@科技新知 原創(chuàng)
作者丨椰子
8月8日晚間，中國移動披露2024年半年度報告。公告顯示，今年上半年，中國移動營業(yè)收入達到5467億元，同比增長3.0%，其中，主營業(yè)務(wù)收入達到4636億元，同比增長2.5%。
在AI大模型方面，股東應(yīng)占利潤達到人民幣802億元，同比增長5.3%，反映了公司在AI等新技術(shù)推動下的盈利能力提升。數(shù)字化轉(zhuǎn)型業(yè)務(wù)達到人民幣1,471億元，同比增長11.0%，顯示出公司在新興業(yè)務(wù)領(lǐng)域的強勁增長勢頭。
此外，移動云收入達到人民幣504億元，同比增長19.3%，其中IAAS+PAAS收入份額穩(wěn)居業(yè)界前五，顯示了云計算與AI結(jié)合的強大市場競爭力。由此可以看出，中國移動在AI大模型的業(yè)務(wù)布局初見成效。
同時，中國移動董事長楊杰在今日晚間舉行的公司2024年度中期業(yè)績說明會上表示，大模型變現(xiàn)是我們一直在思考的問題。
其實，大模型商業(yè)化變現(xiàn)一直是業(yè)界共同關(guān)注的話題，無論是科技巨頭、運營商、大模型獨角獸，還是傳統(tǒng)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(xiàn)，尋找適合自己的商業(yè)化變現(xiàn)路徑。
中國移動商業(yè)化探索路徑，可以說是中國大模型商業(yè)化進程中的縮影。對于中國移動來說，五條線并行的商業(yè)化路是機遇布局全面，覆蓋面廣；但也是挑戰(zhàn)過于零散且不集中。
Part.1內(nèi)外環(huán)境倒逼進入AI領(lǐng)域
科技新知了解到，2013年前后，AI技術(shù)開始進入快速發(fā)展階段。深度學習、機器學習等技術(shù)取得了顯著進展，AI在語音識別、圖像處理、自然語言處理等領(lǐng)域的應(yīng)用逐漸成熟。另一方面，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的普及為AI技術(shù)的發(fā)展提供了大量的數(shù)據(jù)支持，推動了AI技術(shù)的商業(yè)化進程。
在全球范圍內(nèi)，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AI技術(shù)上取得了顯著進展，并開始探索AI在各行業(yè)的應(yīng)用。同時，中國政府在2013年前后也開始重視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。
從中國移動自身來說，中國移動作為全球最大的電信運營商之一，面臨著激烈的國際競爭和技術(shù)創(chuàng)新的挑戰(zhàn)，需要通過布局AI來保持競爭優(yōu)勢。
隨著移動互聯(lián)網(wǎng)的普及，用戶對通信服務(wù)的需求越來越多樣化，網(wǎng)絡(luò)運營和維護的復(fù)雜性以及業(yè)務(wù)創(chuàng)新的壓力等痛點，用戶不僅需要基本的通信服務(wù)，還需要智能化的客服、個性化的推薦等服務(wù)。傳統(tǒng)的客戶服務(wù)模式難以滿足這些需求，需要引入AI技術(shù)來提升服務(wù)質(zhì)量和效率，提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性。
電信行業(yè)的競爭日益激烈，傳統(tǒng)業(yè)務(wù)的市場空間逐漸飽和。中國移動需要通過引入AI技術(shù)，探索新的業(yè)務(wù)模式和服務(wù)，以保持市場競爭力。
所以，2013年中國移動開始布局AI大模型業(yè)務(wù)。
Part.2零散不集中的商業(yè)化變現(xiàn)路徑
目前，中國移動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(xiàn)方面，前面提到了中國移動在探索的大模型變現(xiàn)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TOC、TOH的智能體；第四，推進MaaS模型即服務(wù)；第五，上崗5.5萬個數(shù)字員工，經(jīng)營效率和效益明顯提升。
具體的應(yīng)用案例有，在福建，九天人工智能大模型賦能紡織企業(yè)開展AI視覺識別檢測，高效檢測出布匹瑕疵，同時聯(lián)動生產(chǎn)管理系統(tǒng)、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(yù)計每年可節(jié)省成本數(shù)百萬元，有效提升產(chǎn)品質(zhì)量和生產(chǎn)效率。
中國移動在大模型變現(xiàn)路徑上的探索，確實涵蓋了多個方面，這種多元化的變現(xiàn)路徑體現(xiàn)了中國移動在大模型領(lǐng)域的全面布局和深入探索。
然而，這種大而全的變現(xiàn)路徑也可能存在一些問題，概括來說就是零散不集中。這種零散不集中主要表現(xiàn)是多條變現(xiàn)路徑并存，這些路徑各自獨立，缺乏統(tǒng)一的整合和規(guī)劃。
由于變現(xiàn)路徑眾多，中國移動可能將有限的資源，例如資金、人力、技術(shù)等分散到各個路徑上。在零散不集中的變現(xiàn)路徑下，中國移動可能需要在各個項目上進行資金投入。
由于多個項目同時進行，可能導(dǎo)致資金在各個項目之間的分配不夠集中，無法形成有效的投資回報。過多的項目也可能增加公司的財務(wù)風險和負擔。
當中國移動同時探索多條大模型變現(xiàn)路徑時，它可能需要在各個路徑上分配研發(fā)資源。例如，在開發(fā)面向政企的行業(yè)大模型時，可能需要投入一部分研發(fā)團隊進行特定功能的開發(fā)。
其次，在技術(shù)整合難度增加，不同的變現(xiàn)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(fù)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體驗。
例如，中國移動在探索大模型變現(xiàn)路徑時，可能針對不同的業(yè)務(wù)需求開發(fā)了多個獨立的技術(shù)平臺。這些平臺各自采用了不同的技術(shù)架構(gòu)、編程語言和數(shù)據(jù)格式。
由于缺乏統(tǒng)一的技術(shù)標準，不同平臺之間的數(shù)據(jù)交換和集成變得異常困難，導(dǎo)致信息孤島的出現(xiàn)。這種技術(shù)上的碎片化不僅增加了系統(tǒng)集成的復(fù)雜性，還降低了整體系統(tǒng)的可靠性和穩(wěn)定性。開發(fā)和維護多個技術(shù)平臺也增加了公司的運營成本和技術(shù)難度。
在多個大模型變現(xiàn)路徑中，可能存在功能上的重疊。例如，當中國移動面向政企的行業(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言處理的功能。由于缺乏統(tǒng)籌規(guī)劃，這些功能可能在實現(xiàn)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(fù)雜化，主要表現(xiàn)為決策層級增多、管理流程繁瑣、資源協(xié)調(diào)困難和內(nèi)部溝通障礙等方面。這些問題不僅增加了公司的運營成本和管理難度，還可能影響公司的整體績效和市場競爭力。
例如，隨著中國移動在大模型變現(xiàn)路徑上的多元化探索，公司可能需要設(shè)立多個專門的項目團隊或部門來負責不同的變現(xiàn)路徑。每個項目團隊或部門都有自己的目標和KPI，這導(dǎo)致決策層級增多，決策過程變得復(fù)雜。
這樣一來，決策層級的增多使得信息傳遞速度變慢，決策效率降低。各個項目團隊或部門之間可能出現(xiàn)目標不一致、利益沖突等問題，需要更高層級的管理者進行協(xié)調(diào)和決策。
因此，中國移動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(shù)據(jù)隱私和安全、高昂的算力成本等問題也是這種零散不集中的商業(yè)化變現(xiàn)路徑帶來的不利因素。
Part.3路漫漫其修遠兮的變現(xiàn)探索道路
當前中國大模型變現(xiàn)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(shù)量已超過200個，覆蓋多個行業(yè)和領(lǐng)域，應(yīng)用場景不斷拓展。隨著AI技術(shù)的不斷進步和應(yīng)用場景的拓展，大模型在多個行業(yè)中的應(yīng)用逐漸顯現(xiàn)出其巨大的商業(yè)價值。
然而，在這一過程中暴露出了一些通病和挑戰(zhàn)，而中國移動商業(yè)化變現(xiàn)的不足也是整個行業(yè)的縮影，包括技術(shù)、成本、數(shù)據(jù)、人才和市場認知等方面的問題。
在技術(shù)上主要要面臨卡脖子問題，主要包括算力獲取成本高、數(shù)據(jù)處理難題、技術(shù)標準和互操作性問題、模型可解釋性和透明度不足，以及安全性和隱私保護問題，這些挑戰(zhàn)限制了大模型技術(shù)的廣泛應(yīng)用和商業(yè)價值的最大化。
例如，訓(xùn)練大模型需要海量的算力支持，這對企業(yè)的財務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購置和維護，還包括電力消耗等運營成本。大模型需要處理的數(shù)據(jù)量巨大，數(shù)據(jù)收集、清洗、標注等環(huán)節(jié)都需要大量的人力和時間投入。同時，數(shù)據(jù)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(shù)據(jù)問題上，訓(xùn)練大模型需要海量的算力支持，這對企業(yè)的財務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購置和維護，還包括電力消耗等運營成本。其次，大模型需要處理的數(shù)據(jù)量巨大，數(shù)據(jù)收集、清洗、標注等環(huán)節(jié)都需要大量的人力和時間投入。同時，數(shù)據(jù)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，市場認知不準確、行業(yè)know-how積累不足也是行業(yè)共性問題。
不過，隨著AI技術(shù)的不斷進步，大模型的應(yīng)用場景不斷擴展，從自然語言處理到視覺聽覺識別、邏輯推理等，展現(xiàn)出強大的能力。越來越多的企業(yè)開始關(guān)注和應(yīng)用大模型技術(shù)，推動了人工智能技術(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(jié)有望迎來更多發(fā)展機遇，包括算力、模型和應(yīng)用等環(huán)節(jié)的協(xié)同發(fā)展。
在這種機遇與挑戰(zhàn)并存的背景下，通過技術(shù)創(chuàng)新、模式創(chuàng)新以及跨行業(yè)合作，中國移動等公司有望逐步解決大模型商業(yè)化變現(xiàn)中的技術(shù)挑戰(zhàn)，實現(xiàn)技術(shù)的商業(yè)化落地和廣泛應(yīng)用。
不過，整體來看，中國大模型的商業(yè)化探索可謂路漫漫其修遠兮，路很長也不好走。
看完覺得寫得好的，不防打賞一元，以支持藍海情報網(wǎng)揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
