21世紀經濟報道記者孫燕 上海報道
“2025年將是大模型商業(yè)化的大考年。”今年年初，零一萬物創(chuàng)始人兼CEO李開復預言。
2025年尚未過半，“大模型六小虎”中已有十余位高管“出走”。其中，多位離職高管是商業(yè)化負責人，包括智譜首席運營官張帆、MiniMax商業(yè)化合伙人兼副總裁魏偉，以及百川智能聯(lián)合創(chuàng)始人、商業(yè)化負責人洪濤。
人事變動背后，AI大模型企業(yè)的商業(yè)化焦慮浮出水面。
主動披露商業(yè)化收入的大模型公司少之又少。在“大模型六小虎”中，智譜AI曾透露，該公司2024年商業(yè)化收入同比增長超過100%，平臺日均Tokens消耗量增長150倍。據(jù)市場預測，Minimax2024年的年化收入（ARR）有望達7000萬美金。
但全球300余個大模型中，僅有少數(shù)企業(yè)實現(xiàn)了商業(yè)化的初步探索。面對虧損泥潭，牌桌上所有玩家都在追問：
產業(yè)化大方向究竟在哪里？
C端還是B端？
從客戶定位來看，“大模型六小虎”走出了C端、B端兩條路徑。
MiniMax、月之暗面、階躍星辰的重心均在C端：MiniMax推出了視頻生成產品“海螺AI”、AI陪伴應用“Talkie”；月之暗面推出了Kimi助手；階躍星辰推出了AI助手“躍問”、開放世界“冒泡鴨”。
智譜AI在C端推出了“智譜清言”，但更偏向B端業(yè)務。該公司CEO張鵬曾坦言，推C端產品的主要目的，是為了向B端客戶展示能力。
零一萬物、百川智能也以B端為重心：零一萬物聚焦零售和電商等場景，推出了“AI2.0數(shù)字人”解決方案，百川智能以醫(yī)療為核心場景。
商業(yè)化壓力之下，大模型企業(yè)也在邊探索邊調整：如零一萬物早期宣稱“堅決做ToC，不做賠錢的ToB”，但2024年起戰(zhàn)略轉向全面聚焦B端，收縮C端業(yè)務。
國泰海通證券研究指出，雖然當前仍處于商業(yè)化初期，但參照互聯(lián)網發(fā)展歷程，AI產業(yè)很可能遵循從B端到C端再到B端深化的演進路徑，最終實現(xiàn)全產業(yè)鏈的協(xié)同繁榮。
在C端，大模型主要通過訂閱實現(xiàn)價值，但正面臨叫好不叫座的流量困局：數(shù)據(jù)顯示，超八成用戶拒絕為對話功能付費，多數(shù)人同時使用多個免費模型抵消體驗限制。
相較C端用戶“誰免費用誰，誰補貼跟誰”的主流思維，B端企業(yè)對于生成式AI的投入預算越來越多，但對于投入ROI也越來越重視。
“目前業(yè)界還很難給出一個確切的ROI中位數(shù)，因為大多數(shù)企業(yè)的AI應用仍處在價值發(fā)現(xiàn)和初期探索階段。”畢馬威中國技術和新經濟管理咨詢服務主管合伙人高人伯在2025年上海世界移動通信大會（MWC上海）期間告訴21世紀經濟報道記者，目前已實現(xiàn)正向收益的場景，普遍集中在能夠快速提升內部運營效率的領域，如利用AI輔助軟件開發(fā)、自動化生成營銷文案、優(yōu)化內部知識管理與報告總結等。
在他看來，生成式AI的產業(yè)化方向之一是“深度垂直化”：通用大模型的能力應與金融、醫(yī)療、法律、制造等行業(yè)的專業(yè)知識深度融合，形成能夠解決核心業(yè)務問題的專用AI，將是價值創(chuàng)造的關鍵。
云側還是端側？
從技術部署來看，“大模型六小虎”普遍采用云端訓練+云端推理，依賴公有云廠商提供算力。
云側的核心盈利方式主要有兩種，一是按API調用次數(shù)或Token量付費；二是定制化解決方案，如智譜AI為金融、教育、制造等行業(yè)企業(yè)提供定制模型，收取開發(fā)與運維費用。
這主要面向B端用戶。高人伯告訴記者，B端企業(yè)會根據(jù)自身業(yè)務的成熟度、數(shù)據(jù)敏感性以及戰(zhàn)略目標，在“標準化”到“定制化”的光譜上動態(tài)移動：許多企業(yè)在初期會傾向于采購標準化的API服務，這種方式能夠快速驗證AI在通用場景下的潛力；但當單純的標準化服務無法滿足需求，企業(yè)便會轉向探索定制化的行業(yè)模型。
目前，純API調用模式盈利壓力較大：由于產品同質化、難以深度滿足場景需求等問題，規(guī)模效應較難達成，無法通過海量用戶調用分攤模型訓練與維護成本。定制化行業(yè)模型盈利能力相對較強：有頭部廠商通過“通用大模型+行業(yè)精調”模式，向制造業(yè)客戶收取模型定制費及數(shù)據(jù)服務費，單項目可達數(shù)百萬元。
在部署云側的基礎上，今年以來，智譜AI、階躍星辰也在拓展端側：智譜AI今年與珠海市合作搭建“城市級GLM大模型”，覆蓋端側；階躍星辰則將智能終端列為2025年重點場景。
但對于“大模型六小虎”而言，部署端側一方面需要從硬件廠商手中“搶蛋糕”；另一方面生成式AI在端側部署仍然面臨技術挑戰(zhàn)，進一步加大了研發(fā)成本。
“將生成式AI模型部署到手機、汽車等終端設備上，是實現(xiàn)普惠AI的關鍵一步，尤其對于需要即時響應和保護數(shù)據(jù)隱私的場景至關重要。”高人伯指出，但大型AI模型巨大的計算和存儲需求與終端設備有限的資源（如算力、功耗、內存）之間存在天然的矛盾。
如何在保證模型性能的同時，克服這些硬件限制，并為用戶提供流暢、可靠的體驗？據(jù)高人伯觀察，業(yè)界正在從多個層面積極探索解決方案。首先是通過模型壓縮、知識蒸餾等先進技術，在保證核心功能的前提下，將大模型變得“小而美”，使其能夠在端側高效運行。
芯片廠商也在不斷創(chuàng)新，推出集成NPU等專用AI處理單元的硬件，為端側AI提供更強勁、更節(jié)能的算力支持。
此外，“端云協(xié)同”被認為是一種非常務實且靈活的路徑，即在終端部署一個輕量級模型處理高頻、簡單的任務，當遇到復雜請求時再智能地調用云端更強大的模型，從而兼顧效率、成本與用戶體驗。
