C 端太卷，转战企业级应用，大模型与业务场景之间的差距到底有多大？

To B  or not To B，放到今天的大模型市场，依然是个可以无限议论的话题。

“to B 端的 AI 为企业提供的是更全局性的对生产力和生产效率的认知。由于个人对 AI 的拥抱程度千差万别，to C 端的 AI 工具往往难以满足企业对全局业务提效的需求。比如，同样是 100 个设计师或文案，可能只有 10% 会用 C 端产品积极求变，而企业级 AI 可以让全员 100% 使用 AI 提效。”在日前的一场媒体交流会上，微盟集团 AI 负责人裘皓萍对外阐释大模型 to B 端应用的价值。

从微盟自身的实践来看，自 2023 年 5 月发布以来，微盟大模型应用产品 WAI 通过开源自研以及与国内大模型平台展开合作，不断迭代其技术能力与应用场景。在 SaaS 场景下，截至 2024 年 5 月，微盟 WAI 已拓展超 50 个真实商业应用场景，覆盖包括服饰饰品、美妆护肤、食品酒水、生鲜水果、日用百货等行业。

而在营销方面，WAI 提供包括广告物料制作、广告精准投放、直播数字人等多维度 AI 技术支持，其智能创作能力已覆盖全域营销场景。

如今，微盟正在探索“WAI 企业版”，开始发力企业级 AI 服务。在微盟看来，经过这一年多的落地实践，依托于成熟的 SaaS 系统，AI 技术在企业级服务中具备很大的发展空间。

把场景拆散揉碎，做企业级 AI

今年 5 月，微盟宣布已与国内十余家大模型厂商达成合作。微盟 WAI 已全面接入包括腾讯混元、百度文心一言、智谱 AI、商汤日日新、月之暗面 Kimi、阿里通义千问、科大讯飞星火在内的主流大模型平台。

事实上，相比 to C 端产品，企业级 AI 面临的场景和解决的问题会更复杂。

微盟 WAI 技术负责人左江华在受访时指出，“在企业级 AI 场景中，从文生文到文生图往往涉及到多个大模型的联动。因此，企业级 AI 是把各种场景拆散揉碎后，基于不同细分场景用 AI 去实现提效。相比 C 端产品，企业级 AI 最大的区别在于要搭建 SOP 做流程。”

具体而言，个人版 AI 通常提供的是基础能力，依赖于预训练模型来完成任务。例如，以 GPT 为例，个人版 AI 主要用于与用户对话，并根据上下文生成回应。如果用户需要生成一张图像，个人版 AI 可能会通过不同的模型联动来完成这一任务。尽管这些功能在一定程度上可以满足个人用户的需求，但在复杂的商业场景中，单一的模型和简单的联动往往难以实现理想的效果。

而为企业用户开发设计的 AI 应用不仅仅依赖于一个模型或一种 AI 技术，例如，在设计一张商品海报时，为企业用户开发设计的 AI 应用涉及多个步骤和多种 AI 技术的结合：

1. 商品分类识别：识别用户上传的商品分类。

2. 图像位置检测：确定图片在画面中的位置。

3. 自动抠图：自动将商品图像从背景中抠出。

4. 提示词生成：利用商品标题和分类信息，由语言模型补充生成提示词。

5. 风格适配：根据特定场景（如母亲节、大促销等），通过设计师经验和行业经验，将彩带、礼盒等元素融入海报中。

6. 整体优化：确保图片的整体风格、内容和尺寸符合商城海报的要求。

左江华强调，除了流程的精细化，为企业用户开发设计的 AI 应用的优势还在于技术的不断升级。一方面，模型能力在提升，大模型的参数量会不断增加，模型对提示词的理解能力也在这个过程里不断增强。另一方面，引入新的技术方案，比如使用形状控制网络、风格背景控制网络和光影控制网络等多种控制网络，综合解决图像一致性、位置和结构等问题，不断提升生成图片的质量和效果。

抵达客户场景不止“一公里”

据介绍，过去一年微盟 WAI 的迭代工作里，prompt engineering（提示工程）只是基础工作之一。如上文所述，微盟还进行了大量与中间层相关的工作。

“如果永远停留在 prompt engineering，可能就没有很好的前途的。”左江华表示。

裘皓萍进一步指出，最初的 3-4 个月，团队确实集中精力于 prompt engineering，但随着 WAI 产品的内测和上线，在被用户在部分场景“啪啪打脸”后，他们便迅速修正了策略和方向。

“如果在去年我们判断还差最后一公里用 Prompt engineering 就能解决问题，那我觉得在今年看可能差了 10～20 公里。”裘皓萍表示，Prompt engineering 的作用在于将通用大模型输送给客户，但这种方式较为粗暴，且作用有限。微盟在过去一年解决的主要问题是如何让大模型及其配套设施真正应用到客户的实际场景中。

作为系统服务商和应用开发商，微盟如今寄予“WAI”的定位是博采众长，通过打通三方系统，整合多方大模型，让 AI 深入融入客户的业务流程，甚至帮助客户创建新的业务流程。

此外，通过 AI Agent，WAI 还能进一步帮助客户可以开发私有模型，沉淀自己独有的知识和风格需求。

如何应对高预期与现实的差距

不过，WAI 在推向客户的过程中也的确存在不少挑战。裘皓萍坦言，当前大环境不佳，客户对预算的把控非常严格。如果是五六年前的市场环境，AI 商业化所面临的挑战可能不会像今天如此艰巨。

如今，客户对价值的要求和投入产出比的精打细算成为首要目标，尽管如此，裘皓萍亦认为，未来十年或许会是最佳的时机。

除了大环境的影响，裘皓萍提到的另一大挑战在于客户对 AI 大模型的预期和实际落地效果之间存在差距，而微盟要做的就是不断弥合当中的差异。

由于客户在与大模型互动时，很多时候不知道该如何准确表达自己的需求，导致大模型生成的结果不符合预期。为了应对这个问题，微盟 AI 团队花费了大量时间去开发辅助工具和模板，让客户可以更直观地传达他们的需求。例如，通过预设的节气、节日、风格、行业等模板，客户可以轻松选择适合的样式，从而生成符合要求的内容。

此外，一些专业群体比如设计师需要用详细的 Prompt 来指导大模型生成特定风格的内容。但客户往往不知道如何写出符合专业标准的 Prompt，那么微盟 WAI 就让 AI 帮助客户生成专业的 Prompt，客户只需简单描述，例如“少女站在夕阳下，旁边是棵棕榈树”，AI 就会自动将其转化为专业的 Prompt，包含广角参数、画风参考等细节。

裘皓萍进一步举例道，在帮助客户使用大模型的过程中，微盟采用了许多小巧思。例如，原先是一次生成一张图，现在改为一次生成多张图，这样客户可以从多种风格中选择最合适的一张。这样既保留了大模型的创造力，也满足了客户的多样化需求。

裘皓萍指出，弥合客户高预期与实际落地效果之间差距的过程并非一蹴而就，这需要 AI 自身的发展以及微盟在解决最后一公里过程中不断打磨产品和技术的成熟度。她将这一情况比作十多年前微信刚出现时的情形，在微信生态还没有丰富起来之前，没有人预料到微信会以今天的方式改变企业运营和商业模式。

因此，微盟认为，真正实现 AI 商业化和让企业全面拥抱 AI 还需要时间和耐心。