作者 | 鄧詠儀
編輯 | 蘇建勛
2022年11月，ChatGPT面世，帶動(dòng)了大模型的全球熱潮，僅僅一年，這波新AI浪潮就迅速快進(jìn)到在企業(yè)側(cè)落地從AI大廠、創(chuàng)業(yè)公司到企業(yè)客戶，大家都急切地想探索出一條可行的，讓大模型落地的路徑。
但對(duì)追一科技而言，這已經(jīng)不是新鮮事。
上一波AI創(chuàng)新浪潮催生出主打CV方向的商湯、曠視等“AI四小龍”，相較之下，如今火熱的NLP（自然語言處理）被稱為是“人工智能皇冠上的明珠”，在當(dāng)年是更少人走的路，其技術(shù)創(chuàng)新處于更早期階段。
在上一波AI浪潮中，追一科技是典型的明星AI創(chuàng)業(yè)團(tuán)隊(duì)。創(chuàng)始人CEO吳悅2006年進(jìn)入騰訊后，用五年時(shí)間成為騰訊最年輕的T4專家工程師，曾領(lǐng)導(dǎo)SOSO搜索技術(shù)團(tuán)隊(duì)。2016年，他與幾位騰訊的技術(shù)和產(chǎn)品的核心成員共同成立了追一科技。
成立開始，NLP行業(yè)也正值投資熱潮，追一憑借著智能客服等對(duì)話機(jī)器人產(chǎn)品，迅速商業(yè)化，開始市場(chǎng)擴(kuò)張。如今，追一科技在金融、運(yùn)營(yíng)商、政務(wù)領(lǐng)域落地較多。在金融領(lǐng)域，追一科技服務(wù)了40%的前100銀行客戶，以及頭部的保險(xiǎn)集團(tuán)和券商客戶，以及互聯(lián)網(wǎng)等行業(yè)。
但從2019年開始，追一科技開始經(jīng)歷了一段“坐冷板凳”的時(shí)光，其走過的“落地旅程”，也正是上一代AI公司的敘事大型客戶業(yè)務(wù)上有海量的定制化開發(fā)需求，面向科技部門針對(duì)大型客戶不同的操作系統(tǒng)、數(shù)據(jù)庫、中間件做適配。單純靠人力滿足定制化的項(xiàng)目需求，這很難讓AI公司真正規(guī)�；�
“一招打遍天下”很難走通，追一科技開始逐步補(bǔ)齊To B服務(wù)的完整鏈條。從前期的咨詢到后期的交付和服務(wù)，最高峰時(shí)期，追一科技的團(tuán)隊(duì)擴(kuò)展至接近500人。
而在疫情之后，追一科技開始了一段艱難的取舍之路什么項(xiàng)目可做、什么項(xiàng)目不能做？要投入多少人力到定制化項(xiàng)目中？
“可以說，我們用7年的時(shí)間補(bǔ)齊了這些To B能力，到今年完成了最后一公里，剛好碰上了大模型浪潮。”吳悅表示。
來源：追一科技
經(jīng)歷了艱難的產(chǎn)品化和團(tuán)隊(duì)重振旗鼓，直到2023年ChatGPT為首的大模型熱浪席卷全球，追一科技將其視作不能錯(cuò)過的機(jī)會(huì)。近期，追一科技也推出了垂直大模型“博文”，專門面向服務(wù)和營(yíng)銷領(lǐng)域。
在博文領(lǐng)域模型之上，追一科技還研發(fā)了一套AI Agent框架，用戶可以基于這個(gè)框架，讓大模型的能力更好地發(fā)揮出來，也實(shí)現(xiàn)最終模型輸出結(jié)果的可控。
“博文大模型是從客戶實(shí)際業(yè)務(wù)場(chǎng)景和需求中成長(zhǎng)起來的。”吳悅認(rèn)為，在如今琳瑯滿目的大模型中，能落地、對(duì)業(yè)務(wù)有實(shí)際效果、并且性價(jià)比高，才是大模型落地應(yīng)該走的路。
并且，追一在此前數(shù)年推出的六大NLP標(biāo)準(zhǔn)化產(chǎn)品，包括在線機(jī)器人Bot、語音機(jī)器人Call、多模態(tài)數(shù)字人Face、智能助理員Pal、智能培訓(xùn)師Learn、智能質(zhì)檢員See等，也都基于大模型進(jìn)行重塑。
如今，文本Bot、語音Call和多模態(tài)數(shù)字人Face都已經(jīng)在追一已有的企業(yè)客戶場(chǎng)景中落地，人工輔助的服務(wù)體驗(yàn)有顯著優(yōu)化，銷售開口率和成單轉(zhuǎn)化率等指標(biāo)也有所提升。新增的會(huì)話小結(jié)、營(yíng)銷意圖判斷等模塊，也都能讓運(yùn)營(yíng)效率有實(shí)質(zhì)性提升。
面對(duì)客戶，追一科技更傾向于一種務(wù)實(shí)的路線：基于現(xiàn)有的開源模型，加入追一多年積累的專家知識(shí)和獨(dú)有數(shù)據(jù)進(jìn)行微調(diào)，快速滿足客戶已有的需求。如今，大模型應(yīng)用成本依然昂貴，追一也推出了一種混合使用的模式，用傳統(tǒng)NLP深度學(xué)習(xí)模型和大模型相結(jié)合，盡可能降低客戶解決問題的成本。
吳悅告訴36氪，追一在前些年積累的對(duì)話機(jī)器人等六大產(chǎn)品，現(xiàn)在會(huì)成為大模型在企業(yè)落地的載體。
而對(duì)比過去幾年，對(duì)大模型的落地，吳悅?cè)缃竦男膽B(tài)更加樂觀無論是人才密度、資金投入還是行業(yè)整體，如今中國(guó)都儲(chǔ)備得更多，心態(tài)也更成熟了。
“今年感覺大家理性了很多，理性狀態(tài)下更容易做出正確的事，比如客戶都會(huì)想：大模型如何結(jié)合我的場(chǎng)景去做商業(yè)化落地？我們也可以更心無旁騖地做事情。”他表示。
追一科技創(chuàng)始人 吳悅
以下為36氪與追一科技CEO吳悅的對(duì)話，經(jīng)36氪編輯：
聚焦服務(wù)營(yíng)銷，做垂直大模型
36氪：追一最近也發(fā)布了新大模型博文大模型，主攻服務(wù)和營(yíng)銷領(lǐng)域，以及產(chǎn)品線的全面升級(jí)。為什么在這個(gè)時(shí)間點(diǎn)推出？
吳悅：作為一家在2016年成立、也一直在一線做AI落地的公司，我覺得這次發(fā)布也代表我們的一種觀察，和對(duì)自身大模型的定位。
我們和通用大模型定位不同，我們做的是偏向服務(wù)營(yíng)銷場(chǎng)景、更垂直一體化的大模型，也更關(guān)注通用大模型在發(fā)展過程中釋放的技術(shù)成果，怎么在服務(wù)營(yíng)銷場(chǎng)景里利用起來。
36氪：博文大模型的架構(gòu)是怎么樣的，基于什么通用大模型進(jìn)行訓(xùn)練？
吳悅：我們從需求出發(fā)，采取了兩條路徑。
第一條是依靠國(guó)內(nèi)外開源成果，如LLaMa、千問、百川、智譜等，在開源模型的基礎(chǔ)上進(jìn)行知識(shí)和能力的強(qiáng)化訓(xùn)練。相當(dāng)于在底層建設(shè)了一個(gè)接口，用來對(duì)接各家的大模型，對(duì)不同的開源模型進(jìn)行測(cè)試，再選擇在業(yè)務(wù)場(chǎng)景中表現(xiàn)最好的作為接入的模型，但各家的測(cè)試表現(xiàn)其實(shí)差不多。這一條路徑目前已經(jīng)落地了。
第二條路徑是自研，目前正在儲(chǔ)備，以后有需要的話也可以從底層開始訓(xùn)練。
但現(xiàn)在第一條路徑落地會(huì)更快。
36氪：為什么會(huì)說各種開源模型的的表現(xiàn)差不多？
吳悅：有兩方面的原因。
一方面，追一科技專注的是企業(yè)服務(wù)營(yíng)銷場(chǎng)景，所依賴的底層能力比較通用，不需要特別強(qiáng)的數(shù)學(xué)能力或者上下文長(zhǎng)文本的邏輯推理能力。
另一方面，我們?cè)诖竽Ｐ偷幕A(chǔ)上進(jìn)行了很多微調(diào)，強(qiáng)化專項(xiàng)能力，深入挖掘底層大模型。
這兩個(gè)方面決定了當(dāng)下基礎(chǔ)大模型在企業(yè)服務(wù)營(yíng)銷垂直領(lǐng)域的差異性不大。
36氪：市面上已經(jīng)有不少做服務(wù)營(yíng)銷的大模型，博文同樣作為垂直領(lǐng)域的大模型，差異化優(yōu)勢(shì)在哪里？
吳悅：從產(chǎn)品和技術(shù)兩個(gè)層面來講，在產(chǎn)品上，追一在2016年以NLP起家，但我們發(fā)現(xiàn)在技術(shù)鏈條之外，還有很多需要補(bǔ)齊的地方。比如在產(chǎn)品的落地、客戶溝通、產(chǎn)品安裝部署、后續(xù)持續(xù)運(yùn)營(yíng)等方面，我們也建立了專業(yè)咨詢和服務(wù)能力。
后來我們專注服務(wù)大客戶，比如頭部、腰部客戶。大客戶的銷售收益轉(zhuǎn)化大且業(yè)務(wù)場(chǎng)景更復(fù)雜，因此對(duì)于技術(shù)指標(biāo)更加敏感，比如技術(shù)多了一兩個(gè)點(diǎn)或者三五個(gè)點(diǎn)，對(duì)大客戶來說可能是數(shù)十萬過百萬的服務(wù)和訪問量。
可以說，我們用7年的時(shí)間補(bǔ)齊了這些能力，到今年完成了最后一公里。這相當(dāng)于打了個(gè)底了，就之后如果我們想要把大模型落地的話。就相對(duì)還容易一些。
36氪：那技術(shù)優(yōu)勢(shì)會(huì)在什么地方？
吳悅：我們的核心團(tuán)隊(duì)過去是在騰訊做搜索、AI最核心的團(tuán)隊(duì)，能力是蠻強(qiáng)的。之前我們就有很多AI自研技術(shù)，除了自然語言處理NLP外還包括語音識(shí)別ASR、聲音合成TTS、數(shù)字人引擎等等。
而在大模型領(lǐng)域，我們一直有自己的獨(dú)創(chuàng)技術(shù)。2017-2018年左右，行業(yè)內(nèi)出現(xiàn)了BERT一類表征式大模型和GPT一類的生成式大模型。從底層算法到上層模型我們都有自研的技術(shù)和產(chǎn)品。
我們提出的RoPE旋轉(zhuǎn)位置編碼算法技術(shù)，幾乎出現(xiàn)在每一家大模型的論文引用中。在表征式大模型方向我們有自用的ZOne系列模型，也開源了中文T5、WoBERT、Roformer等算法。
36氪：博文大模型主要在什么數(shù)據(jù)集上訓(xùn)練的？大概訓(xùn)練了多長(zhǎng)時(shí)間？
吳悅：一些是開放的數(shù)據(jù)集，還有一些是我們過去積累的，例如圍繞服務(wù)營(yíng)銷業(yè)務(wù)類的知識(shí)，算是我們做了數(shù)據(jù)標(biāo)簽的私有數(shù)據(jù)，還有我們歷史上積累的幾十種不同NLP任務(wù)的數(shù)據(jù)集。訓(xùn)練是持續(xù)的，模型迭代的次數(shù)比較多。
36氪：追一從成立到現(xiàn)在也推出了六款A(yù)I產(chǎn)品，這次發(fā)布也對(duì)這些產(chǎn)品全面升級(jí)了，它們和博文大模型的關(guān)系是怎么樣的？
吳悅：你可以把這六款產(chǎn)品看作是AI技術(shù)落地到客戶的一個(gè)產(chǎn)品媒介。我們會(huì)植入大模型的能力，來解決一些過去AI技術(shù)所不能解決的一些問題。
另一方面，這些產(chǎn)品因?yàn)橛辛诵碌哪芰�，又打開了新場(chǎng)景，那產(chǎn)品功能要做擴(kuò)展。
博文大模型覆蓋了服務(wù)和營(yíng)銷的全流程所需要的能力。我們要做的是頂層設(shè)計(jì)，將大模型放到實(shí)際的業(yè)務(wù)場(chǎng)景中做技術(shù)驗(yàn)證和灰度測(cè)試，充分考慮業(yè)務(wù)場(chǎng)景需求，拓展產(chǎn)品功能滿足新場(chǎng)景的要求，最后做到產(chǎn)品審慎地落地。
36氪：相當(dāng)于博文大模型是底座，六款產(chǎn)品是擁有了大模型的新能力。
吳悅：對(duì)的。六款產(chǎn)品可以分為兩個(gè)部分，第一部分是對(duì)話類產(chǎn)品，包括文字、語音和視頻三個(gè)聊天機(jī)器人。植入大模型后，能夠更好的上下文理解，例如對(duì)用戶多意圖的分析處理、意圖不完整時(shí)引導(dǎo)用戶完善，彌補(bǔ)了傳統(tǒng)NLP技術(shù)的不足。
這一問題放在以前需要大量的數(shù)據(jù)梳理標(biāo)注和模型訓(xùn)練，工作鏈條比較長(zhǎng)且效果還不夠好，但大模型語言能力更強(qiáng)，讓上面的問題可以得到比較好的解決。
第二部分是協(xié)同類產(chǎn)品，在服務(wù)和銷售過程中擔(dān)任助手的角色。這些機(jī)器人可以進(jìn)行對(duì)話數(shù)據(jù)分析，挖掘其中的商業(yè)價(jià)值，覆蓋了從交互、協(xié)同到分析的服務(wù)營(yíng)銷全流程。
數(shù)據(jù)分析和處理的過程包含大量NLP任務(wù)，對(duì)于頭部場(chǎng)景，如合規(guī)性檢測(cè)、話術(shù)挖掘，過去我們需要做專門的模型，但現(xiàn)在有了大模型處理多任務(wù)的能力，就不需要對(duì)每一個(gè)任務(wù)進(jìn)行專門訓(xùn)練。
36氪：對(duì)于話術(shù)挖掘、意圖識(shí)別這一類場(chǎng)景，專用模型可以做到什么程度？
吳悅：過去的專用模型主要是面向聚類、分類、標(biāo)注、回歸等任務(wù)，在單一任務(wù)下可以做到比較高的準(zhǔn)確率，但是泛化學(xué)習(xí)能力不足。有了大模型之后，模型可以基于整體對(duì)話同時(shí)進(jìn)行多種任務(wù)的識(shí)別和判斷，這點(diǎn)在過去很難做到。
NLP落地，如何跑完“最后一公里”
36氪：像剛剛所說的，追一早在2019年就已經(jīng)在大模型領(lǐng)域有成果了。不過，一直到去年ChatGPT爆發(fā)，才引發(fā)這一輪熱潮。這一年里，你的心情是怎么樣的？
吳悅：首先，我們一直在做NLP方向的創(chuàng)業(yè)，對(duì)這樣顛覆性的突破，我們本身還是挺興奮的。我們團(tuán)隊(duì)從原來的搜索、推薦，到從2016年堅(jiān)定做NLP，并預(yù)判對(duì)話是下一個(gè)方向，現(xiàn)在得到驗(yàn)證，是很高興的事情。
另一方面，今年我們也完成了剛剛講的這個(gè)最后五公里或者最后一公里能力的建設(shè)，才有精力去擁抱這樣的新技術(shù)趨勢(shì)，會(huì)感覺到是“天時(shí)地利人和”。
36氪：大模型推出到現(xiàn)在，也很快進(jìn)入到了到To B落地階段。追一已經(jīng)做了這個(gè)事情好幾年，你覺得最大挑戰(zhàn)會(huì)在什么地方？
吳悅：一方面，每個(gè)環(huán)節(jié)都不能有短板，包括技術(shù)、產(chǎn)品、專業(yè)服務(wù)和咨詢能力等，少了哪一塊都會(huì)導(dǎo)致不順利。軟件類的產(chǎn)品的需求和AI本身的能力是我們和客戶共同定義的，這也就要求我們需要拿到足夠多大客戶的反饋才能做好產(chǎn)品定義。
另一方面，這個(gè)過程需要時(shí)間，客戶需求不完善的時(shí)候產(chǎn)品功能和穩(wěn)定性也不完善。追一科技面對(duì)的主要是大客戶，對(duì)產(chǎn)品成熟度、穩(wěn)定性要求高，在交付的過程中有很多功課需要補(bǔ)齊。
我們算過，解決一個(gè)客戶bug的成本差不多是1萬元，其中包括差旅、研發(fā)、人力等成本。這幾年我們可能解決了幾千個(gè)這樣的bug。
36氪：這些bug后來是怎么解決的？會(huì)用什么方法去解決交付層面的問題？
吳悅：產(chǎn)品需要很多客戶共同定義，比如客戶覺得模型的回答不及預(yù)期，說明產(chǎn)品的設(shè)計(jì)不好，就需要算法參與解決這個(gè)問題，但主線開發(fā)人員是有限的，所以需要做好需求的分流。
這要求一線的產(chǎn)品經(jīng)理能夠完成比較成熟的產(chǎn)品設(shè)計(jì)。解決的bug多了，產(chǎn)品的成熟度就高了。
36氪：之前幾年，做To B的企業(yè)有一種邏輯是，希望通過滿足大客戶的需求，來打磨標(biāo)準(zhǔn)化產(chǎn)品，但后來發(fā)現(xiàn)即使是大客戶，需求很多都是定制化的，其實(shí)無法順利拿去服務(wù)下一個(gè)客戶。這種標(biāo)準(zhǔn)化是偽命題嗎？
吳悅：這是一個(gè)很難的事，但我們已經(jīng)完成了，這依靠?jī)牲c(diǎn)。首先，我覺得AI軟件產(chǎn)品相較于傳統(tǒng)軟件產(chǎn)品，50%-70%的個(gè)性化需求是通過AI模型，而不是寫代碼的方式實(shí)現(xiàn)的，這降低了軟件架構(gòu)的門檻。
36氪：50%-70%的需求都是什么？
吳悅：客戶一定有個(gè)性化需求，特別是頭部客戶。在AI產(chǎn)品沒有出來前，這些個(gè)性化需求都需要通過寫代碼邏輯來實(shí)現(xiàn)，對(duì)于軟件架構(gòu)設(shè)計(jì)能力要求極高。但AI產(chǎn)品中的AI模塊能夠分解60%-70%的個(gè)性化需求，比如每家企業(yè)個(gè)性化的知識(shí)可以通過AI模塊標(biāo)準(zhǔn)化實(shí)現(xiàn)；剩余只有30%左右需要寫代碼邏輯來解決，隨著軟件產(chǎn)品架構(gòu)的持續(xù)優(yōu)化，這部分比例將來會(huì)更低。
36氪：這背后的邏輯是什么？
吳悅：傳統(tǒng)的軟件是以人為核心的，需要用人來滿足需求。但AI是“去人化”的，只需要很少的人參與。人少了需求就會(huì)減少。
我覺得這是一個(gè)比較大的背景，我們才有機(jī)會(huì)把事情做成，在這個(gè)過程中我們也看到很多公司退出了這個(gè)賽道，甚至很多大廠也在轉(zhuǎn)型。
36氪：大模型在企業(yè)客戶的落地，會(huì)和企業(yè)本身的數(shù)字化程度有關(guān)嗎？
吳悅：我覺得沒有必然性，反而覺得大模型或者AI是企業(yè)彎道超車的機(jī)會(huì)。過去做傳統(tǒng)的軟件工程或者企業(yè)軟件確實(shí)挺難的，但AI軟件降低了對(duì)企業(yè)的要求。因?yàn)楹芏鄻I(yè)務(wù)流程被內(nèi)置到了模型里，企業(yè)的人力投入減少，過去的產(chǎn)品以人為核心，要達(dá)到某個(gè)水平必須投入這么多人。比如以前要做ERP或者其他重要軟件，架構(gòu)設(shè)計(jì)需要投入大量人力，數(shù)據(jù)還需要數(shù)據(jù)治理，但是大模型可以省掉很多功夫。很多工作AI可以自己形成閉環(huán)，相當(dāng)于AI降低了整體業(yè)務(wù)的操作門檻。
36氪： 所以大模型出來后，你覺得落地會(huì)更容易？
吳悅：我覺得落地的難易需要看公司是什么類型。從表面上看，是簡(jiǎn)單了，因?yàn)槭褂玫拈T檻降低了。但如果真的要做成，我覺得難度增加了。
36氪：可以展開說說嗎？
吳悅：使用門檻降低了，是因?yàn)榭蛻艨梢宰约禾讱�。如果這時(shí)候客戶依然選擇你的產(chǎn)品，一定是因?yàn)槟阍谶@個(gè)領(lǐng)域的洞察夠深刻，構(gòu)建了比較完整的產(chǎn)品矩陣，形成了比較好的行業(yè)know-how，還具備對(duì)大模型的深刻理解，知道可以應(yīng)用在哪些場(chǎng)景中，這才能真正扎根。
從這個(gè)角度來講，我覺得對(duì)廠商來說是要求更高的。
36氪：現(xiàn)在已經(jīng)有很多開源模型了，未來，客戶會(huì)不會(huì)減少對(duì)底層能力的關(guān)注，這到后面會(huì)變成一個(gè)純產(chǎn)品和工程的問題嗎？客戶現(xiàn)在最在意的點(diǎn)是什么？
吳悅：我覺得是最終業(yè)務(wù)效果和客戶滿意為衡量指標(biāo)，這個(gè)過程產(chǎn)品和工程確實(shí)蠻重要的能力和待解決問題，但是算法能力也是非常重要的必要條件之一。比如，服務(wù)機(jī)器人能否改善服務(wù)體驗(yàn)，從70%的滿意度提高到90%；營(yíng)銷轉(zhuǎn)化率能夠百分之多少的提升；從業(yè)務(wù)效果倒推到產(chǎn)品，才到說要考慮選擇哪一種技術(shù)來實(shí)現(xiàn)。面向企業(yè)級(jí)客戶各個(gè)方面不能有短板，同時(shí)還需要有足夠的產(chǎn)品和技術(shù)長(zhǎng)板。
36氪：成本也是現(xiàn)在大家很關(guān)心的問題�，F(xiàn)在大模型的使用成本還是很高，到什么時(shí)候才能下降到客戶比較愿意用的水平？
吳悅：我們做過一個(gè)估算模型，假設(shè)一個(gè)人一個(gè)月大概消耗100GB的寬帶，這些數(shù)據(jù)都經(jīng)過AI的話需要耗費(fèi)上億美金。
目前我們看到，成本下降比較明顯的就是算法模塊的成本，細(xì)分領(lǐng)域大模型能顯著降低使用成本。第二是推理側(cè)的優(yōu)化，國(guó)產(chǎn)高性能加速卡會(huì)逐步追趕上來，替代英偉達(dá)GPU。
36氪：在這個(gè)階段，追一怎么保證產(chǎn)品和服務(wù)的投入產(chǎn)出比？
吳悅：從客戶的角度，他們自己的通用模型大約能夠解決70%-80%的問題，剩下的20%左右才是最難解決的問題。這一部分需要公司對(duì)業(yè)務(wù)比較深的理解，還要有比較好的軟件工程和產(chǎn)品設(shè)計(jì)能力，還需要AI能力，用好AI模型。
舉個(gè)例子，我們的博文大模型，圍繞剛才的服務(wù)和營(yíng)銷場(chǎng)景，我們梳理了將近有100種大大小小專項(xiàng)技能，這些專項(xiàng)技能都要做專門的優(yōu)化，包括綜合技術(shù)，投入產(chǎn)出比。我們測(cè)算過，在實(shí)際場(chǎng)景中，傳統(tǒng)的NLP模型的成本是大模型的幾萬分之一。
針對(duì)成本問題，我們提出了“增程式”技術(shù)理念。和針對(duì)燃油車和電動(dòng)車的增程技術(shù)類似，相當(dāng)于是我們把大模型和追一目前使用的基于表征學(xué)習(xí)的大模型混合一起用，這種狀態(tài)會(huì)持續(xù)很久。
36氪：追一現(xiàn)在的客戶對(duì)大模型的態(tài)度，在今年有發(fā)生什么變化嗎？
吳悅：大模型對(duì)客戶的教育還是挺充分的。當(dāng)你說大模型的時(shí)候，客戶都還挺愿意和你聊的。
在這個(gè)過程中，我們發(fā)現(xiàn)這可以分為三個(gè)階段。第一階段是年初的時(shí)候，大家對(duì)大模型比較悲觀，覺得國(guó)內(nèi)可能很長(zhǎng)一段時(shí)間甚至永遠(yuǎn)都做不出大模型；第二階段大家開始關(guān)注大模型如何和自己的業(yè)務(wù)進(jìn)行結(jié)合，需要一些明確的方案；近期感覺大家更加務(wù)實(shí)了，關(guān)注落地的成本和收益。
36氪：客戶愿意在IT方面投入多少比例的預(yù)算來使用大模型？
吳悅：就我們的接觸而言，不同的客戶策略不同。
客戶更關(guān)注的是大模型帶來了什么樣的價(jià)值，多少部門預(yù)算和這個(gè)價(jià)值是匹配的。因此我們是結(jié)合業(yè)務(wù)場(chǎng)景來和科技/業(yè)務(wù)部門做預(yù)算，并不是說一次性構(gòu)建一個(gè)巨大的平臺(tái)。
而是，比如說某個(gè)業(yè)務(wù)部門需要用到一些大模型相關(guān)的功能，我們就先針對(duì)場(chǎng)景，加一個(gè)新的模塊進(jìn)去，而不是建立一個(gè)大的數(shù)字化平臺(tái)這樣的大項(xiàng)目，相當(dāng)于我們可以對(duì)過去的產(chǎn)品做升級(jí)，也就是做有了大模型能力的新產(chǎn)品，例如語音機(jī)器人的升級(jí)、數(shù)字人等。
這一次AI浪潮，更理性務(wù)實(shí)
36氪：追一科技比較早就投入到大模型里面了，在ChatGPT出來后，整個(gè)市場(chǎng)經(jīng)歷了整整一年的爆發(fā)，心情如何？
吳悅：興奮。我們一直做的是NLP的創(chuàng)業(yè)，大模型是對(duì)NLP技術(shù)的顛覆性改變，從根本上突破了生成式大模型。當(dāng)時(shí)堅(jiān)定做NLP方向也是因?yàn)樵隍v訊我們經(jīng)歷了網(wǎng)頁搜索到推薦的過程，預(yù)判對(duì)話是未來的方向，而這個(gè)猜想在今天得到了驗(yàn)證。
36氪：會(huì)有不知所措嗎？有些NLP從業(yè)者表示，ChatGPT出來之后，似乎很多路線的研究意義就不存在了。
吳悅：還真沒有。GPT出來后，國(guó)內(nèi)有很多聲音表示，國(guó)外技術(shù)遠(yuǎn)遠(yuǎn)領(lǐng)先國(guó)內(nèi)，態(tài)度很悲觀。但從我的角度，國(guó)內(nèi)目前的技術(shù)環(huán)境，無論是人才密度、資金投入還是整體，都比二零一幾年互聯(lián)網(wǎng)的時(shí)候儲(chǔ)備更加豐富。
其次，追一科技用了7年做技術(shù)積累和商業(yè)化，我們深知技術(shù)落地沒有那么簡(jiǎn)單，完全靠GPT顛覆某個(gè)領(lǐng)域也不大可能。追一科技過去的積累和GPT技術(shù)的互補(bǔ)性很強(qiáng)，我們?cè)诘谝粫r(shí)間去和客戶介紹我們的大模型、調(diào)研他們的需求、理清產(chǎn)品的能力邊界和短板，在這個(gè)過程中我們做技術(shù)驗(yàn)證、頂層設(shè)計(jì)，整體的看法還是冷靜、理性的。
36氪：那這一波AI熱潮，和上一波CV為主的AI浪潮，會(huì)有什么明顯不同？
吳悅：我覺得對(duì)于企業(yè)來說，可能目標(biāo)不同，上一波更多是資本推著走。這一波對(duì)于我們從業(yè)者而言，我們會(huì)更加理性地看待商業(yè)價(jià)值本身。資本不像當(dāng)年那樣樂觀地撒錢了，態(tài)度更加審慎。但不變的都是談落地，可能大家還是比較務(wù)實(shí)（笑）。
36氪：大模型出來之后，有樂觀的人會(huì)認(rèn)為這可以顛覆掉很多東西；也有人擔(dān)憂大模型會(huì)重走上一波AI的路比如單點(diǎn)能力不足以讓客戶付費(fèi)，導(dǎo)致要做很多集成大項(xiàng)目，利潤(rùn)也很低。你認(rèn)為會(huì)這樣嗎？
吳悅：我覺得不會(huì)。因?yàn)榻裉斓沫h(huán)境跟之前的環(huán)境也不太一樣，今天大家都理性了很多。之前那幾年，關(guān)鍵是很多公司大收入規(guī)模漲得很快，熱錢很多，很多可能是資本推著走，但現(xiàn)在不是了。
今年感覺大家理性了很多，理性狀態(tài)下也更容易做出正確的事。在我看來，正確的事就是思考：大模型如何結(jié)合我的場(chǎng)景去做商業(yè)化落地？落地后保持一個(gè)什么樣的利潤(rùn)水平比較合理？在今天這個(gè)理性的環(huán)境下，少了很多噪音，我們反而能更加心無旁騖地做這些事。
36氪：感覺還是帶來了不少希望，中國(guó)整體的IT產(chǎn)業(yè)發(fā)展水平比較參差不齊，導(dǎo)致軟件賺錢都很難，大模型某種程度會(huì)改變現(xiàn)狀。
吳悅：至少這是一個(gè)比較大的機(jī)會(huì)。
36氪：你的樂觀主要來自什么地方？
吳悅：NLP技術(shù)本身就是商業(yè)化價(jià)值很高的一個(gè)技術(shù)了，比如以前搜索、頭條推薦，都是NLP相關(guān)的技術(shù)。
NLP技術(shù)的突破一定會(huì)帶來比較大的商業(yè)機(jī)會(huì)，因?yàn)檎Z言是人類社會(huì)、商業(yè)活動(dòng)過程中的最為重要的媒介，具備非常大的商業(yè)價(jià)值。
36氪：現(xiàn)在，追一的市場(chǎng)規(guī)劃和目標(biāo)是怎么樣的？
吳悅：我們還是專注幾個(gè)行業(yè)，比如金融、政務(wù)、運(yùn)營(yíng)商，再通過運(yùn)營(yíng)商去觸達(dá)其他政企類客戶。明年，我們爭(zhēng)取盈利，一切以利潤(rùn)為目標(biāo)。
