【赛迪网讯】在数字化转型的浪潮中，人工智能（AI）正以前所未有的速度改变着我们的生活和工作方式,企业更是纷纷探索如何通过AI大模型等技术手段来提升竞争力。其中，生成式AI以其强大的创造力和灵活性，成为推动企业数字化转型和商业模式变革的重要力量。近日，Gartner研究副总裁孙志勇博士（Daniel Sun）在接受赛迪网采访时，分享了关于生成式AI的最新洞察，就企业如何应用大模型以及大模型厂商的商业化困境等问题，给出了深入的分析和独到的见解。

商业价值和竞争优势凸显

孙志勇指出，生成式AI在国内和国外的发展都相当迅速，其技术门槛虽然较高，但所带来的商业价值却是无法估量的。比亚迪客户虚拟助理就是一个生动的案例。通过构建基于生成式AI的虚拟助理，比亚迪不仅提升了客户体验，还实现了商业模式的创新。

传统的网页浏览方式遵循固定规则，难以满足用户个性化、多样化的需求。而比亚迪客户虚拟助理则能够与用户进行自然、流畅的交互，解答用户关于车型报价、内饰图片、价格大全等契合人类使用习惯的搜索问题。这种交互方式不仅提升了用户的满意度和忠诚度，还为企业带来了更多的商业机会。

从商业模式的角度来看，比亚迪客户虚拟助理的引入带来了体系性的变革。它改变了传统的客户关系管理和客户体验方式，使企业在渠道和营销方式上实现了极大的创新。通过智能助理，企业能够更直接、更精准地了解客户需求，提供个性化的产品和服务，从而增强市场竞争力。

当然，在享受生成式AI带来的商业价值的同时，我们也需要关注其投入产出比。孙博士提醒我们，在投入成本方面，除了考虑技术开发和维护成本外，还需要考虑智能助理的运营成本和用户体验成本。然而，与这些成本相比，生成式AI所带来的商业价值和竞争优势是更为显著的。

多元化探索与投入产出比考量

使用模式、嵌入模式、扩展模式、定制模式和自建模式，是孙志勇所提到适用于企业不同规模和需求的五种部署方式。使用模式以其便捷性和灵活性见长，尤其适合中小企业快速上手；嵌入模式则更适合已有成熟系统但希望引入AI能力的企业；扩展模式通过检索增强等技术手段，实现了AI与数据库的深度融合，为精准决策提供了有力支持；定制模式则满足了头部企业对于个性化、差异化AI能力的需求；而自建模式，则是那些拥有雄厚实力和独特愿景的企业追求极致创新的最佳选择。

然而，无论选择哪种部署方式，企业都需要面对一个核心问题：投入产出比。孙志勇在采访中强调了这一点，指出企业在投入巨额资金进行AI建设时，必须明确预期收益，否则很容易陷入盲目投资的困境。在当前市场环境下，许多企业领导层，尤其是CFO和CEO，都非常关注AI能否帮助企业降低成本、增加收入。这既是企业理性投资的体现，也是对AI技术价值的现实考量。

从实际案例来看，生成式AI确实为企业带来了显著的效益。比如，有数据显示，引入AI后，某企业的销售转化率提高了119%。尽管这类数据可能存在一定程度的虚高，但不可否认的是，AI在提升生产率、资产收益率、提高速度、改进产品、客户体验和减少损失等方面确实具有巨大潜力。这些直接价值的实现，正是企业投入AI建设的根本动力所在。

当然，我们也应该看到，AI技术的应用并非一蹴而就，需要企业在技术选型、人才储备、数据安全等方面做好充分准备。同时，企业还需要根据自身实际情况和战略目标，合理选择AI部署方式，确保投资能够取得最大的回报。

ROI计算与业务变革的重要性

对于如何计算AI大模型项目的ROI，以及为何业务变革是实现投资回报的关键问题上，孙志勇首先指出了计算ROI时需要考虑的成本因素，包括模型开发、计算资源、服务支持、数据获取、治理安全、授权费用以及员工培训等多个方面。对于大型企业而言，还需要额外考虑算力中心的建设和环保问题。这些成本构成了企业投资AI大模型项目的总体成本。

然而，仅仅关注成本是不够的。孙志勇强调，要实现AI大模型项目的真正价值，必须进行业务变革。这包括咨询、流程再造、产品改变、营销变革管理以及技能再造培训等多个方面。只有将这些变革与AI大模型的部署相结合，才能产生实际的业务价值。

在计算ROI时，孙志勇建议将业务价值的产出与整体成本进行对比。这里的业务价值不仅包括直接的财务收益，如增收和降本，还包括非财务价值，如提高生产效率、资产收益率、改进产品和服务、提升客户体验以及减少损失等。这些非财务价值虽然难以直接量化，但对于企业的长期发展同样具有重要意义。

“比亚迪：客户虚拟助理”就说明了AI大模型如何改变企业的商业模式。通过虚拟助理，企业可以与客户进行更直接、更高效的交互，从而提升客户体验。同时，虚拟助理还可以替代传统的官方网站，成为企业与客户沟通的主要渠道。这种变化不仅影响了企业的营销模式，还深刻改变了企业的商业模式基因。

孙志勇认为，如果ROI达到预期，企业应扩大AI大模型的应用规模；如果ROI不达预期，则应探索新的用例和场景。这种基于ROI的投资决策方法，有助于企业实现智能化转型的可持续发展。

企业数字化转型的重要驱动力

从企业的角度来看，不同规模的企业在大模型的应用上呈现出明显的差异。大型企业，尤其是头部企业，由于其资金雄厚、IT预算充足，往往倾向于全面应用大模型的四种类型（自建、扩展、嵌入、定制），并特别注重在“定制”领域的投入。这是因为大型企业追求自主可控，希望通过自主研发和应用大模型来提升企业竞争力。相比之下，中小型企业则受限于资金、技术和IT预算，往往只能选择应用大模型的前三种类型，甚至部分小企业仅能使用虚拟助理、WPS AI等较为基础的工具。

在行业应用方面，金融机构、新能源车企和药品行业成为大模型应用的高地。金融机构因其IT预算占比高，成为大模型应用最积极的行业之一，主要应用场景包括客户虚拟助理、内部员工助理以及授信报告生成等。新能源车企则通过大模型打造客户虚拟助理和智能驾驶等应用场景，推动智能驾驶技术的发展。而药品行业则利用大模型进行药品的临床研发和测试，提高药品研发的效率和准确性。

然而，大模型厂商的商业化困境却日益凸显。尽管大模型技术发展迅速，但其变现模式仍不清晰。开源模型如何收费、如何通过模型进行客制化导入和集成等问题，仍困扰着大模型厂商。当前，许多大模型厂商选择通过客制化项目或应用来寻求突破，但这种方式往往毛利率和净利润极低，难以支撑企业的持续发展。

面对这一困境，大模型厂商需要寻找新的商业化路径。孙志勇指出，大模型厂商应加快产品化进程，将大模型及其服务场景化、产品化，形成像SAP或帆软这样的套装软件。这不仅可以提高销售、营收的预期稳定性，还可以增强企业对自身命运的把控程度。对于互联网公司而言，由于其内部有大量大模型的需求，可以通过向外溢出自身内部的能力来推动产品化进程。而对于非互联网公司的大模型厂商，则更需要加速产品化步伐，以应对激烈的市场竞争。

阶段性与投入产出比的双重考量

从零基础到原型制作，再到分散的原型试验，直至大规模部署和在生产环境中挖掘AI价值，这五个步骤如同一座指引企业AI发展的灯塔。对于仍处于前两个或三个阶段的企业来说，孙志勇的建议尤为中肯：尽量采用基础的部署模式，避免过早涉足复杂且成本高昂的定制开发。这是因为，在这些早期阶段，企业对于AI的理解和应用尚显生疏，缺乏足够的经验和资源来支撑定制化的需求。

然而，当企业跨越了原型制作的初级阶段，开始考虑大规模部署时，定制化的道路便显得尤为诱人。此时，企业已经积累了一定的AI应用经验，对于AI的价值和潜力有了更为深刻的认识。但孙博士也提醒我们，定制化并非没有风险。它要求企业具备强大的技术实力和丰富的资源储备，包括专业的模型开发者、数据工程师、架构师以及评估专家等。这些条件对于大多数企业来说，都是不小的挑战。

更为关键的是，生成式AI的费用往往超出预期。从初期的投资到后续的算力、数据、服务等各项开支，都可能成为企业难以承受之重。因此，孙志勇强调，企业在部署生成式AI时，必须时刻关注投入产出比，确保每一笔投入都能带来实实在在的回报。

此外，孙志勇还提出了一个值得深思的观点：并非所有企业都适合部署生成式AI。这并非否定AI的价值，而是提醒我们要理性看待AI的应用场景和实际效果。有些企业可能因为业务特性、人员结构或市场环境等因素，无法充分发挥AI的潜力。在这种情况下，盲目跟风或过度投入，只会给企业带来不必要的负担和风险。

赛迪观察

生成式AI正以其独特的优势引领着商业变革。生成式AI的部署是一个复杂而漫长的过程，需要企业在不同阶段采取不同的策略，并时刻关注投入产出比。同时，我们也要认识到，并非所有企业都适合部署生成式AI。在决定是否投入AI领域之前，企业应充分考虑自身的实际情况和需求，避免盲目跟风或过度投入。只有这样，我们才能在AI的浪潮中保持清醒的头脑，为企业的发展找到最适合的道路。

在计算AI大模型项目的ROI时，企业应综合考虑成本和业务变革两个方面。只有实现业务变革，才能产生真正的业务价值；只有基于ROI的投资决策，才能确保企业的智能化转型之路稳健前行。在未来的发展中，我们应该积极拥抱AI技术，探索其在商业领域的应用和创新，以推动企业的数字化转型和可持续发展。(文/徐培炎）