作者：彭昭（智(zhi)次方創(chuang)始人(ren)、云和資本聯合(he)創(chuang)始合(he)伙(huo)人(ren)）
這是我的第370篇專欄文章。
《孫(sun)子(zi)兵(bing)法》有云：“上兵(bing)伐謀，其次伐交，其次伐兵(bing)，其下(xia)攻城。”此言意在(zai)闡(chan)明，制(zhi)勝之道在(zai)于謀略，智者未戰(zhan)先謀敗(bai)，方能立于不敗(bai)之地。
正如我在(zai)上(shang)篇文章中所(suo)承諾的(de)，本文讓我們一起“事先驗尸”，深入剖析垂類模型企(qi)業在(zai)轉型過(guo)程中可能面臨的(de)風(feng)險(xian)與(yu)挑戰。
當下，垂(chui)類(lei)AI模(mo)型(xing)儼然已成為業界新寵，然而，在這(zhe)股喧囂(xiao)之下，我們(men)更需要保持冷(leng)靜(jing)和理性(xing)。不妨換位(wei)思考：倘若一家垂(chui)類(lei)模(mo)型(xing)企業最終走(zou)向失敗(bai)，其致命傷會在何(he)處？
在開啟這(zhe)場思維(wei)探(tan)索之(zhi)前，我們要先向那些不斷試錯的先行(xing)者致(zhi)敬。正是他們的探(tan)索和迷失(shi)，鋪就了我們前行(xing)的道路。
“事前驗尸”雖(sui)然聽起來有些可怕(pa)，但卻是一種頗具創意的逆(ni)向(xiang)思維決(jue)策方法。
步(bu)驟(zou)是在初步(bu)擬定行動(dong)方(fang)案(an)后、正式實(shi)施之前，要(yao)求(qiu)(qiu)決策(ce)參與(yu)(yu)者做一個反向假(jia)設(she)(she)：假(jia)設(she)(she)擬定的方(fang)案(an)已經付諸實(shi)施，但結果(guo)慘遭失(shi)(shi)敗。基于這個假(jia)設(she)(she)，參與(yu)(yu)者需要(yao)推(tui)演可能導致(zhi)失(shi)(shi)敗的原因，進而對原有方(fang)案(an)進行調整(zheng)和優化，以(yi)求(qiu)(qiu)最大程度地規避(bi)風險(xian)，確(que)保(bao)成(cheng)功。
這種(zhong)思(si)維方式的(de)精妙之處在于(yu)，它(ta)能(neng)夠幫(bang)助我(wo)們(men)跳(tiao)出思(si)維定勢(shi)，審慎地看待(dai)可能(neng)的(de)未來。
站在(zai)當下這(zhe)個節點，垂(chui)類模(mo)型(xing)(xing)企業(ye)正面臨(lin)前所未有的(de)機遇(yu)和挑(tiao)戰，這(zhe)注定(ding)是一段(duan)充(chong)滿未知、機遇(yu)與風(feng)險(xian)并存的(de)征程。讓我們以(yi)“事前驗尸(shi)”的(de)視角，剖析垂(chui)類模(mo)型(xing)(xing)企業(ye)的(de)致勝(sheng)關鍵和致敗隱(yin)憂(you)，為(wei)產業(ye)智能(neng)化轉型(xing)(xing)提供一些可資借(jie)鑒的(de)思路。
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(xian)會計自動(dong)化的創業公司(si)，它在(zai)融資1億美元后轟然(ran)倒閉。
根據前員工(gong)的爆(bao)料(liao)，所謂的“人工(gong)智能”并未真正(zheng)制作財務報表，而(er)是由數十名會計師手工(gong)完成大部分工(gong)作。一(yi)些客戶更是收(shou)到了(le)錯誤百出的賬(zhang)本，不(bu)得不(bu)重新聘(pin)請會計師來清(qing)理(li)爛攤子。
ScaleFactor的(de)(de)失敗絕非個案。事實上，每一家AI創業(ye)公(gong)司，尤其(qi)在早(zao)期階段，都不可(ke)避免地要依(yi)賴人工(gong)干預。“AI科學(xue)家”的(de)(de)角色就是在AI無(wu)法獨立解(jie)決(jue)問題時(shi)提(ti)供人工(gong)協助(zhu)，參與數據集的(de)(de)構建和算(suan)法的(de)(de)優化。
然而創業公司(si)的終極目標，則(ze)是通過(guo)不斷地訓練(lian)和迭代，一(yi)(yi)點一(yi)(yi)滴(di)、一(yi)(yi)個模塊一(yi)(yi)個模塊地提(ti)升自動化水平(ping)，最(zui)終實(shi)現(xian)盡(jin)可能接近(jin)100%的AI自動化。
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？
唯有(you)將行業知識、專家經(jing)驗、業務規則(ze)等(deng)“軟(ruan)實(shi)力”真正轉化為模型(xing)算法，并內嵌(qian)于產品之中，方能(neng)構建起真正的智(zhi)能(neng)化解決方案(an)，而非(fei)人工服(fu)務的代言人。
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(yi)些垂類AI企(qi)業往(wang)往(wang)在起步(bu)階段就走(zou)入(ru)誤區。他們簡單(dan)地將(jiang)自己定位為“行業知(zhi)識(shi)版(ban)的(de)ChatGPT”，以為只需(xu)微調幾個模型、堆砌幾個案例、做幾場Demo演(yan)示，就能(neng)在產(chan)業中攻(gong)城略地。殊不知(zhi)，真(zhen)正的(de)產(chan)業需(xu)求不是一(yi)個更(geng)聰明的(de)聊天機器人，而是一(yi)個能(neng)夠接管(guan)流程、交付結(jie)果(guo)的(de)智能(neng)代理(li)。
當前，對大多數用(yong)戶(hu)而(er)言，“垂(chui)類模(mo)(mo)(mo)型(xing)”乃至“大模(mo)(mo)(mo)型(xing)”仍(reng)是一個(ge)陌生而(er)時(shi)髦的(de)(de)(de)概念。如果不能簡化(hua)模(mo)(mo)(mo)型(xing)的(de)(de)(de)使用(yong)流(liu)程、降低用(yong)戶(hu)的(de)(de)(de)認知門檻，再先(xian)進的(de)(de)(de)技術也可能淪(lun)為“秀肌肉”的(de)(de)(de)玩物。
對(dui)垂類模型企(qi)業的(de)(de)(de)(de)商務和技(ji)術團隊而言(yan)，這也(ye)是一個不(bu)小的(de)(de)(de)(de)挑戰：如何用通俗易懂的(de)(de)(de)(de)語言(yan)向(xiang)客(ke)戶(hu)闡釋這項新(xin)技(ji)術？如何從整體(ti)擁有成本的(de)(de)(de)(de)角度論(lun)證產(chan)品的(de)(de)(de)(de)經濟性？如何用產(chan)品為不(bu)同客(ke)戶(hu)的(de)(de)(de)(de)痛(tong)點需求(qiu)提供切實解(jie)法？每個問題(ti)都(dou)沒有輕松的(de)(de)(de)(de)答案。
更(geng)嚴(yan)峻的挑戰(zhan)在于，如何將(jiang)垂類(lei)模型(xing)與業務(wu)(wu)流(liu)程實現真正的融合，形成數(shu)據流(liu)、業務(wu)(wu)流(liu)、知(zhi)識(shi)流(liu)的閉環？如果垂類(lei)模型(xing)始終游離于業務(wu)(wu)之外，無法嵌入組織的神經末梢，再強(qiang)大的算法能力(li)也可能淪(lun)為花架子。
垂類AI企業的致命陷阱：商業模式的迷津
對于垂類(lei)模型企業而言，最致命(ming)的(de)(de)陷(xian)阱往往不(bu)在(zai)技(ji)術(shu)，而在(zai)商業模式。如(ru)果不(bu)能實現從(cong)“賣(mai)模型”到“賣(mai)流程”、從(cong)“技(ji)術(shu)驅動”到“業務驅動”的(de)(de)根本轉(zhuan)變，再先(xian)進的(de)(de)算法也難逃曇花一現的(de)(de)命(ming)運。
可能垂類模型企業會陷入一(yi)個(ge)常見的誤區：把盈利的重(zhong)心放(fang)在了API調用量、模型微調服(fu)務或定制化(hua)開發上。
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。
前車之鑒不止一家，我們(men)以樹(shu)根互(hu)聯(lian)的故事為例(li)。
作為曾經的工業互聯網“明星平(ping)(ping)臺”，樹根(gen)互(hu)(hu)聯(lian)(lian)對核(he)心技術進行了(le)大量研(yan)發投(tou)入，在(zai)廣(guang)連接、懂工業、高(gao)性能、易應用等方面積累了(le)深厚的實(shi)力。2019年至2021年，僅根(gen)云平(ping)(ping)臺操作系統相關的研(yan)發項(xiang)目，樹根(gen)互(hu)(hu)聯(lian)(lian)就(jiu)投(tou)入了(le)高(gao)達4.26億元的研(yan)發資金。
然(ran)而，高昂的研(yan)發投(tou)入(ru)也帶(dai)來(lai)了沉重(zhong)的財(cai)務負擔。2019年(nian)(nian)至2021年(nian)(nian)，樹根(gen)互聯累計虧(kui)損超過13億(yi)元，其(qi)(qi)中(zhong)研(yan)發投(tou)入(ru)超過5.3億(yi)元，非研(yan)發人力(li)成本(ben)投(tou)入(ru)超過6.3億(yi)元，股份支付費用更是(shi)高達(da)7.5億(yi)元。盡管(guan)扣除這些(xie)投(tou)入(ru)后(hou)，樹根(gen)互聯的實際經營虧(kui)損在逐步縮小，但其(qi)(qi)研(yan)發投(tou)入(ru)產出比較低(di)、商(shang)業模式相對單一，已經暴露無遺。
對科技型(xing)企業而言，前(qian)期(qi)虧損無可(ke)厚非(fei)，關鍵是要在“燒(shao)錢”中夯實護城河(he)，優化投入產出比，培(pei)育可(ke)持續的“造血”能力。
如果只是單純地堆(dui)砌(qi)技術，而沒(mei)有打(da)造出真正(zheng)契合客(ke)戶需求、創造業務(wu)價值的解決方案，再多投入也(ye)可能(neng)付之東流。
垂類(lei)模型(xing)企業(ye)要(yao)想突(tu)破這一魔咒，則需要(yao)重構商業(ye)邏輯：賣結(jie)果，而非(fei)賣工具(ju)；按(an)流程計(ji)費，而非(fei)按(an)調用(yong)計(ji)費；綁(bang)定業(ye)務(wu)成果，而非(fei)綁(bang)定功能模塊。
從“模(mo)型即產品”轉向“業務成果即服務”(BOaaS)，才能真正嵌入客(ke)戶的核心(xin)業務流程，構建起高度粘性(xing)和壁壘(lei)。
反之(zhi)，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)，那么被巨頭內(nei)生(sheng)取(qu)代(dai)、被通(tong)用模型壓價、被客戶自建替代(dai)，就不(bu)過是(shi)時間問題(ti)。
垂類AI企業的生態困局：從“單點突破”到“平臺增長”
對(dui)于(yu)垂類AI企業而言，最大(da)的挑戰不在于(yu)技術，而在于(yu)生態。
許多企業(ye)熱衷(zhong)于在某(mou)個(ge)高價值場景上“單點爆破”，寄希望于以點帶面，撬動整個(ge)行業(ye)的智能(neng)化變革。
然而(er)，如果不(bu)能(neng)將(jiang)單點突破(po)擴展為(wei)流(liu)程(cheng)再(zai)造，不(bu)能(neng)將(jiang)孤(gu)立(li)的(de)場(chang)景串聯為(wei)完整的(de)閉環，不(bu)能(neng)吸引外部(bu)生(sheng)態伙(huo)伴持續貢(gong)獻(xian)力量(liang)，那么(me)這樣的(de)“單點勝利”注定是曇花一現(xian)，難以(yi)形成(cheng)生(sheng)態飛輪效應(ying)。
以(yi)智能(neng)質(zhi)檢(jian)為例(li)。這些(xie)場(chang)景確實(shi)蘊藏(zang)著巨大的(de)價值，如果能(neng)夠以(yi)智能(neng)化的(de)方式顯著提升效率、降低成本、減少(shao)錯(cuo)誤，無疑將(jiang)為客戶帶來可觀的(de)收(shou)益(yi)。
但問題在于，這些應用場景(jing)往(wang)往(wang)只是整(zheng)個業務(wu)流程中的一(yi)個環節，如果不能前后(hou)貫通、左右協同(tong)，就難以真(zhen)正(zheng)融入客戶的核心(xin)業務(wu)，淪為“錦上(shang)添花”而非“雪(xue)中送(song)炭”。
舉例而(er)言，一款智能(neng)質檢工(gong)具，如果(guo)只能(neng)識別產品缺陷，而(er)無法與生產排程、工(gong)藝優化、供(gong)應商管理等環(huan)節(jie)實現(xian)數據打(da)通(tong)和流程閉環(huan)，那么(me)再先進(jin)的算法也可能(neng)流于表面。
由(you)此可見(jian)，垂類AI要(yao)想成(cheng)為真正的產業平臺(tai)，就得從端(duan)到端(duan)重塑業務(wu)流程，從全局出發設計場(chang)景方(fang)案(an)，構建起(qi)數(shu)據流、控制流、知識流的協同閉環。
這需要企業深入業務(wu)一(yi)線，與客戶共同梳理流(liu)程，重構(gou)任務(wu)，打(da)破(po)信息孤島(dao)，形成可(ke)編排、可(ke)優化(hua)、可(ke)迭代的智能化(hua)解決方案。只有這樣，才能將(jiang)(jiang)“單點突破(po)”擴展為(wei)(wei)“流(liu)程再造”，將(jiang)(jiang)“場景驅動(dong)”升級為(wei)(wei)“平臺思維”，真正賦能客戶的業務(wu)創新。
在這一過(guo)程(cheng)中，垂類(lei)AI企(qi)業還應高度重視生態(tai)的力(li)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。
這就(jiu)要求垂類AI企(qi)業要從一開(kai)始(shi)就(jiu)立足開(kai)放、共(gong)生的理念設計系統架(jia)構，將外(wai)部創新力量嵌入(ru)平臺(tai)基因。
寫在最后
在(zai)智(zhi)能時(shi)代的殘酷競爭中，垂類AI企業(ye)要(yao)想立于不敗之地，應當構(gou)(gou)筑起堅實的“護(hu)城(cheng)河”。而這條護(hu)城(cheng)河，不能僅(jin)僅(jin)依(yi)靠技術的領(ling)先(xian)，更要(yao)依(yi)靠對行業(ye)流程(cheng)的把控和生態網絡的構(gou)(gou)建。
換言之，垂(chui)類AI企業應當從“任務(wu)的執行者(zhe)”蛻變為(wei)“流程的管理者(zhe)”，從單一(yi)的模型服務(wu)轉向開放的生(sheng)態平臺。
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為抓手(shou)，全面接(jie)管流程執行；以(yi)開放平(ping)臺為目標，吸引更多參與者，才(cai)能從根本上鎖定(ding)行業話語權。
具體而言(yan)，垂類(lei)AI企業要(yao)在(zai)三個層面(mian)精準發力：
一是以流程為(wei)牽(qian)引，以Agent為(wei)核(he)心，全(quan)面參與和重塑(su)行業(ye)流程，實現從“輔助決策”到“自主(zhu)執行”的(de)躍(yue)遷；
二是以(yi)結(jie)果(guo)為導向，以(yi)業(ye)務成果(guo)即軟件(BOaaS)為商(shang)業(ye)模式，提(ti)供端(duan)到端(duan)的“流程(cheng)外(wai)包”服務，實現(xian)從賣模型調用到賣流程(cheng)成果(guo)的升級(ji)；
三是以生(sheng)態為目標(biao)，掌控任務界面、數據閉(bi)環、智能調度三大要(yao)素，吸引多元(yuan)參與者接入平臺，構建正(zheng)向增強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。
垂類AI即將進(jin)入“戰國時代”，勝負的(de)關鍵不在于誰的(de)模型更強大，而在于誰能真(zhen)正洞(dong)悉產業的(de)本質，誰能以客戶價值為(wei)核(he)心(xin)構建(jian)可持續的(de)生(sheng)態。
