企业花钱大规模落地部署 AI 而非仅使用免费的 AI 工具，主要有以下原因：
仅仅拥有大模型提供商的API并不足以规模化构建和部署生成式人工智能解决方案。实施、维护和扩展所需的计算基础设施需要高度专业化的人才。仅在2023年，实施费用就占据了AI支出中最大的部分之一，在某些情况下甚至是最大的部分。一位企业高管提到，“LLM可能只有构建应用场景的成本的四分之一”，开发成本占据了大部分预算。为了帮助企业启动和运行他们的模型，基础模型提供商在过去和现在都提供专业服务，这些服务通常与定制模型开发有关。我们估计这在2023年为这些公司带来了相当一部分收入，并且除了性能之外，这也是企业选择特定模型提供商的关键原因之一。由于在企业中很难获得合适的生成式人工智能人才，提供工具以使生成式人工智能开发更容易在企业内部内部实施的初创公司可能会看到更快的采用速度。
目前市面上有线上和线下本地部署的两种AI：线上的优势为出图速度快，不吃本地显卡的配置，且无需自己下载动辄几个G的模型，还能看其他创作者的制作的涩图，但为了节约算力成本他们只支持出最高1024X1024左右的图，制作横板、高清等图片就会受限线下部署的优势为可以自己添加插件，不卡算力，出图质量高于线上平台，但是使用期间电脑基本处于宕机状态，如果配置不高的话还会出现生成半天之后爆显存的情况，导致出图失败[heading3]所以我们这里充分发挥线上和线下平台的优势[content]线上：找参考，测试模型线下：主要的出图工具在线上绘图网站的绘图广场上发现自己想要的画风点击创作，会自动匹配创作的使用的模型lora和tag截取一小张游戏人物作为底图，目的是将线上平台有限的算力全部堆在人物身上多批次，多数量的尝试不同的画风，得出最符合游戏的一款模型+lora组合最后在C站（[https://civitai.com/](https://civitai.com/)）上下载对应模型到本地，加载部署后就可以开始正式生图了！
企业的重点主要放在自主构建应用程序上，目前企业更倾向于自主开发应用程序，而不是从外部购买。这主要是因为市场上缺乏经过严格测试、能够在特定领域内取得决定性成功的企业级人工智能应用程序。毕竟，目前还没有像这样的应用程序的“魔法象限”（Magic Quadrants）。基础模型的出现使企业更容易通过API来构建自己的AI应用程序。企业现在正在构建自己版本的常见应用，如客户支持和内部聊天机器人，同时还在尝试更新颖的英语，如编写消费品配方、缩小分子发现范围和进行销售推荐。关于“GPT wrappers（GPT套壳）”的局限性已经被讨论过很多了，例如，初创公司利用大型语言模型（LLM）已知能力（例如文档摘要）来构建用户熟悉界面（例如聊天机器人），我们认为这些公司将面临的一个困境是，AI进一步降低了企业内部（in-house）自主构建类似应用的门槛。然而，目前尚不清楚当更多面向企业的AI应用上市时，情况是否会发生变化。虽然一位企业领导者提到尽管他们正在内部开发许多应用，但他们乐观地认为“将会有新工具出现”，并且更愿意“使用市面上最好的工具”。其他人认为，GenAI越来越成为一种“战略工具”，允许企业将某些功能内部化，而不是像传统上依赖外部供应商。鉴于这些情况，我们相信那些能在“LLM+UI”公式之外进行创新，并显著重新思考企业的基本工作流程，或帮助企业更好地利用自己专有数据的应用，将在整个市场上表现特别出色。