|
背景介紹 2024年1月24日，非凡資本聯(lián)合諸多合作伙伴在上海舉行了“2024 AIGC應(yīng)用發(fā)展高峰論壇”,，近千名AI相關(guān)從業(yè)者參與了本次活動(dòng),。本期內(nèi)容整理自嘉賓主題演講環(huán)節(jié)。 嘉賓 瀾碼科技創(chuàng)始人兼CEO 周健 未來(lái)式智能創(chuàng)始人兼CEO 楊勁松Tyrion Al 創(chuàng)始人 劉煜晨Deep Insight 創(chuàng)始人 王守彥Q：請(qǐng)幾位嘉賓先分別介紹一下您所在企業(yè)目前在大模型和agent領(lǐng)域有哪些應(yīng)用,？DeepInsight 創(chuàng)始人 王守彥：我們的產(chǎn)品名為DBI,，從名字就能推測(cè)出我們專注于BI領(lǐng)域，在利用AI進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)挖掘,。那么,，我們與傳統(tǒng)的BI有何不同呢？傳統(tǒng)的BI假設(shè)是人類在進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)挖掘,，因此大部分工具都是為人類設(shè)計(jì)的,。開(kāi)發(fā)者先入為主認(rèn)為人類對(duì)原始數(shù)據(jù)并不敏感，而對(duì)數(shù)據(jù)可視化更為關(guān)注,，因此最終很多BI公司都變成了數(shù)據(jù)可視化公司,。然而，我們的假設(shè)與之不同,。我們認(rèn)為AI應(yīng)該能夠自主進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)挖掘,，能夠自行獲得洞見(jiàn)。今天的標(biāo)題是“數(shù)領(lǐng)洞見(jiàn)”,，這與我們的創(chuàng)業(yè)方向非常契合,。因此,，我們將這個(gè)概念稍作改變，我們稱之為“AI驅(qū)動(dòng)的數(shù)據(jù)洞見(jiàn)”,。Tyrion Al 創(chuàng)始人 劉煜晨：我們專注于研發(fā)AI agent的開(kāi)發(fā)平臺(tái)和給客戶提供端到端的AI agent解決方案,，賦能其沉淀專家知識(shí)庫(kù)和搭建專家agent。另外,，我們還致力于幫助企業(yè)實(shí)現(xiàn)業(yè)務(wù)流程的自動(dòng)化,，利用代理技術(shù)來(lái)完成可由代理處理的任務(wù)。這是我們的主要業(yè)務(wù)方向之一,。未來(lái)式智能創(chuàng)始人兼CEO 楊勁松 ：我們的產(chǎn)品是一個(gè)面向全球企業(yè)級(jí)應(yīng)用場(chǎng)景的多agents解決方案,。我們的主要優(yōu)勢(shì)在于具備多agents功能，它使得我們能夠進(jìn)行有效的編排,，幫助企業(yè)構(gòu)建知識(shí)時(shí)代的AI自動(dòng)化流水線,。當(dāng)我決定創(chuàng)辦瀾碼時(shí),，當(dāng)時(shí)AI agent概念還不流行,，大家更多講的是基于大語(yǔ)言模型的自動(dòng)化平臺(tái)。我們也主要圍繞著業(yè)務(wù)流程自動(dòng)化的需求展開(kāi),。當(dāng)年我在做RPA時(shí),，就已經(jīng)意識(shí)到了業(yè)務(wù)員工在實(shí)際工作中需要處理數(shù)據(jù)、文檔,、應(yīng)用和流程這四類對(duì)象,。因此,，我們有針對(duì)性地開(kāi)發(fā)了不同的能力,，比如針對(duì)文檔的RAG，以及與數(shù)據(jù)相關(guān)的text to API等功能,。流程是非常重要的事,，我們的agent必須具備對(duì)流程本身的意識(shí)，要能夠感知流程所處的階段,。這樣才能更好地幫助業(yè)務(wù)員工排序任務(wù),，避免出現(xiàn)類似在IM上有300個(gè)未讀消息而不知道如何處理的情況。我認(rèn)為這正是AI agent與大型模型應(yīng)用或copilot之間最重要的區(qū)別,，也是我們目前努力的方向,。Q：Tyrion Al 劉總有很強(qiáng)的甲方經(jīng)驗(yàn)，能否請(qǐng)您介紹一下,，在品牌應(yīng)用中,，你們agent和大模型具體能用到哪些場(chǎng)景里面。還有對(duì)品牌來(lái)說(shuō),，數(shù)據(jù),、用戶,、流量是它最重要的東西。agent今天將如何重構(gòu)這三者之間的關(guān)系,？Tyrion Al 創(chuàng)始人劉煜晨：當(dāng)ChatGPT受到熱捧時(shí),，我們進(jìn)行了一些小規(guī)模的嘗試，并取得了令人震驚的效果,。我們嘗試使用AI來(lái)分析BA與私域消費(fèi)者的對(duì)話歷史記錄,。以前，我們只能借助傳統(tǒng)的NLP或其他項(xiàng)目來(lái)分析語(yǔ)義,、態(tài)度,，以及是否提及了特定信息等。然而,，使用大模型,，讓效率得到了大大提高。另外,，由于我們負(fù)責(zé)為很多小型B端提供產(chǎn)品解決方案,，因此我們?cè)诤芏鄨?chǎng)景下需要沉淀專家知識(shí)。但以往這些解決方案都沉淀在銷售人員或老師的頭腦中,，或者被他們記錄在一本本小本子上,，然而這種方式效率很低下。于是我們思考如何將這些經(jīng)驗(yàn)數(shù)字化,，并且能用于新員工的培訓(xùn),，以及把他們以前的這個(gè)溝通從offline轉(zhuǎn)向online的這個(gè)過(guò)程中，能夠有一些更好的輸出,。AI結(jié)合知識(shí)庫(kù)的應(yīng)用場(chǎng)景非常廣泛,，雖然當(dāng)時(shí)我們只做了一些內(nèi)部實(shí)驗(yàn)性的小嘗試。但我對(duì)整個(gè)AI技術(shù)棧的發(fā)展持樂(lè)觀態(tài)度,。我相信無(wú)論是基礎(chǔ)大型模型還是中間層構(gòu)建工具,，如agent和RAG知識(shí)庫(kù)，都在為AI技術(shù)的發(fā)展添磚加瓦,。隨著時(shí)間的推移,，會(huì)有越來(lái)越好的基礎(chǔ)設(shè)施供給甲方使用。這些場(chǎng)景所帶來(lái)的價(jià)值在可見(jiàn)的范圍內(nèi)肯定會(huì)越來(lái)越大,。Q：瀾碼的AskXBOT產(chǎn)品理念主要分以下三步：第一步,，專家知識(shí)的數(shù)字化；第二步,，基于CUI的柔性交互,；第三步，領(lǐng)域知識(shí)的循環(huán)沉淀,。這三步分別對(duì)應(yīng)哪些ToB應(yīng)用落地場(chǎng)景,？瀾碼科技創(chuàng)始人兼CEO 周?。?/span>我們認(rèn)為AI落地有三個(gè)階段。第一階段是專家知識(shí)的數(shù)字化,。在許多企業(yè)中,，關(guān)鍵知識(shí)通常存在于專家的頭腦中?？梢坏＜译x開(kāi),，這些知識(shí)就可能丟失。尤其像埃森哲這樣的公司就是最好的例子之一,。因此,，我們發(fā)現(xiàn)很多潛在引流客戶都是咨詢公司。此外,，當(dāng)企業(yè)擁有了儀表盤(pán)和指標(biāo)庫(kù)時(shí),，表示他們對(duì)于業(yè)務(wù)有了共同的理解。然而,，很多時(shí)候,，企業(yè)管理過(guò)程中存在諸如采購(gòu)和財(cái)務(wù)系統(tǒng)可能無(wú)法打通的問(wèn)題，這會(huì)導(dǎo)致支付條件和賬期的管理與分析成為一個(gè)巨大的痛點(diǎn),。過(guò)去,，解決這些問(wèn)題通常是非常痛苦的，因?yàn)樾枰獙⒉煌块T的數(shù)據(jù)整合在一起,，開(kāi)發(fā)新的系統(tǒng)或者進(jìn)行其他操作,。但今天不再需要這樣，因?yàn)镃EO只需給我們的agent提供一個(gè)賬號(hào),，我們就可以從不同系統(tǒng)中導(dǎo)出的Excel文件中解讀數(shù)據(jù),，并通過(guò)一些簡(jiǎn)單的規(guī)則將數(shù)據(jù)導(dǎo)入到API的多維表格中，生成各種分析結(jié)果,。這就是我們所說(shuō)的專家知識(shí)數(shù)字化的第一步,。第二階段，互動(dòng)仍然很困難,，因?yàn)檫^(guò)去是人適應(yīng)機(jī)器。舉個(gè)例子,，我們?yōu)橐粋€(gè)客戶建立了三張表,，擁有300個(gè)字段的自助式數(shù)據(jù)分析，然后我們與領(lǐng)導(dǎo)討論了很久,，但領(lǐng)導(dǎo)卻反饋?zhàn)约菏切“子脩?，不懂技術(shù)，不明白300個(gè)字段是什么意思,，也不知道什么是寬表,。他強(qiáng)調(diào)他只想知道能做什么,，不能做什么，不想去學(xué)習(xí),。這實(shí)際上反映了業(yè)務(wù)員工的需求,。我認(rèn)為在AI agent落地的過(guò)程中，不僅需要機(jī)器適應(yīng)人,，還需要理解人類對(duì)話的需求,。因此，AI agent的形態(tài)一定是CUI,，但這種CUI不僅僅是對(duì)話,。我們要通過(guò)指標(biāo)庫(kù)，要建設(shè)語(yǔ)義semantic layer,、metric layer,。在第三個(gè)階段，以我們實(shí)踐過(guò)的一個(gè)JD簡(jiǎn)歷篩選案例為例,。企業(yè)的JD通常要求候選人有三年工作經(jīng)驗(yàn),，以及具備一定的專業(yè)知識(shí)。當(dāng)機(jī)器讀到一份簡(jiǎn)歷有相關(guān)項(xiàng)目經(jīng)驗(yàn)時(shí),，就會(huì)給其打高分,，然后人再根據(jù)這些內(nèi)容進(jìn)行糾正，最終才提交上去,。今天這些信息實(shí)際上可以通過(guò)進(jìn)行大數(shù)據(jù)分析來(lái)實(shí)現(xiàn)批量化管理,。比如，“工作穩(wěn)定”是如何定義的,，如何識(shí)別培訓(xùn)機(jī)構(gòu)出來(lái)的簡(jiǎn)歷等,。過(guò)去專家通常都是依靠經(jīng)驗(yàn)自己總結(jié)出來(lái)的，但今天專家能夠借助AI將這些經(jīng)驗(yàn)數(shù)字化描述出來(lái),，然后再用AI輔助執(zhí)行這些工作,，并能夠?yàn)槠涮峁┻M(jìn)一步的數(shù)據(jù)支持。這樣,，專家可以節(jié)省大量時(shí)間,，可以同時(shí)處理100、1000個(gè)案例,。這時(shí)候,，他還可以進(jìn)一步檢查規(guī)則是否適配，以及如何調(diào)整規(guī)則,。這就是我所說(shuō)的第三步,，即在領(lǐng)域知識(shí)沉淀之后，進(jìn)一步加強(qiáng)專家的知識(shí),。Q: AutoAgents.ai有提出一個(gè)“異步協(xié)作式”Agents組織概念,，據(jù)我了解也是業(yè)內(nèi)首家提出相關(guān)概念的企業(yè),，這是基于哪些客戶應(yīng)用考量出發(fā)的？能為客戶解決哪些問(wèn)題,？未來(lái)式智能創(chuàng)始人兼CEO 楊勁松：Agent實(shí)際上是大語(yǔ)言模型落地的一個(gè)非常好的途徑,。可以快速把語(yǔ)言模型應(yīng)用到具體場(chǎng)景里面去,。然而,，從模型本身的能力來(lái)看，我們必須承認(rèn)它仍然存在一些局限性和限制,。例如,，一些所謂的多智能體產(chǎn)品的工作方式通常是串行的，像AutoGPT或者斯坦福小鎮(zhèn)這樣的產(chǎn)品,，它們都是等一個(gè)人講完后另一個(gè)人才能接著講,，這是一個(gè)串行的工作方式。但是,，將這種模式應(yīng)用到企業(yè)服務(wù)中會(huì)產(chǎn)生一些問(wèn)題,。長(zhǎng)此以往這會(huì)導(dǎo)致大語(yǔ)言模型產(chǎn)生幻覺(jué)，并且通過(guò)一層層對(duì)話被不斷放大,，最終導(dǎo)致任務(wù)變成不可用的狀態(tài),。因?yàn)樵趯?shí)踐中，我們會(huì)發(fā)現(xiàn)在人類社會(huì)中,，工作通常是并行進(jìn)行的,，而不是串行的。因此,，我們?cè)O(shè)計(jì)了一個(gè)新的agent協(xié)作能力,。這個(gè)新的協(xié)作模式有一個(gè)負(fù)責(zé)中心調(diào)度的agent，它負(fù)責(zé)將任務(wù)分解并指派給不同的子agent進(jìn)行并行工作,。不同的子agent之間會(huì)相互校核和檢查信息,，最終使任務(wù)達(dá)到可用狀態(tài)。短期來(lái)看,，這解決了模型幻覺(jué)問(wèn)題,，長(zhǎng)期來(lái)看，這個(gè)新的模式反映了人類知識(shí)的壓縮和協(xié)作,。語(yǔ)言模型象征著人類的大腦,，而每個(gè)agent代表著一個(gè)人的角色和能力。將這些agent組織在一起,，就像人類社會(huì)中的一個(gè)團(tuán)隊(duì)、一個(gè)部門或一個(gè)公司在協(xié)作,，因此需要這樣的能力來(lái)提供支持,。Q：AI 的核心就是 Data,，DeepBI在做的事情就是用agent抓住企業(yè)數(shù)據(jù)的命脈，除了增強(qiáng)企業(yè)數(shù)據(jù)查詢能力,，不僅僅只是作為數(shù)據(jù)呈現(xiàn)工具,，還有哪些巨大潛力或價(jià)值？DeepInsight 創(chuàng)始人 王守彥：我們的目標(biāo)并不是簡(jiǎn)單的數(shù)據(jù)可視化,，因?yàn)閿?shù)據(jù)可視化是為人類做的,。AI或者大模型去分析數(shù)據(jù)的時(shí)候，它不需要可視化,，它本身都是token的,，且對(duì)于raw data都很敏感。因此我們要實(shí)現(xiàn)的是thinking能力,。thinking的意義在哪里呢,？我們分析數(shù)據(jù)是為了得到insight，如果我們得到的是deep insight,，那太有價(jià)值了,。怎么才能得到deep insight呢？但不代表一個(gè)人智商很高,，就一定能得到deep insight,。還有兩個(gè)很重要的過(guò)程，一個(gè)叫collaborate 協(xié)作,，另外一個(gè)東西叫thinking,。這個(gè)工作就必須通過(guò)agent來(lái)組織起來(lái)才能實(shí)現(xiàn)。我們對(duì)AI有一個(gè)終極定義叫“無(wú)盡思考infinite thinking“,。我們目前有兩個(gè)產(chǎn)品,，一個(gè)叫輔助數(shù)據(jù)分析，具體來(lái)說(shuō),，只需提供一個(gè)數(shù)據(jù)集,，無(wú)論是有一萬(wàn)行還是一億行，有100個(gè)字段還是一萬(wàn)個(gè)字段,，只要你隨便問(wèn),，輔助數(shù)據(jù)分析器都能夠很好地解答。一旦這個(gè)條件滿足,，我們就可以進(jìn)行另一個(gè)工作,，那就是自動(dòng)數(shù)據(jù)分析。這意味著機(jī)器自己進(jìn)行探索,，只要它不陷入循環(huán),，不形成一個(gè)loop，他就可以一直探索一直得到insight。這是人類對(duì)BI的終極的目標(biāo),，也是我們想實(shí)現(xiàn)的事情,。我們正是通過(guò)agent的技術(shù)做的，把a(bǔ)gent用到了BI這個(gè)垂直領(lǐng)域,。Q：大家底層的基建都離不開(kāi)大模型,。然而，AI應(yīng)用企業(yè)通常都使用的是第三方服務(wù)提供商提供的大型模型,，這對(duì)大家來(lái)說(shuō)有些像黑盒子,。這是否會(huì)降低大家對(duì)自己產(chǎn)品的控制權(quán)？另外,，你們?nèi)绾卫斫庾约汉痛笮湍Ｐ凸?yīng)商之間的關(guān)系呢,？DeepInsight 創(chuàng)始人 王守彥：我可以用一個(gè)比喻來(lái)解釋大型模型與我們之間的關(guān)系。我將大型模型等同于教育體系中的高等院校,，也是批量提供985院校畢業(yè)生,。即使一個(gè)985高校的人類畢業(yè)生，進(jìn)入社會(huì)后仍可能存在一些幻覺(jué),，這是很正常的,。但是，這并不意味著單位的工作會(huì)變得混亂,。因?yàn)槊總€(gè)單位都擁有一整套培訓(xùn)體系,、約束條件和協(xié)作機(jī)制。因此,，我們只需要這位畢業(yè)生具備兩種能力即可：專業(yè)知識(shí)和邏輯能力,。一旦他們加入，我們就可以教他們協(xié)作,，并已經(jīng)制定好了標(biāo)準(zhǔn)的工作流程,。如果他們犯了錯(cuò)誤，我們也可以及時(shí)糾正,。事實(shí)上,，偶爾犯錯(cuò)是有好處的。人類犯錯(cuò)往往會(huì)激發(fā)創(chuàng)造力,，大型模型也可能會(huì)犯錯(cuò),，但通過(guò)這些錯(cuò)誤，我們可以更深入地探索問(wèn)題,。Tyrion Al 創(chuàng)始人 劉煜晨 ：我們有一個(gè)比喻,，將大型模型比作汽油，上層應(yīng)用就像汽車,，無(wú)論是加95號(hào),、92號(hào)的油,，還是柴油，汽車都能跑起來(lái),。中間層更像是汽車?yán)锩娴臉?gòu)建組件,，是發(fā)動(dòng)機(jī),、變速器,、底盤(pán)等等，這就是為什么需要中間層的存在,，就像成熟的汽車產(chǎn)業(yè)鏈不僅僅是整機(jī)組裝廠,，還需要各種零部件供應(yīng)商。我們需要做一些workflow,、RAG,、prompt engineering（提示工程）等工作，甚至需要在特定場(chǎng)景中微調(diào)模型,，以應(yīng)用在特定的流程中做多模型組合調(diào)用,。因此落地的過(guò)程非常重要。在這方面,，我們和大型模型廠商的關(guān)系類似過(guò)去云服務(wù)商和行業(yè)軟件公司之間的關(guān)系,。我們更多地思考的是，如何讓他們能夠更快速,、更有效地專注于特定場(chǎng)景的落地,。他們提供批量的底層能力，而我們則提供更貼近客戶場(chǎng)景的應(yīng)用層解決方案和能力,，從而實(shí)現(xiàn)這種結(jié)合,。未來(lái)式智能創(chuàng)始人兼CEO 楊勁松 ：我理解的大模型有點(diǎn)像蓋房子用的鉆磚瓦，是來(lái)幫助企業(yè)構(gòu)建應(yīng)用的,。但是在實(shí)際應(yīng)用中,，由于房子有各種各樣類型，大模型廠商自己是比較難深入各個(gè)具體行業(yè)里面去滿足客戶要求的,。目前市場(chǎng)上供給的模型廠商可能有兩三百,，但是能將大模型轉(zhuǎn)化成具體行業(yè)中可用的應(yīng)用場(chǎng)景廠商是缺乏的。將模型應(yīng)用到場(chǎng)景里,，現(xiàn)在還是一個(gè)稀缺的能力,。模型廠商希望自己的模型能夠有更多API的調(diào)用，用到更多的地方,，實(shí)際上這正需要場(chǎng)景來(lái)拉動(dòng),。我們現(xiàn)在和很多模型廠商都建立了合作關(guān)系，我們?cè)诳蛻衾锩嬲业胶线m場(chǎng)景,，以此來(lái)倒推哪些能力是大模型應(yīng)該增強(qiáng)的,，比如更長(zhǎng)的上下文、更穩(wěn)定的json生成等，同時(shí)可以對(duì)不同的模型進(jìn)行評(píng)測(cè),，以確定特定任務(wù)上哪個(gè)模型效果更好,。從應(yīng)用角度出發(fā)，可以反向向模型廠商輸入,。比如下一版本是不是在這個(gè)方面的能力要增強(qiáng),，如此才能更好地滿足用戶的場(chǎng)景。它是一個(gè)良性促進(jìn)的關(guān)系,。從我們做事情不被模型廠商覆蓋的角度看,，我們一般會(huì)在客戶側(cè)做一些迭代和研發(fā)。比如怎么讓agent使用的工具更廣泛,，在某個(gè)行業(yè)里面這個(gè)工具的使用更準(zhǔn)確更全面,。從而使得規(guī)劃可以更百分之百遵循用戶的需求，提供服務(wù),。利用這樣的能力,，完善大語(yǔ)言模型應(yīng)用，使它可以到達(dá)一個(gè)企業(yè)級(jí)可用的狀態(tài),，這樣才能讓大模型真正在千行百業(yè)用起來(lái),。以終為始看待行業(yè)發(fā)展大勢(shì),。在我們的實(shí)踐過(guò)程當(dāng)中,，大模型有三部分的價(jià)值。第一部分,，可以整合文檔和數(shù)據(jù),，尤其是原來(lái)沒(méi)辦法用的數(shù)據(jù)，比如周報(bào),、郵件,、聊天記錄、工作文檔等,。原來(lái)只能靠數(shù)據(jù)庫(kù),，現(xiàn)在可以靠RAG技術(shù)把它整合起來(lái)。這部分的技術(shù),，在我看來(lái)一個(gè)開(kāi)源的6B,、13B已經(jīng)夠了，這也是一個(gè)極低的要求,。第二部分是數(shù)據(jù)分析,，大家都會(huì)做，但這個(gè)還是有一定的要求的,。不管是代碼模型,，還是用其他的一些方法,，對(duì)于模型的難度都比RAG要高一點(diǎn)，可能相對(duì)來(lái)說(shuō)是中等,。最難的實(shí)際上是自己主動(dòng)問(wèn)問(wèn)題的Master agent能力,，或者說(shuō)GPT4的function code能力。今天至少看起來(lái)可能是千億或者萬(wàn)億級(jí)參數(shù)才能搞定的,，對(duì)算力的要求很高,。反過(guò)來(lái)講，大模型廠商不可能在所有的級(jí)別,，所有的場(chǎng)景里都報(bào)最低價(jià),。他們也要盈利，需要有引流款,、利潤(rùn)款。對(duì)于甲方而言,，和友商相比,，正確選擇和使用模型，不僅能在合適的地方實(shí)現(xiàn)成本優(yōu)化,，還能在競(jìng)爭(zhēng)中建立成本優(yōu)勢(shì),。用一個(gè)不恰當(dāng)?shù)谋扔鳎竽Ｐ蛷S商是原料,、食材,，我是菜單。我們不需要在每一個(gè)場(chǎng)合都選擇最高價(jià)的模型,，今天僅僅只是做一個(gè)麻婆豆腐,，干嘛要用最好的肉沫呢？這是我覺(jué)得應(yīng)用層公司跟大模型廠商的區(qū)別,。另外第二層,，企業(yè)有大量的私域的數(shù)據(jù)，而且企業(yè)并不愿意把報(bào)價(jià)數(shù)據(jù),、績(jī)效數(shù)據(jù),、財(cái)務(wù)數(shù)據(jù)給到公有云的SaaS。但我們擁有很多SOP,，知道如何處理企業(yè)內(nèi)部的數(shù)據(jù),，這些形成了我們的競(jìng)爭(zhēng)優(yōu)勢(shì)。繼續(xù)用前面的比喻,，我這個(gè)廚師,，能用最普通的食材做出來(lái)一個(gè)宮廷級(jí)的宮保雞丁。而對(duì)于agent的廠商,，我們需要有幾門獨(dú)門絕技,，這樣互相之間才能形成差異化競(jìng)爭(zhēng),。Q：你們作為新一代的AI native公司，跟新客戶之間在建立什么樣的關(guān)系,，怎么理解今天客戶的一些需求,？DeepInsight 創(chuàng)始人 王守彥：中國(guó)做ToB的公司都很苦，盈利困難,。許多公司做到有幾個(gè)億的收入,，要雇1000人甚至一千多人。因?yàn)閭鹘y(tǒng)code base的系統(tǒng)是剛性的,，客戶有需求就得安排產(chǎn)品經(jīng)理跟代碼開(kāi)發(fā),，最后交付還得維護(hù)。導(dǎo)致ToB公司賺不到錢,。在我創(chuàng)業(yè)的過(guò)程中,，我發(fā)現(xiàn)了一個(gè)非常有趣的現(xiàn)象，那就是我們公司最優(yōu)秀的同事都是數(shù)學(xué)專業(yè)出身的,。他們?cè)谧鯞I的時(shí)候,，能夠靈活地應(yīng)對(duì)不同行業(yè)的數(shù)據(jù)需求。以前我們做BI的時(shí)候,，需要針對(duì)每個(gè)行業(yè)進(jìn)行專門的調(diào)優(yōu),，然后再分配一個(gè)工程師去跟進(jìn)。但現(xiàn)在,，一個(gè)工程師就可以同時(shí)處理多個(gè)行業(yè)的數(shù)據(jù),，他們的自適應(yīng)能力非常強(qiáng)。這樣一來(lái),，我們做十個(gè)行業(yè)的BI,，只需要十幾個(gè)工程師，而不是以前的一兩百個(gè),。這對(duì)我們的To b業(yè)務(wù)來(lái)說(shuō)是一個(gè)巨大的變革,。我們的成本大幅降低，而收益卻大幅提高,。這是以前To b公司難以想象的,，也是我們的核心競(jìng)爭(zhēng)力。Tyrion Al 創(chuàng)始人 劉煜晨 ：傳統(tǒng)的SaaS產(chǎn)品服務(wù)頭部客戶往往需要根據(jù)不同客戶的需求進(jìn)行大量的定制化開(kāi)發(fā),，這不僅增加了項(xiàng)目的復(fù)雜度和成本,，也降低了產(chǎn)品的標(biāo)準(zhǔn)化和通用性。而agent這類的產(chǎn)品則有一個(gè)顯著的優(yōu)勢(shì),，就是可以讓客戶自己在可視化的界面上對(duì)agent進(jìn)行操作和修改,，無(wú)需依賴供應(yīng)商的開(kāi)發(fā)和部署。這樣,，客戶可以根據(jù)自己的業(yè)務(wù)流程和場(chǎng)景,，靈活地調(diào)整agent的功能和表現(xiàn),，提高了產(chǎn)品的適應(yīng)性和用戶體驗(yàn)。更進(jìn)一步,，如果未來(lái)能夠?qū)崿F(xiàn)通過(guò)自然語(yǔ)言設(shè)定目標(biāo),，并學(xué)習(xí)歷史操作記錄的方式來(lái)讓agent來(lái)自規(guī)劃行為，那么客戶的業(yè)務(wù)人員就可以更方便地使用agent,，無(wú)需學(xué)習(xí)復(fù)雜的編程語(yǔ)言或工具,。這將大大降低客戶的使用門檻。因此,，agent類型的產(chǎn)品是一種創(chuàng)新的SaaS模式,，它能夠讓客戶回歸生意的本質(zhì)，而不是被技術(shù)所困擾,。未來(lái)式智能創(chuàng)始人兼CEO 楊勁松 ：大語(yǔ)言模型的出現(xiàn),，讓機(jī)器能夠更好地理解人的意圖，這是一種前所未有的范式變化,。在傳統(tǒng)的企業(yè)軟件采購(gòu)中,，企業(yè)只能買到一個(gè)工具，而不是一個(gè)具體的結(jié)果,。比如，企業(yè)購(gòu)買了一套SAP軟件,，但員工還需要花兩周的時(shí)間去學(xué)習(xí)如何使用它,。軟件廠商也無(wú)法保證軟件的效果和質(zhì)量。而在agent時(shí)代,，企業(yè)可以直接告訴agent期望達(dá)到的目標(biāo),，由agent去規(guī)劃和執(zhí)行任務(wù)，調(diào)用各種軟件,，最終完成用戶的需求,。企業(yè)不再為工具買單，而是為結(jié)果買單,。這種變化也影響了商業(yè)模式,。比如，我們銷售的一些agent,，它們的定價(jià)是根據(jù)效果來(lái)的,，比如它們完成了多少次的應(yīng)答或者任務(wù)的處理。這樣,，企業(yè)的采購(gòu)目的就非常清晰,，花出去的錢能換來(lái)多少價(jià)值。這是一個(gè)巨大的范式轉(zhuǎn)變,。這種變化還體現(xiàn)在交付上,。與AI1.0相比,，AI2.0的交付人員從算法專家變成了傳統(tǒng)的IT人員，甚至是業(yè)務(wù)人員,。以前,，一個(gè)軟件的實(shí)現(xiàn)過(guò)程，需要經(jīng)過(guò)業(yè)務(wù)部門,、IT部門,、供應(yīng)商的多次溝通和協(xié)作。而現(xiàn)在,，我們的目標(biāo)是實(shí)現(xiàn)text to agent——即用戶只需要用自然語(yǔ)言描述他們的業(yè)務(wù)需求,，就可以直接生成一個(gè)智能體，極大縮短了從需求到響應(yīng)的時(shí)間,，縮短了傳統(tǒng)企服行業(yè)的長(zhǎng)交付周期,、高交付成本的問(wèn)題。運(yùn)營(yíng)效率得到大大提升,。瀾碼科技創(chuàng)始人兼CEO 周?。?/span>關(guān)于實(shí)施效率，我也深有同感,，在此不做過(guò)多贅述,。我這里想再提出一些與SaaS端商業(yè)模式不同的觀點(diǎn)。我們過(guò)去在跟獵頭公司合作過(guò)程中,，發(fā)現(xiàn)專業(yè)知識(shí)是一個(gè)巨大的挑戰(zhàn),。獵頭對(duì)專業(yè)知識(shí)的需求量非常大，因此我們開(kāi)始著手解決這個(gè)問(wèn)題,。讓我舉個(gè)例子：我們與一家軟件外包公司合作,，幫助他們?cè)u(píng)估1到3年經(jīng)驗(yàn)的Java工程師的職位描述和簡(jiǎn)歷。我們成功地完成了這項(xiàng)任務(wù),，他們也非常滿意,。然后，我們又與一家可能是上市公司的外資行合作,，幫助他們招聘中級(jí)軟件工程師,。然后他們反饋說(shuō)我們的產(chǎn)品用不起來(lái)，因?yàn)槿鄙僖粋€(gè)很重要的功能,，即識(shí)別不出簡(jiǎn)歷是不是培訓(xùn)機(jī)構(gòu)幫忙代寫(xiě)的,。這個(gè)問(wèn)題實(shí)際上是一個(gè)普遍存在的難題，不僅僅是獵頭公司,，各行各業(yè)都會(huì)遇到,。而解決這個(gè)問(wèn)題的關(guān)鍵正是在于數(shù)字化專業(yè)知識(shí)。目前我們已經(jīng)成功地解決了這個(gè)問(wèn)題,，且無(wú)需依賴GPT-4,。我們只需花費(fèi)約一塊錢的成本,，就能為他們提供高質(zhì)量的推薦意見(jiàn)，從而提高面試的采用率,，通?？梢蕴岣?倍到3倍。對(duì)于軟件外包公司而言,，這是極大的提升,。以軟通動(dòng)力為例，他們擁有8萬(wàn)名員工,，但只有2000名招聘專員,。這2000人中，并不是所有人都能寫(xiě)出高質(zhì)量的推薦意見(jiàn),，因?yàn)樗麄兊男劫Y水平通常在6千到8千之間,。推薦100份簡(jiǎn)歷，可能只有10份能夠成功面試,。因此,，如果我們能幫助他們提高簡(jiǎn)歷的采用率，他們?cè)敢鉃榇烁顿M(fèi),，即使只是5塊或10塊,。這意味著我們的價(jià)格模型和成本模型與SaaS產(chǎn)品將完全不同。我們的成本模型基于業(yè)務(wù)結(jié)果的分潤(rùn),，SaaS企業(yè)則是基于系統(tǒng)賬號(hào)的分潤(rùn),。回顧我們當(dāng)年在開(kāi)發(fā)RPA時(shí)提出的“數(shù)字員工”概念,，現(xiàn)在看來(lái)，這一目標(biāo)已經(jīng)有可能實(shí)現(xiàn)了,。Q：新的一年,，各位嘉賓對(duì)AI創(chuàng)業(yè)者同仁有哪些建議？DeepInsight 創(chuàng)始人 王守彥：站在To B角度,，我對(duì)這個(gè)領(lǐng)域仍然非常樂(lè)觀,。過(guò)去，To B往往是一個(gè)邊際成本遞增的業(yè)務(wù),，因?yàn)殡S著業(yè)務(wù)增長(zhǎng),，人員數(shù)量也會(huì)增加，從而導(dǎo)致邊際成本上升,。然而,，如今AI的應(yīng)用使得To B有可能成為一個(gè)邊際成本遞減的業(yè)務(wù)。這在過(guò)去是很難實(shí)現(xiàn)的,，因?yàn)槿嗽絹?lái)越貴,。其次,，我想分享一下剛剛補(bǔ)充的客戶案例。我們?cè)赥o B領(lǐng)域運(yùn)營(yíng),，如果市場(chǎng)已經(jīng)存在,，比如商業(yè)智能（BI）市場(chǎng)已經(jīng)存在了20年，且市場(chǎng)規(guī)模很大,，大約有數(shù)百億美元,。如果你要進(jìn)入這個(gè)市場(chǎng)，那么后來(lái)者的產(chǎn)品必須至少比先行者的產(chǎn)品好十倍,，否則根本無(wú)法立足,。在To B領(lǐng)域，人際關(guān)系非常重要,。即使你的產(chǎn)品比先行者好一倍,，人家也不一定會(huì)選擇你，只有好到十倍的程度,，別人才會(huì)考慮切換,。根據(jù)我們的實(shí)踐經(jīng)驗(yàn)，現(xiàn)在的AI已經(jīng)具備這個(gè)條件,，可以在To B領(lǐng)域開(kāi)發(fā)出比以前某些SaaS服務(wù)和工具更優(yōu)秀十倍的產(chǎn)品,。如果你的第一款產(chǎn)品比其他產(chǎn)品好十倍，市場(chǎng)就會(huì)認(rèn)可,。此外,，你的成本可能只有其他公司的十分之一，因此我認(rèn)為To B領(lǐng)域的發(fā)展空間非常廣闊,。Tyrion Al 創(chuàng)始人 劉煜晨：我整體對(duì)24年也是非常樂(lè)觀,。我覺(jué)得整個(gè)23年，大家還在一個(gè)學(xué)習(xí)或者了解的階段,。2023年初我們經(jīng)常跟一些甲方同事聊,，他會(huì)問(wèn)什么是AI，什么是agent,，都得先有一個(gè)科普的過(guò)程,。等到年底的時(shí)候，就已經(jīng)不需要科普了,，很多學(xué)習(xí)能力強(qiáng)的品牌都已經(jīng)開(kāi)始規(guī)劃各種比較實(shí)際的AI落地項(xiàng)目,。甚至我們有很多客戶項(xiàng)目都已經(jīng)到2期甚至3期，并且在做一些全年的,、比較大的具體規(guī)劃,，所以我們還是很樂(lè)觀的。未來(lái)式智能創(chuàng)始人兼CEO 楊勁松：從去年底到24年初，我們觀察到一個(gè)新趨勢(shì)：很多行業(yè)出現(xiàn)了一種新的工作模式,，我們稱之為“人機(jī)混合工作”,。這種模式的一個(gè)特點(diǎn)是將原有的業(yè)務(wù)或新業(yè)務(wù)進(jìn)行精細(xì)拆分和設(shè)計(jì)，然后由人和AI協(xié)同完成,。例如,，可能有100個(gè)節(jié)點(diǎn)，其中七八十個(gè)節(jié)點(diǎn)完全由AI執(zhí)行,，而人類在其中扮演關(guān)鍵決策角色,。實(shí)際上，這種新時(shí)代的知識(shí)流程將催生許多新的業(yè)務(wù)場(chǎng)景,。讓我們可以在增量場(chǎng)景中挖掘增量?jī)r(jià)值,，而不僅僅局限于存量市場(chǎng)，這是一個(gè)巨大的機(jī)遇,。其次,，關(guān)于“agent”，還有一種形態(tài)是作為新型的業(yè)務(wù)入口,，這是與Web和移動(dòng)應(yīng)用（APP）同一級(jí)別廣闊場(chǎng)景,。未來(lái)必定會(huì)出現(xiàn)一種新的入口，即通過(guò)“agent”來(lái)承載原有的業(yè)務(wù)邏輯,。這將為用戶提供了一種新的,、更直接的交互方式。就像從使用鼠標(biāo),、圖形界面轉(zhuǎn)變?yōu)楝F(xiàn)在通過(guò)語(yǔ)言指令與計(jì)算機(jī)和世界互動(dòng)一樣,。這是一個(gè)充滿想象空間的領(lǐng)域，因此總體而言,，我對(duì)市場(chǎng)持樂(lè)觀態(tài)度,，也希望整個(gè)市場(chǎng)其他同行能夠也保持樂(lè)觀。瀾碼科技創(chuàng)始人兼CEO 周?。?/span>2023年大家逐漸形成共識(shí),，摩爾定律在不斷被顛覆。AI agent的數(shù)量將不斷增加,，預(yù)計(jì)每12月就能翻一番。此外,，大型模型的推理成本每18個(gè)月降低到原來(lái)的十分之一,，訓(xùn)練成本降低到原來(lái)的四分之一。例如,，智譜的GM4已經(jīng)超出了我的預(yù)期,，提前3到6個(gè)月就達(dá)到了GPT-4的水平。今年，我預(yù)計(jì)國(guó)產(chǎn)大型模型還將追趕上GPT-4,。其次,，關(guān)于人機(jī)協(xié)作或CUI（Conversational User Interface），人類不再需要適應(yīng)機(jī)器,，而是機(jī)器適應(yīng)人類,。這一點(diǎn)已經(jīng)得到廣泛認(rèn)可。然而,，由于大型模型存在幻覺(jué),、成本和學(xué)習(xí)等問(wèn)題，2023年并沒(méi)有出現(xiàn)太多實(shí)際應(yīng)用場(chǎng)景,。不過(guò),，對(duì)于AI agent公司而言，這正是一個(gè)機(jī)遇,。只要我們能夠解決這些問(wèn)題,，市場(chǎng)潛力顯而易見(jiàn)。我昨天還與智譜的人進(jìn)行了交流,，他們對(duì)交互暴雷問(wèn)題感到擔(dān)憂,。去年，他們的估值從20億人民幣增長(zhǎng)到了200億人民幣,。投資人給他們的收入壓力非常大,。因?yàn)樗麄兊目蛻糁校粫?huì)有企業(yè)只愿意花3000萬(wàn)購(gòu)買一個(gè)企業(yè)知識(shí)問(wèn)答系統(tǒng),。全中國(guó)500強(qiáng)企業(yè)中已經(jīng)有150家與智譜合作,，他們接下來(lái)要做的是解決大模型真正在業(yè)務(wù)場(chǎng)景的落地交互問(wèn)題。這些都是我們的商機(jī),，我認(rèn)為這是一個(gè)非常積極的方面,。實(shí)際上，各種趨勢(shì)已經(jīng)基本形成,，只要我們做好自己的工作,，就能夠?qū)崿F(xiàn)許多新的目標(biāo)。
|
