作者｜赵健 ChatGPT 发布一周年之后，大模型的下一个高地在哪里？ 2019年11月，比尔·盖茨发表文章，表示AI代理（Agents）将是大模型之后的下一个平台，不仅会改变每个人与计算机交互的方式，更会在五年内彻底改变我们。
生活。
如今，越来越多的大型模型公司和科技公司开始部署代理，为AI Native时代做准备。
例如，昆仑万维发布了“天工SkyAgents”平台，智普AI发布了CogAgent模型，具有基于视觉的GUI Agent能力。
字节跳动旗下飞书推出了一款AI产品“飞书智能合伙人”，可以看作是Agent的组合形式。
OpenAI 即将推出的 GPT Store 是一个 AI Agent 商店。
通常，2019年被视为大型模型元年，2020年被视为大型模型大规模落地元年。
有人说，“地球一日，人工智能一年”。
对于很多企业来说，在讨论座席AI本土化之前，或许首先应该讨论的问题是，你AI Ready了吗？ 1、从AI玩具到AI工具这一年里，大型模型公司忙着寻找算力和细化模型，AI应用层公司则忙着寻找AI转型或AI原生应用的场景。
这一轮生成式AI被炒作为AI时代的工业革命，因此它不仅要满足写诗画画等to C的娱乐需求，还需要满足to C提高生产力的需求。
B 场。
2017年，大型模型主要停留在前者的AI玩具阶段，但今年更多将进入AI工具阶段。
经过一年的探索，目前大模型的应用形态大致可分为“+AI和AI+”两类。
第一类“+AI”是在原有软件系统中添加，典型代表就是Copilot。
微软在其软件套件中加入了Copilot功能，甚至连Bing Chat的名字也直接改成了Copilot。
在国内，也有一些SaaS软件尝试做Copilot，比如大数据分析和指标平台厂商Kylingence。
第二类“AI+”是AI原生应用。
相对成熟的应用集中在AI生成文本、AI生成图像、AI生成视频三大场景。
各领域诞生了一批人工智能新星。
AI生成文本主要以会话机器人为代表，代表产品有ChatGPT、Bard、文心一言等； AI生成的图像以Midjourney和DALL-E为代表； AI生成的视频以Runway和Pika为代表。
2019年，AI Agent将成为继大型模型之后的下一个热点。
如果说大模型是未来的水、电、煤的基础设施，那么Agent就是未来用户接触和使用AI的方式。
Agent将成为To B场景中实现大模型的主要方式之一。
时至今日，大型模型的实施仍存在一系列尚未解决的挑战，如成本过高、存在幻想、无法从demo转为真实解决方案到实际场景等。
AI Agent厂商蓝马科技创始人周健曾表示：“我们接触到的客户，无论是银行、保险、国家电网、东航、南航等央企，还是相应的中型民营企业，收入在300到4亿元的民营企业，甚至一些小企业，其实都会遇到这样的困难——为什么模型这么贵，算力也贵？让大模型能够在企业中使用？真正实现商业价值将是未来重点考虑的问题，如何将大模型真正转化为AI工具并引入到自己的业务流程中？提出“AI Ready”的概念，指的是企业准备在数据系统等方面拥抱AI，与AI时代共同进步。
去年，很多企业对投资持观望态度。
大型模型，或者只有少数积极拥抱新事物的员工在尝试。
今年，AI Ready要求企业投入更加系统、全面。
这是迈向AI时代的第一步。
2. 人工智能没有捷径可走。
为什么单独提出“AI Ready”的概念？这与大型模型的工作方式有关。
大模型是一个技术综合体，涉及大算力、大数据、大算法等各个方面。
企业使用AI的场景基本上是基于行业和场景的数据加业务流程。
这才是让AI进入企业的真正核心，没有捷径。
企业的数字化水平越高，积累的高质量数据越多，大模型的养分就越丰富，其AI Ready状态就越完善。
从这个角度来看，大车型的发展在一定程度上推动了企业数字化的进程。
不同大型号的性能最终会趋同，价格也会下降。
最大的差异将来自数据的差异。
一般的大模型熟悉世界知识，但解决专业知识领域的能力不足，甚至可能会认真地胡说八道。
为了让智慧大脑更好地服务于企业，需要被赋予更专业的企业数据和系统信息，使其能够从“智慧大脑”转变为“拥有智慧大脑的业务专家”。
数据质量对大型模型的性能有重大影响。
例如，在做微调时，Llama 2研究人员发现大多数第三方SFT（监督微调）数据集在多样性和质量上都不足，因此他们自己构建了0个高质量的注释数据集，可以显着提高SFT。
影响。
与互联网上的公开数据集相比，这些专业知识数据往往掌握在企业自己手中，属于“独家秘方”。
数据越专业、质量越高，价值就越大。
企业想要部署好大模型，离不开企业提供充足的高质量数据来支持模型的二次训练和微调。
比如客服就是AI优先转型的场景。
如果美妆电商采用非企业数据喂养的大模型，AI客服将无法了解企业的??薪酬逻辑和产品状态，无法真正承担起美容电商的角色。
客户服务。
数字化水平与AI Ready状态密切相关。
数字化水平低的企业AI Ready状态也较差。
比如，如果企业还处于传统纸质办公阶段，数据还没有数字化，大模型更是无米之炊难以搭建。
一些规模较大的企业数字化水平较好，先后安装了不同的业务系统，共同承载着企业的数据资产。
但由于缺乏统一的数据治理，数据分散在不同的“数据烟囱”中，大型模型难以一键导入。
对于在数字化方面处于有利位置的公司来说，他们的 AI Ready 状态相对较高。
这类企业要么之前做过数据中台之类的数字化建设项目，规范数据资产的管理，但建设周期可能比较长，成本也比较高；或者他们利用飞书这样的综合工作平台，建立一个在线学习组织，不仅可以积累数字资产，还可以打通各种第三方业务系统，打破数据烟囱。
一旦AI Ready，您只需选择合适的通用大模型库，即可将AI引入业务场景，实现AI转型。
3. 如何实现AI Ready？第一批实现 AI Ready 的公司已经是第一个拥抱人工智能的公司。
飞书就是其中的代表工具之一。
安克创新是一家全球消费电子公司，一个非常重要的任务就是消费者洞察。
他们会收集销售过程中收到的用户反馈，进行分类和标签，并将这些数据存储在自主开发的QMS质量管理系统中。
过去，如果你想用这些数据来反向指导业务，比如弄清楚消费者为什么退货、他们经常在哪个渠道退货等等，你需要有专门的研发团队来登录系统，下载数据并创建报告。
去年，安克创新通过飞书智能合作伙伴，对QMS体系进行了新一轮的迭代升级。
产品经理、研发团队、客服团队都可以通过飞书的问答方式提问，快速了解退换货的渠道、原因、数量以及下一步改进措施等。
Anker 创新研发工程师 William表示，飞书智能合伙人将质量管理体系打造成“质量智库”。
“就像打响指一样”，这些关键见解就在您身边，并且可以真正运用。
飞书并不是唯一一家能做人工智能的公司，但飞书的独特之处在于，飞书扮演的角色不仅是一个数字工具，更是一个人工智能的共同创造者。
飞书定位为“AI一体”综合工作平台。
全新更新的飞书7整体产品理念是“手头的生意”。
在充分积累企业信息的基础上，开放与第三方系统的接口。
飞书“All in One”的产品定位与所有正在解决数字化to B垂直场景问题的公司是互补的。
信合云是一家制造业SaaS厂商，为制造业客户提供“MES+ERP”工厂管理系统。
其数字终端选择与飞书合作。
信合云创始人陶滨江曾分享过与飞书的合作想法：“作为垂直SaaS厂商，信合云的核心竞争力是解决制造业的业务问题，包括产学研供销服务（产学研供销服务）。
研发、供应链、销售）、服务），但不需要自己开发终端入口，这是选择飞书作为数字化终端入口的重要原因。
Zoom+Google Doc+Workday+Airtable+”，并且未来可能会继续添加，全部集成到一个平台中。
这使得飞书成为企业自然实现数字化转型的重要渠道。
另一方面，在帮助企业实现数字化的同时，飞书智能合作伙伴自然可以接手数字化的成果，帮助企业一键赋能AI。
飞书推出的智能合伙人有知识、有记忆、有主动性，还可以深入业务。
用户可以与智能伙伴一起进行内容创作、内容汇总、数据分析、场景构建、系统建设等业务场景。
此外，“飞书智能合伙人”是一个开放的AI服务框架，企业可以根据业务场景自主选择合适的底层大模型。
公开资料显示，飞书智能合伙人已与多家公司进行深度共创。
除了前面提到的安克创新外，还与元气森林合作，探索AI在门店管理场景中提升效率的可能性；并与企业服务公司数米科技联合使用飞书智能伙伴重塑销售场景；与电商营销公司追极传媒合作，利用AI打造高效业务流程……与更注重个人效率提升的大模应用相比，飞书智能合伙人的“企业”属性似乎更强。
可以说，每一个企业场景应用都是一个Agent，AI的底层能力就和水、电、煤一样，不是每个人都要自己生产水和电，而是要思考如何利用好它们。
需要一个好的工具和平台让自己快速上手，飞书的特性决定了它可能是一个可以立即使用的AI龙头。