8月22日，2024AGI商業(yè)趨勢大會在深圳成功舉行。大會由創(chuàng)業(yè)邦主辦，南山區(qū)科技創(chuàng)新局、西麗湖國際科教城融合創(chuàng)新中心、深圳市“模力營”AI生態(tài)社區(qū)為支持單位，攬勝運動為大會指定用車，搜狐為戰(zhàn)略合作媒體。
本屆大會以“AI塑造未來市場”為主題，邀請人工智能領(lǐng)域的行業(yè)專家、上市公司、獨角獸企業(yè)、創(chuàng)新企業(yè)、投資機構(gòu)代表，分享研討最新的技術(shù)、創(chuàng)投、治理熱點話題，并圍繞產(chǎn)品商業(yè)化、人工智能+行業(yè)解決方案進行深度交流，共同探尋更廣泛的產(chǎn)業(yè)合作與創(chuàng)新機遇。
會上，OPPO巡星投資總經(jīng)理喬雨婷，春雨醫(yī)生CTO、聯(lián)合創(chuàng)始人曾柏毅，和氣聚力教育科技聯(lián)合創(chuàng)始人成碩，海天瑞聲首席技術(shù)官兼自動駕駛事業(yè)部總經(jīng)理黃宇凱，獵聘技術(shù)副總裁、AI中心負責(zé)人莫瑜在“產(chǎn)業(yè)大模型的數(shù)智價值”焦點對話中的精彩觀點如下：
1. 到處都是低垂的果實，這就是AI的時代。
2. 除了要緊跟技術(shù)的變化，更要關(guān)注客戶需求與商業(yè)的本質(zhì)。
3. 創(chuàng)業(yè)要考慮技術(shù)+產(chǎn)品+應(yīng)用三者之間的有機結(jié)合，形成商業(yè)模式，才能走得更長更遠。
4. 要持續(xù)建設(shè)數(shù)據(jù)飛輪，讓業(yè)務(wù)能夠持續(xù)地增長和進化。
以下為對話內(nèi)容，由創(chuàng)業(yè)邦整理：
喬雨婷（主持人）：大家上午好，我是OPPO巡星投資總經(jīng)理喬雨婷，特別榮幸主持本場AI產(chǎn)業(yè)界的panel。首先請問各位，如何看待AI+創(chuàng)新模式和變革的力量，以及如何理解產(chǎn)業(yè)大模型的數(shù)智價值？
曾柏毅：OpenAI問世已經(jīng)一年多，我們看到AI肯定是未來十年最重大的趨勢之一。它對產(chǎn)業(yè)的深遠影響，必將持續(xù)很長時間。接下來我講下自己的三個觀察：
第一，AI作為提升普通人工作效率的工具，正在迅速普及，許多聊天應(yīng)用，包括各種Talk類型的應(yīng)用，已經(jīng)成為效率工具中最重要的一環(huán)。
第二，AI正在利用行業(yè)數(shù)據(jù)來改造行業(yè)。在春雨醫(yī)生平臺，大部分任務(wù)都涉及到AI的參與。我們通過AI改進整體的效率，這背后依賴于對行業(yè)深刻理解和專業(yè)知識積累。
第三，今天很多嘉賓提到范式轉(zhuǎn)移，有一些任務(wù)可以完全通過AI完成，我認為范式轉(zhuǎn)移是完全有可能發(fā)生的事情。
喬雨婷（主持人）：結(jié)合春雨醫(yī)生的幾大業(yè)務(wù)板塊，是否可以根據(jù)“AI提升效率從高到低”做一個排序？
曾柏毅：我認為效率沒有高低之分，是不同的應(yīng)用場景。比如說普通人的應(yīng)用，大多是用AI實現(xiàn)“寫一篇文章”“修改一個E-mail”這樣分散的場景。對于很多企業(yè)內(nèi)的場景，提升企業(yè)整個運轉(zhuǎn)的效率，它一定是需要有行業(yè)參與的。在我看來，不涉及效率高低之分，而是在不同的細分形態(tài)里面，有各自適合的場景。
喬雨婷（主持人）：比如說客服，對比之前的NLP業(yè)務(wù)人員效率提升了多少？
曾柏毅：我以質(zhì)量控制為例解釋一下。春雨醫(yī)生平臺每天接待數(shù)萬名用戶在線問診。我們致力于確保每位用戶都能獲得高質(zhì)量的醫(yī)療服務(wù)體驗。為了實現(xiàn)這一目標，我們建立了一套系統(tǒng)，通過抽樣檢查，由客服和專家團隊對問診回復(fù)進行評估，并對用戶的負面反饋進行深入分析，以找出問題所在。
目前，我們的大部分工作（大約80%）已經(jīng)實現(xiàn)了自動化，由AI完成初步篩選。AI能夠從多個維度對問診回復(fù)進行評估，包括同理心、專業(yè)性和回復(fù)的詳盡性等。評估完成后，我們會將結(jié)果直接反饋給醫(yī)生，作為他們提升線上服務(wù)質(zhì)量的依據(jù)，或提供給客服團隊進行后續(xù)跟進。
與過去相比，現(xiàn)代的自然語言處理（NLP）模型在處理這類任務(wù)時更為高效，不再需要依賴大量的訓(xùn)練數(shù)據(jù)，這大大提升了我們的工作效率和服務(wù)質(zhì)量。
喬雨婷（主持人）：請成總介紹一下AI為教育行業(yè)帶來的改變和應(yīng)用。
成碩：我們公司專注于校內(nèi)教育的數(shù)字化?？赡茉谧芏喽际羌议L，作為家長，我們都希望孩子能得到個性化教育，但學(xué)校體系中存在兩大制約因素。
第一，大班授課模式下，如何準確掌握每個學(xué)生的學(xué)習(xí)情況，以便提供個性化指導(dǎo)，這是一大挑戰(zhàn)。這需要我們進行有效的數(shù)據(jù)采集和分析。
第二，教師的時間和精力有限。我們經(jīng)?？吹嚼蠋焸兗影嗟缴钜?，批改作業(yè)和作文，這對他們的身心健康是一種考驗。
為了解決這些問題，我們認為可以利用數(shù)字化技術(shù)和人工智能技術(shù)來提高教育效率。自2015年以來，我們一直在探索人工智能與教育的結(jié)合，并開發(fā)了多種產(chǎn)品。隨著大模型技術(shù)的出現(xiàn)，我們的產(chǎn)品也在不斷升級。例如，我們研發(fā)的人工智能排課產(chǎn)品，通過啟發(fā)式算法，幫助教務(wù)老師自動化排課，減輕了他們的工作負擔。我們還研發(fā)了自動化批改工具，包括試卷批改和數(shù)據(jù)分析，以及去年推出的生成式AI智能作文教學(xué)產(chǎn)品，幫助老師生成評語和建議，老師可以在此基礎(chǔ)上修改，提高工作效率，實現(xiàn)作文教學(xué)的減負增效。
喬雨婷（主持人）：謝謝成總。接下來我們請黃總分享一下。
黃宇凱：我們會看到各行各業(yè)只要當它需要運用AI能力或者大模型的時候，都會有或多或少數(shù)據(jù)方面的需求。這些需求往往需要我們這樣的公司來提供支持。隨著大模型技術(shù)的飛速發(fā)展，我們見證了它在多個領(lǐng)域的革命性應(yīng)用。
正如融360葉總所指出的，AI技術(shù)已經(jīng)使得許多原本依賴人工的任務(wù)實現(xiàn)了自動化，同時交互方式也因技術(shù)進步而變得更加豐富和便捷。這些進步都是由先進的AI技術(shù)，尤其是大模型技術(shù)所驅(qū)動的。
在產(chǎn)業(yè)層面，我們觀察到企業(yè)正積極將AI能力整合到他們的業(yè)務(wù)中。通過不斷的數(shù)據(jù)優(yōu)化和模型調(diào)整，企業(yè)正在尋找最佳的應(yīng)用平衡點，以實現(xiàn)產(chǎn)品市場契合度（PMF），從而推動產(chǎn)業(yè)發(fā)展。
在公司內(nèi)部，我們也在積極擁抱AI技術(shù)。作為全球領(lǐng)先AI數(shù)據(jù)服務(wù)提供商，我們深知效率和成本的重要性。傳統(tǒng)的數(shù)據(jù)清洗和標注工作不僅耗時而且成本高昂。為此，我們投入了大量研發(fā)資源，通過自動化預(yù)標注和質(zhì)量檢測等技術(shù)，顯著提升了我們的工作效率和市場競爭力。隨著大模型技術(shù)的整合，我們在語音、文本和視覺處理等多個領(lǐng)域?qū)崿F(xiàn)了生產(chǎn)效率的飛躍，同時降低了運營成本。這不僅使我們能夠擴大服務(wù)范圍，也為整個數(shù)據(jù)服務(wù)行業(yè)帶來了深遠的影響。
喬雨婷（主持人）：謝謝黃總。莫總，您覺得在人力資源行業(yè)，AI對獵聘的改變是什么？
莫瑜：大家好，我是獵聘技術(shù)副總裁、AI中心負責(zé)人莫瑜。獵聘是一家人力資源科技公司，在大模型技術(shù)出現(xiàn)之前，我們就已經(jīng)在為人力資源行業(yè)提供賦能服務(wù)。在求職招聘領(lǐng)域，尤其是招聘端，我們致力于幫助HR和獵頭提高工作效率。
傳統(tǒng)上，我們依賴搜索推薦系統(tǒng)這種常見的模式。大模型技術(shù)的出現(xiàn)，為我們解決了兩個主要問題。首先，它增強了需求表達的能力，不再局限于標準的標簽或關(guān)鍵詞，而是可以使用更自然的語言表達招聘需求。這對于處理那些包含復(fù)雜條件的招聘訴求特別有幫助。其次，傳統(tǒng)的搜索推薦系統(tǒng)主要依賴用戶行為的隱式反饋，比如用戶的點擊行為。而大模型技術(shù)允許我們收集更多顯式的反饋，從而進一步提升交互效果和能力。
除了招聘場景，我們還開發(fā)了智能面試官，通過智能面試的方式，顯著提高了初篩的效率。此外，我們還在內(nèi)部賦能方面做了很多工作，包括內(nèi)容審核和銷售賦能等。
喬雨婷（主持人）：謝謝莫總。各位都是真正在AI一線參與產(chǎn)業(yè)落地的，其實像去年火熱的“百模大戰(zhàn)”，還是停留在模型層面。今年是要落地見真章，真正聚焦效率，聚焦是否可以找到PMF實現(xiàn)利潤的增長。各位分享一下，在您各自的領(lǐng)域，抽離出來的AI落地方法論是哪些？
曾柏毅：我跟其他做AI的人也討論過，我覺得AI應(yīng)用有兩種模式：一個是油電混合，一個是自動駕駛。油電混合是說從油車到電車的過程是漸進的過程，可以有增程，有純電，當然也不需要一上來就到純電。
其實大模型的應(yīng)用，我認為也是這樣的。在醫(yī)療這個行業(yè)里面，我們有兩類東西，一類是漸進的，自控的改善，它可以改善50%，也可以改善80%。只要你用上了，它就能夠提升效率。另外一類是AI問診或AI家庭醫(yī)生，這個是整個醫(yī)療大模型的圣杯，但這個非常難，它有點像自動駕駛，可能做不到99.99%，都很難說服用戶去用。
我們的策略是先從油電混合型的業(yè)務(wù)開始，通過不斷迭代提高效率和效果。在這個過程中，醫(yī)生使用AI模型進行輔診，這不僅能提供校準AI輸出的機會，還能產(chǎn)生新的數(shù)據(jù)，幫助我們逐步接近AI家庭醫(yī)生的目標。對我們來說，是兩者相結(jié)合的。
成碩：我結(jié)合我們自己的產(chǎn)品，從四個方面分享我的看法：場景、客戶、需求和數(shù)據(jù)。
剛剛有提到說，我們的產(chǎn)品是圍繞“怎么去幫學(xué)校減負、實現(xiàn)因材施教”，包括幫老師從繁重的工作中解放出來，讓老師將更多的精力專注在教學(xué)本身和學(xué)生個性成長上。這得益于8年的教育數(shù)字化經(jīng)驗，和氣聚力教育科技與八千多所學(xué)校合作，積累了大量教學(xué)的學(xué)情數(shù)據(jù)。去年，大模型技術(shù)的出現(xiàn)讓我們看到了“AI+教育”領(lǐng)域的巨大變革潛力。
首先，場景端。我們以去年推出的好專業(yè)作文智能教學(xué)產(chǎn)品為例。這個產(chǎn)品是基于現(xiàn)有語文教學(xué)需求場景的升級，而非創(chuàng)造新場景。我們先確定具體需求場景，再尋找可應(yīng)用的技術(shù)，這與傳統(tǒng)技術(shù)先行的方式有所不同。同時，我們邀請學(xué)校特級語文老師參與到產(chǎn)品開發(fā)的工作中來，會根據(jù)他們的反饋調(diào)整評語和評分標準等。
第二，客戶端。為了把這個產(chǎn)品做好，我有兩次深入到學(xué)校的深刻印象。第一次是公司剛成立的時候，我去學(xué)校辦公；第二次是去年大模型出現(xiàn)的時候，我又回到學(xué)校辦公。因為作為一個應(yīng)用型的Saas類公司，我必須要時刻跟客戶在一起。
第三，需求端。我們認識到，要打造爆款產(chǎn)品，不僅要滿足客戶需求，還要幫助他們梳理需求的優(yōu)先級。作為技術(shù)提供者，我們需要幫助客戶理解人工智能技術(shù)的發(fā)展，并明確哪些需求是可行的。
第四，數(shù)據(jù)端。我們的產(chǎn)品之所以能在半年內(nèi)吸引數(shù)百所學(xué)校付費使用，離不開我們對數(shù)據(jù)的長期積累，以及將先進的大模型技術(shù)與特定垂直領(lǐng)域的數(shù)據(jù)緊密結(jié)合。
喬雨婷（主持人）：謝謝成總。我覺得非常重要的一點，是要先找場景，看哪些場景可以結(jié)合AI改善用戶體驗，而不是先去找技術(shù)，我覺得這是給AI創(chuàng)業(yè)者很重要的啟發(fā)。
黃宇凱：我非常認同落地方法論的重要性。在AI應(yīng)用開發(fā)中，我們首先需要深入理解具體的應(yīng)用場景，選擇恰當?shù)哪Ｐ秃退惴軜?gòu)，找到正確的數(shù)據(jù)和數(shù)據(jù)處理方法。然后通過不斷迭代產(chǎn)品來實現(xiàn)持續(xù)升級。
在大模型時代，快速迭代顯得尤為關(guān)鍵。它不僅能夠提高大模型在創(chuàng)業(yè)初期的落地成功率，更是推動項目快速發(fā)展的決定性因素。我們可以通過采用小批量數(shù)據(jù)和較小規(guī)模的模型來進行快速驗證，然后通過小規(guī)模的用戶測試來收集反饋，進而實現(xiàn)產(chǎn)品的快速迭代。
以我們自動駕駛服務(wù)為例，自動駕駛相關(guān)數(shù)據(jù)標注的需求變化非常迅速。我們需迅速適應(yīng)客戶的需求，與算法團隊緊密合作，理解他們的技術(shù)發(fā)展路線，并進行大量的試錯。在某些情況下，我們僅需處理少量高質(zhì)量的精確數(shù)據(jù)，如幾十幀視頻或幾張圖片，就能迅速達到算法所需的數(shù)據(jù)量級，并觀察到明顯的改進效果。這種快速迭代的能力對我們的數(shù)據(jù)服務(wù)行業(yè)至關(guān)重要，它不僅幫助我們快速適應(yīng)市場的變化，也使我們的客戶能夠迅速實現(xiàn)大模型或AI技術(shù)的落地和應(yīng)用。
莫瑜：當場景、業(yè)務(wù)這些相對比較明確之后，我們做一個比喻—將開源或閉源的模型比作招聘數(shù)字員工。這些模型的能力在不斷增強，就像不斷有新員工加入或離職。我們內(nèi)部在探索和應(yīng)用這些模型時，需要考慮如何選擇合適的模型，并建立培訓(xùn)機制，以適應(yīng)不同場景。選用育留的機制其實是未來能夠區(qū)分不同企業(yè)或組織做得極致與否的體現(xiàn)，也是壁壘的體現(xiàn)。
我們培養(yǎng)一個新的數(shù)字員工，整合企業(yè)數(shù)據(jù)和流程，類似于將大型模型轉(zhuǎn)化為具有工作流程的智能代理。關(guān)鍵的第一步是建立機制，以確保我們的系統(tǒng)能夠與大型模型同步迭代和進化。
另外，我也非常認同馬毅教授的觀點—一個模型能力再強，如果沒有迭代，它就只能被視作維持在“做計算”的本能階段。只有針對具體業(yè)務(wù)場景進行持續(xù)優(yōu)化和實時更新，它才走向了真正的智能。這就需要我們持續(xù)構(gòu)建數(shù)據(jù)飛輪，持續(xù)做積累。
喬雨婷（主持人）：謝謝莫總。特定場景的agent，其實不是一個特別大的模型，而是一些中小模型。您作為公司的技術(shù)負責(zé)人，怎么去平衡資源的分配？
莫瑜：不同的模型具有不同的能力范圍和強度。有些模型更擅長處理文科類任務(wù)，而有些則更適合理科類問題。在選擇模型時，我們需要從業(yè)務(wù)角度出發(fā)，綜合考慮效果、性能和成本，并非總是選擇最大的模型。因為某些場景可能對性能有較高要求，而其他場景可能更注重效果。因此，我們需要根據(jù)不同場景建立相應(yīng)的評估和應(yīng)用機制。
喬雨婷（主持人）：感謝各位精彩的觀點輸出。最后請各位分享一句與創(chuàng)業(yè)者共勉的話，謝謝。
曾柏毅：到處都是低垂的果實，這就是AI的時代。
成碩：除了要緊跟技術(shù)的變化，更要關(guān)注客戶需求與商業(yè)的本質(zhì)。
黃宇凱：創(chuàng)業(yè)要考慮技術(shù)+產(chǎn)品+應(yīng)用三者之間的有機結(jié)合，形成商業(yè)模式，才能走得更長更遠。
莫瑜：我們要持續(xù)建設(shè)數(shù)據(jù)飛輪，讓業(yè)務(wù)能夠持續(xù)地增長和進化。
9月19-20日，更多的創(chuàng)業(yè)者將登上2024 DEMO CHINA的舞臺，在AI紀元綻放自己的創(chuàng)新力量。
