当以API为桥梁，互联网大公司纷纷加入，掀起一场To B领域前所未有的大模型价格战时，To C领域已经琢磨起了收费的法子。比如不久前，大模型明星勇于探索商业模式的公司月之暗面，开始了打赏收费的试水。

  To B和To C截然不同的状态，是一个老问题的具象化展现——在不能逃避的商业化问题面前，To B和To C谁会先抵达彼岸。在近日的北京智源大会上，零一万物CEO、创新工场董事长李开复，与中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤举行了一场对话，产业化面前，To B和To C谁更有机会就是关键话题之一。

  李开复“选择”了To C，“在中国To C短期更有机会，国外两者都有”。李开复说，在To C领域，类似于PC时代和移动互联网时代，一个新技术、新平台的出现必然带来新应用的出现，大模型同样如此。但这些应用的出现一定是按部就班的，遵循着生产力工具、娱乐工具、搜索工具、电商工具、社交工具等阶梯式的普及规律。

  但在这样的一个过程中，挑战也如影随形。李开复提到，大模型时代做应用，与PC和移动互联网时代还不一样，因为推理成本太高。而且做应用的时候，也一定要遵循发展阶段，考虑到谁先做、谁后做、何时做。

  而做公众的“生意”，技术可能也不是唯一的制胜法宝。“在To C方面，我不相信技术能永久领先，技术领先带来的窗口非常短，因此一旦验证了TC-PMF（技术成本与商品市场契合度），就要把握窗口期把品牌打出来。”李开复说。

  To C也是零一万物坚持的方向。上个月，零一万物发布首款为中国用户量身一站式AI工作平台“万知”，可以做会议纪要、周报、写作助手等，支持中英双语且完全免费。在北京智源大会上，李开复也提到，零一万物坚决做To C，不做赔钱的To B，而是做能赚钱的To B。

  事实上，大模型发展至今，因为关联着稳定的合作和收入的预期，再加上落地场景的明确和变现通道的清晰，To B领域的大模型落地一度被看好。

  有不少业内人士对北京商报记者表达过类似的观点：大模型的早期落地需要有人买单“吃螃蟹”，多半需要从大G端和大B端付费开始的。但从长远来看，真正的爆发一定在C端，C端的爆发才是大模型商业化的星辰大海。

  李开复也提到，大模型在To B方面可能带来更大价值，也可能比To C领域更快实现，但To B面临着几大挑战。首先是传统大公司不敢采取颠覆式的技术，其次是许多大公司为软件付费的意识有待进一步提升，这会直接影响到大模型企业在竞标时报价越来越低，最后做一单赔一单。

  “AI 1.0时代这样的一种情况就已然浮现了，AI 2.0时代再次重现。这种心态导致大部分公司只愿意支付很低的价格，大模型公司也只能给出折中的方案，最终模型达到惊艳效果的寥寥无几”，李开复说。

  张亚勤也预测，To B的周期相对较长，而To C的应用产品则可以迅速推出，与过去PC时代和移动互联网时代发展路径基本一致。张亚勤解释称，目前在基础设施层面，真正盈利的主要集中在To B领域，特别是芯片、硬件、服务器等领域。

  关于AI路径，张亚勤一直强调三个关键领域，首先是信息智能，其次是物理智能，也就是当下大热的具身智能，最后是生物智能。张亚勤认为，在具身智能阶段，To B的应用可能会比To C更快落地。然而，在生物智能阶段，情况可能相反。

  “尽管每个领域的详细情况可能不一样，但整体看来，无论是To C还是To B，都将存在开源模型、商业闭源模型、基础大模型，以及针对垂直行业模型和边缘模型。”张亚勤总结说。

  对于大模型落地当下的情况，在接受北京商报等媒体采访时，智源研究院院长王仲远也提到，国产大模型已经无限逼近GPT-4，具备了支撑应用的能力，预计未来2—3年间能够正常的看到大量应用产生。

  至于To B还是To C的问题，在王仲远看来，B端应用场景已经明确，不同于2023年前只针对特定场景、训练特定模型、达到特定效果的弱人工智能，现在的将逐步进入通用时代，最大的特点是泛化性、通用性和跨领域，几乎会影响所有行业。

  但对于更多普通人而言，C端爆款应用的缺位也是不可回避的事实。对此，王仲远解释称，当一种新技术或是说革命技术出现的时候，一定需要一段周期、需要天时地利人和才能产生影响。

  对于大模型来说，首先是模型效果达到一定水平，还要模型价格足够低，而低价实现的支撑则在于技术上和工程上的优化，一些硬件的出现等，最后还需要能切实解决用户的痛点。

  “即便是在大洋彼岸，也还没出现真正的爆款应用，所以大家对C端的爆款应用还要保持一定的耐心”。王仲远则预测，未来1—2年，落地可能会先从B端开始，出现各种好用的工具，传至C端则可能还需要一段时间。