靠AI，半年赚它个6000万

历史似乎又在重演。

从2023年开始，全球陆续跑出了一大批AI明星企业，特点是估值涨幅凶猛，融资数额巨大，然而不管是领头羊OpenAI，还是一众新晋独角兽，暂时都在重复移动互联网的故事——未来很长时间一段时间内，将持续面临烧钱、亏损，盈利都不在他们的考虑范围之内。

但不管怎么说，机构这个时代的本垒打就指着AI呢，因此扎堆FOMO也无可厚非。而且不管“模型派”也好，“场景派”也罢，在看好AI这一点上，是确定的。

硬币的另一面是，当傅盛和朱啸虎同时出现在投中峰会上时，他们也达成了另一种共识——甭管什么AI，有商业化能力最重要。朱老板在不少公开场合都提过，他投的To B企业已经率先尝到了AI的红利，赚得盆满钵满了。

比如一家做AI视频面试的公司，尽管2023年招聘市场很冷，依然实现业务量同比翻倍增长；再比如，他常提到的FancyTech，一家AIGC视频广告公司，2022年收入为仅为1000多万，到了2023年结合AI收入暴增至5000多万，并实现了盈利。

对于此，有人戏谑称，这是“自己家孩子越看越顺眼”的典型表现。也有人认为这只是幸存者偏差，并抛来了一个白眼。

更普遍的观点是，AI只是锦上添花，这些靠AI赚钱的企业，本来在赛道里就不是“差生”，想靠AI起死回生是异想天开。

我认为关于用AI赚钱这事儿，除了深入舆论场中的投资人，以及短视频卖课的老板之外，最有发言权的，应该还是创业公司。因此，我跟几家公司聊了聊，看看AI帮企业赚钱，究竟是普遍效应，还是幸存者偏差？

它们找到了“钉子”

朱老板口既能赚钱又有想象力的公司，除了他投过的，在市场上还有没有其他存在？我们得到的答案是肯定的。

比如，公司A是一家为跨境电商做报关退税的公司，2020年成立不久后，就获得了红杉、鼎晖等顶级机构的注资，现在更是凭借AI和出海两大热门关键词，在资本市场得到不少国资和美元基金的关注。

无独有偶，公司B也是财务领域的服务商，在他们的场景下，没有激进地选择用AI去替代人，而是让AI直接加速或者是提效，解决人类员工的一些固化行为，而在此之前，这些行为是很难用软件去代替的。

比如，很多财务人员会去大量的回答员工关于报销过程中的各种问题，其中有些企业管控力度确实很细，需要人为去查询和审核历史数据，这时在审批流程时效报表中加入AI就能够大大节省时间和人员，也正是因为这样一个小小的变化，其产品更快地得到了客户认可。

再比如，公司C是曾经跟循环智能属于同一赛道的AI语音对话解决方案提供商，在ChatGPT出现之前，他们更多的是依靠传统AI中的NLP技术提供解决方案。而在这波新的AI浪潮下，他们成功将产品研发成本削减了一个数量级，并大大提高了产品更新速度，客户体验再上一个层级。

我们还注意到，与FancyTech处于同一大类的一家视频广告公司D，也迎来了又一春，甚至获得了新融资。该公司之前是提供视频工具的，因为AI让视频领域快速升级，使得目标客户的付费意愿突然提高，直接改变了这家公司的现金流。

除了这些应用领域，在更为底层的大数据技术里，AI带来的商业价值提升也十分明显。

公司E2023年年初开始尝试大模型+大数据，引入AI后，非技术人员可以非常方便地通过对话方式访问、获取和分析数据，甚至完成过去需要专业分析师才能完成的工作。

现在经过近一年的市场验证，融合指标平台的AI对话式数据分析在金融、零售、制造、医药等行业中需求强烈，商业化落地明显。

看起来，这几家企业分属于不同的赛道和领域，但它们也都有着一些共同点：

其一，率先发力，在大模型开始冒头时，就敢做细分领域中第一个吃螃蟹的人，比如公司A所在的领域，用AI与否直接决定了其市场竞争力和营收情况。

其二，他们所处的高文本处理，高人力以及视频相关领域，正是本次AI革新浪潮中最早也最成熟的所在。目标用户愿意付费，甚至溢价来去给自己提供方向，未来生产力提升的机会。

其三，他们是先有了“钉子”，也就是先有了应用场景，大模型为啥有这么多分歧？就是可以快速落地的商业化场景，并没有那么容易找到，落地太难，尤其是现在大多数人的目光都放在了C端，但实际上，只有深耕产业的人，才能发现那些隐藏在B端的刚性需求。

它们是少数中的少数

当然，能够同时满足这三点的，也是少数中的少数，所以他们得到了时代的眷顾，在这个艰难的时刻，或开辟了新的高收入业务，或改善了现金流，提前迈向了盈利。

公司A负责人告诉我，他们虽然在创立初期就看到了跨境电商报关退税的市场潜力，但并没有将其作为一个大的业务分支来发展，原因就是需要铺大量的人力，性价比不高。当然，凭借其他业务，公司A的营收和盈利水平也不差。

据了解，传统的电商退税有两大痛点：资金成本和时间成本。举例来讲，一家出口额为2000万的跨境电商企业，一年要大概退200万的税，如果找一家专业的财税公司来办理，则要花费20万，等待四五个月。但如果用AI的相关产品，资金成本会减少至4万，时间缩短为半个月。

这是由于这一场景下，大量的知识和经验类似于一种准则，可以通过大模型学习。与此同时，AI扮演的角色是替代大量的人工，在引入AI之前，一个财税专家大概只能服务30家电商企业，而现在则可以服务300家电商企业。

2022年下半年，AI技术爆发，击中了行业高成本，高人力的痛点，所以他们迅速部署，并在2023年底进行商业化推广，该负责人告诉我们，从2023年底至今，公司已经签约了2500家客户，直接带来了近六千万的营收。

对于“降本增效”，公司C同样具有发言权，具体地，该公司曾经的联合创始人告诉我，他们开发部署产品的成本，基本花费在语音对话的数据处理上，也就是把对话转换成文本，并进行分析。

那么在ChatGPT出现之前，这个费用是多少呢？一个座机一个月的通话分析成本，大概是300元，而现在，这个数字可以降到十块钱，甚至更便宜。

这是因为，对于这些做上层应用的初创企业而言，本身并不具备自然语言处理的技术能力，多数是找像科大讯飞这样的厂商进行私有化定制，而现在他们只需要接入一个通用大模型而已。

此前，公司C向客户收取的费用，大概一个座机100元左右，完全是赔本赚吆喝。而如今，节省下来的成本，也就成为了改善公司现金流的关键，毕竟在亏200和赚90之间，一个座机就差了近300，如果这个数字再乘以万，十万呢？在当前情况下，每个月的营收增长可谓非常可观。

有创业者谈到，一般找到AI应用的B端落地场景的公司，都在闷声发大财，如果行业没有绝对优势的领头羊，除非有其他需求，不会主动曝光。正如前文所所述，找到这样的场景并非易事，谁也不想引入新的对手。

小巨头不爱AI？

诚然，很多软件公司，To B公司正在虎视眈眈地盯着，如饥似渴地找着新出路。这也涉及到另一个问题，即在当下，初创企业是选择走+AI还是走AI+的路线。

一种观点认为，+AI往往是结合大模型来构建新的能力、功能，并解决原来解决不了的问题，或者以更低成本解决，是一种传统软件和解决方案转型AI的模式，效果直接，而且可以快速利用现有客户、场景进行扩张和推广。

另一种观点是，短期可能是+AI的公司的天下，因为有着客户和技术沉淀，因此能快速落地。但长期来看，那些初创AI+的公司的商业价值，要远远大于+AI。

这种观点的背景在于，AI被认为是确定性的第三次信息革命，而且比前两次都要大，而每次技术浪潮，都会带来交互方式、硬件、编程语言等一系列变化，这是一场持续数十年的长期竞争。现有的这些企业虽然调整了产品，顺应了时代，但越到后期，越不如这些AI+的原住民。

诚然，当AI大踏步前进，必然伴随着产业重构，旧的秩序、结构会坍塌，新秩序建立也免不了洗牌。

我在与公司交流的过程中还发现，那些稳坐细分赛道第一的数字化服务商，对于AI是保持客观谨慎态度的，他们的普遍策略是关注，但并不着急下场，在这AI浪潮中不掉队就可以。

一方面，公司本身并没有营收或者盈利的烦恼，有持续稳定的现金流来源，不靠AI也能赚钱；另一方面，他们中部分服务于传统企业，在一些CIO看来，目前大模型还没有太多应用场景。

当然，大家都懂，毕竟让大象转身太难了，行业中过得不错的小巨头，不够灵活，也缺乏快速尝鲜的驱动力。相比于被逼到悬崖边，面临死亡或换赛道的企业，他们还不需要什么救命稻草。不过变革仍在持续，AI给处在泥沼中的企业带来了一线生机，不管程度如何，出现新变化总是让人期待的。