在探讨大模型业务的潜力与挑战时，李开复先生曾预言AI技术的革新将引领我们进入一个全新的时代，其影响力将是移动互联网的十倍。 然而，随着AI技术的深入发展，我们也必须清醒地认识到，这一领域的商业化之路并非一帆风顺。 1. 大模型的落地挑战：在企业级市场（toB），大模型的实际应用并非易事。真正的落地往往需要依赖于复杂的内部API调用和工具的整合，这些工作往往需要深厚的工程开发背景。在这种情况下，外包团队或许能够提供一定的帮助，但真正的挑战在于如何将大模型与企业的具体业务流程无缝对接。 2. 大模型的实用性质疑：市场上的一些大模型产品，如Copilot，虽然在降低成本和提高效率方面有所宣传，但往往缺乏具体的业务转化率数据。这种模糊的宣传方式可能会让人质疑其真正的商业价值。 3. toB内容直播的可行性：在面向toB金融业务的客户群体中，传统的线下销售方式已经面临诸多挑战。在这种情况下，尝试通过AI数字人进行直播可能并不是一个明智的选择，因为它可能无法解决根本的市场需求问题。 4. 流水线作业中的大模型应用：在业务流程中，大模型可能在某些特定环节发挥关键作用，如初步审核。然而，期望大模型完全取代人工审核是不现实的，这种单点突破的策略可能更为有效。 5. 大模型商业化的困境：当前，大模型领域的一些领军企业正面临人才缩减、战略迷茫、市场定位不明确等问题。这些挑战表明，大模型的商业化之路充满了不确定性。 我们也必须认识到，技术的落地和商业化是一个复杂的过程，需要企业、开发者和市场参与者共同努力，以实现技术的真正价值。