chanong 商业思维
在过去的一年多时间里，“大模型”一直是中国科技领域内最热门的赛道。
尤其是进入2024年之后，整个行业的热度只能用“疯狂”来形容：
融资方面，2023年至今的热潮逐渐达到顶峰，许多头部创业公司的估值飙升至数十亿美元；
在业务层面，新兴的创业公司与互联网巨头们围绕基础大模型的能力、价格以及前两者所决定的市场份额，展开了激烈的比拼。
比价格战更激烈的是商业路线的碰撞，一些公司坚持to C的商业模式，专注于提供直接面向终端用户的产品和服务。
另一些则转向to B的市场，为其他企业提供定制化的解决方案和技术支持。剩下一部分企业开始与互联网巨头建立合作关系，寻求更广阔的发展空间和更深层次的资源整合。
从技术到应用，再到商业化多层次的激烈碰撞，让整个大模型行业充满了火药味。
但就在这样的环境下，几乎所有大模型创业公司，都在一件事上达成了一致——默契地在没有官方推广的前提下，选择了飞书作为自己的协作工具。
最近笔者去广州，在白云机场到达厅看到一张飞书的客户广告，九家最火的AI创新公司均在列，其中就包括大模型“五小虎”：MiniMax、月之暗面、智谱AI、零一万物、百川智能。
“选择飞书是自然而然的过程，没有经历过太纠结的过程。可能是因为大模型公司的创始团队普遍年轻，更适应飞书这样的协同工具。同时这些公司里聚集了太多互联网公司的同学，习惯了飞书的使用体验，这对他们来说成了一个必选题。”一位从互联网跳槽去某大模型公司的同学谈到。
用飞书对大模型公司而言，似乎是一个不需要太多思考的选择。
一、大模型独角兽们
光鲜表象下的“重重挑战”
在分析飞书对大模型头部创业公司的吸引力之前，我们有必要了解一下后者的现实需求。如果要用三个词来概括大模型行业今年的工作状态，那就是“快，快，还是快”。
国产大模型目前在多种能力上已经实现反超，图自 智源FlagEval
为了在大模型这个赛道中不落下风，动辄使用数千甚至数万张GPU做训练，并且以越来越快的频次进行更新。
在基础大模型上，不仅要在性能上追赶并超越国外的先进模型，还要与国内其他竞争对手在应用落地方面展开激烈的竞争。
许多公司还提前进入了商业化阶段，试图抢先开拓市场，在to C和to B市场中找到客户兑现商业价值。
同时推进“科学研究、应用探索和商业化”的艰巨任务，让满打满算创立了不过1-3年的大模型创业公司们进入了极为高速的扩张期，更大规模的团队、数量更多的项目，更复杂的商业化尝试，直接造成了协作需求激增。
先说“人”的挑战，大模型创业公司的研发团队中，存在许多“超级个体”（专业能力极为突出的员工）。
以大模型“五小虎”之一的月之暗面为例，其早期核心团队均为90后并且来自清华，刚成立三个月就已经被评为最有可能成为“中国版 OpenAI”的五个候选之一。
整个大模型行业对于“超级个体”的依赖，给企业从初期的招聘到后期的管理激励提出了全新的挑战。
面对这些“超级个体”员工，就无法套用单纯以结果作为单一维度进行人才评估。
其次，针对高度年轻化和充满“超级个体”的创业公司，考勤和固化流程的传统手段也显得格格不入。大模型创业公司亟需一套更灵活和创新的方式，来统筹和提升“人”的效率。
从管理视角出发，大模型行业仍在高速发展阶段，需要不断探索和实践。这个过程需要全公司各个职能部门共同努力，“摸着石头过河”，相比执行老板的指令，更重要的反而是发挥每个员工的“创造力”和“能动性”，快速响应市场和技术的变化，推动项目向前发展。
如果说大模型的产研已经非常困难，那么大模型创业公司如今需要面对的商业化挑战，可谓“难上加难”。
如何在产品研发层面不断提升能力水平，如何规划个人用户真正需要的新功能，如何携手企业共同探索大模型的应用潜力，如何从市场真实的反馈出发，调整自身的发展战略。
这一系列新问题的出现，让大模型创业公司所面对的整体挑战越发“错综复杂”。
以智谱为例，其2024年初官宣已经有了1000+大模型规模化应用以及和200+企业开展了深度“共创”。
这个“共创”的过程，实际上就是智谱和客户一起，共同“挖掘”各行各业的大模型需求和应用前景的过程，就产生了大量智谱与客户之间，销售和开发，一线和管理层之间的沟通协作需求。
显而易见，在当前这个大模型技术逐渐走向成熟，愈发重视应用落地的关键时间节点，大模型创业公司都在追逐从理论、方法、技术、产品到市场的全链条创新，加上行业自身高速发展所带来的不确定性，将一项全新技术推向各行各业的巨大挑战，形成了一股萦绕在大模型创业公司心间的强烈紧迫感。
二、为什么一致的选择是飞书？
为什么是飞书？笔者从大模型公司的特质揣测，大概归结为三点：
1.工具迅速迭代带动组织的迭代
大模型公司在高速扩张的过程中，急需成熟的方法论和工具来提升效率乃至迭代内部运转的机制。
恰巧飞书在过去数年的服务过程中沉淀了数千个先进企业的方法论，在快速的工具迭代中带来了组织的正向变化。
2.context not control
出于对快速变化的业务匹配考虑，打造敏捷型组织是大模型这类新兴公司的目标。而All in one的模式加成了信息的快速流转，也成就了高效的组织协同力。
所谓的context not control，今天的大模型公司以目标作为驱动，更像是分布型组织，激发每个人的潜力。
3.产品高灵活性与高开放度
飞书的多维表格、开放平台能力等，具备极强的开放和创造空间。这一特点恰好匹配了大模型公司的特点。
这类公司产研高度集中，擅长使用工具，深度通过飞书开放能力自建了很多应用。
据说月之暗面利用飞书集成平台搭建了数十个企业自己的应用，在飞书上与其他功能形成集成，共同提升效率。
举个信息流转的例子，普通的IM和协作工具能够在各自产品范围内实现信息的流转，而飞书的体系可以实现多个不同职能产品、具体项目与审批，流程与知识沉淀之间的打通。
这种加速信息传递的能力，在复杂场景中效果更为明显。
比如传统CRM软件擅长分析客户的历史交易数据，但不具备强大的通讯和办公功能，它们在企业长期使用过程中可能会变成信息孤岛，导致使用不便和流程效率低下。
飞书增强了销售数据的导入和交互能力，使得数据管理更加高效，以更宏观、更清晰的数据呈现和洞察能力，帮助销售人员作出及时的决策和有效跟进，提升效率和业绩。
在加速公司内部种种协作流程之余，飞书“以信息为核心架构”的特点，还改变了业务经验跟个人走，无法用个人的智慧结晶带动群体发展的困局。
就像我们在上面提到的交付项目，整个项目的信息已经归集到知识库中，并且用远比文件夹体系清晰的页面树架构串联起来。
即便是没有经手这个项目的新员工，也能够在事后从历史文件中，学习总结执行推进过程。
通过整体提升企业内部的知识传播效率，将信息和经验转化为系统化的知识库，大模型创业公司能够高效地流转和利用这些知识。
这种体系化的流程不仅促进了员工之间的思维碰撞和创新，而且将这些创新成果回馈给企业本身，成为推动企业发展的重要动力。
如果说开始选择飞书是一种“全凭感觉”的判断，那考虑到出海、安全等关键问题，似乎飞书就变成了大模型公司不得不做的选择。
一方面，长期而言大模型公司几乎都有出海需求，考虑到跨国家与区域的各种协同关系和严格的跨境合规要求，似乎只有服务过多家企业实现全球化布局的飞书能够满足。
另一方面，安全的极致要求也为大模型公司排除了一些协同软件的选项。飞书目前在终端安全、数据的密级标签保护、数据防泄漏等部分都做得极为缜密。
许多大模型创业公司喜欢使用飞书的原因之一，就在于其对于各种信息的管理权限非常“细致”，甚至可以做到按需限定复制和副本创建的场景，信息对外分享权可以根据场景有所区别等等。
三、只有大模型公司？不止
实际上，如果将视野拓宽，选择使用飞书的先进企业，远不只是那些专注于大模型的初创公司。
从自动驾驶到具身智能，再到AI创新企业的上下游，飞书似乎一直是跻身在这个社会最前沿的“先进行业”们的共同选择。
飞书的这种先进的协作能力也不仅仅吸引了公司，更吸引了代表着最先进生产力的个人用户们。就像大模型创业公司中的那些飞书“老用户”一样，他们正在像“火炬传递”一样，向外扩展着飞书的影响力和版图。
以飞书知识库搭建的国内影响力最大的开源AI知识库项目“WaytoAGI（通往通用人工智能之路）”，就是最好的例子。
WaytoAGI图
2023年4月创立至今，“Way to AGI（通往通用人工智能之路）”已经构建了极其庞大的知识库体系，涵盖各种技术介绍、AI行业新闻分析、AI应用实操，获得了超过150万次浏览，引发数万次用户之间的交流，让至少数十万的飞书用户更加深入地了解了AI、并且进行自己应用AI的尝试。
一群网络中的志士能够实现这样的成绩，不仅证明了飞书整套协作体系的出色，更证明“懂大模型的人，很可能在用飞书。”
在已经拥有数量庞大的“拥趸”的前提下，飞书仍没有停下自身进化的脚步。
在服务大模型创业公司客户们的同时，飞书也开始加速向自己的产品中引入AI能力。
早在去年年底，飞书就已经在自己的整套产品中嵌入了“飞书智能伙伴”，可以在内容创作、内容总结、数据分析、场景构建和系统搭建等业务场景中与用户共同工作。
企业甚至根据业务需求，选择适合的底层大模型，例如百川智能、MiniMax和智谱AI等。
就拿每日工作总结这个员工最常见的工作为例，就可以由智能伙伴直接生成。一些内容比较复杂，字数比较多的PDF文件，可以直接发送给智能伙伴，以问答的方式提取归纳其中的重点内容。
你甚至可以通过用文字描述出自己的需求和用途，让智能伙伴搭建起所需的多维表格系统。
从先进客户，到先进用户，再到一切与AI有关的能力升级，或许我们可以说一句：在中国，与AI有关的一切，正在与飞书有着越来越深切的关联。
