12月20日,由中國互聯網協會、微博、新浪新聞主辦的「數字力量,探索無穹」2023探索大會在北京拉開帷幕。智譜ai coo張帆發表了題為《大模型時代的商業新範式》的演講。
智譜ai coo張帆-主題演講
以下是張帆演講實錄,內容經編輯略有刪減:
非常高興今天有機會能夠跟大家分享我們智譜在大模型上面的落地經驗跟思考,今天跟大家彙報一些我們的想法。
大家肯定都很明確地看到了chatgpt是一個現象級的爆發,從去年12月份開始兩個月時間全球用戶破億,成長速度幾乎是前所未見的。還有一點跟以前有點不一樣,以前任何一個概念都是先有一個概念,然後我們再期待它落地,無論是元宇宙還是區塊鏈等等,但是今天大模型這個事我們先感知到的不是概念,我們先感知到的是應用,最先看到了chatgpt這樣的一款產品,被它震撼之後才知道它背後的技術其實是大模型。所以我覺得這跟以往不同,在落地為王的今天,大模型已經是一個具備落地條件的產品。
為什麼這次我們看到的大模型的技術跟以往的ai的落地不一樣?以往的ai差不多有近百年的歷史了,從40年代ai的出現到今天,中間無數次出現了ai要替代人的說法,無論是深藍還是alphago,但很快每次又沉寂下來,為什麼這次幾乎全社會都在關注和應用大模型,背後是什麼樣的原因,我們有一些簡單的思考。
整個ai發展過程是普惠的過程。最開始的時候,在移動互聯網時代,ai的使用成本是很高的,每一個任務都要做獨立的定義,選擇對應的數據集、方法、模型得到這樣的結果,所以當時只有互聯網大廠才有機會使用ai。到了2013年、2014年的時候,算法層開始被統一了,神經網絡的成熟讓我們使用ai的門檻和成本都大幅度地下降,比原來低了一個數量級。我們不需要那麼多的算法科學家,僅僅有一些數據工程師和產品經理就能夠做一點ai了,這時候我們發現ai開始從互聯網大廠進入到產業、行業。
所以這也帶來了第一次ai的普惠,等到了今天的2.0時代,我們發現大模型把一切都統一了,無論是從數據到算法、模型、任務,基本上用一個模型解決了一切,所以從一個訓模型的時代變成了用模型的時代。一方面帶來ai很多的能力,我們所能夠感受到的比原來強了很多,更重要的是,它的生產成本比以往下降了兩個數量級。我們經常可以看到用原來1%的成本和時間就能做一個還可以的ai應用,所以ai開始變成社會生產的基礎要素。
ai變得無處不在,在所有產品裏面潤物細無聲地改變我們的產品體驗和商業模式。所以我們可以看到ai在生產效率和生產質量上都能夠帶來很大的變化,而且隨着今天成長速度之快,ai海平面不斷的上升,不斷地開始淹沒一個又一個原來認為只有人類才能夠站住的山頭,所以也逼得我們今天不得不提早地準備,讓自己變成一個兩棲動物,既可以在山上生活,又可以在海面上生活。
我們認為其背後的邏輯本質上是底層交互能力的變化,我們看到人類的需求從來都沒有太多的變化。在不同的時代我們有不同的底層交互能力,帶來了不一樣的產品體驗、不一樣的效率、不一樣的成本,甚至是不一樣的協作方式和商業模式。
從最開始的命令行時代,到桌面時代,再到移動時代的觸控,再到今天ai時代的自然語言和多模態,我們使用技術的能力和交互的方式越來越本能、越來越高效、信息量越來越大,而且它的表達力越來越強。
我們可以看到在每一個時代開始的時候都會有很多場景,比如在dos時代,學一個dos還是挺難的,越到後面越不用學習,門檻越來越低,交互和表達力越來越強,每個時代都有每個時代的應用,從最開始的輸入,到表達內容比較少,到桌面時代開始有端游交互的方式,可能是bbs。移動時代又出現了手游、抖音,獲取信息的方式都會變得不一樣。所以在ai時代當我們的操作系統變成大模型的時候,我們會不會產生ai時代全新的應用,或者對原來需求新的產品的滿足?我覺得一定會出現,這是大家努力的方向。
在大模型落地裏面智譜ai走得比較遠,我們從今年3月份開始,就已經開始做大模型的落地商業化,到目前為止大概9個月的時間裏見過超過2000家客戶,共創的超過200家,在很多場景裏面已經完全可以落地了,甚至已經應用起來了,所以大模型是非常明確已經有價值了。無論是從行業的結合、場景的結合,還是業務鏈條的結合,我們總能找到當前最大的公約數,能夠在今天就有一定的落地,在這點上我們覺得已經跑得不錯了。
慢慢地,ai從不重要開始變得能夠引領我們的能力去局部改造一些東西,慢慢過渡到ai的copilot變成一個獨立的串聯性的能力,重塑整個產品的體驗,以及未來也許還摸不到,但我們相信將基於ai重構的產品會和今天的體驗完全不一樣。
我們也關注企業怎樣應用ai能力。從最開始確保流程全部信息化,以至於業務變成數字,能夠變成統一的口徑,統一把數據集中在一起,有統一的業務解讀,以及決策的智能化、流程的智能化,通過一些增強分析來提供決策。我們也簡單地把企業利用ai分成了幾個等級。最開始的時候只是簡單嘗試一些應用。到了l1的時候是不是可以有一些企業用ai在內部做一些賦能,等到l2的時候,是不是可以用ai賦能業務的獨立的模塊,帶來一些效率的增強,比如說智能客服、用戶標籤、銷售質檢等非主流業務,僅僅是用來提效和提質的。
再下一步是不是可以開始用ai重構我們的核心業務場景,比如說在醫療體系里輔助診斷,在廣告公司里實現廣告文案生成,在主業務流程裏面進行一些串聯,所以我覺得在這塊已經能夠看到一些公司在落地了。以及到最後一個階段,ai是不是能夠重構商業模式,我們確實見到了一些跡象,在某些公司裏面原來是通過平台連接很多個體,來提供服務,如今協作方式也開始產生變化,也就是基於ai重構商業模式,也是有這樣的可能性的,簡單給大家介紹幾個目前已經在做的落地案例。
我們想了很多場景,比如說文本生成在大模型出現以前,只能靠規則,表達力非常受限,我們今天也在廣告文案方面落地,能夠快速地生成文案,從廣告公司寫文案變成挑文案,實現效率的提升,包括辦公輔助,能夠快速生成一些結構性的文章的草稿、結構,或者實現局部的擴寫、縮寫、改風格等。當然也包括新聞、小說的生成,會有人拿它輔助生成一些小說,生成一些段落、片斷提高效率。
在電商領域裏面,對於不同的平台,可以生成不同語言風格、傾向的商品文案,能夠通過機器快速生成基於每一個平台的描述。
辦公領域,比如說會議記要的生成、擴展,轉成日程,包括在一些招聘領域裏面jd的生成,以及一些數據報告的生成,無論我們是不是做企服的,也都有一些落地的場景。
還有信息抽取,比如在銷售環節裏面,銷售人員和客戶有一個小時的交流,聊了1萬字,如何快速地抽取用戶的需求,使用戶畫像直接進入crm。還有一些銷售的質檢,確保銷售說的每一句話是不是對的,銷售是不是該說的都說了,甚至再進一步還可以變成銷售的培訓,怎麼模擬成客戶來問問題,對他的回答打分並做修改的建議,包括輿情的分析、抽取信息、數據的處理,都有一些應用案例。
還有信息的檢索,比如原來在信息的規模和場景下,搜一個問題在搜索引擎裏面會有10條結果,如果每個都看完需要一個小時,今天大模型是不是可以幫你讀十個結果,變成一個針對性的回答,並且可以繼續追問,在視頻領域更是如此。我們能否基於他們字幕裏面的內容去建索引,甚至結合多模態,連場景也可以建索引,能夠帶來不一樣的體驗。包括一些商品簡歷、房產結構性的搜索,大模型都能夠帶來一些跟以往完全不一樣的場景。還有一些智能對話、客服手機助手、智能駕艙等,在這些領域也都有一些應用。
從自然語言到代碼,除了自然語言直接寫成一些可執行的程序來提效,我們還可以直接把它變成一些網站,在做知識分析的時候能夠快速地生成,給我們每一個銷售運營都配一個自己的分析師。還有自然語言到rpa,能夠把應用效果也變得更高等場景。大模型的邊界非常寬,我們今天所看到的也只是一部分,而且隨着我們與客戶的合作深入,總能發現一些新的場景,所以還是非常有意義的。
企業應該如何落地大模型,一個方面要從企業自己的視角來看,如果沒有明確的預期可能落不了地。我們會分幾個維度讓企業自我檢測,比如數字化程度是不是足夠完整,是不是能夠保證核心業務都是有數據的;另一方面,是不是能夠找到一個明確單獨的試點,這個試點既符合大模型的邏輯,又在業務當中有價值,也就是常講的大模型跟業務的最大公約數;以及是否可以有一個明確可衡量的指標,甚至還有一個全職的負責人來保證項目的落地和持久性;另外更重要的是合理的期待,既不要高估短期的效果,不能把大模型當成許願池,也不要低估大模型長期的潛力。
除了自己的視角,我們還要從模型的視角,看到怎麼讓它變成你的能力,所以今天大模型能夠被改變或者是被優化的也只有大概三個方式,比原來系統定製化的難度要低,比如說預訓練、微調,分別應對了通用能力、領域能力,以及任務級的能力,所以當你在使用它的時候應該選擇哪些數據,應該放在哪一個環節變得非常重要,不是把所有的數據都丟到模型裏面訓練出來就是好的,這也有一套方法論落地。
最後,企業應該考慮自己如何在大模型時代構建自己的大模型戰略,以及在新時代構建自己的競爭力。第一,要選擇一個靠譜的基座模型,通過可持續性、效果、工程能力來算總賬,是否具備足夠完備的矩陣都是你要考慮的因素,有的時候並不是便宜更好,免費的有的時候是更貴的,基於你的場景應該考慮選擇什麼樣的基座模型,構建與之匹配的組織。第二,在組織方面,應用大模型需要微調工程師、數據工程師等,甚至還應該有大模型的bp,深入各個業務線落地;以及在前兩步之後快速建立你的正向循環、正向飛輪,不斷沉浸在新時代的數據資產,成為你在新時代的競爭力,以及如何能夠無縫地引入到業務流程當中,讓大家沒有感知地使用大模型,而不僅僅是一個對話。
我覺得今天的企業在落地大模型時應該從整體來思考,我相信2023年可能是一個模型為王的時代,所以大家只看一些參數、榜單;2024年一定是落地為王、商業價值為王的時代,大家都會關注模型怎麼轉化為用戶價值、商業價值,所以希望大家在2024年都能找到一個好的落地場景,謝謝大家!
