01
业界共识：AI应用是模型成功的关键。
百度CEO李彦宏认为，尽管C端开发很重要，但B端应用场景更能让大模型取得好成果。他预见在医疗、金融、教育等领域会开发出定制化智能体，未来智能体将达到百万级，形成庞大生态系统。
百度今年在多个领域中标17个项目，涉及大型国企和行业领头公司，金额可观。李彦宏认为AI应用要快速落地到智能体上。
Moonshot AI创始人杨植麟表示，他们不完全排斥B端，但主要专注C端。Kimi在AI领域已达到顶级流量和使用量，但高峰时段常因算力不足导致问题。为此，他们采取措施降低运营成本、提高效率，如通过缓存技术优化模型推理性能。
杨植麟认为，转向B端首先要解决算力问题，确保算力稳定是基础。
C端场景下AI市场竞争成本不断提高，推动许多AI公司重新评估市场战略。B端应用场景才是实现大模型深远影响和高效成果的关键领域，只有为企业实现真正降本增效，才能推动行业乃至整个产业进步。
02
智能体或AI、大(小)模型如何有效切入B2B领域？第一个办法是做B端上游。
B端上游即供应链源头。例如，医药公司有利用AI的需求和场景，但大模型公司难以直接切入。此时可考虑与医药公司使用的SaaS软件供应商合作，将AI加入现有软件产品，让医药公司在使用软件时顺利过渡到使用AI。
B2B软件有多种部署形态：
-
本地化部署：将软件安装在客户自己的服务器或设备上，让客户控制数据和安全。需定期升级，维护麻烦且成本高。在实现AI集成时面临挑战，尤其是预先训练好的模型。
-
SaaS模式：用户通过订阅方式支付费用。SaaS公司可直接集成AI功能，甚至绕过小模型公司直接从大模型公司购买服务进行流程改造。
SaaS模式集成AI功能最简便，服务提供商可在后端统一更新维护AI功能，客户无需担心技术细节。
从上到下看，提供AI解决方案的公司可能拿下一些订单，但让客户成功的过程可能相当艰难，付出与收获往往不成正比。
03
有没有新的解法？不妨自下而上看。
新认知：在公司使用AI实际上是找到突破口，主要提高做事效率，AI一般用来加强已有工作流程，而非彻底重新开始。
AI颠覆流程再造过程中，大部分时间处理人类已熟悉的工作，无需重复再造轮子。
当公司开始用AI模型时，这些模型需与公司自身工作流程紧密结合。通用大模型可能不太适合，因每个公司业务和流程都特别，AI需要的数据也特别。
此时，小模型或小助手更合适。例如，中小企业会计使用金蝶、用友等软件，这些软件已存储大量数据。操作员只想用AI快速找到数据或得出结论，无需大改原有软件。
要把AI用到企业(ToB)场景中，好方法是将复杂业务流程分解成多个小任务或具体小场景，然后在每个小场景中用AI帮忙改进。
微软和Salesforce等公司并未用AI开发全新产品，而是在现有业务流程或产品功能中利用大模型进行辅助和增强。
他们将小模型精炼成助手或增强能力，更好融入并优化现有系统，而非完全替换。这类似许多AI公司在PC端做的插件，轻滑鼠标或按下快捷键即可唤出AI帮忙，核心功能是帮助做出更好决策。
04
对ToB企业来说，真正需要AI做什么？主要用数据帮助做运营、管理、决策和营销方面的决定。
对AI公司而言，如何做到既实用又省钱？关键是实现快速复制，用很低成本覆盖多种场景。
一个办法是将AI封装成智能体，可调用本地数据。这就是Kimi Chat降低缓存Cache费用的原因，因为存储频繁使用的本地文本可提高小助手准确度。
但如何做到既准确、又通用，同时成本还低？