大模型帶來的「技術平權」，能否普惠到中小企業(yè)數(shù)字化轉(zhuǎn)型？

本文作者：高秀松

2023-07-27 12:18

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

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

畢竟，入局大模型的廠商們，當務之急是打造一個中國版ChatGPT，為此要投入大量的人力物力和財力。

這種資金技術密集型的產(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)，都將從這次技術革命中受益，原有的市場關系、格局也隨之變化。

一、大模型之于中小企業(yè)：一次影響深遠的技術平權

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)，難點之一是成本太高。

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

這個過程中，不論是數(shù)據(jù)標注、訓練、調(diào)優(yōu)等等，都離不開算法工程師的校正，即便模型訓練完畢并且實現(xiàn)應用，后續(xù)的運維工作也需要懂AI技術的人才能勝任。

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，也不會專門養(yǎng)一個技術團隊進行產(chǎn)線改造和維護。

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；方案商則認為方案已是成本價，完全不掙錢，不能再降價。

大家起初都想把事做好，一起賺錢，做大做強。但接觸以后才發(fā)現(xiàn)，市場交易條件很難達到均衡，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引領行業(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習、自動機器學習等，通過減少數(shù)據(jù)量、數(shù)據(jù)自動標注、模型自訓練等方式，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，并沒有達到能夠讓他們愿意付費的奇點。

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：技術供應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)去訓練模型，從而打通模型應用的“最后一公里”。

對于中小企業(yè)而言，這無異于一次技術平權。

原本資金、技術密集型的AI技術，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，模型訓練將不再是AI公司的專屬，中小企業(yè)的技術團隊只需要調(diào)用大模型的接口，加入數(shù)據(jù)進行訓練，就能生成符合自身業(yè)務需要的方案和應用。

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技術服務。并且，自家數(shù)據(jù)訓練出來的模型，效果更佳且安全可靠，數(shù)據(jù)本身也保留在內(nèi)部庫中，泄露風險更小。

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技術來挖掘數(shù)據(jù)價值。

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

二、從SaaS到MaaS，新的商業(yè)機會正在涌現(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潮。

緊接著，在搜索、電商等領域，GPT應用全面開花，大有燎原之勢。

這種模式和此前的一些AI應用類似，本質(zhì)上都是SaaS（軟件即服務），提供應用軟件然后收取服務費。二者之間的區(qū)別在于，疊加了GPT能力之后，工具更強、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建符合業(yè)務需要的應用。

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

定制需要額外的成本；
方案商很難拿到有效的數(shù)據(jù)來訓練模型，迭代應用，導致訓練效果欠佳。

許多細分行業(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練，一是憂慮數(shù)據(jù)安全，二是擔心數(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）應運而生。

與SaaS類似，MaaS更接近于提供一個強大的基礎能力組件，企業(yè)可以基于大模型構建屬于自身的場景應用。

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，最后一公里的設計，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，實現(xiàn)共贏。

首先，中小企業(yè)部署數(shù)字化方案的成本將進一步下降，并且保留了更多話語權，畢竟數(shù)據(jù)這一核心資產(chǎn)掌握在企業(yè)手中，除了利用技術構建應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)，模型訓練應該以數(shù)據(jù)為核心，而中小企業(yè)更靠近場景、業(yè)務和數(shù)據(jù)。如果能在數(shù)據(jù)源頭做訓練，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。

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

當MaaS開始以全新的業(yè)務模式來服務中小企業(yè)，市場出現(xiàn)新的商業(yè)機會，原有的業(yè)務、商業(yè)模式將被重構，中小企業(yè)數(shù)字化轉(zhuǎn)型過程中的相關方，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)務數(shù)字化程度較低，數(shù)據(jù)要素非常缺乏，對于模型訓練而言，這是很大的難點。

因此，中小企業(yè)的當務之急是先把數(shù)字化做好，把業(yè)務通過數(shù)據(jù)解耦之后，才能利用數(shù)據(jù)產(chǎn)生新的業(yè)務價值。在此基礎之上，再談用大模型技術改造業(yè)務才具備可行性。

魯邦通云與數(shù)字化服務中心CTO楚寧志認為，大模型在某種程度上可以視為一次技術平權的機會，開啟了利用AI技術的新途徑，可以幫助那些欠缺AI技術的中小企業(yè)更快實現(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)務問題上還存在局限，需要經(jīng)驗豐富的方案商在深入了解企業(yè)需求的基礎之上提供個性化的解決方案來彌補。

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

蘑菇物聯(lián)工業(yè) AI 首席科學家周子葉也表示，大模型并非萬能，有其自身的局限性和風險，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，并不是目標和結(jié)果，而中小企業(yè)的數(shù)字化轉(zhuǎn)型是一個過程，除了技術要素以外，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)的指導和服務。

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，對方案商來說并非威脅，反而是機會。

以低代碼平臺為例，傳統(tǒng)的低代碼服務通常是基于規(guī)則和模板進行快速部署和應用落地。AI大模型的出現(xiàn)則提供了更多的技術和工具，可以進一步提升低代碼服務的效能。

AI大模型可以通過深度學習和大數(shù)據(jù)分析，自動學習數(shù)據(jù)的特征和規(guī)律，根據(jù)實際需求生成相應的代碼和模型，從而更好地發(fā)掘數(shù)據(jù)中的潛在價值，并轉(zhuǎn)化為實際的業(yè)務應用，進一步提升數(shù)字化方案服務質(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)管理和復用，提升低代碼的可擴展性和可集成性。

對于方案商而言，大模型代表的新技術，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。