在数字化转型的浪潮中，AI 正成为推动企业发展的核心动力。特别是生成式 AI，以其独特的内容创造和流程优化能力，为企业带来了前所未有的机遇和挑战。
前言：生成式 AI 正席卷我们的生活
生成式 AI 的核心在于其能够基于大量数据自主学习和生成新的模式、文本、图像甚至视频内容。随着深度学习算法的不断优化，这些模型的性能得到了显著提升。例如，OpenAI的GPT系列模型，尤其是最新推出的GPT-4o，不仅在处理速度上实现了质的飞跃，更在成本效益上取得了突破，成本降低了 75%，极大地推动了生成式 AI 的商业应用。国内大模型也不遑多让，字节跳动推出的豆包大模型，推理价格降低 99%，以其极低的价格和高效的性能，标志着AI技术进入了一个新的时代，即“厘时代”。在这一价格水平下，每小时客服聊天的推理成本仅为 0.058 元。极低的成本使得大语言模型的商业化应用变得更加可行，不仅对大型企业有利，也为中小企业提供了前所未有的机会。AI 项目的数量和关注度在近年来急剧上升，生成式 AI 的应用正在全面爆发，推动技术创新和行业变革。
根据 GitHub 数据，AI 项目数量从2020 年的不到 70 万左右，增长至 2023 年的 181 万。根据图表显示，从 2021 年下半年到 2024 年上半年，AI 应用用户数量呈现出惊人的增长趋势。2021 年下半年，AI 应用用户数量仅为 1,800 万，而到 2024 年上半年，这一数字已经飙升至 2.33 亿，增长了超过 12 倍。
在“目前评估或者使用生成式 AI 的进度如何”的调研之中，企业中高层已开始广泛了解和应用生成式 AI。在受访的 590 名企业中高层中，已有 21.0% 的人已开始小范围试点应用，26.3% 的人在大范围推广生成式 AI 应用，更有 6.4% 的人已将生成式 AI 应用整合到整体战略转型阶段。
在企业细分场景中，销售和营销是当前中国企业生成式 AI 落地的最热门的领域。
53% 的大企业开始落地生成式 AI 创新，但只有 9%的企业有预算支出。这个节奏与我在产品一线的体感一致：调研体验的客户很多，但转化成订单收入的金额还很少。企业应用采购流程本就复杂，尤其是 AI 这类前沿应用，愿意吃螃蟹的人毕竟是少数。正因为如此，AI 产品更应该深入到企业客户的全生命周期中，打磨产品体验和能力，让客户从中收益。
企业内部知识查找和答疑，是 CIO/CDO 心中最有价值的场景。
这与几个月前 A16z 在美国调研的数据相似。考虑到大模型的”幻觉“问题，现阶段企业更愿意先在企业内部做早期的验证和推广。
生成式 AI 正迅速渗透到零售、金融、汽车和医药等多个行业，为这些领域带来了创新的解决方案和商业模式。报告这部分是我认为对 AI 应用产品最有价值的地方，不仅对行业做了拆分，而且对行业中的细分场景做了详细的说明。从产品价值、企业投资预算到风险系数三个维度，对数据做了尽可能的量化。这些数据给 AI 产品的 PMF 以及后续的商业化策略提供了宝贵的行业场景视图。
例如你要做金融行业下的「保险 AI 虚拟培训」，首先它是降低了企业内保险销售的培训成本，间接提升了保险销售的转化，因此企业对于它的投入会是一个中等预算规模（20-50 万）。由于是对内销售赋能，应用的风险就要低很多，也许做到 90% 左右的准确率就足够，切入起来也更加容易。
不管你做的是通用 AI 产品，还是聚焦垂直赛道的 SaaS+AI 的应用，报告这一部分都值得你去花更多的时间去分析和思考。这篇报告还有不少篇幅是写给企业 CXO 看的，从生成式AI的落地挑战与应对策略角度，提供了企业人才梯队建设和安全合规的建议。里面夹杂了一些为字节火山引擎带货的成分。
瑕不掩瑜，纵观报告的前三章，图表的数据以及分析的结论还是非常客观的，能够为你的产品的演进策略、市场打法提供更宏观的视角。分析是一方面，行动又是另一方面。正所谓”纸上得来终觉浅，绝知此事要躬行“，AI 产品的成功都需要回到”是否为客户解决的他们的问题“这一核心问题上来。这也意味着，你需要直接与这些客户交谈，感受客户的感受，为他们构建产品。正如 SaaS 产品从 0 到 1 的艰辛历程：Atlassian 产品负责人独家揭密（下篇）讲的：更贴近你的客户，因为他们才是你的宏观。
粤ICP备14082021号
免费POC，
零成本试错
