几乎每家科技公司都在致力于开发 AI 工具，且业界热议如何使用它。但企业究竟该如何为此收费？在商业模式缺乏清晰认知的当下，这与企业管理层及客户对新技术潜在影响的乐观态度形成了鲜明对比。
The Exchange 探索初创企业、市场和资金
阅读它：每天早上在 TechCrunch+ 上获取 The Exchange 通讯，每周六更新。
《The Exchange》的定期读者会记得，我们曾在五月讨论过此问题。当时我们从更广阔的视角出发，探讨了以消费者为中心的 AI 服务和 AI 驱动的商业服务将如何收费。今天，我们将重点聚焦于企业软件领域——这是大量初创企业的目标市场。首先，让我们听听 Salesforce、Box 和 CrowdStrike 的首席执行官对他们与 AI 相关的工作以及客户兴趣的看法；随后回顾他们对行业分析师关于“如何为新 AI 产品收费”的回答；最后分享一些关于初创企业优劣势的见解。
如果你构建了它，他们就会来
Box、Salesforce 和 CrowdStrike 彼此截然不同：Box 专注于企业存储和生产率，Salesforce 是 CRM（客户关系管理）巨头，CrowdStrike 则是一家网络安全公司。然而，它们有一个非常有趣的共同点：都为客户存储或创建了大量数据。
Box 最初是一家企业文件存储和同步（EFSS）公司，业务范围随时间扩大；Salesforce 拥有海量客户、销售及其他各类信息；CrowdStrike 则拥有庞大的历史网络安全数据档案，用于预测和拦截新威胁。数据是这里的统一因素，也是当今 AI 模型所依赖的核心，因此这三家公司在财报电话会议上大谈如何利用 AI 也就不足为奇了。
以下是 Salesforce CEO Marc Benioff 对新技术影响商业软件的看法（已精简，重点为编者所加）：
即将到来的生成式 AI 浪潮将比我们在有生之年或可能任何时代经历过的任何技术创新都更具革命性。就像 Netscape Navigator 为更广阔的互联网打开了大门一样，生成式 AI 也开启了一扇新的大门。它正在以我们从未想象过的方式重塑我们的世界。每位首席执行官都意识到，他们必须积极投资 AI 以保持竞争力，而 Salesforce 将成为帮助他们实现这一目标的值得信赖的合作伙伴。我接触过的每位首席执行官都将 AI 视为一场以客户为中心、始于客户也终于客户的革命。而我接触过的每位首席信息官都希望通过使用 AI 获得更高的生产力、更多的自动化和更智能的体验。
以下是 Box CEO Aaron Levie 对专有数据在生成式 AI 工具中重要性的看法（已精简，重点为编者所加）：
我们正处于软件新时代的开始阶段。正如 ChatGPT 的迅猛崛起所强调的那样，我们最近开始看到大型语言模型（LLMs）潜力的巨大突破，这些模型现在能够为大量任务带来人类水平的推理能力。然而，这些新 AI 模型的真正力量在于，当你利用它们的智能来帮助你安全地使用自己的专有数据集时。
[历史上，我们] 难以对我们非结构化数据（如内容，占企业数据的 80%）提出问题，而现在我们可以了。通过将领先的 AI 模型安全地引入企业数据，企业可以真正释放其中蕴含的价值。为了实现这一目标，我们需要一种以安全、合规的方式将这些模型连接到我们的企业内容中。正如我们本月早些时候宣布的那样，通过 Box AI，我们正在利用全球领先 AI 模型的力量……借助 Box AI，客户可以向其内容提问，或利用 Box Notes 生成新信息。
但这仅仅是开始。最终，作为核心平台功能，Box AI 将在整个产品中被广泛使用，以多种方式继续改变我们与内容交互的方式。
最后，以下是 CrowdStrike CEO George Kurtz 对 AI 技术及其训练中专有数据重要性的看法（已精简，重点为编者所加）：
多年来，我们对 AI 的使用使我们能够快速扩展该业务，达到领导地位，并拥有超过公司整体毛利润率的卓越产品利润率。当其他人刚刚开始搭上 AI 的顺风车时，我们已经从 inception 起就通过 AI 驱动的云服务彻底改变了网络安全。生成式 AI 正在改变世界，安全领域也不例外。大型语言模型（LLMs）的好坏取决于其训练数据，而人工标注的内容构成了最佳的训练数据。
实现更优的客户成果依赖于数据优势以及由此衍生的上下文信息。尽管我们预计大型语言模型（LLMs）将随时间推移变得商品化，但其训练所依赖的数据却不会。CrowdStrike 处于独特有利地位，能够从这项新技术中获益；我们的数据集涵盖 PB 级规模，并从全球传感器车队每日捕获数万亿个新事件。
我们的数据优势构建了独特的竞争护城河，从而带来更优的模型、更高效的自动化以及更好的成果。我们认为，生成式 AI 的快速普及正在从对抗和防护两个角度成为网络安全领域的一种民主化力量。鉴于上述所有因素，我们推出了 Charlotte AI——一款令人兴奋的新型生成式 AI 安全分析师，它利用了 CrowdStrike 的高保真数据优势。Charlotte AI 代表了 CrowdStrike 在帮助全球安全团队应对网络安全技能缺口、更快响应威胁以及降低运营成本方面的最新创新。
总结来说：每个人都希望从 AI 中榨取生产力提升的红利，而拥有大量数据的公司则对利用 AI 实现特殊突破充满乐观。
让我们看看实际收益
上述三句引言使我们能够做出一个小预测：企业软件公司拥有的数据集越大，且这些数据越关键和私密，它就越有可能利用新的 AI 技术做一些独特且有价值的事情。但价值有多大？这些公司将如何为这种价值收费？这是一个好问题。要么这些公司的领导者不知道，要么他们不愿透露。
在同一场电话会议中，一位分析师向 Salesforce 询问了“在其产品基础中实现 AI 货币化的机会”。Benioff 没有直接回答这个问题，而是发表了一段关于 AI 重要性的长篇评论，讲述了他与一位朋友兼客户的讨论，并以以下充满激情的话语作为结尾：
这意味着该客户以及每一位客户都拥有了转型业务的机会。对于 Salesforce 而言，这也意味着自我转型的机会；而对于整个行业来说，则是一个全新的超级周期，每家公司都必须转型以实现 AI 优先。
这并没有让情况变得清晰。
接下来是 Box。当被一位分析师问及新 AI 技术的“货币化潜力”时，CEO Levie 做出了如下回应。请密切关注他提到公司可能具备竞争优势的部分，以及他预期新工具将趋于商品化的部分（已精简，重点加粗）：
我想指出的是，在最新的 Box AI 努力方面，我们整体的旅程仍处于非常早期的阶段。显然，我们在这个领域已深耕一段时间，并深刻理解用例中的潜力。但鉴于大型语言模型作为一个我们极其兴奋的新兴用例前沿领域，我们希望确保推动恰当的产品用户体验、定价与包装策略，这也是我们在推出过程中采取审慎方式的原因。
我们从产品和公司角度内部思考认为，对于像我们这样的产品而言，某些用例将成为基本的行业标准。其中一些基本标准可能包括利用 AI 生成内容，另一些可能涉及利用 AI 查询一定程度的数据。在这些情况下，我们希望能广泛提供这些能力集。
此外，还有一些可能是更高级的能力或与高消耗动态相关的功能，通常通过我们的平台或工作流实现，我们将希望通过平台 API 业务或多产品套件包装来实现增量货币化。这主要将由我们从客户那里看到的用例驱动，尤其是通过设计合作伙伴计划。
因此，我建议在接下来的一到两个季度内持续关注，因为我们将继续完善最终的定价和包装决策。你们在其他同行公司或大型科技公司推出产品 beta 测试项目时，可能已经看到了类似的动力学现象，即试图确定最合适的定价模式。我们基本上也在做同样的事情。
总结 Levie 的观点：并非所有基于 AI 的新软件工具都具有足够的差异化特征以收取额外费用，但确实有一些会如此，而行业仍在梳理哪些属于哪一类。这并不令人意外——生成式 AI 热潮才刚刚兴起几个季度，而非数年，因此我们仍处于早期阶段。
最后，以下是 CrowdStrike CEO Kurtz 对同一 AI 货币化问题的回答（重点加粗）：
这是平台底层构建的功能之一。我们相信它将推动客户群中对模块和平台使用的更多采用。因此，我们将以此为基础。随着其随时间演进，我们将评估是否通过特定 SKU 对其进行货币化。
但我认为，首要的是将其推向客户群体，对其进行迭代，并利用我们的数据优势，因为正如我在财报电话会议中所提到的，我们拥有长达十年的时间来训练这些算法。而且我认为，众所周知，真正让人类交互成为大语言模型（LLMs）大放异彩的关键所在。我们认为自己具有真正的优势，因为我们拥有长达十年的攻击配对经验，也就是数据和攻击运作方式的数据，这些数据可用于训练。因此，我们将把产品推向客户群体，持续进行迭代，我相信这将推动平台模块的更广泛采用。
然后，我们会从独立SKU的角度来看待其后续的货币化策略。
对此我们的感受是：¯\_(ツ)_/¯
新技术、兴奋感以及快速的产品迭代，却伴随着不确定的商业模式？听起来像是一个初创企业颠覆的沃土，对吧？在我看来，初创企业面临的一个问题是，大型科技公司拥有的客户数据比初创企业多得多。几个月后我们将看到，这是否会赋予它们相对于初创企业的实质性优势。
我内心愤世嫉俗的一面想争辩说，初创公司应着眼于构建市场内的杠杆优势，通过合理收集并保留尽可能多的客户数据，以帮助它们训练新模型或创建针对客户的定制模型。然而，鉴于如今我们听到的数据泄露事件层出不穷，这一建议或许有些仓促。
无论如何，当市场缺乏明确方向时，新的商业模式便有了比往常更多的空间来扎根发芽。这对全球的企业软件初创公司而言是个好消息。如果主流厂商都不知道如何为这类产品定价，那就意味着客户可能也没有明确的预期。这难道不是一个极具吸引力的攻击切入点吗？