家庭能源智聯(lián)自由 海辰儲能發(fā)布首套免安裝家庭微網(wǎng)系統(tǒng)HeroESOpenAI發(fā)布o(jì)3:AI 推理能力的重大突破,得分高達(dá)87.5%亞馬遜云科技推出Amazon Q Developer新功能小象超市,摸著美團(tuán)外賣出海E Ink元太科技連三年入選道瓊可持續(xù)雙指數(shù)撬動6000億GTV后,抖音計(jì)劃偷襲美團(tuán)大本營AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent貸款利率史上最低了嗎?東融教你看懂歷年啥水平“客服來電”有詐?抖音客服上線“驗(yàn)證助手”助用戶識別詐騙OpenAI新模型GPT-5研發(fā)未達(dá)預(yù)期:成本高昂 效果不佳曝天馬打入果鏈:為蘋果HomePod供應(yīng)LCD屏 每塊屏僅10美元曝OPPO或首發(fā)新款天璣次旗艦芯片 兩大子品牌Q2發(fā)力諾基亞攜手阿聯(lián)酋運(yùn)營商e&,展示全球首個(gè)固網(wǎng)游戲端到端網(wǎng)絡(luò)切片方案零下25℃制熱26℃!海爾水暖通黑科技亮相冰雪大世界三星沒放棄曲面屏開發(fā)!最新專利曝光暗示有望回歸三大運(yùn)營商11月成績單:用戶數(shù)據(jù)增幅放緩打造下一個(gè)英偉達(dá),孫正義的2026芯片計(jì)劃曝光瞭望2025全球6G技術(shù)發(fā)展趨勢AI時(shí)代云安全新范式,暢捷通智能守護(hù)小微企業(yè)安全上云百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance
  • 首頁 > 云計(jì)算頻道 > 大模型

    供需錯(cuò)位的大模型丨企服戰(zhàn)事

    2023年09月20日 17:25:26   來源:光子星球

      大模型的價(jià)值釋放有多大想象力,大模型賽道的玩家對落地就有多焦慮。

      征途是星辰大海,投入是無底洞窟,如果落地的產(chǎn)出缺了或是慢了,風(fēng)口過后的可持續(xù)發(fā)展和迭代都是空談。

      細(xì)數(shù)一下比較成功的落地案例:前有妙鴨相機(jī)靠9.9一組寫真點(diǎn)燃朋友圈,可寫真這個(gè)需求太小、不太可持續(xù);后有360半年報(bào)披露其大模型業(yè)務(wù)創(chuàng)收2000萬元,盡管與15.6億元的研發(fā)投入相比只是滄海一粟,但好歹見到了現(xiàn)金流,算得上是一個(gè)積極信號。

      一個(gè)清晰的事實(shí)是,目前大模型的落地途徑比較單一,比較可靠的商業(yè)模式只有to B方向的大模型部署以及模型使用、訓(xùn)練的算力需求兩種,其價(jià)值釋放的緩慢可想而知。

      即使是這兩種花了大半年時(shí)間摸清楚的邏輯,在智能化這樣的買方市場中,還有不少需要技術(shù)服務(wù)商突破的隔閡,例如怎么打開中小企業(yè)市場、減少定制化導(dǎo)致的高人力成本等。

      進(jìn)一步說,各行各業(yè)迫切需要看到可靠的落地案例與方向,打消他們的顧慮,一起掏錢幫助大模型賽道的玩家們走上可持續(xù)的正軌。

      我們對話了多家行業(yè)企業(yè),試圖管中窺豹,為大模型的價(jià)值釋放“摸底”。我們了解到的情況是,服務(wù)商“鞭長莫及”的中小企業(yè)市場中,相當(dāng)一部分以調(diào)用開源模型來先吃螃蟹的企業(yè)已經(jīng)收獲了不小的效率躍升。而目前服務(wù)商們一致發(fā)力的,以制造業(yè)為主的KA市場卻對大模型相當(dāng)不感冒。

      這對國內(nèi)大模型玩家而言不算是個(gè)好消息。

      最大挑戰(zhàn):幻覺

      美國社會學(xué)家Marc Prensky曾于2001年提出“數(shù)字原住民”的概念,泛指在21世紀(jì)的數(shù)字時(shí)代中成長起來的年輕人。而在大模型的沖擊下,2023年進(jìn)入社會的年輕人或許將成為首批“AI原住民”。

      就像7月初入職某家SaaS企業(yè)銷售崗的小張,因如今互聯(lián)網(wǎng)語境中充斥著的“萬辭王”、“不打800個(gè)電話不能走”等段子而忐忑不安時(shí),大模型幫助他在人生第一份工作中穩(wěn)定下來。

      小張入職第一天,他預(yù)想中“一位老銷售帶人熟悉業(yè)務(wù)”的流程并未出現(xiàn),而是領(lǐng)導(dǎo)簡單介紹了一下工作強(qiáng)度、時(shí)間安排等情況后,就扔給他一個(gè)網(wǎng)址和一個(gè)文檔,讓他“看文檔熟悉業(yè)務(wù),有不懂的在網(wǎng)址里提問”。

      小張的第一份工作就這么開始了。據(jù)他所說,除了入職的頭兩天去了公司坐班,往后將近兩個(gè)月時(shí)間都在外跑業(yè)務(wù),只有團(tuán)隊(duì)開會的時(shí)候會回公司述職。而工作中遇到的疑問如HR SaaS的客戶案例、銷售話術(shù)、市場價(jià)格比對等,他都可以在網(wǎng)址中提問從而獲取答案。

      “我找陽哥(領(lǐng)導(dǎo))的次數(shù)估計(jì)連我提問次數(shù)的一半都不到”,小張說,所謂網(wǎng)址便是大模型的交互頁面,該公司將大模型能力應(yīng)用在了新人銷售的培訓(xùn)和業(yè)務(wù)展開上。

      據(jù)了解,該公司采用的第三方AI服務(wù)商的產(chǎn)品,模型能力來源于ChatGPT。他們將此前已成文檔的市場價(jià)格走向、公司業(yè)務(wù)流程、常見客戶QA等信息交由大模型整合為數(shù)據(jù)集,并提供快速檢索能力。據(jù)公司領(lǐng)導(dǎo)林陽介紹,大模型目前已經(jīng)做到為新人銷售培訓(xùn)平均節(jié)約5天時(shí)間,這還是在尚未計(jì)入老銷售的時(shí)間成本的前提下。

      此外,大模型還進(jìn)入他們多個(gè)崗位的工作流,如研發(fā)部門的初級代碼編寫、人力部門的JD編寫以及運(yùn)營部門的客戶報(bào)告等。

      只是林陽還告訴光子星球,大模型能力只在銷售環(huán)節(jié)“效果拔群”,其余部門在使用上卻不盡如人意,主要起輔助作用。比如代碼生成大多局限于前端,而且生成內(nèi)容必須經(jīng)由人工校對。

      人工校對必要性的背后是大模型難以避免的幻覺現(xiàn)象,簡單來說就是“一本正經(jīng)地胡說八道”。其成因在于訓(xùn)練數(shù)據(jù)存在偏差以及訓(xùn)練方法NTP(預(yù)測文本)等。一個(gè)典型的例子是,我們讓某多模態(tài)模型生成一張“松鼠鱖魚”的圖片,生成結(jié)果與這道徽菜實(shí)際的樣子八竿子打不著。

      顯而易見,幻覺是大模型落地嚴(yán)肅商業(yè)場景的最大挑戰(zhàn)之一,尤其是工業(yè)、金融等對精確度要求極致的場景。事實(shí)上,早在大模型之前,工業(yè)機(jī)器人與智能投研等AI應(yīng)用就試圖在工業(yè)、金融領(lǐng)域找到戰(zhàn)場。在部分業(yè)內(nèi)人士看來,這些嘗試都免不了“形而上學(xué)”的意味。

      老陳是南方頭部流體控制企業(yè)的高級工程師,浸淫流體控制設(shè)備十?dāng)?shù)年,甚至曾帶領(lǐng)團(tuán)隊(duì)參與核級流體控制設(shè)備的生產(chǎn)。作為典型的工廠老人,他對AI在工業(yè)流程中的應(yīng)用嗤之以鼻。

      “工業(yè)生產(chǎn)第一要的是穩(wěn)定安全,只要‘幻覺’問題存在,對穩(wěn)定安全就是一種威脅”,老陳說,“我看到的所謂工業(yè)機(jī)器人,宣傳了也有小十年的,到現(xiàn)在還只能做一些焊接、碼垛之類的簡單活兒。”

      老陳所言雖有些過激,卻不無道理,畢竟連創(chuàng)造GPT的OpenAI早在2021年便放棄了機(jī)器人業(yè)務(wù)。至于近來全球頂級公司開始關(guān)注的人形機(jī)器人賽道才剛剛開始,更別提應(yīng)用了。

      老陳所見所思的工業(yè)數(shù)智化,更多在于避免工人的重復(fù)勞動以提高效率。例如與供應(yīng)鏈上下游共同采買的云端系統(tǒng),讓產(chǎn)業(yè)鏈的各環(huán)節(jié)可以實(shí)時(shí)上傳生產(chǎn)進(jìn)度、器胚良品率等數(shù)據(jù),協(xié)調(diào)生產(chǎn)節(jié)奏與訂單交付時(shí)間,避免返工的情況。

      老陳還向我們分享了一件趣事,曾經(jīng)他們公司接觸過一家主要提供CV領(lǐng)域產(chǎn)品檢驗(yàn)服務(wù)的第三方AI服務(wù)提供商,他也受邀參加了服務(wù)體驗(yàn)。“他們的模型需要大概20秒來判斷一個(gè)設(shè)備是否達(dá)到出廠需求,我們高級技工只需要目檢8秒,那我還不如花錢多雇點(diǎn)技工呢。”

      更進(jìn)一步說,大模型應(yīng)用嚴(yán)肅場景,需要突破的關(guān)鍵一點(diǎn)還在于成本問題。

      舉個(gè)例子,工業(yè)生產(chǎn)中最常見的儀器之一是讀取環(huán)境溫度、濕度等參數(shù)的傳感器,一旦傳感器讀數(shù)高于或低于某一閾值,便需要機(jī)器執(zhí)行不同指令,如減緩來料速度、加入冷卻液等。這不需要應(yīng)用成本高昂的模型,只需要在傳感器所涉及的小系統(tǒng)內(nèi)設(shè)置一個(gè)既定的“規(guī)則”即可。

      結(jié)合工業(yè)場景需求,我們不難理解工業(yè)界相對模型會更偏向于規(guī)則的做法。但不可否認(rèn)的是,許多制造業(yè)公司早在大模型前便已引入機(jī)器學(xué)習(xí)模型迭代業(yè)務(wù),尤其是在一些數(shù)據(jù)量巨大、人工設(shè)計(jì)規(guī)則難以窮舉的場景。

      這或許也是工業(yè)方向大模型服務(wù)的發(fā)力點(diǎn)所在。而大模型目前展現(xiàn)的簡單內(nèi)容生成能力與高昂的部署成本完全是對工業(yè)場景的一種錯(cuò)配。

      “多快好省,越簡單越好”是老陳視角下,工業(yè)界對新興技術(shù)應(yīng)用的需求。目前看來,大模型似乎與之并不沾邊,更多的應(yīng)用會集中在非業(yè)務(wù)核心板塊上。

      數(shù)據(jù)之海中掘金

      AGI是終極命題,我們對大模型的期待自然不能止步于幻覺。以大模型為代表的AI能力也并非無法在所有嚴(yán)肅場景應(yīng)用,而是需要準(zhǔn)確認(rèn)知大模型的能力邊界所在。

      細(xì)想一下,上文提到的案例企業(yè)之所以會認(rèn)為大模型的價(jià)值有限,主要是因?yàn)榛糜X問題導(dǎo)致生成內(nèi)容的不可解釋、不可追溯。那么,我們能否跳出為ChatGPT所錨定的AIGC范式,以其他方式推動大模型釋放價(jià)值呢?

      只需簡單轉(zhuǎn)變思路,我們即使在以嚴(yán)謹(jǐn)著稱的金融行業(yè),也能尋到了大模型釋放正向價(jià)值的案例。

      據(jù)ESG數(shù)據(jù)服務(wù)商秩鼎CTO王彬介紹,秩鼎的大模型在調(diào)用商業(yè)模型API的情況下,極大提高了其數(shù)據(jù)處理相關(guān)業(yè)務(wù)的效率,而其中最大的突破在于做到了傳統(tǒng)金融體系之外的數(shù)據(jù)映射。

      通常,傳統(tǒng)金融體系中的數(shù)據(jù)映射基本圍繞上市公司股票代碼做映射即可,而ESG領(lǐng)域中存在大量“另類數(shù)據(jù)”,如專利、行政處罰、新聞報(bào)道等,這些數(shù)據(jù)要素所關(guān)聯(lián)的主體的稱呼、層級各異,存在職員、工作室、部門、子公司等不同維度的數(shù)據(jù)信息,映射難度非常大,“就像就上百萬家公司一個(gè)一個(gè)做天眼查的查詢”。

      而大模型的加入,讓秩鼎可以對同一上市公司主體延伸的子公司、業(yè)務(wù)、股權(quán)與工商信息等數(shù)據(jù)進(jìn)行識別與提取,最終做到映射的效果。這項(xiàng)成果目前已在中信、華夏、易方達(dá)等頭部公募與銀行、保險(xiǎn)等金融細(xì)分行業(yè)中落地,客戶反饋良好。

      目前,秩鼎已將大模型能力嵌入其數(shù)據(jù)處理的多個(gè)環(huán)節(jié),大模型既可以作為特定數(shù)據(jù)的“搜索引擎”,也可以作為文本分析的智能助手,如將微博、網(wǎng)頁新聞等輿情監(jiān)測系統(tǒng)抓取的海量低質(zhì)量數(shù)據(jù)做進(jìn)一步提取;或是解析招股書、財(cái)報(bào)等復(fù)雜文本,以數(shù)據(jù)標(biāo)準(zhǔn)化的方式初步分析某一上司公司相關(guān)新聞的新聞情緒等。

      作為嘗到大模型甜頭的少數(shù)企業(yè)之一,秩鼎對大模型價(jià)值釋放的前景卻格外審慎。王彬?qū)o B應(yīng)用簡單分為三層,從低到高分別是數(shù)據(jù)層、工具層與決策層。在他看來,而大模型的價(jià)值釋放主要集中在數(shù)據(jù)層,工具層的應(yīng)用“基本上幫不上忙”,至于決策層則是大模型“可望不可即”的領(lǐng)域。

      “打個(gè)比方,海量數(shù)據(jù)其實(shí)就是一個(gè)大金礦,工具是自然用以探金、掘金,大模型目前完全可以勝任前期的探索工作?梢坏┥钊霐(shù)據(jù)的應(yīng)用,就會卡在確定性、可靠性之前,更高層的決策就別提了”,王彬說。

      限于金融視域,王彬?qū)Υ竽P偷膽?yīng)用場景可能略有局限,但我們仔細(xì)梳理當(dāng)下大模型應(yīng)用,不難發(fā)現(xiàn)其以數(shù)據(jù)為核心來釋放價(jià)值的底層邏輯。

      例如上文所提到的企服企業(yè),其嵌入大模型的代碼編寫、客戶報(bào)告、培訓(xùn)資料等工作流環(huán)節(jié)雖是以內(nèi)容生成的方式呈現(xiàn),但本質(zhì)上也不過是對粗放數(shù)據(jù)的初步處理,在一定程度上保障精確性的同時(shí)極大壓縮了信息密度,以提高職員的工作效率。

      即使是最簡單的銷售話術(shù),銷售小張也需要在大模型生成答案之后再經(jīng)過自己的一些加工美化方能發(fā)給客戶。這其實(shí)進(jìn)一步佐證了大模型在工作流中的地位——局限于初步處理環(huán)節(jié),而且大多無法脫離人的把關(guān)。

      更進(jìn)一步說,把關(guān)的必要性來自于模型無法根除的幻覺問題,那么在業(yè)務(wù)落地上,這一問題能否在未來尋到解法?

      這個(gè)問題的答案可以自大模型風(fēng)起前的深度學(xué)習(xí)方案中窺得一二。

      實(shí)際上,早在大模型之前的機(jī)器學(xué)習(xí)就已經(jīng)遭遇了“幻覺”的前身——過擬合。即機(jī)器學(xué)習(xí)過程中會發(fā)生的“強(qiáng)行”總結(jié)共性和規(guī)律的情況。好比我國歷史上家喻戶曉的司馬遷、蔡倫與鄭和,他們的共同身份是太監(jiān),而機(jī)器很可能會由此得出“太監(jiān)是成功的必要條件”這樣令人哭笑不得的結(jié)論。

      這是由機(jī)器學(xué)習(xí)的方法所決定的,就像大模型的幻覺來源于Transformer框架,這意味著類似問題基本上沒有一勞永逸的解法。

      如果說各行各業(yè)積累的大量數(shù)據(jù)是金礦,那么大模型就是我們試圖挖掘數(shù)據(jù)價(jià)值的探頭,它能幫助我們找到金礦中的金子,甚至進(jìn)行初步的攫取,但要用來挖礦甚至判斷什么是金礦,那還是差了些意思。

      釋放價(jià)值的正確姿勢

      大模型釋放價(jià)值是一個(gè)比較大的命題,但我們將他拆解一下,實(shí)際上也就是大模型用來做什么,以及該怎么用。而大模型服務(wù)商們似乎過于追求參數(shù)、能力等硬核指標(biāo),反而在解決實(shí)際問題上顯得有些“畏首畏尾”,比較典型的是至今尚處于場景探索階段的金融大模型。

      顯然,服務(wù)商們對大模型進(jìn)入千行百業(yè)的暢想難免給人一種“好高騖遠(yuǎn)”的印象。畢竟智能化的供需雙方很多時(shí)候根本處在兩套話語體系,互聯(lián)網(wǎng)外的行業(yè)采購代表很多都不知道大模型是什么,如果再不“約束”一下大模型的能力邊界,反而容易適得其反,進(jìn)入各說各話的怪圈。

      那么大模型的價(jià)值釋放會給我們什么感覺?

      十?dāng)?shù)年前,上班打卡要么在小本本上親筆簽名,好點(diǎn)的則是伸出大拇指按一下指紋打卡機(jī)。當(dāng)下,我們上班打卡只需要在靠近公司的時(shí)候掏出手機(jī)。這一前一后的變化,在于以在線OA為基礎(chǔ)的協(xié)同辦公應(yīng)用的出現(xiàn)。作為企業(yè)級應(yīng)用,協(xié)同辦公讓“打卡”這一環(huán)節(jié)愈發(fā)簡單、省時(shí),讓使用者足以養(yǎng)成使用習(xí)慣。

      更進(jìn)一步,習(xí)慣的養(yǎng)成會模糊我們對事物的感覺,下意識認(rèn)為“本應(yīng)如此”,類似的場景還有站街邊揮手招車與當(dāng)下在電梯里便會打開的網(wǎng)約車。這種“無感沉浸”的感覺既是消費(fèi)市場的追求,也是企業(yè)市場的需求。大模型如果希望能在千行百業(yè)釋放價(jià)值,“無感”同樣是重要指標(biāo)。

      "大模型被我們集成進(jìn)數(shù)據(jù)中臺了,相比以往,除了數(shù)據(jù)處理的效率提升外,幾乎沒什么感覺,也沒有對工作流程有什么其他的明顯影響",王彬說。

      在他看來,即使大模型成本再高、技術(shù)創(chuàng)新再多,只要大模型不是類似“圣杯”定位的萬金油方案,那么其價(jià)值釋放也只限于工作流中的某個(gè)或某些環(huán)節(jié)。

      更值一提的是,王彬還特別強(qiáng)調(diào)了現(xiàn)階段的大模型應(yīng)用還需其他技術(shù)做輔助,例如PDF識別這項(xiàng)數(shù)據(jù)處理業(yè)務(wù)。如果簡單將PDF丟給大模型的話,文字識別與文字整理將耗費(fèi)大量算力與時(shí)間。而我們僅需在將PDF丟給大模型處理前,用低成本的OCR方案給出文字,那么大模型的處理效率將會成倍提升,成本降低自不必說。

      工作流這一概念誕生于上世紀(jì)IT爆發(fā)所帶動的辦公自動化風(fēng)潮,如果我們將IT概念從中抽離,工作流所包含的人與機(jī)器交互、標(biāo)準(zhǔn)化、高效率等邏輯實(shí)際上與福特發(fā)明的“流水線”有異曲同工之處。大模型好比是流水線中的高精刻刀,在該環(huán)節(jié)能帶來效率的顯著提升,但并非放之四海而皆準(zhǔn),而且需要精確的使用方法。

      只不過,王彬與其團(tuán)隊(duì)對大模型的應(yīng)用建立在其對深度學(xué)習(xí)和數(shù)據(jù)中臺的認(rèn)知基礎(chǔ)之上,作為應(yīng)用經(jīng)驗(yàn),難以“推己及人”至更廣泛的非IT企業(yè),我們不能要求每一個(gè)希望獲得大模型能力的企業(yè)都得自備一個(gè)帶有AI背景的工程師團(tuán)隊(duì)。

      因此在明確應(yīng)用邊界與方向后,大模型進(jìn)一步要做的是向協(xié)同辦公靠攏,提供低成本可復(fù)制的解決方案。而行業(yè)當(dāng)下普遍展開的定制化合作與之背道而馳,這會讓客戶群體局限于資源更多的大客戶。依靠工程師力大飛磚跑出來的個(gè)案即使宣傳再多,也入不了中小企業(yè)的法眼。

      山不來就我,我便去就山。大模型扎根行業(yè)需要的是用標(biāo)準(zhǔn)化、低成本的封裝,代替高度定制化的成本敘事,此外,還需要服務(wù)商將注意力從“煉丹”之上挪開少許,拿出做SaaS的精神。在一個(gè)買方市場中堅(jiān)持用戶本位的思想,再正常不過了。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。