文：王智遠
圖片來源：由無界AI 生成
“通用大模型是自嗨” ，一位高管談道。
最近，與一些B2B管理者，以及市場營銷負責人交談，聊到對大模型實際應用、公關傳播上的看法。感到意外的是，許多人對大模型公司的做法，是批判的。
比如：
這些公司發布一個新模型後，往往迅速組織發布會，試圖製造快速關注，隨後，與自媒體合作，進行一系列公關活動。
但背後問題是，儘管大家已經聽過你的大模型，但很難理解， 這個模型到底有什麼價值，它如何幫助客戶的業務，或者它具體應用於哪些細分場景，以及如何給業務帶來效益。
這些問題讓我開始思考， 是公關正在失去傳播效果，還是大模型公司，根本就沒有用好公關手段，找到客戶選擇；或者大模型沒定好位，是一場空歡喜？
一位高管告訴我，解決這個問題，要從“為什麼”開始，也就是，大模型公司什麼最重要，內核是什麼？
01
數據、當然是數據，對不對。可是，要什麼數據呢？
openAI原來有近一萬億文字數據，但他們沒直接用這麼多，因為發現直接從網上抓來的數據質量不行。
所以，他們選擇了用質量好的數據來訓練，最後得到了大家都知道的那個1750億參數的模型。這些質量好的數據主要來源五個地方：
a) 經過篩選的網上數據b) Web Text2這個數據集c) 一號圖書館數據d) 二號圖書館數據e) 英文版維基百科
當你開始用GPT時，你會覺得它真的挺厲害，好像什麼都懂，但如果你學過專業的人工智能prompt（文本提示），去問它行業深度問題，會發現，它的答案有時候太籠統，就像在說空話。
因為它對專業領域的深入了解不夠，所以，通用大模型應用場景，也停留在「通用下」。
這也是，為什麼我們仍然需要更專業的知識來輔助決策、或解答一些深層次問題。那這問題就來了，通用都沒有深度，專業領域怎麼辦？
一位高管表示，大家很想用大模型，但不願意直接用，當中有三個原因：
1.不懂公司需求
我們是一家B2B公司，為了競爭優勢，必須建立壁壘。
在數據安全領域，我們的業績還不錯，已經涉足了車企、教育和醫療等多個領域。對於所服務的每一個客戶，他們都有自己獨特的數據和經驗，而這些信息是寶貴資產，不可能隨便公開。
這就造成了一個問題，那些提供大模型的公司希望能從這些數據中學習，以提供更好的服務，但因為安全和隱私的考慮，很多公司不想把數據放在公有云上。怎麼解決這個難題呢？
還有，中國雲市場和美國市場完全不一樣。
美國，公有云非常受歡迎，即便IBM收購了RedHat，私有云的市場也不太大，許多政府部門，也會選擇了微軟和亞馬遜的公有云。
中國不一樣，很多企業老闆都非常關心數據存儲的位置，以及各種數據平台間的互通問題。比如說，有些B2B公司選擇的是華為雲，而一些B2C需要獲客、管理私域，他們通常使用騰訊雲或字節雲。
這意味著，中國的混合雲和私有云市場的潛力遠遠超過美國，我做一個通用型大模型，或者引入一個通用大模型，賣給他們，根本沒有用。
2.不懂業務屬性
你應該看過“百度”起初那個搞笑典故，給大模型一段話，讓它給你畫個圖，比如，賈寶玉倒拔垂楊柳，孫悟空三大白骨精，它真的能給你憑空捏造一個圖出來。
這些圖完全不切實際，但你也別笑，這種想像力是智慧的結晶，國內能做到Midjourney的很少。
不過這對TOC來說並不重要，如果把種胡編亂造放在公司裡就會出現問題，比如，我們想把這種大模型連接到公司的系統裡去幫助決策，但如果大模型數據有問題，那結果就會出事。
舉個例子：
就像金融行業，想像一下用大模型做數據分析和決策。把所有的經濟學書籍和金融報告都教給它，聽起來確實很酷。
但如果大模型隨手給你一個投資建議，你可能會想調教它，告訴它這建議不行，希望它能優化。但問題是，這模型建議能有多準確？
你敢不敢用它做投資建議，怎麼確保建議是值得信賴？而且，如果它所依賴的數據過時，又怎麼辦？
同樣地，如果在中醫領域，我把所有秘方都教給機器人，它真的能準確地幫你配藥嗎？即使能抓，配的要你敢吃不。
所以，不同類型公司和行業有著不同的挑戰，這些需求就像SaaS產品定制化一樣，想定制多點，那最後不如私有化部署；定制少了吧，大模型公司賣不上價格。
值得一提，還有數據問題。
作為B端公司，我把數據給到大模型公司，即便簽署協議，我怎麼知道他會不會拿我的數據練手，再給其他公司提供服務？現在對用戶隱私如此嚴格，這不是技術問題，還涉及到信任和責任。
因此，儘管大模型很吸引人，其中也隱藏著許多問題。
每當有公司發布大模型，我們都會密切關注，那些仍然只發布通用模型的公司， “在我看來，可能還沒真正融入這個競爭激烈的領域，當然它們也可能只想先試試水” 。一位B端公司高管談道。
02
顯然，這意味著大家不會共同擁有一個公開的行業專用模型，很多公司會建立自己的專屬模型。
比如：
一個醫院用它所有的病例資料來訓練一個大模型，訓練好後，他們會用這個模型提高自己的業務，但不會把這個模型分享給其他醫院用。
一個有上千家私域大客戶的公司，會收集和分析大量的用戶數據和購買習慣，當他們擁有了這樣的大模型，儘管它能給整個行業帶來巨大的價值，但很可能會選擇保密，僅為自己的業務服務，以維護競爭優勢。
至於行業大模型，是不是偽命題，大家沒有給出答案，只不過，一些老闆認為做大模型的公司，把業務邏輯搞反了。
一方面，自下而上看，只有在垂直領域掌握足夠多數據的公司，才有可能進化出細分大模型，基於細分做行業通用，是很好的選擇。
另一方面，自上而下看，專業訓練大模型的公司，想打造行業級很難，需要考慮所有的參與者和他們的需求，這幾乎是不可能的。
因為不同企業，即使在同一個行業，運營模式、客戶群、業務流程都有可能存在差異；想要創建一個能夠滿足所有這些不同需求的大模型，難度非常大。
所以，我好奇發問需求方，什麼大模型才是剛需呢？得到兩點：
1）專業的垂直
專業垂直，簡單講，在某個具體的領域、工具中特別擅長，增持了大量的客戶。
比如：
人力資源有它特定的系統，銷售有CRM，生產有ERP。設想你的CRM系統已經服務了2000多個客戶，而這些客戶遍布教育、快消、供應鏈、醫院等多個行業。這時候，你的CRM+大模型解決什麼問題呢？
對於教育領域，它可以深入分析學生的學習數據、課堂反饋等，幫助教師給出更有針對性的教學建議，並為學生製定合適的學習方案。
當談到供應鏈管理，大模型則能夠實時追踪貨物流通、股票狀態，預測市場需求，為企業優化存貨和調整物流方案。
有點像有贊SaaS這種軟件服務， 大模型在此起到橋樑作用，它既連接各行各業的數據，也確保這些數據為模型的訓練提供了寶貴的資料；這樣，大模型就能為各個專業領域量身定制解決方案，滿足真實的業務需求。
2）邊緣專業化
什麼意思呢？你在某個特定應用、領域中非常專業。就是說，它是在某種特定的環境、特出需求下進行深度優化應用的。
比如：
你有一家公司專門為高山地區設計、製造無人機。這些無人機針對高海拔、低氧和低溫環境進行專門的優化，使其能夠在惡劣環境中更加穩定和高效地工作。
普通的無人機，在這樣的環境中可能會遇到飛行不穩、電池耗電快等問題，但你的無人機數據大模型，由於經過特別的設計和調整，可以很好地應對這些挑戰。
通俗一點說， 就像你的家裡有各種鞋子，但如果你要爬山，你會選擇專業的徒步鞋，而不是一雙普通的運動鞋。
這雙徒步鞋就是為山地行走設計的，擁有更好的抓地力、支撐和防水功能。
說得更直白點，現在市面上大模型大多是“全能型”，能處理文本、圖片、對話等。
但如果你專門針對文本，並且專注於教育或醫藥這樣的特定領域，再進一步只專注於學術研究，那你的模型就像是精準狙擊手，其價值和效果會遠超那些“大而全”的模型。
值得一提的是，他們還提到，企業垂直化也有很多機會。
就是說， 企業在某個領域特別成功，不僅要專注於這個領域，還得把企業裡的獨特經驗和知識融入其中，類似於一個米其林三星餐廳。
它不僅是因會做菜獲得三星，而是它將特烹飪技巧、原材料選擇、菜品創意、服務等獨特的經驗和知識完美融合，這才使得它在眾多餐廳中脫穎而出。
聽了我突然明白，企業不需要全才，需要專才。這和前幾年TOB做SaaS的基本邏輯有些相同。明白這些，就可以思考大模型公關傳播，是失去了效果，還是沒用好。
03
公關，通常被稱為公共關係（Public Relations），它到底幹什麼呢？
就像名字所暗示，是指品牌與公眾間的各種利益相關者之間的關係。而這些利益相關者，不僅僅是消費者，還包括政府、非營利組織、投資者、企業員工等。
簡單來說， 公關就是「建立關係」和「有效傳遞信息」。
但溝通不僅僅是說話，更重要是，能夠在關鍵時刻傳遞正確的信息，讓人們了解大模型公司在做什麼、有什麼價值、客戶怎麼找到你。
注意是“有效、正確”，從大模型的角度看，通常可以分為點評類、立場類、新聞類、教育類四種傳播方式。
其中，點評對某個大模型公司、事件或人物的評測，提供一個評價或看法。立場更多從媒體角度，表達一個人或組織的觀點，通常是有針對性的。新聞類則側重於報導事實和事件，目的為公眾提供客觀、及時和準確的信息。
這三種方式，目前被歸成一類使用較多。
雖然是目前公關最常見、最通用，但它們的價值也是最低的，畢竟只涉及基礎信息的傳播，沒有更深入的為需求方提供額外價值。
身邊一位高管聊起，前幾天他關注釘釘的升級發布會，主題是“騎上AI的背上”，發布會做得非常不錯。
但發布會結束後，各種自媒體的報導，讓他感到有些困擾，結果一天內取消關注了好幾個知名公眾號。
我好奇地問：“為什麼這麼做？”
他解釋說，一個重要發布會，主流媒體平台肯定都會有報導。而自媒體為了蹭熱度也紛紛跟上，但其中很少有真正對B端用戶帶來增量價值的內容，這讓他看了感到很是無趣。
因此，對於需求方來說，真正關心的是“教育類”內容。
而在實際應用中，教育類型公關，又細分為互動類和勸說類，這兩類經常在傳播中被忽略。
“教育”是關於傳遞知識、技能和如何使用某種工具的信息。這裡的核心是幫助我，理解我需要改變的認知，你為我提供了哪些洞察，怎麼樣幫助業務降本增效。
而“互動”更加重視的與需求方的雙向交易所。
這意味著發大模型的公司需要更加接地氣，找到像我這樣的客戶，收集反饋、建立關係，甚至創造一個平台或通道讓我們能在某個社群中進行討論。
至於“勸說”，這點相對容易理解。主要為推廣產品或服務，目的是影響我的決策或購買行為。
我理解了。
很多需求方想要更多的是深入、有實質性的內容，他們希望通過大模型公司的公關活動，真正了解產品價值、使用方法、如何為業務帶來效益，也希望與此進行更真實的互動，得到實時反饋和支持。
04
那麼，是自媒體不具備撰寫各種深度內容的能力嗎？
實際上，由於他們難以獲取企業深層信息，往往只能從行業角度出發，選擇寫“點評類”文章。
比如：
我周圍的一些科技博主，每當大廠發布新的大模型時，都會立即關注。他們主要從功能和使用方法入手，但是，就產品背後為什麼要做，更深層次的思考根本拿不到。
如同，像前一段時間“小米折疊屏手機”，如果雷軍不說那個龍骨成交量軸，自媒體並不知道這個東西，也不知道它生產難度在哪？跟友商有什麼區別。
這些東西恰巧設計到專利技術，保密協議，早期不能說出去，當對外可以說時，又沒有團隊能簡單把這一切講明白，才導致，客戶對動機的了解僅停留在表面。
明白這些，你也就理解需求方角度，所需要的信息傳播什麼樣，簡單說，有三方面：
1）講清楚你有什麼
身邊一位高管說，有些大模型公司為了顯得自己技術能力強，會把各種專業性術語堆積起來，自語言技術、多模態能力、交叉學習，聽起來高大上的詞彙，讓很多人眼花繚亂。
理解完簡直累死。這種做法，看似可能為公司贏得了一些“技術領先”的聲譽，但長遠看，這種難以理解的技術堆砌並不利於產品的推廣和用戶的接受。
你想想看，我算是高知人群，我可以理解，我下面的總監們，他們不一定理解啊。
這意味著，信息差會把它們拒之門外，當他們發現一個工具，唉，儘管好用，但真正了解它是什麼時，如此復雜，就可能會選擇放棄。
其實，技術巨頭應該將復雜的技術簡化，讓普通用戶也能夠輕鬆上手，普通人上手了，公司才可以引用，而不是僅僅把注意力放在顯示自己有多麼高深的技術上。
2）一群人怎麼用
所謂“怎麼用”，關註一整套用戶操作流程，就像SOP。
以SCRM為例：
當我們考慮將大模型整合進來時，需注意：雖然我們為B端客戶服務，其中有些客戶在企業微信上擁有數百萬活躍用戶，但這並不表示可以讓客戶的每一位私域運營人員隨意與社群用戶進行對話，或在多個社群中散發信息。
因此，我們需要構建一套明確的SOP。
在這套流程中，如運營人員在撰寫文案時遇到問題，他們可以藉助大模型的知識庫，進而優化文案，簡化操作，讓新手也能快速掌握。
再以醫生行業為例，醫生在為患者提供遠程醫療服務時，可能會依賴於一款基於大模型的診斷助手軟件。這款軟件不僅提供常規醫學查詢功能，還能深入協助醫生的診斷過程。
當醫生面對某些少見疾病或複雜症狀時，除依賴自己的經驗，還可以利用此軟件與現有的醫學資料庫進行對照，從而更為準確地確診。
所以，解決一群人怎麼用的問題，大模型公司才有更多數據，才能更好。
3）我需要改變什麼
一位高管談道，我始終堅信，大模型落地與B2B產品的成功之路有相似之處，都需要找准切入點。這個切入點，恰好是如何使’業務流程’變得更為高效。
比如說，有一個大型飲料製造商的客戶。在他們的生產和分銷過程中，經常遭遇股票不穩定、中間代理商、終端渠道囤貨問題。
如果大模型能根據歷史進貨，門店銷售、以及市場波動來推進供應鏈的生產，那就能加速新品推向市場的速度，提高市場競爭力。
但是， 這個數據大模型到底從哪里切入？哪些是關鍵數據，以及如何為模型提供這些數據？需要哪些部門配合，都不是一個簡單的問題。
所以，需要走到業務流程中去，才能發揮真正價值。
我明白了。你有什麼、一群人怎麼用、公司需要改變什麼，這三點是B2B需求方，對大模型比較關注的。
總的來說：
大模型，很多路要走。
未來5年，也許所有工具都將插上大模型的翅膀，比如SCRM+AI，ERP+AI，OA+AI……
別總想試圖造個汽車出來。多多思考下，還怎麼在現有輪子上，做創新。市場不需要那麼多，上來就革命的企業。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載