本文首发于“单仁行”公号，订阅“单仁行”公号

从企业家的角度探究商业本质

01

在4月17日举办的中国AIGC产业峰会上，《中国AIGC应用全景报告》正式出炉，报告里有几个重要数据值得我们关注。

今年中国AIGC（人工智能生成内容）的市场规模达到200亿，2030年达万亿规模；

B端产品80%实现营收，C端产品近50%以免费为主；

AI原生应用占比高于X+AI（任何场景加上AI），占比接近57%；

多模态（多种不同的模组组合）是大趋势，应用产品占比近50%；

AIGC产业投资资源向头部聚集，潜在资本重点看向应用层...

如果说做AI大模型是不计代价的原子弹工程，那么，把大模型做小，成为各个领域的应用就像是更加贴近现实需要的茶叶蛋。

从原子弹到茶叶蛋，中国的AI大模型似乎放弃了卷大模型的参数，而是大步踏向应用层面，这是好事，还是坏事？AI发展的下一步会落在何处？

02

首先，我们来听听单仁牛商董事长，央视凤凰评论员单仁博士的看法。

我们分几个层面来看。

首先我们要肯定一点，ChatGPT的发布，带动了全世界对AI的热潮。

特别是语言大模型能够生成大量的内容和优质的互动，对所有人来说，就像我们原来是在森林里漫无目的的寻找出口，现在就找到了一个非常好的突破口。

当然，这样的突破口不是妙手偶得之，OpenAI也是经过了四年多的摸索，从2016到2020年才找到方向，又用了近三年时间把它做了出来，这其实也是久久为功。

从未来来说，每个强大的经济体都必须要有自己的通用大模型，因为通用大模型是基础，是地基，AIGC的通用大模型是我们产出内容的重要基础的能力，也是后续很多应用重要的基础。

当然，支撑这么一个强大的AI大模型，必须要有算法，算力和数据的加持，这是三大核心。

特别是算力，算力就是AI大模型基础的燃料，美国有英伟达这样GPU供应商，未来我们一定也要有这样的算力，才能确保大模型和应用的发展。

当然，我们从推动整个行业发展的方向来说，未来专业的大模型，专业的AI应用，能够对社会产生非常强大的效能提升，真正去改善大众的方方面面。

就像我们前两天发布的文思子牙这样的专业营销大模型，这是中国第一个营销型AI。

它在通用大模型的基础上，借助于我们所在的专业角度，所选择的营销知识，同时再加上我们对企业方方面面的深度了解，再加上单仁牛商18年对网络营销重要的策略和整个理论的认知和经验，以及大量学员的实际数据，才能产生这样一个专业营销的AI应用。

让一个非专业的普通人，都可以去生成专家级的创意和非常具有营销力的视频。

所以，大模型是未来重要的基础，就像没有计算机就没有今天的电脑，就没有今天我们各种的应用，而应用就是产出的能力，

未来各种专业应用在各行各业不断的出现和延伸，才会产生非常多的价值，无论是创造更多的创意，效能的提升，还是进一步改变老百姓的生活方式，真正做到科技普惠。

我们再从现在AI大模型的发展模式来看，分为B端和C端的两种模式探索。

C端就是通用大模型，我们前面提到它需要很强的算力、算法和数据，而且，目标对象是针对大众化的C端个人用户。

那么，在早期的时候，大模型就一定不是以营收利润为主，而是要去大量培养用户使用AI的习惯，增加粘性，让它成为一个大众化的日常工具。

这需要非常大的投资，对一般的企业来说，可能是不可承受的压力，只有那些国家级的大公司才能去做，这是国家和巨头们的责任。

B端的核心是在应用上，一定不是通用大模型。

今天80%获取营收的B端产品都是垂直类的AI应用，只不过B端应用相对于C端来说，体量一定不如大众化的C端，价值空间也没那么高。

但是，B端有个好处，有非常多的应用场景可以去落地。

而且，在某些领域当中做的越早，数据就收集的越全面，越专业，然后经过不断地迭代，就可以持续放大这个应用在行业当中的专业性价值，形成自己的护城河。

这是未来AI大模型应用的一个重要逻辑。

也是为什么很多企业，包括百度的文心一言都逐渐厌倦在大模型，包括算力、数据、用户体量上的内卷，转而把方向投在了具体行业、具体场景的应用和工具上。

当然，这是一件好事，也是一件坏事。

好事在于说，大家变得更加理性，更加务实了，更加追求实际效果了。

那么，我们肯定会在应用方面有非常多的快速见效的机会，会主动改变很多行业现有的模式和效率。

但是，不好的地方在于哪里呢？

应用也需要大模型作为基础，它不是凭空产生的，同样需要夯实的地基。

那这个地基谁来搭建？

这就需要耐心，需要有前期更多的投入，甚至是有长远眼光的资本在背后加持，而这一点就是我们的弱项了。

本身我们在大模型上，距离OpenAI就有差距，投资机构不愿意投资，企业不愿意投资，大家没有足够的耐心，那以后我们的应用是不是都要建在OpenAI的地基上呢？

这是不是又回到了某一些领域的状态，产品应用是中国的，底层的框架是国外的？

我想，这是中国这方面不能缺少的地方。

03

接下来，资深投资人，单仁行专栏作者宋子老师的观点。

我们面对AI技术革命，很多人感觉无从入手，大部分人对AI的感知就是通用大模型，聊聊天，逗一逗AI。

我觉得有三点建议。

第一、给自己定位。

每波技术革命有三类人：

1、核心技术的先驱者，占比2%。像导弹的钱学森、原子弹的邓稼先、氢弹的于敏，ChatGPT的奥特曼，都是属于技术先驱者，这是绝大部分人可望而不可及的。

2、第二类是投资者，占比10%，类似投资openAI的马斯克、微软等，以及各类产业基金。

3、第三类是使用者，占比88%。这是我们绝大部分企业家朋友要干的事情。

AI是我们无法避免，必须要面对的技术革命浪潮，我们要给自己做好定位，这样才能充分发挥好自己的优势。

第二点：找到落地应用场景和对标。

AI在不同行业有不同的应用，最好、最快的学习方法，就是找到你所在行业，AI应用的对标。

以制造业为例，富士康首席数据官CDO史博士在直播分享了富士康有成百上千个不同的应用场景。

比如用在产品质检上的AI识图，用来安排生产的智能系统，AI会收集分析每个员工在生产线上的所有操作，因为每个人都会有个体技能上的差异，有些人手快，有些人活儿细，有些人节奏稳定，这些都可以通过数据收集到，然后系统化给出建议，某个员工的技能更适合某个岗位。

一条生产线上的职能有很多，过去如何分配工作，主要是靠组长或者工段长的个人判断，这对基层管理者的要求很高。

但有了AI之后，就可以用AI系统来分析某个员工的各种数据，然后告诉这个员工的优势是什么，更擅长哪个岗位。

富士康的AI应用，可以作为制造业的应用对标，在五年前，好未来也把类似的AI技术应用在K12教育，监测孩子上课的表现。

我的第三点建议，AI+Agent工作流提升效率。

谷歌大脑之父、前百度首席科学家、刚刚加入亚马逊董事会的AI大神吴恩达分享了他们团队编程的案例，对我很有启发。

单独使用GPT3.5的正确率是48%；单独使用GPT4的正确率是67.7%。

我们都知道GPT4的能力远远超过了GPT3.5，这个结果不让人意外，但吴恩达做了一个对比实验。

用GPT3.5加上一个Agent工作流的方式，GPT3.5的正确率飙升到了恐怖的95.1%。

这个案例说明，大模型+Agent工作流，就能把正确率只有48%的AI实习生，提升到95%的AI正式工。

工作流的目的是通过将工作分解成定义良好的任务或角色，按照一定的规则和过程来执行这些任务，并对其进行监控，达到更好的结果。

AI Agent的工作流更像是一个动态的、迭代的过程，AI Agent首先被赋予一个大致的任务，然后它会制定一个工作计划，执行计划中的任务，并在每一步中进行自我评估和修正。

这种工作流类似于人类在写作、编程或其他创造性工作中的思考过程，它允许AI Agent通过不断的迭代来优化其工作成果。

以单仁牛商刚刚推出的文思子牙为例，就是一个很好的视频文案创作的七步AI Agent工作流。

首先选择热点，比如最近小米发布汽车、华为推出Pura70手机。

第二步，文案创作，结合热点和自己公司产品卖点、定位，撰写不同类型和风格的文案。例如Pura70手机用到的升降摄像头，生产升降微电机的兆威机电公司，某公司的防水工艺，中国制造突破美国封锁等等。

接着，视频创作、矩阵发布、线索管理、数据分析、应用工具（违禁词检测）等等，完成全域矩阵营销从引流到询盘，到跟踪的整个工作流闭环。

对于一个中小企业来说，你组建这样的一个新媒体团队需要多少人？多少成本？培养需要多长时间？多少试错空间？

以违禁词检测来说，在新广告法中有关【最】字的形容词，违规罚款20万起步，最高100万。

我身边有不少企业家受到过有关部门的处罚，对于企业网站上千页、上百万字的文案、图片，人工检测几乎是无能为力的，只能通过AI来完成。

在文思子牙这个工作流中，多个AI Agent协同形成业务闭环，大幅度提升整体工作效率，降低成本，这就是我们AI大模型时代，中小企业家应该有的样子。

希望大家借助AI Agent工作流的思路，将AI应用落地进行到底。

—

责任编辑 | 罗英凡

本文图片均来源于网络