AI大模型确实火，客户商机太多了

首先，从企业内部来看，AI大模型是企业为数不多还有预算增长的领域。很多头部企业缩减了headcount、缩减了营销预算，但是AI相关的底层系统和应用系统的预算仍然在增加。在头部企业，AI大模型是巨大的生产力变革，这点已经基本成为共识，因此头部企业都不想错过这个技术变革，避免在未来的市场竞争中落后。

第二，很多头部企业都成立了AI创新中心或者AI生态合作部门，会有一笔独立的预算用来进行AI大模型项目的预研和验证，这些都是初创公司切入大客户合作非常好的窗口。

第三，如果你去企业聊proposal，前几年比较火的是数字化转型，是降本增效。但是今年，你如果还是拿这些议案，企业已经不感兴趣了，数字化转型的故事企业已经听烂了。但如果你聊的是AI大模型，不管是聊应用场景、技术原理还是行业趋势，从企业CEO、CTO、CIO到下面的业务部门，都会非常欢迎。甚至很多企业已经把对AI大模型的应用和探索，作为高管的考核指标之一。

因此，目前各个行业都出现了非常多AI大模型的商机，大到企业级AI平台，小到一些AI场景的POC验证。

头部企业和头部企业是不一样的

在上一篇文章《离开工作了七年的鹅厂，风叔正式踏上AI大模型的创业之旅》中，风叔有提到，我们锚定在行业头部企业，因为头部企业客户对AI接受程度高，可以减少很多前期的客户教育。经过这段时间的密集交流，风叔发现，同样是头部企业，对于大模型的认知也会存在巨大的差别。

传统的科技行业巨头，比如生产制造业和生物医药业，对大模型的探索非常积极和超前，敢想敢做，甚至已经有了很多非常领先的尝试。比如利用AI大模型进行药物研发、设备运维、销售助理。

但在一些传统行业，比如零售、地产和金融，对AI大模型的认知相对落后一些，认为大模型还只是像chatGPT那样的对话机器人，他们对AI Agent、对Rag的理解还很浅，不知道大模型其实已经可以做非常复杂的事情。

这个差别产生的原因，某种程度上也和企业面对的竞争和视野有关。科技行业更新换代非常快，你不前进就会被竞争对手赶超。而传统行业相对比较保守，一般不会轻易做第一批吃螃蟹的那帮人，除非实际看到某个技术范式已经对行业产生了巨大的影响，才会有动力进行改变，这和当年Cloud的渗透路径几乎是一样的。

另外一个发现是，外企相比国内企业更超前。可能因为在国外，用户能顺畅地使用openAI，而openAI的智能水平，显然是国内很多基座大模型无法望其项背的。很多国外用户已经将大模型应用在实际的日常工作中，这些认知必然也会影响到外企在国内的团队。

以上认知层面的差别，更多体现在企业的中层和基层，头部企业高层对AI大模型的认知还是比较清晰的。

RAG非常重要，现在和将来都是

RAG，无论在现在还是将来，都会是绝对重要的武器。

风叔和客户聊到了很多业务场景，几乎所有场景都涉及到向量数据库或知识图谱，比如设备智能运维场景、医药检索场景、销售培训场景、智能导购场景等等，这些都是此前风叔有预想到的。

未来随着基础大模型越来越智能，prompt和微调的重要性会越来越低。因为prompt的本质是在引导大模型如何思考，当大模型本身越来越智能的时候，对prompt的依赖性就越来越低了。比如GPT-o1出来之后，用很简单的prompt就能做很复杂的事情，不需要像过去那样设计复杂的prompt。微调也是同理。

但RAG的本质是解决企业私域数据的问题，企业永远不可能把自己的核心数据交给基础大模型。无论大模型的智能化如何演进，都需要给大模型挂载企业级专属知识库，这就是RAG的最佳用武之地。

所以，如果你是产品经理或开发，想往AI转型，RAG是你必须精通的领域。