大模型的to B圍城

「你們帶技術攏共一百來號人的工資有八九千萬，加上水電福利上億，但你們一年只給我賺四五千萬，你説我還有沒有必要養你們？」

聽到大老闆半開玩笑的打趣后，作為網易to B商業化的一員，張智（化名）不得不重新審視自己的處境，趁早謀求退路。他瞄準了時下難得一個需要全身心入局的賽道——大模型。

To B方向的大模型銷售圈子很小，張智很快在圈內好友的內推下得到了數份offer以及帶HC的面試機會。

然而他四處奔波后的結果卻不盡如人意，要麼是希望在傳統銷售技能與關係的基礎上還有一定技術背景，能自行輸出完整的售前技術方案；要麼是騙方案，所謂帶HC的面試不過是獲取商業化思路的套路，面試也變成「兩個人相互表演」。

前者意在卷銷售人效，自不必多言；后者雖是醉翁之意，但還是道出了模型服務商現階段的主要任務是在B端謀求AIGC的變現的現實。

大廠相互比拼大客户的標杆效應，而創業獨角獸們也開始將重心向to B方向轉移：智譜AI即使是90萬的政企方向項目制訂單也不放過，Kimi母公司月之暗面也官宣Kimi企業級API正式發佈。

當大模型從C端故事走向B端落地，這彷彿是上一輪AI熱潮的又一次輪迴。關鍵是，伴隨着企業級API陷入價格戰旋渦，相對更能帶來現金流的僅余項目制訂單。而項目制的結構性矛盾並未因大模型的加入而改變，反而有了愈演愈烈的趨勢。

不幸的是，現階段的模型服務商，還真就靠着「期貨」一般的項目制訂單，艱難求生。

01 中廠「鬼故事」

即使市值多次殺入中概股前五，年營收突破千億，網易內部還是習慣自稱為中廠。

這並不完全是自謙，而是其「強枝弱干」的業務特點，導致網易在探索新業務的時候往往限於組織能力與習慣，難以一次調集足量資源以全功。以其大模型商業化部門為例，有足足六成產研需要配合遊戲業務，余下配合商業化的產研資源可想而知。

而今，該部門似乎僅留下了兩三位負責拍板的領導，在組織上被徹底邊緣化，這一過程總計不過一年多的時間。我們試圖自不同角度還原這個「小富即安」的中廠，追逐大模型風口的故事。

2023年初，ChatGPT紅邊大江南北，開啟了新一輪科技增長敍事。彼時，源自各大互聯網大廠臺前幕后的聲音幾乎都是要抓住這輪機會。且不論能否開闢新的增長曲線，僅複用過去科技商業化的成果，便足以動人。

一直以遊戲業務扛鼎，極少「不務正業」的網易也是如此。不過，網易AI需要複用的並非技術產研，而是商業化能力。

一位知情人士告訴光子星球，去年，網易to B團隊開始探索大模型的商業化。「網易內部大多數人都是產研出身，能做C端產品，但在to B商業化方面整體不算成熟」，他説。

在發展路徑上，網易與其他模型服務商截然相反。友商是模型底座先行，在具備不錯通識能力后再拓展場景外延。反觀網易則是直接將內部使用的專家模型簡單封裝，雖然內部職能的複用是大廠做to B的底層邏輯，但網易身處的遊戲賽道與其他產業存在一定割裂，場景跨越便是一個不小的挑戰。

值得一提的是，網易的AI工作室伏羲下屬於網易雷火之下。早在組織架構上，其便昭示了網易將遊戲作為AI的*落地「試驗田」的定位。

以去年上半年網易發佈的文生圖模型丹青為例，其作為快速封裝便直接上馬商業化的產品，便未能在市場上收穫較好反饋。

具體來看，網易曾與某快消品牌有過一次文生圖模型API調用的合作，據悉，該應用在投放期間的調用量不過堪堪過萬，從UV、PV的口徑看也不甚樂觀。遑論自今年中旬起，基礎大模型的API調用早已被打成白菜價，to B商業化的營收最終還只能落到定製化項目上。

這背后的根源便在於場景的割裂，本身大模型的生成結果便存在不可控性，場景問題進一步加劇了這一點。

而今在遊戲領域，我們能看到諸如《逆水寒》智能NPC、捏臉以及《永劫無間》AI隊友之類的成果，有道與雲音樂也分別推出了基於業務屬性的C端AIGC產品，但這些能力卻沒法快速平移到其他企業上。

生於業務卻又困於業務，真實的網易AIGC似乎一直活在其他明星業務的陰影之下，講不出動聽的故事，外界也難以對其有所感知。

02 產品與解決方案間的鴻溝

為一項創新業務的商業化，網易零零總總給到部門一年半的時間，在業內已經算比較有耐心和定力了。若不是主業面臨一些營收壓力，以及遊戲業務內生的營銷與資源置換需求，或許留給團隊的可操作空間還會更大。

比如，團隊內有BD提出過一些細分行業的銷售線索，項目規模也自數百萬到數千萬不等，但大多項目最終都沒能入老闆的眼，原因在於與遊戲行業「調性不符」或是「無法在營銷層面做資源置換」。

不過，就像當下市場上充斥着數十萬到百萬級的「低價」訂單一般，就算放開對客户的篩選，在產品交付的底層邏輯下依舊不能帶來多高的流水以及利潤。

因為制約網易甚至是絕大多數模型服務商的問題從來不是做不出產品，而是難以自技術驅動的產品思維切換為運營驅動的解決方案思維。短板亦不在產品本身，而是支撐整個長交付周期的服務、運營等人力資源要素。

所謂解決方案，在實際成交場景中絕不僅是針對單一場景與問題而組成的產品矩陣，而是針對客户需求組裝的不同產品與服務，如此才構成解決方案所代表的「完整交付物」。事實上，恰是「持續交付」的服務敍事，讓SaaS走出一錘子買賣的泥潭，持續為to B企業構建現金流。

一位大模型銷售也和我們透露了自己的心聲：「大部分客户無論是我自己的資源還是生態資源，最起碼希望能給他們一個還可以的交代，不至於讓他們砸了自己的飯碗。但很多模型服務商交付的沒售后服務的產品，會把甲方的飯碗給砸掉的。」

從另一個角度説，這也是今年這輪Agent落地潮中，阿里通義、字節豆包、智譜AI等規模不等的模型服務商均積極拓展生態內合作伙伴的內生原因。生態夥伴是自技術到落地之間的中間件，走完最后一公里的同時也攬下了以后續服務為代表的苦活累活。

說白了，拿着錘子找釘子的活兒，大廠不願干，中廠干不了，只能丟給創業公司。

需要指出的是，有人幫忙找釘子也未必是件好事。伴隨着生態夥伴的加入構成的分潤，於成本側而言，相比此前友好不了多少，不過是能在熵減的角度上保持組織的精簡；另一方面，長文本、多模態、RAG等不同方向的技術迭代與產品化周期下必然滯后的產品對衝，正在不斷透支各行各業對AI的預期。

某教育集團便在接洽一家模型服務商的時候，提出了將集團LOGO放到生成圖片固定位置的需求。而服務商團隊不停prompt也prompt不出來，會議室也逐漸陷入了尷尬。

「AI的水平起碼能達到設計的60%，但你們的連20%都做不到」，在其預想中，鬧得滿城風雨的AI應該是一個能夠把僅僅5人的設計團隊完全替代的產品，但真實情況是連降本都做不到。

03 大模型to B，仍是傳統to B

GPT5遙遙無期，Sora也還沒走出「期貨」階段。模型服務商大干快上讓大模型商業化的主要矛盾已不再是技術，而是來自甲方。尤其是在作為AI在企業側落地的「最短路徑」的SaaS，近年來水份被擰乾的情況下。

甚至可以説，大模型應用在本質上與傳統to B服務並沒有什麼區別：沒有額外溢價，沒有賽道的差異化，甚至在黑箱的不確定性下，交付周期以及成本側的壓力還會相較以往更強。

以某家醫藥SaaS企業為例，其藥店管理系統單店費用原是3000元/年，在引入調用API能力后，爲了快速打破付費牆，反倒是將單店價格下調至300元/年。

至於交付周期，在相對偏向體量較大的項目制訂單，僧多粥少的情況下，頭部客户一如傳統to B時一般表現。

「CTO、CIO們先找阿里、騰訊、華為等大廠白嫖一遍解決方案的匯報，走一輪下來就差不多兩個月。走完了還得內部推給老闆，等兩個星期內部立項，一般*期項目也就有個三五百萬。」

張智吐槽道，足足小半年的時間的BD成本以及定製化產研決定了這個項目必然虧錢，但爲了大客户的標杆效應，虧錢也得干。甚至有的大客户因特殊原因，並不能出現在服務商的客户牆之上，比如網易便曾經以嚴選商城的架構，做過茅臺的電商App，這個項目迄今極少為人知。

如果以Agent整合的形式，跳脫出簡單SaaS服務窠臼並嘗試自生產關係的角度觸達企業側，在人效比與ROI上對成交更友好。只是這同樣會碰上傳統to B在迭代生產工具時碰上的問題——內部組織阻力。

以大模型在政企側較多落地的標書寫作場景為例，這部分文生文能輕松覆蓋的需求將真切影響到組織內的利益分配。

一位知情人士告訴光子星球，此前阿里雲便接觸過一家設計院客户，直至內部立項前的展示、需求打磨、前期開發等流程都異常順利，卻卡在內部立項的流程中走不動。「這關係到招投標關鍵部門的飯碗，IT部門根本推不動，招標會上被懟得半死。」

此外，如果按傳統to B的視角審視模型服務，不難發現生態夥伴的重要性被不同模型服務商強調，除了基於人力與組織上的考慮，或許更多的還是服務商正在丟掉自己的定價能力。與API調用價格一般，競低影響着大模型商業化的未來，邏輯的自洽還需要更多的探索。

至於模型層的初創公司，在市場持續降温的情況下，再掏不出足夠亮眼的成果，或許只剩被大廠併購一途了。

【本文由投資界合作伙伴微信公眾號：光子星球授權發佈，本平臺僅提供信息存儲服務。】如有任何疑問，請聯繫（editor@zero2ipo.com.cn）投資界處理。