摘要：企业客户对AI的采用意愿，目前呈高涨状态：根据IDC的《2023-2024全球企业高管调查报告》，超过一半高管认为生成式AI是新投资的重中之重，87%的高管表示他们至少在探索潜在的应用场景。

文 | 阿尔法公社

企业客户对AI的采用意愿，目前呈高涨状态：根据IDC的《2023-2024全球企业高管调查报告》，超过一半高管认为生成式AI是新投资的重中之重，87%的高管表示他们至少在探索潜在的应用场景。

企业AI的基本技术架构也已经达成共识：强大的AI模型+图技术加持的RAG+Agent搭建+安全护栏。但是企业们也发现， 在应用AI时，几乎90%的时间和成本都花在基础设施和各种必要的架构上，那么是不是有一个平台能够免除这些花费，还能提供强大的AI能力？

已经有一些平台满足了这种需求，比如此前我们介绍过的Glean和Sierra，这些平台采取的是垂直策略，Glean专注于企业AI搜索，Sierra目前只做对话式客户体验；最近有一个全栈的企业AI平台获得了融资，它拥有自己的AI模型及全套的企业AI应用基础设施，在AI使用成本和安全性方面做了特别的加强。

这家叫Writer的创业公司最近获得Premji Invest、Radical Ventures和ICONIQ Growth共同领投的2亿美元C轮融资，Salesforce Ventures、Adobe Ventures、B Capital、Citi Ventures、IBM Ventures和Workday Ventures也参与了此次融资。这使它的累计融资额达到3.26亿美元，估值超过19亿美元。预计到2024年年底，Writer将从其300多家客户中实现约5000万美元的年度经常性收入。

Writer由May Habib（CEO）和Waseem AlShikh(CTO)于2020年创立，两人在2013年共同创立了他们的第一家公司，这家公司最初的业务是机器翻译，后来进化成一个能够将各种内容本地化的软件平台。两位创始人在那个时期就自己构建机器翻译模型，当Transformer模型横空出世后，他们认识到这种模型的潜力，于是再次联手，创建了Writer。

基于第一次创业的经验，他们坚定押注并构建自己的Transformer模型，先从模型的文本处理功能出发，专注在营销领域，随后扩展到支持、销售、运营、人力资源和财务等团队，并拥有了自己的基础模型和行业模型家族，搭建了全栈的企业AI平台。

Salesforce产品副总裁Patrick Stokes表示：“将大模型转化为可靠的业务工具需要大量的工程工作。Writer提供了一个精细的AI驱动解决方案，它不仅有效且易于部署，还加速了我们在Salesforce的工作流程。我们不仅是它的投资者，也是它的客户。”

ICONIQ Growth合伙人Doug Pepper表示：“我们相信，针对企业的生成式AI正处于一个拐点，而Writer在提供全栈且安全的平台方面脱颖而出，兑现了AI的巨大承诺。”

企业们爱用AI，但应用方式还在初级阶段

2024年，AI的投融资热度不减，根据海外投资机构Accel的一份报告，生成式AI初创企业将获得今年云技术领域40%的风险投资资金。根据PitchBook的数据，仅在2024年上半年，生成式AI初创企业的投资额就超过了39亿美元（还不包括OpenAI的66亿美元融资）。

企业AI是这一波AI投融资热潮的重要组成部分，而支撑热潮的是企业对AI的较高采用。根据IDC的《2023-2024全球企业高管调查报告》，超过一半高管认为生成式AI是新投资的重中之重，87%的高管表示他们至少在探索潜在的应用场景。

但是企业对生成式AI的采用还处于初步探索阶段，企业们发现，单纯的使用内部行业数据+GPT模型，并不能解决一些复杂的操作和用例。想要让AI帮助企业完成一些业务方面的复杂操作，需要搭建企业Agent，这让企业面临一系列RAG技术，数据收集和清理以及工作流程构建的复杂工作，而这部分工作实际占了让AI实用化的90%的时间和成本。例如，之前想要将AI嵌入企业的工作流程，有时员工需要花费数小时在不同格式之间转换相同的内容。

以Writer为代表的企业AI平台做的事情，就是开发能够完成企业关键任务的高级AI系统，而不仅专注于基础模型或服务于有限用例的现成应用。

训练自有模型，平台更安全，使用成本更低

构建能够完成企业关键任务的高级AI系统，行业内已经有一个基本的技术架构共识。那就是强大的AI模型+图技术加持的RAG+Agent搭建+安全护栏。因为企业AI一方面要应对企业面临的现实复杂场景，另一方面要保持安全性、可靠性和适应性。

Writer平台的核心是Palmyra系列模型（Writer自己训练的大模型），并配备先进的基于图的检索增强生成（RAG）、可定制的AI防护措施，以及一套无代码和代码开发工具。在这些核心组件之上，Writer提供灵活的应用层，包括聊天机器人、预构建应用和可组合的UI选项，以服务于企业内部各个职能部门的用例。此外，Writer还有集成和API生态系统，将Writer带入员工工作的各个场景中。

Palmyra系列大模型主要有两个差异化特点，第一是低成本，第二是安全性和透明性。

例如，Writer发布了几乎完全基于合成数据训练的模型Palmyra X 004。据Writer称，开发该模型的成本仅为70万美元，而类似规模的OpenAI模型开发成本估计高达460万美元，GPT-4的预估成本则超过1亿美元。这个新模型在工具调用方面实现了高度的准确性和可靠性，这是执行复杂操作和工作流程的关键能力。

此外，Writer声称其模型是基于未受版权保护的商业写作进行训练的，这避免了版权方面的不确定性。而且在透明度方面，客户可以检查模型的代码、功能和数据，这些模型也不会使用客户数据进行训练。

“对我们来说，构建自己的大语言模型非常重要，因为这样我们的模型能够由客户自行托管，并且是开放、透明且可审计的，而不是采用‘黑箱’方式。”Writer创始人May Habib说道。

目前，Palmyra系列有超过18个模型，其中也包括针对金融和医疗场景的Palmyra-Fin和Palmyra-Med模型。Palmyra-Med模型在多个医疗基准测试（斯坦福HELM和PubMedQA）中表现得更为准确，且使用成本低于GPT-4和Claude 3.5等通用闭源模型。它的模型强调的不是创意，而是准确性。

基于图的检索增强生成（RAG）最主要的好处，是允许企业客户将模型与业务数据源连接，这样可以提升模型的研究、事实核查和问题解答能力。同时，RAG也是构建Agent的核心技术之一，没有它，Agent就很难深入到企业客户的工作和业务流程中。

在AI部署方式上，他们不仅提供企业的私有云部署，也包括在AWS和GCP上的多租户和单租户部署。

行业拓展和产品发展相辅相成，获取顶级企业客户

在客户开发方面，Writer的客户行业拓展和产品功能发展是相辅相成的。它从最初的企业写作工具出发，专注在营销领域，之后将业务拓展到支持、销售、运营、人力资源和财务等企业内部团队，以及金融和医疗等对准确率，安全性要求很高的行业，产品上也变成了全栈的企业AI应用平台。

Writer表示，它们已经客户为节省了数百万小时的生产力，并且平均实现了9倍的投资回报率。预计到2024年年底，Writer将从其300多家客户中实现约5000万美元的年度经常性收入。

在具体用例上，Uber的Writer版本生成了对常见客户支持问题的回答，Qualcomm的法律团队使用Writer管理数百个商标并分析市场趋势，Dropbox则依赖Writer生成SEO博客并校对现有内容。

在2023年，它们的收入增长了10倍，净收入留存率超过150%。

结合Writer以及Glean和Sierra的例子，我们发现，企业希望AI具有低成本，可控的属性，而且希望AI能够深入它们的业务和工作流，帮他们解决复杂的问题。这个低成本不仅是运营成本，也是部署和扩展的成本。

但是这三家公司其实一定程度上提供的都不是传统的SaaS模式，而有比较重的定制化成分。大家此前普遍认为定制化会让企业服务类公司很难赚钱。上一波AI浪潮中很多发展得不错的公司，也面临这个难题。

对于AI公司，模型的训练是成本的大头，Writer采用的策略是降低模型本身的成本，并且训练和微调一些行业模型来进行半定制化（这样会提升通用性，降低成本）。

对于中国市场的企业AI创业者，有一个利好是企业AI的难度很大一部分在于场景、产品能力、以及工程能力，包括解决复杂问题的RAG技术、Agent搭建、AI基础设施的部署，而这些能力中国的创业者和工程师们是很强的。

另一个就是模型成本的降低，而这方面，无论是使用海外（llama）和国内（Qwen）的开源模型，还是对大的基座模型进行行业数据微调和增强推理能力的后训练，其实成本相对都在可控范围内。

在进入市场方面，中国显然有巨大的市场和丰富的场景，而且因为企业AI能解决的问题比传统SaaS解决的问题更难也更有价值，这个潜在市场还可能更大。中国创业者们可以学习Writer的客户策略首先找容易进入的领域为入口，然后完善产品并往利润高的肥水田进发。

来源：钛媒体