風起AIGC

(資料圖)

AIGC已經成為我們這個時代新的商業分水嶺，引領著內容和創意的“寒武紀大爆發”。無論是前沿科技產業還是整個經濟社會格局，都將因此產生巨大的變化。為了讓創業者更好地擁抱這個時代，創業黑馬將以中國AIGC第一服務平臺為己任，通過走訪多位業內知名企業家、投資人、專家學者和創業實踐者，從軟硬件平臺視角、投資人視角、行業應用視角等維度進行系列報道，共話大模型時代新機會，展現產業新力量。本篇為第八篇。

本期的分享嘉賓是竹間智能總裁兼COO孫彬。竹間智能由前微軟（亞洲）互聯網工程院副院長簡仁賢于2015年創辦，是認知AI時代下以大小模型雙輪驅動的NLP為核心技術的國內領先人工智能企業，通過對話、知識、培訓和生成四大產品平臺，實現跨行業、跨場景的規模化落地，已累計服務500多家大中型企業。在以ChatGPT為代表的LLM（大語言模型）技術掀起全球浪潮之際，竹間對所有產品系列進行了全線升級，并推出運用多種LLM技術的成熟AIGC企業級產品，幫助白領等知識生產者提高生產力，助力企業完成數智化轉型。

在6月8日的黑馬AIGC主題系列直播第二季中，孫彬以《大語言模型在To B領域的落地和探索》為主題進行了分享，并展示了竹間智能在生成式AI技術落地方面的商業洞察、布局和重要成果。

以下為本次直播實錄整理：

今天我來分享一下，作為NLP（自然語言處理）從業團隊，過去親身經歷過的大語言模型發展歷程，以及我們看到的未來。

我相信很多人都是最近在網上了解到 Chat GPT這種大語言模型，也分析過很多關于大語言模型和生成式AI的特點、優勢或短板。但是其實大語言模型，包括我們所從事的NLP（自然語言處理）產業已經發展了很長時間了。竹間智能團隊聚焦NLP已經有8年了，這8年也是NLP真正實現產業化的時期。在此期間，我們一直身處NLP賽道，研究如何將NLP服務商業化，如何進行營銷，如何為企業提供服務，如何在C端實現成長，也積累了一些經驗和客戶。

01

行業變局與四大挑戰

在人工智能領域，圖像、語音、語義的處理都是一些重要的賽道，NLP就是其中關于自然語義理解的部分。

實際上，在人工智能的語義理解方面，具體可以分為兩個部分：一是大家非常熟悉的人機問答，我們叫它短文本，是用來交互的；另一個是長文本，讓機器能夠對現有的非結構化的文件、文章進行閱讀、理解、抽取、提取。這兩大領域都是NLP的強勢領域，也恰恰是產業化落地的領域。今天我們所熟悉的大語言模型，給大家展示了對話中的高理解、高對話能力，但它更讓大家驚艷的地方卻是生成的文章、寫出的代碼、翻譯成的語言。

在這兩大領域（短文本和長文本），過去各個NLP團隊也取得了很多成果，但是在它們落地發展過程中，主要面臨四大挑戰，而現在大語言模型的出現，則讓情況產生了很大的改變。

首先，是深度語義理解及推理。在大語言模型爆發之前，所有的語言模型相對來說都比較輕量，針對一些具體場景，那時首先面臨的挑戰就是如何能夠準確理解客戶的意思，大家都不斷地在用新的模型優化算法，去了解客戶的意圖，理解客戶的上下文和他們的情緒，但是現在大語言模型極大地拉升了這方面能力。

第二，是基于知識圖譜的智能問答。這也是現在大家對大模型最為詬病的地方，因為大模型的知識不是很準確。過去的最佳實踐方案，是我們用NLP的模型去理解客戶的對話意圖，然后用客戶方給到的知識和答案實現精準匹配，這樣可以幫助對話機器人給出正確回復。

第三個挑戰是如何通過語義訓練實現問答精準匹配。比如在金融行業，關于信用卡的服務內容其實是有標準答案的，但是客戶的問法千差萬別，我們如何用語言模型理解客戶的意圖是一個難題。在To B服務領域，對答案的準確度要求是非常高的，否則會對客戶產生誤導或造成損害，這一挑戰依然延續到大語言模型時代。

第四個挑戰，就是任務的流程。大家知道，任何一個大語言模型的聊天能力都很強，但是你要讓它完成一個工作，比如說辦一張信用卡、重出一張機票，或查詢一個工單信息，就有些困難。這種多輪的流程式的對話方式，對大語言模型來說可以很容易去模仿，但是要精準地提供這些數據，還需要另外一層的技術控制。

過去NLP產業落地的這四大挑戰，現在依然還存在，但是在很大程度上來說，用大語言模型可以更容易地解決，這就是技術變革給產業帶來的好處。在這方面，我們已經應用大模型做出了一些案例，獲得了客戶的認可。比如一家證券客戶的客服中心原先使用的是傳統的客服機器人，在使用中暴露出諸多問題，比如業務知識與閑聊混合管理不便于維護，大量知識材料內容和分組不匹配，回答準確率過低等等，40%~50%的電話最后還是要轉到人工服務。但是經過技術的加持，機器人的服務占比可以提升30個百分點，就能很大地節約人力，提高效率。

所以，今天的 AI在應用過程中，特別是在To B產業，其實并不像大家想象的那樣，一個模型就能夠解決所有問題。它實際上是一個像下圖這樣的平臺邏輯：

最底層是基礎技術，上面是AI模塊，還要通過一些API的方式進行二次開發，最后接入客戶的業務場景。最近大家都把聚焦點放在大語言模型的寫作能力和對話能力方面，但是從為企業服務的從業者視角來看，雖然目前底層的模型能力有了極大的突破，但要想更好地實現應用，還有很多的能力需要完善。

在今天這個大語言模型產業爆發之際，我們更呼吁所有在賽道中有經驗的專業團隊，都應該駕馭好大模型，讓大模型能夠在多場景中落地，實現產業化發展。不但大模型自身要高速發展，大模型帶來的創新業務也應該實現高速發展。

02

產業的未來

接下來，我來分享一下站在從業者的視角分析，大語言模型會給產業帶來哪些變革？

首先想一下，Chat GPT現象的本質是什么，它給大家帶來的經驗是什么？相信所有跟它做過對話的人都不僅僅是為了好玩，大家會感覺到“我是在跟一個智能體對話”。這代表了什么？代表人類可以跟語言模型進行溝通了。它能理解你，能回答你，能幫你去執行。大語言模型最好的一點就是它用一種“暴力”的方式帶來了足夠多的知識，然后又可以理解人的情緒，可以跟人對話，這恰恰將以前人和機器交互的瓶頸問題解決了。

從這一點出發，我的第一個判斷，是大模型會改變我們現在的軟件范式。相信做IT的同事們對此都有切身體會，當PC出現的時候，當互聯網到來的時候，當手機應用開始爆發的時候，軟件范式都曾發生過改變，從工業軟件到PC軟件，到網站和手機APP，再到現在的大模型熱潮，軟件范式又將被改寫一次。

那么，大語言模型來了以后，軟件應用會是什么范式？我們通過對話的方式就可以調動各種各樣的應用。如果說以前我們是應用為主導，今后我們可以非常明確地想象，人會跟手機或者智能硬件溝通，然后由它來完成相應的軟件操作，所有應用之間的屏蔽會被打破，應用的能力會被調用，大語言模型直接調動應用能力會形成新的交互方式，這將是一個新的操作系統，新的“iPhone 時刻”。

在未來2~3年內,我們大量的C端應用，都會因為對話方式的改變而改變，很有可能不再是觸摸式輸入，而是語音輸入，很多行動也會打破應用的邊界，可能每個手機都會有個AI助手，它可以通過對話的方式調度多個應用能力，下單、叫車、購買都可以通過語音來完成，接下來會有千千萬萬個基于類ChatGPT模型的應用出現。

以上是C端的變化，那么B端會怎樣變化？我的第二個判斷是，在B端，企業/行業的私域知識會變得至關重要，產生大量的企業Chat GPT、行業Chat GPT。

目前，大語言模型的特點是它可以高度理解人的語義，并且可以做一些深層次的工作，比如寫作、推理、分析等等，但是它的知識是不可被依賴的。這是因為用來訓練的互聯網數據是不可靠的，今天的大語言模型實際上是一個對話模型，并不是一個問答模型。它是為了對話而產生的，所以它會妥協，會認錯，為了讓對話繼續進行下去，它會根據對話的人的喜好改變內容，但是它并不是一個具備正確知識的模型。

但對企業客戶來說，我們的行業總監、客服、營銷人員、政策咨詢人員，絕對不能給客戶不準確的知識。所以，在B端一定會發展成這樣的范式：大語言模型做溝通和理解，加上私域知識——準確的私域知識——然后驅動行業/企業的應用，行業/企業的應用也會因為這一變化而變化。

那么，企業的私域知識怎樣構建？我們可以回顧一下企業數字化的發展過程，最早的時候，我們把設備聯網叫數字化，這是第一代的生產數字化；第二步，我們將ERP，包括生產制造系統使用起來，實現全業務流程IT化，這是第二代的資產數字化。

現在，我們有了大語言模型，有了行業/企業的私域知識，真正地讓企業的hr部門、行政部門、銷售部門、客服部門……所有的知識全部用對話或者閱讀的方式表達出來，就真正讓企業智能化了。

人工智能發展到一定階段之后，可以將知識利用起來，就實現了進化，我們將從數字化時代進化到數智化時代。

在接下來的時間，我們會看到越來越多的企業將部門的知識、企業的知識甚至行業的知識利用人工智能技術變成知識庫，變成可以被AI構建和調用的知識，形成知識流，然后讓這些知識變成數字人，服務我們的企業，服務我們的客戶。

我們可以預測,在未來的一年，企業服務的這些內容會呈現指數級的增長，會提升至少10倍以上。從事To B行業的創業者，一定要對此做好準備。

03

未來的四個新挑戰

那么，未來大模型發展將面臨哪些新挑戰？

除了前面提到的四大挑戰之外，作為技術從業者，我在這里跟大家分享幾個我們看到的新挑戰：

第一個挑戰就是大模型閱讀 or 知識圖譜預建？過去我們做了很多的知識圖譜，但是今天的大語言模型可以閱讀文檔，可以閱讀那些非結構化的數據。那么，到底是不是還需要建立知識圖譜？換一種說法，就是今天是要預設好答案，方便來問答和查詢，還是要讓大語言模型自己去閱讀內容，然后給你答案？

其實，這兩種實踐路徑都可以完成很多的內容查詢，但是最終哪個效果好，哪個準確率高，我相信應該是不同的場景使用不同的模式。也許有人會問兩種結合在一起會不會更好？答案很值得期待，希望我們的從業團隊用工程能力給出結果。

第二個新挑戰是“Prompt？Embedding？Fine-tuning? ”這三個詞都是現在特別熱的詞。Prompt是提示詞，Embedding指嵌入接口，Fine-tuning指模型微調，都是訓練大模型要做的工作。但目前其實并沒有多少團隊能夠把模型調好，可能在微調的過程中間，越調越差。所以今天我給到大家的建議，就是不要迷戀對大語言模型進行微調，最終要以結果可控和高質量目標作為標準。利用大語言模型的能力加上自身的工程能力，比如對知識圖譜、對客戶數據的調用，然后利用數據的能力，最終滿足客戶的需要才是王道。

第三個新挑戰，到底是應該做大語言模型，還是做專業模型？我的觀點是通用大語言模型有它的優勢，專業模型也有它的場景，每個模型其實都有它的能力特點。我們認為通用大語言模型適合于To C端進行對話和訓練，專業的模型適合于在行業內調取專業的知識，完成專業的任務。

第四個新挑戰：大模型應該云端調用還是私域部署？在10年前，大家就在討論公有云好還是私有云好，其實我們看到今天這兩者是并存的。云計算和AIGC產業發展有相似之處，通用模型適合于各種各樣的中小企業，通用靈活；專業模型安全性高，數據可以控制，它要為企業服務，數據要準確，要完成不同的任務。所以我們可以這樣預測，未來會有幾個頭部的企業提供最優秀的大語言模型來為大家服務，但同時也會有千千萬萬的行業私有云、企業私有云，千千萬萬的行業模型和企業模型。

未來，公有的大模型一定會越做越強，會由頭部的幾個企業來領導，行業的私有模型一定會百花齊放，這也是我們很多To B企業的商機。

我們相信，ChatGPT現象將給我們帶來巨大的AIGC紅利。寫作類、繪畫類、創作類的職業會實現巨大的提效。大模型歸根到底是一個工具，會使用工具的人將會淘汰不會用工具的人。

智能家居行業會有很大的發展，過去每個家庭的環境太復雜，所以大家沒有辦法在家庭環境中預設好各種對話，現在大語言模型應用之后，對智能家居行業又會有很大的促進。

同樣還有個人助手類的應用，我認為會有極大的發展。AI可以幫你訂機票、訂餐、更改日期，還有去執行一些預約，甚至去購買一些東西，我們期待著今年下半年會有很多個人助理類的應用大爆發。

此外，還有元宇宙的“ IP 眾包”模式、情感陪伴類產品等等，都會迎來爆發。

竹間智能是2015年成立的一家NLP專業公司，我們的核心能力就是將短文本NLP和長文本NLP處理能力，結合我們的專業模型，以及現有的大語言模型，實現不同的應用場景落地，做出不同的數字員工，來為企業和個人提供服務。我們也希望能夠跟行業內所有的玩家共勉，一起來享受 AIGC帶來的產業爆發，共同做好AI在各個行業的落地。

黑馬AIGC產業營

讀懂AIGC底層邏輯，一步接入產業未來

3大核心認知，6大前沿主題

（掃描下圖二維碼，即刻加入）

↓↓↓

標簽：