又一家大模型创业公司暂时放下了对C端Super App（超级应用）的野望，把方向对准了看起来更好赚钱的B端赛道。
继百川智能反复强调要重点投入医疗场景之后，11月6日，零一万物高调披露了其基于Yi模型的大模型ToB（企业级）解决方案。而在10月中旬，这家公司在发布最新旗舰模型Yi-Lightning的同时，就已推出了首个针对零售和电商等场景的行业应用产品AI 2.0数字人。
这场发布会可视为零一万物ToB战略的一次体系化梳理。
这套体系囊括三条业务线，分别是新发布的面向电商直播、办公会议等场景的“如意”数字人解决方案，基于自身AI Infra能力提炼的AI Infra解决方案，以及原有的Yi API和开放模型训练平台。零一万物将其概括为“Infra+大模型+应用”三位一体战略。
在这个越发看重公司商业化水平的行业，零一万物直接将几位有分量的企业客户邀来发布会现场。对于处在风口浪尖、备受商业化与估值质疑的“六小虎”（智谱AI、百川智能、月之暗面、Minimax、零一万物、阶跃星辰）而言，这是一种必要的背书。
这其中主要是“如意”数字人解决方案的客户，包括百胜中国、孩子王、图灵新智算、乐淘互娱、直客通等。据该公司介绍，这块业务目前已经覆盖包含本地生活直播、AI伴侣、IP 形象、办公会议、媒体营销等场景，未来还可泛化到金融、客服、培训等多个ToB，甚至ToC（消费级）场景。
ToB领域有很多拿下客户的方法论，但最重要的是对客户有足够的重视。
乐淘互娱创始人陈建武对
这直接体现在团队解决问题的积极性和效率上，“基本上我们提出的任何问题，对方很快就能反馈，并且挨个解决。”陈建武说。
公司的AI Infra（AI基础设施）能力也被用作商业化。零一万物是业内尤为注重模基共建的企业之一，在模型性能攀升逐步平缓的今天，依靠AI Infra提升训练和推理效率、降低算力成本，其重要性日益凸显。
该公司认为，当前大规模AI集群的建设和运维面临着一系列的挑战，在电力供应、液冷技术、计算能力、网络连接、存储解决方案、调度系统以及故障监测与定位等方面，均需要大量精力和资源投入。因此，零一万物将自身AI Infra能力提炼成完整解决方案，与政府及企业合作构建大模型算力与服务平台。
事实上，AI 1.0时代头部企业商业模式之所以备受争议，主要在于ToB业务的“非标化、定制重、交付重”。
对此，零一万物创始人兼CEO李开复表示，以大模型技术为代表的AI 2.0正在重塑各行各业的生产力格局，但是只有进入业务核心系统、快速轻量级大批量部署的ToB应用，才能最大程度为企业降本增效。
零一万物联合创始人祁瑞峰补充称，公司从Day 1开始摸索大模型在各场景下的能力边界。要避免AI 1.0时代的业务难题，重点是要凭借大模型强泛化性的重构能力找到足够深的应用场景，同时要考虑推理成本，在企业客户ROI（投资回报率）为正的前提下做规模化。
但跳出ToB视角，大模型创业公司有一个更宏观的商业化问题要解答。
单就“六小虎”的融资成绩来看，资本已经在这个领域投入了数百亿元，但这些公司对应的营收体量仍然较小。红杉资本曾在自己的报告中讨论AI公司的财务困境，认为为了支付庞大的基础设施费用，如数据中心，这些公司每年必须赚取约6000亿美元的收入。
在中国，它对应的可能是一个规模小得多的应用生态，那它能够支撑几家AI公司最终得以存活？
李开复的结论是，中国可以有跟美国公司一样多的数量，但打法不一样。虽然融资不及OpenAI的10%，但零一万物的训练成本是其3%、推理成本是其40%。另外，“美国的大模型做到前10名的，没有一个会在中国落地”，而中国公司不仅可以落地国内市场，也有出海机会。在这种竞争环境下，李开复认为中国公司甚至在ToC上有更大机会。
直观看待大模型创业公司的下一步，如何平衡自身的商业收入与估值之间的合理性，可能是在健康状态下持续经营的重要突破点。
一位AI大模型领域的投资人对但无论是美国还是中国的头部AI公司，这个比值实际上已经超过了40倍。
以OpenAI为例，据The Information报道，其最新ARR可能在34亿美元（对于该ARR的具体业务构成比例，不同机构与媒体看法不一），但估值来到了1570亿美元，是前者的约46倍。
在这一点上，零一万物的ToB战略能否帮助其更快提升ARR，成为一家经得住营收质疑的“独角兽”？
祁瑞峰告诉如果仅看API收入，国内公司对于OpenAI望尘莫及，但出海场景下的Professional Consumer模式，如果能做到Product-led状态（产品驱动增长），是有可能达到20-30倍水平的。
“对于ToB，我觉得不要说40倍，回到20-30倍的可能性都不大。”祁瑞峰指出，这涉及国内客单价水平、整体定制化需求仍然偏高等诸多因素。
从零一万物的角度来说，祁瑞峰认为如果把数字人业务单拎出来，做到20-30倍水平是极有可能的，但从公司目前多线并行的系统化业务构成而言，还无法形成一个清晰的计算逻辑。