中國移動(dòng)商業(yè)化探索路徑，可以說(shuō)是中國大模型商業(yè)化進(jìn)程中的縮影。

@科技新知?原創(chuàng )

作者丨椰子 編輯丨賽柯

8月8日晚間，中國移動(dòng)披露2024年半年度報告。公告顯示，今年上半年，中國移動(dòng)營(yíng)業(yè)收入達到5467億元，同比增長(cháng)3.0%，其中，主營(yíng)業(yè)務(wù)收入達到4636億元，同比增長(cháng)2.5%。

在A(yíng)I大模型方面，股東應占利潤達到人民幣802億元，同比增長(cháng)5.3%，反映了公司在A(yíng)I等新技術(shù)推動(dòng)下的盈利能力提升。數字化轉型業(yè)務(wù)達到人民幣1,471億元，同比增長(cháng)11.0%，顯示出公司在新興業(yè)務(wù)領(lǐng)域的強勁增長(cháng)勢頭。

此外，移動(dòng)云收入達到人民幣504億元，同比增長(cháng)19.3%，其中IAAS+PAAS收入份額穩居業(yè)界前五，顯示了云計算與AI結合的強大市場(chǎng)競爭力。由此可以看出，中國移動(dòng)在A(yíng)I大模型的業(yè)務(wù)布局初見(jiàn)成效。

同時(shí)，中國移動(dòng)董事長(cháng)楊杰在今日晚間舉行的公司2024年度中期業(yè)績(jì)說(shuō)明會(huì )上表示，“大模型變現是我們一直在思考的問(wèn)題?！?/p>

其實(shí)，大模型商業(yè)化變現一直是業(yè)界共同關(guān)注的話(huà)題，無(wú)論是科技巨頭、運營(yíng)商、大模型獨角獸，還是傳統行業(yè)龍頭企業(yè)，都在用不同的方式和途徑探索大模型商業(yè)化變現，尋找適合自己的商業(yè)化變現路徑。

中國移動(dòng)商業(yè)化探索路徑，可以說(shuō)是中國大模型商業(yè)化進(jìn)程中的縮影。對于中國移動(dòng)來(lái)說(shuō)，五條線(xiàn)并行的商業(yè)化路是機遇布局全面，覆蓋面廣；但也是挑戰過(guò)于零散且不集中。

Part.1

內外環(huán)境倒逼進(jìn)入AI領(lǐng)域

科技新知了解到，2013年前后，AI技術(shù)開(kāi)始進(jìn)入快速發(fā)展階段。深度學(xué)習、機器學(xué)習等技術(shù)取得了顯著(zhù)進(jìn)展，AI在語(yǔ)音識別、圖像處理、自然語(yǔ)言處理等領(lǐng)域的應用逐漸成熟。另一方面，互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的普及為AI技術(shù)的發(fā)展提供了大量的數據支持，推動(dòng)了AI技術(shù)的商業(yè)化進(jìn)程。

在全球范圍內，各大科技公司都在積極布局AI領(lǐng)域。包括谷歌、亞馬遜、微軟等企業(yè)已經(jīng)在A(yíng)I技術(shù)上取得了顯著(zhù)進(jìn)展，并開(kāi)始探索AI在各行業(yè)的應用。同時(shí)，中國政府在2013年前后也開(kāi)始重視AI技術(shù)的發(fā)展，并出臺了一系列政策支持AI產(chǎn)業(yè)的發(fā)展。

從中國移動(dòng)自身來(lái)說(shuō)，中國移動(dòng)作為全球最大的電信運營(yíng)商之一，面臨著(zhù)激烈的國際競爭和技術(shù)創(chuàng )新的挑戰，需要通過(guò)布局AI來(lái)保持競爭優(yōu)勢。

隨著(zhù)移動(dòng)互聯(lián)網(wǎng)的普及，用戶(hù)對通信服務(wù)的需求越來(lái)越多樣化，網(wǎng)絡(luò )運營(yíng)和維護的復雜性以及業(yè)務(wù)創(chuàng )新的壓力等痛點(diǎn)，用戶(hù)不僅需要基本的通信服務(wù)，還需要智能化的客服、個(gè)性化的推薦等服務(wù)。傳統的客戶(hù)服務(wù)模式難以滿(mǎn)足這些需求，需要引入AI技術(shù)來(lái)提升服務(wù)質(zhì)量和效率，提高網(wǎng)絡(luò )的穩定性和可靠性。

電信行業(yè)的競爭日益激烈，傳統業(yè)務(wù)的市場(chǎng)空間逐漸飽和。中國移動(dòng)需要通過(guò)引入AI技術(shù)，探索新的業(yè)務(wù)模式和服務(wù)，以保持市場(chǎng)競爭力。

所以，2013年中國移動(dòng)開(kāi)始布局AI大模型業(yè)務(wù)。

Part.2

零散不集中的商業(yè)化變現路徑

目前，中國移動(dòng)在大模型的布局上采用了“自主研發(fā)+生態(tài)合作”的策略。在商業(yè)化變現方面，前面提到了中國移動(dòng)在探索的大模型變現路徑有五條，第一，TOB依托大模型底座打造行業(yè)模型；第二，和政企做AI及其他信息技術(shù)的融合創(chuàng )新；第三，全面推進(jìn)TOC、TOH的智能體；第四，推進(jìn)MaaS模型即服務(wù)；第五，上崗5.5萬(wàn)個(gè)數字員工，經(jīng)營(yíng)效率和效益明顯提升。

具體的應用案例有，在福建，九天人工智能大模型賦能紡織企業(yè)開(kāi)展AI視覺(jué)識別檢測，高效檢測出布匹瑕疵，同時(shí)聯(lián)動(dòng)生產(chǎn)管理系統、配置停機策略，某紡織企業(yè)瑕疵檢出準確率從70%提升至90%，預計每年可節省成本數百萬(wàn)元，有效提升產(chǎn)品質(zhì)量和生產(chǎn)效率。

中國移動(dòng)在大模型變現路徑上的探索，確實(shí)涵蓋了多個(gè)方面，這種多元化的變現路徑體現了中國移動(dòng)在大模型領(lǐng)域的全面布局和深入探索。

然而，這種大而全的變現路徑也可能存在一些問(wèn)題，概括來(lái)說(shuō)就是零散不集中。這種零散不集中主要表現是多條變現路徑并存，這些路徑各自獨立，缺乏統一的整合和規劃。

由于變現路徑眾多，中國移動(dòng)可能將有限的資源，例如資金、人力、技術(shù)等分散到各個(gè)路徑上。在零散不集中的變現路徑下，中國移動(dòng)可能需要在各個(gè)項目上進(jìn)行資金投入。

由于多個(gè)項目同時(shí)進(jìn)行，可能導致資金在各個(gè)項目之間的分配不夠集中，無(wú)法形成有效的投資回報。過(guò)多的項目也可能增加公司的財務(wù)風(fēng)險和負擔。

當中國移動(dòng)同時(shí)探索多條大模型變現路徑時(shí)，它可能需要在各個(gè)路徑上分配研發(fā)資源。例如，在開(kāi)發(fā)面向政企的行業(yè)大模型時(shí)，可能需要投入一部分研發(fā)團隊進(jìn)行特定功能的開(kāi)發(fā)。

其次，在技術(shù)整合難度增加，不同的變現路徑可能需要不同的技術(shù)支持和解決方案。這種技術(shù)上的差異性和復雜性增加了技術(shù)整合的難度，可能影響大模型的整體性能和用戶(hù)體驗。

例如，中國移動(dòng)在探索大模型變現路徑時(shí)，可能針對不同的業(yè)務(wù)需求開(kāi)發(fā)了多個(gè)獨立的技術(shù)平臺。這些平臺各自采用了不同的技術(shù)架構、編程語(yǔ)言和數據格式。

由于缺乏統一的技術(shù)標準，不同平臺之間的數據交換和集成變得異常困難，導致信息孤島的出現。這種技術(shù)上的碎片化不僅增加了系統集成的復雜性，還降低了整體系統的可靠性和穩定性。開(kāi)發(fā)和維護多個(gè)技術(shù)平臺也增加了公司的運營(yíng)成本和技術(shù)難度。

在多個(gè)大模型變現路徑中，可能存在功能上的重疊。例如，當中國移動(dòng)面向政企的行業(yè)大模型和面向消費者的智能體服務(wù)可能都包含了自然語(yǔ)言處理的功能。由于缺乏統籌規劃，這些功能可能在實(shí)現方式、性能指標和使用體驗上存在差異，甚至產(chǎn)生沖突。

第三，管理體系復雜化，主要表現為決策層級增多、管理流程繁瑣、資源協(xié)調困難和內部溝通障礙等方面。 這些問(wèn)題不僅增加了公司的運營(yíng)成本和管理難度，還可能影響公司的整體績(jì)效和市場(chǎng)競爭力。

例如，隨著(zhù)中國移動(dòng)在大模型變現路徑上的多元化探索，公司可能需要設立多個(gè)專(zhuān)門(mén)的項目團隊或部門(mén)來(lái)負責不同的變現路徑。每個(gè)項目團隊或部門(mén)都有自己的目標和KPI，這導致決策層級增多，決策過(guò)程變得復雜。

這樣一來(lái)，決策層級的增多使得信息傳遞速度變慢，決策效率降低。各個(gè)項目團隊或部門(mén)之間可能出現目標不一致、利益沖突等問(wèn)題，需要更高層級的管理者進(jìn)行協(xié)調和決策。

因此，中國移動(dòng)需要重視管理體系的優(yōu)化和整合，提高決策效率和管理效能。

此外，人才短缺、數據隱私和安全、高昂的算力成本等問(wèn)題也是這種零散不集中的商業(yè)化變現路徑帶來(lái)的不利因素。

Part.3

路漫漫其修遠兮的變現探索道路

當前中國大模型變現路徑的探索正處于快速發(fā)展階段，截至2024年3月，國產(chǎn)大模型數量已超過(guò)200個(gè)，覆蓋多個(gè)行業(yè)和領(lǐng)域，應用場(chǎng)景不斷拓展。隨著(zhù)AI技術(shù)的不斷進(jìn)步和應用場(chǎng)景的拓展，大模型在多個(gè)行業(yè)中的應用逐漸顯現出其巨大的商業(yè)價(jià)值。

然而，在這一過(guò)程中暴露出了一些通病和挑戰，而中國移動(dòng)商業(yè)化變現的不足也是整個(gè)行業(yè)的縮影，包括技術(shù)、成本、數據、人才和市場(chǎng)認知等方面的問(wèn)題。

在技術(shù)上主要要面臨“卡脖子”問(wèn)題，主要包括算力獲取成本高、數據處理難題、技術(shù)標準和互操作性問(wèn)題、模型可解釋性和透明度不足，以及安全性和隱私保護問(wèn)題，這些挑戰限制了大模型技術(shù)的廣泛應用和商業(yè)價(jià)值的最大化。

例如，訓練大模型需要海量的算力支持，這對企業(yè)的財務(wù)構成了巨大壓力。高昂的算力成本不僅包括硬件設備的購置和維護，還包括電力消耗等運營(yíng)成本。大模型需要處理的數據量巨大，數據收集、清洗、標注等環(huán)節都需要大量的人力和時(shí)間投入。同時(shí)，數據的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素。

在成本和數據問(wèn)題上，訓練大模型需要海量的算力支持，這對企業(yè)的財務(wù)構成了巨大壓力。高昂的算力成本不僅包括硬件設備的購置和維護，還包括電力消耗等運營(yíng)成本。其次，大模型需要處理的數據量巨大，數據收集、清洗、標注等環(huán)節都需要大量的人力和時(shí)間投入。同時(shí)，數據的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素

此外，人才不足，市場(chǎng)認知不準確、行業(yè)know-how積累不足也是行業(yè)共性問(wèn)題。

不過(guò)，隨著(zhù)AI技術(shù)的不斷進(jìn)步，大模型的應用場(chǎng)景不斷擴展，從自然語(yǔ)言處理到視覺(jué)聽(tīng)覺(jué)識別、邏輯推理等，展現出強大的能力。越來(lái)越多的企業(yè)開(kāi)始關(guān)注和應用大模型技術(shù)，推動(dòng)了人工智能技術(shù)的落地和普及。

其次，在國家出臺了一系列政策措施支持人工智能產(chǎn)業(yè)的發(fā)展后，明顯可以看出國家對AI、大模型的重視程度不斷提升。此外，人工智能產(chǎn)業(yè)鏈各環(huán)節有望迎來(lái)更多發(fā)展機遇，包括算力、模型和應用等環(huán)節的協(xié)同發(fā)展。

在這種機遇與挑戰并存的背景下，通過(guò)技術(shù)創(chuàng )新、模式創(chuàng )新以及跨行業(yè)合作，中國移動(dòng)等公司有望逐步解決大模型商業(yè)化變現中的技術(shù)挑戰，實(shí)現技術(shù)的商業(yè)化落地和廣泛應用。

不過(guò)，整體來(lái)看，中國大模型的商業(yè)化探索可謂“路漫漫其修遠兮”，路很長(cháng)也不好走。