大模型，有点像前几年火的ToB，不仅是要看自身的成熟度，也得看行业端的适配。 大模型的成本很高，商业化首先就要到合适的场景中，并且能够真正赚到钱，只有真正在AI应用场景中挣到钱，并且能够真正与行业适配，大模型才有商业化的竞争力。 能够承载大模型商业化的，只有降本需求更迫切的B端。 事实也的确如此，以商汤为例，在金融领域，商汤与银行、保险、券商等客户展开合作，利用数字人进行智能客服、智慧营销等工作，并通过接入大语言模型能力，提供投研分析、研报撰写等新功能，试图帮助银行金融机构降本增效。
在医疗领域，商汤中文医疗语言大模型大医，也能够提供导诊、问诊、健康咨询、 进一步来看，B端之外，未来的 希腊手机号码数据 大模型也可能会承载更多的商品和服务分发。 移动生态中，触达用户的方式其实就是网页、APP、小程序，那么未来的大模型生态中，如果用大模型来分发内容，那么流量的分发会更加去中心化。 实际上，一旦语言大模型成熟，并且有了足够多的用户习惯，那么，承载商品与服务分发的APP、小程序，可能就会被大模型取代。
也就是说，在ToB应用的阶段之后，未来大模型长期的价值和商业化机会，更多其实还是在C端。 只不过，以当下的视角来看，很难去定义AI应用的新场景，这就像是当你身处年代，你不可能预测到如今的微信、抖音崛起。 如今的大模型也同样如此。 结语 从公元元年到世纪，人类经济增长曲线几乎是平的，也只有在近三百年才出现工业革命，近几十年才有了信息技术。 人类历史上第一台计算ENIAC最初诞生，并不是用于个人计算，而是用于大量军用数据的计算，但数十年后，它却彻底改变了人们的生活方式。
| 
發表於 2024-5-12 14:18:22