随着AI(人工智能技术的飞速发展，大模型已成为全球科技领域竞争的新高地以及未来产业的新赛道。同时，凭借大规模参数量和强大的计算能力，大模型在自然语言处理、图像识别、推荐系统等多个领域展现出巨大的应用潜力。

　　据了解，在AI大模型的商业化道路上，“To B或To C”一直是两难的选择。而就目前市场格局来看，虽然C端(消费者市场潜力巨大，但大模型在B端(企业服务市场的商业化应用却率先取得显著进展，曙光初现。

　　百度集团执行副总裁、百度智能云事业群总裁沈抖表示，AI应用正率先在B端爆发，由企业级大模型工程平台、异构算力平台组成的新型AI基础设施，将替代传统云计算，为大模型应用在企业生产力场景中的规模落地提供关键支撑。

　　大模型厂商为什么会选择加码B端投入？B端发展有哪些困境与挑战？如何看待大模型产业的投融资环境？

　　B端市场商业逻辑初具雏形

　　虽然C端市场用户基数大，机会更多，但由于功能单一等因素，导致消费者对于大模型的付费意愿并不强。而B端市场在大模型应用方面展现出了更大的潜力和商业价值，多家初创企业的商业化模式也逐步得到验证。

　　例如，2024年前三季度，北京智谱华章科技有限公司在B端和G端(指为政府，包括事业单位开发的产品‌的大模型中标数量和金额位列国内大模型行业前三；北京中科闻歌科技股份有限公司(以下简称“中科闻歌”凭借在金融、政务、媒体等多个领域的深耕，已形成了完整清晰的商业模式。

　　北京零一万物科技有限公司创始人李开复向《证券日报》记者表示，公司专注于做有利润的、非仅卖模型或项目制的B端业务。李开复说：“公司从一开始就选择发力国内B端市场，探索将数字人应用于零售、餐饮等领域，目前公司已能够提供完整的解决方案。”

　　由此可见，B端市场目前的商业逻辑已初具雏形。B端企业更愿意为大模型产品付费，最主要的因素是其能够直接提升业务效率、降低成本，并增强竞争力。中科闻歌董事长王磊向《证券日报》记者表示，在面向企业决策应用场景时，依托多智能体协同技术，结合工作流、数据流、决策流，AI大模型能帮助企业在复杂商业环境中实现智能决策，为长远战略发展提供支持。

　　相较而言，B端商业模式开发难度也小于C端。在B端付费意愿更强的背景下，大模型初创企业更加注重B端的投入力度，以求拥有持续的盈利模式。

　　高质量数据稀缺带来挑战

　　业内普遍认为，算力、算法、数据是大模型发展的关键三要素。近年来，基于计算能力的提升、大规模数据集的可用性以及算法的改进，AI大模型在B端市场进入了爆发增长期。

　　同时，大模型领域也出现了亟须打破的瓶颈。目前，高质量数据资源越来越稀缺，大语言模型规模越来越大，参数甚至高达万亿级别，动用一次训练所需要的资金、人力和稳定性能源也愈发昂贵。

　　相比于算法和算力，在大模型商业闭环中，数据成为最直接影响其在垂直行业落地效果的关键。高质量数据是训练和优化大模型的基础，没有足够的高质量数据，大模型就无法学习准确、丰富的知识，进而无法生成逼真、有创意的结果。高质量数据的短缺不仅影响了大模型的训练效果和应用性能，还增加了企业的运营成本和时间成本。例如，在自动驾驶领域，为了获取高质量的路况和天气数据，企业需要投入大量的人力和物力进行数据采集、标注和清洗。

　　猎豹移动董事长兼CEO傅盛向《证券日报》记者表示，在“百模大战”中，算力和算法这两个点上很难做出差异化，产业链里决定大模型基础能力的核心是标注后的数据，当下行业的重点在于如何将高质量数据找出来，与应用实现高度结合。

　　据Epoch AI Research研究团队预测，到2026年，现存的用于AI模型训练的高质量语言数据将耗尽。信息技术研究和分析公司Gartner发布的研究报告也提到，到2030年，合成数据将成为AI模型的主要训练数据来源，而在此之前，高质量数据的短缺将是一个长期存在的问题。

　　为了应对高质量数据短缺的挑战，企业和科研机构正在积极探索解决方案。在数据集成方面，蚂蚁集团旗下蚂蚁数科推出的AI数据合成与生产平台AIGD，可以通过大规模合成互联网所覆盖的高质量、高价值垂直语料数据，帮助科技厂商进行AI模型训练。在数据的清洗和标注方面，北京猎户星空科技有限公司联合北京聚云科技有限公司研发的AI数据宝AirDS可为B端企业提供大模型数据收集、清洗、标注、提示词工程以及评估服务；中科闻歌数据工程则通过整合开源数据和企业内部数据，进行数据资产管理，并运用一站式清洗工具，将原始数据转化为高质量数据，实现AI训练数据供给。

　　“尽管面临着高质量数据短缺的挑战，但大模型B端的发展前景依然广阔。企业和科研机构需要持续加强合作和创新，共同推动高质量数据的发展和应用，为AI技术的进一步发展奠定坚实基础。”艾媒咨询CEO张毅向《证券日报》记者表示。

　　投资领域更加细化

　　在资本市场，AI大模型仍是目前的热点，国内的投融资活跃，但与早期的投资热潮相比，当前投资人的态度更为理性。

　　中商产业研究院公布的数据显示，2023年1月份至10月份，国内AIGC(人工智能生成内容行业累计发生投融资事件122起，涉及金额178.62亿元。2024年同期，该行业发生投融资事件101起，同比下降17.21%；涉及金额309.8亿元，同比上升73.44%。

　　“经过两年的发展，投资行为逐渐从‘广撒网’转到‘在重要细分领域和重要标的上下重注’的阶段。”未可知人工智能研究院院长杜雨向《证券日报》记者表示，AIGC的技术和产品迭代速度确实超出了很多投资人的意料。对待诸多不同方向的项目，投资人需要更谨慎地思考和推演市场变化趋势。

　　在投资整体趋于理性的背景下，投资要求变得更高，投资领域更加细化。投资人更加看重能够持续推动技术进步、构建独特技术体系的企业；对于大模型企业的商业化路径和盈利能力也提出了更高要求：希望企业能够明确其产品或服务的市场定位，制定出可行的商业化策略，并展示出稳定的盈利能力。

　　但丁投研创始人陈达向《证券日报》记者表示：“到了把投资做细的时候，投资人就会越来越注意技术是否有创新性壁垒、适用场景是否切合市场需求，以及是否有清晰的商业化路径和行业垂直化应用前景。”

　　同时，随着大模型技术在金融、医疗、教育等细分领域的应用逐渐深化，投资人更关注能够将大模型技术与边缘计算相结合，提供高效、低延迟服务的企业，或者在多模态领域具有技术积累和创新能力的企业。

　　在具体投资赛道方面，招商银行研究院发布研报称，随着大模型对算力需求急剧增加，全球互联网巨头纷纷加大对AIGC基础设施的投资。GPU系统、HBM存储和高性能网络基础设施在AIGC计算中发挥着关键作用，成为硬件基础设施投资的主赛道。

　　杜雨表示，移动互联网革命曾经推动了智能硬件的蓬勃发展，当时的智能硬件主要实现了“联网”功能，尚未达到真正的“智能化”，而当前的AI技术能够赋予硬件实现真正的智能。穿戴式AI设备、具身智能机器人等方向，近期都获得了不少投资人的关注。