TOB AI，跑通了？

文 | 王智远

近来，朋友给我反馈：Kimi广告投放真猛。

听网易音乐、刷bilibili都能看到，说产物给平凡用户使用的，这点儿毋庸置疑。不外，8月才过半，Kimi一些办法却让人感觉有些差别。

差别在哪呢？

一方面，8月2日，Kimi的母公司月之暗面(Moonshot AI)公布正式发布了Kimi的企业级API。这种企业级模子，相比平凡用户版，提供了更强的数据安全掩护和更快的处理处罚速率，可以大概帮助企业处理处罚复杂的工作和大量数据。

紧接着，他们公布将Kimi开放平台的上下文缓存Cache技能的费用下调，从原来的10元每1M tokens每分钟降到了5元。我相识到，这项贬价从7月1日就已经开始在开放平台上举行公测了。

读到这里，大概你会好奇，缓存Cache到底是什么？

简朴来说，它的作用是提前存储那些可能会被反复使用、经常被查询的文本或数据，从而在不增加资本的情况下进步模子的推理服从。

以是，这些动作让我不禁思考，AI在B2B范畴，是否已经找到了一条有效的道路？颠末一圈调研，我以为：是的。

01

先说一个行业共识：AI应用无疑是模子乐成的关键。

本年，天下人工智能大会上，百度CEO李彦宏讨论了他对大模子应用的一些见解。他说：尽管C端开辟很紧张，但B端应用场景，才是大模子可以大概取得更好效果的地方。

他以为，AI期间，可以大概深刻影响产业，明显进步服从的应用更具备价值，他预见，在医疗、金融、教诲、制造、交通和农业等范畴，将会根据各自的特点和数据资源，开辟出定制化的智能体，未来智能体将达到百万级别，形成一个庞大的生态系统。

本年，百度在医疗、金融、能源、环保和交通等多个范畴中标了17个项目，涵盖大型国企、行业领头公司，金额也非常可观。

显然，李彦宏以为，AI应用要快速落地到智能体上。

咱不说具体落不落到智能体上，那么多标书，也要一个个交付，一年半载不作出个成型的东西来，客户肯定是不愿意的。

我们再看(Moonshot AI)首创人杨植麟怎么看。

6月份，极客公园首创人张鹏与杨植麟的一次对话中，杨提到他们并不完全排斥B端，但紧张还是专注于C端。他的产物Kimi在AI范畴已经达到了顶级流量和使用量。

尽管云云，用户在高峰时段经常体验到由于算力不敷而导致的标题。为了应对这种情况，他们接纳了一些措施来降低运营资本并进步服从。

此中之一，是通过缓存技能来优化模子的推理性能，这项技能使Kimi在处理处罚复杂哀求时可以大概更快相应，镌汰了重复盘算的需要。

这种改进不但进步了系统的相应速率和处理处罚服从，还确保了对话或文本生成的连贯性和正确性；这在未来，面对可能做B端生意业务时，要大量会集处理处罚数据哀求时，显得尤为紧张。

因此，杨植麟以为，若想转向B端，起首必须办理算力标题，确保算力的稳定是底子。

另一方面，我以为，做C端生意业务不那么性感，他紧张通过广告投放换转化，恒久看，没有那么引人注目。

我从多名广告从业者口中相识到，从2024年上半年开始，人均转化资本在不绝上升，每一个 Kimi PC 端的用户转化，根本达到40元/人，这个数据我没有求证官方。

不外，就大趋势看，C端场景下的AI市场竞争资本不绝进步，无疑推动很多AI公司，重新评估他们的市场战略。

以是，C端市场虽然潜力太，但B端的应用场景，才是实现大模子深远影响和高效效果的关键范畴，毕竟，只有为企业实现真正的降本增效，才气推动行业乃至整个产业的进步。

02

既然共识精确。那么，智能体、或AI、大（小）模子如何有效切入B2B范畴呢？第一个办法是，做B端的上游。

什么意思呢？

所谓B端上游，即供应链的源头。举个例子：假设有家医药公司，有使用AI的需求和应用场景，但作为大模子公司切入很困难怎么办？

这时，你发现这家医药公司正在使用某种SaaS软件，AI大模子公司可以思量与软件供应商互助；如许，AI就能被加到现有的软件产物里，医药公司就能在用软件的同时，顺遂过渡到使用AI。

这是很多传统B端业务人的思考方式。

着实，B2B软件有多种摆设形态。起首，当地化摆设，将软件安装在客户自己的服务器或装备上，让客户能控制数据和安全。

这种方式需要定期升级，维护起来麻烦且资本较高。比如，从前疾驰、宝马这些大厂商，为了管理署理商，会接纳传统的CRM系统作为当地化摆设。

但当地化摆设在实现AI集成时面对很多寻衅，尤其要预先练习好的模子；如许的模子一旦安装，即便在不联网的情况下，也可以大概相应客户的查询。

虽然很多ToB公司都故意实验，但现实操纵的复杂性很高。例如，医药团体或医院，他们的数据管理需求庞大，一旦需要更新软件集成新的AI功能，整个过程将极为复杂。

别的，对项目负责人来说，他们要向老板表明，为什么要花大笔钱引入AI功能。

比如：

花2000万搞一个模子。听起来好像很锋利，我们有了AI能力，但现真相况可能让人以为，这不外是一个AI知识问答系统。这么看，总以为不太划算。

另有一点，即便企业引入一个模子，万一员工用不去来怎么办？那这笔钱不就打水漂了？于此，怎么算都不合适，当然，一些公司乃至连知识库都没有，更没须要引入AI能力了。

而SaaS模式，作为另一种形态，允许用户通过订阅方式付出费用，如飞书等协同工具。这种模式下，SaaS公司可以直接集成AI功能，乃至有能力绕过小模子公司，直接从大模子公司购买服务，举行流程改造。

在所有这些形态中，SaaS模式集成AI功能最为轻便，由于服务提供商可以在后端统一更新和维护AI功能，客户无需担心技能细节。

因此，从上到下看，提供AI办理方案的公司可能拿下一些订单，但真正让客户乐成的过程可能相称艰巨，付出与劳绩通常不成正比。

03

那么，有没有一种新的解法呢？有。不妨自下而上看。

我们要创建一个新认知：

在公司里使用AI，现实上，是找到了一个突破口，它紧张帮我们进步办事的服从，AI一样寻常用来增强已有的工作流程，而不是彻底重新开始。

什么是彻底开始？

即重新开始，完全重新制定某个事物的流程，不依靠任何现有的布局和操持；在工作流程或项目管理的语境中，这意味着放弃旧的方法和系统，接纳全新的方法来办理标题或实行任务。

比如说，一个公司本来使用一个非常传统的客户关系管理（CRM）系统。随着时间推移和业务的增长，这个系统无法满意公司的需求了。

公司决定不再对老旧系统举行修改或升级，决定重新开始开辟一个全新的CRM系统，这个新系统将使用最新的技能栈，设计更符合当代业务流程的功能，而且可以更好地集成最新的数据分析工具。

这就是一个“彻底开始”的例子。但是，你知道吗？AI颠覆流程再造的过程，AI大部分时间是在处理处罚人类已经很认识的工作，不消重复再造轮子。

什么意思呢？

当一个公司开始用AI模子时，这些模子得和公司自己的工作流程紧密团结。比如，有些公司在医疗或教诲范畴想用一些高级的大模子，但这过程可能会遇到很多困难。

由于每个公司的业务和流程都是特殊的，AI需要的数据也特殊，以是通用的大模子可能不太合适，在公司里要真正用上这些宽泛的理念，通常很难。

怎么办？这个时间，有一个小模子、小助手就好办了。

比如说：

中小企业的管帐通常用金蝶、用友、畅捷通这些软件。这些软件里已经存了很多数据；对于操纵员来说，他们只是想用AI的气力快速找到一个数据，大概得出一个结论就行了，不消去大改原来的软件。

以是，要把AI用到企业（ToB）的场景中，一个好方法是把复杂的业务流程分解成很多小任务，大概是具体的小场景，然后在每个小场景中用AI来帮助做改进。

我们还看到，像微软如许的OpenAI的投资方，以及作为CRM行业领头羊的Salesforce，他们并没有效AI开辟出全新的产物。

虽然他们不绝地为产物加上新功能的标签，但现实上，是在现有业务流程或产物功能中，使用大模子举行辅助和增强。

也就是说，它们把小模子，精炼成了一个助手，大概说一种增强能力，如许可以更好地融入并优化现有系统，而不是完全更换它们。

这有点像近来很多AI公司在PC端做的那些插件。你只要轻轻一滑鼠标，或按下快捷键，AI就能弹出来帮助。它们的焦点功能，是帮助我们做出更好的决定。

04

不信，你还可以思考下：对于ToB企业来说，真正需要AI来做什么？

颠末智远调研以为，他们紧张是用数据来帮助做运营、管理、决定和营销方面的决定。那么，对AI公司来说，怎么样才气做到既实用又省钱呢？关键就是要实现快速复制，用很低的资本覆盖多种场景。

怎么复制？

一个办法，把AI封装成一个智能体，它可以调用当地数据。这就是为什么Kimi Chat会降低缓存Cache的费用；由于把那些被频仍使用的当地文本存下来，可以帮助进步小助手的正确度。

但这里有一个标题，怎么做到既正确、又通用，同时资本还低呢？

对此，我们可以如许界说“高正确率”：业务能用就行，正确率富足高，纵然偶然堕落，用户也能辨认出来，而且能表明为什么会如许。

“低资本”则意味着项目初期的资本必须低，能在单一呆板上摆设，而且使用和维护都很简朴。现在很多大模子的硬件资本很高，假如公司还不确定能赚多少钱，肯定不愿意投入太多。

大模子的上风在于办理了早期AI算法的通用性标题。

理论上，一个模子可以应对所有场景；现实上，我们要对它举行微调。以是，我们将“高通用性”界说为可以大概实现工具化和自动化，如许就能大规模复制，实现低资本落地。

一个亿级大模子已经实现了高出95%的正确率，然后，我们从这个大模子衍生出一个小模子，把它封装成助手，如许就办理了使用入口的标题。

想象一下，大模子公司有一个超等强大的大模子办理方案，它就像一个父模子，支持着整个企业的广泛需求。

这个大模子特殊锋利，可以处理处罚复杂的数据分析，给出非常正确的见解。它特殊恰当需要大量盘算资源和举行大规模数据处理处罚的B端公司。但着实，并不是所有B端公司都要这么庞大的系统。

对于更多的中小型企业来说，一个更小、更专注的模子就富足了。我们可以视作大模子的“子模子”。

这些小模子从大模子中继承了焦点能力，但颠末了优化和调解，如许它们能更好地顺应具体业务需求和小规模的操纵情况。

小模子不消大模子那样多算力，而是专注特定的任务，可以大概根据差别需求调解，比如生成智能的分析报告大概举行智能分析。

这就使得资源有限的小型企业也能用上AI，进步工作服从和决定质量。

以是，小模子像从大模子中提炼出来的英华，它只要有根本的知识库能力就够，关键是把它做成一个小助手，嵌入到工具中使用。

万万不要以为这代表逻辑精确。颠末智远调研，现在已经有AI产物落地到了B端企业中；以是，对于TOB来说，AI应用场景，是智能体，是插件。

这么做另有一个优点即轻易交付，不消投入昂贵的资本。

总结

TOB AI，没走老路。

假如说小模子是TOB关键点，那么，将其做成智能体、小助手，就是连接TOB末了一公里的关键环节，毕竟，自下而上，是以人、以任务为中心，不是以软件为中心。