这篇文章来源于上个月底火山引擎和 RollingAI 联合 InfoQ 共同撰写的《生成式
AI 商业落地白皮书》，它不仅为企业管理者提供 AI 落地指导建议，还为企业 AI 应用产品经理提供了独到的行业数据和分析视角。
全文 2000 字，读完需要 5 分钟，文章目录下：
生成式 AI 正席卷我们的生活
中国企业的生成式 AI 应用现状
行业应用场景与案例分析
在数字化转型的浪潮中，AI 正成为推动企业发展的核心动力。特别是生成式 AI，以其独特的内容创造和流程优化能力，为企业带来了前所未有的机遇和挑战。
前言：生成式 AI 正席卷我们的生活
生成式 AI 的核心在于其能够基于大量数据自主学习和生成新的模式、文本、图像甚至视频内容。随着深度学习算法的不断优化，这些模型的性能得到了显著提升。例如，OpenAI的GPT系列模型，尤其是最新推出的GPT-4o，不仅在处理速度上实现了质的飞跃，更在成本效益上取得了突破，成本降低了 75%，极大地推动了生成式 AI 的商业应用。国内大模型也不遑多让，字节跳动推出的豆包大模型，推理价格降低 99%，以其极低的价格和高效的性能，标志着AI技术进入了一个新的时代，即“厘时代”。在这一价格水平下，每小时客服聊天的推理成本仅为 0.058 元。极低的成本使得大语言模型的商业化应用变得更加可行，不仅对大型企业有利，也为中小企业提供了前所未有的机会。AI 项目的数量和关注度在近年来急剧上升，生成式 AI 的应用正在全面爆发，推动技术创新和行业变革。
根据 GitHub 数据，AI 项目数量从2020 年的不到 70 万左右，增长至 2023 年的 181 万。根据图表显示，从 2021 年下半年到 2024 年上半年，AI 应用用户数量呈现出惊人的增长趋势。2021 年下半年，AI 应用用户数量仅为 1,800 万，而到 2024 年上半年，这一数字已经飙升至 2.33 亿，增长了超过 12 倍。![]()
在“目前评估或者使用生成式 AI 的进度如何”的调研之中，企业中高层已开始广泛了解和应用生成式 AI。在受访的 590 名企业中高层中，已有 21.0% 的人已开始小范围试点应用，26.3% 的人在大范围推广生成式 AI 应用，更有 6.4% 的人已将生成式 AI 应用整合到整体战略转型阶段。![]()
在企业细分场景中，销售和营销是当前中国企业生成式 AI 落地的最热门的领域。
![]()
53% 的大企业开始落地生成式 AI 创新，但只有 9%的企业有预算支出。这个节奏与我在产品一线的体感一致：调研体验的客户很多，但转化成订单收入的金额还很少。企业应用采购流程本就复杂，尤其是 AI 这类前沿应用，愿意吃螃蟹的人毕竟是少数。正因为如此，AI 产品更应该深入到企业客户的全生命周期中，打磨产品体验和能力，让客户从中收益。![]()
企业内部知识查找和答疑，是 CIO/CDO 心中最有价值的场景。
![]()
这与几个月前 A16z 在美国调研的数据相似。考虑到大模型的”幻觉“问题，现阶段企业更愿意先在企业内部做早期的验证和推广。
![]()
生成式 AI 正迅速渗透到零售、金融、汽车和医药等多个行业，为这些领域带来了创新的解决方案和商业模式。报告这部分是我认为对 AI 应用产品最有价值的地方，不仅对行业做了拆分，而且对行业中的细分场景做了详细的说明。从产品价值、企业投资预算到风险系数三个维度，对数据做了尽可能的量化。这些数据给 AI 产品的 PMF 以及后续的商业化策略提供了宝贵的行业场景视图。![]()
例如你要做金融行业下的「保险 AI 虚拟培训」，首先它是降低了企业内保险销售的培训成本，间接提升了保险销售的转化，因此企业对于它的投入会是一个中等预算规模（20-50 万）。由于是对内销售赋能，应用的风险就要低很多，也许做到 90% 左右的准确率就足够，切入起来也更加容易。![]()
不管你做的是通用 AI 产品，还是聚焦垂直赛道的 SaaS+AI 的应用，报告这一部分都值得你去花更多的时间去分析和思考。这篇报告还有不少篇幅是写给企业 CXO 看的，从生成式AI的落地挑战与应对策略角度，提供了企业人才梯队建设和安全合规的建议。里面夹杂了一些为字节火山引擎带货的成分。
瑕不掩瑜，纵观报告的前三章，图表的数据以及分析的结论还是非常客观的，能够为你的产品的演进策略、市场打法提供更宏观的视角。分析是一方面，行动又是另一方面。正所谓”纸上得来终觉浅，绝知此事要躬行“，AI 产品的成功都需要回到”是否为客户解决的他们的问题“这一核心问题上来。这也意味着，你需要直接与这些客户交谈，感受客户的感受，为他们构建产品。
