過去兩年，隨著技術(shù)突破不斷刷新邊界，AI行業(yè)正呈現(xiàn)出一個(gè)愈發(fā)清晰的變化：行業(yè)的注意力正從參數(shù)競(jìng)賽回到真實(shí)場(chǎng)景。技術(shù)性討論仍然重要，但越來越多企業(yè)開始意識(shí)到，模型的價(jià)值不在于理論性能能做到什么，而在于能否真正融入業(yè)務(wù)，帶來可持續(xù)的生產(chǎn)力。

因此，場(chǎng)景落地、系統(tǒng)協(xié)同與跨生態(tài)合作等逐漸成為企業(yè)端討論的主線邏輯。智譜董事長(zhǎng)劉德兵就曾在2025人工智能+大會(huì)上提到：“智譜作為一家基座模型廠商，我們的愿景是讓機(jī)器像人一樣思考，并且在邁向AGI的發(fā)展進(jìn)程中，讓大模型在企業(yè)端產(chǎn)生具體場(chǎng)景價(jià)值?！?/p>

智譜是國(guó)內(nèi)最早投入通用大模型體系化研發(fā)的企業(yè)之一，也深度參與多個(gè)行業(yè)的大模型應(yīng)用，既站在技術(shù)演進(jìn)的前沿，也切身感知企業(yè)端最真實(shí)的需求變化。在劉德兵看來，大模型的下半場(chǎng)或許將由三項(xiàng)能力決定，即從參數(shù)迷思回歸到模型本身的體感、攻克模型應(yīng)用價(jià)值的“最后一公里”、以及走向以“tokens效果付費(fèi)”為標(biāo)志的商業(yè)模式躍遷。

告別參數(shù)焦慮

大模型進(jìn)入效率時(shí)代

“盲目追求參數(shù)規(guī)模的軍備競(jìng)賽時(shí)代已經(jīng)過去?！眲⒌卤赋?，行業(yè)正逐漸擺脫對(duì)參數(shù)規(guī)模的單一追求，技術(shù)競(jìng)爭(zhēng)的焦點(diǎn)正向更具實(shí)際效能的方向轉(zhuǎn)移。

他以智譜最新發(fā)布的GLM-4.5模型為例，解釋其核心突破在于首次在一個(gè)模型中融合了推理、編碼與智能體三項(xiàng)能力。這樣的多能力融合，不再以犧牲單項(xiàng)性能為代價(jià)，也是為未來實(shí)現(xiàn)“1+1>2”的智能協(xié)同創(chuàng)造先決條件。

這類“原生融合”并非技術(shù)炫技，而是下一階段復(fù)雜應(yīng)用，如自動(dòng)化決策、多模態(tài)協(xié)作、跨場(chǎng)景智能體的基礎(chǔ)，使模型從工具躍遷為系統(tǒng)級(jí)能力。

在他看來，模型是“技能基座”，其底層能力決定了應(yīng)用的效率邊界。因此，模型設(shè)計(jì)正在從更大參數(shù)逐步轉(zhuǎn)為更可部署、更高性價(jià)比，即匹配行業(yè)真實(shí)場(chǎng)景、算力條件與落地節(jié)奏。

這場(chǎng)范式轉(zhuǎn)變，也正逐漸滲透至企業(yè)客戶的認(rèn)知中。

過去，模型的參數(shù)規(guī)模被視為衡量模型優(yōu)劣的核心指標(biāo)；而現(xiàn)在，越來越多企業(yè)在經(jīng)過初期嘗試后，更看重模型在自身業(yè)務(wù)流程中的真實(shí)表現(xiàn)。劉德兵提到，企業(yè)更關(guān)注模型實(shí)際效果，即是否能在所需的場(chǎng)景里發(fā)揮出更好的性能。

這種變化與企業(yè)對(duì)AI效率的期待高度契合。麥肯錫在2025年發(fā)布的《State of AI》報(bào)告中指出，88%的受訪者表示，其所在企業(yè)已在至少一個(gè)業(yè)務(wù)職能中應(yīng)用AI，但真正進(jìn)入規(guī)?；A段的企業(yè)仍是少數(shù)，僅有約三分之一表示AI項(xiàng)目已在組織層面實(shí)現(xiàn)規(guī)模應(yīng)用。

在實(shí)際應(yīng)用中，大多數(shù)企業(yè)仍在摸索從試驗(yàn)走向系統(tǒng)性效率提升的路徑。

場(chǎng)景適配與組織重構(gòu)

AI落地的“最后一公里”

但對(duì)多數(shù)企業(yè)來說，更難的一步才剛剛開始：如何讓模型在企業(yè)內(nèi)部高效、安全地運(yùn)行起來？在劉德兵看來，算力、算法、數(shù)據(jù)等，這些都重要，但行業(yè)里最容易被忽視的，其實(shí)是場(chǎng)景適配。

許多企業(yè)將AI理解為一種技術(shù)“插件”，誤認(rèn)為接入一個(gè)API就能產(chǎn)生價(jià)值。但現(xiàn)實(shí)其實(shí)更為復(fù)雜：AI只有真正融入業(yè)務(wù)流程，參與決策與執(zhí)行，才能帶來效率提升與創(chuàng)新突破。

這種落差也體現(xiàn)在調(diào)研數(shù)據(jù)中，麥肯錫的報(bào)告《Seizing the agentic AI advantage》指出，盡管近80%的企業(yè)已經(jīng)在業(yè)務(wù)環(huán)節(jié)中部署生成式AI，實(shí)際上，超過八成的企業(yè)仍未看到實(shí)質(zhì)性的收益提升。

問題往往不在于技術(shù)能力，而在于組織沒有為AI做出足夠的準(zhǔn)備。缺乏對(duì)業(yè)務(wù)場(chǎng)景的理解、流程設(shè)計(jì)不匹配、團(tuán)隊(duì)培訓(xùn)與系統(tǒng)改造也不到位時(shí)，模型很難創(chuàng)造價(jià)值。

更進(jìn)一步地說，場(chǎng)景適配不僅是技術(shù)挑戰(zhàn)，更要求對(duì)行業(yè)運(yùn)作模式和流程細(xì)節(jié)有深刻理解?！昂芏嗥髽I(yè)投入重金引入先進(jìn)模型，但如果沒有深入理解業(yè)務(wù)的場(chǎng)景，再好的模型也無法發(fā)揮價(jià)值?！眲⒌卤赋?，AI真正融入工作流，需要企業(yè)具備重構(gòu)業(yè)務(wù)流程的能力，這恰恰是AI落地成敗的關(guān)鍵。

在更底層的系統(tǒng)能力上，劉德兵也特別提到國(guó)產(chǎn)算力的適配挑戰(zhàn)。國(guó)產(chǎn)算力現(xiàn)階段已經(jīng)基本可用，但如何與模型架構(gòu)、主網(wǎng)建設(shè)、部署效率結(jié)合，是許多企業(yè)在落地中需要直面的工程復(fù)雜度。這些基礎(chǔ)設(shè)施環(huán)節(jié)往往比算法本身更決定企業(yè)能否真正把AI跑起來。

與此同時(shí)，開源生態(tài)的發(fā)展也在改變AI的組織形態(tài)。越來越多的“一人公司”開始出現(xiàn)：借助開源大模型和對(duì)垂直場(chǎng)景的深刻理解，個(gè)人開發(fā)者就能完成原本需要一個(gè)小團(tuán)隊(duì)才能完成的系統(tǒng)。這種變化，不僅降低了AI創(chuàng)業(yè)的門檻，也預(yù)示著組織邊界的重構(gòu)與超級(jí)個(gè)體的崛起。

在這樣的背景下，企業(yè)對(duì)于大模型服務(wù)商的期待也在發(fā)生變化：不僅需要提供性能領(lǐng)先的模型，更要能夠協(xié)助企業(yè)完成技術(shù)到場(chǎng)景的有效銜接。在實(shí)踐中，服務(wù)商的邊界正在擴(kuò)展，從交付模型能力到協(xié)同推動(dòng)組織轉(zhuǎn)型。因此，智譜提出了高度靈活、可擴(kuò)展的MaaS（模型即服務(wù)）商業(yè)模式：既有API、場(chǎng)景化接口和訂閱制為主的標(biāo)準(zhǔn)化產(chǎn)品線，也有“模型驅(qū)動(dòng)”的企業(yè)級(jí)服務(wù)模式。

商業(yè)模式躍遷起點(diǎn)

從模型工具到“以效果付費(fèi)”

當(dāng)技術(shù)能力趨穩(wěn)，企業(yè)對(duì)AI價(jià)值的衡量方式也在發(fā)生結(jié)構(gòu)性的改變。

過去，大模型的商業(yè)模式更多停留在“按調(diào)用量”或“按用戶數(shù)”計(jì)費(fèi)，本質(zhì)仍是“工具型付費(fèi)”；但隨著AI逐步深入業(yè)務(wù)流程，企業(yè)開始更明確地追問一個(gè)長(zhǎng)期被忽略的問題：AI究竟為我創(chuàng)造了多少實(shí)際價(jià)值？

劉德兵判斷，未來的付費(fèi)方式可能會(huì)出現(xiàn)從“按部署計(jì)費(fèi)”向“按效果計(jì)費(fèi)”的躍遷。企業(yè)將越來越不滿足于購(gòu)買模型能力，而是希望根據(jù)節(jié)省的人力、減少的運(yùn)營(yíng)成本、提升的轉(zhuǎn)化效率或新增營(yíng)收來衡量AI的價(jià)值。

這種趨勢(shì)在全球科技企業(yè)中亦已顯現(xiàn)。部分頭部廠商在公開討論未來商業(yè)模式時(shí)，已經(jīng)不再?gòu)?qiáng)調(diào)“按用戶授權(quán)”，而是探索以“智能體”為單位、根據(jù)任務(wù)結(jié)果與實(shí)際產(chǎn)出付費(fèi)的方式。

隨著智能體能力不斷提升，AI有望承擔(dān)更多自主決策與執(zhí)行的任務(wù)，催生出真正意義上的“AI原生業(yè)務(wù)形態(tài)”。這些業(yè)務(wù)將不依賴于傳統(tǒng)人工流程，而能夠依托智能體的自學(xué)習(xí)、自優(yōu)化能力實(shí)現(xiàn)規(guī)模化增長(zhǎng)。一旦這種模式得到驗(yàn)證，AI產(chǎn)業(yè)的價(jià)值創(chuàng)造體系也許將迎來真正的重構(gòu)。

從更長(zhǎng)周期來看，技術(shù)與商業(yè)也在同步走向成熟。

在技術(shù)側(cè)，隨著大模型邁向具備自學(xué)習(xí)能力的階段，AI將真正具備規(guī)?；袚?dān)業(yè)務(wù)的能力；在商業(yè)側(cè)，當(dāng)企業(yè)開始按照可量化的結(jié)果而非調(diào)用量付費(fèi)，AI原生業(yè)務(wù)形態(tài)將迎來第一次大規(guī)模驗(yàn)證。兩者疊加，將決定行業(yè)是否真正迎來“應(yīng)用兌現(xiàn)期”。

這也意味著，AI的競(jìng)爭(zhēng)力正在從技術(shù)本身延伸為一套更綜合的系統(tǒng)能力，也將如劉德兵所判斷的：“未來三年的拐點(diǎn)不再是單一維度的突破，而是技術(shù)突破與商業(yè)模式驗(yàn)證的共振?！?/p>

薛純 | 文

劉玥 | 編輯

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org