昨天, OpenAI 宣布终止对中国提供 API 服务。今天,通义,MiniMax、月之暗面、智谱 AI、零一万物、百川智能 、猎户星空 7 家国产大模型厂商,齐聚一场发布会。AI 行业似乎总不缺乏戏剧性,当然这几家大模型聚在一起不是要「围攻光明顶」,而是官宣与钉钉达成合作,要一起构建中国最开放的 AI 生态。在钉钉今天发布的 7.6 版本,钉钉将大模型的选择权归还给用户。用户可以根据自身需要切换 AI 大模型,除默认的通义外,首批可选择 MiniMax、月之暗面、智谱 AI、猎户星空、零一万物、百川智能 6 家大模型,钉钉总裁叶军形容这是召唤神龙的「七颗龙珠」。AI 时代的工作方式会是什么样子的?在钉钉 7.6 版本里 AI 搜索、AI 助理这些功能里,或许可以看到一些答案。在钉钉总裁叶军看来,随着行业从模型创新走向应用创新,探索大模型的应用场景将会是钉钉的责任所在。此前 APPSO 曾提出一个观点:我们需要更多不做大模型的 AI 应用主义者,将大模型能力转化成生产力,从而来影响人们的工作和生活。现在,越来越多的大模型和 AI 产品公司,在加速这个进程。钉钉的 AI 搜索,和 Perplexity 不一样如果之前发布的 AI 助理要解决钉钉功能的臃肿分散问题,那么今天钉钉发布的 AI 搜索则是聚焦于解决钉钉上的信息分散问题,这和常用 Perplexity、秘塔这些通用 AI 搜索的路线完全不同。具体来说,钉钉 AI 搜索具有专有个性搜索、感知信息变化、自然语言输入、直接生成答案、深入挖掘追问以及追溯内容信源等六大特征。叶军举例称,要想知道近期全球化工作的重大进展时,只需使用 AI 搜索,它能够借助大模型的理解、推理、生成等能力,基于平时的资料信息,罗列出客户进展、产品迭代、市场策略、合作进展等等内容。并且,AI 的总结还会自带引用,防止 AI 幻觉,以及生成钉钉脑图,让结构更加清晰明了。又或者,作为钉钉总裁,叶军每天都会接收到不可胜数的客户反馈。现在,有了AI 搜索后,就能实现一键总结分析客户的需求,帮助提高工作效率,包括在询问客户项目的承接部门时,钉钉 AI 搜索给出的结果一目了然。AI 搜索构建知识网络的能力,也可以应用到写周报、任务管理等场景中,这意味着用户处理信息的方式,将由原来的「时间流」式,转为以事为中心,用户可以更有效、更专注地聚焦于重要的事情上。这也是钉钉 AI 搜索的最大特点,那就是将知识整体化,逻辑化,网络化,实现知识融会贯通,从而成为每个人的「答案之书」。发布会现场还展示了一个有趣的案例,比如提问叶军上周承诺过多少人喝咖啡,钉钉 AI 搜索能够整合群聊的记录,不到半分钟的时间,就能得出承诺 3 次,涉及 9 位同学的答案。这背后也反映了在大模型的加持下,AI 助理在语义理解,逻辑推理和信息整合能力的大幅度提升。目前钉钉 AI 搜索已开启邀请测试,用户可以点击钉钉 APP/PC 端顶部的搜索框,即可进行内测申请。升级后 AI 助理,接入更多工作流今年 1 月份,钉钉推出 AI 助理产品,每个人、每家企业都可以创造专属的超级助理。截至 5 月底,钉钉 AI 助理总数达到 50 万个。钉钉 AI 助理市场上线一个多月以来,上架的 AI 助理更是已超 700 个。无论是工作汇报、会议协调,还是生活娱乐、音乐创作,AI 助理都能提供全方位的支持。尤其是在产品能力方面,钉钉更是大幅升级了 AI 助理的思考系统、感知系统和行动系统。 思考系统:AI 助理具备更强的记忆和推理规划能力 感知系统:感知场景中的变化,根据变化自动执行指定的任务 行动系统:调用更丰富的工具,实现多 Agent 协同、拟人操作用户授权后,可以让 AI 助理记住与其相关的信息、习惯、偏好等,包括姓名、岗位、上下级关系、工作任务进展,也支持用户自定义设置记忆,让 AI 助理的生成结果做到千人千面。也就是说,钉钉 AI 助理将有望成为你在工作场景中的「第二大脑」,比你更懂你自己。借助多 Agent 协同的能力,用户可在一个工作流或者群聊中,点兵点将,让多个不同的 AI 助理进行协作,共同完成任务。发布会现场演示,借助多个 AI 助理的协同能力,用户就能在掼蛋老友群,通过一个简单的 @ 号创建一场掼蛋的预约行程,总结上一场掼蛋的胜率,以及用音乐创作大师 AI 助理创作音乐等。又比如,向负责行程规划的钉钉 AI 助理询问明天杭州的天气,使用联网查询功能后,AI 助理不仅知道天气,还能人性化地为你汇总接下来一周的工作计划。钉钉强调,要用 AI 助力打掉企业数据墙,通过钉钉低代码把存量 SaaS 升级为 AI 助理。在这个过程中,用户只需对话,就可唤起 AI 并让 AI 替人跑腿来完成复杂操作的使用,真正解放每个人的工作。工作流能提高 AI 处理复杂性、多环节的任务的准确性。通过对 AI 执行流程进行编排,实现自动、逐步完成多环节的任务,并在有需要时访问网站或调用各类工具来完成任务。目前拟人操作、多 Agent 协同已接入工作流,用户可在工作流直接配置建文档、发日程、待办等钉钉功能,天气查询、路线查询、OCR 识别等 20 多项第三方服务,也可以通过访问 API 接口或钉钉连接器来集成更丰富的工具。叶军称,钉钉 AI 能力的升级,还将通过 Assistant API 和 Inside API 两种方式,进一步向生态伙伴和客户开放,提供场景化的智能服务,真正推动 AI 走入到应用、协作、经营等场景中。钉钉表示,钉钉致力于 AI 普惠,要让 AI 普及到每个人的手中,所以它提供了免费的额度。如果需要更高级的产品功能,或者想要定制解决方案,那就得付费磋商。我们需要怎样的 AI 搜索在我刚进入内容行业的时候的,Google 等搜索引擎是搜集资料和选题素材的重要渠道。但从去年开始,我使用传统搜索引擎的比例越来越少,像 perplexity、天工等 AI 搜索提供了更高效的信息处理体验。AI 搜索大大提升的信息检索的速度,缩短的是我们海量搜索结果中筛选的过程。不过 AI 搜索提供的信息也未必能让人放心,我们之前曾报道,越来越多 AI 生成内容被搜索引擎收录,最终呈现在用户面前的,很可能是 AI 叠加 AI 的垃圾结果。提升信息获取效率是技术提升的本质,AI 提供了新解法,但获取高质量信息的需求还未能完全被满足。在办公场景中,内部的信息管理是一个多少被忽视的场景。麦肯锡的一项调查显示,典型的知识工作者有超过四分之一的时间花在信息搜索上。这里的信息不光是外部的,还有相当是沉淀在内部的庞杂信息。前 Google 工程师 Arvind Jain 在创办云数据公司 Rubrik 后,发现由于数据分散在大量不同的软件中,导致自己的工作效率因查找正确信息所花费的时间而耽误进度。Jain 认为,查找信息是人们生产力面临的最大挑战,于是他开始创办一家专注于企业 AI 搜索的企业 Glean。Arvind Jain现在很多公司在探索 AI 在企业中的应用,除了提升重复性和低知识密度的工作效率,另外一个可以对组织效能产生显著影响的,其实就是对企业数字资产的管理。钉钉没有做通用搜索,转而用 AI 搜索解决应用内信息分散问题,也是给对目前主流 AI 搜索一个恰逢其时的补充。当办公应用内留存了越来越多信息,群聊、会议、待办、文档、日志……如何从过去人被海量信息推动的逻辑,进化到以人为中心来处理信息,或许才是众多企业通过 AI 实现智能化关键的一步。而在钉钉的 AI 助理支持记忆、新增多 Agent 协同等能力后,其实也给 AI 搜索体验带来更多可能性。比如在 AI 整理出需要的文档信息后,与其他人的通知、协作和任务分发都可以衔接起来。虽然发布会钉钉没有披露太多细节,但 AI 搜索+ AI 助理的确有可能在企业内部形成一套更完整的工作流。根据 ReportLinker 的预测,全球企业搜索市场预计到2028年将达到 69 亿美元,企业对高效搜索和知识管理的需求日益增加。其实大模型带来应用体验革新最大的地方也体现在这里,基于庞大的知识库,让用户要做的事情从搜索,变成提问。那除了公开可检索的知识库,个人或企业在不同行业更细分的场景内,能不能也形成一个这样完善的知识库。其实在最近发布的 Apple Intelligence 和鸿蒙原生智能上,我们也可能看到类似的逻辑。设备的个人信息被整合成个人的知识库,用户随时用自然语言检索并调用功能。或许这是对 AI 信息处理逻辑的不谋而合,钉钉也是华为原生鸿蒙的首批应用适配最深的应用之一。在原生鸿蒙系统中,只需要对小艺说一句话,意图框架就可以理解用户用钉钉开会的意图,直接找出钉钉里的联系人,然后拉起钉钉会议。今天大量的移动终端几乎成为了我们的人生记忆库,对于企业来说同样如此,那些散落在不同设备的数据,某种程度就是组织的数字孪生。与个人数据相比,企业内部的数据更加需要从碎片化、离散化转向结构化、体系化,形成专属的知识资产库。信息的组织与结构,是实现企业智能化的关键。在这一场景下,调用公域的通用知识反而变得相对不那么重要。无论在通用搜索还是企业搜索,我们需要一种更加智能和高效的搜索工具,不仅能够处理海量数据,还能精准地提取高价值信息。这种工具必须具备以下特点:1. 智能数据整合:能够整合和分析分散的数据,形成结构化的信息。2. 精准信息筛选:具有高效的算法,能在海量信息中快速找到最相关和有价值的内容。3. 上下文理解:具备理解和分析用户需求的能力,提供更具针对性的搜索结果。4. 动态更新:实时更新信息库,确保提供最新和最准确的信息。5. 安全与隐私:保障数据的安全和用户隐私,防止信息泄露。正如钉钉总裁叶军所说的,「AI时代,全人类的知识易搜,企业或个人沉淀的知识难找。」我们处在一个从未有过的信息爆炸时代,快速获取和使用高质量信息将决定未来。虽然传统搜索引擎可能会被淘汰,但对高净值信息获取效率的需求永远不会消失,而对这个需求的探索将继续推动更多技术的进步和创新。