DeepSeek快速崛起的当下，让大模型技术以一种前所未有的方式走向实际应用场景，为企业落地AI带来实质性的影响。从技术突破到商业化落地探索，大模型的创新能力、逻辑推理机制以及与行业场景的结合，也为各行业的企业带来全新的商业化机遇。
本期模速校友会走出线上，在2025全球开发者先锋大会模速空间专场活动中第一次与线下听众们面对面，并邀请到了亚马逊云科技大中华区首席技术官刘亚霄博士这样的重磅嘉宾，从大模型的技术性能到商业化应用路径，切实分享了亚马逊在为B端客户实现创新与推动商业化落地的实践洞见。
整场分享内容精彩纷呈，也让现场来宾们对AI大模型的创新与应用有了更深刻的认识。接下来，让我们一同回顾刘亚霄博士的核心观点，寻找DeepSeek背后AI革新的商业逻辑。
左一主持人白双、右一亚马逊云科技CTO刘亚霄
AI商业化的关键是解决企业的真需求
通过技术手段为客户创造显性价值，为其业务发展提供切实可见的成果，在分享中，刘亚霄反复提到的一句话——“谈钱不伤感情”——简单却又深刻，为企业和创业者提供一个务实的AI商业化判断方针。
在刘亚霄看来，很多企业AI项目的落地失败，本质其实还是忽略了客户的真实需求。他明确指出：“客户愿意花钱但没意义的事情，我们不会做。”比如，有些企业以省人力为目标委托搭建知识库，但这类项目往往最终会沦为伪需求。
一个常见场景是，花了500万搭建的知识库，最后却只有10个用户在用，这个时候老板就容易产生质疑：“我花五百万，为什么不直接找5个大学毕业生？”这种情况下的AI应用和落地，不仅效率低下，还难以为企业创造可衡量的价值。
对此刘亚霄强调，创业者和企业要清楚地确认项目的ROI（投入产出比），确保AI项目的落地能直接为客户创造商业价值。“对于客户的伪需求，早识别、早纠正，否则就是浪费资源。只有在客户真正可以盈利的场景下，AI项目才值得推进。”
在亚马逊内部，客户驱动和自我革新理念是一种文化——在提出项目目标或者解决方案时，首先就会以“能帮客户多赚钱”为核心论证，否则方案在内部就会被淘汰。“我们的终极问题永远都只有一个：客户可以多赚多少钱？这才是唯一真正重要的问题。”
在刘亚霄现场分享的一个广告优化项目案例中，亚马逊将客户的广告投放效率和转化率提升了30%，直接帮助客户创造了500万美金的额外收入。在他看来，“AI最终要体现在商业的效益上，能让客户一年省几百万，或者赚更多的钱，你的项目就成功了。”
同时，他还提到比“省成本”更重要的是学会“开源增收”。“如果一个项目只是单纯为了提高效率、减少人员，价值空间非常有限，客户也很难真正认可。因此，AI的目标不应该只是省5个人的工资，而是创造新收入，去提升、商品销量扩大，或者创新性产品走向市场，这些才是商业化逻辑正确的突破点。”
“谈钱不伤感情”背后，
理性评估成本与回报是内涵
在大部分的AI项目中，算力、数据和模型的开发往往是高投入的，想要部署一个满血版的最新大模型（如DISC或其他开源671B模型），每年的运行成本可能高达数百万人民币。这对于企业，尤其是早期或者中小企业来说，资金压力非常大。
对此刘亚霄指出：企业在进行大规模、自建大模型的时候，一定要精算投入产出，避免无效支出。如果企业只是用大模型来“聊天”或者跑一些浅层任务，那完全没必要大手笔投入，或是购置数十万级别的算力设备。
“现在市场上也有很多按需付费的云技术服务，比如：托管式大模型调用，按token计费，客户可以根据自己的需要用API调用大模型服务。如果一天的token用量只有10万甚至更少，完全可以避免私有化模型的高额成本。”
刘亚霄非常务实地给出一个法则：“如果你一天只能用掉100万token，而大规模模型一天可以生成千万级token，你多余的算力就是浪费。”他进一步补充到，小企业和创业公司应使用灵活的云模式，在成本与效率之间找到一个动态平衡点。
天下武功唯快不攻，
AI商业化需要快！快！快！
“如果一个AI项目的开发时间超过了两个月，那说明方向可能不对。”刘亚霄一针见血地指出了速度的重要性。在大模型技术快速迭代的背景下，是否能够及时抓住稍纵即逝的商业机遇，是创业团队能否成功的分水岭。
刘亚霄指出，在智能化、大模型技术快速迭代的浪潮下，速度是至关重要的。他谈到，过去开发AI应用可能需要五六周的时间，而现在通过大模型技术，两周甚至6小时内，企业就能完成原型开发并上线。对于AI创业者而言，“快”不仅是技术开发的节奏，更是市场反馈和需求验证的速度。
他提出了一个普遍适用的原则：“如果项目两三个月内无法理清价值或技术可行性，那可能说明这条路并不适合继续探索。”通过快速原型、早期验证，企业能够在市场中找到明确的方向，并进行快速迭代。这种方式，不仅降低了试错成本，更缩短了客户从初步需求到商业化落地的周期。
随着大模型技术以惊人的速度融入实际应用场景，AI商业化的进程正迎来前所未有的机遇与挑战。通过刘亚霄博士的分享，我们深刻感受到，AI的成功不仅仅依赖于技术的先进性，更在于其能否为客户解决真实痛点并创造可衡量的价值。
对企业来说，AI商业化的未来是创新与务实并存的。从快速验证需求到精算投入产出，从解决伪需求到真正实现开源增收，在“真需求”的引导下，与客户共同创造真正的商业价值，这不仅是大模型技术所带来的全新浪潮，更是所有希冀推动AI应用落地的企业，迈向成功的一条必由之路。
