企服公司如何借助AIGC实现不烧钱的爆发性增长？

中国的企服行业在经历2021的狂欢后，进入冰点期。大洋彼岸，国外SaaS行业龙头公司正在积极拥抱AIGC。Salesforce于2023年3月推出Einstein GPT，为全球第一个用于CRM的AIGC产品，又陆续推出面向营销和商务细分领域的Marketing GPT和Commerce GPT。2024财年其总营收349亿美元，AIGC功不可没。

当下处于阵痛期的中国企服创业公司正在迎来历史性的机会。在人工智能时代，SaaS企业如何实现“减脂增肌”？如何为客户真正创造价值？如何打造10倍好产品？企服公司如何借助AIGC实现不烧钱的爆发性增长？企服公司的未来又路在何方？

2024年5月24日，盛景嘉成创投联合金沙江创业投资，共同举办《企服公司如何借助AIGC实现不烧钱的爆发性增长》闭门研讨会，作为重点投后活动，旨在帮助被投企业实现可持续健康发展。

会上，盛景嘉成创始合伙人彭志强、金沙江创投主管合伙人朱啸虎做了深入分享。在两人的分享中，他们共同提到了企业要回归商业本质，要有自我造血能力，要不遗余力的打造10倍好产品，为客户新创造10倍价值或降低90%的成本。同时两位投资人都反复提到AI是中国企服“改命”的关键因素，没有AIGC赋能的企服企业，已经没有投资人感兴趣了！其中“AI”一词被提及75次，“增长”一词被提及39次。

以下是小编马不停蹄整理出来的精华内容，为保证内容的原汁原味，我们将两位投资大咖的内容分列如下，enjoy~

▼

新“国九条”下产业数字化公司

资本路径与增长战略

——盛景嘉成创始合伙人彭志强

01

新“国九条”下资本路径

在新“国九条”的背景下，a股上市门槛显著提高，盈利要求和现场核查比例也显著提高，强调国家战略、人民性和政治性，我将其总结为“又红又专”。对于产业数字化公司而言，如何在业务中体现国家战略、人民性和政治性是一个挑战。

港股的估值和流动性相对较低，交易量小，在美联储加息背景下，港股的市场不确定性较大。因此，建议优秀的产业数字化公司可以先以H股在香港上市，几年后再回到A股，这可能是一个优选方案。

A股上市的额度稀缺，业内普遍认为，2024年大约只有100家企业上市发行。但我相信随着A股各种制度的完善，尤其是退市制度的完善，未来上市公司数量会从每年100家逐步反弹到每年200家、300家甚至500家。阶段性IPO放缓对我们这种历经了A股市场n次停摆的老司机来说，已经习惯了。停停开开，这是中国资本市场的常态。从长远来看，A股总体路线明确，是否能符合主要要求取决于企业的战略规划和核心能力，但A股的市值和流动性等确定性较强。

当然，短期内ipo放缓导致了资本链条整体循环放缓，VC/PE的活跃度显著下行。多数投资机构都在延长投资期，从原来的两年半或三年延长到四年甚至更长，人民币创投在募资、投资、管理和退出的各个环节都面临较大挑战。美元基金更在大幅度收缩，因此，创业企业的持续再融资难度急剧提高。这种融资环境下，产业数字化公司必须具备强大的自我造血能力。

同时，并购和被并购的关注度显著提高。但总体来看，与美国相比，中国的并购活跃度仍远远不够。在美国，通过并购方式退出是VC退出最主要的路径，而不是IPO。美国上市公司的退市中有60%也是通过被并购实现的，而不是因为不合规被强制退市。

过去中国创业者不太愿意被并购，但我认为被并购其实是融入一个更大、更强的生态，被并购并不是表示企业做得不好或失败了，而是融入一个更强、更大生态、做强做大企业的主要途径之一。被并购实际上是一种增长的方法，而不仅仅是退出手段。很多时候你需要融入更强大的生态系统才能继续发展壮大。因此，不要将被并购视为失败，而是视为实现企业成长和发展的重要途径。

02

战略选择 看懂“变与不变”

《易经》被称为“万经之首”，它的核心思想是教我们如何在万变中寻找不变。我去年出版了一本书，叫《变与不变》。希望创业者今天在新“国九条”之下，在思考AI时代增长之道时，首先思考资本市场、产业价值链、新技术以及客户中哪些是变化的，哪些是不变的，从而找到增长机会，尤其是不烧钱的爆发性增长机会。

哪些是变化的？哪些是不变的？答案因视角、角色或周期的不同而异。有人从客户视角出发，有人从资本市场角度考虑，而资本市场中一级市场和二级市场的观点又可能不同。投早期项目和投PE的观点也各有不同。同样，从产业视角看问题，大模型底座的策略和AI应用创业企业的策略也不同，已上市的产业公司又有不同的想法和策略。

资本市场的“变与不变”

那么，从资本市场的视角来看，变与不变是什么？

变化的部分：靠一轮轮融资输血来提升估值是不现实的，低门槛轻松上市也不再可能。未来上市的门槛将越来越高，老股东到期退出的压力也越来越大。这些都是与过去不同的变化。

而不变的是什么？好公司永远是稀缺的。今天创投机构弹药虽然紧张，但无论是金沙江、盛景还是其他投资公司，都有资金。只要项目好，总能找到资金。我一直对团队说，投资比募资难十倍。虽然募资不容易，但好的投资项目更难找。包括在座各位的项目，如果真的好，我们仍然可以追加投资。关键在于项目是否够好，公司是否优秀，这是一个灵魂拷问。

那么，什么是好公司？在不同投资阶段和不同投资人眼中，答案可能有所不同。回到常识上来说，一个好公司应该有健康的现金流，并能可预见地赚到与估值相匹配的真金白银的利润。我这里强调的是“可预见的利润”。我们并不要求公司今天就赚钱，vc可以用 forward pe（未来的利润估值）方法，但必须能看到未来赚钱的前景，至于是一年后、三年后还是五年后的利润，取决于公司的核心能力和发展潜力。像马斯克这样的企业家，资本市场甚至可以按照十年后赚钱规模来进行估值。

赚的钱要与估值相匹配。如果一个公司只能赚1000万，却按照两亿利润的估值来估值，在今天，这就不合理了。多数企服公司在疯狂年份的估值可能都存在高估。因此，未来的估值模型应该根据公司可预见的盈利能力来进行合理的估值。这就是好公司的标准：现金流健康，可预见的利润，并与估值相匹配。

AI时代的“变与不变”

在AI时代，什么是变化的，什么是不变的呢？

我们先来看不变的部分。在AI这个时代，依然不变的是为客户创造价值，这是企业立足的根本。这听起来像是套话，但实际上，这是企业经营的“第一性原理”。各位产业数字化公司需要反思，扪心自问，这些年真正为客户创造了多少价值？如果你们的应用让客户觉得付出不值得，甚至觉得成本太高，那么你的价值创造是有限的。不仅仅是软件的成本，还有整个组织变革的隐性成本。所以，真正为客户创造价值，这种常识其实就是第一性原理，才是真理。

不变的还有，客户要的是“结果”，而不是“工具”。这在全球范围内都是适用的，尤其在中国尤为明显。中国老板经常说：“只要能有结果，钱都好办”。这就是为什么许多软件公司、SaaS公司和产业数字化公司面临困境，因为他们只提供工具，而不提供结果。举个例子，像新东方，因为它能带来明确的结果—提高考分。这就是“结果”的价值。

我们看到产业互联网的交易模式往往优于纯过程的服务逻辑。比如，我们投资的国联股份，它从过去的过程性服务（收取会员费）转变为按集采交易分成，2023年净利润超过了15亿。这就是结果导向的价值分享。

再如，埃森哲市值达到两千亿美金，从传统咨询公司发展为提供IT审计、战略规划和代运营的公司，一个代运营订单可以签十亿美金、为期十年。这就是从咨询出主意到代运营给结果的进化过程。

因此，所谓端到端的服务能力越来越强调结果导向。企服公司需要重新定义端到端服务，能提供“结果”的公司将越来越有价值。

在AI时代，企业必须牢记为客户创造价值是永恒不变的真理，同时要转变思路，注重“结果”导向，真正为客户带来可衡量可视化的价值。这样，企业才能在变化的时代中找到不变的增长之道。

在AI时代，变化的是什么？AI是一种更强大的数字化技术。我从SAP实施开始，就一直在数字化领域工作或投资。如今，AI作为一种更强大的数字化技术，可以为客户创造10倍以上的价值。

朱总也提到了“10倍”理念，我对此非常认同。过去，数字化公司雄心勃勃，但本领有限，为客户创造的价值也非常有限。而AI的出现，将带来新的突破，可能为客户和企服公司自身带来十倍的效益，或者仅仅十分之一的成本。传统的项目制存在许多问题，但AI有可能革命性地降低项目制的成本。AI是降本增效的核武器，为企服公司带来新的希望。

第一个变化是，AI可以大幅提升客户价值，而无需烧钱。有了底座大模型和英伟达等提供的强大工具，我们只需将这些工具与行业应用结合好，就可能实现客户价值的10倍提升。

第二个变化是，未来的数字化公司必须做到“把简单留给客户，把难度（复杂）留给自己”。中国企服公司为什么市场开拓困难？因为产品不好用，用户体验差。优秀的企业，如谷歌搜索，能够把简单的用户体验和高难度的复杂技术结合，取得巨大成功。在AI时代，所有希望发展的数字化企业都必须做到这一点，否则将被淘汰。

客户有四种角色：购买者、使用者、影响者和采购者。过去，我们最不重视的是“使用者”（end user ），比如卖crm 软件，重点是搞定老板和信息部门，而不在意实际使用者的感受，如销售人员。然而，现在我们进入了“使用者主权时代”，使用者（end user）对产品的满意度成为了关键。

03

AI时代是中国产业数字化公司

改命的“胜负手”

AI是中国产业数字化公司改命的关键因素。为什么中国的软件公司发展得不温不火？为什么中国的 SaaS公司大多数陷入泥潭，只有极少数成功？交易平台公司常被认为是“贸易倒爷”，缺乏技术含量。可以说，中国的产业数字化公司步履艰难。

我们不能简单地归咎于用户不成熟，更多的应该反思自身的策略和逻辑。那么，企服公司困境的内在原因是什么？未来发展的路在何方？我们需要进行灵魂拷问。反思越深刻，未来生存和发展的机会可能越大。

产业数字化公司的核心价值在于“降本增效”。关键问题是，你是否有能力为别人降本增效？遗憾的是，过去这些年，企服公司自身的经营成本很高。比如，研发投入和销售转化之间的严重不成正比。这些问题的背后，是因为自身能力不足。对客户而言，效益增加有限、成本降低不明显（数字化显性成本却不低、组织变革隐性成本高）。产业数字化公司收入的本质是为客户“降本增效”的分成，到底“有多大结果”是一个灵魂拷问。

AI时代是产业数字化的关键决战点。现阶段没有企服公司不关注AI，但很多企服公司仍是在观望，决心不够大，速度不够快。不具备突出AI能力的数字化公司将被边缘化，资本市场也不会理睬。但是，如果你能形成新的AI核心能力，即Refresh(刷新)，你就有希望实现健康的财务表现，并被资本市场重新关注。

04

在新资本路径下、在AI时代，

重构增长战略

如何把握ai的时代机遇，在不烧钱的前提下实现爆发性增长？今天，我向大家介绍一套方法论，那就是“极简增长战略”。这是我今年年底即将出版的新书的主题，同时也是我在企业经营方面的系统思考。

“极简增长战略”主要解决企业一到五年的发展战略问题，而商业模式则是关于未来几十年的宏观发展方向。我特别强调的是，战略和商业模式都源自于“核心客户和核心需求”。

很多企服公司面临的一个大问题是，无法清楚回答这些基本问题，尤其在AI时代，这些问题是否发生了根本性的变化，很多企业还没有深入思考，仍旧走在原有的路径依赖上。如果能回答清楚这些问题，企业就可以做到不烧钱，因为与核心客户和核心需求无关的事情就应坚决不做，这就是“做除法”。

大多数增长战略往往都是错误的，因为企业本能地会想做加法或者乘法，即陷入“复杂性陷阱”，但我建议先做除法，砍掉与核心客户和核心需求无关的东西。“增肌减脂”，先把多余的脂肪减掉。

极简增长战略的底层逻辑完全不同于传统的战略规划。传统的战略规划往往从创始人或高管的视角出发，更多的是“我”或“我们”的视角。然而，应该从核心客户和核心需求的角度出发，回到企业存在的第一性原理，即为客户创造价值。

在做战略规划时，很多企业会从使命、愿景和价值观开始讨论，但这难以形成共识，往往也离实际赚钱很远，那是阿里巴巴这类大企业的战略方法。极简增长战略从核心客户、核心需求切入，可以在最短的时间内找到赚钱和省钱的结论与共识。

企业不仅要考虑如何为客户降本增效，还要首先考虑自身的降本增效。只有企业自身实现降本增效，才能坚持到为客户创造价值的那一天。

“错配”是企业经营中最大的浪费。从战略研究的角度来看，“fit”这个词非常重要。在现实企业中，“错配”现象尤为严重。无论是宏观的商业模式，中观的战略，还是微观的战术策略，都要避免错配。各个部门和各个层级的一致性也很重要，“竖井效应”会导致各自为政。

在新的资本路径、AI时代和新的经济周期下，中国进入了中低速增长周期。创始人需要带领高管团队重新评估增长战略，并贯穿到每一个细节，即“一以贯之”。这里有几个灵魂拷问：

核心客户是谁？很多创始人可能都不屑于回答这个问题，但实际上很多创业企业摊子铺得很散，来的都是客，这就导致了企业经营效率低下。

核心客户的核心需求是什么？这个问题很多企服公司难以准确回答，众多创业公司只是满足了核心客户的一个不痛不痒的小需求，这样的企服公司日子会过得很难。

用什么核心产品满足核心客户的核心需求？多数企服公司的产品线很多很杂，研发投入大、收入转化状况却很不理想。

核心销售系统如何实现核心产品的规模化销售？产品不错，但销售系统却未并未准备好，功亏一篑。

确定这四个核心选择后，一切决策和经营行为都要围绕它们展开，凡是与这四个核心选择无关或弱关联的事，应该不做、少做，无关或弱关联的人，应该不招、少招。从重大投资、并购，到研发管理、产品管理、营销、供应链、人力资源甚至股权激励等等一切的经营行为，都要紧紧围绕这四个核心选择，“力出一孔”。

进一步收敛，企服公司应得出1-3个年度“关键任务”，并围绕“关键任务”寻找和激励“关键人才”。

所谓创始人要“抓大放小”，抓大是抓关键任务和关键人才。但要注意，关键任务必须一抓到底，关键人才的喜怒哀乐都要关注，抓到每一个细节。

“10倍好产品”则是日常工作的抓手。通过衡量销售费用率、销售人均毛利、订单金额、复购率、NPS成本与效率等指标，判断产品是否是十倍好产品。如果指标没有显著改善，就要分析问题并进行PDCA（计划-执行-检查-行动）循环改善。

今天，如果讲增长就需要烧钱，这个窗口已经关闭。只有找到不烧钱的爆发性增长道路，才能重新回到资本市场的主流。

通过AI新技术革命、极简增长方法论，为企服公司提供了不烧钱的爆发性增长机会。

AI as a Service 中国企服唯一之路

——金沙江创投主管合伙人朱啸虎

今天所有创业者都面临非常严峻的考验，但在“寒冬期”考验反而是试金石。

近几年中国的企服赛道可以用“冰火两重天”来概括，2021年很多公司融资都是几十倍的PS（市销率），但那时其主营业务收入水分很大，很多不是软件的订阅收入而是项目收入。

2021年以后企服赛道的热度急剧滑向冰点，软件公司想要融资变得非常难，因为在人民币基金的眼里，软件公司不是“硬科技”。

因此，今天的企服软件公司如果没有AIGC赋能，已经无法引起投资人的兴趣了，并且要在不烧钱前提下能够实现业绩100%的增长，且是纯的订阅收入，投资人才会愿意看一看，但也只是4、5倍PS，可以说今天的投资人是“既要也要还要”。这对创业者来说是非常大的考验，但真的好公司是可以做到的，所以企业一定要自我造血，正向现金流。

而对于并购，如彭总所言，美国的软件公司确实80%-90%是并购的，真正上市的软件公司非常少。我认为，未来可能会有并购，但今天可能不是一个好的“时机点”。

再就是产品要标准化，为什么以前软件公司增长非常难？因为都是做项目，产品不是标准化的，是定制化的，所以很难增长。

有一个很重要的指标，美国软件公司的销售人员对研发人员的比例至少是3:1，多的甚至是5:1以上。但中国相反，中国软件公司的情况是10个研发对1个销售，为什么会有这么多研发人员？因为做项目定制化开发，需要很多开发人员。

在泡沫时期，靠定制化冲收入很容易，但后面增长就很难；若碰到“寒冬期”，砍成本也会成问题，因为砍掉研发人员，项目都交付不了。

另外，美国现在很多的软件公司都是PLG模式（Product Led Growth），靠产品驱动增长，但中国公司要实现PLG很难。因为在美国，软件的购买部门经理就可以直接决定，并且刷公司信用卡即可，但在中国无论是购买决策还是支付方式，都决定了几乎不可能实现PLG。

那么为什么AI赋能的软件有可能爆发性增长？因为AI赋能的软件可以给用户创造数量级的价值优势，比如帮助客户降低90%以上的成本，就会激发客户迅速购买。

最后一点特别重要，就是少犯错误。中国企业数字化是不可逆的趋势，但这个“冬天”可能会很漫长，可能还需要3-5年，所以我今天一直强调，不要烧钱。我们发现如今“活得好”的企业软件公司，此前的融资规模大多只有竞争对手的1/10，因为“钱紧”所以每一分钱的使用都非常谨慎，这些公司反而更适合“寒冬期”。

01

企服公司收入增速缓慢，

必须加快自我造血，寻求增长机会

中国企业和美国企业相比，后者的增长速度非常快，从零开始前两年基本能保持每年三倍左右的增长，之后是每年两倍左右的增长速度，所以很快能做到一亿美金ARR（Annual Recurring Revenue，年度经常性收入），估值也很快能到几十亿美金。

当中国企业的收入基本达到几千万人民币的时候，增长就会迅速放缓到50%以下，估值就很难提高。所以2021年投资人在很多软件企业里“砸钱”之后，2022年、2023年就非常失望。

我们发现中国市场和美国市场确实不太一样，中国“公有云”的市场增速还非常小，其2022年收入大概300多亿美金，相当于美国2015年的水平。因为大多数大企业不太愿意使用“公有云”，基本上都要私有化部署。

另外，中国的“公有云”收入也有很多水分，不少大厂这部分收入里包含了很多集成收入，不是真正的云收入。

所以，伴随一级市场融资急剧放缓，现在基本上能融到钱的都是AI的项目，并且今天更强调“盈利性”，基本上不能烧钱。要知道现在上A股没有5000万的利润，想都不要想，而且以后的门槛会越来越高，所以企业的数据一定要真的非常好。

02

产品要标准化，

但是PLG不适合中国市场

要标准化并非不能做项目制。在美国，很多软件企业也是一开始尤其是通过给头部企业做定制，来学习行业最佳实践的。比如workday这家公司，创业第一年有近50%的收入来自于项目，它通过为行业最头部的企业定制项目，来发掘客户的需求点，但这里的关键是要迅速收敛。

虽然今天这家公司还有10%左右的收入来自项目，但这么做为的是持续为头部企业服务，来获取客户的新需求、新痛点。企业只有迅速把80%以上的收入来源，调整为标准化的软件产品，才能真正上规模。

而对于软件企业来讲，“客户留存率”是特别重要的。像Snowflake的收入留存率高峰时能有150%，也就是客户去年花100块钱，今年花150块钱，这说明它的产品真的非常好，非常符合客户的需求，所以客户才会不断增购。

但说实话，今天中国很多中小企业SaaS客户留存率能做到60%，大型企业SaaS能达到90%以上，就已经非常好了。不管目标客户是中小企业还是大企业，其收入留存率都希望能在100%以上，这样企业才能每年增长。

所以，PLG（Product Led Growth）在中国很难，对很多企业来说PLG只能靠放一个免费的版本在线上，去获取一些客户线索，而且还需要销售人员去跟进，不靠销售人员跟进就能成单，在中国几乎不可能。

03

大部分创业者远远低估了

海外市场go to market的难度

由于一些企业觉得中国市场太卷，赚钱太难，所以就想“出海”，但如果企业不做一些投入，“出海”也很难。

创立于新加坡的WIZ.AI就做得非常好，它的创始人是前360 副总裁，这家公司是做语音AI服务的，而大模型就特别适合电话中心的自动化，特别是东南亚有很多小语种，人工智能就特别适配小语种的电话中心，但是它也是花了一两年左右的时间来打磨产品，然后才打开市场。

汇联易则是成功打入日本市场，日本是一个非常好的软件市场，但这个市场与中国和其他国家都不一样，它是通过在电视上打广告，然后等着客户打电话进来买软件。这就要求“本地化”必须做得很好，日语不能有任何错误，因为日本人对这些细节非常挑剔。

汇联易也是在日本深耕多年，在打通了日本地铁系统以后才真正在日本市场起飞。因为它的用户是日本的白领上班族，他们通行基本靠地铁，打通了地铁接口才能获得实时数据。

04

美国企服的尽头依然是金融科技

在国外尤其是美国，软件公司的优势其实在“金融科技”，美国的餐饮垂直软件Toast就是经典的案例。它所在的行业，软件的天花板实际并不高，但是靠金融科技它把自己的天花板再提高了好几倍。

作为餐饮行业软件，Toast纯软件收入不高，但由于美国的支付佣金高，基本上是2%-3%，它靠支付业务一年就有两三亿美金的收入，最高峰时它有200亿美金的市值，目前市值也超过100亿美金。

反观中国，有一家叫“二维火”的企业对标Toast，前者所有的业务指标都比Toast好，包括：签约的餐厅数、订单数、支付金额都比Toast要好很多。但是因为中国支付佣金太低了，只有千分之几，几乎赚不到金融科技的钱。

05

剩者为王！

看谁的现金流能熬到“春天”？

现在大家都很难融到钱，就看谁能活下去，所以核心是你要比竞争对手少犯错误，少亏钱，控制好现金流，熬到3-5年以后“春天”，市场都是你的。

我们在五六年前投了一个做赋能线下门店的公司叫“万店掌”。投的时候它很小，才赋能了3000家门店，经过5年时间，目前已做到赋能50万家门店，到年底预计可以赋能60-70万家门店的线下管理。

我们投的做RPA的“九科信息”，同期也有几家做RPA的公司融了几千万美金，甚至有上亿美金的，有了钱之后他们迅速扩张到几千人，但到“寒冬期”都非常难。比如，很多大企业客户就拖着不付钱，感受到“寒气”的公司只能大规模裁员，而一旦大规模裁员，那些大企业客户就更不敢用你了，直接就把它们从供应商名单里踢掉了。

而九科信息到现在才100人，订单根本做不过来，客户需要排队。所以对创业者来说，一定要让你的客户去排队，千万不要去盲目扩张自己的人员。

06

AIGC是一条长坡厚雪的赛道，

但创业需要回归商业本质

当然，尽管整体市场回调，但生成式AI从去年开始，确实也是如火如荼，不过生成式AI里同样有很多陷阱。我一直跟企业说，如果你投入10个人找不到PMF（Product Market Fit），投入100个人同样找不到，今天是最难的实际就是找产品和市场能够达到最佳的契合点。

为什么这么讲？做大模型的大厂都开始打价格战了，但创业公司没法跟进，因为没钱。

举个例子，现在便宜的可能像“通义千问”100万token只要一块钱，100万token什么概念？150万到200万汉字，这对于普通人来说根本用不完，相当于就是免费的，这让大模型创业公司怎么跟进？

而且感觉GPT-5可能也没那么简单能出来。以Sam Altman的做事风格，如果GPT-5能够发布的话，他肯定早就发布了。到现在还没发布，甚至说可能要到年底，这确实让人感觉GPT-5至少可能没有显著的比GPT-4好很多。

其实GPT-4对很多场景，对绝大部分用户场景来说，已经足够了。

麦肯锡预测，生成式AI将为全球经济每年带来2.6万亿-4.4万亿美元的增长。我感觉还是低估了，根据PC销量和Office用户数推算，全球差不多有10亿白领，假设每个白领平均一年创造4万美金的产值，就是40万亿美金，通过AIGC提高20%的效率，就是8万亿美金，并且提高20%效率非常容易实现。

对于效率的提升，瑞典的Klarna公司是一个很好的案例，它通过GPT开发了一个24小时在线能处理35种语言的AI助手，很容易就代替了近2/3客服人员的工作。国内的数据差不多，用LLaMA2不做调优，能取代20%的人，调优一下可以取代40%-50%的人，主要看调优的能力。如果用LLaMA3的话，可以轻松取代70%-80%的人，这是一个非常明显的能迅速降低成本的应用场景。

07

AIGC聚焦垂直应用，

场景优先，数据为王

在具体的应用场景中，最核心的问题是能否去掉“幻觉”。很多时候出现“幻觉”是因为数据不干净，所以要把数据清洗好之后做垂直调优。

比如我们投的一家AI面试公司，现在做得非常好，它的AI追问就不能有“幻觉”，因为面试是非常严肃的事情，对于像腾讯、美团、招商银行这样的大公司来说，如果AI面试出现“幻觉”，AI追问了一个很傻的问题，这对于大厂来说是无法接受的。所以，控制并去掉“幻觉”是实际应用中非常重要的门槛。

而且我们特别看好在垂直场景里面去落地，去“抢客户、抢场景、抢数据”，以后最值钱的是垂直数据。美国有调研显示，不管什么模型用同样数据集，训练足够长的时间，最后能力都差不多。所以未来的核心是，你有没有足够多的、高质量的垂直场景数据。

因此，对应用创业公司来说，能否抢到这些数据、这些场景特别重要。我们投的AI面试公司有个大厂也要投，理由是：这家AI面试公司去年面试了100万人次，今年差不多能面试300万人次，每个面试大概30-40分钟，仅这些人机对话数据就很有价值。

聚焦在马上可商业化的场景

对于创业者而言，聚焦在马上可以商业化的场景很重要。Sora虽然很牛，但它目前还没法商业化，Midjourney也一样，它虽然看起来很酷，但每张图片可能都有点小瑕疵，在小细节上有瑕疵的，没法很好地商业化。

我们投的FancyTech就是非常典型的聚焦了可商业化的场景， AIGC视频广告效果特别好，而且马上能变现。它所做的广告商业视频，必须保证没有瑕疵，必须保证商品100%真实，因为全世界的广告法都是这样要求的。

如今我们考核AI软件，有一个指标叫“见面签单”，我们给FancyTech介绍客户，比如星巴克，从微信拉群到签单只用了一个月时间；比如LVMH，从微信拉群到签单两个月时间，就把LVMH中国所有品牌都签下来了。而且LVMH还推荐FancyTech去参加自己的全球创新大奖，作为唯一的中国公司去巴黎进行决赛，得了第一名。

所以，国内创业者千万不要去追求那些很难商业化的抽象概念，像广告视频马上可以变现，训练成本也很低。

FancyTech最初开始训练成本才几张卡，现在客户多了，加上不断迭代自己的产品，目前100张卡是自己的，然后再借了100-200张卡，所以做PMF（Product Market Fit）其实不需要非常大的成本。

去年这家公司的AI版本还比较简单，只能几张照片动一动，新版本则不断升级AI能力。目前新版本年费是9万/年，基础版降价至2万/年。所以要不断升级你的模型，同时把老版本、基础版降低至地板价，让竞争对手根本进不来。

所有的企业软件都需要用AIGC重做一遍

今天我觉得AIGC+是非常难的，最难的是行业的know-how、行业的垂直场景、行业数据，但+AIGC是很容易的，所有的软件都可以用+AIGC，其中有很多机会。

比如像电话中心，+AIGC两三个月时间就可以做出来，而且电话中心还可以做很多事情。以前卖电话中心软件，最多几百万人民币，但现在我不卖电话中心软件了，你把电话中心交给我运营，过去运营成本1000万/年，现在我报600万/年，到时候用AI做交付，保证客户服务质量。虽然报价便宜很多，但最终的服务依然有不错的毛利。

特别强调：首先，避开大模型的直接炮火。什么是直接炮火？写文案，文生图都是，文生视频大模型公司今天还做不到100%的AI，需要一部分人工，所以对创业公司来说还有点机会，因为中国人工便宜。

其次，要抢占垂直客户场景，抢先数据闭环！最后，以低一个数量级的成本，比如帮助客户降低90%以上的成本，直接交付客户需要的产品或服务！要让客户像消费者一样产生尖叫，让客户能“见面签单”，第一面POC（Proof of Concept，概念验证）、第二面正式合同。

AI是中国企服唯一的希望。