智谱 AI 张帆：企业接入 AI，要找大模型和业务的「最大公约数」

2024-01-02 10:01

很多企业要么对大模型抱有极高的短期期待，要么就看不到它的长期潜力。

作者 | Jesse
编辑 | 靖宇

自成立之日起，智谱 AI 一直站在国内大模型创业的最前沿，早在去年就研发了开源的双语预训练模型 GLM-130B。今年，随着 ChatGPT 爆火，又掀起了大模型应用的浪潮。从 3 月至今，智谱 AI 已经与超过 200 家企业建立了共创合作关系。

智谱 AI COO 张帆认为，这仅仅只是一个开始。这一轮大模型的浪潮，和过去任何一次 AI 风潮都完全不一样，AI 将变成社会的基础生产要素。大模型的「海平面」，正在逐渐没过人类能力的「山头」。作为企业，更要主动拥抱大模型，探索这片愈发宽广的海域。

2023 年 12 月 17 日，在极客公园创新大会 2024 的现场，张帆分享了他对企业如何利用大模型重构业务、革新产品的思考。

对企业来说，拥抱 AI 大模型，需要经历三个阶段。首先是业务信息化，从线下搬到线上；再实现数字化，把信息变成口径统一的数据中台，使其可被 AI 理解；最后则是决策智能化，借助 AI 能力，让流程自动化，并获得超出人类分析能力的 AI 洞察。

对于企业拥抱 AI 的程度，张帆也提出了一套 L1-L4 的衡量体系。从「单点使用」，到应用 AI 的基础能力，再到让 AI 成为产品的主线，最后的 L4 阶段，则是把 AI 当作一个底层要素，重构商业世界、商业模式。

企业既不该在短期对大模型有过高期待，又不应低估它的长期潜力。而是需要找到跟它的最大公约数，以此为起点，一步一步迭代，精密地把大模型能力融到企业里面。

以下为张帆在极客公园创新大会 2024 的演讲实录

AI 变革的「独特性」

大家好，非常高兴今天有机会能够参加极客公园的大会，来跟大家分享一下智谱在大模型上面的一些思考，以及在今天的大模型时代，我们应该如何去设计产品，以及公司。希望能够给大家带来一点启发。

首先，大家都能看到的情况是，ChatGPT 从去年年底发布以来，完成了现象级的增长，仅用两个月时间，就有了过亿的用户，且真正的加速增长在一个月内完成，速度非常快。比人类历史上所有现象级增长的应用，都要快得多。

但大模型有一个跟以往不一样的地方。以前任何一个技术，都是先有概念，然后我们期待它落地。都是概念先行，包括像元宇宙、区块链等等。

但是这一次，大模型有点不一样。绝大多数人知道大模型，不是先知道这个概念，而是先看到并且体验了产品，才知道这个技术。所以这一次是落地先行，比概念更超前。这也是为什么今年大家都感受到了大模型的风潮。

是什么原因导致了这次的技术跟以往不一样？

大模型出现以前就有 AI 了，它不是一个新概念，已经有近百年历史，而且其中有无数次，我们都认为 AI 大概可以取代人类了，人们无数次兴奋，最后又慢慢沉寂下来。为什么大模型这一次火得这么持久？

首先，移动互联网刚开始的时候，就已经有 AI 了。当时搜索、推荐引擎就已经大量使用人工智能技术。但当时使用人工智能技术的成本非常高，每一个线，都是一个独立的任务，每一个都需要明确的定义。独立的任务、独立的数据、独立的算法，以及独立的模型。

而这一套独立的系统又不会影响其他的任务，所以生产成本很高，且门槛很高。我们需要优秀的算法、专家、工程师才能做到，所以当时基本上 AI 使用还都局限在互联网公司。

到了 2013 年、2014 年，我们发现神经网络技术逐渐成熟，能够以非常低的成本去应用了，比原来降了一个数量级。在这种情况下，出现了第一次 AI 普惠，也间接导致了 AI 从互联网公司进入到产业公司，市场上出现了非常多的新型 AI 公司，来为市场提供服务。

这一次的 AI 2.0，也就是大模型时代，跟以往的几次都不一样。大模型把一切都统一了，从数据到算法，到模型、任务，它用一个模型解决一切问题。原来我们解决一个问题的时候，需要去定义、标注大量的数据来做一个模型。现在则是直接应用模型。不再需要找大量的数据训练，只需要直接给它下任务，最多给它举两个例子，它就能自己完成任务。

智谱 AI COO 张帆在极客公园创新大会 2024 上分享大模型技术带来的变化｜极客公园

这带来两个结果。一方面今天大模型可以解决很多原来解决不了的问题，它的能力在增强。另一方面它的使用成本和门槛也在下降，今天 AI 的门槛可能比原来下降了两个数量级，甚至只用当年 1% 的成本就能快速做出一个非常不错的 AI 应用。在这样的背景下，AI 将会变成我们社会的基础生产要素，任何一个环节都会使用 AI，它会润物细无声地进入产品，进入商业世界，改变我们的体验。

所以 AI 不光是能给我们带来创造性的东西，带来效率提升，也能带来质量提升。就像以前创作一个东西，无论是写报告、做分析，你总是要经过一个绝望的深渊，憋半天憋不出来，等初稿出来，状态就上来了，可以快速地修改。

而今天大模型一方面可以帮我们直接跳过这个「绝望的深渊」，马上进入修改的状态，节省很多时间。另一方面，大模型的出现，也避免了过去「人的差异」。因做一件事，优秀的人、熟练的人和不熟练的人的生产效率，可能会差几倍，差距可能是从 20 分到 90 分。

但今天大模型不光可以优化上限 90 分，还可以把下限从 20 分直接提到 60 分，无论从质量还是效率上，都带来很大提升。过去那些我们认为只有人类才能做好的事情，那些「人类占据的山头」，也在被大模型的洪水慢慢淹没。

所以我们要适应，要慢慢从山头走下来，走到海平面上。因为今天的海平面，还在持续、快速上升。

交互范式革新，

带来「重构」可能

到底是什么原因，让大模型带来了这样的结果？我们认为大模型的本质是底层交互的变化，是人与机器对话、人操控机器方式的变化。太阳底下没有新鲜事，人的需求一直存在，当不同的交互和能力出现时，满足需求的方式也会变化。每一次交互革新都会带来新的产品形态、新的成本、新的协作方式、商业模式以及市场格局。

在命令行时代，当时的操作系统是 DOS 或者 Linux，是代码交互的方式，学习电脑的成本非常高。所以当时我们只能用蓝色的屏幕去打字；到桌面时代，有了 Windows、 MacOS，这时就出现各种新的应用比如 IM、BBS，以及桌面游戏；到移动时代，操作系统又从 MacOS、Windows 变成了 iOS、Android，交互方式变成了触控，门槛进一步降低。原来的需求被重构，游戏从端游变成手游，人们获取信息的方式也变了，出现了抖音、微信，包括地理信息的加入，催生了各种 LBS 应用。

在移动时代之后，我们的交互还在进一步的进化，从触控，变成自然语言甚至多模态。交互的信息量和学习门槛，相比之前有了巨大的改善。因为从 DOS 时代很难学习的命令行，到鼠标、触控变得简单了，再到自然语言，无需任何学习，每个人都会说，而且它的表达力几乎是无限的。所以我们相信，在这个背景下，可能也会出现 AI 时代的新型应用，也就是所谓的 AI-native 的应用。

之前有很多人在讨论大模型能不能落地，今天我们可以非常明确地讲，智谱从今年 3 月以来，在 9 个月的时间里，见过的客户超过 2000 家，与超过 200 家进行了深度共创，在非常多的场景里都已经实现了 AI 的落地。

不只是我们，行业的一个普遍共识是，大模型可以落地。在 2021、2022 年，美国的一些企业已经做到了千万美元级别的收入。所以今天我们讨论大模型的落地，更重要的是找到大模型和业务的最大公约数。

我们可以画一个坐标轴，里面是我们已经落地和正在落地过程中的一些场景。横轴上是大模型擅长的各种各样的能力，跟传统的 AI、NLP（自然语言处理）不一样的能力，纵向则是各个行业。大模型的能力和行业的属性形成了一个二维矩阵，其中每一个矩阵的点都能形成应用，其中很多都完成了落地。

今天做产品的思路也发生了变化，从最开始的时候没有 AI，更多是做一些应用，做一些业务逻辑的线上化。过去几年我们已经发现了有很多 AI-empowered（AI 赋能）的产品，把 AI 做成一个基础的功能放在产品里，并没有形成体系，但至少已经在用 AI 的能力了，像常用的人脸识别、图像识别、语音识别、翻译等等，很多大家都已经用起来了。

再到目前正在流行的 AI Copilot（AI 助手），如果你把 AI 变成一个伙伴，它能帮你重新串联业务流程，辅助你优化产品。包括微软在内，很多公司都发布了 Copilot 产品。

产品的终局，则是 AI-native 应用。AI 原生应用会重新设计、重构我们的商业、产品流程，甚至商业模式，带来全新的体验。但我们今天可能没办法直接指出什么是 AI-native，就像移动互联网刚出现时，我们也没办法预测未来会出现抖音，很难预测终局。但两者依然有共性，就是在交互革新的时代，一定会出现下一个「抖音时刻」，所以我们很期待，也相信在不远的将来就会看到这样的应用。

张帆认为 AI 的使用有 L0-L4 的不同级别｜极客公园

如果我们站到企业的角度去看，企业对 AI 有怎样的需求？我们按照企业业务流程，把它分了几个简单的等级。首先是业务信息化，可以将信息收集上来；然后实现数字化，把信息化的业务系统变成可理解的、类似于数据中台一样口径统一，可以基于它来做分析、做研究；最后则是决策智能化，借助 AI 的能力，让流程更加自动化，让人能更高效地获得洞察，甚至以超越人类的分析能力来进行决策。

在这个流程里面，企业最开始可能只是在单点上，有意无意地使用 AI，这是最早期的 AI 模式。到了后面，L1 的时代，就已经开始使用 AI 来优化内部效率了。

到了 2.0，我们就开始把 AI 变成基础能力，产品里已经比较明显的展现出来。今天绝大多数企业就是在这个阶段，已经在应用 AI 强化原有的产品体系和体验。

到 L3，这时 AI 就会变成主线，会重构产品体验。它会改变我们原来的逻辑，以 AI 为核心生产要素，重新串联用户需求，带来完全不一样的体验。比如说我们今天看到的「机器问诊」、广告的自动生成。在这些场景里，AI 已经涵盖主要的业务流，甚至改变了主要业务流的工作方式。

而到了 L4 的阶段，我们会把 AI 当作底层要素来重构我们的商业世界、商业模式，带来全新的产品。

现在大多数企业还是在 L2，像微软等公司发布的 Copilot，表明 AI 开始变成主线，所以可能是在 L3。当然，我觉得国内应用 AI 去重构体验的产品，一定会越来越多。

企业拥抱

大模型的「正确姿势」

这里快速跟大家分享几个，已经能够落地的案例。

比如智能广告文案生成，相比很多广告公司，AI 撰写广告的效率有大幅提升，人们从原来的写广告变成了挑广告。而且 AI 可以有固定的风格和效率，在几家企业已经落地。

还有汽车智能驾驶舱。原来的驾驶舱语音交互基于规则，没有对于上下文的理解、记忆，智能化不够。所以我们提升了对话趣味性，达到了很好的效果——大家和车机聊天的频次有很大提升。

还有办公助手，来帮我们去做扩写、缩写；生活助理，你可以问它各种各样日常的问题；企业的销售，如何更体系化地整理、收集数据，赋能销售流程；企业内部的知识库，我们可以做成很小的模型，经过训练之后，这个场景能看到非常好的效果；智能签约的场景，可以用非常快的速度把项目做完，相比传统的方式，AI 给很多创业者、没有能力构建专业算法团队的人，带来新的机会，以更低的成本完成上述动作。

下面快速介绍一下大模型企业最佳实践。当然这个「最佳」加了一个引号，因为我觉得以今天的经验，我们还不敢说最佳。

首先，在开始的时候企业要先扪心自问，自己是否「大模型 ready」了。很多企业要么就是对大模型抱有极高的期待，要么就是认为它现在还没法做到。我们抽象出一个体系，认为企业要先拷问自己几个问题。

公司数字化程度够不够？如果没有信息、没有数据，就没办法做 AI 应用；我们是否能明确找到一个落地试点？且这个试点的场景符合大模型的能力；我们是否能有一个明确的可评测、可衡量的目标、指标；是否能安排一个全职的负责人来负责这件事，以及我们是不是有一个合理的期待？我经常跟大家说，既不应该在短期对大模型有过高期待，又不能过分低估它的长期潜力。所以我觉得大模型非常有潜力，但我们在今天，企业需要找到跟它的最大公约数，以此为起点，一步一步迭代，把大模型能力精密地融到企业里面。

我们再看看大模型应该怎样定制？其实大模型比我们以往用到的业务系统更简单，它的定制性和复杂程度没有那么高。大模型真正能获取知识的只有三个维度：预训练，相当于通用的能力；微调，相当于垂直领域的能力；prompt，相当于任务能力。所以我们要知道大模型是怎么学习知识、利用知识，把合适的信息放在合适的位置，才能有好的效果。并不是大力出奇迹，把所有的知识、数据一股脑地丢进去，那样模型会坏掉。

今天的企业如何构建自己的大模型战略？我觉得要考虑四个方面。