燒(shao)錢”中夯實(shi)護城河，優化投入(ru)產(chan)出(chu)比(bi)，培育可持續(xu)的“造血”能力(li)。
如果只是單純地堆砌技術，而沒有打造出真正契合客戶(hu)需求(qiu)、創造業(ye)務價值的(de)解決方(fang)案，再(zai)多投入也(ye)可能付之東(dong)流(liu)。
垂類模型企業要想(xiang)突(tu)破這一魔咒，則需要重構商業邏輯：賣結果(guo)，而(er)非(fei)賣工具；按(an)流程(cheng)計費，而(er)非(fei)按(an)調用計費；綁定業務成(cheng)果(guo)，而(er)非(fei)綁定功能模塊(kuai)。
從“模型(xing)即產品”轉向(xiang)“業務(wu)(wu)成果即服務(wu)(wu)”(BOaaS)，才能(neng)真正嵌入客戶的核心業務(wu)(wu)流程，構建起高度(du)粘(zhan)性和壁壘。
反之，如果垂類(lei)模型企業(ye)始終徘徊于技(ji)術層面，而沒有向產業(ye)縱深進發(fa)，那么被(bei)(bei)巨頭內生取代(dai)、被(bei)(bei)通用(yong)模型壓價、被(bei)(bei)客(ke)戶自建替代(dai)，就不過是時間問題。
垂類AI企業的生態困局：從“單點突破”到“平臺增長”
對于(yu)垂(chui)類AI企(qi)業而(er)言，最大(da)的挑戰(zhan)不在于(yu)技術，而(er)在于(yu)生(sheng)態(tai)。
許多企業熱衷于在某個高價值場景上“單點(dian)爆破”，寄希望于以點(dian)帶面，撬動整個行(xing)業的智(zhi)能(neng)化變革。
然而(er)，如果不(bu)能(neng)將單(dan)(dan)點(dian)突破擴展為流程再造，不(bu)能(neng)將孤(gu)立的(de)場(chang)景串聯為完整的(de)閉環，不(bu)能(neng)吸引(yin)外部生態(tai)伙伴持續貢獻力量(liang)，那么這樣的(de)“單(dan)(dan)點(dian)勝(sheng)利(li)”注(zhu)定是(shi)曇花一現，難以形成生態(tai)飛輪效應。
以智(zhi)能質檢為(wei)(wei)例。這(zhe)些場景確實蘊(yun)藏著巨(ju)大的價值，如果(guo)能夠以智(zhi)能化的方式顯(xian)著提(ti)升效率、降低成本(ben)、減少錯誤，無疑將為(wei)(wei)客(ke)戶帶來可觀的收益。
但問題在(zai)于，這些應用場景往(wang)往(wang)只是整(zheng)個(ge)業(ye)務(wu)流程中的一個(ge)環節，如(ru)果不能前后貫通(tong)、左(zuo)右協同，就難(nan)以真正融入(ru)客(ke)戶的核心業(ye)務(wu)，淪為“錦上添花”而非“雪中送炭(tan)”。
舉例(li)而言，一款智能質檢工(gong)具，如果只能識別產(chan)品缺陷，而無法(fa)與(yu)生產(chan)排程(cheng)、工(gong)藝優化(hua)、供(gong)應商管理等環(huan)節實現數據打通(tong)和流程(cheng)閉環(huan)，那么再先進的算法(fa)也(ye)可能流于表面。
由此可(ke)見，垂類AI要想成為真(zhen)正(zheng)的(de)產業平臺，就(jiu)得從端(duan)到端(duan)重塑(su)業務流程，從全局出發設計場景方案(an)，構建起數據流、控制流、知識(shi)流的(de)協(xie)同閉環。
這需要(yao)企(qi)業(ye)深入業(ye)務(wu)一線，與客戶共同梳理流程，重構任務(wu)，打破信息孤(gu)島，形成可編排、可優化、可迭代的(de)智能(neng)化解決方案。只有這樣，才(cai)能(neng)將“單點突破”擴(kuo)展為(wei)“流程再造”，將“場景驅動(dong)”升級為(wei)“平臺思維”，真正(zheng)賦能(neng)客戶的(de)業(ye)務(wu)創新。
在(zai)這(zhe)一過程中，垂類AI企業(ye)還應(ying)高度重視(shi)生態的力量。
一個真正有生命力的產業平臺，必須能夠吸引不同角色的參與者持續貢獻價值，形成合作共贏的正向循環。
這(zhe)就要求垂類AI企業要從一開始就立足(zu)開放、共(gong)生的理念設計系統(tong)架構，將外(wai)部創新力(li)量嵌入平(ping)臺(tai)基(ji)因。
寫在最后
在智能(neng)時代的(de)(de)殘酷競爭中，垂類AI企業要想立(li)于不敗之地，應當構(gou)筑起堅(jian)實的(de)(de)“護城河”。而這條護城河，不能(neng)僅(jin)僅(jin)依靠技術的(de)(de)領先，更要依靠對(dui)行(xing)業流(liu)程的(de)(de)把控和(he)生態網絡的(de)(de)構(gou)建。
換言之(zhi)，垂(chui)類AI企業(ye)應當從(cong)“任務的(de)(de)執行者”蛻變(bian)為“流程(cheng)的(de)(de)管理(li)者”，從(cong)單(dan)一的(de)(de)模型服(fu)務轉向開放(fang)的(de)(de)生態平(ping)臺。
如果說Agent是垂類AI企業構建護城河的立足點，那么平臺化則是構建生態護城河的制高點。
唯有以(yi)Agent為(wei)(wei)抓手，全(quan)面接管(guan)流程執行(xing)；以(yi)開放(fang)平臺(tai)為(wei)(wei)目(mu)標，吸引更多參與者，才能從根本上鎖(suo)定(ding)行(xing)業話語權。
具體而言(yan)，垂類AI企業要在三(san)個層面精準發(fa)力：
一是以流程為(wei)牽引(yin)，以Agent為(wei)核心(xin)，全(quan)面參與和重塑行業流程，實現(xian)從“輔助(zhu)決策”到(dao)“自主(zhu)執行”的(de)躍遷；
二是以結果為導向，以業務成(cheng)果即軟件(BOaaS)為商(shang)業模式，提供端(duan)到端(duan)的“流程(cheng)外包”服務，實現從賣模型調用到賣流程(cheng)成(cheng)果的升級(ji)；
三(san)是以生態為目(mu)標(biao)，掌控任務界面、數(shu)據閉(bi)環、智能調度三(san)大(da)要素，吸引多元(yuan)參與者接入平臺，構建正(zheng)向增強(qiang)的網絡效應和規模效應。
流程為體、結果為翼、生態為魂，是垂類AI的立體護城河。
垂(chui)類AI即將進入“戰國時代”，勝負的關鍵不(bu)在(zai)于誰的模型更強大(da)，而(er)在(zai)于誰能真正洞悉產業的本(ben)質，誰能以客戶價值為核(he)心構建可持續的生態。
