引言

過去一年，我們看到了GenAI（生成式AI）在ToC領域大放異彩，創(chuàng)造了超10億美元的消費規(guī)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(xiàn)在ChatGPT的“套殼”產(chǎn)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，那么Inflection被微軟“生吞活剝”基本宣告C端重磅產(chǎn)品“聊天機器人”暫別初創(chuàng)企業(yè)。而且C端的數(shù)據(jù)基本握在巨頭手中，小型初創(chuàng)企業(yè)就算解決了“錢荒”，還要經(jīng)歷新一輪“數(shù)據(jù)荒”，挑戰(zhàn)巨頭難如登天。 

而B端既是“生路”也是“勝路”。首先，盡管龐大的數(shù)據(jù)由大企業(yè)掌管，但不是每個企業(yè)都有能力搭建AI團隊。其次，出于競爭關系，大企業(yè)不太可能將私密數(shù)據(jù)分享給巨頭，而會傾向于找小企業(yè)做“中間商”�；�于此，小型初創(chuàng)企業(yè)“數(shù)據(jù)飛輪”可以轉起來——在垂直領域積累優(yōu)質數(shù)據(jù)，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(yè)和頂尖企業(yè)的領導者進行深入交流，調查了超過 70 位企業(yè)決策者，以探究他們對GenAI的使用、采購和預算安排。 

結果非常驚人——在過去六個月中，這些企業(yè)對GenAI的資源投入和態(tài)度發(fā)生了顯著變化。 

企業(yè)將購買GenAI服務的預算增加 2-5 倍，推進更多生產(chǎn)級應用；

企業(yè)傾向采購多個模型落地不同應用場景，并且愈加青睞開源模型；

企業(yè)將優(yōu)先落地內部應用，并對涉及敏感數(shù)據(jù)的外部應用持謹慎態(tài)度；

a16z結論：盡管有人質疑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(yè)市場的AI規(guī)模將呈現(xiàn)指數(shù)級增長。

如果AI 初創(chuàng)公司能夠深入了解客戶的預算、關注點和路線圖，為企業(yè)制定以 AI 為中心的戰(zhàn)略計劃，預見企業(yè)的痛點，同時從“服務至上”轉向“構建可擴展產(chǎn)品”，就能成為新浪潮中的“弄潮兒”。 

基于以上觀察，a16z將關鍵信息匯總為一份報告《16 Changes to the Way Enterprises Are Building and Buying Generative AI》（企業(yè)構建與購買生成式 AI 的16項變革）。適道將對報告內容進行編譯，請安心食用。 

01 資源配置：預算暴漲且勢頭持續(xù)

企業(yè)對GenAI的預算正在飛速增長

2023 年，我們調研的數(shù)十家公司，在基礎模型API、自托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(yè)都對GenAI測試的初步成效表示樂觀，并計劃在 2024 年將預算增加 2-5 倍，以推動更多工作負載轉向生產(chǎn)環(huán)境。

企業(yè)將AI投資“劃進”經(jīng)常性支出

2023年，企業(yè)對GenAI的支出主要出自“創(chuàng)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(yè)表示，2024年的GenAI支出還是出自“創(chuàng)新”預算。

我們還注意到，一些領導者開始將GenAI預算用于節(jié)省人力成本，尤其是在客服領域。如果這一勢頭持續(xù)，預計未來對GenAI的投資將會大幅增加。例如，有企業(yè)表示，AI客服每打一個電話能省6美元，總計可節(jié)省約 90%開支。因此，企業(yè)要將GenAI投資增加8倍。

衡量ROI是藝術，也是科學

目前，企業(yè)領導者主要通過由AI 提高的生產(chǎn)力，來衡量投資回報率（ROI）。 

盡管他們主要依賴 NPS（凈推薦值）和客戶滿意度作為代理指標。但他們也在尋找更具體的衡量方法，比如：用例創(chuàng)收、節(jié)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。 

企業(yè)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(yè)化的人才，甚至僅“實施”一項就占據(jù)了2023年企業(yè)AI支出大頭。

為了幫助企業(yè)快速啟動、運行模型，基礎模型提供商提供的專業(yè)服務通常涉及定制模型開發(fā)。同時，又因為企業(yè)內部很難找到合適的AI人才，那些能夠簡化企業(yè)內部GenAI開發(fā)流程的初創(chuàng)企業(yè)會更快地迎來巨大機遇。  

02 模型趨勢：多元化和開源模型

企業(yè)青睞多模型（Multi-model）方案

六個月前，大多數(shù)企業(yè)還在使用一種模型（通常是 OpenAI ），最多是兩種模型。

現(xiàn)在，他們正在測試——甚至已經(jīng)在生產(chǎn)環(huán)境中使用——多模型（Multi-model）。

多模型方案的優(yōu)點：1、根據(jù)不同性能、規(guī)模和成本來定制用例；2、避免過度依賴單一供應商；3、快速利用該領域快速發(fā)展的成果。由于模型排名不停變化，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(xiàn)。雖然在生產(chǎn)用例中，OpenAI 仍然占據(jù)主導市場份額，但從測試來看，多模型并存的局面正在形成。

企業(yè)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）占據(jù)。然而進入 2024 年，46%的受訪企業(yè)偏好或強烈站隊開源。 

另外，60% 的受訪企業(yè)提到，如果能夠通過微調開源模型，以實現(xiàn)與閉源模型相當?shù)男Ч�，他們將會傾向使用開源模型。其中一些企業(yè)明確表示，希望開源和閉源模型的占比能達到 5:5（ 2023年為 2:8）。 

企業(yè)選擇開源模型的主因：控制 / 定制 > 成本 

我們驚訝的是，成本問題不是企業(yè)首要考慮因素，但卻反映了領導層目前的信念，即 GenAI 創(chuàng)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(shù)據(jù)安全性、了解模型產(chǎn)生特定輸出的原因）和定制（針對特定用例進行有效微調的能力）遠比成本更重要。

控制：企業(yè)擔心敏感用例和數(shù)據(jù)安全

出于對監(jiān)管、數(shù)據(jù)安全的顧慮，企業(yè)不愿意與閉源模型提供商共享自己的專有數(shù)據(jù)，尤其是那些將知識產(chǎn)權作為核心護城河的公司。一些高管通過自托管開源模型來解決問題，而其他人則優(yōu)先考慮具有虛擬私有云（VPC）集成的模型。 

定制：企業(yè)傾向微調開源模型，而非從0到1 

隨著高質量開源模型的興起，大多數(shù)企業(yè)不是從0開始訓練自家LLM，而是使用檢索增強生成（RAG）或為特定需求來微調開源模型。 

云服務商依然極大影響AI 模型采購決策

2023年，許多企業(yè)出于安全考慮通過現(xiàn)有的云服務提供商（CSP）購買模型，2024年的情況依然如此。

這意味著 CSP 和首選 AI 模型間的關聯(lián)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(yè)中，超過50%的企業(yè)選擇其CSP所托管的模型。（請注意，超過25%受訪企業(yè)選擇了自托管，可能是為了運行開源模型。）

企業(yè)關注模型的差異化和創(chuàng)新性

即便企業(yè)將“推理能力、可靠性、易訪問性”作為采用特定模型的首要因素，但他們也更加傾向于采用具有其他差異化功能的模型。

例如，多家企業(yè)將“200K上下文窗口功能”，作為此前采用Anthropic的關鍵原因；一些企業(yè)采用Cohere是出于其在上市之初，主打微調功能的易用性。

大多數(shù)企業(yè)認為模型性能正在趨同

不可否認，AI模型正在變成“瓶裝水”——盡管閉源模型在外部基準測試中表現(xiàn)更好，但企業(yè)領導者仍然為開源模型打出了較高的NPS，因為它們更容易針對特定用例進行微調。

一家公司發(fā)現(xiàn)“經(jīng)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，這為企業(yè)提供了更多選擇。

企業(yè)傾向于“模型花園”

大多數(shù)企業(yè)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(yè)甚至預測試提示，以便切換在按下開關時立即發(fā)生，而其他企業(yè)則構建了“模型花園”，以便他們可以根據(jù)需要將模型部署到不同的應用程序中。

一部分原因出于云時代的慘痛教訓，減少對供應商的依賴；另一部分原因是，行業(yè)發(fā)展太快，將雞蛋放在單一的AI 模型中不可取。  

03 實際用例：轉向更多生產(chǎn)場景

企業(yè)更傾向于自主開發(fā)而非直接從第三方購買

有了基礎模型提供的API，企業(yè)更容易構建自己的AI 應用。一些基于熟悉應用場景，例如客服或內部的AI Copilot。同時，企業(yè)也在嘗試創(chuàng)新，例如編寫消費品配方、縮小分子發(fā)現(xiàn)范圍、提出銷售建議等等。

總之，“套殼”GPT又會面臨挑戰(zhàn)。我們認為，那些能夠超越“LLM + UI”公式、重新思考企業(yè)基本工作流程、幫助企業(yè)更好地利用自身專有數(shù)據(jù)的AI產(chǎn)品，將市場上大放異彩。

企業(yè)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，要么是專注于內部效率提升，要么是構建 AI Copilot 作為客服/銷售輔助。這些情況，在 2024 年可能不會發(fā)生太大變化，依然占據(jù)主導地位。

這是因為企業(yè)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(yī)療保健和金融服務）的公共關系問題。

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。

結語

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 15-20 億美金），而企業(yè)支出將是其中的重要部分。 

基于企業(yè)高層已經(jīng)發(fā)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(xiàn)在可能只需2 、3 個月就能完成，且交易規(guī)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(fā)三篇AI ToB調查報告，這足以說明，AI炒作之后，B端市場愈加關鍵。適道也將會持續(xù)關注這一“錢景”領域，助力初創(chuàng)企業(yè)及時抓住未來。 

       原文標題 : 與70 位企業(yè)高層交流后，我們整理出AI ToB領域大趨勢