教授介绍：胡可嘉

中欧国际工商学院运营管理学副教授

胡可嘉博士是中欧国际工商学院运营管理学副教授。胡教授擅长于从数据中解锁商业价值。她的主要研究方向包括服务运营、人工智能和商业分析。她曾与欧莱雅、万豪国际、戴尔、阿里巴巴和范德堡大学医学中心等工业伙伴合作。她的诸多研究成果发表在《制造与服务运营管理》、《生产与运营管理》、《应用能源》和《能源政策》等顶尖学术期刊上。

胡教授在西北大学凯洛格商学院荣获博士学位，在加州大学戴维斯分校获统计学硕士学位，以及复旦大学统计学学士学位。她擅长运用因果推断、统计预测和随机建模等研究方法。胡教授经常在INFORMS（运筹学和管理学研究协会）和POMS（国际生产与运营管理学会）年会中担任服务运营、可持续运营和新兴商业模式等主题会议和分主题会议主持人。她的多篇学术成果曾在INFORMS、POMS和MSOM（制造服务与运营管理国际年会）上荣获最佳论文奖。她撰写的“九州通医药集团”的案例研究入选中国MBA百优案例。

胡教授在中欧MBA教授运营管理与商业数据分析课程。

作者介绍：李文婷

中欧MBA2024届学生

中欧MBA学生大使

中欧MBA创新与创业俱乐部副主席

李文婷女士本科毕业于武汉大学，2022年入学中欧国际工商学院MBA。此前她曾供职于Deloitte、PwC咨询、国内领先人工智能企业，专注于新兴技术商业化。李女士曾参与多项深港两地科技创新创业孵化，参与国家人工智能行业应用标准编制。目前她在一家北美风险投资基金从事科技方向早期投资，专注于生成式AI和企业服务。

引言

AIGC技术是内容生产力的一大变革，也是人机交互方式的一大突破。新兴技术蕴含什么样的商业机遇？如何实现商业价值？AIGC背后的价值逻辑究竟是什么？拥有战略咨询和AI技术商业化从业经验的同学李文婷和中欧运营管理学副教授胡可嘉，将产业实战经验和MBA在运营管理、战略管理、创新创业等专业理论相结合，进行了更加冷静和理性的探讨。

近期，AI界的发展不同寻常， GPT-4的发布以出人意料的速度，突破了上个月还在被广泛讨论的Chatgpt还存在的大模型多模态应用瓶颈和规模不经济的算力消耗质疑；Google发布PaLM API ，赋能Google Docs和Gmails，Microsoft紧随其后发布365 Copilot，让工具回归工具；Midjourney V5解决了AI不会画手指的技术难题；百度加急下场，发布文心一言……AIGC热度达到新高。

颠覆性的技术往往蕴含巨大的商业机遇，但技术本身并不是商业机会。在这波AIGC热潮下，我们看到部分投资人和创业者似乎过于关注技术本身，将项目价值放在AIGC上或者加入概念炒作，而这最终的结果不外乎是产品同质化，或者是在资本市场上被割韭菜。我们希望通过本篇文章的讨论，反思市场最基础的商业逻辑，让创业者把关注点回到产品本身。

我们需要看清两个问题：

一方面，新兴技术商业化需要时间。回顾历史，当前在零售业广泛应用的条形码技术在1952年就被发明出来了，但它直到1966年才被开始商用，到1974年我们才看见扫码机被安装在Marsh超市，而二维码被印在商品包装上。

新兴技术从研发到商业化潜力探讨、探索、验证是需要时间的。虽然，在今天，随着人类认知积和底层技术进步、商品和资本市场的发展、信息流通效率的大幅提升等等，技术商业化的时间被大大缩短，但技术创新的故事仍是不变的。市场像一个无形的漏斗，筛选出最优的技术实现路线、工程化方案、应用场景、产品方案以及创新者团队，当然同时还需要一点运气——创新者的成功永远是小概率事件，期间你会看到一众先驱（first mover）、赶超者（catchup player）和牺牲者（sacrificer）。

这一波AIGC技术浪潮蕴含着广阔的潜力，令人兴奋，但在技术成熟度曲线和产业生命周期中还处在早期，甚至底层技术实现路线尚且存在不确定性，包括到底是大模型还是小模型。这启示创业者需要对不仅是产品市场匹配，甚至是技术选型所带来的风险做好心理准备，在产品可拓展性和商业模式的灵活性上做出设计。

另一方面，也是更重要的，我们需要意识到技术的新颖性与技术驱动的解决方案的影响无关。我们容易陷入的一个误区：将创新技术与技术赋能的解决方案混为一谈，技术的新颖性不代表以它为基础的解决方案一定能产生更大的影响力。例如，在第二次世界大战中，马和马车比起新发明的坦克更重要。坦克可能是一种新颖而强大的武器，但如果没有依赖马匹的供应链，将是徒劳的[1]。

The (Real) Landscape of Technology-enabled Opportunity[2]

一个常见的谬误是，我们以为一个创新性的技术能够带来具有颠覆性影响的改变（第四象限），但很多时候它落在了第三象限，而这直接的后果就是过度投资。

在这一波“AIGC Tech Fever”中我们见到了还未过去的Web3热潮类似的情形——市场过热和投机。知乎接入Chatgpt后股价大涨、原有AI1.0赛道的科技公司带上AIGC的帽子获得新一轮融资，概念炒作和市场泡沫的背后是对AIGC可以如何被应用、解决什么样的问题、创造多大的影响还未达成共识。

以上两个问题，如果换用商业语言，当下我们亟需回答的是AIGC价值创造和价值获取的逻辑。新兴技术可能因为无法找到合适的应用场景、无法找到明确的价值创造逻辑（包括存量场景中创造增量价值和在新的增量场景中创造价值）、未能持续地验证其创造的价值足够大且比起其他价值创造选项相比应足够优先、未能从有支付意愿和能力的客户身上持续获取价值、未能防备竞争对手和新进入者的价值掠夺，都可能使新兴技术浪潮中的弄潮儿成为牺牲者。

AIGC的价值探讨

3月16日，Microsoft发布搭Microsoft 365 Copilot，将GPT-4全面接入办公套件。Copilot不仅意味着办公软件生产效能上的飞跃，还意味着人机交互的方式迈上新的台阶。以Excel为例，你可以直接对边栏里的copilot说出”帮我按渠道给出销售明细，并插入一个表格“、“预测第四季度的销售额，并生成一个图表帮助可视化”、”模拟一下销售率增长如何影响毛利率”，有过数据处理经验的人能极易感知其中的价值，你作为公司采购决策者，若Copilot的升级费用大大低于初级数据分析人员人力成本，不考虑其他因素，你自然乐于作出采购决策。

虽然产品还在定向公测阶段，我们能够想象，作为成熟的杀手级应用，Microsoft office办公套件在GPT4加持下，将成为新的业务增长引擎，因为价值逻辑是清晰的——成熟的应用场景、完整的业务流程、庞大的存量用户群、较清晰的价值验证逻辑。办公软件工具领域，市场对AIGC商业化潜力和路线有相对成熟的共识，但在其他应用的场景，对于其他玩家，尤其是初创企业，AIGC是否能够顺利实现价值创造和获取呢？

这里，我们尝试从更宏观的视角梳理AIGC的价值逻辑，包括AIGC内容生产和自然语言交互两方面，以期抛砖引玉，期待创业者的实践、探索和沉淀。

1. AIGC如何创造价值

1）AIGC内容生产解决方案

AIGC在内容生产的价值主要是加快了初稿的产出速度，从⽽提升了创意验证的速度和迭代的效率。随着模型性能的进步，初稿的效果对于创意的呈现就越具体、越可靠，那么⽤户对创意的评判也会越准确[1]。另外，在广泛的生产和服务领域，产品的个性性和规模化⼀直是两难命题，AIGC的另一大价值就在于理想情况下它可以打破这个冲突，让个性化与规模化并存。

AIGC内容生产解决方案，包括AI赋能的、人机协同的、AI全自动的，其价值创造是否能如预期实现，与创始人对业务需求和技术能力的匹配度的判断能力有关。以ChatGPT为例，依托ChatGPT的应用层项目，创始人需要看到一方面，从经济性角度，在特定场景任务下是不如传统微调小模型范式的，另一方面也需要看到LLM由于自身、数据原因、标注策略等天然局限性，场景选择是有技术限制的：

问答准确性。现实世界先验知识太强，很难被提示覆盖，这导致我们很难纠正ChatGPT的事实性错误；对于常识、符号和逻辑推理问题，ChatGPT 更倾向于生成“不确定” 的回复，避免直接面对问题正面回答。在追求唯一性答案的情况下可能并不适用。

多语种能力。其前身 InstructGPT 指令微调的指令集中96%以上是英语，其他 20 种语言（包含汉语、西班牙语、法语、德语等）只占不到 4%。因此翻译目标非英文的机器翻译任务和多语言任务在追求准确的前提下可能并不适用。

长答案偏好。ChatGPT通过基于人类反馈的强化学习（RLHF）使模型的生成结果更符合人类预期（包括道德等），然而这也导致了模型的行为和偏好一定程度上反映的是标注人员的偏好，可能会引入新的偏见问题。此外，标注人员标注时会倾向于更长的答案，因为这样的答案看起来更加全面，这导致了ChatGPT 偏好于生成更长的回答，在部分情况下显得啰嗦冗长，因此在许多客户服务等功能性场景、道德风险高的交互场景下可能并不适用。

2）AIGC交互解决方案

以Chatgpt为代表的AIGC交互的本质是升级的人机交互模式，是在原有的菜单式交互、以知识库为依托的chatbot交互形态的升级，这种交互升级的应用潜力是广阔的。

通过AIGC创造不同以往的用户交互模式，改变用户体验是很多创始人和投资人看好的一个领域，但这个领域有点微妙复杂，对用户体验的价值贡献在有的场景是大的，有的大有的小。譬如项目“心识宇宙”，AIGC交互相比传统知识库和分类模型驱动的AI交互为用户创造了更加拟人的交互体验，更容易产生信赖，刺激分享欲，对于心理疗愈场景应用来说是创造了核心价值；但其他客户服务场景，却不一定如此，用户交互目的以业务完成为主，AIGC生成式交互在用户体验（交互效率/准确性）、企业接受度（答案和业务流程可控性）和应用经济性上不一定是更优的解决方案，且由于场景垂直，业务流程相似，很难依靠通用模型创造差异化交互方案，解决方案也容易被抄袭。

2. AIGC创业者如何获取价值

从终端来看，AIGC的价值获取在于为应用载体获取竞争优势，要么赋能成本领先，要么构筑差异化。

从差异化的角度，应用技术实现差异化是一个常见的策略。但需要提醒的是，单纯利用创新技术创造差异点，以期获得客户认同并愿意为之付费，本身是可能危险的。纵观历史，可能发生的问题包括差异化的功能点无法打动客户、差异点很容易被复制、创始人为差异化的付出过高的代价。

从成本领先的角度，AIGC人效替代的价值是很直观的，且解决了规模化和个性化的问题。解决方案应用不要只着眼于流程的人力替代，那样降本增效的价值创造是有限的（线性的）。解决方案应用创始人应该更加重视业务理解，拓展思路——利用好业务KnowHow，梳理目标用户的业务价值链，找到可以通过AIGC去简化的业务流程、可以的创新性地改变业务活动执行方式、可以改变业务活动之间的链接的方式，从而实现指数级降本增效的价值创造。

3.如何构建防御能力，持续获取价值

这里还有一个问题，竞争优势如何维系，如何构建防御能力？

有人说AIGC实际上是一场数据和技术竞赛。但是，数据和技术并不总能提供强大的防御能力，尤其是对于应用层的创业项目来说。一方面，产品创造多少价值取决于用户感知到的价值。人类的感知能力是有限的，92%和97%的准确率区别很多时候无法被感知出来（区别可能在于长尾场景的表现或是超出人类感知的差异）。在ToB领域，这种感知差异更甚，竞争对手可以声称他们的销售材料中声称他们拥有类似的、甚至更优的能力，而不容易被客观验证；另一方面，专有数据集虽然能在一定程度上形成为形成保护，但并不一定能构成壁垒。合成数据技术的进步、行业KnowHow的分散性等等，都有可能让竞争对手获得更优的数据集，实现效果提升。

那如何防范抄袭者呢？构建防御能力，一般来说有四个维度：一是规模效应，创始人市场进入和占领的速度足够快，可以一定程度上通过数据飞轮实现规模效应，在中长期，通过生态建设，从规模效应跃迁构建网络效应，可能是建立护城河的一条通路；二是资源/渠道垄断，创始人在细分应用领域深耕多年或者产品先发于市场，对于AI的理解、对业务的理解、都客户和渠道的控制，在现实中，尤其是相对分散的AI市场，是防御能力；对于SaaS市场，可以是通过与上游平台的深度集成或战略合作实现的控制力，数量庞大的平台客户因为便捷性和PMF唯一选择接入你的应用服务；三是产权专利，产权保护本身在不依靠技术作为KSF 的应用层很难实现，但具备产权保护解决方案的项目比不具备的项目，更具备市场吸引力，尤其是隐私和产权保护要求更高的领域，包括创作者平台、金融和政务领域；四是行业KnowHow，创始人避免陷入技术狂欢，而将重心回归如何利用对业务通电的理解，打磨真正解决用户问题的产品，AIGC作为粘合剂贯通业务流程，进而渗透周边业务，将自动化程度提升到一个新的高度。

关于中欧MBA

中欧国际工商学院由中国政府和欧洲联盟于1994年共同创立，是中国唯一一所由中外政府联合创建的商学院。学院始终秉承“认真、创新、追求卓越”的校训，致力于培养兼具中国深度和全球广度、积极承担社会责任的商业领袖，已形成在三大洲五地（中国上海、北京、深圳，加纳阿克拉和瑞士苏黎世）办学的全球化格局。

中欧MBA课程致力于培养既深谙中国市场、又具备国际视野和跨文化沟通能力的未来全球商业领袖。通过贯穿MBA始终的领导力课程，学生们在整个16个月中不断去体验、反思和完善自身的领导力能力。中欧MBA在英国《金融时报》全球MBA百强榜单中已连续七年位列亚洲第一。

编辑：梁萍