國內(nèi)大煉模型之際，很少有人會將大模型與中小企業(yè)這兩個(gè)標(biāo)簽結(jié)合起來。

畢竟，入局大模型的廠商們，當(dāng)務(wù)之急是打造一個(gè)中國版ChatGPT，為此要投入大量的人力物力和財(cái)力。

這種資金技術(shù)密集型的產(chǎn)業(yè)，通常很難與資金鏈薄弱、缺少人才和技術(shù)的中小企業(yè)相結(jié)合。

然而，回歸到第一性原理，大模型作為一種全新的AI范式，ChatGPT的出現(xiàn)不亞于一次新的技術(shù)革命，對各行業(yè)將產(chǎn)生顛覆性影響。

不論是大模型廠商、數(shù)字化解決方案商，還是中小企業(yè)，都將從這次技術(shù)革命中受益，原有的市場關(guān)系、格局也隨之變化。

一、大模型之于中小企業(yè)：一次影響深遠(yuǎn)的技術(shù)平權(quán)

過去幾年，以人工智能、大數(shù)據(jù)為核心的數(shù)字化解決方案難以落地到中小企業(yè)，難點(diǎn)之一是成本太高。

傳統(tǒng)的AI模型訓(xùn)練方式，從數(shù)據(jù)歸集到模型訓(xùn)練、調(diào)優(yōu)，是一個(gè)很長的周期。

這個(gè)過程中，不論是數(shù)據(jù)標(biāo)注、訓(xùn)練、調(diào)優(yōu)等等，都離不開算法工程師的校正，即便模型訓(xùn)練完畢并且實(shí)現(xiàn)應(yīng)用，后續(xù)的運(yùn)維工作也需要懂AI技術(shù)的人才能勝任。

如此一來，AI方案的部署成本極高，中小企業(yè)不可能斥巨資購買服務(wù)，也不會專門養(yǎng)一個(gè)技術(shù)團(tuán)隊(duì)進(jìn)行產(chǎn)線改造和維護(hù)。

基于此，在中小企業(yè)數(shù)字化轉(zhuǎn)型過程中，方案商和中小企業(yè)之間陷入了一場違背初心的對抗：

方案商想賣方案，中小企業(yè)想買方案，一邊有供給，一邊有需求，但交易條件受限。

中小企業(yè)覺得方案太貴，買不起；方案商則認(rèn)為方案已是成本價(jià)，完全不掙錢，不能再降價(jià)。

大家起初都想把事做好，一起賺錢，做大做強(qiáng)。但接觸以后才發(fā)現(xiàn)，市場交易條件很難達(dá)到均衡，方案商給企業(yè)做方案要定制，成本降不下來，而企業(yè)覺得方案太貴，用不起。

雙方的合作始于技術(shù)引領(lǐng)行業(yè)變革的熱忱，卻因成本背道而馳，中小企業(yè)數(shù)字化轉(zhuǎn)型最終落得一地雞毛。

業(yè)界也并非沒有探索降低AI部署成本的可能性，比如一些公司研究的小樣本學(xué)習(xí)、自動機(jī)器學(xué)習(xí)等，通過減少數(shù)據(jù)量、數(shù)據(jù)自動標(biāo)注、模型自訓(xùn)練等方式，來解決碎片化場景數(shù)據(jù)量少、部署成本高、效率低的問題。

但對于中小企業(yè)而言，即便如此，購買AI方案的成本依然很高，并沒有達(dá)到能夠讓他們愿意付費(fèi)的奇點(diǎn)。

一套方案賣500萬和賣300萬，對于中小企業(yè)來說，沒什么區(qū)別，反正都用不起。但如果是30萬，那么企業(yè)愿意嘗試的概率就會更高。

大模型的出現(xiàn)，則提供了一種全新的范式：技術(shù)供應(yīng)商將模型以接近成品的方式交付給企業(yè)，企業(yè)根據(jù)自身需求以及掌握的數(shù)據(jù)去訓(xùn)練模型，從而打通模型應(yīng)用的“最后一公里”。

對于中小企業(yè)而言，這無異于一次技術(shù)平權(quán)。

原本資金、技術(shù)密集型的AI技術(shù)，需要由AI公司做定制化方案，這種一站式交付的方式成本極高，且技術(shù)本身并不掌握在自身手中。

大模型則改變了這種成本高昂且不對等的現(xiàn)象，模型訓(xùn)練將不再是AI公司的專屬，中小企業(yè)的技術(shù)團(tuán)隊(duì)只需要調(diào)用大模型的接口，加入數(shù)據(jù)進(jìn)行訓(xùn)練，就能生成符合自身業(yè)務(wù)需要的方案和應(yīng)用。

此模式下，中小企業(yè)能夠以更低的成本享受到此前高昂的AI技術(shù)服務(wù)。并且，自家數(shù)據(jù)訓(xùn)練出來的模型，效果更佳且安全可靠，數(shù)據(jù)本身也保留在內(nèi)部庫中，泄露風(fēng)險(xiǎn)更小。

一言以蔽之，大模型降低了中小企業(yè)利用AI的門檻，利用AI技術(shù)來挖掘數(shù)據(jù)價(jià)值。

亦即，大模型技術(shù)浪潮下，中小企業(yè)正在快速逼近數(shù)字化轉(zhuǎn)型的奇點(diǎn)。

二、從SaaS到MaaS，新的商業(yè)機(jī)會正在涌現(xiàn)

ChatGPT爆火之后，微軟率先在其辦公軟件Office365上接入了ChatGPT的能力，掀起辦公軟件革命的風(fēng)潮。

緊接著，在搜索、電商等領(lǐng)域，GPT應(yīng)用全面開花，大有燎原之勢。

這種模式和此前的一些AI應(yīng)用類似，本質(zhì)上都是SaaS（軟件即服務(wù)），提供應(yīng)用軟件然后收取服務(wù)費(fèi)。二者之間的區(qū)別在于，疊加了GPT能力之后，工具更強(qiáng)、效率更高。

在中小企業(yè)數(shù)字化轉(zhuǎn)型過程中，很多方案商也支持SaaS部署。比如樹根互聯(lián)、魯邦通、蘑菇物聯(lián)等廠商，提供的低代碼平臺，讓企業(yè)能夠快速地基于平臺構(gòu)建符合業(yè)務(wù)需要的應(yīng)用。

但SaaS的不足之處在于，這是一個(gè)相對標(biāo)準(zhǔn)化的產(chǎn)品，即便能夠針對具體的細(xì)分場景做定制，仍然存在兩個(gè)問題：

• 定制需要額外的成本；

• 方案商很難拿到有效的數(shù)據(jù)來訓(xùn)練模型，迭代應(yīng)用，導(dǎo)致訓(xùn)練效果欠佳。

許多細(xì)分行業(yè)，數(shù)據(jù)作為一種核心資產(chǎn)，企業(yè)并不愿意開放給方案商做訓(xùn)練，一是憂慮數(shù)據(jù)安全，二是擔(dān)心數(shù)據(jù)共享給第三方很容易威脅到公司的核心競爭力。

以此為背景，MaaS（模型即服務(wù)）應(yīng)運(yùn)而生。

與SaaS類似，MaaS更接近于提供一個(gè)強(qiáng)大的基礎(chǔ)能力組件，企業(yè)可以基于大模型構(gòu)建屬于自身的場景應(yīng)用。

二者之間的區(qū)別在于，如果說SaaS是拎包入住，MaaS則是一間空房，最后一公里的設(shè)計(jì)，由用戶自己把控。

這種模式下，方案商和中小企業(yè)，將從中受益，實(shí)現(xiàn)共贏。

首先，中小企業(yè)部署數(shù)字化方案的成本將進(jìn)一步下降，并且保留了更多話語權(quán)，畢竟數(shù)據(jù)這一核心資產(chǎn)掌握在企業(yè)手中，除了利用技術(shù)構(gòu)建應(yīng)用的可操作空間增大以外，數(shù)據(jù)安全也得到保證。

其次，從方案效果的角度出發(fā)，模型訓(xùn)練應(yīng)該以數(shù)據(jù)為核心，而中小企業(yè)更靠近場景、業(yè)務(wù)和數(shù)據(jù)。如果能在數(shù)據(jù)源頭做訓(xùn)練，不但可以避免數(shù)據(jù)的流轉(zhuǎn)成本和安全性問題，方案商也能節(jié)約成本去了解業(yè)務(wù)。

最后，在成本更低、安全性更高的基礎(chǔ)上，企業(yè)也更愿意嘗試新的技術(shù)和方案，整個(gè)數(shù)字化解決方案市場基本盤在持續(xù)擴(kuò)大，對方案商來說也是一件好事。

當(dāng)MaaS開始以全新的業(yè)務(wù)模式來服務(wù)中小企業(yè)，市場出現(xiàn)新的商業(yè)機(jī)會，原有的業(yè)務(wù)、商業(yè)模式將被重構(gòu)，中小企業(yè)數(shù)字化轉(zhuǎn)型過程中的相關(guān)方，都面臨著一次深刻的變革。

三、大模型并非萬能，市場需要更多專業(yè)玩家

大模型改造中小企業(yè)的故事很性感，但距離落地還有很多問題要克服，解決方案商也不會被大模型廠商取代。

樹根互聯(lián)聯(lián)合創(chuàng)始人、CEO賀東東表示，中小企業(yè)數(shù)字化轉(zhuǎn)型剛剛開始，本身的業(yè)務(wù)數(shù)字化程度較低，數(shù)據(jù)要素非常缺乏，對于模型訓(xùn)練而言，這是很大的難點(diǎn)。

因此，中小企業(yè)的當(dāng)務(wù)之急是先把數(shù)字化做好，把業(yè)務(wù)通過數(shù)據(jù)解耦之后，才能利用數(shù)據(jù)產(chǎn)生新的業(yè)務(wù)價(jià)值。在此基礎(chǔ)之上，再談用大模型技術(shù)改造業(yè)務(wù)才具備可行性。

魯邦通云與數(shù)字化服務(wù)中心CTO楚寧志認(rèn)為，大模型在某種程度上可以視為一次技術(shù)平權(quán)的機(jī)會，開啟了利用AI技術(shù)的新途徑，可以幫助那些欠缺AI技術(shù)的中小企業(yè)更快實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

但這并不意味著中小企業(yè)對方案商數(shù)字化轉(zhuǎn)型的依賴會減弱，大模型在解決具體場景業(yè)務(wù)問題上還存在局限，需要經(jīng)驗(yàn)豐富的方案商在深入了解企業(yè)需求的基礎(chǔ)之上提供個(gè)性化的解決方案來彌補(bǔ)。

方案商可以幫助企業(yè)制定整體戰(zhàn)略、解決技術(shù)實(shí)施中的難題，并提供持續(xù)的技術(shù)支持，這些很難被大模型替代。

蘑菇物聯(lián)工業(yè) AI 首席科學(xué)家周子葉也表示，大模型并非萬能，有其自身的局限性和風(fēng)險(xiǎn)，比如數(shù)據(jù)安全、可解釋性、調(diào)試部署等。

并且，大模型的本質(zhì)是工具和資源，并不是目標(biāo)和結(jié)果，而中小企業(yè)的數(shù)字化轉(zhuǎn)型是一個(gè)過程，除了技術(shù)要素以外，轉(zhuǎn)型方向、規(guī)劃、評估等等，這些都需要方案商提供專業(yè)的指導(dǎo)和服務(wù)。

總而言之，從中小企業(yè)數(shù)字化的階段性出發(fā)，大模型作為一種全新的技術(shù)，對方案商來說并非威脅，反而是機(jī)會。

以低代碼平臺為例，傳統(tǒng)的低代碼服務(wù)通常是基于規(guī)則和模板進(jìn)行快速部署和應(yīng)用落地。AI大模型的出現(xiàn)則提供了更多的技術(shù)和工具，可以進(jìn)一步提升低代碼服務(wù)的效能。

AI大模型可以通過深度學(xué)習(xí)和大數(shù)據(jù)分析，自動學(xué)習(xí)數(shù)據(jù)的特征和規(guī)律，根據(jù)實(shí)際需求生成相應(yīng)的代碼和模型，從而更好地發(fā)掘數(shù)據(jù)中的潛在價(jià)值，并轉(zhuǎn)化為實(shí)際的業(yè)務(wù)應(yīng)用，進(jìn)一步提升數(shù)字化方案服務(wù)質(zhì)量和效果。

此外，大模型的集成和協(xié)作能力，可以與企業(yè)已有系統(tǒng)、數(shù)據(jù)源、API等的快速對接和打通，形成有效的資產(chǎn)管理和復(fù)用，提升低代碼的可擴(kuò)展性和可集成性。

對于方案商而言，大模型代表的新技術(shù)，也正推動方案商自身變革。

一方面，方案商要提供專業(yè)化、定制化的大模型解決方案，以滿足中小企業(yè)在不同行業(yè)、不同場景的數(shù)字化轉(zhuǎn)型需求；另一方面則要提供更加完善的大模型工具鏈，進(jìn)一步降低使用大模型的門檻和成本。

只有方案有效加上成本可控，才能打開中小企業(yè)的數(shù)字化轉(zhuǎn)型市場。

結(jié)語

“不敢轉(zhuǎn)、不能轉(zhuǎn)、不會轉(zhuǎn)”一直是壓在中小企業(yè)數(shù)字化轉(zhuǎn)型頭上的三座大山。

大模型的出現(xiàn)無異于提供了一把推翻大山的銳利武器，為中小企業(yè)提供了更易于使用和集成的工具。

在降低數(shù)字化轉(zhuǎn)型門檻的同時(shí)，企業(yè)可以通過利用行業(yè)和企業(yè)小數(shù)據(jù)在大模型上微調(diào)，使模型更加精準(zhǔn)地服務(wù)具體應(yīng)用場景，提高數(shù)字化轉(zhuǎn)型效能和效果。

從本質(zhì)上看，大模型將從根本上降低中小企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的成本和復(fù)雜度。

但具體到轉(zhuǎn)型步驟，從業(yè)務(wù)流程的數(shù)字化到數(shù)據(jù)的訓(xùn)練使用，再到某個(gè)業(yè)務(wù)，最后到整個(gè)生產(chǎn)經(jīng)營的全流程數(shù)字化，涉及面非常廣，中小企業(yè)的轉(zhuǎn)型仍然長路漫漫。

顯然，中小企業(yè)推翻三座大山的戰(zhàn)役，才剛打響。雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。