2025年，人工智能（AI）在企業端（B端）的應用迎來爆發期，這一趨勢正在重塑ToB市場的競爭格局。從云服務廠商到垂直行業企業，各方都在加速探索AI與業務的深度融合，但落地路徑和策略選擇呈現顯著差異。

在物流行業，極兔速遞的實踐具有代表性。該公司AI團隊負責人表示，企業采用"漸進式"投入策略，優先解決核心業務場景中的痛點問題。"我們不會一次性全量投入，而是分階段選擇最緊迫的需求進行試點，通過打磨、升級后再逐步推廣。"例如，在異常件識別系統中，極兔通過集成自研與外采的圖像識別、OCR等技術，構建了符合自身需求的解決方案。對于涉及核心競爭力的垂域大模型，則采取場景化微調策略，在通用模型基礎上進行二次開發。

企業需求的變化正在推動云與AI廠商調整戰略。阿里云相關人士指出，過去IT和云服務主要對接企業運維部門，如今AI落地需要深入業務一線。"現在約三成企業的AI對接部門不再是IT，這要求我們重新理解業務邏輯。"飛書客戶成功經理的觀察印證了這一趨勢：2023-2024年上半年，飛書與客戶共創的1500個場景中僅20個有效，而2025年通過AI效率先鋒大賽就涌現出230個真實業務案例。

技術架構層面，混合模型策略成為企業主流選擇。極兔速遞市場營銷部編導透露，在視頻生成等創意場景中，團隊將工作流拆解為腳本生成、分鏡設計、內容校驗等多個節點，每個節點調用不同模型（如通義、豆包、Deepseek等），再通過混合Agent進行整合。"企業需要的是確定性，即使模型再先進，如果輸出結果不穩定也無法采用。"這種"拆解-調用-整合"的模式，有效解決了生成式AI在審美一致性與差異化呈現之間的矛盾。

成本與性能的平衡是企業決策的關鍵考量。極兔AI團隊建立了一套包含效果（準確性）、性能（響應時間）、成本（價格）的三維評估體系。以知識問答場景為例，模型的關鍵信息抽取準確率需達到95%以上才能進入候選池，而響應時間過長的模型（如DeepSeek）則會被排除。"2024年以來Token價格持續下跌，成本權重有所下降，但性能和效果仍是首要標準。"這種"可插拔"的模型選用機制，使企業能夠根據業務變化靈活調整技術方案。

技術供給與需求錯配仍是主要挑戰。極兔團隊發現，盡管大模型廠商不斷迭代，但數學推理能力增強帶來的過擬合問題，反而導致企業落地時出現嚴重幻覺和不準確現象。"我們不得不將更多精力放在知識問答的工程化優化和上下文任務規劃能力上。"某云廠商人士承認，受限于技術架構，實際給企業的文本處理上限通常不超過3萬token，這直接制約了大模型在復雜業務場景中的應用。

這種供需矛盾催生了新的市場機會。飛書等協同工具通過提供任務規劃、工具調用等中間層能力，幫助企業彌補大模型垂直應用能力的不足。Manus等新興解決方案的崛起，也印證了市場對精準任務調度能力的需求——其核心價值在于通過大模型規劃任務流程，精準調用各類工具，但3萬token的限制仍構成根本性障礙。

現實中的技術生態呈現高度異構特征。極兔速遞同時使用多家云服務商和AI模型，其技術負責人表示："不同廠商的銷售和解決方案團隊常駐企業，這種混合狀態既是技術能力差異的結果，也受安全合規要求驅動。"這種局面迫使云與AI廠商重新思考價值創造方式——在IaaS、PaaS、MaaS層長期異構的背景下，如何提供真正符合企業需求的整合方案成為關鍵命題。