OfBusiness 基于微调后的 Llama 构建 Nexizo，而非大语言模型套壳（访谈）

这家位于古尔冈的 B2B 电商与融资集团向中小企业销售钢铁、化学品等原材料，同时运营金融科技子公司 Oxyzo。

基于 OfBusiness 自有招标与价格数据微调一个小型开源模型，并将其作为独立 SaaS 产品出售，胜过对他人大语言模型的套壳。

没有新增资本；Jain 表示 OfBusiness 并未为 Nexizo 招聘新人才，而是对现有员工进行了技能提升。

在接受 Inc42 采访时，Jain 表示 OfBusiness 此前已使用机器学习模型展示政府招标信息，并在 ChatGPT 发布后推出了一款用于原材料价格和商品资讯的聊天助手，可实时更新 10,000 种商品价格。

Jain 表示，该助手只是在现有大语言模型之上的一层套壳，因此公司对 Llama 进行了微调，以构建自有小型语言模型，用于招标分类和信息处理；训练始于 2023 年底前后，在推出 Nexizo 之前进行了近一年的测试。

Nexizo 让中小企业和承包商用户能够以自然语言搜索招标信息，并为非银行金融公司和原材料供应商生成销售线索。Jain 表示，该平台拥有 100 万注册用户、约 40 万月活跃用户和 20 至 25 家企业客户（均为其在采访中自述数据），公司仍在试验变现方式。

Jain 表示，在第三方大语言模型之上搭建对话层无法带来差异化，因此 OfBusiness 转向自有的微调模型。

基础设施类招标约占 OfBusiness 收入的 30%，其招标数据为公司提供了专有的训练数据集。

100 万至 200 万印度卢比的 B2B 订单仍需人工销售团队参与，因此 Nexizo 被定位为销售线索生成工具。

当 AI 产品由你已拥有的专有数据喂养时，它才具备可防御性；在他人模型之上的薄薄一层并不构成护城河。

截至 2025 年 3 月 30 日，据 Jain 称，Nexizo 已上线，月活跃用户约 40 万；BidAssist 预计将整合进 Nexizo；OfBusiness 仍在试验一种销售线索而非对招标数据收费的模式。