題圖｜AI生成

智能體的浪潮正在改寫AI產(chǎn)業(yè)的主導(dǎo)邏輯。

過去一年，從內(nèi)容生成走向任務(wù)執(zhí)行，智能體成為大模型能力的新出口，也成為獨(dú)立模型廠商和互聯(lián)網(wǎng)大廠爭相布局的新賽點(diǎn)。

在這場變局中，大模型廠商面臨艱難抉擇：是繼續(xù)作為通用能力的提供者，退居底層？還是向上走，構(gòu)建平臺、直達(dá)應(yīng)用？商業(yè)化困局與技術(shù)路徑選擇交織下，哪些玩家能留在牌桌？

近期，《虎嗅·AI無悖論》節(jié)目特別邀請智譜高級商業(yè)副總裁、前字節(jié)跳動飛書&Lark全球首席商業(yè)官吳瑋杰，以及企業(yè)知識開源計劃創(chuàng)始人、前波士頓咨詢Platinion董事總經(jīng)理、前IBM咨詢?nèi)蚝匣锶岁惞M(jìn)行了探討，請他們分享了智能體技術(shù)沖擊下，模型廠商的戰(zhàn)略近況及行業(yè)相關(guān)的深度思考：

• 智能體的普及，是在放大大模型的基礎(chǔ)設(shè)施作用，還是正在削弱模型廠商的核心價值？

• 面對創(chuàng)業(yè)者蜂擁而上、互聯(lián)網(wǎng)大廠全力搶占入口，模型公司能否通過MaaS平臺與智能體生態(tài)“再造主導(dǎo)權(quán)”？

• 智能體到底是工具、入口，還是新操作系統(tǒng)？

本期主持人為資深媒體人、熱AInext主理人陳慶春。

以下是交流實錄，有刪編：

智能體是什么，誰在制造？

主持人：智能體（Agent）到底是什么？它和大模型是什么關(guān)系？

吳瑋杰：我會把大模型當(dāng)做是一個圖書館。現(xiàn)在很多chat類的應(yīng)用，更像圖書管理員，當(dāng)它接收到一個用戶的指令，就會去圖書館里查閱各種圖書，給出一個反饋。

但今天的智能體，它更像是一個項目經(jīng)理或者項目的助手——基于我的某一個目的去圖書館里查閱相應(yīng)的文獻(xiàn)，最終做出相應(yīng)的操作，或相應(yīng)的產(chǎn)品。

陳果：簡單來說，智能體是指一個能感知環(huán)境、做出判斷，并據(jù)此采取行動以實現(xiàn)目標(biāo)的智能系統(tǒng)。

智能體真正火起來是在2023年初，背景是2022年底ChatGPT等大模型的爆發(fā)。大模型最初用于文本生成，后來擴(kuò)展到圖像、音頻等“生成式AI”。再往前一步，人們開始思考：既然能生成內(nèi)容，是否也能“生成并執(zhí)行動作”？這就進(jìn)入了智能體的范疇。

簡而言之，大模型驅(qū)動的“智能體”代表的是AI從“生成內(nèi)容”進(jìn)化為“完成任務(wù)”。

主持人：那現(xiàn)在是誰在制造智能體？是專業(yè)開發(fā)者的專利嗎？

吳瑋杰：現(xiàn)在人人都可以制造智能體。就像幾年前流行“人人都是產(chǎn)品經(jīng)理”一樣。

對于普通用戶和初級開發(fā)者來說，智能體更像是“美圖秀秀”式的輕工具——簡單、好玩，用于生成網(wǎng)頁、聊天機(jī)器人等淺層場景。

而對于大模型公司或互聯(lián)網(wǎng)大廠，智能體則更像是“Photoshop”——用于深度業(yè)務(wù)場景，模型公司可以把智能體的部分能力“訓(xùn)進(jìn)模型”本身； 互聯(lián)網(wǎng)公司更善于結(jié)合用戶習(xí)慣與入口生態(tài)來落地產(chǎn)品。

陳果：我有個朋友創(chuàng)業(yè)，做的就是“五分鐘教你做智能體”，只要你想學(xué)，五分鐘就能做出來一個。

主持人：聽陳總這么一說，吳總作為大模型廠商怎么想？現(xiàn)在智能體的門檻變得這么低，對大模型廠商有什么沖擊？

吳瑋杰：我反而認(rèn)為這對大模型公司是很好的促進(jìn)作用。大模型越來越基礎(chǔ)設(shè)施化、算力成本降低，才能被用戶真正的用起來。

當(dāng)然這也帶來一個問題，因為模型廠商更加基礎(chǔ)設(shè)施化，相應(yīng)的玩家會越來越少，這本身是預(yù)期內(nèi)的事情。即便沒有deepseek這樣的開源模型，它也會被淘汰，只是時間早晚的區(qū)別。

今天第一梯隊的模型廠商，尤其是服務(wù)B端、G端的，在商業(yè)化路徑上不再只是“提供一個模型”，而是向上層的MaaS平臺、智能體平臺延伸，提供一整套可交付、可執(zhí)行的能力包。

這種技術(shù)的迭代帶來的能力“交替式上升”的競爭，其實有利于整個第一梯隊的所有的玩家。

主持人：那第二梯隊就不存在了嗎？

吳瑋杰：這是個很好的問題。事實上，從2024年底，有一個很大的變化是很多互聯(lián)網(wǎng)大玩家進(jìn)場了，早期的“六小虎”大多在轉(zhuǎn)型、逐步走向分化，分別聚焦在國內(nèi)的C端應(yīng)用、垂直行業(yè)的應(yīng)用、海外的應(yīng)用。

這個問題，回到當(dāng)年的SaaS時代是一樣的。現(xiàn)在互聯(lián)網(wǎng)大廠做SaaS主要做釘釘、飛書、騰訊會議這類工具類的應(yīng)用，但是不影響市場上有很多深度的垂直行業(yè)的SaaS公司。

陳果：我認(rèn)為在基礎(chǔ)模型這一層，不會有第二梯隊。大模型是基礎(chǔ)設(shè)施，類似于云計算剛興起時的演進(jìn)邏輯：

一開始很多廠商都能“做云”，但最后真正能留下來的不超過五家，因為底層基礎(chǔ)設(shè)施的競爭是同質(zhì)化、高投入、拼成本的，最終往往是頭部廠商形成壟斷格局。

AI也一樣，最底層是算力和GPU，現(xiàn)在全球80%的市場份額在英偉達(dá)手中；再往上是基礎(chǔ)大模型層，長期來看也只會剩下極少數(shù)具備深厚技術(shù)和資源能力的公司。

主持人：那是不是意味著除了頭部廠商，其他都沒有機(jī)會了？

陳果：也不是。越往上走、越靠近用戶側(cè)，玩家就越多，因為用戶需求復(fù)雜，場景多樣；上層應(yīng)用空間足夠大，足以容納各種差異化定位。

所以，大模型之上的幾個“層級”才是創(chuàng)業(yè)和差異化競爭的空間：一是模型微調(diào)層（如小模型、二次訓(xùn)練、蒸餾等）——會有部分專注垂直場景的技術(shù)型公司參與； 二是智能體構(gòu)建層——圍繞不同行業(yè)、流程場景構(gòu)建智能體，是最有可能百花齊放的領(lǐng)域。

主持人：所以吳總作為現(xiàn)在的大模型廠家，是給人類做最基礎(chǔ)的貢獻(xiàn)了？然后會慢慢退出歷史的舞臺，變成另外一種身份？

吳瑋杰：我覺得我們還在舞臺中央。

未來的模型市場，一類是以互聯(lián)網(wǎng)大廠為代表的，有自己的生態(tài)，有自己的應(yīng)用場景，長期以一個比較好的身位活著；第二類是國內(nèi)以to B為主、toC為輔的獨(dú)立模型廠商，給不同的企業(yè)提供差異化的服務(wù)。

我很同意陳總講的，大模型越偏基礎(chǔ)設(shè)施這一層，越是贏者通吃。第一、第二名活得很開心，第三名艱難的活著，第四、第五名每天想著能不能活。

中國市場和海外市場始終不一樣的是，無論是SaaS時代，還是今天的模型時代，國外推的很多都是 MCP 標(biāo)準(zhǔn)化的接口。但國內(nèi)這個生態(tài)始終沒有完全接在一起，會給一些特定的企業(yè)機(jī)會。

技術(shù)與巨頭沖擊下，大模型廠家走向分野

主持人：剛才也講到，創(chuàng)業(yè)公司可能面臨更大的資源的問題，現(xiàn)在巨頭壓力會傳遞給你們嗎？互聯(lián)網(wǎng)巨頭也在搶你的單吧？

吳瑋杰：這是個很好的問題。其實今天市場上有一個很有意思的現(xiàn)象。不少B端和G端項目的招投標(biāo)，還湊不齊三家去參與競標(biāo)，因為客戶的要求越來越高。

互聯(lián)網(wǎng)大廠其實做的是相對比較通用化的模型，比較easy money。通過API的調(diào)用，可以基于自己的生態(tài)，去推云智一體——賣大模型的目的是為了推動云，靠大模型虧一點(diǎn)錢，順帶去賣一點(diǎn)算力資源，再賺回這個錢。

陳果：我非常同意剛才吳總說的，去年的時候，大家大部分都在跑比跑分，像原先的手機(jī)、攝像跑分一樣。但是跑到一定程度，是有極限的。

你做到95分之后，邊際效率就開始走平了。

吳瑋杰：對，這種情況23年和24年上半年比較多，就是一堆模型公司熱衷于刷榜，這是特別離譜的一件事兒，我們甚至有一個階段性的說法叫道德的下限決定了你排名的上限。

那個時候有很多榜單，它都是一些公開的數(shù)據(jù)集，你可以有針對性的做數(shù)據(jù)，很多的模型公司都有一個刷榜小組，專門用于解決榜單排名的問題。

越關(guān)注榜單其實是客戶對模型的認(rèn)知還處于一個比較早期的階段。

主持人：剛才兩位討論了互聯(lián)網(wǎng)大廠對to B端的沖擊，to C端的話，大廠的沖擊會不會更強(qiáng)？

吳瑋杰：肯定的，大廠有入口的優(yōu)勢，天然會獲得更多的C端客戶。現(xiàn)在甚至有一些大廠在利用現(xiàn)有的壟斷優(yōu)勢，不允許競爭對手在他們的環(huán)境中進(jìn)行任何的投流工作，只能投自有產(chǎn)品，那這對整個C端的應(yīng)用場景就造成很大的挑戰(zhàn)。它有更多的語料，所以很容易強(qiáng)者恒強(qiáng)。

主持人：你們會把c端產(chǎn)品當(dāng)成一個重點(diǎn)的產(chǎn)品來做，或者是商業(yè)變現(xiàn)的一個產(chǎn)品來做嗎？

吳瑋杰：目前在商業(yè)變現(xiàn)上，通過C端chat類的工具還是比較的難。其實也不只是智譜，所有國內(nèi)外通過這種聊天類、訂閱的方式去獲得變現(xiàn)還是比較難，最近一個開始全免費(fèi)的是百度。

主持人：大模型廠商都已經(jīng)有這么大的壓力了，那比如Manus這種沒有基礎(chǔ)模型、又沒辦法去to B服務(wù)的純智能體廠家，壓力會不會更大？

吳瑋杰：我覺得會，這類廠家其實很多的收入來自海外的調(diào)用。因為海外的市場成熟度更高，商業(yè)市場程度高，用戶愿意為此付費(fèi)。

主持人：對于其他做智能體創(chuàng)業(yè)的公司來說，這種在國外的商業(yè)模式是可以復(fù)制的嗎？

吳瑋杰：今天很難講任何一種商業(yè)模式能復(fù)制，如果去看大模型的應(yīng)用的榜單，其實每半年有50%的明星公司就不在榜單上了。這也是一項技術(shù)在高速迭代的過程中，必然會產(chǎn)生的一個情況。

主持人：就是在智能體階段，智能體卻沒有辦法誕生出自己的創(chuàng)業(yè)公司？

吳瑋杰 ：也不能那么絕對。我們能看到的趨勢是，模型能力跟應(yīng)用場景在逐步的解耦。

今天模型當(dāng)中會出現(xiàn)MaaS層、智能體平臺這樣的中間層，是希望客戶和用戶聚焦在上層的應(yīng)用上。

可能在某一些場景上，deepseek還是比較不錯的，在另外一些場景下，智譜的能力是遠(yuǎn)超其他的對手的，某一些場景上可能OpenAI還是老大。客戶可以通過上面的MaaS平臺，去選擇調(diào)用不同的模型的能力。所以我覺得還是會出現(xiàn)一些行業(yè)內(nèi)較好的智能體公司。

陳果：補(bǔ)充一下，其實就是對模型的編排。所謂的智能體系統(tǒng)，指的是一個大智能體指揮一個小智能體，核心問題是，你做的是一個面向任務(wù)的智能體，還是面向流程的智能體？比如做一個客服的智能體，中間除了接電話，還有很多環(huán)節(jié)，會有一些綜合服務(wù)的技術(shù)跑道新機(jī)會。

主持人：那大模型現(xiàn)在驅(qū)動出來一些在chatbot里可以直接點(diǎn)擊購買的、原生的智能體，對于大模型廠商來說，是否有利于商業(yè)化的變現(xiàn)？

吳瑋杰：智能體的出現(xiàn)，大大加快大模型tokens的調(diào)用量，但其實今天大部分國內(nèi)的大模型廠商并沒有因此能獲得足夠的利潤。

陳果：不是國內(nèi)的問題，全世界大模型公司都還沒找到怎么賺錢的方法，如果只談基礎(chǔ)模型的營業(yè)收入的話。全世界大模型真正產(chǎn)生的收入，70%被GPU廠商拿掉了，30%被算力的廠商拿掉了，目前可能沒有一家掙到錢。

吳瑋杰：智能體的商業(yè)化變現(xiàn)，對我們來說是多種商業(yè)化變現(xiàn)中的一種，比如我們還會幫其他國家訓(xùn)練主權(quán)大模型。

主持人：那對于一些大模型廠商，是不是可以借著智能體這個機(jī)會去做一些轉(zhuǎn)型？

吳瑋杰：這個問題我有比較多的考慮過。2023、2024年的“幾條虎”，在今天已經(jīng)放棄基座模型的選擇，轉(zhuǎn)型全面做醫(yī)療，全面做教育。那是不是能夠在另一條路上能夠走得通？我覺得其實很有挑戰(zhàn)。

我們剛剛講了基礎(chǔ)模型是最下面那一層，當(dāng)大家去切換一條賽道，其實就是去做上層更偏應(yīng)用層的事。但這兩類公司對人才的畫像，對基礎(chǔ)能力的要求其實是不一樣的，當(dāng)你在一條賽道做的很難的時候，你在另一條賽道會碰到同樣的問題，甚至?xí)y，因為在這個時刻你沒有行業(yè)的洞察。

所以我覺得可能今天一家模型廠商，轉(zhuǎn)型來做一個行業(yè)模型，不見得比一家曾經(jīng)在這個賽道里面服務(wù)于醫(yī)療公司的SaaS公司，或者軟件公司更有優(yōu)勢。

主持人：所以就和我們開始說的一樣，大模型廠家要么就成為第一梯隊，要么就被淘汰了？

吳瑋杰：這是一個比較悲傷的故事，但這就是現(xiàn)實的故事。

智能體重構(gòu)企業(yè)系統(tǒng)與入口

主持人：但是好多巨頭現(xiàn)在都已經(jīng)接入了MCP 協(xié)議，基本上應(yīng)該是通行的標(biāo)準(zhǔn)了？

吳瑋杰：怎么說呢，我覺得這是個被動式的響應(yīng)。

早期的一些平臺，心態(tài)上大多是自家的花園里種著自家的菜，自家的菜能讓自家來收割。

陳果：我舉個例子，大家都知道淘寶和微信沒有打通，鏈接沒辦法拷貝過去。

我覺得是不是聯(lián)通，還取決于上面的應(yīng)用。MCP（Model Context Protocol）不是智能體的協(xié)議，是模型和周邊數(shù)據(jù)交換的協(xié)議。MCP更偏底層一些，A to A更偏應(yīng)用層一些。MCP本身邏輯是個電話號碼簿，它有各種各樣的接口，比如一個復(fù)雜的企業(yè)軟件，有訂單、物料、客戶供應(yīng)商、好多信息的接口，接10個還是100個，接的深還是淺，都有區(qū)別。

更底層的問題是企業(yè)的應(yīng)用系統(tǒng)建設(shè)。在SaaS時代，有個說法是一個硅谷的公司大概會用一百多種SaaS，在每一個細(xì)小的環(huán)節(jié)都用一個，你的業(yè)務(wù)要跑起來，這些系統(tǒng)資源都要打通，自然而然就形成了生態(tài)，中國的情況是所有的廠商恨不得我把客戶生意全做完了。

另外一個原因是客戶本身的需求也有問題。一種是傾向于用大廠全弄完了，第二個情況是大型公司自己干，造成整個企業(yè)數(shù)字化的割裂和大廠的壟斷，企業(yè)和企業(yè)之間互相不接觸。

主持人：那現(xiàn)在不是正在二次起跑嗎？智能體不是企業(yè)系統(tǒng)互通的解法嗎？

陳果：應(yīng)用系統(tǒng)之間是不是打通這個問題，跟是不是智能體系并沒有直接的關(guān)系。智能體只是一種新形態(tài)的軟件，軟件行業(yè)、企業(yè)的應(yīng)用環(huán)境本來如此，不是因為有智能體就變了。

智能體要有工具、環(huán)境，才叫智能體。智能體只是腦子推理說我要去ERP里做個訂單、做個賬，做賬還是做賬，做訂單還是做訂單。智能體是在企業(yè)的核心信息系統(tǒng)里跑的，換句話說，智能體是車，ERP是車跑的那個路。你有了大腦后，就像有了車，但沒有路，車在哪里開？

企業(yè)如果連ERP都沒有用好，不可能用智能體的。

主持人：所以您的觀點(diǎn)是，在AI智能體這個時代，在中國依然是沒有通用的這種協(xié)議存在，不會有一個比較通行的標(biāo)準(zhǔn)讓A to A進(jìn)行連接、智能體跟智能體之間調(diào)用，server和server之間還是割裂的？我相信吳總肯定不贊同。

吳瑋杰：我最近在一個峰會上，他們問了我類似的問題，我當(dāng)時講了一句話，可能顯得不那么有情商，就是當(dāng)某一天在座的這群45歲以上CTO都退休的時候，我覺得這個時代會來臨。

主持人：但最近山姆奧特曼說了一句話，大家也很有共鳴，他認(rèn)為智能體將來是操作系統(tǒng)，您怎么看待？

陳果：他們說的都對，但那是2050年的事情。

吳瑋杰：其實在這一點(diǎn)上我有不同的觀點(diǎn)。今天我們看到智能體，已經(jīng)有一定的入口的形態(tài)。

第一類是像OpenAI的GPT，包括智譜的AutoGLM這樣的原生大模型作為入口，來做一些執(zhí)行和操作。

第二類是互聯(lián)網(wǎng)大廠已有的super APP，比如微信、支付寶的嵌入式入口。

還有一個新的入口就是操作系統(tǒng)和智能終端的結(jié)合。有的在做耳機(jī)，有的在做眼鏡，有的在做手機(jī)，大家其實都是在做搶占入口的動作。

當(dāng)智能體的能力更加前置，作為操作系統(tǒng)的一部分時，就能夠越過APP、跳過很多應(yīng)用場景來做執(zhí)行。舉個例子，我可以直接告訴我的操作系統(tǒng)，幫我訂一張從上海飛往北京的機(jī)票，對智能體本身而言，它不會關(guān)注背后你用到的是什么APP，而是從各個APP中去找一個最便宜的機(jī)票幫你跳轉(zhuǎn)過去。

這種情況下，現(xiàn)有的商業(yè)生態(tài)都會變化，開屏廣告怎么賣？競爭是否變成后端供應(yīng)鏈的競爭，而不是一個前端的入口競爭了。

陳果：這個要回到信息系統(tǒng)的原理上來。剛剛說訂機(jī)票，但全世界的各個航司還是要有一個機(jī)票的信息系統(tǒng)。

今天所有企業(yè)級的系統(tǒng)和to C的系統(tǒng)有一個不同是，數(shù)據(jù)本身的合規(guī)性要求是非常高的，數(shù)據(jù)要持續(xù)存儲、信息要可追溯。

但今天的大模型是基于連接主義的，它是基于神經(jīng)網(wǎng)絡(luò)的。所以它本身存在一個致命的問題就是永遠(yuǎn)不可以解釋、不可預(yù)測。

所以企業(yè)如果要應(yīng)用人工智能去做智能體的話，只能去解決那些對可預(yù)測性和可追溯性要求不那么高的活動。

從信息系統(tǒng)的原理上講，智能體是行動系統(tǒng)（System of Actions），在業(yè)務(wù)流程、人機(jī)交互這一層，它可能發(fā)生范式的變革，但是在底層的話——企業(yè)的核心數(shù)據(jù)，也就是記錄系統(tǒng)這一層，至少目前，我還看不到范式的變革。

吳瑋杰：我挑戰(zhàn)一下果總，我覺得這件事兒是有可能會被解決的。

類比十年前，全球制造業(yè)智能化時出現(xiàn)兩種技術(shù)路徑，一種是美國提出的“工業(yè)互聯(lián)網(wǎng)”，不動原有系統(tǒng)，通過“外掛”方式增加智能，打個比方，就像是在老式水表上加一個攝像頭，遠(yuǎn)程看到讀數(shù)。另一種是以歐洲為代表提出的“工業(yè)4.0”，干脆把水表換成個智能的。

今天很多企業(yè)在用智能體時，還是“在老水表上加攝像頭”——讓智能體幫你去ERP系統(tǒng)里點(diǎn)一下下單按鈕，處理一下表格，像一個AI版的按鍵精靈，我知道下一步是什么，然后讓它去執(zhí)行。

但在大模型時代，有可能會出現(xiàn)另一種范式——它不基于過往的規(guī)則引擎。

因為當(dāng)我有越來越多的數(shù)據(jù)，大模型可能通過某種方式，甚至通過不斷的迭代找出一套不完全基于原來這套“我要先做1，再做2，再做3，再做4”的規(guī)則引擎。

這個過程中，很有可能大模型還是不可解釋，不可預(yù)測，但是它會越來越接近于這個事情的本質(zhì)。

企業(yè)對AI的ROI誤區(qū)

主持人：陳總咨詢了很多企業(yè)，你也談到了企業(yè)需求并不是很強(qiáng)烈，他們是出于什么樣的考慮呢？是覺得沒效果嗎？

陳果：去年某個頭部的制造業(yè)，是中國自建GPU最大的公司之一，他們自己買了一千張GPU，投入好幾個億，自建算力平臺，部署了各種大模型。

可是那么大的算力都投下去了，他真正產(chǎn)生生產(chǎn)力的事情，就是畫廣告圖片、廣告文字。

我當(dāng)時還問那個負(fù)責(zé)人，你們?yōu)槭裁床挥弥悄荏w做客服，他說里面會有一些合規(guī)法律風(fēng)險在里面，比如車壞了該怎么怎么修？消費(fèi)者按照AI指令修了之后，萬一出事算誰的，但如果讓人去檢修，客服人員又一點(diǎn)沒減。

to B意味著要賺錢，但很不幸我們在企業(yè)價值論證這一塊，一直非常不明顯。

吳瑋杰：我覺得兩個維度會影響到客戶對這個事的判斷到底算成功還是失敗。

第一是這個客戶他有沒有找到今天基于模型能力和業(yè)務(wù)價值的最大公約數(shù)。

第二是相關(guān)的負(fù)責(zé)人是否有合理的預(yù)期。

舉個例子，國內(nèi)一家知名企業(yè)用了我們最新的模型，再加了一些模型的微調(diào)，做一個行業(yè)垂直模型。但是大概運(yùn)行了4到5個月，隨著我們的基座模型能力一提升，他發(fā)現(xiàn)微調(diào)過的這個模型還不如提升過的基模。于是企業(yè)主來問我說，是不是從這個視角上來說，這個項目就不成功了？

這是個很典型的話題，我覺得這還是個成功的項目。因為在這個過程中，由于我們的模型服務(wù)幫這個業(yè)務(wù)達(dá)到了5到6個月的領(lǐng)先窗口期。核心點(diǎn)是你需不需要這5到6個月的領(lǐng)先期。

主持人：兩位在服務(wù)企業(yè)的過程當(dāng)中，去年跟今年相比有沒有感覺到明顯的變化？比如對AI的需求變得更強(qiáng)烈了？

吳瑋杰：能明顯感覺到，企業(yè)的需求快速收斂到了一個價值導(dǎo)向的時代。

從24年下半年至今，我們會發(fā)現(xiàn)客戶會越來越聚焦在你到底能產(chǎn)生多少的商業(yè)價值，也就是陳總講的，計算ROI。今天上市公司，它如果希望能夠提升市場對它的信心，不是對外宣稱我上了一個模型，而是要有明確的鏈路，想通過模型帶來怎么樣的價值，而且這個價值相對是有一個比較明確的路徑的，資本市場才會對它有一定認(rèn)可。

主持人：那有沒有一種可能，因為企業(yè)對AI的這種緊迫性的需求，可以倒逼企業(yè)去重建數(shù)字化的系統(tǒng)？

吳瑋杰：我覺得現(xiàn)在企業(yè)的需求還是比較分散。一類是非常簡單直接的降本增效。明確需要在多少時間內(nèi)收回投資成本、取代多少的人員編制。尤其是像智能客服這樣的場景中會比較明顯。

主持人：就是要有明確的ROI？

吳瑋杰：對，這是一類。第二類是打造一個新的產(chǎn)品。本來這件事做不了，由于大模型的出現(xiàn)，今天這件事可以干了。比如汽車企業(yè)里的智能座艙、多意圖識別的回答。

第三類我把它統(tǒng)一叫做POC，就是我有個美好的愿望，但是不知道模型能不能做。這類需求基本上有一個共同點(diǎn)，就是客戶的預(yù)算一定低于100萬。大家往往把它作為一個試驗田，目標(biāo)定的特別高，但最后實際做下來，大多數(shù)和預(yù)期會有一定的偏差。

陳果：我跟一家公司聊，這家公司是中國市值最高的一家制造企業(yè)，他們曾經(jīng)也去找國內(nèi)最頭部的一些科技廠商去建工業(yè)視覺。

但僅僅做了POC之后，他們就開始自己干了，因為對他那個企業(yè)來講，技術(shù)是機(jī)密，他不會讓任何廠商去干，任何廠商去做它的機(jī)器學(xué)習(xí)，其實就等于把它的工藝給拿走了。

所以最初給他做的那個廠商，也只掙了個名而已，再來個一點(diǎn)點(diǎn)項目費(fèi)，后面啥都沒有。這說明廠商創(chuàng)新不形成一種社會機(jī)制的話，它有可能就成先烈了。

主持人：那對企業(yè)來說，智能體在什么樣的應(yīng)用場景下進(jìn)行落地比較好一點(diǎn)？

吳瑋杰：一個企業(yè)在AI上的競爭力，有幾個參數(shù)可以參考。第一，他制作模型選擇了什么樣的基座模型。第二，他自己是一個什么樣的組織能力，比如像智譜這樣的公司，可能需要做很多預(yù)訓(xùn)練，需要很多指令工程師，但有一些企業(yè)更多做應(yīng)用，它更需要產(chǎn)品經(jīng)理，不需要算法工程師。第三，它有哪些數(shù)據(jù)資產(chǎn)。第四，它有哪些應(yīng)用場景。

拿數(shù)據(jù)資產(chǎn)來舉例，如果今天在這個訪談過程中，突然邊上放出音樂，我們會認(rèn)為是個噪音，但是我如果一個人在家里躺在床上，聽著音樂就不是噪音了。所以數(shù)據(jù)資產(chǎn)始終是跟用戶場景強(qiáng)關(guān)聯(lián)的。你這個資產(chǎn)在這個場景上它是有價值的資產(chǎn)，那它就能夠服務(wù)于企業(yè)。所以今天我們會建議企業(yè)會更加聚焦在它的應(yīng)用場景，無論數(shù)據(jù)資產(chǎn)是不是被清洗過的高質(zhì)量數(shù)據(jù)資產(chǎn)，剩下的這一部分其實都是可以通過越來越多的技術(shù)把它提煉出來，做一些能力優(yōu)化。所以回到您剛剛的這個問題，到底企業(yè)從什么場景開始最好，其實沒有這個答案。

主持人：所以沒有相對通用的場景？

吳瑋杰：至少我目前還沒有梳理出一個通用的法則來。但有個非常有意思的現(xiàn)象。

如果這個大模型的選擇，它是從一個IT團(tuán)隊來發(fā)起的，那大部分都會從智能客服或者知識庫開始，因為這兩類場景失敗的可能性是最低的，差別無非是準(zhǔn)確率是85、87還是91，從一個打工者的視角，它的安全系數(shù)最高。

但一個企業(yè)主往往不會從這個幾個點(diǎn)來做選擇，因為對他而言做一個行政問答知識庫，只是降本增效，帶來的價值是有限的，他會更加深入在業(yè)務(wù)本身。

所以您要問從哪個點(diǎn)上推薦，取決于他做大模型到底有沒有想清楚為什么做。

主持人：最后一個問題，兩位覺得智能體它會徹底顛覆哪些行業(yè)？

吳瑋杰：第一改變的還是軟件行業(yè)本身，尤其是以代碼模型為主體的、偏前端的工程化的公司。比如有工程師原本五天完成的工作，借助代碼模型三天就能搞定，另外兩天可以用來摸魚。

第二隨著推理模型的成熟，像陳總曾經(jīng)所從事的咨詢行業(yè)也會受影響。

比如現(xiàn)在跟大模型說，幫我分析一下北京朝陽區(qū)和北京海淀區(qū)在過去一年大模型賽道所涌現(xiàn)的企業(yè)，它就可以生成一份1-2萬字的價值分析報告。

陳果：這兒有一個矛盾，我一直沒想清楚，大家有興趣也可以想一下。

我認(rèn)為數(shù)據(jù)信息收集、分析工作會被替代，但是像我這樣的合伙人是不可以被替代的，為什么呢？因為咨詢本身不僅僅是寫文章，還有人與人之間面對面的溝通，會提供情緒價值。

我年紀(jì)比較大我也很有經(jīng)驗，企業(yè)領(lǐng)導(dǎo)愿意跟我聊，這里矛盾在哪里呢？如果我們把小朋友全部用機(jī)器替代之后，他沒受到鍛煉，他怎么成為合伙人？我覺得人工智能從社會邏輯上來講有很多矛盾。

主持人：但人是不是可以跟機(jī)器人學(xué)習(xí)，以后機(jī)器人可以教人？

陳果：人跟機(jī)器學(xué)習(xí)好了之后，人就變老板了？機(jī)器不是把人都替代了嗎，我連工作都沒有，你怎么給我機(jī)會學(xué)習(xí)呢。

吳瑋杰：我覺得從人工智能的發(fā)展的過程，可能有一些啟發(fā)。人工智能最早干的一件事兒叫下棋。圖靈測試本身也是拿人跟機(jī)器去下，看你能不能感受到對面是一個機(jī)器。

下棋有一個東西叫棋譜，也就是它的規(guī)則引擎。學(xué)圍棋，學(xué)象棋，都是把幾千種幾萬種不同的棋譜學(xué)到，但是AlphaGo當(dāng)時戰(zhàn)勝李世石的那一次，只有一手，我們后來把它定義叫神之一手，因為在所有的棋譜中都找不到這一手。

AlphaGo贏了李世石以后，AlphaGo自己跟自己對戰(zhàn)，三天以后出了一個Alpha Master，Alpha Master跟Alpha Master對戰(zhàn)，過了21天出了個Alpha Zero。

當(dāng)機(jī)器的智商已經(jīng)高于人類智商的時候，其實我們很難通過人類的規(guī)則引擎，去訓(xùn)練這個模型。

但這個就比話題比較大了，變成了硅基能否戰(zhàn)勝碳基。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4528846.html?f=wyxwapp