12月20日,由中国互联网协会、微博、新浪新闻主办的“数字力量,探索无穹”2023探索大会在北京拉开帷幕。智谱ai coo张帆发表了题为《大模型时代的商业新范式》的演讲。
智谱ai coo张帆-主题演讲
以下是张帆演讲实录,内容经编辑略有删减:
非常高兴今天有机会能够跟大家分享我们智谱在大模型上面的落地经验跟思考,今天跟大家汇报一些我们的想法。
大家肯定都很明确地看到了chatgpt是一个现象级的爆发,从去年12月份开始两个月时间全球用户破亿,成长速度几乎是前所未见的。还有一点跟以前有点不一样,以前任何一个概念都是先有一个概念,然后我们再期待它落地,无论是元宇宙还是区块链等等,但是今天大模型这个事我们先感知到的不是概念,我们先感知到的是应用,最先看到了chatgpt这样的一款产品,被它震撼之后才知道它背后的技术其实是大模型。所以我觉得这跟以往不同,在落地为王的今天,大模型已经是一个具备落地条件的产品。
为什么这次我们看到的大模型的技术跟以往的ai的落地不一样?以往的ai差不多有近百年的历史了,从40年代ai的出现到今天,中间无数次出现了ai要替代人的说法,无论是深蓝还是alphago,但很快每次又沉寂下来,为什么这次几乎全社会都在关注和应用大模型,背后是什么样的原因,我们有一些简单的思考。
整个ai发展过程是普惠的过程。最开始的时候,在移动互联网时代,ai的使用成本是很高的,每一个任务都要做独立的定义,选择对应的数据集、方法、模型得到这样的结果,所以当时只有互联网大厂才有机会使用ai。到了2013年、2014年的时候,算法层开始被统一了,神经网络的成熟让我们使用ai的门槛和成本都大幅度地下降,比原来低了一个数量级。我们不需要那么多的算法科学家,仅仅有一些数据工程师和产品经理就能够做一点ai了,这时候我们发现ai开始从互联网大厂进入到产业、行业。
所以这也带来了第一次ai的普惠,等到了今天的2.0时代,我们发现大模型把一切都统一了,无论是从数据到算法、模型、任务,基本上用一个模型解决了一切,所以从一个训模型的时代变成了用模型的时代。一方面带来ai很多的能力,我们所能够感受到的比原来强了很多,更重要的是,它的生产成本比以往下降了两个数量级。我们经常可以看到用原来1%的成本和时间就能做一个还可以的ai应用,所以ai开始变成社会生产的基础要素。
ai变得无处不在,在所有产品里面润物细无声地改变我们的产品体验和商业模式。所以我们可以看到ai在生产效率和生产质量上都能够带来很大的变化,而且随着今天成长速度之快,ai海平面不断的上升,不断地开始淹没一个又一个原来认为只有人类才能够站住的山头,所以也逼得我们今天不得不提早地准备,让自己变成一个两栖动物,既可以在山上生活,又可以在海面上生活。
我们认为其背后的逻辑本质上是底层交互能力的变化,我们看到人类的需求从来都没有太多的变化。在不同的时代我们有不同的底层交互能力,带来了不一样的产品体验、不一样的效率、不一样的成本,甚至是不一样的协作方式和商业模式。
从最开始的命令行时代,到桌面时代,再到移动时代的触控,再到今天ai时代的自然语言和多模态,我们使用技术的能力和交互的方式越来越本能、越来越高效、信息量越来越大,而且它的表达力越来越强。
我们可以看到在每一个时代开始的时候都会有很多场景,比如在dos时代,学一个dos还是挺难的,越到后面越不用学习,门槛越来越低,交互和表达力越来越强,每个时代都有每个时代的应用,从最开始的输入,到表达内容比较少,到桌面时代开始有端游交互的方式,可能是bbs。移动时代又出现了手游、抖音,获取信息的方式都会变得不一样。所以在ai时代当我们的操作系统变成大模型的时候,我们会不会产生ai时代全新的应用,或者对原来需求新的产品的满足?我觉得一定会出现,这是大家努力的方向。
在大模型落地里面智谱ai走得比较远,我们从今年3月份开始,就已经开始做大模型的落地商业化,到目前为止大概9个月的时间里见过超过2000家客户,共创的超过200家,在很多场景里面已经完全可以落地了,甚至已经应用起来了,所以大模型是非常明确已经有价值了。无论是从行业的结合、场景的结合,还是业务链条的结合,我们总能找到当前最大的公约数,能够在今天就有一定的落地,在这点上我们觉得已经跑得不错了。
慢慢地,ai从不重要开始变得能够引领我们的能力去局部改造一些东西,慢慢过渡到ai的copilot变成一个独立的串联性的能力,重塑整个产品的体验,以及未来也许还摸不到,但我们相信将基于ai重构的产品会和今天的体验完全不一样。
我们也关注企业怎样应用ai能力。从最开始确保流程全部信息化,以至于业务变成数字,能够变成统一的口径,统一把数据集中在一起,有统一的业务解读,以及决策的智能化、流程的智能化,通过一些增强分析来提供决策。我们也简单地把企业利用ai分成了几个等级。最开始的时候只是简单尝试一些应用。到了l1的时候是不是可以有一些企业用ai在内部做一些赋能,等到l2的时候,是不是可以用ai赋能业务的独立的模块,带来一些效率的增强,比如说智能客服、用户标签、销售质检等非主流业务,仅仅是用来提效和提质的。
再下一步是不是可以开始用ai重构我们的核心业务场景,比如说在医疗体系里辅助诊断,在广告公司里实现广告文案生成,在主业务流程里面进行一些串联,所以我觉得在这块已经能够看到一些公司在落地了。以及到最后一个阶段,ai是不是能够重构商业模式,我们确实见到了一些迹象,在某些公司里面原来是通过平台连接很多个体,来提供服务,如今协作方式也开始产生变化,也就是基于ai重构商业模式,也是有这样的可能性的,简单给大家介绍几个目前已经在做的落地案例。
我们想了很多场景,比如说文本生成在大模型出现以前,只能靠规则,表达力非常受限,我们今天也在广告文案方面落地,能够快速地生成文案,从广告公司写文案变成挑文案,实现效率的提升,包括办公辅助,能够快速生成一些结构性的文章的草稿、结构,或者实现局部的扩写、缩写、改风格等。当然也包括新闻、小说的生成,会有人拿它辅助生成一些小说,生成一些段落、片断提高效率。
在电商领域里面,对于不同的平台,可以生成不同语言风格、倾向的商品文案,能够通过机器快速生成基于每一个平台的描述。
办公领域,比如说会议记要的生成、扩展,转成日程,包括在一些招聘领域里面jd的生成,以及一些数据报告的生成,无论我们是不是做企服的,也都有一些落地的场景。
还有信息抽取,比如在销售环节里面,销售人员和客户有一个小时的交流,聊了1万字,如何快速地抽取用户的需求,使用户画像直接进入crm。还有一些销售的质检,确保销售说的每一句话是不是对的,销售是不是该说的都说了,甚至再进一步还可以变成销售的培训,怎么模拟成客户来问问题,对他的回答打分并做修改的建议,包括舆情的分析、抽取信息、数据的处理,都有一些应用案例。
还有信息的检索,比如原来在信息的规模和场景下,搜一个问题在搜索引擎里面会有10条结果,如果每个都看完需要一个小时,今天大模型是不是可以帮你读十个结果,变成一个针对性的回答,并且可以继续追问,在视频领域更是如此。我们能否基于他们字幕里面的内容去建索引,甚至结合多模态,连场景也可以建索引,能够带来不一样的体验。包括一些商品简历、房产结构性的搜索,大模型都能够带来一些跟以往完全不一样的场景。还有一些智能对话、客服手机助手、智能驾舱等,在这些领域也都有一些应用。
从自然语言到代码,除了自然语言直接写成一些可执行的程序来提效,我们还可以直接把它变成一些网站,在做知识分析的时候能够快速地生成,给我们每一个销售运营都配一个自己的分析师。还有自然语言到rpa,能够把应用效果也变得更高等场景。大模型的边界非常宽,我们今天所看到的也只是一部分,而且随着我们与客户的合作深入,总能发现一些新的场景,所以还是非常有意义的。
企业应该如何落地大模型,一个方面要从企业自己的视角来看,如果没有明确的预期可能落不了地。我们会分几个维度让企业自我检测,比如数字化程度是不是足够完整,是不是能够保证核心业务都是有数据的;另一方面,是不是能够找到一个明确单独的试点,这个试点既符合大模型的逻辑,又在业务当中有价值,也就是常讲的大模型跟业务的最大公约数;以及是否可以有一个明确可衡量的指标,甚至还有一个全职的负责人来保证项目的落地和持久性;另外更重要的是合理的期待,既不要高估短期的效果,不能把大模型当成许愿池,也不要低估大模型长期的潜力。
除了自己的视角,我们还要从模型的视角,看到怎么让它变成你的能力,所以今天大模型能够被改变或者是被优化的也只有大概三个方式,比原来系统定制化的难度要低,比如说预训练、微调,分别应对了通用能力、领域能力,以及任务级的能力,所以当你在使用它的时候应该选择哪些数据,应该放在哪一个环节变得非常重要,不是把所有的数据都丢到模型里面训练出来就是好的,这也有一套方法论落地。
最后,企业应该考虑自己如何在大模型时代构建自己的大模型战略,以及在新时代构建自己的竞争力。第一,要选择一个靠谱的基座模型,通过可持续性、效果、工程能力来算总账,是否具备足够完备的矩阵都是你要考虑的因素,有的时候并不是便宜更好,免费的有的时候是更贵的,基于你的场景应该考虑选择什么样的基座模型,构建与之匹配的组织。第二,在组织方面,应用大模型需要微调工程师、数据工程师等,甚至还应该有大模型的bp,深入各个业务线落地;以及在前两步之后快速建立你的正向循环、正向飞轮,不断沉浸在新时代的数据资产,成为你在新时代的竞争力,以及如何能够无缝地引入到业务流程当中,让大家没有感知地使用大模型,而不仅仅是一个对话。
我觉得今天的企业在落地大模型时应该从整体来思考,我相信2023年可能是一个模型为王的时代,所以大家只看一些参数、榜单;2024年一定是落地为王、商业价值为王的时代,大家都会关注模型怎么转化为用户价值、商业价值,所以希望大家在2024年都能找到一个好的落地场景,谢谢大家!
-
-
-
-
-
-
-
-
-
-