购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第四节
大模型为商业带来新范式

大模型技术不仅推动了人工智能的发展,也带来了影响商业的多个变化,例如人机交互方式、软件应用生态、智能生产方式、数据飞轮的形成等,这些改变会重塑企业提供产品、服务的形式和流程,以及企业内部的流程。

一、大模型,重新定义人机交互

人和各类机器、设备之间的交互方式,是当代商业发展中的重要竞争要素。

例如,在计算机领域,早期的计算机普及度并不高,因为用户需要通过命令符来进行计算机操作,虽然高效,但使用门槛极高。随后,微软发布Windows 1.0(视窗操作系统1.0),首次采用了图形界面以及鼠标操作,人和计算机之间的交互门槛大幅降低。新的交互方式让个人计算机的潜在使用人群扩大了千倍甚至万倍,加速了个人计算机的普及,以及办公套件、游戏、浏览器等各种应用的诞生。可以说,从键入命令到点击图标,是信息革命在社会中普及的关键。

再如,在手机领域,从键盘输入到触屏输入,也降低了手机的使用门槛,提供了全新的使用体验,加速了移动浪潮的普及。

人机交互方式的改变会深刻改变终端的竞争格局,例如微软、苹果的强大,诺基亚的没落。同时,也诞生了许多新的业态,例如基于交互产生了新的业态,包括浏览器的出现、游戏公司的诞生、各类应用公司的发展。而传统的公司也需要结合新的交互方式组织生产,例如使用计算机后,公司推动电子化改造,从而获得更高的效率。智能手机普及后,公司围绕移动端开发小程序、公众号等入口,为用户提供服务。

显然,图形界面用鼠标或手指触控来交互,依然不是最自然的交互方式,人机交互方式仍需继续“进化”。

而大模型的出现,将重新定义人机交互。

首先,大模型使人和系统之间的交互靠自然语言驱动,这就再次降低了交互门槛,可以提升交互体验。毕竟,会输入命令符的人很少,会使用图标和鼠标的人多一些,而通过说话来表达需求的人更多。

通过多模态能力,大模型可以整合视觉、听觉和文本数据,提供更为丰富的交互方式。例如,语音交互,借助大模型技术,可以对用户的语音输入进行更加准确的识别,机器的语音输出也更加真人化,有声调、有情感,甚至可以在获得用户授权后,从语音中感受用户的情绪,通过前置摄像头观察用户的面部表情并分析其情绪变化等。

在搜索领域,目前通常需要使用文字来表达自己的意图,使用门槛仍比较高,尤其当用户面临的需求无法用语言精准描述时。例如,当用户出国在海外碰到一些不认识的图标时,如果用传统搜索方式就会比较麻烦。但借助大模型,拍张照片,再用语音输入,就能让大模型理解用户的意图,并提供精准的信息。

其次,大模型将会缩短App(应用程序)的使用路径,使大模型通过语音交互成为新的入口。

移动互联网时代产生了数百万款App,这些App从不同角度满足了我们在生活和工作中的需求。当使用各类App时,用户需要逐一打开App来实现自己的目标,但借助大模型技术,开发新的智能体(Agent)后,无论我们有什么需求,都可以由智能体进行自动规划,然后自动访问相关App,就像有一个看不见的精灵在操控这些App一样,满足我们的需求。这种使用习惯一旦形成,将对应用生态、传统行业和用户的交互产生很大的影响。

在企业内部应用端也会有类似的情况发生。例如传统财务流程等,可以通过智能体来实现一键完成。关于智能体,会在第二章进行详细阐述。

最后,大模型能力会逐渐成为用户的刚需。从用户结构来看,就像“80后”“90后”是“互联网原住民”一样,2020年以后出生的群体也会成为“人工智能原住民”。用户会通过使用各种或大或小的人工智能应用、人工智能功能,建立对人工智能的天然好感,形成旺盛的人工智能需求。

展望来看,各个面向C端(消费者端)的应用,或者企业内部由员工使用的应用,都会是基于人工智能开发的应用。

回溯来看,人机交互正越来越自洽。如图1-8所示,从物理交互界面到编程交互界面,打通了物理世界到数字世界的通道;从编程交互界面到图形交互界面,实现了从编程操作到点选操作。大模型的出现,实现了从图形交互界面到对话式交互界面的转换,也打通了人类语言和机器语言。用户只需要用自然语言提出需求,大模型就可以自主理解需求,再生成内容,最后使用工具,由工具提供最终服务,人机之间的融合会进一步自洽,带来的不仅是新体验,还是新范式。

图1-8 互联网带来变革示意图

注:GUI表示图形用户界面;LGUI是一个概念上的界面设计理念,它主要强调逻辑性和用户交互的高效性。

无论是企业内部交互、企业和用户之间的交互,还是用户和设备之间的交互,都会因为大模型而带来改变,也会像计算机交互变革、手机交互变革那样,深刻影响商业竞争格局。

二、软件应用,迎来全面改变

各类软件应用已经成为产业场景和生活场景中必不可少的业务入口与服务交付渠道。因此,当软件应用发生改变时,带来的也一定是巨大的机遇和颠覆效应。大模型时代,未来的应用会发生三个重要变化。

第一,真正以用户为中心,提供标准化、个性化服务。“千人千面”是许多公司希望能为用户提供的体验,虽然通过大数据等技术已经可以实现一定的个性化推荐等服务,但存在两个问题:一是算法不够先进,“套路化”仍比较明显,“千人百面”甚至“千人十面”;二是支撑个性化服务的各类工具对中小企业仍有使用门槛。因此,用户感受到的个性化,并不是个体专属,而是某种规则、套路下的群体专属。

大模型提升了各类应用提供个性化服务的能力。大参数、大数据、大算力显著提升了人工智能的能力,可以高效实现各类个性化服务。同时,后文也会讲述,大模型大幅降低了开发门槛,中小企业也可以快捷应用大模型,让个性化能力实现普及。

例如,智能手机可以根据用户的日常行为模式推荐个性化的内容或应用。这种个性化的服务不仅提高了用户满意度,还使人机交互更有人情味,可以让用户获得“更懂我”的情绪价值。

第二,真正出现端到端解决方案型应用,每一个都由人工智能和数据驱动来做决策和操作,极大地提升运营效果和效率。所谓人工智能原生应用不一定是一个独立的App,而是把人工智能应用到业务的原生场景中。并不需要等待像移动互联网时代那样的爆款应用,企业的正确做法就是把大模型用到自己业务的各个环节中,把“研产供销服”的各个相关场景都试一遍,也就是嵌入式人工智能。企业有多少业务场景,未来就可以有多少人工智能原生应用。而这些应用,都由人工智能来控制,并给出极致的方案。

第三,软件应用的开发范式会发生变化。编程不再是少数经过专业训练的程序员的特权,相反,人人都是开发者;编程不再需要从C/C++(计算机语言)学起,而是从自然语言开始;编程不再是面向过程、面向对象,而是面向需求。大模型时代编程的过程,就是一个人表达愿望的过程。

但是在应用开发的过程中,仍有无数不确定性,许多人不知道如何从模型变成应用。在后文会讲述如何基于大模型,直接、高效、简单地构建智能体应用。

由于应用开发更加容易,创业也会更加繁荣。有观点说,在互联网领域,好的创意是创业成功的一半,但要把创意实现却异常困难。开发所需的技术、资金、人力等,就是一大门槛。因此,应用开发越来越容易也就意味着创业成本会显著降低,就会激发更多有创意的人尝试实现自己的想法。这不局限于互联网领域,其他行业的从业者也开始用人工智能来探索新的业态。

软件应用的变化,并不止于应用本身。创业更加繁荣,经济也会更有活力。

三、带来智能生产的新范式

大模型提升了人类获取知识的效率,从而影响了企业的人才资源,并带来了智能生产的新范式。

传统方式下,个人和组织获取知识的效率是有限的。著名的1万小时定律大家都不陌生,马尔科姆·格拉德威尔在《异类》一书中指出,1万小时的锤炼,是任何人想在某个领域达到大师水平的必要条件。如果一周工作5天,每天工作8小时,1万小时的锤炼意味着至少需要5年。

即使如此,在这期间获得的知识也是很有限的。假设我们把这1万小时全部用来阅读,我们也只能读1.8亿个汉字,把它换成二进制数据,只有500MB(兆字节)左右。

个体能力的边界同样制约了一个组织和企业的进化速度,更何况在绝大多数组织和企业中,每一个人都被大量的事务性、重复性工作所困扰,真正能用于创造性工作的时间少而又少。

但大模型改变了这一切。

在千卡集群上,GPT-3仅用一个月的训练时间就将45TB的数据内化其中,相当于汇聚了9万多个不同领域经过1万小时锤炼的专家的集体智慧。GPT-3包罗万象,而且即问即答。GPT-4、文心一言4.0等大模型更是进一步扩大了知识量,而且这些模型还在快速演进。

知识从此不再受到时间、空间和语言的局限,每个人都可以跳过1万小时的漫长修行,直接从第“一万零一小时”开始。每次只要动动嘴或手,就可以轻松获得所需的信息和知识。这意味着,人们能从更高的起点,以更快的速度,攀登一座座知识的高峰。

对于组织和企业而言,智能生产的新范式正在形成。员工不再需要投入大量时间去死记硬背常规内容,有问题时只要去问大模型,就能快速获得高质量的解答,相当于提升了每位员工的知识储备和企业的人才密度。对于知识密集型的领域,尤其如此。

大模型也可以显著提高专家的工作效率。专家只需要说几句话,就可以让大模型自动去调度、指挥多个系统或智能体,完成大量的事务性工作。大模型让专家能够专注于高质量、富有创新性的工作。

更重要的是,大模型强大的理解和生成能力,能够整合不同领域的知识,创造出前所未有的“人工智能新物种”。

历史上无数次重大创新,其实都来自跨界创新。例如,蒸汽机和纺纱机相结合,从而创造了蒸汽纺纱机这个跨界新物种,彻底改变了纺织业的生产力。电池技术和汽车动力系统相结合,就有了电动车,彻底改变了汽车产业的格局。

可以预见,有了大模型后,创新不再是天才的专利,通过便捷地将不同领域的知识进行整合,每一个企业、每一个团队甚至每一个员工都有机会实现真正的颠覆式创新。此外,大模型对于ToB(面向企业客户)业务的改造会是非常深刻和彻底的,比互联网对于ToB的影响力要大一个数量级,这是每个企业家都应该重视的大趋势。

四、加速数据飞轮形成

数据是金矿,这个理念已经被越来越多的人接受。然而,数据要变成金矿并不容易。原始数据十分庞杂,质量参差不齐,传统技术对数据的处理能力也有限,而大模型则有效加快了这个流程。

例如,百度打造了面向大模型场景的大数据工程,支持海量非结构化数据入湖,并通过元数据发现提取元信息(表结构),构建原始数据集;接下来,通过一整条从数据采集到数据标记分类、数据过滤、数据去重、数据脱敏的流水线,就可以高效完成数据清洗,最终产出AI-ready 的高质量数据集,用于大模型的预训练或者精调。

有了大模型,要让大模型更懂你的业务,还需要让它能够利用企业的专属知识。而检索增强生成(RAG)等技术(后文会详细阐述),则可以充分挖掘企业内部数据。模型用起来以后,数据飞轮就可以启动了。

如图1-9所示,企业可以把应用中产生的宝贵数据反馈给模型,再通过各类微调模型,使模型性能越来越好。模型变好,产品体验就会变好,用户就会更多,进而创造更多的反馈数据。就这样周而复始地创造新数据,利用新数据去迭代模型,用好的模型来升级应用,用好的应用来吸引用户创造更多数据,就是我们常说的数据飞轮。一个企业的数据飞轮一旦转起来,该企业在这个场景下的优势就会越来越大,形成雪球效应。

图1-9 数据飞轮

每一次交互变革,都会带来巨大的产业影响。在计算机领域,从输入命令符交互到鼠标点击图标交互,大幅降低了计算机的使用门槛,扩大了计算机的使用人群,也加速了信息革命的普及,诞生了许多新业态。

而大模型重新定义了人机交互,使人和系统之间的交互可以完全靠自然语言驱动,也促使大模型语音交互成为新的入口。另外,人工智能原住民群体逐渐增加,也促使大模型成为面向C端、企业内部等应用的必备技术。

大模型带来应用的改变。第一,真正以用户为中心,提供标准化、个性化服务。第二,真正出现端到端解决方案型应用,每一个都由人工智能和数据驱动来做决策和操作,极致地提升运营效果和效率。第三,软件应用的开发范式会发生变化,人人都是开发者。

大模型带来智能生产新范式。每个人都可以跳过1万小时的漫长修行,直接从第“一万零一小时”开始。每次只要动动嘴或手,就可以轻松获得所需的信息和知识。可以显著提高专家的工作效率,也可以整合不同领域的知识,创造出前所未有的“人工智能新物种”。 nJMdZ2QkRoo06D0JOWUtPUQ0SxXmLNl7LtgdKDumNcoVEuZQnXqjbTF9PTae9rUY

点击中间区域
呼出菜单
上一章
目录
下一章
×