2025年，人工智能（AI）在企業(yè)端（B端）的應用迎來爆發(fā)期，這一趨勢正在重塑ToB市場的競爭格局。從云服務廠商到垂直行業(yè)企業(yè)，各方都在加速探索AI與業(yè)務的深度融合，但落地路徑和策略選擇呈現(xiàn)顯著差異。

在物流行業(yè)，極兔速遞的實踐具有代表性。該公司AI團隊負責人表示，企業(yè)采用"漸進式"投入策略，優(yōu)先解決核心業(yè)務場景中的痛點問題。"我們不會一次性全量投入，而是分階段選擇最緊迫的需求進行試點，通過打磨、升級后再逐步推廣。"例如，在異常件識別系統(tǒng)中，極兔通過集成自研與外采的圖像識別、OCR等技術，構建了符合自身需求的解決方案。對于涉及核心競爭力的垂域大模型，則采取場景化微調策略，在通用模型基礎上進行二次開發(fā)。

企業(yè)需求的變化正在推動云與AI廠商調整戰(zhàn)略。阿里云相關人士指出，過去IT和云服務主要對接企業(yè)運維部門，如今AI落地需要深入業(yè)務一線。"現(xiàn)在約三成企業(yè)的AI對接部門不再是IT，這要求我們重新理解業(yè)務邏輯。"飛書客戶成功經理的觀察印證了這一趨勢：2023-2024年上半年，飛書與客戶共創(chuàng)的1500個場景中僅20個有效，而2025年通過AI效率先鋒大賽就涌現(xiàn)出230個真實業(yè)務案例。

技術架構層面，混合模型策略成為企業(yè)主流選擇。極兔速遞市場營銷部編導透露，在視頻生成等創(chuàng)意場景中，團隊將工作流拆解為腳本生成、分鏡設計、內容校驗等多個節(jié)點，每個節(jié)點調用不同模型（如通義、豆包、Deepseek等），再通過混合Agent進行整合。"企業(yè)需要的是確定性，即使模型再先進，如果輸出結果不穩(wěn)定也無法采用。"這種"拆解-調用-整合"的模式，有效解決了生成式AI在審美一致性與差異化呈現(xiàn)之間的矛盾。

成本與性能的平衡是企業(yè)決策的關鍵考量。極兔AI團隊建立了一套包含效果（準確性）、性能（響應時間）、成本（價格）的三維評估體系。以知識問答場景為例，模型的關鍵信息抽取準確率需達到95%以上才能進入候選池，而響應時間過長的模型（如DeepSeek）則會被排除。"2024年以來Token價格持續(xù)下跌，成本權重有所下降，但性能和效果仍是首要標準。"這種"可插拔"的模型選用機制，使企業(yè)能夠根據業(yè)務變化靈活調整技術方案。

技術供給與需求錯配仍是主要挑戰(zhàn)。極兔團隊發(fā)現(xiàn)，盡管大模型廠商不斷迭代，但數(shù)學推理能力增強帶來的過擬合問題，反而導致企業(yè)落地時出現(xiàn)嚴重幻覺和不準確現(xiàn)象。"我們不得不將更多精力放在知識問答的工程化優(yōu)化和上下文任務規(guī)劃能力上。"某云廠商人士承認，受限于技術架構，實際給企業(yè)的文本處理上限通常不超過3萬token，這直接制約了大模型在復雜業(yè)務場景中的應用。

這種供需矛盾催生了新的市場機會。飛書等協(xié)同工具通過提供任務規(guī)劃、工具調用等中間層能力，幫助企業(yè)彌補大模型垂直應用能力的不足。Manus等新興解決方案的崛起，也印證了市場對精準任務調度能力的需求——其核心價值在于通過大模型規(guī)劃任務流程，精準調用各類工具，但3萬token的限制仍構成根本性障礙。

現(xiàn)實中的技術生態(tài)呈現(xiàn)高度異構特征。極兔速遞同時使用多家云服務商和AI模型，其技術負責人表示："不同廠商的銷售和解決方案團隊常駐企業(yè)，這種混合狀態(tài)既是技術能力差異的結果，也受安全合規(guī)要求驅動。"這種局面迫使云與AI廠商重新思考價值創(chuàng)造方式——在IaaS、PaaS、MaaS層長期異構的背景下，如何提供真正符合企業(yè)需求的整合方案成為關鍵命題。