南方财经全媒体记者吴立洋上海报道

　　17.65亿元，这是IDC于今年8月发布的2023年中国大模型平台及相关应用市场规模统计。

　　相较于头部AI公司动辄上亿的融资规模和GPU紧缺背景下高昂的模型训练成本，十数亿元的市场规模似乎并不显眼，但也侧面反映了大模型产业面临的现实问题——在直观的内容生成效果外，大模型商业化，尤其是ToB商业化应用还在寻找打开市场的方式。

　　进入2024年后，以金融、能源等重点产业的大规模引入为契机，面向各类垂直领域的大模型应用开始广泛铺开，AI商业化步入快车道，但在实际落地过程中，价值量化困难、业务衔接度低问题依然存在。

　　在不久前举办的外滩大会上，钉钉总裁叶军在论坛发言中表示，接下来的18个月是应用驱动人工智能创新的新阶段，是钉子找榔头的阶段。

　　钉子找榔头，意味着企业对大模型实际应用的核心诉求和评价标准已基本明确。在中国企业数字化迈入深水期的阶段，大模型提供商和应用平台将在此过程中进行哪些调整与创新，成为决定其商业化成败的关键。

　　应用落地需找准场景

　　在已有的大模型商业模式中，“大模型+算力”是较为成熟的项目模式，且由于算力价格等因素，其成交价格也往往较高。

　　而“大模型+应用”的方式，此前受限于模型对垂直领域的知识和训练度不足等问题，B端应用始终缺乏说服客户付费的可信驱动力，且调用API的方式也限制了此类订单的客单价。

　　“应用的关键在于找到场景，对ToB软件而言，需要摸索其业务需求与大模型能力直接的对接方式。” 钉钉全球商业总裁杨猛在近日于常州举办的AI超能力·新质生产力城市峰会上表示，目前较为成熟的应用场景包括对市场进行数据分析和决策辅助的分析助手、围绕行业期刊专利进行专项分析的研发助理等等。

　　天准科技副总裁程从飞则在大会现场发言中指出，数智化转型中存在沟通难、找人难、项目多、系统多、难管理、安全难把控、系统难推广落地、组织能力下限得不到保证等一系列难题，对于企业在协同办公中出现的上述问题，大模型与AI的数据决策、智能助力等应用，能够极大提升企业运营中的安全性和效率。

　　作为国家“东数西算”工程“2+N”国家枢纽节点空间布局中，“N”城市级数据中心承载区的一员，常州本身具有丰富的制造业应用场景，全市拥有4720家高新技术企业、926家省级专精特新中小企业、166家国家专精特新“小巨人”企业、32家制造业单项冠军企业。

　　此外，常州市在新能源、车联网、机器人等领域也拥有丰富的产业环境，在前沿行业的带动下，大模型在本地制造业中的实践和尝试将进一步反馈给大模型服务商，帮助其进行进一步调优与改进。

　　杨猛表示，目前常州已有五分之一的钉钉客户企业调用钉钉的AI能力，这一比例居于全国前列。

　　“在一个快速发展的行业中，数字化基础设施服务的进步同样也是非常快速的，必须通过服务的创新才能跟得上产业需求的变化。”杨猛表示。

　　构建生态形成商业闭环

　　从已有的大模型商业化案例来看，在需求与AI能力完成初步对接后，从单个的功能解决向更为广泛的公司管理、协同方向转变，是进一步提升模型价值，发挥模型的能力关键，对于其商业化进展而言，也是形成稳定盈利模式的重要保障。

　　QuestMobile发布的《2024年生成式AI大模型应用生态研究报告》指出，目前大模型已从早期的技术驱动转向生态驱动，独立的AIGC应用已成为企业吸引客户的重要节点。

　　金石机器人CEO、联合创始人胡文轻在大会发言中结合企业的数字化实践表示，对于制造业公司而言，不同软件系统之间无法联通、效率低下是主要问题，难以打通基础OA系统。基于钉钉的底座，公司进行了自定义开发，集成了ERP数据、SMR数据等平台。再通过AI助理，将售前、售后的场景问题进行统一化整理，与设备软件接口打通，从而直接访问数据仓库，实现了智能化的信息检索和分析报告。

　　这种面向不同场景需求对AI功能的二次开发和应用，极大丰富了SaaS平台的大模型生态，也为其模型进化和更广泛的应用提供了机遇，促进更多商业化机会的发掘和商业闭环的形成。

　　一方面，面向银行、能源、化工等行业的大模型应用因其特殊性往往对合规性、精准度等要求严格，落地交付过程较“重”，给ToB的定制化需求打开了市场空间；另一方面，平台化的大模型供给又给了各类新兴企业自行探索和创新的空间。在专业化定向探索和多领域共创的双向加持下，AI生态有望进一步加速，在专业能力和服务类型方面创造更多的商业化可能。

　　“用大模型能力赋能新质生产力企业，需要对其高知识密度、高研发强度、高增长速度的行业特征有更细致的洞察。”杨猛表示。