从ToB到ToC，NLP大模型自监督学习的商业模式和价值分配正在经历从“卖工具”到“卖方案”再到“卖服务”的演变，核心趋势是从以API调用和项目制交付为主的ToB模式，逐步向标准化程度更高、边际成本更低的ToC产品渗透。在这一过程中，产业链的价值分配重心也从底层的算力与模型层，逐步向掌握数据入口和用户场景的应用层倾斜。
商业模式的三级演进：从API到方案再到C端
当前国内AI公司的商业模式主要呈现三种形态，其盈利逻辑和适用场景各不相同：
| 模式 | 核心逻辑 | 优势 | 局限 |
|---|---|---|---|
| API调用（AIaaS） | 按调用量计费，将模型能力标准化输出 | 边际成本低、易于规模化 | 客单价低，依赖开发者生态 |
| 私有化部署/垂直行业方案 | 针对特定行业定制化交付 | 客单价高、客户粘性强 | 项目制重、难以复制扩张 |
| ToC产品 | 直接面向消费者提供智能服务 | 市场空间大、数据反哺模型 | 获客成本高、商业化验证周期长 |
从国内主要厂商的实践来看，垂直行业解决方案仍是当前最主流的变现路径。以商汤科技为例，其2021年营收47亿元，其中智慧城市贡献21.4亿元、智慧商业贡献19.6亿元，合计占比超过87%，充分说明现阶段AI公司的主要收入仍来自ToB的行业定制化服务。云从科技2021年营收10.7亿元，其中智慧治理贡献8.65亿元，同样印证了这一趋势。
价值分配：算力、模型与应用层的利润分布
在NLP大模型的价值链中，利润分配呈现明显的“微笑曲线”特征：
- 算力层：作为基础设施，投入巨大但议价能力相对有限，利润取决于规模效应；
- 模型层：掌握核心技术壁垒，但训练成本高昂，需要持续投入迭代；
- 应用层：距离用户最近，掌握数据和场景，在价值分配中逐渐占据主导地位。
值得注意的是，拥有ToC业务和数据入口的互联网厂商在生态构建上具备独特优势。百度与腾讯作为互联网厂商，在数据入口和样本收集方面比华为更有优势；而华为的优势则在于对行业的深度理解，其盘古大模型更多聚焦ToB端，在工业制造、能源交通等行业应用较深。
国产大模型的ToB/ToC路径分化
国内进展最快的百度文心一言，已开放网页进行公测，率先探索ToC路线。而腾讯的混元大模型对外发布较少，更倾向于依托自营业务场景打磨能力。华为盘古则明确走ToB深度的路线，已在智慧文旅（智能交互终端、智慧客服机器人）和金融领域（辅助保险销售、银行客户经理营销推介）实现落地应用。
这种分化背后反映的是生态禀赋的差异：互联网厂商凭借C端流量和搜索/社交数据，天然适合探索ToC产品；而具备深厚行业积累的厂商，则更容易在垂直领域做深做透。
常见问题
NLP大模型未来的竞争趋势是什么？
腾讯、百度可能会选择各自具有优势的行业场景发展，模型样本数量会有所缩小，但精度和质量会提升。腾讯在NLP和CV大模型的子分类中更具优势，百度在多模态领域有望突破（多模态主要由搜索业务提供数据），华为则发展均衡，更多在细分行业领域做深。
API调用和行业解决方案哪种模式更赚钱？
行业解决方案的客单价远高于API调用，但项目制模式难以标准化复制；API调用虽然单价低，但边际成本趋近于零，一旦形成规模效应，利润弹性更大。两种模式的优劣取决于企业的资源禀赋——有行业积累的适合做深方案，有开发者生态的适合做API平台。
从ToB转向ToC的关键挑战是什么？
核心挑战在于从“项目思维”转向“产品思维”：ToB项目可以定制化交付，而ToC产品必须标准化、易用、低门槛。此外，ToC产品对模型响应速度、成本控制的要求更高，且需要持续投入获客，商业模式验证周期较长。