作者丨黄泽正

编辑丨张丽娟

当国内大模型们终于开放TO C体验，并纷纷打出追平甚至赶超ChatGPT的口号，大模型浪潮的发源地硅谷，又在干什么？

答案只有两个字——赚钱。更具体些，是用大模型向B端赚钱。

微软依靠生成式AI能力，与全球四大会计事务所之一的毕马威签了个20亿美元的大单；谷歌基于Bard连续面向企业端发布了AI新产品，定价30美元，用户超过百万；Meta将开源大模型Llama 2与自身广告业务结合，股价在今年上涨超过140%……

除了大厂，硅谷创业公司和投资机构，也对“AI＋TO B”方向展现出了近乎疯狂的热情。

比如素有硅谷投资风向标之称的YC。近日，在YC第23届Demo Day（路演）活动中，项目申请数量达到24000份，而YC只录取了其中218家初创项目，录取规模是S20以来最低水平。在这优中选优的218个项目中，To B的AI项目成为了重中之重，录取数量达到103家，在录取的AI项目中占比74%。

隐退多年的YC创始人Paul Graham也忍不住称赞：“Y23孵化营的项目真的非常好。Garry（YC现任CEO）做的很好，这可能是我2014年退休以来，对YC最有信心的时候。”

上一回硅谷创业公司和顶级大厂同时卷向一个赛道的盛况，还是互联网时代。

反观国内一级市场，让大模型在企业服务端发挥更大作用的呼声，不能说没有。但理想与现实之间，似乎仍隔着一个太平洋。

在大洋彼岸的硅谷，微软通过“AI＋TO B”拿到了20亿美元的订单；SaaS巨头们正以十几亿美金的价格收购AI模型初创企业；“AI＋TO B”的初创企业如雨后春笋般涌现，并获得投资机构青睐。而在国内，大量投资人认为软件已经失去了投资价值，一篇题为《中国不需要SaaS》的雪球文章，在一级市场疯传……

这些差异似乎预示着一个严峻的现实，当国内大模型还在宣传终于追上了ChatGPT，硅谷已经把大模型的重点放到了TO B，并且开始赚钱了。

“AI＋TO B”真的能赚钱

简单来说，硅谷创投圈对“AI＋TO B”上头的直接原因，还是因为“AI＋TO B”真能赚到钱。

毕竟，强如大模型浪潮中风头最盛的公司OpenAI，最近也因为赚钱问题焦头烂额。

有海外媒体披露，OpenAI的CEO山姆·奥特曼计划奔赴阿联酋首都阿布扎比等地寻求融资，融资规模非常巨大，预计不低于1000亿美元。

同时根据Similarweb数据，近几个月ChatGPT的全球流量持续下降，6、7月份分别下降了9.7%和9.6%，浏览量从5月最高峰的19亿下降到了15亿。

“巨额融资＋流量衰退”让许多机构开始唱衰OpenAI，认为按照OpenAI的烧钱速度，微软的100亿美元将很快花完，如果没有其他大规模融资，OpenAI最快会在2024年宣布破产。

作为典型的硅谷式公司，OpenAI的创新能力无需多言。但考虑到大模型的巨大投入，OpenAI还需要证明自己的赚钱能力。

OpenAI选择的方式，就是推出ChatGPT企业版，通过“大模型＋SaaS”为企业服务，收取费用。

具体来说，OpenAI推出的ChatGPT企业版可以提供生成式AI能力，为企业提供GPT-4的无限制访问、高级数据分析功能和定制化选项等功能，其价格也并不固定，而是根据企业的需求定制付费。企业相当于雇佣了一个AI私人助理。

从客户反馈来看，包括雅诗兰黛、普华永道、Block、Canva等大型企业都提前试用了ChatGPT企业版的Beta版本，均取得了很好的反馈，也表现了很强的付费意愿。

山姆·奥特曼曾表示，今年OpenAI的目标是将收入提高到2亿美元（2022财年公司收入仅为3000万美元），并豪言称到2024年会创造10亿美元的收入。而这10亿美元的收入，很大程度上将会来自于企业服务。

除了OpenAI，其他生成式AI知名创企，也将变现希望寄托于“AI＋SaaS”。

比如核心团队同样出身OpenAI，现已市值已近百亿美金的Anthropic，也致力于研发为企业服务的生成式AI功能，甚至还提供为企业定制的大语言模型 (LLM)选项。

值得一提的是，Anthropic核心团队曾因技术理念与OpenAI不合出走，但如今却选择了相同的技术变现途径——“AI＋SaaS”。

如果说，以OpenAI为代表的AI独角兽企业，由于估值过高（超270亿美金）已经脱离了普通初创公司的范畴。大批新进入“AI＋SaaS”领域的硅谷初创企业，似乎更加证明了这一赛道的变现前景。

比如前文提到的YC第23届Demo Day（路演）活动，TO B的AI项目脱颖而出，不仅是YC等投资机构偏好，底层还是创业公司和创业者认可这一方向，导致相关项目数量众多。

据统计，在本次YC S23活动中，尽管项目数量是史无前例的24000份，但AI项目占比超过一半，TO B项目又在AI项目中占多数。

同时根据现场投票排名，TO B向的AI项目受喜爱程度几乎断档领先，排名前两位的分别为AI数据助手和帮助地产业ESG（企业可持续性）的“AI＋SaaS”项目。

换句话来说，从量大和质优两方面考量，“AI＋SaaS”都是硅谷创投圈的当红炸子鸡。想拿到融资，想完成变现的AI创业者，都得往“AI＋SaaS”上靠。

硅谷大厂，下场肉搏

需要明确的是，对“AI＋TO B”上头的不光创业公司，还包括一众硅谷大厂。

首先瞄准“AI＋TO B”的，是旨在服务B端客户的SaaS大厂，它们上头主要原因有两个：危机感＋适配性。

首先，大批AI硅谷创业者进入“AI＋TO B”领域，除了短期内可观的变现，还在于他们相信随着AI大模型与SaaS深度融合，SaaS的软件生产、服务流程、收费模式等底层逻辑将被彻底改变。届时，当前许多市值数百亿美金SaaS企业都将被彻底颠覆。

硅谷版大卫击倒歌利亚的故事也将再度出现。

面对硅谷“AI＋SaaS”创业如火如荼的态势，Salesforce和Databricks等SaaS服务大厂，已经产生了深深的危机感。他们解决危机感的方式颇为简单粗暴——运用钞能力开始疯狂买买买，补齐自已的大模型能力。

Databricks以13亿美元收购生成式AI初创公司MosaicML，并于7月19日完成交易。

这起收购案一出，硅谷纷纷感叹Databricks的财大气粗。因为MosaicML是一家非常年轻的AI公司，2021年成立于洛杉矶，员工只有62人。甚至在上一轮融资时，MosaicML估值还是2.2亿美元，也就是说，Databricks直接以6倍的价格完成了收购。

但Databricks的CEO Ali Ghodsi并不觉得收购溢价，他特别强调：“模型的成果与数据质量息息相关，作为数据服务商，Databricks最大的优势在于数据，而高质量数据能让MosaicML打造出色的垂直大模型，进一步帮助客户管理数据资产，因此这是一次1＋1＞2的结合。”

想基于原有SaaS业务，补充大模型能力的SaaS大厂，还有客户关系管理(CRM) 软件提供商Salesforce。

Salesforce宣布，将其生成式AI基金（Generative AI Fund）规模扩大一倍，从2.5亿美元扩大至5亿美元。

与此同时，Salesforce近期举办的年度盛会——Dreamforce大会，也直接变成了AI盛会。作为全球最大的SaaS行业从业者及投资人的聚会，今年的Dreamforce大会有1500+个演讲/活动，大约有1/4的标题包括AI，大部分会议的内容也都涉及AI。

用参会人员的话来说“从站台到合作伙伴的展台，大家讨论的主题都是AI和大模型。”

当然，SaaS大厂开始疯狂买买买，一方面固然是担心硅谷大卫们，用“AI＋SaaS”这块石头把自己丢死；另一方面，也在于大模型与SaaS业务存在天然适配性。

《SaaS创业路线图》作者吴昊，在参加完今年的Dreamforce大会后感叹：“AI大模型一定是未来的趋势，也会给SaaS带来革命性变化。”

让吴昊如此感慨的，是他全程旁听了一个AI SDR（销售开发代表）打电话给身边同行者，整个回答和交流非常顺畅，除了延迟1s没有其它bug的地方。而那1秒也是可以大幅改进的。

基于12年产品开发经验，吴昊还提出了一个大胆的猜想：以前SaaS是帮企业存储数据，以便统计，让用户自己做分析；将来会由AI来分析数据，指导员工的工作。“这无疑是一个革命性的变化，未来客户的付费意愿也会大幅提升。”

同样判断“AI＋SaaS”将是未来大趋势的，还包括一众老牌硅谷互联网大厂。近些年来，这些硅谷老牌巨头们，似乎更习惯以投资代替研发，以至于外界都在质疑硅谷巨头丧失了创新精神，得了大公司病。

但事实证明，硅谷巨头们按兵不动，可能真的是在等待某个特定时机。现在，随着“AI＋TO B”的风向标愈发清晰，硅谷老牌巨头们也罕见地亲自下场，加入了这场贴身肉搏。

微软将大模型能力融入office全家桶，发布Copilot；谷歌连续面向企业端发布了AI新产品，并将大模型融入搜索引擎、邮箱、地图、视频网站等谷歌全家桶；Meta发布开源大模型Llama，用AI能力服务广告商，帮助其撰写营销文案，生成广告概念图……

就目前来看，“AI＋TO B”提供的市场想象力，已经让硅谷大厂们收获了极高的回报。

比如手握OpenAI的微软，据国盛证券测算，Copilot、Bing Chat Enterprise在商业版的渗透率每提升25%，就将为微软带来超400亿美元的收入；谷歌在展示了自身“AI＋TO B”的产品后，股价应声涨超4%；更神奇的是Meta，在将公司重点从元宇宙转移到“AI＋TO B”后，Meta股价相较去年直接翻番。

可以说，在营收整体疲软的当下，“AI＋TO B”为硅谷巨头的股价，注入了一针强心针。

赶上了ChatGPT，竞争重点却变了？

与硅谷如火如荼的“AI＋TO B”态势形成鲜明对比的是——国内对大模型的讨论，似乎还落后一个版本。

在今年年初，百度CEO李彦宏还说：“文心一言和ChatGPT的水平差了两个月，但可以追赶。”王小川对此的评价是：“那我们估计不是一个平行世界的两个月。”

结果证明，直到大半年后，一众国产大模型才开放体验，而在宣传口径上，大家都赶上了ChatGPT。

问题在于，当国产大模型在问答方面，快马加鞭赶上ChatGPT后，硅谷公司却改变航道，将大模型竞争的重点放到了B端。

8月底，彼时还是阿里云董事长的张勇，邀请20多位中国大模型领域的顶尖人才，针对国产大模型的现状与未来进行了一次“顶流群聊”。

在聊到大模型与TO B结合的前景时，蓝湖创始人兼CEO任洋辉，Moka联合创始人兼CEO李国兴两人都用了一个非常带有宿命感的词——向死而生。

由于国内软件市场的根基和成熟度，与硅谷差异巨大，用户也尚未养成为SaaS服务付费的习惯。因此，尽管在办公、会议、营销、物流、分销、零售等众多领域，大量企业都在使用软件服务，市场也普遍认可SaaS的使用价值，但SaaS一直不是一门赚钱的好生意。

随着大模型浪潮汹涌而来，硅谷率先认定“大模型将重新定义企服软件的生产、使用和收费流程”，也隐藏着至少千亿美金级别的市场潜力，因此从创业公司到老牌巨头都开始卷向“AI＋TO B”领域贴身肉搏。

上文两位SaaS公司CEO认为，对处于后发地位的国产大模型公司来说，更应该拿出“向死而生”的态度，用“AI＋TO B”的方式同时解决国内SaaS公司难以盈利，大模型研发成本难以维系两个现实问题。

经过实践，这两位创始人发现“国内各行各业对在业务中加入大模型的需求，是非常强烈的。”蓝湖和Moka两家SaaS公司的产品，在接入大模型后，都获得了客户的认可，也真正收到了钱。

当然，“AI＋TO B”理论上可行，实践却并不容易。

比如出门问问创始人李志飞就提到，“通用大模型与TO B垂直大模型存在一定差异，鱼与熊掌不可兼得。”

具体来说，B端客户并不强求大模型的“大”，B端客户最后要的，只是能完成语言理解、多轮对话和数据分析等特定任务。因此，参数规模相对更小的垂直模型，从成本和响应速度来看，其实更适应B端需求。

问题是，参数规模到底多小才能既保证生成质量，同时压缩成本？模型训练的数据和算力从何而来？这些都是瞄准“AI＋TO B”的企业亟待解决的问题。

同时除开技术层面，更为严峻的是，当硅谷巨头们已经开始往“AI＋TO B”一路狂飙，国内一级市场的主流声音似乎还是“软件投资已经失去了价值。”

OpenAI CEO 山姆·奥特曼曾表示，ChatGPT只是大模型以聊天机器人的形式，对世界的一次简单亮相。在大模型狂飙大半年后，“AI＋TO B”所体现的使用价值以及变现能力，显然更贴近商业的底层逻辑，也更可能成为未来大模型竞争的重点。

而在TO C端终于赶上ChatGPT的中国大模型们，在TO B端似乎还远未达成共识。