企业级AI的商业模式

本文来自微信公众号： 陈果George ，作者：GEORGE陈果，原文标题：《企业级AI的商业模式 ｜ 定制化还是标准化》

几年前，大模型还没兴起时，对企业级AI市场，我挺看好90年代企业软件行业开创者Tom Siebel开创的C3.ai，我觉得这可能是AI对企业软件行业的新一轮革命，参见《《认识数字化转型》推荐序》，他关于企业软件行业的洞察写在这本书里，书是我写的序。

2020年C3.ai上市，市值200多亿美元，而差不多同期Palantir上市，市值相仿，在我来看，这两家公司的创始者愿景、市场定位和目标客群、技术路线和产品架构等，多有相近之处。

不过过去一年多，两家公司的市场表现却是天差地别，C3.ai股价跌了80%以上，而Palantir一年间股价涨了十倍！

两家公司的关键不同是：C3.ai致力于提供标准化产品，而Palantir的核心商业模式还是定制化开发。

C3.ai的商业策略简单说就是Tom Siebel希望复制30年前SAP、Oracle等标准化通用企业软件成功的道路，C3.ai从企业级通用AI平台和标准化解决方案出发，跟埃森哲、普华永道等系统集成商合作，希望客户用其平台快速构建行业AI应用（预测维护、供应链优化、欺诈检测等）。

C3.ai强调可复用、跨行业部署，定价模型逐步从订阅转向按使用量/消费模式，试图扩大中型企业客户基础。

创始人Tom Siebel比较低调，对技术标准化和“AI工具化”有深厚坚持，更强调技术路线的长远规划和平台价值，而不像Palantir那样自我宣传驱动市场预期。

而Palantir则起源于政府和军队情报处理的数据整合与分析，其软件本质是数据操作系统，用于将复杂数据变成可行动结果。产品如Gotham和Foundry不是卖通用组件，而是针对客户部署的大型定制项目。近年来在商业市场的扩张中仍大量采取定制化高级服务加实施咨询配套，而不是“开箱即用的标准化”。

参见我的研究《Palantir究竟干啥的｜行动系统是第三代企业软件》《FDE前沿部署工程师｜价值创造导向的管理咨询式工程师，促进产研前置》

创始人Alex Karp是硅谷富豪Thiel的斯坦福硕士同学、室友，不过是文科生——哲学专业，而非技术出身，其风格非常善于讲故事、塑造愿景，使Palantir在政府与企业客户中都能获得话语权，从价值宣传到市场推广都有更强烈的“战略叙事感”，最近出版的《科技共和国》一书和Tom Siebel的著作比，风格鲜明差异：

Palantir的定制化项目+高边际利润+卓越现金流表现更容易被华尔街理解为“真正能赚钱的AI公司”，从而推高估值。C3.ai虽然在技术和平台架构上有长期价值，但由于利润率低、客户转化慢、产品收益显现滞后，导致市场对其潜力估值更保守。

Palantir的业务模式是深度嵌入级的项目交付，很多项目围绕着客户核心需求来打造，天然形成高转换成本、高粘性和高利润。而C3.ai的标准化平台虽然在理论上能快速复用，但对于很多企业来说存在“部署难＋价值周期长”的问题，客户往往需要咨询、集成和大量内部协调，延长销售周期并压缩利润。

应该说，目前企业级AI应用的市场还处于早期成熟阶段，除了知识管理、代码生成、客户服务等点状应用外，仍处于局部试点以及“分析型应用”，向“企业自动化”“运营型智能”转变的过程。

Palantir目前在当前市场只是“数据翻译加解释生成型AI“”，而真正的“AI自动化引擎”还有一定的差距，可能是接下来几年才会爆发，AI自动化引擎，也是我们目前知识开源和奥瑞方的努力方向。

企业AI市场是一个多阶段演化市场：

当前阶段，定制化+深度嵌入的商业模式更容易实现高利润并被市场认可；

中长期，随着AI趋于成熟、部署标准化和自动化化工具提升，如果C3.ai这类产品真正实现其平台愿景，它的规模化标准化产品可能更具边际利润优势；

盈利模式差异更多与商业模式、销售能力和市场接受度有关，而不是产品本身“标准化vs定制化”的绝对优劣。

业务自动化（Business automation）才是企业AI的关键方向。