大模型並不是簡單的對話，它潤物細無聲地貫穿整個服務體系。
7月27日，由《中國企業家》雜誌社主辦的2024（第二十四屆）中國企業未來之星年會在上海舉行。在「前沿微課」環節，智譜AI COO張帆進行了名為「大模型的企業級應用探索與實踐」的主題分享。
精彩要點如下：
1.AI變成了所有人都可以使用的基礎生產要素。它變成基礎生產要素以後，所有的上層建築都會重構，我們的協作方式、組織方式、用戶體驗、商業模式都會變化。
2.今天大模型已經開始在各種各樣的地方落地，無論是消費、製造、遊戲、醫療、教育、文旅等領域，都帶來了直接的價值。
3.企業判斷大模型是否ready，我見過兩種極端的思維。一個，是把它當成許願池，好像什麽都可以搞定；另一個，是無時無刻找一些大模型幹不成的事，證明它不行——這兩個極端都不對。
4.大模型並不是簡單的對話，它將潤物細無聲地貫穿整個服務體系，在每一次循環中把這些能力沈澱下來，成為我們的核心競爭力。
來源：中企圖庫
以下是張帆的演講實錄（有刪減）：
大家肯定比較熟悉，ChatGPT發布之後，只用了2個月，全球用戶過億，是一款絕對的現象級產品，在此之前TikTok也用了9個月時間。而且，現在大部分人對大模型的理解，並不是概念，而是我們感受到了應用，所以大模型已經是可以落地的技術。
我們看到了IDC、Gartner等預測機構對大模型都非常有信心。Gartner預測，2024年1月，在生產中接入生成式AI或大模型的企業達到21%，到2026年，超過80%的企業都會接入生成式AI或大模型。麥肯錫預測，到2030年前，它有望為全球經濟貢獻7萬億美元的價值，中國進一步釋放生成式AI總效益的1/3。
目前看起來這個預測一點也不激進。
AI從誕生到現在差不多有七八十年了，為什麽這次能讓大家獲得高度共識，成為讓大家極具熱情的應用技術？2010年前後我們已經在應用AI了，只不過當時在搜索以及視頻網站的推薦都在應用，這就是所謂的AI0.5時代。那時候的AI每個都是獨立應用，一個單詞做一個實現，選一個數據訓練一個模型，任何一個錯誤都可能導致白做。那時，AI是高門檻技術，只有互聯網大廠才能應用。
到了2013～2014年，我們看到一個變化，就是神經網絡的突破，這一突破一下子把算法層統一了，這就是AI1.0時代。大家都用一個算法，某種程度上帶來了AI的第一次普惠，讓AI的成本和門檻比原來下降一個數量級。這就激發了大家的應用，從互聯網大廠開始轉移到產業和行業裏，這也是大家真正把它和產業結合了。
AI2.0時代是什麽？大模型把一切都統一了，從算法到模型，再到任務，全都統一了，包括未來的多模態，它會進一步帶來普惠。另一方面，它把產品和門檻下降了兩個數量級，讓AI變成了一個基礎技術，不再是高端技術。例如，企業內部做一個文檔或者簡歷抽取，如果想要有還不錯的效果至少需要兩三個高階工程師做半年。而兩三個高階工程師的薪水半年可能就是兩三百萬元，成本非常高。但是，今天利用大模型，可以用一個不同編程的運營或者產品經理，花一個禮拜的時間，就能做到和以前一樣甚至更好的效果。
所以，AI變成了所有人都可以使用的基礎生產要素。它變成基礎生產要素以後，所有的上層建築都會重構，我們的協作方式、組織方式、用戶體驗、商業模式都會變化。
說一下智譜AI，我們是2019年成立的公司，成立之初就把機器像人一樣思考作為我們的使命，也是AGI的另一種表述。成立之初，我們就專註於大模型的研究，發布了完全自主知識產權，我們的模型叫GLM。
今天我們有了非常完備的模型矩陣，語言模型既有1.5B、3B的端側模型，而且這些端側模型已經「跑」在了汽車上，包括AIGC、手機、NAS，我們也開源了6B，目前為止全球累計下載量已經超過了1600萬。今年1月發布之後，GLM-4基本上達到了GPT-4的平替了。我們還開源了9B模型，它也是唯一一個可以直接跑到百萬窗口（的模型），而且完全開源了，大家都可以應用。我們開始了All Tools的服務，不僅可以在淺水區執行，也可以在深水區，可以拆解動作、執行動作，甚至自己寫代碼、執行代碼，讓模型的應用進入深水區。
還有多模態的模型能力，簡單講講它有什麽用。第一張圖上面有三個小房子，問大模型，它會說有四個，因為旁邊還有半個房子，所以它推理旁邊還有第四個房子。以前只是圖生圖，但現在它已經可以基於圖做推理，這就是帶來的深度應用。
來源：受訪者
同時，我們把大模型的應用場景和天花板拉得更高，非常復雜的表格可以不做任何針對性訓練，就可以直接輸出markdown，降低了AI的門檻。
來源：受訪者
昨天我們發布了生成式視頻模型，很多人進行試用之後反饋良好。昨天我們也看到了很多生成的有意思的視頻發到了朋友圈。它當然有很多不完美，但這只是第一個版本，相信大模型叠代的速度，它會非常快地進步和進化。
我們致力於通過AGI打造全新一代的MaaS平臺，讓大家可以隨時微調我們的千億模型，讓每個人都用自己的私有模型。我們適配了國內端側模型，還適配了國內40個廠家的信創芯片，應用上更加自由。
今天大模型已經開始在各種各樣的地方落地，無論是消費、製造、遊戲、醫療、教育、文旅等領域，都帶來了直接的價值。
看幾個例子。在汽車領域，從文本模型到文生圖模型、圖像理解模型做成了一個組合，如果再分層，有部分在端側，有部分在雲側，做了部分的矩陣組合。在車裏的文本模型可以解決原來很難解決的問題：比如聊天，以前的語音助手很難支持多輪的對話，它可以繼續聊下去；比如車控，以前只能簡單地開窗、關窗，現在可以復雜車控，條件意圖以及隱含意圖都可以搞定。車外景物識別，是外部信息和內部信息的感知，比如問前面的車是什麽牌，還可以問是不是系了安全帶，小朋友是不是爬上去了等等，有很多應用場景。
還有手機和音響助理，大模型帶來了明顯超越傳統方法的效果。還有銷售助手，當銷售給客戶打電話，把聲音錄下來之後，就能轉成結構化的需求和結構化的用戶畫像。還有撰寫文案，改寫、縮寫、生成PPT等等。
企業判斷大模型是否ready，我見過兩種極端的想法。一個，是把它當成許願池，好像什麽都可以搞定；另一個，是無時無刻找一些大模型幹不成的事，證明它不行——這兩個極端都不對。顯然我們知道今天的大模型相當於iPhone1.0，上面的應用一定比PC好嗎？不一定，但起碼是一個開始，我們找到合適化的程度以及試點，找到對應的負責人並且給予合理的期待，這是我們的關鍵。
從模型的角度應該怎麽思考呢？我們發現今天很多人在應用模型的時候，切入點就是錯的，這不是模型能搞定的事。
大模型時代如何構建自己的競爭力，就是四個維度：選擇合適的基座模型，與之搭配相適應的組織，重新定義在新的生產工具下的數據資產，並且找到業務場景與之融合。變成一個正向的飛輪，讓每一輪飛輪都變成數據資產，沈澱一部分。
在選擇基座模型的時候要算大賬，算整體支出和業務的整體成本。組織方面，並不是技術越強越好，也不是人越多越好，如何恰如其分地選擇在模型上應用需要的技術，我覺得很重要。同時，過去的數據資產，全部都是建立在結構化體系上的，我們做知識圖譜和業務系統也好，永遠都是要結構化，但結構化註定只是少量數據。
今天大模型背景下，更廣泛的數據、非結構化的數據都會變成資產，極大地外延了資產的邊界，為資產帶來了全新的定義。在此之後，就是要解決在數據之上如何把數據轉化為業務場景的問題。大模型並不是簡單的對話，它將潤物細無聲地貫穿整個服務體系，在每一次循環中把這些能力沈澱下來，成為我們的核心競爭力。---[中國企業家記者: 李曉天*編輯: 姚赟*頭圖來源: 中企圖庫/來源: 中國企業家雜誌]
