導(dǎo)語：
當(dāng)中廠們乘上大模型的東風(fēng)。
正文：
2022年底開始，一場由 ChatGPT 引發(fā)的人工智能革命發(fā)展正如火如荼。從一眾業(yè)界、學(xué)界大佬紛紛下場加入大模型混戰(zhàn)，到各路資本跟進(jìn)共計投出數(shù)百億人民幣，無不證明著：大模型 還可以有更大的想象空間。
一年多的時間以來，諸多參與者已經(jīng)演化成了三大流派：
一派是互聯(lián)網(wǎng)大廠，家大業(yè)大、子彈充足，憑借固有的云實力，將大模型作為入口，以生態(tài)和云服務(wù)把客戶留住;
一派是新銳創(chuàng)業(yè)獨角獸，臺前是各路明星創(chuàng)業(yè)者和他們光鮮的故事，幕后是一眾投資機(jī)構(gòu)站臺支持，聚光燈投射之下，鮮花掌聲不斷;
而又一派，是已在各自領(lǐng)域中有所成就的“中廠”，表面上不比大廠有錢，做不了動輒千億、萬億規(guī)模的模型，也不及創(chuàng)業(yè)公司無牽無掛，難以放下一切激進(jìn)創(chuàng)新。
前兩派，通常都是賽道極盡關(guān)注的對象，而最后一派的中廠，似乎總被遺忘，但實則是影響大模型落地最后一公里的關(guān)鍵一步。中廠們積年累月形成的數(shù)據(jù)、場景、用戶優(yōu)勢，讓大模型不再是高高在上的show case 和AI設(shè)想，成為切實可行的、能被千行百業(yè)真正用起來的技術(shù)。而這，也契合了2024年大模型行業(yè)的關(guān)鍵詞：商業(yè)化落地。
2024年，港股上市公司移卡(09923.HK)，一家走過13個年頭的科技公司，面對呼嘯而來大的 大模型 浪潮，也在用新的AI技術(shù)賦能原有的業(yè)務(wù)場景。
作為無數(shù) AI 2.0 時代的“中廠”代表，移卡做大模型的策略，與大廠和獨角獸都有所不同——而這或許是中廠們走向大模型價值實現(xiàn)的“最短路徑”。
一、立足場景的“中廠”生態(tài)位
“沒必要和BAT、 AI 創(chuàng)業(yè)獨角獸去硬拼底層大模型技術(shù)。” 移卡執(zhí)行董事、CTO羅小輝如是說道。
誠然，無論是阿里、字節(jié)等手握大把資源的大廠，還是智譜、月之暗面等技術(shù)Driven的AI 獨角獸，都會在參數(shù)規(guī)模、模型性能等硬條件上發(fā)力，甚至可以說這是他們所肩負(fù)的歷史使命。但這一條路，并不適合AI浪潮之下所有的科技企業(yè)。
一來，做AI底層研發(fā)的投入之大，需要持續(xù)燒錢試錯，但結(jié)果并不一定如人意;二來，這場AI之戰(zhàn)中，技術(shù)只是手段，最終是否能立住腳還得看在具體場景中的商業(yè)化應(yīng)用。換言之，大模型技術(shù)無論投入多少資源、性能有多強(qiáng)，最終都要落到具體場景中切實產(chǎn)生價值。
歸根結(jié)底，對“中廠”生態(tài)位的企業(yè)來說，用大模型能力去維護(hù)基本盤、基于大模型做場景實現(xiàn)，反而是更好的選擇。
事實上，在行業(yè)中，當(dāng)有真切需求的客戶真正將大模型用起來的時候，卻總發(fā)現(xiàn)，AI 落地的“最后一公里”相當(dāng)難走——一方面，通用大模型泛化能力很強(qiáng)，卻難以深入理解企業(yè)的 Knowhow，最后難免變成“一本正經(jīng)地胡說八道”;另一方面，大廠所布局的“行業(yè)大模型”，即使號稱距離客戶企業(yè)更近，效率有所提升，但面對客戶基于原生業(yè)務(wù)場景的一系列需求，也仍然無法完美應(yīng)對。
橫亙在“技術(shù)”和“應(yīng)用”之間的鴻溝，對于所有玩家來說都難以被迅速真正跨越。
面對這個問題，移卡執(zhí)行董事、CTO 羅小輝坦言：“要跨越這一鴻溝，不能指望天降神兵，也很難找到行業(yè)外部的第三方去做這件事情，需要自己摸索技術(shù)和本地業(yè)務(wù)結(jié)合的方式，這是必經(jīng)之路，沒有捷徑可走。”
從移卡創(chuàng)始人、 CEO 劉穎麒到 CTO 羅小輝，都曾是騰訊體系內(nèi)技術(shù)線的中流砥柱，也是堅定的 AI 技術(shù)自研派。2017年，他們就在公司里建立了人工智能實驗室，尋求使用 AI 降本提效的機(jī)會。而到了22年底，大模型賽道被 ChatGPT 一朝引爆，移卡也真正開始摸著石頭過河，在洞察場景需要的基礎(chǔ)上一點點尋找AI和支付業(yè)務(wù)更好的結(jié)合方式。
但盡管AI賽道群強(qiáng)環(huán)伺，一眾“中廠”，卻也擁有著真正改變行業(yè)、用大模型實際為客戶提供生產(chǎn)力躍升的機(jī)會。在大模型賽道中如何找到生態(tài)位，羅小輝給出了一個很有趣的見解：
“我即是‘客戶’。”
二、拒絕拿來主義
To B 業(yè)務(wù)往往深陷一個困境——拿著技術(shù)去找客戶推銷推廣，但作為乙方，對甲方的了解需要時間和過程，即使是對場景理解得再熟稔，也必然有細(xì)節(jié)上的落差。
同樣是做產(chǎn)品，每家都有都有自己的一些特點，非共識的部分始終存在——內(nèi)部的實現(xiàn)方式、業(yè)務(wù)開展的模式都有不同。這些差異中，有一些可以被總結(jié)出來，而有些東西可能總結(jié)不出來。
“總結(jié)不出來的那一部分，其實就是最難跨越的鴻溝。”羅小輝說道。“最好的能夠做出來的方法，就是結(jié)合業(yè)務(wù)特點自己投入研發(fā)，不要奉行拿來主義，否則是做不深的。”
這樣一來，甲方自己做技術(shù)產(chǎn)品，把積累起來的數(shù)據(jù)和 Knowhow 用起來，讓大模型和場景結(jié)合得更加緊密，就可以更有針對性、更細(xì)致地解決掉行業(yè)用戶的隱痛。甚至，以此來打平技術(shù)差距，取得即使其他廠商做很長時間也難以達(dá)到的效果。
在這個鏈路中，移卡就是傳統(tǒng) To B鏈路中的甲方——他們自己有場景，距離基層 B 端用戶更近，也自然擁有更多一手的優(yōu)質(zhì)數(shù)據(jù)和行業(yè)認(rèn)知，也就能在更落地的層面上，實際解決更多的 B 端需求。
于是，移卡也找到了距離原有業(yè)務(wù)更近的領(lǐng)域。在本地生活服務(wù)場景，針對日益增長的圖片、文案生成，短視頻剪輯和轉(zhuǎn)場、特效生成的需求，移卡完成了一系列技術(shù)產(chǎn)品的支持，并應(yīng)用最一手的行業(yè)數(shù)據(jù)，對文案生成、視頻云剪輯生成結(jié)果進(jìn)行了較大幅度的優(yōu)化，降低了90%內(nèi)容制作成本，內(nèi)容生成效率提升了70%。
AI 的另一典型場景，當(dāng)屬智能客服。人員成本不斷上升，而傳統(tǒng) NLP 技術(shù)也遇到了瓶頸。用客服提效，不少 AI 公司也都投入大量資源研發(fā)，而結(jié)果卻良莠不齊。
不少公司給智能客服提供的解決方案，是用大模型技術(shù)理解用戶意圖，靈活生成結(jié)果，再用知識圖譜、搜索增強(qiáng)技術(shù)(RAG)去框定輸出內(nèi)容的范疇，降低幻覺。但要把圖譜和 RAG 用好，能否擁有優(yōu)質(zhì)的數(shù)據(jù)庫，就成為了智能客服的“勝負(fù)手”。這方面，中廠有自己獨特的優(yōu)勢。
通過清洗、整理、調(diào)用過去10年間與客戶對話解決問題留存的文字、語音數(shù)據(jù)，移卡基于“大模型+RAG”框架開發(fā)的智能化客服系統(tǒng)，在用戶體驗上也是更上一層樓。上線半年，移卡客服系統(tǒng)的用戶自助率增長超30%，達(dá)到近90%。
而移卡也并不急于將技術(shù)打包出售，做純技術(shù)輸出——而是基于與業(yè)務(wù)場景的結(jié)合，服務(wù)自己原有的生態(tài)伙伴，在基本盤上小步創(chuàng)新，把腳步踩穩(wěn)。場景化的數(shù)據(jù)是移卡得天獨厚的優(yōu)勢，一旦激進(jìn)推廣，大模型產(chǎn)品的效果反而無法保證。
三、仍被需要的本地化部署
過去的 AI 1.0 時代，本地化部署一直是深受詬病的痛點——項目制、高定制化、勞動密集型AI……種種因素，只要提起來，總讓人想到上一代 AI 公司“賠本賺吆喝”的一地雞毛。
今天的 AI 2.0 時代，人們更愛談“標(biāo)品化”、談“開箱即用”、談大模型的泛化能力，儼然已經(jīng)覆蓋了過去 AI 產(chǎn)品的商業(yè)模式。
然而問題是，所有人都在談“標(biāo)品”，但“標(biāo)品”到現(xiàn)在為止還沒有真正做起來。其背后的原因除了剛剛談及的數(shù)據(jù)稀缺性、行業(yè)Knowhow 等問題之外，更是因為當(dāng)下B端企業(yè)本地化部署的需求仍然存在。
以代碼生成 Copilot場景來看，羅小輝觀察到，要把作為自己“安身立命之本”的源代碼交出去，即使 AI 廠商把“數(shù)據(jù)安全”吹上天，不少 B 端用戶或許也仍然難以買賬。
行業(yè)口中的“標(biāo)品”輸出看起來近，但實際上路徑更遙遠(yuǎn)。而想讓客戶用得放心，就必須得回到本地化部署的邏輯。
去年年底，隨著大模型開源生態(tài)的日漸繁榮，移卡也終于看到了將代碼生成模型私有化部署的可能。
于是，移卡先在內(nèi)部小范圍試驗推廣，再用私有化部署保證了數(shù)據(jù)安全的前提下，做了基于企業(yè)代碼庫的本地化訓(xùn)練，把代碼生成工具專有化的能力優(yōu)勢凸顯了出來，并自研了一套“移卡AI編程助手”產(chǎn)品。
利用“移卡AI編程助手”的代碼生成、注釋、解釋、糾錯，智能問答和單元測試等功能，平均代碼采納率已經(jīng)超過20%，也有程序員的代碼采納率達(dá)到了30% 以上。
子彈有限，大范圍的技術(shù)研究對于“中廠”來說過于奢侈;他們的每一步棋都要能看到收效。做本地化部署，或許已經(jīng)是“中廠”把大模型業(yè)務(wù)落進(jìn)場景里的必選項。
而本地化部署，許多人都沒有看到，是“中廠”一個很具潛力的細(xì)分賽道：
大廠依托云平臺，終歸要把客戶拉攏到自己的 PaaS 和 IaaS 產(chǎn)品上，本地化部署和他們邏輯不符;
創(chuàng)業(yè)獨角獸體量一般不大，To B 經(jīng)驗也并不全都豐富，要從頭拉起幾個項目團(tuán)隊，相比早就在 To B 領(lǐng)域摸爬滾打多年的“中廠”，也自然顯得不夠成熟。
認(rèn)清自身的生態(tài)位后，中廠們就需要挽起袖子下場做好本地化部署。就在不少廠商仍在猶豫是否該在大模型時代做本地化的時候，移卡較早地發(fā)現(xiàn)了這件事情并且付諸實際：
“只有本地化，才能夠把大模型的價值最大化，這就是我們秉持的一個基本的理念。”羅小輝如此總結(jié)道。
羅小輝關(guān)于技術(shù)發(fā)展路線的思考已經(jīng)開始落地，接下來一步，移卡將會用生成式AI技術(shù)提升幾個確定性較高的產(chǎn)品服務(wù)：
一是聚焦移卡出海的一系列需求，比如用大模型解決語言相通的問題以及Ai Agent應(yīng)用等，其中移卡投資的企業(yè)富匙科技，即將于東南亞地區(qū)推出針對餐飲行業(yè)的Ai Agent ;二是生成高質(zhì)量的業(yè)務(wù)素材，為到店電商直播業(yè)務(wù)AI賦能;三是繼續(xù)賦能內(nèi)部組織效率的賦能。
結(jié)語：
“大模型的贏家更可能是本來就擁有明確場景的企業(yè)。”這在行業(yè)內(nèi)心照不宣。而中廠們有場景、有數(shù)據(jù)、有客戶、有生態(tài)，恰好是這群已經(jīng)找到了釘子，再去尋找好用錘子的人。
“務(wù)實”是中廠們的關(guān)鍵詞?；谝延虚_源模型進(jìn)行應(yīng)用開發(fā)，不僅成本較低，還能進(jìn)行本地化部署以確保內(nèi)部業(yè)務(wù)和用戶數(shù)據(jù)安全。如此一來，既能服務(wù)于現(xiàn)有場景，也能在成本合理的范圍內(nèi)解決實際問題，還能始終和前沿技術(shù)貼近，不至于閉門造車。
不僅是移卡，其他垂直行業(yè)的中廠，也在尋找用 AI 更好地賦能業(yè)務(wù)場景的方法。美圖秀秀、金山辦公等公司也在自己的垂直賽道耕耘并已取得不錯成效。
但在成熟業(yè)務(wù)的基礎(chǔ)上進(jìn)行大量的、可能無法立見回報的創(chuàng)新技術(shù)投入，這也絕非易事。羅小輝表示，AI 的投入產(chǎn)出需要不斷磨合、把握，更需要有足夠堅定的信念去支撐。
不少人曾問羅小輝：外部供應(yīng)商一抓一把，為什么還要自己做大模型?
移卡當(dāng)然也問過自己這個問題，但他們的眼光卻更加長遠(yuǎn)。
“這可能跟我們的企業(yè)基因有關(guān)，”羅小輝說道，“對于移卡來說，技術(shù)就是我們的安身立命之本。AI 的浪潮，會深刻地改變我們的行業(yè)，盡管這個變化還尚不清楚，但無論怎么變，只要能掌握技術(shù)，就能應(yīng)對這個浪潮到來的沖擊，或成為受益者。”
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
