DeepSeek R1推动了大模型深度思考能力的进化，也加速了大模型商业化早期红利的消退。
一、通用大模型向谁收费？
去年9月，ChatGPT已有1000万名个人付费用户和100万名团体付费用户，当时预测每月订阅费可达2.25亿美元。但随着DeepSeek R1上线，OpenAI这部分收入很可能大幅降低甚至归零。同样，百度的文心一言从4月起全面免费，文心大模型将从6月30日起全面开源。
通用大模型对个人用户免费是个趋势，就像电子邮箱、搜索引擎、即时通讯软件一样。但通用大模型又不具备邮箱、搜索、即时通讯的网络效应和内容沉淀，它是纯粹的工具，用户只看重功能与性能，对产品缺少情感连接和沉没成本，一旦有更好用的替代品，就会马上更换。
未来相当长一段时间，任何一款大模型都很难实现持续的技术垄断，各家你追我赶，推陈出新。譬如针对DeepSeek的深度思考能力，OpenAI上线了“Deep Research”，谷歌发布了Gemini 2.0系列，特色都是推理能力。百度创始人李彦宏前段时间说，大模型推理成本每年可以降低90%以上。各家大模型在能力趋同的情况下，API调用价格会持续走低，通用大模型将和云服务一样，成为互联网的“水电煤”。
技术优势不够稳定，C端用户忠诚度低且无法收费。而B端企业为通用大模型付费的场景也不多，必要性不强，因为通用模型的“知识幻觉”与企业实际经营需求存在巨大鸿沟。让通用大模型写一首赞美混凝土的诗，它会写得很好；但让它提炼混凝土抗冻性的最新技术报告，它只能推荐一些几年前的网页，甚至开始瞎编内容。
由于缺少结构化的专业数据和行业纵深经验，通用大模型回答企业研发与经营类的专业问题时，其可靠性、时效性、合规性都存疑，无法助力于企业核心事务的决策。
二、企业会为垂直模型买单
垂直模型的本质，是将AI的推理解析能力与行业Know-how深度融合，成为企业解决实际经营难题的手术刀，从而可以精准回答“如何优化生产线良品率”“预测稀土永磁材料的技术趋势”这类具体的专业问题。但前提是，垂直模型要拥有大量经过清洗、标注、关联的专业数据语料，将产业的实践积累变成技术壁垒。
例如，顺丰的丰语大模型想让几十万基层快递员快速掌握物流知识。当一名新员工面对“能否将锂电池寄往海外”的咨询时，丰语大模型会立刻调取海关政策、运输规范、风险评估等数据，给出准确的回答。因为它对顺丰内部的海量运单数据、物流行业知识与规章制度进行了深度提炼，而不是靠通用大模型“概率生成”模糊答案。
一家智能磨床企业想分析全球稀土永磁材料技术趋势，其技术团队原本需要人工检索海量文献，要耗费数天时间；后来使用企知道科创AI后，系统实时解析最新文献数据，几分钟就生成技术报告并提炼核心要点，信息真实可溯，有效规避了AI幻觉风险。这种能力背后，是企知道科创AI解析了超过330亿条专利、期刊论文、产业研报等专业数据，并通过上千名行业专家对数据进行标注和逻辑关联，形成了技术与产业生态图谱。
苏州一家精密仪器制造商在使用企知道科创AI进行技术情报分析时，企知道结合该行业技术演进的规律，预判出某项关键传感器技术将在2年内面临迭代风险，提醒企业及时调整方向，同时结合企业现有技术路线，自动生成规避设计建议。
垂直模型这种穿透式的服务能力，建立在两大核心支柱上：首先是AI对行业知识图谱的深度构建，能否像从业者一样熟悉每个作业环节的知识；其次是AI对业务场景的深度理解，能否将“提高研发效率”“优化技术工艺”这类模糊诉求，拆解成可量化的任务和指标。所以垂直模型厂商要具备丰富的行业经验，并深入理解客户需求，这种专业背景与其AI技术实力同等重要，缺一不可。
企知道董事长夏华标在一次内部会议上分析过企知道科创AI从0到1的过程。企知道一直致力于通过数字化工具解决实体企业研发创新难的问题，公司前期花了6-7年时间，构建了完整的科创大数据底座，但基于此开发的技术情报工具却迟迟不能突破“1”的临界点。究其原因，产品操作太复杂，技术主题、功效参数、竞争情况、政策环境等数据呈割裂式分布，用户需要逐条筛选有效信息，这对于中小企业经营团队的使用成本过高。
但在2023年人工智能技术实现突破性进展后，企知道将大语言模型技术与自建的科创数据库相融合，形成了独有的科创AI能力，并基于多年来对企业创新需求的洞察把握，推出了科创空间产品。其“爆品百科”、AI研发方案等功能，实现了从技术解构借鉴到产品改进创造的全链路研发创新提效，目前付费企业数已近万家。
三、产业需要AI“老师傅”
AI与产业的融合，不是技术对传统的颠覆，而是智慧对经验的传承。在技术层面，通用大模型将成为垂直模型的底层基座，而垂直模型则成为产业应用的核心引擎。只有AI扎根到生产线，像老师傅、老销售那样对技术和市场“望闻问切”，它才能真正成为推动产业升级的新质生产力。相信未来某天，企业评价AI的标准不再是“参数多少”，而是“帮我多赚了多少钱”，这才是技术演进的终极价值。
