随着科技的飞速发展，人工智能大模型正逐步成为企业数字化转型的关键驱动力。如果说2023年标志着AI大模型的崛起，2024年则是行业大模型应用遍地开花的一年，那么2025年，则预示着大模型将迈入大规模商业化应用的崭新阶段。这一年，对大模型公司而言，商业化成效将直接关乎其生死存亡。
面对企业对AI转型的迫切需求，如何提供一套涵盖底层基础设施、模型构建到应用平台的全栈解决方案，成为业界关注的焦点。神州数码董事长郭为对此进行了深度剖析。他指出，大模型在企业的应用，首要任务是重构企业流程。随着数字化转型的深化，企业对流程管理的需求已从静态转向动态，要求更高的业务敏捷性和流程效率。大模型的出现，打破了企业原有的线性流程，以多维方式重新构建业务流程，旨在提升决策精准度、营销效果和运营效率。
在郭为看来，数据已成为数字时代的新生产要素和核心资产，企业的服务和产品最终都将转化为数据资产，推动商业模式的不断创新与升级。而企业流程的重构，正是实现这一转变的关键所在。流程再造不仅是AI在企业应用中的难点，更是巨大的价值增长点。通过引入AI，企业能够显著提升效率和竞争力。
然而，大模型在商业化道路上仍面临两大挑战：专业性和泛化性。如何将AI技术融入企业的生产和业务流程，实现降本增效，是当前各行业企业共同面临的课题。上海人工智能实验室主任周伯文认为，人工智能的发展存在“高价值区域”，即如何让大模型在保持泛化能力的同时，精准解决专业问题。郭为则提出了“通专融合”的概念，强调大模型既需要具备泛化能力，又能深度适配特定行业和企业的专业化需求。
“通”指的是大模型应具备广泛的适用性，能够低成本地在不同任务间迁移；“专”则要求大模型针对不同行业、企业和业务流程，拥有充分的行业知识和专有语料数据。长江商学院会计学副教授张维宁比喻道，企业应用大模型就像招聘专业人员，需要高度专业性的大模型来确保确定性，这是大模型商业化的关键。
然而，现阶段大模型在专业性和泛化性方面仍存在不足。专业性方面，尽管大模型在自然语言处理等方面表现出色，但在医学、法律、金融等专业领域，其知识深度和准确性仍有待提高。泛化性方面，大模型在跨领域、跨专业应用时，其性能和适应性可能会受到限制。模型的鲁棒性和可靠性也是泛化性面临的挑战之一。
尽管如此，AI企业级服务市场已呈现出爆发趋势。IDC中国区副总裁钟振山表示，大模型市场正逐渐从基础测试、底层算力和平台搭建等方向，转向服务类的应用场景市场。IDC的调研分析显示，2024年中国市场已有三分之一的企业落地了生成式AI应用服务，到2030年，生成式AI将带来近20万亿美元的经济收入。
在实际应用场景中，助手类场景被认为是大模型最容易实现大规模商业化应用的领域之一。郭为以汽车营销为例，分享了AI大模型在该场景中的应用。通过利用大模型的能力，销售人员能够快速捕捉到客户的需求，为用户匹配到合适的车型，提高了交易效率。类似的应用场景还包括电商交易的售前、售中和售后等多个环节。
某头部电商品牌利用智能体技术，构建了意图识别的基础框架，通过整合大模型的能力和智能体工作流，实现了对电商购买者意图的精准识别。测试结果显示，项目的整体意图识别精准率和召回率已超过98%，显著优于原有的基于规则的问答系统。
在企业中，类似的场景还有很多。从卷参数到卷应用，大模型的市场竞争已进入下半场。如何做好大模型落地的最后一公里，成为众多AI公司和行业企业关注的焦点。助手类的大模型应用将在2025年迎来“百花齐放”的局面，如何平衡好泛化能力与专业性之间的天平，将成为企业重点探索的方向。
