大模型生態(tài)新篇章：以AI Agent為引，助企業(yè)創(chuàng)新應(yīng)用落地

文 | 智能相對(duì)論

作者 | 沈浪

以聊天機(jī)器人、虛擬助手、智能客服等為代表的對(duì)話(huà)式人工智能 (Conversational AI Agents ) 在具體服務(wù)場(chǎng)景中的應(yīng)用已經(jīng)十分普遍。今年以來(lái)，隨著大模型技術(shù)的爆發(fā)與加持，對(duì)話(huà)式AI被市場(chǎng)賦予了更高的期望。

“所有行業(yè)都值得用大模型重做一遍”已經(jīng)成為業(yè)內(nèi)共識(shí)，百度、阿里、騰訊、華為等巨頭都在基于自家的大模型升級(jí)內(nèi)部業(yè)務(wù)，并逐步實(shí)現(xiàn)能力外溢，向各行各業(yè)的業(yè)務(wù)場(chǎng)景普及。

在這個(gè)過(guò)程中，市場(chǎng)對(duì)大模型的關(guān)注也從通用大模型轉(zhuǎn)向了領(lǐng)域大模型。與此同時(shí)，更聚焦、更專(zhuān)業(yè)的領(lǐng)域大模型解決方案被提出，以中關(guān)村科金為代表的對(duì)話(huà)式AI技術(shù)解決方案提供商已經(jīng)在深入思考如何為企業(yè)提供簡(jiǎn)單、高效以及成本可負(fù)擔(dān)的專(zhuān)屬領(lǐng)域大模型服務(wù)。

在日前以“重構(gòu)未來(lái) 產(chǎn)業(yè)智能躍遷”為主題的2023大模型產(chǎn)業(yè)前沿論壇上，中關(guān)村科金發(fā)布了國(guó)內(nèi)首個(gè)企業(yè)知識(shí)大模型、AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)以及“超級(jí)員工”助手系列AIGC應(yīng)用。由此來(lái)看，從底層的模型開(kāi)發(fā)到上層的應(yīng)用服務(wù)，市場(chǎng)內(nèi)已有更專(zhuān)業(yè)與專(zhuān)注的細(xì)分領(lǐng)域廠(chǎng)商給出相應(yīng)的一站式技術(shù)解決方案。

大模型浪潮加速著通用人工智能發(fā)展，智能化時(shí)代之門(mén)正在開(kāi)啟。千行百業(yè)內(nèi)的每個(gè)企業(yè)，都有運(yùn)用大模型技術(shù)強(qiáng)化對(duì)話(huà)式AI服務(wù)在智能營(yíng)銷(xiāo)、智能服務(wù)、智能運(yùn)營(yíng)領(lǐng)域的機(jī)會(huì)，從而在激烈的競(jìng)爭(zhēng)中構(gòu)建優(yōu)勢(shì)。在這個(gè)過(guò)程中，對(duì)領(lǐng)域大模型建立起正確的認(rèn)知以及選擇適合的AI企業(yè)進(jìn)行合作，變得關(guān)鍵。

AI大模型的行業(yè)解法

在大模型的技術(shù)底座選擇上，并非所有企業(yè)都適用通用大模型方案，或是隨著市場(chǎng)的焦點(diǎn)轉(zhuǎn)移，只盯著領(lǐng)域大模型看——這些過(guò)于單一的方案很難完全滿(mǎn)足企業(yè)所面臨的復(fù)雜業(yè)務(wù)場(chǎng)景。

在過(guò)去的一年，大模型的走紅成就了AI領(lǐng)域的又一波浪潮，但是相比以往，這一次技術(shù)應(yīng)用的焦點(diǎn)很快鎖定在業(yè)務(wù)場(chǎng)景之上，而非長(zhǎng)久地停留于探討新概念。

以中關(guān)村科金為例，針對(duì)不同企業(yè)的需求和規(guī)模考慮，為企業(yè)提供的三種大模型應(yīng)用路徑，分別為：一是通用大模型+提示工程，二是通用大模型+領(lǐng)域知識(shí)庫(kù)+提示工程，三是領(lǐng)域大模型+領(lǐng)域知識(shí)庫(kù)+提示工程。

關(guān)于這三條路徑，中關(guān)村科金技術(shù)副總裁張杰博士向「智能相對(duì)論」進(jìn)一步解釋?zhuān)?strong>這屬于一個(gè)遞進(jìn)的應(yīng)用關(guān)系，企業(yè)最開(kāi)始可以先采用基礎(chǔ)的通用大模型，加上提示工程對(duì)自己的業(yè)務(wù)場(chǎng)景進(jìn)行微調(diào)，初步判斷現(xiàn)有的技術(shù)應(yīng)用是否對(duì)自己的業(yè)務(wù)有幫助。然后再根據(jù)業(yè)務(wù)需求進(jìn)入第二階段，構(gòu)建領(lǐng)域知識(shí)庫(kù)，減少大模型的幻覺(jué)問(wèn)題等等，來(lái)尋求更高的應(yīng)用價(jià)值。直到在具體業(yè)務(wù)場(chǎng)景想要做到極致，進(jìn)而推進(jìn)到第三階段，就針對(duì)專(zhuān)業(yè)領(lǐng)域開(kāi)發(fā)領(lǐng)域大模型。

在這三條路徑的遞進(jìn)關(guān)系中，所帶來(lái)的不僅僅是應(yīng)用價(jià)值的提升，還可以幫助企業(yè)在應(yīng)用大模型的過(guò)程中把控成本。在「智能相對(duì)論」的視角中，第三階段（即“領(lǐng)域大模型+領(lǐng)域知識(shí)庫(kù)+提示工程”）的應(yīng)用前景在未來(lái)還有很大的前景。當(dāng)中關(guān)村科金等垂直領(lǐng)域AI企業(yè)的行業(yè)專(zhuān)屬領(lǐng)域大模型愈發(fā)成熟，成熟到企業(yè)可以直接接入再微調(diào)即可投入使用，其效率比起構(gòu)建企業(yè)專(zhuān)屬的領(lǐng)域大模型就要高一些。

以中關(guān)村科金發(fā)布的企業(yè)知識(shí)大模型來(lái)看，目前該產(chǎn)品具備了全面的語(yǔ)義、語(yǔ)音、視覺(jué)等基礎(chǔ)能力，在5個(gè)能力域、46個(gè)能力項(xiàng)評(píng)測(cè)中準(zhǔn)確度達(dá)95%+，已達(dá)到當(dāng)前國(guó)產(chǎn)大模型最高能力級(jí)別。更關(guān)鍵的是，中關(guān)村科金耗費(fèi)十萬(wàn)卡天算力，整理出了原子任務(wù)間的協(xié)同增益關(guān)系圖，從而實(shí)現(xiàn)高效微調(diào)，幫助企業(yè)快速接入并應(yīng)用到特定的專(zhuān)業(yè)領(lǐng)域。換句話(huà)說(shuō)，如果企業(yè)暫時(shí)無(wú)法構(gòu)建企業(yè)專(zhuān)屬領(lǐng)域大模型，直接采用AI企業(yè)打造的行業(yè)專(zhuān)屬領(lǐng)域大模型也不失為一個(gè)優(yōu)質(zhì)的選擇。

中關(guān)村科金融合自研的企業(yè)知識(shí)大模型為諾亞財(cái)富打造的智能知識(shí)庫(kù)就是一個(gè)比較典型的應(yīng)用標(biāo)桿案例。目前，該智能知識(shí)庫(kù)具備多模態(tài)文檔分析、QA問(wèn)答對(duì)自動(dòng)抽取、知識(shí)內(nèi)容自動(dòng)標(biāo)簽化處理能力，并以知識(shí)助手的形態(tài)開(kāi)始應(yīng)用到特定的客服場(chǎng)景，減少了文本客服70%以上的運(yùn)營(yíng)工作量，回答效果更是提升了50%+。

回過(guò)頭來(lái)再看大模型，不難發(fā)現(xiàn)，整個(gè)市場(chǎng)的導(dǎo)向非常明顯，就是奔著“企業(yè)需求”和“業(yè)務(wù)場(chǎng)景”去的，市場(chǎng)迫切地在為企業(yè)和業(yè)務(wù)尋求簡(jiǎn)單高效且成本可負(fù)擔(dān)的大模型服務(wù)解決方案。

同時(shí)，市場(chǎng)的分化也在加速，未來(lái)的大模型領(lǐng)域或許只有幾家通用大模型（在阿里、騰訊、華為、百度等科技巨頭旗下），再有多個(gè)行業(yè)專(zhuān)屬的領(lǐng)域大模型（由中關(guān)村科金等垂直領(lǐng)域AI企業(yè)打造），以及無(wú)數(shù)個(gè)企業(yè)專(zhuān)屬的領(lǐng)域大模型（為各行各業(yè)的領(lǐng)軍企業(yè)聯(lián)合前兩者共同構(gòu)建）。

屆時(shí)，整個(gè)大模型市場(chǎng)的商業(yè)邏輯將更加清晰，以通用大模型為基礎(chǔ)底座，以領(lǐng)域大模型為拓展平臺(tái)，圍繞產(chǎn)業(yè)的業(yè)務(wù)場(chǎng)景做服務(wù)延伸，進(jìn)而構(gòu)建出來(lái)的技術(shù)解決方案將主導(dǎo)著行業(yè)AI應(yīng)用的未來(lái)。

誰(shuí)在主導(dǎo)領(lǐng)域大模型的未來(lái)？

換句話(huà)說(shuō)，不管是行業(yè)專(zhuān)屬還是企業(yè)專(zhuān)屬，成本可控、貼合業(yè)務(wù)的大模型底座都將是未來(lái)市場(chǎng)競(jìng)爭(zhēng)的關(guān)鍵點(diǎn)。企業(yè)無(wú)論是選擇行業(yè)專(zhuān)屬的領(lǐng)域大模型，或是選擇與AI企業(yè)共同開(kāi)發(fā)企業(yè)專(zhuān)屬的領(lǐng)域大模型，都需要在這個(gè)階段對(duì)領(lǐng)域大模型有所認(rèn)知與判斷——這將影響著其開(kāi)發(fā)AI應(yīng)用、推進(jìn)智能化服務(wù)的水平。

現(xiàn)階段，就市場(chǎng)的反饋而言，在「智能相對(duì)論」看來(lái)，企業(yè)對(duì)大模型的意向評(píng)估初步可以從四個(gè)層面來(lái)切入。

一、專(zhuān)業(yè)性：是否具備以行業(yè)Know-How為代表的領(lǐng)域?qū)I(yè)知識(shí)。

企業(yè)為什么要構(gòu)建專(zhuān)屬的領(lǐng)域大模型？因?yàn)槠錁I(yè)務(wù)發(fā)展需要大量高度專(zhuān)業(yè)的知識(shí)和技能，通用大模型要么無(wú)法滿(mǎn)足，要么訓(xùn)練成本過(guò)高，都不適合企業(yè)的專(zhuān)屬需求。對(duì)應(yīng)就意味著，領(lǐng)域大模型需要的領(lǐng)域?qū)I(yè)性是非常高的。企業(yè)專(zhuān)屬的領(lǐng)域大模型本就屬于企業(yè)和AI企業(yè)共建的產(chǎn)品，其專(zhuān)業(yè)性自不必說(shuō)。

以中關(guān)村科金為例，其主導(dǎo)開(kāi)發(fā)領(lǐng)域大模型的優(yōu)勢(shì)之一就在于背后豐富的預(yù)置數(shù)據(jù)基礎(chǔ)，包括2000億token的公域預(yù)訓(xùn)練數(shù)據(jù)以及2000萬(wàn)條指令數(shù)據(jù)等等，其場(chǎng)景組件（Vertical Agent）里更是封裝了200多個(gè)場(chǎng)景KnowHow。

眾所周知，這些預(yù)置數(shù)據(jù)的來(lái)源大多是長(zhǎng)期的服務(wù)實(shí)踐。具體來(lái)看，中關(guān)村科金已服務(wù)900余家頭部企業(yè)，行業(yè)覆蓋金融、政務(wù)、零售、醫(yī)療、制造等領(lǐng)域，客戶(hù)包括工商銀行、中國(guó)銀行、郵儲(chǔ)銀行、招商銀行、中國(guó)人保、泰康保險(xiǎn)集團(tuán)、五礦信托、國(guó)家電網(wǎng)、龍湖地產(chǎn)、百安居、捷安特、基恩士、美的、步步高等數(shù)十家500強(qiáng)企業(yè)。

二、開(kāi)放性：是否提供多元的通用底座選擇。

領(lǐng)域大模型的構(gòu)建必然是在通用大模型的基礎(chǔ)之上，但市場(chǎng)的格局必然也是多個(gè)通用大模型并存，且各個(gè)大模型之間也有著差異化的表現(xiàn)。

中關(guān)村科金技術(shù)副總裁張杰博士向「智能相對(duì)論」介紹，各家的大模型產(chǎn)品在具體的場(chǎng)景中表現(xiàn)是不一樣的，對(duì)應(yīng)翻譯場(chǎng)景和生成場(chǎng)景的需求是完全不同的，具體還得根據(jù)業(yè)務(wù)場(chǎng)景需要以及企業(yè)的投入產(chǎn)出預(yù)期來(lái)選擇通用大模型。

也就是說(shuō)，在「智能相對(duì)論」看來(lái)，未來(lái)哪怕只是一家公司，或許也會(huì)根據(jù)業(yè)務(wù)的不同，來(lái)選擇不同的通用大模型構(gòu)建對(duì)應(yīng)的領(lǐng)域大模型解決方案。那么，對(duì)于通用大模型的底座選擇就不能局限在單一的產(chǎn)品上。

對(duì)此，中關(guān)村科金提供的領(lǐng)域大模型解決方案在開(kāi)放性上就下足了功夫，不僅可以靈活適配十余款開(kāi)源基礎(chǔ)大模型，兼容性強(qiáng)支持一鍵切換，還自研了大模型評(píng)測(cè)工具，幫助企業(yè)做好通用大模型的選型。如此一來(lái)，企業(yè)既不用綁定在單一的通用大模型之上，也能科學(xué)地根據(jù)業(yè)務(wù)需求選出適合的通用大模型底座。

三、系統(tǒng)性：是否具備完整的技術(shù)開(kāi)發(fā)和服務(wù)鏈條。

在選擇領(lǐng)域大模型解決方案的過(guò)程中，企業(yè)需要考慮AI企業(yè)背后技術(shù)開(kāi)發(fā)和服務(wù)的系統(tǒng)性。

舉個(gè)例子，當(dāng)一家企業(yè)選擇某個(gè)領(lǐng)域大模型解決方案時(shí)，既要考量“開(kāi)箱即用”的眼前價(jià)值，也要考量是否能在后期根據(jù)自己的業(yè)務(wù)需求或調(diào)整，來(lái)深度構(gòu)建自己的專(zhuān)屬應(yīng)用或?qū)兕I(lǐng)域大模型，而不是“淺嘗輒止”，要么停住要么轉(zhuǎn)投其他家的方案。

在這個(gè)思路下，中關(guān)村科金則是構(gòu)建了系統(tǒng)的領(lǐng)域大模型能力解決方案，覆蓋領(lǐng)域大模型工廠(chǎng)、領(lǐng)域知識(shí)庫(kù)工廠(chǎng)、AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)以及場(chǎng)景應(yīng)用等，包括前面提到的大模型評(píng)測(cè)工具助力選型、模型微調(diào)技術(shù)等等，以幫助企業(yè)在不同的階段做好大模型應(yīng)用的遞進(jìn)升級(jí)。

其中，中關(guān)村科金最新發(fā)布的AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)又進(jìn)一步深化并明確了企業(yè)應(yīng)用大模型的路徑。一方面，AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)提供200+AI能力組件、50+應(yīng)用模板，可實(shí)現(xiàn)分鐘級(jí)創(chuàng)建新應(yīng)用，幫助企業(yè)低成本、快速地開(kāi)發(fā)出新的大模型應(yīng)用。

另一方面，AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)從底層重塑了大模型應(yīng)用開(kāi)發(fā)的邏輯，完成了類(lèi)似操作系統(tǒng)的定義。簡(jiǎn)單來(lái)說(shuō)，基于A(yíng)gentGraph應(yīng)用開(kāi)發(fā)平臺(tái)，企業(yè)、開(kāi)發(fā)者可以完成數(shù)據(jù)獲取、數(shù)據(jù)利用、Agent編排、應(yīng)用拓展等一系列的開(kāi)發(fā)和服務(wù)流程，不再需要轉(zhuǎn)移到其他平臺(tái)。未來(lái)隨著中關(guān)村科金在開(kāi)源方面的努力，行業(yè)伙伴、開(kāi)發(fā)者還能在平臺(tái)上貢獻(xiàn)自己的AI Native應(yīng)用，類(lèi)似安卓系統(tǒng)、iOS上的應(yīng)用開(kāi)發(fā)行為，繼續(xù)幫助企業(yè)以更快的效率完成大模型應(yīng)用開(kāi)發(fā)，避免“重復(fù)造輪子”之余，還將形成全新的大模型應(yīng)用生態(tài)。

四、持續(xù)性：是否是企業(yè)成本可負(fù)擔(dān)的解決方案。

在A(yíng)I進(jìn)程上，百度李彥宏曾犀利的指出，AI創(chuàng)新不要陷入“技術(shù)自嗨”的陷阱。在「智能相對(duì)論」看來(lái)，任何一項(xiàng)技術(shù)都如此，大模型的應(yīng)用開(kāi)發(fā)既要聚焦行業(yè)的場(chǎng)景需求，更要關(guān)注企業(yè)的成本問(wèn)題。

對(duì)此，中關(guān)村科金提出的三條不同應(yīng)用路徑，以及發(fā)布AgentGraph應(yīng)用開(kāi)發(fā)平臺(tái)來(lái)幫助企業(yè)降低內(nèi)部應(yīng)用創(chuàng)新成本，都旨在加速提高企業(yè)對(duì)大模型的接受和使用程度。

盡管現(xiàn)在大模型很火，但是在實(shí)際應(yīng)用中企業(yè)的認(rèn)知和接受程度并不完整。中關(guān)村科金技術(shù)副總裁張杰博士向「智能相對(duì)論」表示，他們?cè)谂c企業(yè)的合作中最開(kāi)始的動(dòng)作先是做一輪科普，幫助企業(yè)了解大模型，避免企業(yè)對(duì)大模型的認(rèn)知出現(xiàn)偏差，比如價(jià)值預(yù)期過(guò)高或是被常規(guī)說(shuō)法中的巨大成本所嚇倒。

唯有加速行業(yè)、企業(yè)對(duì)大模型的接受程度，以更客觀(guān)且積極的態(tài)度來(lái)嘗試大模型應(yīng)用，并能持續(xù)地進(jìn)行下去，才能不斷促使各行各業(yè)的產(chǎn)品和服務(wù)更加智能、高效且強(qiáng)大。

寫(xiě)在最后

在2023大模型產(chǎn)業(yè)前沿論壇上，智譜AI總裁王紹蘭提到，“中國(guó)大模型已進(jìn)入第二場(chǎng)角逐中，生態(tài)走向分化，基座大模型和基于基座大模型的場(chǎng)景賦能和應(yīng)用進(jìn)入到了并舉的階段，對(duì)大模型公司的研究能力和運(yùn)營(yíng)能力提出了新的挑戰(zhàn)?！?/p>

事實(shí)上，領(lǐng)域大模型的迸發(fā)趨勢(shì)所反映的便是這一階段的特征。企業(yè)對(duì)大模型的關(guān)注也在持續(xù)增加，大模型公司如何幫助企業(yè)做好技術(shù)研發(fā)與應(yīng)用則是更為關(guān)鍵的一步。

從目前的反饋來(lái)看，以中關(guān)村科金為代表的AI企業(yè)從底層的模型開(kāi)發(fā)到上層的應(yīng)用服務(wù)，在技術(shù)和商業(yè)層面都提供了有效可行的解決方案，很好地為企業(yè)打開(kāi)了一扇進(jìn)入大模型世界的大門(mén)。

*本文圖片均來(lái)源于網(wǎng)絡(luò)

生成海報(bào)

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀(guān)察或評(píng)論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個(gè)人觀(guān)點(diǎn)，與極客網(wǎng)無(wú)關(guān)。文章僅供讀者參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。