釘釘AI：好險(xiǎn)，差點(diǎn)就被長文本卷到

夢晨 衡宇 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

好家伙，現(xiàn)在隨便打開一個(gè)大模型應(yīng)用，支持的文本都有那————么長。

最新消息，7億人在用的釘釘也加入戰(zhàn)局，一出手就是長文本、多模態(tài)和工作流三大能力升級，全是最熱門的AI迭代方向。

專門提一下，釘釘AI助理的長文本這次能輕松拿捏幾十萬字的文檔，甚至放話單文檔理論上無上限。

釘釘那邊倒是沒避諱，直言當(dāng)然也進(jìn)行了文本上限的限制，目前考慮到工作場景的實(shí)用性，單文檔還是限制在上限500頁（小聲說，可能也是要考慮成本？）。

講道理，普通人應(yīng)該很少有需要大模型吃超長文本的時(shí)候……但是作為用戶和體驗(yàn)者，咱就一個(gè)原則：我可以用不上，你不能不提供（手動(dòng)狗頭）。

除了“量子速讀”，釘釘AI助理在文檔細(xì)節(jié)上也對答如流。

一份文檔喂進(jìn)去，你得到的不是只讀了一遍的助手，而是研究了千百遍的專家。

再者，除了祭出長文本能力，釘釘還全面升級，繼續(xù)在集成AI能力上整大活。

• 多模態(tài)速讀：不只是文檔、圖片的理解，還支持解析網(wǎng)頁、書籍、視頻的摘要速度。在釘釘知識庫中，如果你的文檔比較多，甚至可以一次性解析幾百萬甚至幾千萬字的文檔，也能做到跨文檔的解析、問答。
• 自定義工作流：可視化配置AI的工作流程，把AI能力真正用到業(yè)務(wù)流程里。

能寫會(huì)看，還能自定義工作流，在釘釘，用戶完全可以擁有新造的AI同事。

同時(shí)也可以從這件事上看出一些市場動(dòng)向。目前，做AI的公司逐漸劃分出兩派。

以技術(shù)為出發(fā)點(diǎn)的公司，去尋找場景，目前主要在長文本、多模態(tài)等純技術(shù)能力上狂卷。

以場景為出發(fā)點(diǎn)的公司，去集成技術(shù)，已經(jīng)陸續(xù)放出來了一些不一樣的東西。

書歸正傳，下面就來實(shí)測一把，看看集AI能力大成的釘釘，到底實(shí)力如何。

實(shí)測釘釘AI助理：實(shí)用玩家

釘釘功能這么豐富，AI助理入口在哪？

其實(shí)不用去找它，像平常一樣把工作需要的文檔、網(wǎng)頁丟給同事或群里，AI會(huì)主動(dòng)來找你的。

接下來輕輕一點(diǎn)，萬字長文就被總結(jié)成了幾個(gè)要點(diǎn)，緩解信息爆炸焦慮真是一絕。

除了網(wǎng)頁、文檔速讀，多模態(tài)速聽速看也是釘釘AI這次更新的一大重點(diǎn)。

先上最基礎(chǔ)的圖片。

一張投資機(jī)構(gòu)整理的AI視頻產(chǎn)業(yè)全景圖，信息非常豐富。

如果想提取其中信息，先來看傳統(tǒng)選手——OCR的效果：格式混亂不說，還容易把公司Logo識別成奇奇怪怪的符號。

把圖發(fā)給釘釘AI助理，就省心很多了。

不用多余的解釋，它不僅能識別其中的公司名稱，還把分類給整理出來了。

視頻也是同樣的配方，同樣的味道。

大神Andrej Karpathy在紅杉的活動(dòng)上講了36分鐘，釘釘AI助理看完只需要3分鐘。

伴隨著一聲清脆的“釘”，大段聽著頭疼的英文演講就變成中文總結(jié)了。

目前市面上的多模態(tài)AI產(chǎn)品，往往都在強(qiáng)調(diào)視覺能力。但是可別忘了，表格模態(tài)才是日常工作中更常用的。

釘釘AI助理對于表格的處理非常有主動(dòng)性，無需額外交代，直接畫出適合展現(xiàn)數(shù)據(jù)的圖表，還有一些自己的見解，有智能體Agent那味兒了。

這些還都只是單點(diǎn)的AI模型能力產(chǎn)品化，更值得一試的還是自定義工作流。

可能很多用戶不太理解什么是工作流，其實(shí)字節(jié)扣子的workflow方式也是這一邏輯。

這是一種執(zhí)行編排方式，給AI提供靈活可組合的節(jié)點(diǎn)，甚至支持自定義代碼，來實(shí)現(xiàn)復(fù)雜且可控的AI任務(wù)流需求。當(dāng)任務(wù)場景包含較多的執(zhí)行步驟，或者對輸出的準(zhǔn)確性或者格式有明確要求時(shí)，可以規(guī)劃AI助理的工作流，來更好地保證輸出符合期望的結(jié)果。

簡單講，本質(zhì)上是把過去的RPA自動(dòng)化執(zhí)行流程，應(yīng)用到了AI上，一定程度上人工做了AI的推理，一來讓大模型有指向、有選擇的執(zhí)行任務(wù)，更準(zhǔn)確，解決現(xiàn)在全球 AI 面臨的意圖識別問題；二來讓大模型可以在工作流中，插入更豐富的行動(dòng)能力。

一句話總結(jié)，就是讓AI執(zhí)行任務(wù)更準(zhǔn)確，行動(dòng)也更豐富了。

先看最終效果：只需提供一個(gè)話題，AI自動(dòng)生成小紅書文案不說，連發(fā)布都代勞了。

要制作這樣一個(gè)自定義AI助理也非常簡單，不會(huì)編程沒關(guān)系，只需要點(diǎn)點(diǎn)鼠標(biāo)，輸入你的需求。

并且在釘釘AI助理市場，已經(jīng)有不少制作好的現(xiàn)成助理，一般常見需求都覆蓋了。

如果有更進(jìn)階的需求，也可以把他們當(dāng)成示例模板，學(xué)習(xí)其中的提示詞和流程編排技巧。

就這樣，除了好用、實(shí)用之外，在釘釘上用AI還有一種特別的體驗(yàn)：順滑。

特別是對于本來就在釘釘上辦公的朋友來說，不用切換窗口到各路復(fù)雜的AI工具，復(fù)制粘貼文檔了。

無論是同事、合作伙伴發(fā)來的文件還是釘釘文檔里的內(nèi)容，都可以一件轉(zhuǎn)發(fā)給AI助理。

而AI的輸出結(jié)果也可以再次轉(zhuǎn)發(fā)給其他聯(lián)系人，甚至傳送到釘釘文檔，借助“斜杠”的AI能力進(jìn)一步加工處理。

甚至，只要你有開放API，不管是讓釘釘AI用微信、Notion、騰訊會(huì)議，還是讓AI打通公司原有的生產(chǎn)、銷售、選題各類系統(tǒng)，都成！

總之，在已經(jīng)成熟的辦公平臺使用AI能力，信息的流轉(zhuǎn)更順暢了。

大模型下一戰(zhàn)場：實(shí)際落地、實(shí)用價(jià)值

2024年，AI戰(zhàn)事轉(zhuǎn)為應(yīng)用爆發(fā)，瞄準(zhǔn)百業(yè)千行進(jìn)行落地，產(chǎn)生實(shí)際效益。

對于渴望AI進(jìn)入工作、進(jìn)入生活的普通人來說，親手用上AI Native的應(yīng)用比在新聞上見證技術(shù)的變革更有趣，體感上也好得多。

人們期待的不再是高大上的概念，而是切切實(shí)實(shí)的上手用起來。

在萬眾期待下，AI應(yīng)用發(fā)展趨勢愈發(fā)明顯。

一方面，大模型的技術(shù)愈發(fā)完善，涌現(xiàn)出驚人的強(qiáng)大能力，尤其是多模態(tài)能力方面。

放眼當(dāng)下，以GPT-4、Gemini、Claude 3為代表的大模型，不再局限于處理單一類型的數(shù)據(jù)或執(zhí)行單一類型的任務(wù)，而是能夠整合多種模態(tài)的數(shù)據(jù)，如文本、圖像、聲音等，提供更加豐富和深入的分析和理解。

搭建在這樣日漸強(qiáng)大模型基礎(chǔ)上的AI應(yīng)用，也愈發(fā)著重多模態(tài)功能。

另一方面，那些以“皇帝的金鋤頭”為目標(biāo)場景的AI應(yīng)用，逐步被市場需求證偽，淹沒在時(shí)代的浪潮里。

被沖刷留下的，都是那些更貼近實(shí)際需求、有應(yīng)用場景的AI應(yīng)用。

這些應(yīng)用的共同特點(diǎn)，就是不僅僅是將大模型能力作為一項(xiàng)新穎的展示技術(shù)，而是以模型技術(shù)為基礎(chǔ)，開始狂卷處理復(fù)雜任務(wù)的能力。

工作場景，大模型能力被用于編寫代碼、建立自定義工作流，省時(shí)提效，作為處理工作事宜的幫手；醫(yī)療領(lǐng)域，大模型能力被用于輔助診斷、制定個(gè)性化治療方案、研發(fā)藥物；金融行業(yè)，大模型能力被用于幫助分析市場趨勢、管理風(fēng)險(xiǎn)、提供個(gè)性化的投資建議；而在制造業(yè)，AI大模型能力參與了從產(chǎn)品設(shè)計(jì)、供應(yīng)鏈管理、預(yù)測性維護(hù)等關(guān)鍵環(huán)節(jié)。

類似的例子不勝枚舉。

總而言之，AI應(yīng)用展現(xiàn)的處理復(fù)雜任務(wù)方面的能力正在逐步得到認(rèn)可和應(yīng)用，已成為明顯的行業(yè)趨勢。

既然是行業(yè)趨勢，大家都看得到，為什么釘釘在速度上又領(lǐng)先一步？

量子位調(diào)研總結(jié)，釘釘至少手里有三張王牌。

第一張，堅(jiān)實(shí)的技術(shù)功底。

作為阿里巴巴的重要產(chǎn)品，釘釘能直接用上阿里在大模型領(lǐng)域的最新成果——通義千問。據(jù)介紹，通義千問不僅是國內(nèi)首個(gè)千億級中文大模型，在多模態(tài)理解、長文本處理等方面已是國內(nèi)大模型佼佼者。

在圖片理解上，釘釘AI助理基于通義千問Qwen-VL-Max視覺理解模型，在多個(gè)權(quán)威測評中獲得佳績，比肩OpenAI的GPT-4V和谷歌的Gemini Ultra。
?

而且釘釘對通義千問不是簡單套用，反而是進(jìn)一步打造了一套完整的AI框架，其AI助理構(gòu)建在3個(gè)系統(tǒng)之上：

感知系統(tǒng)：負(fù)責(zé)感知，進(jìn)行prompt的輸入。特點(diǎn)是釘釘這個(gè)工作場景的上下文，如會(huì)議紀(jì)要、工作任務(wù)，授權(quán)后也可以被感知，而不只是對話的上下文。；

行動(dòng)系統(tǒng)：低代碼、釘釘?shù)母鱾€(gè)功能、SaaS應(yīng)用，將成為Agent核心系統(tǒng)的手和腳，完成生成、問答、調(diào)用、分析等系列行為；

思考系統(tǒng)：接入通義千問模型，讓Agent擁有快思考和慢思考的能力。

這種全棧式的技術(shù)架構(gòu)，保證了釘釘AI從需求理解到任務(wù)完成的端到端閉環(huán)。

第二張，在大模型元年早期就洞察趨勢，搶先入局，積累經(jīng)驗(yàn)。

基于對AI發(fā)展趨勢的精準(zhǔn)判斷，釘釘早在23年4月就率先推出AI產(chǎn)品“釘釘魔法棒”。

在國內(nèi)辦公平臺之中動(dòng)作最快，成為首個(gè)走向智能化的生產(chǎn)力工具。

搶先入局讓釘釘積累了寶貴的實(shí)戰(zhàn)經(jīng)驗(yàn)，這次AI大升級很多功能設(shè)計(jì)其實(shí)就是不斷迭代改進(jìn)的結(jié)果。

如當(dāng)初還需要使用文檔資料提前訓(xùn)練的“問答機(jī)器人”，就進(jìn)化成了隨時(shí)把文檔、網(wǎng)頁鏈接丟到任何一個(gè)聊天或群聊，就能隨時(shí)、隨地調(diào)動(dòng)AI能力。

這些功能還被放到AI Agent里，與行動(dòng)能力相協(xié)同，相當(dāng)于有了知識之后，又有了手和腳。

第三張，場景積累在我，過去還積累了無代碼低代碼平臺。

據(jù)數(shù)據(jù)統(tǒng)計(jì)，釘釘在全球范圍內(nèi)已服務(wù)了2500萬組織。

這意味著，各行各業(yè)海量的辦公協(xié)同場景被釘釘收入囊中，為其AI應(yīng)用提供了極其豐富的應(yīng)用土壤。

而在平臺能力上，釘釘此前發(fā)力的智能化OA、RPA、宜搭等產(chǎn)品，也都成為此次AI助手的有力補(bǔ)充。

所以在自定義AI工作流剛上線，不僅有官方預(yù)先制作好的常用模板，熱心用戶也能迅速把自己的個(gè)性化工作流搬上來，突出一個(gè)輕車熟路。

可以說，釘釘多年的戰(zhàn)略性投入，借著AI這波AI新浪潮又開花結(jié)果了。

一年前這個(gè)時(shí)候，所謂AI應(yīng)用還大多是“大模型技術(shù)演示”，遠(yuǎn)遠(yuǎn)稱不上產(chǎn)品。

當(dāng)時(shí)我們曾預(yù)言，只有準(zhǔn)確把握AI時(shí)代的交互模式，應(yīng)用于大量的應(yīng)用場景，才能讓AI能力在反饋中不斷提升、應(yīng)用層不斷創(chuàng)新，形成新的增長飛輪。

如今看來，釘釘AI一年多來的實(shí)踐正是沿這個(gè)方向給大家趟出一條更具體、更容易摸著走下去的路。

“AIGC一天，人間一年”，我們離真正的第一個(gè)AI超級應(yīng)用，已經(jīng)不遠(yuǎn)了。