大模型出现已经一年多了。一个明显的现象是，企业对待大模型的态度各不相同。这背后，一方面有企业对其价值的考量，另一方面也有对成本等方面的担忧。这些情况值得深入去探究。

企业观望的原因

有些企业一直处于观望大模型的状态。其一，存在技术层面的担忧。正如 36 氪所察觉的那样，许多企业认为大模型技术尚未成熟到能够大规模应用的地步。例如在一些细分行业，会面临数据方面的难题，像数据的获取以及数据的安全管理等都成为问题。像某些制造业企业，它们担心自身内部复杂的生产数据与大模型相结合时容易发生泄露。其二，是成本方面的问题。大模型投入使用所需要的人力、物力成本等是巨大的挑战。从时间角度来看，从部署到大模型真正产生效益需要经历很长的周期，在这期间需要持续投入大量资金。

这些企业投入大模型会面临不可控风险，所以它们必须谨慎对待。比如之前有企业在尝试投入云计算的初期阶段时，因为技术不稳定以及成本预估不足，最终遭遇了失败。

开放态度下的疑惑

有些企业对大模型持开放态度，然而却存在诸多疑问。他们渴望知晓大模型与场景相结合的产品形态。在实际业务里，不同场景的需求差异极为显著。例如在销售环节，大模型若被应用，或许会改变传统的销售模式。像销售经理这类人物，担忧大模型是否真的能够适应复杂多变的销售场景和客户心理。企业对于不同场景如何应用大模型没有清晰的概念，因此不敢轻易地深入实施，担心投入无法获得回报，并且会打乱原本的业务节奏。

企业对大模型多场景的需求

企业对大模型的需求并非仅局限于特定场景，而是涵盖了众多层面。在研发领域，大模型能够提升研发效率。例如一些科技企业，其研发人员借助大模型能够迅速获取信息并获得灵感。在销售场景中，大模型可以对客户数据进行深入分析。企业所期望的是大模型在增收、降本、增效方面发挥出更大的价值。数据显示，企业在衡量投入产出比时，重点关注是否提高了效率、准确性，以及是否降低了成本。

在金融客服的场景当中，大模型具备降本增效的作用。就像在大型金融公司的客服部门里，以往要处理大量的客户咨询，那是需要众多员工来进行的。而大模型投入使用之后，就能够减轻员工的工作量，还可以回答一些常规性的问题。

大模型充当降本提质增效的利器

大模型在企业中是降本提质增效的利器。在内容创作上，它能创作文章，也能创作图片、视频和音频。这有效地节省了人力成本。它还犹如一个全能的员工，能够回答各种问题。就如同某些企业内部的知识库一样，以往人工解答问题会耗费大量时间，而大模型可以快速响应并解答。同时，这也为企业开拓了新的商业化空间。以前，这些企业受到定制化项目的限制，存在周期长、人力成本高的问题，现在大模型可以让企业服务更多客户，创造更多商业价值。

现实主义在投入上的体现

从现实主义角度来审视企业对大模型的投入。许多用户认为定制化大模型的预期成本在大几百万之上，然而实际上在市场上能够被接受的成本处于 5 万到 200 万之间。像金融行业这样的大型企业，不愿意将其领域数据公开，更倾向于进行私有化部署，这就导致项目周期变长，成本也一直处于较高水平。企业在投入之前，会仔细地计算自己能够接受的成本范围以及可能获得的收益。某大型企业由于要保护自身用户数据的安全等原因，对多种大模型建设方案的成本进行了对比，最终的方案一直无法确定。

企业应用中的难点与基础功夫

某些行业在应用大模型时存在难点。以医疗行业为例，一位医疗从业者提及在开发辅助诊疗系统时，获取数据成为最大的难点。他清楚地知道，倘若没有数据作为支撑，医疗大模型的效果就无法得到保证。此外，企业若要想充分利用好大模型，就需要做好基本功。例如，企业在多年的数字化实践过程中取得了一定的中间成果，就如某企业，它历经多年的数据沉淀和信息化建设，如果没有这些前置的基础，仅仅依赖大模型来解决所有问题是不切实际的。

你的企业若要应用大模型，你首先会考虑哪些因素？希望大家点赞、分享并在评论区留言互动。