AIGC年度激辯：3輪交互內(nèi)準(zhǔn)確率95%以上才能真正應(yīng)用| 中國AIGC產(chǎn)業(yè)峰會

編輯部 整理自 AIGC峰會
量子位 | 公眾號 QbitAI

“ROI是衡量AIGC應(yīng)用價(jià)值的唯一標(biāo)準(zhǔn)?！?/p>

“現(xiàn)在AIGC客戶的需求有兩類，一類是嘗鮮，一類是真正在工作流里應(yīng)用。后者如果類比AI 1.0時代的應(yīng)用金標(biāo)準(zhǔn)，在AI 2.0時代，應(yīng)該就是在至少3輪交互內(nèi)要達(dá)到95%以上的準(zhǔn)確率?！?/p>

“AIGC應(yīng)用落地的關(guān)鍵，還是要從業(yè)務(wù)和場景中來，到業(yè)務(wù)和場景中去，拿結(jié)果說話?！?/p>

“如果是高質(zhì)量的、投入真金白銀去做的百模大戰(zhàn)，那么就是有意義的。”

……

從ChatGPT帶動AI產(chǎn)業(yè)爆火，再到現(xiàn)在越來越多AIGC應(yīng)用的出現(xiàn)，AI行業(yè)已經(jīng)從初步探索期，發(fā)展到應(yīng)用落地期。今年也被很多人稱為“AIGC的應(yīng)用元年”。

那么對于所有AIGC玩家來說，都會面臨一個現(xiàn)實(shí)的問題：怎么將AIGC應(yīng)用落地，如何賺錢？

圍繞這一問題，阿里云通義大模型業(yè)務(wù)負(fù)責(zé)人徐棟、輕松集團(tuán)技術(shù)副總裁高玉石和瀾碼科技創(chuàng)始人兼CEO周健在本次中國AIGC產(chǎn)業(yè)峰會的圓桌環(huán)節(jié)，詳細(xì)分享了自己的看法。

公司產(chǎn)品類型、模式都不同的三位玩家，對AIGC應(yīng)用落地的探索都到了什么階段？

現(xiàn)在的AIGC應(yīng)用，又有什么價(jià)值？

以及最重要的，AIGC應(yīng)用如何落地、怎么賺錢？

中國AIGC產(chǎn)業(yè)峰會是由量子位主辦的行業(yè)峰會，20位產(chǎn)業(yè)代表與會討論。線下參會觀眾近千人，線上直播觀眾300萬，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

話題要點(diǎn)

• AIGC應(yīng)用已在不同細(xì)分賽道上崗
• AIGC產(chǎn)業(yè)確實(shí)越來越卷，但也越來越成熟
• AIGC應(yīng)用落地變現(xiàn)的方式
• AIGC應(yīng)用的價(jià)值
• 如果是高質(zhì)量、投入真金白銀的百模大戰(zhàn)，那么是有必要的

（圓桌環(huán)節(jié)由量子位主編金磊主持。在不改變原意的基礎(chǔ)上，量子位對內(nèi)容進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。）

論壇實(shí)錄

（話題要點(diǎn)為后添加）

AIGC應(yīng)用已在不同細(xì)分賽道上崗

量子位金磊：感謝各位嘉賓朋友參加這次圓桌，我們這次峰會的主題叫做「你好，新應(yīng)用」。為此我們邀請到不同產(chǎn)業(yè)和領(lǐng)域的落地先鋒代表。

從ChatGPT問世到現(xiàn)在一年半的時間里，我們看到生成式AI行業(yè)發(fā)展有一個非常明顯的趨勢：從基礎(chǔ)層的建設(shè)和探索，逐步在向怎么把他們用起來去發(fā)展，今年也被很多人認(rèn)為是AIGC的應(yīng)用元年。

我們覺得在這個時間節(jié)點(diǎn)上有必要坐下來聊一聊與AIGC有關(guān)、且非常接地氣的話題：「怎么落地，如何賺錢」。

緊扣這次圓桌的話題，我想先問一個開門見山的問題，就像剛才快刀青衣老師說的，不要告訴我大模型有多厲害，要告訴我它們用得怎么樣了。

首先想請教一下高總，輕松集團(tuán)在去年年底的時候?qū)?strong>輕松問醫(yī)Dr.GPT做了全面升級，相應(yīng)發(fā)布了7個創(chuàng)新應(yīng)用，目前病患和醫(yī)生對新應(yīng)用的使用情況是怎么樣的？

輕松高玉石：我來介紹一下我們輕松集團(tuán)的落地情況，算是對應(yīng)快刀青醫(yī)老師說的企業(yè)落地實(shí)踐的過程。

我們在去年上半年發(fā)布了輕松問醫(yī)的大模型，是醫(yī)療健康領(lǐng)域的大模型。

隨著下半年整個應(yīng)用和場景的拓展，我們在去年年底做了升級?；谳p松問醫(yī)大模型，還有具體應(yīng)用場景里面應(yīng)用模型的結(jié)合，我們在醫(yī)生和患者端確實(shí)做了落地的應(yīng)用，目前看效果還可以。

比如醫(yī)生端，我們會給醫(yī)生提供過往積累了很多的病例數(shù)據(jù)，并且我們做了病例識別AI模型，結(jié)合輕松Dr.GPT對于健康醫(yī)療數(shù)據(jù)識別的能力和推理能力，我們向臨床研究部分推出臨床預(yù)分析的數(shù)據(jù)能力。

做臨床研究的這些醫(yī)生，他臨床收集的病例只需要提交上來，很輕松就可以拿到識別結(jié)果包括結(jié)構(gòu)化，甚至說他在臨床研究過程中收集到各種其他類型的數(shù)據(jù)，都可以綜合做一個預(yù)分析。

目前我們看到的情況，在我們平臺上采用這種方式去做的，在同等工作上效率相對于傳統(tǒng)臨床研究能提升2倍，目前整體用的效果還是非常不錯的。

同時，我們平臺上還有很多醫(yī)生在做科普。我們能給他們提供一些文字或者視頻類科普內(nèi)容創(chuàng)作過程中的AI輔助工具。

目前看來，這部分醫(yī)生在我們平臺上每個月可以利用這個工具生產(chǎn)或者說創(chuàng)作內(nèi)容，大概維持在萬這個級別的規(guī)模。

同時，我們還給醫(yī)生推出輔助診療AI工具。它可以自己跟患者溝通、交流，會預(yù)生成出診斷結(jié)果的判斷，包括給診療建議，最終醫(yī)生會對結(jié)果做整體的復(fù)核并給出最終結(jié)論。

我們跟一家互聯(lián)網(wǎng)醫(yī)院做試應(yīng)用，目前看來這個結(jié)果被醫(yī)生的采納率能達(dá)到86%。一個醫(yī)生正常問診的過程之前是10分鐘左右，現(xiàn)在只需要1-2分鐘，這是我們醫(yī)生端的。

從患者端來說，因?yàn)槲覀僀端用戶比較多，所以做了健康顧問。

比如對慢病患者，它會提供用藥提醒；對普通用戶，特別我們中老年用戶比較多，它可以提供飲食、生活的健康建議。

我們目前這個顧問覆蓋30多萬用戶，活躍率可以做到70%多。這在過往很難做到，因?yàn)檫@種方式跟用戶溝通需要非常大的人工團(tuán)隊(duì)去維護(hù)，但現(xiàn)在有了大模型，這個事情可以做得非常輕松了。

包括我們健康商城里在線的智能客服，整體上了大模型之后收縮了70%人工人力成本、人工客服的成本。由于時間關(guān)系，還有其他的應(yīng)用我這里不詳細(xì)的展開了。

量子位金磊：剛才高總提到病例分析任務(wù)，這對于醫(yī)生來說應(yīng)該是必須嚴(yán)謹(jǐn)且耗時的工作，有沒有數(shù)據(jù)通過Dr.GPT給醫(yī)生帶來省時的數(shù)據(jù)呢，節(jié)省多少時間？

輕松高玉石：對于一個完整的問診過程來說，在線問診比線下問診時間耗時較長。正常情況下，原本是10分鐘左右，現(xiàn)在大概降到1-2分鐘。

前面很容易的溝通不需要人工，用機(jī)器就能收集上信息，最后醫(yī)生做出決策之前，可以看到大模型提取完的結(jié)果。

如果他想要的信息沒有完整提取到，因?yàn)檫@不僅是完整模型而是一套系統(tǒng)，系統(tǒng)自動就會把想問的問題用人工跟患者溝通，整個過程看下來時間節(jié)約了很多。因?yàn)獒t(yī)生看病大量時間都用在前面的過程，最后出結(jié)論時，很多時候很快。

量子位金磊：接下來想問問徐總，咱們通義千問正式開放也有半年多的時間了，現(xiàn)在用戶使用的情況是怎么樣的？

阿里云徐棟：我跟高總的角度可能會不太一樣，因?yàn)槲覀兪窃茝S商，再加上模型服務(wù)面向全行業(yè)。

坦白說很多客戶比較兩極分化，一方面認(rèn)為模型是萬能的，另一方面有些用戶覺得模型是對原有搜索的增強(qiáng)，可能是這么兩個角度。我們把市場去做個分割，AIGC怎么應(yīng)用的情況可以分兩個層面。

第一個，大模型塑造了產(chǎn)業(yè)的核心商業(yè)模式。比如游戲行業(yè)的NPC、社交領(lǐng)域的角色扮演，包括高總講的范圍像是SaaS的場景，它是AIGC內(nèi)容生產(chǎn)的上游和下游，而且它有自己特定的work flow，這個產(chǎn)業(yè)鏈也是在快速變化。

除此之外可以看到像智能硬件包含的范圍很廣，包括車機(jī)、智能座駕、手機(jī)，也能看到手機(jī)廠商和PC廠商分別把名字都改了，叫AI Phone或者AI PC。還有像鼠標(biāo)這種消費(fèi)電子類的穿戴設(shè)備，都有模型上的場景應(yīng)用。

可以把這一大類通稱為大模型對商業(yè)模式做的大升級，它們或多或少可以把模型集中進(jìn)來。

第二大類是企業(yè)級市場，未必是對商業(yè)模式做了根本性重塑，而是在降本增效場景作用比較突出，比如最典型的客服場景、知識庫的問答等等，這些場景在企業(yè)內(nèi)部對提效來說有非常多的幫助。

快刀青衣老師在剛剛講的時候，說團(tuán)隊(duì)規(guī)模未必未來會足夠大，原因也是這樣。因?yàn)槟銜l(fā)現(xiàn)很多原有崗位角色都是圍繞著具體的業(yè)務(wù)場景的，這個場景下面很多角色通過AI被提效，因此可以做更好的降本增效模式的改變。

講到阿里巴巴集團(tuán)模型內(nèi)部的模型使用情況，有一個很好的案例，有機(jī)會可以聽釘釘總裁分享。釘釘是非常好的工具鏈SaaS企業(yè)，他們應(yīng)用分了三步。

第一步把原有IM的Saas應(yīng)用AI化。比如閃記、視頻會議還有文檔，全部接入了像魔法棒這樣一個能力，所有內(nèi)容都跟AI打包了。

第二步推出了釘釘超級助理。因?yàn)锳I助理、AI Agent這個場景，也就是一個AI助理幫助企業(yè)通過IM使用相應(yīng)的功能，不管調(diào)用功能還是做摘要都會變得很方便。

第三個是釘釘走的另外一條更有突破性的路線，它有一個場景叫“煉丹爐”，也就是一個企業(yè)可以把能力包括知識庫跟釘釘原有場景結(jié)合，變成自己所需要的AI助理，或者特定企業(yè)的數(shù)字員工。我覺得這樣場景也是非常有意思的。

今天很多AIGC應(yīng)用場景在慢慢發(fā)展，也在不斷地分層，我們自己看到這兩個層面客戶的需求會不太一樣，毫無疑問調(diào)用量也正在非?？焖俚脑鲩L，不管在第一個場景還是在第二個場景。

量子位金磊：接下來想請教一下周總，瀾碼科技是去年2月份成立的，可以說是非常典型的AI 2.0公司，咱們?nèi)ツ昴甑装l(fā)布了AI Agent平臺AskXBOT，那么咱們這款應(yīng)用現(xiàn)在目前使用情況是怎么樣的？

瀾碼周健：我們一開始從自動化的視角設(shè)計(jì)AI Agent，我們關(guān)注到企業(yè)內(nèi)部員工，特別是一線員工，處理的很多都是數(shù)據(jù)、文檔、應(yīng)用、流程，這四個核心要素，我們就圍繞這幾個打造了核心能力。

去年比較多的能力還是在文檔這個維度上面，比如說最簡單的政策解答、出題判卷，包括保險(xiǎn)產(chǎn)品條款的回答，這樣做一系列的應(yīng)用。今年我們開始有一些所謂的Chart能力或者Work Flow的能力，我們把這些能力組裝在一起，就可以做高級一些的增強(qiáng)自動化，專家可以通過知識去賦能基層的業(yè)務(wù)員工。

這里有一個典型場景，以前保險(xiǎn)代理只能通過盲打電話推銷新的保險(xiǎn)產(chǎn)品，成功率非常低，現(xiàn)在保險(xiǎn)代理可以根據(jù)體檢情況生成的個性化保險(xiǎn)產(chǎn)品推薦，去推薦給對應(yīng)的體檢客戶，并且推薦的產(chǎn)品也符合他的健康情況，從而可以大大提高銷售轉(zhuǎn)化率。

另外一個場景是銀行普惠金融，政府現(xiàn)在也希望引導(dǎo)銀行資金能夠到優(yōu)質(zhì)的中小企業(yè)那里去，這時候就需要對申請資金的企業(yè)撰寫盡調(diào)報(bào)告。

過去一個客戶經(jīng)理要花半天時間寫報(bào)告，因?yàn)橐占鞣N各樣的信息，例如公司章程、營業(yè)執(zhí)照、銀行流水、財(cái)務(wù)報(bào)表，大概要花半天。但是通過Agent，10分鐘就能生成一份報(bào)告，再檢查一下，基本上30分鐘就能完成一份報(bào)告。

我們自己總結(jié)下來，一種是日常辦公的增強(qiáng)自動化，包括剛才講的查詢文檔、差旅預(yù)定、會議預(yù)定、智能客服等都是降本增效，另外可以做一些創(chuàng)新業(yè)務(wù)。

過去因?yàn)槠髽I(yè)內(nèi)部的專家供給是稀缺資源，專家的時間一天也是24個小時，像剛才講的保險(xiǎn)代理、理財(cái)經(jīng)理，不可能每個理財(cái)經(jīng)理都是專家，一定是初級、中級、高級員工匹配起來，這個時候?qū)＜視r間的供給是瓶頸。

而今天有了AI Agent或者用上大語言模型之后，智能體能發(fā)揮出來專家的能力，這時候?qū)＜視r間就不再是瓶頸資源了，我們可以做一些新的業(yè)務(wù)。原來覺得不可能、質(zhì)量太差或者風(fēng)險(xiǎn)太高的業(yè)務(wù)，現(xiàn)在就都有可能了。

這個是我們看到很多落地的場景中，企業(yè)特別想要去購買的應(yīng)用。

量子位金磊：好的，從三位嘉賓的分享我們可以看到，AIGC應(yīng)用已經(jīng)在不同的細(xì)分賽道上很有效地上崗了。

AIGC產(chǎn)業(yè)越來越卷，也越來越成熟

量子位金磊：與此同時我們也看到這一年半以來，AIGC的應(yīng)用越來越多，在功能上也呈現(xiàn)出你追我趕的現(xiàn)象?？偠灾?，越來越卷。

所以我想先請教一下徐總。咱們通義千問應(yīng)該算是大廠AIGC應(yīng)用的代表，是否有感受到同類產(chǎn)品迭代速度過快，感受到了一些壓力？

阿里云徐棟：因?yàn)橥x千問跟別的廠商還有區(qū)別，它的開源力度非常大。比如兩周前和一個月前，我們分別開源了兩次，所以在社區(qū)里會得到很多關(guān)于效果的反饋。有的時候一個模型剛放出來，第一周都是噪音，一個月之后才會慢慢知道效果怎么樣。

坦白說今天如果要卷的話，我們對效果還是比較有信心的，很多客戶會給我們一些反饋，覺得效果還可以。

但是我們今天已經(jīng)開始卷到另外一個維度，我認(rèn)為是好事情。一個叫做延時，我現(xiàn)在發(fā)現(xiàn)有些場景對時間會非常敏感。比如說有些外呼的場景，還有對圖片語義理解的場景，用戶能接受的時間點(diǎn)一定是在2秒，2秒以上沒辦法接受。

我們其實(shí)跟一個手機(jī)廠商合作，是面向視障人士，他們可以通過手機(jī)去識別當(dāng)下環(huán)境的物體是什么樣子。大家都知道視障人士非常敏感，能感受到100毫秒的輔助聲音的理解，但是在今天時間如果要超過3秒或者4秒、5秒，這個場景就不可用。

而且性能、延時、并發(fā)，是我們目前覺得是重點(diǎn)要去卷的方向。

另外一個我們發(fā)現(xiàn)今天對成本的敏感度也越來越高。因?yàn)檫^去調(diào)用量不大，所以大家覺得成本還好，但是今天我們發(fā)現(xiàn)在成本方面卷得也是非常厲害的。從效果卷到了性能、延時、成本，這是目前看到比較多的方向。

不過這代表產(chǎn)業(yè)越來越成熟了，進(jìn)入了一些核心的敏感領(lǐng)域，所以才會提這么多需求給我們，這是一方面。

第二方面我們不能只卷語言模型，我們現(xiàn)在在卷多模態(tài)的理解、多模態(tài)的生成，比如剛才講到怎么理解圖像，怎么理解聲音。

前段時間有個客戶告訴我，開水的聲音和冷水的聲音是不一樣的。聲音代表很多信息、有很多標(biāo)簽，所以我說聲音的識別不是把語音轉(zhuǎn)化成文字的模式。

有可能今天所有模型輸入的信息可以多元，可以是聲音、圖片、文本，也可以是視頻，輸出內(nèi)容也可能是多元的。如果再加時間軸，有可能變成視頻。

所以我覺得多模態(tài)應(yīng)該是今年下半年卷得最厲害的方向，也是因?yàn)樯习肽闛penAI在春節(jié)的時候發(fā)布了Sora這個模型。

除此之外，我覺得還有一個目前卷的壓力比較大的方向，準(zhǔn)確地說是插件生態(tài)，或者說是工具鏈。

過去大家都知道工具鏈的核心講的是怎么做SFT，后來開始卷RAG?，F(xiàn)在我們發(fā)現(xiàn)隨著Agent成為重要的商業(yè)化出口后，就需要越來越多的工具或者API，這些API背后代表是不同能力的插件。

所以今天我們能看到，什么樣的模型服務(wù)能夠提供更豐富的插件服務(wù)，可能也是一個非常重要的事情。

所以我覺得分幾個層次，我們倒未必覺得今天在效果上會有足夠大的壓力，當(dāng)然我們也是在不斷對標(biāo)國際上最先進(jìn)的模型。

但是我們覺得落地場景上來說，可能會在其他幾個方面卷的更厲害，而且這幾個方面真正決定了客戶能不能用模型取得正收益，這是我們的觀察。

量子位金磊：剛才徐總談到卷的不同方向，但是阿里本身通義大模型就是很卷了。10天前在4月7日的時候，阿里通義千問剛剛開源了千問1.5的34B這個大模型，在今天又開源了一個CodeQwen1.5-7B和Qwen-7B-Chat。

接下來在To B應(yīng)用當(dāng)中醫(yī)療是非?；馃岬馁惖?，其實(shí)市場上已經(jīng)有很多醫(yī)療大模型和相關(guān)的應(yīng)用了。高總，您覺得整個醫(yī)療的AIGC應(yīng)用，目前的困境是什么？

輕松高玉石：首先我覺得這可能是目前整個AIGC落地過程中普遍存在的問題，就是怎么找到一個比較合適的場景，能夠把它解決實(shí)際問題，落得下去。

而不是說現(xiàn)在依然大家看到發(fā)布各種各樣的內(nèi)容、造概念、追熱點(diǎn)，甚至說我先把大模型搞出來，然后再去找場景。

我的建議還是從業(yè)務(wù)和場景中來，到業(yè)務(wù)場景中去，拿結(jié)果說話，有沒有增效，有沒有增收。其實(shí)這個說起來很容易，做起來很難。

我們今年1月份的時候做了年終總結(jié)，大家看到我們?nèi)ツ闍I落地情況，真正應(yīng)用起來和對業(yè)務(wù)產(chǎn)生價(jià)值，成功率只有30%多一點(diǎn)。等于我做三個嘗試，最后只能成一個，這個東西說起來也很容易，做起來其實(shí)挺難的。

第二點(diǎn)是醫(yī)療的高質(zhì)量的數(shù)據(jù)還是比較少的，而且數(shù)據(jù)也比較分散，是先天的一些因素造成的比較分散，而且這個行業(yè)里面還有部分?jǐn)?shù)據(jù)的封閉性比較強(qiáng)。怎么把數(shù)據(jù)有效利用起來，能夠給模型強(qiáng)化出來更好的能力，從目前看來可能更好的方式還是通過國家，在數(shù)據(jù)要素這一系列建設(shè)上和規(guī)劃上怎么緩解這個問題。

第三點(diǎn)是醫(yī)療這個場景是一個很嚴(yán)肅的場景，對于容錯率要求是非常高的。

包括剛才徐總也講，我們會有一些SFT，包括一些微調(diào)，還有檢索增強(qiáng)的方法，能把這些提升和強(qiáng)化。以現(xiàn)在實(shí)際情況看，我個人建議還是以輔助的方式為主，比如說無人化和自動化的方式，我建議不宜過早和樂觀地做這件事情，這是我個人的觀點(diǎn)。

量子位金磊：那在成本上呢，很多客戶肯定都是會希望能拿到一個又快又好又省錢的解決方案和產(chǎn)品。咱們的產(chǎn)品在上崗醫(yī)院的時候，在成本上是怎么做到降本增效？

輕松高玉石：這個核心點(diǎn)在于算賬，用的過程中一定要算賬。

大家都講ROI，有些場景里面，你能獲得的收益其實(shí)是很高的，就可以用到更好的或者說可以付出更大的成本，但有些成本其實(shí)很低的，所以說這個過程中就需要去平衡。我們那2/3失敗的項(xiàng)目，里面有一部分項(xiàng)目是用起來確實(shí)不錯，但最后確實(shí)成本扛不住。

量子位金磊：好的，剛才提到成本，咱們AI Agent屬于AIGC技術(shù)里面非常潮流的一個，雖然這種方法在交互的場景中效果比較好，但是它的成本應(yīng)該算是一個硬傷。

所以想請教一下周總，咱們在這個方面是怎么解決的？

瀾碼周健：在我們實(shí)際實(shí)現(xiàn)過程中，基本上還只是先拿最好的模型去驗(yàn)證這個場景的可實(shí)現(xiàn)性。

如果現(xiàn)在在GPT-4上面，通過提示詞也沒有辦法做到的話，基本上我們會拒絕這個項(xiàng)目。如果能做的話，我們的客群里面很多是要私有化部署，因此還是想要通過拆解去解決。一方面通過輔助專家知識，這樣的話就把大模型的能力局限在很多語言理解上，只是去處理、總結(jié)或者說去做自然語言，還有的是實(shí)體識別、或者意圖識別、意圖分類等這樣一些事情。

這時候?qū)Φ紫履Ｐ偷耐评砟芰Φ囊缶蜁蟠蠼档?。所以這樣的話，對于整個端到端解決方案，就會比用最貴的模型要好很多。

量子位金磊：那么除了在產(chǎn)品應(yīng)用越來越卷之外，放眼整個宏觀的AIGC市場，必然也產(chǎn)生了一定的變化。還是想先請教一下周總，您覺得市場對于AIGC應(yīng)用的產(chǎn)品是不是越來越嚴(yán)格了？

瀾碼周健：您是說客戶嗎？

量子位金磊：對。

瀾碼周健：客戶的需求其實(shí)是兩類，一類只是嘗鮮，這時候是不會真的用起來的。第二類是真的要在實(shí)際生產(chǎn)工作流里面被用起來，在AI 1.0時代都有明確的可以被用起來的指標(biāo)，當(dāng)然今天稍微有一些不同。

以前在人臉識別的應(yīng)用場景，準(zhǔn)確率95%就是金標(biāo)準(zhǔn)，如果準(zhǔn)確率達(dá)不到95%，肯定沒有辦法上線?，F(xiàn)在可能可以放寬到在交互三輪以內(nèi)一定要達(dá)到95%的準(zhǔn)確率，這個還是必須的。

量子位金磊：咱們高總這邊呢？有這個感覺嗎？

輕松高玉石：在這個過程中，我覺得用戶對于我們?nèi)萑潭仁潜容^高的。

包括用戶也好，包括內(nèi)部使用一些供給也好，因?yàn)槭切率挛?，所以本身先天有一定的興趣。在這個過程中，他是接受的。但是可能在這個過程中需要適當(dāng)?shù)乜刂坪妙A(yù)期。如果給出的收入預(yù)期以及實(shí)際情況的預(yù)期過高，之后帶來的結(jié)果可能會走向另一個極端。

至于另一個點(diǎn)，目前整個市場上對于AIGC有點(diǎn)跟過往的情況不一樣。過往說有一個比較好的增長就行了，現(xiàn)在可能收入和利潤是同等重要的。如果從資本的層面看，其實(shí)對AIGC產(chǎn)品的要求比以前要高很多。

量子位金磊：現(xiàn)在我想問一問徐總，這一年半來，咱們有沒有對AIGC市場有一個新的感受？

阿里云徐棟：我個人感覺越來越樂觀了。

因?yàn)榇蠹疫^去卷的都是在卡層面，前段時間紅杉在美國有一個報(bào)告，去年花了500億美元買卡，真正的AIGC產(chǎn)值就30億美金，大概是這么一個結(jié)構(gòu)。今天來看，剛才周總、高總講了一個觀點(diǎn)我特別認(rèn)同，就是客戶的預(yù)期變了。原來是認(rèn)為你一上來就是一個pilot，不是copilot。

所以有些用戶對準(zhǔn)確率不是那么敏感了，他覺得夠用就可以，甚至有些客戶因?yàn)槌杀竞托阅?，主動選擇從千億參數(shù)模型改變到了14B甚至7B的模型，因?yàn)樗雷约阂裁戳?/strong>，這是非常大的轉(zhuǎn)變。

很多客戶今天跟我們聊的時候，好像不需要這么大的模型了，因?yàn)檫@個量太大了。而且我覺得是一個copilot，我不需要把它直接變成最終的生產(chǎn)的結(jié)論，所以我覺得這是一個非常大的變化。

第二個我自己覺得市場為什么越來越好了，因?yàn)樵瓉硪婚_始都是像在生產(chǎn)力的辦公工具，或者說像Office 360這個方向轉(zhuǎn)。現(xiàn)在看到越來越多不一樣的場景，特別是To C的場景。原來是To B多，因?yàn)檫^去To B的融資比較容易，而現(xiàn)在看到To C的AIGC融資慢慢起來了。這和基礎(chǔ)模型能力的提升，以及性價(jià)比越來越高是有關(guān)系的。

另外還看到了一個快速發(fā)展的市場，比如智能硬件，尤其是穿戴設(shè)備和一些帶攝像頭的，或者帶一些語音和麥克風(fēng)的小的設(shè)備。

這些設(shè)備原來有一定的ASI或者TTS的能力，或者說有一些圖象識別能力，但泛化性很差，商業(yè)價(jià)值沒有辦法被發(fā)揮出來。今天我們看到淘寶很多類目里面，你搜消費(fèi)電子產(chǎn)品前面加一個“AI”、加一個“智能”，鼠標(biāo)、攝像頭、耳機(jī)、手表排名都很靠前。幾乎所有的智能硬件的廠商都在做這件事情。

因?yàn)榻裉觳还軓耐度谫Y角度還是從客戶的預(yù)期角度，大家對大模型的認(rèn)知越來越準(zhǔn)確、清晰了。一開始覺得什么都行，或者什么都不行，但目前需求開始分層了。有些場景的準(zhǔn)確率要求依然很高，需要做精準(zhǔn)的幻覺控制，有些場景覺得不需要。我看還有人做審核，對前面所有鏈路做了大幅提效，這個場景還是挺有意思的。

我個人覺得越來越樂觀，今天有跑不完的客戶提需求，而且需求越來越分層，這是非常有意思的事情。

AIGC應(yīng)用落地變現(xiàn)的方式

量子位金磊：接下來我們聊一個更直接一點(diǎn)的問題：怎么變現(xiàn)，怎么賺錢？

還是想先請徐總分享一下，通義千問目前在C端沒有采取收費(fèi)模式，接下來在商業(yè)變現(xiàn)方面有怎么樣的計(jì)劃呢？

阿里云徐棟：我們對標(biāo)其他廠商的話，比如ChatGPT就是訂閱制，對用戶收訂閱費(fèi)，根據(jù)時間觀察我們的action是什么，我想先分享一下大的邏輯。

我覺得一旦有新的技術(shù)出現(xiàn)之后，會形成新的產(chǎn)品體驗(yàn)，新的產(chǎn)品體驗(yàn)會把流量吸過來，快速形成洼地，基于流量看到有很多很成熟的商業(yè)模式。不管是廣告，還是最早的短視頻和直播，都跟廣告和電商有關(guān)，還有些做金融服務(wù)、增值服務(wù)賣虛擬商品等等等等。今天還沒有看到C端產(chǎn)品到兩千萬DAU，每個DAU時長超過60分鐘，所以今天聊商業(yè)化或者長期商業(yè)化還有點(diǎn)過早。

而今天成熟的商業(yè)模式還是就那些，LM-Base的Agent或者說to C的應(yīng)用，有沒有可能產(chǎn)生一些新的付費(fèi)模式？我覺得是有可能的。

有可能是一個訂閱制的模式，但訂閱制模式有點(diǎn)太泛了，需要訂閱多個AI Agent，不同Agent之間怎么通信，這些東西可能都是隨著下半年multi-agent架構(gòu)越來越成熟再解決。比如一個To C產(chǎn)品背后不是一個模型，它可能是多個模型，甚至多個模型上面分裝出的多個Agent，之間會相互通信。

我在線下跟高總聊multi-agent這個架構(gòu)，這個架構(gòu)其實(shí)未來可以看到這樣的情況。

假設(shè)我們致力于做一家量化教育的基金或者私募，今天首先需要一個做基本面分析的分析師，需要一個在二級市場搜集信息、爬取數(shù)據(jù)的一個角色；同時需要有個寫代碼的人；另外還有去挑戰(zhàn)前面所有人邏輯的反對者，它可能就是multi-agent架構(gòu)?；谶@個架構(gòu)可能就會產(chǎn)出一個小型的私募量化交易公司，有可能持續(xù)迭代，甚至可能會比人的例如效果會更好一點(diǎn)，因?yàn)樗杏洃浂紩嬖?，也很理性?/p>

我想當(dāng)下單個To C，尤其是像ChatGPT場景，是不是訂閱費(fèi)是唯一的方法呢？我覺得現(xiàn)在聊這個可能過早。我們可以到下半年看一看，看看有沒有新的商業(yè)模式可以跑出來，不管是Kimi也好，還是其他的廠商。

我們看到現(xiàn)在流量增長都非?？?，但是具體怎么收費(fèi)，我覺得是一個短期還沒有那么明確，可以觀察一下下半年基于multi-agent架構(gòu)，或者多模態(tài)的架構(gòu)，有沒有新的商業(yè)化的可能性出現(xiàn)。

量子位金磊：那么高總，請問咱們產(chǎn)品面向B端進(jìn)行商業(yè)變現(xiàn)，是按需付費(fèi)還是其他的模式？以及對未來新出現(xiàn)的變現(xiàn)模式有什么樣的想法？

輕松高玉石：我們是健康保障的科技公司，做很多東西還是圍繞著既有業(yè)務(wù)和生態(tài)整合的。所以我們變現(xiàn)模式相對非常純粹的AI公司來說更自如一點(diǎn)。

我們目前的產(chǎn)品主要服務(wù)大量C端用戶，他們對健康有很大的需求，包括還有一些機(jī)構(gòu)、醫(yī)生。所以說我們變現(xiàn)模式是圍繞這些用戶做的。C端圍繞增值服務(wù)，我們提供一些保險(xiǎn)的保障，還有健康TPA的服務(wù)，包括用戶可以通過商城、通過健康管家的服務(wù)來購買我們健康的產(chǎn)品，甚至有些用戶對于我們客戶的知識比較感興趣的話，可以買高端科普的內(nèi)容。

而B端主要以安全付費(fèi)的方式。一類像醫(yī)療、醫(yī)藥的機(jī)構(gòu)做臨床研究，他會做一些付費(fèi)，另一部分則是還有很多的機(jī)構(gòu)的用戶，有健康教育的需求，這類需求也是可以得到滿足的。

量子位金磊：那么周總這邊呢？

瀾碼周健：我們做AI Agent，最近大廠把這個品類炒起來了，甲方現(xiàn)在要采購一個Agent平臺基本上成為共識。這是傳統(tǒng)軟件的方式。

還有一些應(yīng)用的方式，不管像剛才提到的信貸盡調(diào)報(bào)告，還是政策解答，我們看到有一種可能性，可以按照數(shù)字員工按月收費(fèi)。因?yàn)楝F(xiàn)在很多業(yè)務(wù)的客戶，比如像某個分行在很多時候去采購GPU算力非常困難，需要找算力廠商。這套用現(xiàn)在比較時髦的詞來說就是，AI智能體是新質(zhì)生產(chǎn)力，專家知識、模型、算力都是全新的生產(chǎn)要素。

假如算力廠商愿意以租用的方式，倒過來變成分行每個月雇傭員工一樣付費(fèi)，再分成分給模型或者說算力的廠商，這是現(xiàn)在正在探索的一種新的商業(yè)模式。

AIGC應(yīng)用的價(jià)值

量子位金磊：好的，那接下來這個話題是比較開放的：AIGC應(yīng)用的價(jià)值。

因?yàn)槿患钨e每個人所身處的細(xì)分賽道也是不同，想必感受也是會有略微的不同。我們按照順序，從高總這邊來依次聊一聊，您覺得什么樣的AIGC產(chǎn)品才算是好產(chǎn)品，才算有價(jià)值，這個有價(jià)值的標(biāo)準(zhǔn)是什么？

輕松高玉石：從企業(yè)經(jīng)營角度，特別這兩年基本上各家企業(yè)都比較頻繁的提到一個概念，就是降本增效增收。如果我們把它擴(kuò)展到C端的層面，可能還會有一個體驗(yàn)的點(diǎn)。

我覺得這四個點(diǎn)同樣適用于，現(xiàn)在去評價(jià)AIGC產(chǎn)品到底有沒有價(jià)值。就是對于個人，對于企業(yè)，對于社會有沒有做到降本、增效、增收，或者說帶來很好的體驗(yàn)。如果能做到其中的一到兩個點(diǎn)，我覺得這個產(chǎn)品在嚴(yán)格意義上是有價(jià)值的。

量子位金磊：徐總呢？

阿里云徐棟：我覺得大家思路差不多，看ROI。

這樣一個場景，或者產(chǎn)品，或者用了大模型，用和沒用之間的差額是什么樣子。大家都知道用大模型是有成本的，而且成本不低，起碼從目前來看，背后是跟GPU掛鉤的。所以我覺得ROI這件事情是衡量到底有沒有價(jià)值的第一標(biāo)準(zhǔn)。

但是每個企業(yè)來評價(jià)ROI的邏輯和方法是不一樣的。比如一個場景是，一個企業(yè)每個月大概有百萬左右的詢單，但是銷售只能接觸其中10%的訂單，原因是大量商品是非標(biāo)的，需要去通過工單的方式問技術(shù)人員，技術(shù)人員給他一來一回的反饋。那如果你讓客戶來補(bǔ)充這個信息，客戶可能只發(fā)一個截圖過來，我只要這個商品，你給我報(bào)個價(jià)。所以在這種場景下面，90%的生意都丟失了。

但如果在這種場景下，用AI的方式就很容易理解。用一個chat bot也好，還是說能夠自動生成一個報(bào)價(jià)單，讓90%那原本會丟掉的生意能夠接起來，這就是對這個企業(yè)的ROI的非常正面的場景。

所以在這種場景下，對成本不會特別敏感，就會達(dá)到非常好的ROI的效果。

但這個前提也很復(fù)雜，需要建很好的知識庫、需要把RAG調(diào)到自己覺得可用的狀態(tài)、模型推理效果要好、最后生成的格式是相對標(biāo)準(zhǔn)化的，并且可能還要嵌入到工作流里面，能讓最終銷售人員點(diǎn)擊確認(rèn)……所以還是一個比較復(fù)雜的體系。但很明顯大家能感受到，這個場景是ROI比較高的場景。

還有一些用法不一樣，就是短視頻公司、互聯(lián)網(wǎng)公司，拿大模型或者是AIGC內(nèi)容做導(dǎo)流。大家都知道通義千問上面有一個場景叫做全民舞王，給一張照片能讓里面的人跳起來。因?yàn)檫@個場景非常有意思，能做流量轉(zhuǎn)化，很多互聯(lián)網(wǎng)公司愿意拿這樣一個場景對外投放，投放能導(dǎo)回到APP，對他來說也是算ROI。

所以我覺得每個行業(yè)、每個場景的價(jià)值判斷不太一樣，但是唯一標(biāo)準(zhǔn)是看投出去算力卡的資源和最終收益比例是什么樣子。有的很敏感，有的不一定很敏感。

比如按照云計(jì)算的邏輯看，其實(shí)手游絕大部分都在云上面。當(dāng)時我們測算過，云的成本占手游公司的收入差不多是2%-4%，這就是ROI非常大的場景。因?yàn)槭钟魏诵某杀境巳肆χ饩褪欠?wù)器的成本，因?yàn)橐獢U(kuò)服。

我覺得如果未來大模型的成本或者算力的成本，能夠占到客戶營收或這件事情的10%以下，那我覺得就是非常成功，行業(yè)變化一定非常大。

量子位金磊：那么請問周總這邊，您覺得什么樣的AI Agent產(chǎn)品是有價(jià)值的？

瀾碼周健：第一個是所謂的崗位增效。過去AI 1.0時代，是用數(shù)字化的方式把崗位的重復(fù)性工作替代掉。今天提供了一個可能性，是說能夠用專家的方式把這個崗位的部分任務(wù)自動化掉，這其實(shí)是一個很明顯的提供價(jià)值的方式。

第二個是管理的增效。我們現(xiàn)在有個客戶是做中介平臺，交易員很多信息其實(shí)沒有被傳遞到其他交易員那里去，AI Agent就相當(dāng)于在流程當(dāng)中，能夠把這個信息更有效、更及時、更可信地傳遞出去。

過去一直說前線聽得到炮火聲的人能夠呼喚炮火，但中間還是需要通過人去傳遞信息，所以速度會慢，信息會有失真。今天如果中間是一些AI智能體去負(fù)責(zé)傳遞，前線可能只是把這個信息像無人機(jī)一樣傳遞回去，后臺由Agent總結(jié)，再讓專家做出決策，這可能會帶來更大的價(jià)值。

就像我剛才提到的，我們有服務(wù)過一個獵頭公司，他內(nèi)部有700個獵頭，一年可能發(fā)4500個offer，最終接受offer的只有3000個，剩下1500個是優(yōu)秀的候選人，那么能不能通過他內(nèi)部的700個獵頭把這1500個優(yōu)秀候選人的線索傳遞出去？這產(chǎn)生的價(jià)值其實(shí)很難用崗位增效去衡量。本質(zhì)上，基于大語言模型的AI提升了信息處理的生產(chǎn)力，我們其實(shí)能看到它在管理上的增效。

One More Thing：百模大戰(zhàn)，還有必要嗎

量子位金磊：熟悉量子位的朋友都知道，在我們公眾號文章底部，經(jīng)常會有一部分內(nèi)容叫“One More Thing”，這次我們在圓桌也設(shè)置了這樣一個環(huán)節(jié)，想請三位嘉賓發(fā)表一下自己的看法。

現(xiàn)在AIGC應(yīng)用的產(chǎn)品越來越多，對于市場和用戶來說是一件好事情，可以促使產(chǎn)品自身變得更加優(yōu)質(zhì)。但是反過來看底層的大模型，去年百模大戰(zhàn)的盛況，現(xiàn)在還有必要嗎？訓(xùn)那么多的大模型，是不是資源的浪費(fèi)、重復(fù)造輪子？以及會不會出現(xiàn)大模型層面上的一次大洗牌？

先請高總聊一聊。

輕松高玉石：百模大戰(zhàn)如果是高質(zhì)量的、確實(shí)投入真金白銀去做的，我個人覺得是比較有價(jià)值的。

因?yàn)槟壳癆I這一波的發(fā)展，特別是生成式AI這一波的發(fā)展，整體還是暴力美學(xué)的邏輯，是靠大量堆算力、堆數(shù)據(jù)去做的，就是一個典型的scaling law的方式。所以說為什么會這樣，它的一些理論到現(xiàn)在也沒有完完全全地透徹出來。整個模型從訓(xùn)練到推理各個環(huán)節(jié)，現(xiàn)在也還是有存在很多需要去探索的地方。

舉個例子，我在前兩天看到中科院發(fā)了論文，意思是說百度貼吧的弱智吧是最強(qiáng)的中文語料庫，訓(xùn)練處理模型的效果甚至要超過豆瓣、小紅書、百科這一類，過往認(rèn)為是非常高質(zhì)量的傳統(tǒng)內(nèi)容平臺。

所以這種高強(qiáng)度的競爭，必然會加速對未知、未確定東西探索的過程。而這對于加快整個AI一系列技術(shù)的發(fā)展是比較有價(jià)值的。只是在這個過程中，可能適當(dāng)做得更開放一點(diǎn)，可以緩解一些資源損耗。

至于會不會出現(xiàn)洗牌，我個人的觀點(diǎn)是看現(xiàn)在整個AI技術(shù)發(fā)展的曲線，依然是非常陡峭的，還沒有看到任何放緩或者說見頂?shù)膽B(tài)勢。在這種情況下，其實(shí)很難判斷會不會見頂。

舉一個最明顯的例子，AI視頻領(lǐng)域，在去年像Runway或者Pika基本上就是風(fēng)頭無二的狀態(tài)，但是今年初Sora一出，整個AI視頻領(lǐng)域競爭態(tài)勢發(fā)生了很大的變化，現(xiàn)在像Runway或者Pika的處境也是挺微妙的。

但是這不代表著所有東西都是不確定的，我覺得還是有一定的確定性。因?yàn)槟壳斑@一波AI是重資本、重算力、重?cái)?shù)據(jù)、重人才大的方式。所以洗牌大概率會發(fā)生在科技巨頭，或者說這些巨頭支持的創(chuàng)意公司。而且我個人覺得后者的可能性會更大一些。當(dāng)然目前還是局限于整個基模這一套，因?yàn)樵趹?yīng)用層面完全是另外一套邏輯。

量子位金磊：那徐總您覺得現(xiàn)在還需要那么多大模型嗎？

阿里云徐棟：如果站在我的工作角度當(dāng)然不需要，大家用通義千問就可以了。

事實(shí)上我們可以把這個問題稍微剖析一下，看看是不是所有大模型都是同質(zhì)的？如果都是同質(zhì)的，那么這個問題可以探討一下。

大家知道過去很多做基模的團(tuán)隊(duì)，有一些做垂直模型，比如做金融模型、做教育模型等等。以我們的觀察來說，這樣的方向可能有一定的價(jià)值，因?yàn)槠鋵?shí)是它們有獨(dú)立的詞表、有自己特定的下游任務(wù)，有一些自己finetune用的數(shù)據(jù)對在里面，包括對齊的方式都不一樣。所以我們可能還需要探討一下，所謂的基礎(chǔ)模型強(qiáng)調(diào)的是所有東西都懂，而且還有很好的泛化性。

那垂直模型未來不一定叫垂直模型了，有可能叫垂直的Agent，有可能因?yàn)樯厦娴牟寮胁町惢?dú)占的特點(diǎn)，它的詞表到下游任務(wù)、到對齊方式可能完全不一樣。甚至可以閹割掉很多基模原有的能力，就為這個場景服務(wù)；有可能能在成本和性能方面做到極致。

其實(shí)市場有很多小的模型，其實(shí)做得也非常好，就是專門做閑聊方面，成本極低，千token的成本甚至可以做到1厘以下，這也是非常好的方式。

所以我覺得關(guān)鍵看訓(xùn)練這個模型的團(tuán)隊(duì)目標(biāo)是為了去對標(biāo)ChatGPT，還是說解決具體的問題？這可能會不太一樣。這是第一個角度。

第二個角度是，過去這樣卷挺好的，好在哪里？好在人才都慢慢被培養(yǎng)出來。過去很多人才都是從NLP或者CV領(lǐng)域慢慢轉(zhuǎn)型到大模型，去做這件事情。大家卷到后面會發(fā)現(xiàn)一個問題，其實(shí)并不是要做模型架構(gòu)，而是很多人會重新理解數(shù)據(jù)工程。

什么叫好的數(shù)據(jù)、數(shù)據(jù)的多樣性是什么樣子的。比如音樂數(shù)據(jù)和語文數(shù)據(jù)和數(shù)學(xué)數(shù)據(jù)，多樣性是什么樣子的；每個數(shù)據(jù)怎么構(gòu)建復(fù)雜度。因?yàn)閿?shù)據(jù)構(gòu)建越復(fù)雜，最后的效果可能會更好。

另外什么叫做好的數(shù)據(jù)質(zhì)量，包括不同的數(shù)據(jù)的配比。為什么我覺得這件事情是有意義的，是因?yàn)楹芏嗷５闹R經(jīng)驗(yàn)，未來完全可以被復(fù)用到在下游任務(wù)的finetune環(huán)節(jié)。因?yàn)橹R會傳播，所以有這么多人才做這件事情，這對未來整個模型探索商業(yè)化，最終搭出足夠有用的、正ROI的Agent一定有非常大的幫助。

所以從我的角度來說，我覺得過去卷一卷并沒有造成太多浪費(fèi)，還是挺好的一個方向。當(dāng)然也特別歡迎大家多用用通義千問，不管是開源還是閉源的，因?yàn)樾Ч_實(shí)還是不錯的。

量子位金磊：最后請周總談?wù)剬τ谶@個問題的看法。

瀾碼周健：我覺得既多又不多。我挺同意徐總講的，攀科技樹這邊最后應(yīng)該只會剩下幾家，因?yàn)橹袊⒉恍枰话偌夷軌蜃汾sGPT4、GPT-5的大模型公司。

今天從商品的角度上來講，往下細(xì)分，比如像代碼的生成模型已經(jīng)明顯占據(jù)一個品類了，而其他的大家現(xiàn)在更多都是在用13B、33B、72B，這是很詭異的一件事情。包括像大家買商品買的是代碼模型、金融模型，不會買一個多少參數(shù)的模型。我覺得不同專業(yè)場景下會有不同的數(shù)據(jù)集，他們能夠發(fā)揮出來更好的用途。

當(dāng)然，因?yàn)檫@波風(fēng)潮，準(zhǔn)備好了這些人才，隨著產(chǎn)業(yè)逐步分化、融資游戲結(jié)束之后，二線大模型公司要找自己的定位，就需要進(jìn)場景，找我們應(yīng)用方、場景方合作做一些市場，正向叫Scaling law，反向?qū)嶋H上它需要的算力并不多。其實(shí)越小的模型，通用性能力會越弱，只能用作專業(yè)性。而就專業(yè)性情況來講，13B可能需要100個，70B可能需要10個，萬億模型只需要2、3個，這是我現(xiàn)在能看到的情況。

而我們這樣做Agent的廠商，希望在各種場景當(dāng)中選需要的模型，現(xiàn)在模型都沒有什么描述，包括產(chǎn)品、feature、list都沒有，需要各種各樣去測才知道什么場景用哪個，這是行業(yè)最早期的時候。

我相信跟軟件行業(yè)一樣，最終會細(xì)分到ERP、CRM、OA等功能，而不會說我這是7B模型，我這是33B模型。并且下半年逐步會出來細(xì)分的模型，上面做應(yīng)用的廠商就會更容易一些。如果每個應(yīng)用廠商都要測，太浪費(fèi)整個行業(yè)的精力了。

量子位金磊：非常感謝三位嘉賓從不同角度數(shù)據(jù)、人才、資源等等方面分享自己關(guān)于這個問題的觀點(diǎn)。由于時間問題，這場圓桌到此結(jié)束了。至于AIGC應(yīng)用下半年又會怎么發(fā)展，我們明年大會再揭曉答案，謝謝大家。

版權(quán)所有，未經(jīng)授權(quán)不得以任何形式轉(zhuǎn)載及使用，違者必究。