21世紀經濟報道記者孫燕 上海報道
“2025年將是大模型商業化的大考年。”今年年初，零一萬物創始人兼CEO李開復預言。
2025年尚未過半，“大模型六小虎”中已有十余位高管“出走”。其中，多位離職高管是商業化負責人，包括智譜首席運營官張帆、MiniMax商業化合伙人兼副總裁魏偉，以及百川智能聯合創始人、商業化負責人洪濤。
人事變動背后，AI大模型企業的商業化焦慮浮出水面。
主動披露商業化收入的大模型公司少之又少。在“大模型六小虎”中，智譜AI曾透露，該公司2024年商業化收入同比增長超過100%，平臺日均Tokens消耗量增長150倍。據市場預測，Minimax2024年的年化收入（ARR）有望達7000萬美金。
但全球300余個大模型中，僅有少數企業實現了商業化的初步探索。面對虧損泥潭，牌桌上所有玩家都在追問：
產業化大方向究竟在哪里？
C端還是B端？
從客戶定位來看，“大模型六小虎”走出了C端、B端兩條路徑。
MiniMax、月之暗面、階躍星辰的重心均在C端：MiniMax推出了視頻生成產品“海螺AI”、AI陪伴應用“Talkie”；月之暗面推出了Kimi助手；階躍星辰推出了AI助手“躍問”、開放世界“冒泡鴨”。
智譜AI在C端推出了“智譜清言”，但更偏向B端業務。該公司CEO張鵬曾坦言，推C端產品的主要目的，是為了向B端客戶展示能力。
零一萬物、百川智能也以B端為重心：零一萬物聚焦零售和電商等場景，推出了“AI2.0數字人”解決方案，百川智能以醫療為核心場景。
商業化壓力之下，大模型企業也在邊探索邊調整：如零一萬物早期宣稱“堅決做ToC，不做賠錢的ToB”，但2024年起戰略轉向全面聚焦B端，收縮C端業務。
國泰海通證券研究指出，雖然當前仍處于商業化初期，但參照互聯網發展歷程，AI產業很可能遵循從B端到C端再到B端深化的演進路徑，最終實現全產業鏈的協同繁榮。
在C端，大模型主要通過訂閱實現價值，但正面臨叫好不叫座的流量困局：數據顯示，超八成用戶拒絕為對話功能付費，多數人同時使用多個免費模型抵消體驗限制。
相較C端用戶“誰免費用誰，誰補貼跟誰”的主流思維，B端企業對于生成式AI的投入預算越來越多，但對于投入ROI也越來越重視。
“目前業界還很難給出一個確切的ROI中位數，因為大多數企業的AI應用仍處在價值發現和初期探索階段。”畢馬威中國技術和新經濟管理咨詢服務主管合伙人高人伯在2025年上海世界移動通信大會（MWC上海）期間告訴21世紀經濟報道記者，目前已實現正向收益的場景，普遍集中在能夠快速提升內部運營效率的領域，如利用AI輔助軟件開發、自動化生成營銷文案、優化內部知識管理與報告總結等。
在他看來，生成式AI的產業化方向之一是“深度垂直化”：通用大模型的能力應與金融、醫療、法律、制造等行業的專業知識深度融合，形成能夠解決核心業務問題的專用AI，將是價值創造的關鍵。
云側還是端側？
從技術部署來看，“大模型六小虎”普遍采用云端訓練+云端推理，依賴公有云廠商提供算力。
云側的核心盈利方式主要有兩種，一是按API調用次數或Token量付費；二是定制化解決方案，如智譜AI為金融、教育、制造等行業企業提供定制模型，收取開發與運維費用。
這主要面向B端用戶。高人伯告訴記者，B端企業會根據自身業務的成熟度、數據敏感性以及戰略目標，在“標準化”到“定制化”的光譜上動態移動：許多企業在初期會傾向于采購標準化的API服務，這種方式能夠快速驗證AI在通用場景下的潛力；但當單純的標準化服務無法滿足需求，企業便會轉向探索定制化的行業模型。
目前，純API調用模式盈利壓力較大：由于產品同質化、難以深度滿足場景需求等問題，規模效應較難達成，無法通過海量用戶調用分攤模型訓練與維護成本。定制化行業模型盈利能力相對較強：有頭部廠商通過“通用大模型+行業精調”模式，向制造業客戶收取模型定制費及數據服務費，單項目可達數百萬元。
在部署云側的基礎上，今年以來，智譜AI、階躍星辰也在拓展端側：智譜AI今年與珠海市合作搭建“城市級GLM大模型”，覆蓋端側；階躍星辰則將智能終端列為2025年重點場景。
但對于“大模型六小虎”而言，部署端側一方面需要從硬件廠商手中“搶蛋糕”；另一方面生成式AI在端側部署仍然面臨技術挑戰，進一步加大了研發成本。
“將生成式AI模型部署到手機、汽車等終端設備上，是實現普惠AI的關鍵一步，尤其對于需要即時響應和保護數據隱私的場景至關重要。”高人伯指出，但大型AI模型巨大的計算和存儲需求與終端設備有限的資源（如算力、功耗、內存）之間存在天然的矛盾。
如何在保證模型性能的同時，克服這些硬件限制，并為用戶提供流暢、可靠的體驗？據高人伯觀察，業界正在從多個層面積極探索解決方案。首先是通過模型壓縮、知識蒸餾等先進技術，在保證核心功能的前提下，將大模型變得“小而美”，使其能夠在端側高效運行。
芯片廠商也在不斷創新，推出集成NPU等專用AI處理單元的硬件，為端側AI提供更強勁、更節能的算力支持。
此外，“端云協同”被認為是一種非常務實且靈活的路徑，即在終端部署一個輕量級模型處理高頻、簡單的任務，當遇到復雜請求時再智能地調用云端更強大的模型，從而兼顧效率、成本與用戶體驗。
