“你们带技术拢共一百来号人的工资有八九千万，加上水电福利上亿，但你们一年只给我赚四五千万，你说我还有没有必要养你们？”

听到大老板半开玩笑的打趣后，作为网易to B商业化的一员，张智（化名）不得不重新审视自己的处境，趁早谋求退路。他瞄准了时下难得一个需要全身心入局的赛道——大模型。

To B方向的大模型销售圈子很小，张智很快在圈内好友的内推下得到了数份offer以及带HC的面试机会。

然而他四处奔波后的结果却不尽如人意，要么是希望在传统销售技能与关系的基础上还有一定技术背景，能自行输出完整的售前技术方案；要么是骗方案，所谓带HC的面试不过是获取商业化思路的套路，面试也变成“两个人相互表演”。

前者意在卷销售人效，自不必多言；后者虽是醉翁之意，但还是道出了模型服务商现阶段的主要任务是在B端谋求AIGC的变现的现实。

大厂相互比拼大客户的标杆效应，而创业独角兽们也开始将重心向to B方向转移：智谱AI即使是90万的政企方向项目制订单也不放过，Kimi母公司月之暗面也官宣Kimi企业级API正式发布。

当大模型从C端故事走向B端落地，这仿佛是上一轮AI热潮的又一次轮回。关键是，伴随着企业级API陷入价格战旋涡，相对更能带来现金流的仅余项目制订单。而项目制的结构性矛盾并未因大模型的加入而改变，反而有了愈演愈烈的趋势。

不幸的是，现阶段的模型服务商，还真就靠着“期货”一般的项目制订单，艰难求生。

即使市值多次杀入中概股前五，年营收突破千亿，网易内部还是习惯自称为中厂。

这并不完全是自谦，而是其“强枝弱干”的业务特点，导致网易在探索新业务的时候往往限于组织能力与习惯，难以一次调集足量资源以全功。以其大模型商业化部门为例，有足足六成产研需要配合游戏业务，余下配合商业化的产研资源可想而知。

而今，该部门似乎仅留下了两三位负责拍板的领导，在组织上被彻底边缘化，这一过程总计不过一年多的时间。我们试图自不同角度还原这个“小富即安”的中厂，追逐大模型风口的故事。

2023年初，ChatGPT红边大江南北，开启了新一轮科技增长叙事。彼时，源自各大互联网大厂台前幕后的声音几乎都是要抓住这轮机会。且不论能否开辟新的增长曲线，仅复用过去科技商业化的成果，便足以动人。

一直以游戏业务扛鼎，极少“不务正业”的网易也是如此。不过，网易AI需要复用的并非技术产研，而是商业化能力。

一位知情人士告诉光子星球，去年，网易to B团队开始探索大模型的商业化。“网易内部大多数人都是产研出身，能做C端产品，但在to B商业化方面整体不算成熟”，他说。

在发展路径上，网易与其他模型服务商截然相反。友商是模型底座先行，在具备不错通识能力后再拓展场景外延。反观网易则是直接将内部使用的专家模型简单封装，虽然内部职能的复用是大厂做to B的底层逻辑，但网易身处的游戏赛道与其他产业存在一定割裂，场景跨越便是一个不小的挑战。

值得一提的是，网易的AI工作室伏羲下属于网易雷火之下。早在组织架构上，其便昭示了网易将游戏作为AI的首个落地“试验田”的定位。

以去年上半年网易发布的文生图模型丹青为例，其作为快速封装便直接上马商业化的产品，便未能在市场上收获较好反馈。

具体来看，网易曾与某快消品牌有过一次文生图模型API调用的合作，据悉，该应用在投放期间的调用量不过堪堪过万，从UV、PV的口径看也不甚乐观。遑论自今年中旬起，基础大模型的API调用早已被打成白菜价，to B商业化的营收最终还只能落到定制化项目上。

这背后的根源便在于场景的割裂，本身大模型的生成结果便存在不可控性，场景问题进一步加剧了这一点。

而今在游戏领域，我们能看到诸如《逆水寒》智能NPC、捏脸以及《永劫无间》AI队友之类的成果，有道与云音乐也分别推出了基于业务属性的C端AIGC产品，但这些能力却没法快速平移到其他企业上。

生于业务却又困于业务，真实的网易AIGC似乎一直活在其他明星业务的阴影之下，讲不出动听的故事，外界也难以对其有所感知。

为一项创新业务的商业化，网易零零总总给到部门一年半的时间，在业内已经算比较有耐心和定力了。若不是主业面临一些营收压力，以及游戏业务内生的营销与资源置换需求，或许留给团队的可操作空间还会更大。

比如，团队内有BD提出过一些细分行业的销售线索，项目规模也自数百万到数千万不等，但大多项目最终都没能入老板的眼，原因在于与游戏行业“调性不符”或是“无法在营销层面做资源置换”。

不过，就像当下市场上充斥着数十万到百万级的“低价”订单一般，就算放开对客户的筛选，在产品交付的底层逻辑下依旧不能带来多高的流水以及利润。

因为制约网易甚至是绝大多数模型服务商的问题从来不是做不出产品，而是难以自技术驱动的产品思维切换为运营驱动的解决方案思维。短板亦不在产品本身，而是支撑整个长交付周期的服务、运营等人力资源要素。

所谓解决方案，在实际成交场景中绝不仅是针对单一场景与问题而组成的产品矩阵，而是针对客户需求组装的不同产品与服务，如此才构成解决方案所代表的“完整交付物”。事实上，恰是“持续交付”的服务叙事，让SaaS走出一锤子买卖的泥潭，持续为to B企业构建现金流。

一位大模型销售也和我们透露了自己的心声：“大部分客户无论是我自己的资源还是生态资源，最起码希望能给他们一个还可以的交代，不至于让他们砸了自己的饭碗。但很多模型服务商交付的没售后服务的产品，会把甲方的饭碗给砸掉的。”

从另一个角度说，这也是今年这轮Agent落地潮中，阿里通义、字节豆包、智谱AI等规模不等的模型服务商均积极拓展生态内合作伙伴的内生原因。生态伙伴是自技术到落地之间的中间件，走完最后一公里的同时也揽下了以后续服务为代表的苦活累活。

说白了，拿着锤子找钉子的活儿，大厂不愿干，中厂干不了，只能丢给创业公司。

需要指出的是，有人帮忙找钉子也未必是件好事。伴随着生态伙伴的加入构成的分润，于成本侧而言，相比此前友好不了多少，不过是能在熵减的角度上保持组织的精简；另一方面，长文本、多模态、RAG等不同方向的技术迭代与产品化周期下必然滞后的产品对冲，正在不断透支各行各业对AI的预期。

某教育集团便在接洽一家模型服务商的时候，提出了将集团LOGO放到生成图片固定位置的需求。而服务商团队不停prompt也prompt不出来，会议室也逐渐陷入了尴尬。

“AI的水平起码能达到设计的60%，但你们的连20%都做不到”，在其预想中，闹得满城风雨的AI应该是一个能够把仅仅5人的设计团队完全替代的产品，但真实情况是连降本都做不到。

GPT5遥遥无期，Sora也还没走出“期货”阶段。模型服务商大干快上让大模型商业化的主要矛盾已不再是技术，而是来自甲方。尤其是在作为AI在企业侧落地的“最短路径”的SaaS，近年来水份被拧干的情况下。

甚至可以说，大模型应用在本质上与传统to B服务并没有什么区别：没有额外溢价，没有赛道的差异化，甚至在黑箱的不确定性下，交付周期以及成本侧的压力还会相较以往更强。

以某家医药SaaS企业为例，其药店管理系统单店费用原是3000元/年，在引入调用API能力后，为了快速打破付费墙，反倒是将单店价格下调至300元/年。

至于交付周期，在相对偏向体量较大的项目制订单，僧多粥少的情况下，头部客户一如传统to B时一般表现。

“CTO、CIO们先找阿里、腾讯、华为等大厂白嫖一遍解决方案的汇报，走一轮下来就差不多两个月。走完了还得内部推给老板，等两个星期内部立项，一般第一期项目也就有个三五百万。”

张智吐槽道，足足小半年的时间的BD成本以及定制化产研决定了这个项目必然亏钱，但为了大客户的标杆效应，亏钱也得干。甚至有的大客户因特殊原因，并不能出现在服务商的客户墙之上，比如网易便曾经以严选商城的架构，做过茅台的电商App，这个项目迄今极少为人知。

如果以Agent整合的形式，跳脱出简单SaaS服务窠臼并尝试自生产关系的角度触达企业侧，在人效比与ROI上对成交更友好。只是这同样会碰上传统to B在迭代生产工具时碰上的问题——内部组织阻力。

以大模型在政企侧较多落地的标书写作场景为例，这部分文生文能轻松覆盖的需求将真切影响到组织内的利益分配。

一位知情人士告诉光子星球，此前阿里云便接触过一家设计院客户，直至内部立项前的展示、需求打磨、前期开发等流程都异常顺利，却卡在内部立项的流程中走不动。“这关系到招投标关键部门的饭碗，IT部门根本推不动，招标会上被怼得半死。”

此外，如果按传统to B的视角审视模型服务，不难发现生态伙伴的重要性被不同模型服务商强调，除了基于人力与组织上的考虑，或许更多的还是服务商正在丢掉自己的定价能力。与API调用价格一般，竞低影响着大模型商业化的未来，逻辑的自洽还需要更多的探索。

至于模型层的初创公司，在市场持续降温的情况下，再掏不出足够亮眼的成果，或许只剩被大厂并购一途了。