TMT观察网_独特视角观察TMT行业

不是港股AI指數(shù)或者恒生指數(shù)里的股票，機(jī)構(gòu)就不會買——因?yàn)樾℃?zhèn)做題家，不知道“只有超綱題才能拉開分差”。當(dāng)越來越多AI概念股開始抄襲MaaS（模型即服務(wù)）的故事，回頭才發(fā)現(xiàn)@百融云-W（6608.HK）之前漲過70%。

把錯過的牛股的K線縮圖往左看，就像讀到了枕邊人以前的日記，寫滿了她和別人的曾經(jīng)。

當(dāng)拼團(tuán)砍一刀的市值超越了曾經(jīng)的全民義父，反身性理論仍然讓機(jī)構(gòu)投資者們擔(dān)心新用戶獲客成本飆升后的GMV；當(dāng)C端AIGC應(yīng)用開始有了滲透率屬性，墨菲定律讓基金經(jīng)理們在DCF（自由現(xiàn)金流折現(xiàn)法）中不斷預(yù)判著漲價概率；當(dāng)英偉達(dá)祭出NV Link告訴世人帶寬的重要性，AI大模型三要素里不斷卷著參數(shù)量的企業(yè)或許也只能先剎車再調(diào)頭。

“超越GPT4的捷徑，被國產(chǎn)大模型找到了”，無非就是在證明腦筋急轉(zhuǎn)彎不是測試AI大模型跑分能力的唯一，所以人為創(chuàng)造的更多打分細(xì)則也滿足了中國AI企業(yè)登榜的表（市）面（值）虛（管）榮（理）。 

我不斷登上各種AI榜單，就是想告訴投資者們，我想挽留你。但當(dāng)做完年底凈值行情的公募看膩了PPT、當(dāng)PE和VC看煩了離婚大戲，才知道真正的告別沒有長亭古道，沒有勸投資者們更進(jìn)一杯酒；只有回本之后刪自選，再研究低位AI股票漲70%之后還會不會有第二波。回看歷史，沃爾瑪?shù)目偸兄翟?015年被后起之秀亞馬遜超越，豐田總市值在2020年被特斯拉碾壓，直到今天的市值差距都在不斷拉大。

假如真有一天百融云市值突破了100億、進(jìn)了恒生AI指數(shù)，到時候機(jī)構(gòu)投資者們才會開始研究：它們的BR-LLM大模型到底怎么和MaaS業(yè)務(wù)聯(lián)動？為什么當(dāng)年沒有研究員寫他們的AI業(yè)務(wù)細(xì)節(jié)？為什么想抄個研報(bào)都沒有素材？ 

能做好MaaS和大模型的企業(yè)首先得弄明白：AI到底能給企業(yè)帶來什么？

企業(yè)對于AI技術(shù)的需求，是數(shù)字化預(yù)算里的一部分。2023年有很多營收10億以上的企業(yè)會砸3000萬投入到數(shù)字化運(yùn)營，一些中小企業(yè)老板在給數(shù)字化10人團(tuán)隊(duì)開會的時候會說：“你們部門未來可能會擴(kuò)充到100人，你們花得錢越多，對公司越好”。為什么？比如一個品牌有1000家門店，每天有20款產(chǎn)品同時在售，每款產(chǎn)品都是一套獨(dú)立的原材料組合，比如運(yùn)動鞋品牌的款式分別用什么布料和氣墊，咖啡店的產(chǎn)品分為醇香和絲滑等不同口感，同一家快餐店在北京不同地段分別主打米飯和炒面套餐。跟人肉算這些信息相比，數(shù)字化能解決的問題就是從最前端的銷售數(shù)據(jù)來優(yōu)化庫存，然后生產(chǎn)排期、供應(yīng)鏈管理。比如在電商平臺一個產(chǎn)品被賣出的一瞬間，公司的財(cái)務(wù)系統(tǒng)里就會出現(xiàn)各種供應(yīng)商的成本和名單；又比如金融行業(yè)理財(cái)產(chǎn)品被申購的一瞬間，客戶經(jīng)理電腦上就會出現(xiàn)申購人的各種業(yè)績期望和風(fēng)險等級。

而有了AI尤其是大模型之后，B端客戶就會享受到更多通用性的模型部署，然后自己調(diào)用自己需要的模型，并且設(shè)置參數(shù)。所以B端給AI公司付費(fèi)的是能帶來模型調(diào)用和部署的MaaS業(yè)務(wù)，而MaaS的基礎(chǔ)是AI大模型。用戶根據(jù)MaaS和AI能力會得出結(jié)論，比如后續(xù)哪個產(chǎn)品更賺錢、AB款策略到底留下哪個、根據(jù)已有的用戶數(shù)據(jù)反饋優(yōu)化我的拳頭產(chǎn)品。

那企業(yè)從MaaS服務(wù)里調(diào)用自己所需的模型部分，這個過程就是利用AI大模型的能力、用自然語言做模型部署。比如企業(yè)在確定未來主打款的時候，需要做產(chǎn)品AB測試和用戶喜愛程度期望，這個時候就需要建立自己的產(chǎn)品數(shù)值篩選模型。比如設(shè)置500元產(chǎn)品價位檔的ROI（廣告投放回報(bào)率），以及比如設(shè)置65%毛利情況下的可回本GMV值（商品交易總額）。如果不達(dá)標(biāo)的產(chǎn)品，直接淘汰止損；達(dá)標(biāo)的產(chǎn)品進(jìn)入下一輪測試，最終篩選出哪個適合當(dāng)引流福利品、哪個能成為利潤來源的拳頭產(chǎn)品。

在這個過程中，企業(yè)就要通過MaaS服務(wù)中的模型來篩選自己需要的部分，或者自己微調(diào)和部署模型，但如果用戶數(shù)據(jù)有缺失、需要做數(shù)值變量分箱、iv與psi篩選、自動特征衍生等，就需要AI大模型有充分理解自然語言的能力。

舉個例子，比如一家企業(yè)要調(diào)用MaaS服務(wù)中的模型來做營銷優(yōu)化，但需要增加一個缺失率篩選和缺失值填充，企業(yè)客戶可能會打如下兩句話：“我有一個數(shù)據(jù)樣本example.csv，過濾這個數(shù)據(jù)缺失率大于0.9和眾數(shù)比例大于0.9的特征”、“我有一個篩選好的樣本example.csv，需要對數(shù)值型變量填充-99，類別型變量填充blank”，目的可能是針對幾單沒有填寫用戶評價（幾星好評）的產(chǎn)品，或者風(fēng)險偏好較高投資者對于理財(cái)產(chǎn)品收益率的預(yù)期擾動。而在這個微調(diào)過程基礎(chǔ)上的模型部署，就是從MaaS里抽取的，也就是百融云選擇的業(yè)務(wù)交付模式。

而在微調(diào)的過程中，AI大模型起到的作用是什么？比如BR-LLM畢竟是個大語言模型，所以基礎(chǔ)功能就是解決輸入端的靈活多樣，因?yàn)槊總€模型的腳本邏輯不一樣，而且B端客戶的團(tuán)隊(duì)編碼習(xí)慣也都不一樣。又比如AI大模型要解決代碼轉(zhuǎn)寫困難的問題，因?yàn)镻ython和Java本身的代碼邏輯是不同的，AI大模型的“幻覺”問題不能出現(xiàn)。同時為了降低代碼token消耗高的問題，也要用AI大模型在轉(zhuǎn)換前先做Python代碼拆分與預(yù)處理。

所以能做MaaS業(yè)務(wù)的AI企業(yè)，工程能力和技術(shù)能力需要兼?zhèn)洹＿@些業(yè)務(wù)細(xì)節(jié)不能完全幫助我們這些投資者算出：百融云還能不能在2023年三季報(bào)收入已經(jīng)將近20億元的基礎(chǔ)上，明年還能維持30%多的增速；但起碼能證明的是：AI概念股和AI技術(shù)公司是有區(qū)別的，因?yàn)閺?到N的前提，是先走完從0到1。

一波中線行情中的短線回調(diào)，一般有兩個技術(shù)面的標(biāo)準(zhǔn)：回調(diào)幅度不超過15%、回踩點(diǎn)位落在0.618的黃金分割位附近。如果百融云27日開市后連續(xù)的3根小碎陽線不再被跌破，同時盤中不再出現(xiàn)持續(xù)溫和放量下跌，那基本也就說明調(diào)整到位了。

“那些國債，我要在美聯(lián)儲出手救市之前搞到他們”——蓋柯，《華爾街：金錢永不眠》。