AI大家说 | AI落地的实践分享:从大模型盈利到新工作方式

从2019年成立至今，智谱几乎完整经历了大模型行业从冷清到狂热的全过程。我们看到，热潮背后是全行业共同的痛点：研发时是用巨额投入“开盲盒”。面对未知的回报，多数企业仍在“烧钱”求生——训练一个大模型，不仅要承担服务器、算力等直接成本，更要面对可能的训练失败带来的隐形成本。很多客户虽然对AI充满热情，但面对高昂的合作成本时往往犹豫不决。这种“投入多、产出少”的困境，让不少企业陷入了“烧钱—融资—再烧钱”的循环。

敏捷感知，快速迭代

历经数年的探索，我们相信，在大模型行业想要找到合适的商业模式，需要依托企业自身的资源禀赋与所处市场的需求特点来具体考量。综观全球，大模型市场已经跑出了四种成功的商业模式：

第一种是用户订阅制。以个人或中小企业用户为核心，通过月度、年度订阅费用提供模型使用权，主打“轻量化、低门槛”，是C端市场与中小微企业覆盖的主流路径。典型案例是OpenAI，其收入核心就来自应用的“按需付费”。

第二种是API服务模式。面向开发者与企业开放模型接口，按Token调用量计费，以低门槛接入和弹性计费推动生态扩展，是最标准化、可扩展的商业模式。Anthropic是该模式的全球标杆，其核心业务便围绕Claude系列模型的API服务展开。

第三种是定制化项目制。针对大型企业、央国企及政府机构等大客户的复杂需求，提供私有化部署的全流程服务，通常项目合同额高，需深度结合行业知识。Palantir是这一类的代表，它通过FDE（frontier deployment engineering）模式为大型客户提供定制化方案，让兼具技术深度与行业认知的工程师进入客户业务一线，既解决具体业务痛点，又能推动技术方案产品化，满足企业从数据处理到模型落地的全链路需求。

第四种是AI原生应用产品模式。聚焦垂直领域或通用场景，基于大模型构建AI agent等原生应用，直接服务终端用户，强调“场景化、功能化”。这类模式的代表企业多聚焦细分领域，例如专注AI编程的Devin、侧重垂直行业agent开发的Lovart等，通过“解决具体问题”实现商业闭环。

从市场需求出发，智谱选择结合API和项目制两种模式，另外又摸索出AI咨询这个创新盈利点。其中，MaaS API模式实现的是“开箱即用”，按调用量付费，追求灵活性，可随时更新优化；项目制模式则主要服务于需求复杂、数据安全要求高的大型企业及政府机构，深度适配其业务场景—如智谱与杭州城投合作，针对公交、路桥、应急、能源等重点业务场景，打造30余款专属智能体和20余款城投专属模型；AI咨询服务则是根据市场痛点创新的模式——很多大型企业有AI转型意愿，却缺乏清晰的落地路径：一线员工不会用模型，中层干部不懂如何结合业务，管理层找不到价值切入点，咨询的价值就在于帮客户发掘AI的应用场景，输出从0到1构建模型的能力。

可信赖AI的未来

商业模式的探索只是第一步，要实现持续盈利，还需要清晰的愿景引领和长远的技术规划。我们最初的愿景是“让机器像人一样思考”，这是科学家们朴素的技术追求。但随着服务的客户越来越多，我们逐渐意识到：技术不能脱离现实价值，更不能失去安全底线。因此，今年我们将愿景升级为“让机器像人一样思考，用可信赖的AI让人类更美好”，这既是对客户的承诺，也是对行业责任的践行。

我始终相信，没有“用户量”的模型不是好模型，没有“用户量”的产品不是好产品，没有“用户量”的行业不是好行业。过去几年，我们完成了两次关键跨越：先是将单独的代码模型与语言模型融合，让模型既能对话又能编程；再是将推理能力、智能体功能压入统一模型；明年，我们的核心目标是攻克模型自学习能力——让模型能够自主总结经验、迭代优化，大幅提升服务效率。

大模型的盈利难题并非无解，而是需要在技术投入与市场需求之间找到切入点，在快速迭代与长期主义之间把握节奏。盲目跟风不是解法，重要的是结合自身禀赋、适配中国市场，同时要对需求有敏锐的感知，实现商业模式的快速迭代和动态调整。

在深耕协同办公领域的十年里，我们见证了无数企业向数字化转型时所经历的阵痛。当AI浪潮席卷而来，我们相信，AI不是替代人的工具，而是打通“想法”与“做法”的桥梁。它能让个体的创意快速转化为组织的行动，打破部门间的壁垒，让企业的知识真正流动起来。在组织层面深度理解AI、运用AI，意味着真正用它去链接人、组织和物理世界，让想法落地。

AI驱动的新工作方式

过去，办公场景中充斥着大量重复性劳动：会议纪要靠手写整理、跨语言沟通依赖专业翻译、业务应用搭建需要专业开发者、信息检索要在海量文档中翻找。而一站式AI协同体系，正在驱动新工作方式成为现实——我们可以从连接、协同、效能、集成、创造力这五个维度来理解这一变革。以协同场景为例：

第一，AI能够连接组织内的“信息孤岛”。过去新员工入职，想要了解某个业务流程，可能需要请教多位老员工，有时还不得要领；跨部门协作时，查找一份合规文件往往要翻遍多个文件夹。现在通过AI，员工可以“一框问遍天下事”。比如制造企业的新员工询问MaaS流程，AI会自动整理公司内部最优SOP（standard operating procedure,标准作业程序），标注流程入口和关联应用，还能一键创建相关工作流。

第二，AI提高了创造力落地的效率。过去需要专业开发者编写代码才能实现的业务系统，现在用低代码甚至零代码的方式就能快速搭建，“人人都是开发者”，业务想法能快速转化为实用工具。

管理AI化：打造无边界学习组织

新工作方式的下一步，是组织协作逻辑的转变—当信息能主动流转、想法能快速落地，传统依赖人工监督、经验传承的管理模式，已经跟不上AI时代的协同节奏。那么，如何让这些高效的工作行为沉淀为组织的管理能力呢？

AI时代，企业能够真正实现知识在组织内部的无边界流动。

在知识管理方面，过去分散在老员工头脑里、部门文件夹中的知识——如公开数据、内部技术资料、规章制度、SOP等——纷纷能够被整合为统一的知识语料库，AI则负责知识的萃取、分发和流转。跨部门协作时，员工无需反复沟通就能获取所需知识；新员工入职，AI能加速知识消费，通过陪练让新员工快速上手。

在沟通方面，AI打破了语言和文化的壁垒。对跨国企业或有跨境业务的公司而言，语言障碍曾是协同的最大难题。现在，AI协同已经实现了多语言实时翻译功能。而在内部沟通中，AI也能精准捕捉会议核心要点、提取关键结论和待办事项，甚至对会议效果进行AI质检，判断培训是否按标准执行、关键信息是否传递到位。

通过将隐性知识显性化，AI驱动的管理能够真正打破“部门墙”，提升组织整体的协同效能，同时也正推动着组织形态的新变革。未来企业若想拓展新业务，不再需要大规模招兵买马，只要一个员工搭配10个AI agent，就能形成一个高效的创新单元。这是正在组织管理层面发生的变化。我们始终相信，技术的价值在于让人和组织更有力量，而协同能够带来改变。