01
Consensus de l'industrie : Les applications d'IA sont la clé du succès des modèles.
Le PDG de Baidu, Li Yanhong, estime que bien que le développement côté consommateur soit important, les scénarios d'application côté entreprise sont plus susceptibles de produire de bons résultats pour les grands modèles. Il prévoit le développement d'agents intelligents personnalisés dans des domaines tels que la médecine, la finance et l'éducation, avec des millions d'agents à l'avenir, formant un vaste écosystème.
Baidu a remporté 17 projets dans plusieurs domaines cette année, impliquant de grandes entreprises d'État et des leaders de l'industrie, pour des montants considérables. Li Yanhong pense que les applications d'IA doivent être rapidement déployées sur des agents intelligents.
Le fondateur de Moonshot AI, Yang Zhilin, déclare qu'ils ne rejettent pas complètement le côté entreprise, mais se concentrent principalement sur le côté consommateur. Kimi a atteint un trafic et une utilisation de premier plan dans le domaine de l'IA, mais rencontre souvent des problèmes aux heures de pointe en raison d'un manque de puissance de calcul. Pour y remédier, ils ont pris des mesures pour réduire les coûts d'exploitation et améliorer l'efficacité, comme l'optimisation des performances d'inférence du modèle grâce à la technologie de mise en cache.
Yang Zhilin estime que pour se tourner vers le côté entreprise, il faut d'abord résoudre le problème de la puissance de calcul, en s'assurant de sa stabilité comme base.
Dans les scénarios côté consommateur, les coûts de concurrence sur le marché de l'IA ne cessent d'augmenter, poussant de nombreuses entreprises d'IA à réévaluer leurs stratégies de marché. Les scénarios d'application côté entreprise sont la clé pour réaliser l'impact profond et les résultats efficaces des grands modèles, et ce n'est qu'en réalisant une véritable réduction des coûts et une augmentation de l'efficacité pour les entreprises que l'on peut promouvoir le progrès de l'industrie et même de l'ensemble du secteur.
02
Comment les agents intelligents ou l'IA, les grands (petits) modèles peuvent-ils efficacement pénétrer le domaine B2B ? La première méthode consiste à travailler en amont du côté entreprise.
L'amont du côté entreprise signifie la source de la chaîne d'approvisionnement. Par exemple, les entreprises pharmaceutiques ont des besoins et des scénarios d'utilisation de l'IA, mais il est difficile pour les entreprises de grands modèles d'y pénétrer directement. Dans ce cas, on peut envisager de collaborer avec les fournisseurs de logiciels SaaS utilisés par les entreprises pharmaceutiques, en intégrant l'IA dans les produits logiciels existants, permettant ainsi aux entreprises pharmaceutiques de passer en douceur à l'utilisation de l'IA lors de l'utilisation du logiciel.
Les logiciels B2B ont plusieurs formes de déploiement :
-
Déploiement local : Installation du logiciel sur les propres serveurs ou équipements du client, permettant au client de contrôler les données et la sécurité. Nécessite des mises à jour régulières, l'entretien est fastidieux et coûteux. Présente des défis lors de l'intégration de l'IA, en particulier pour les modèles pré-entraînés.
-
Mode SaaS : Les utilisateurs paient des frais par abonnement. Les entreprises SaaS peuvent intégrer directement des fonctionnalités d'IA, voire contourner les petites entreprises de modèles pour acheter directement des services auprès des grandes entreprises de modèles pour transformer leurs processus.
Le mode SaaS est le plus simple pour intégrer des fonctionnalités d'IA, les fournisseurs de services peuvent mettre à jour et maintenir les fonctionnalités d'IA de manière centralisée en back-end, sans que les clients n'aient à se soucier des détails techniques.
De haut en bas, les entreprises fournissant des solutions d'IA peuvent remporter certaines commandes, mais le processus pour assurer le succès des clients peut être assez difficile, et les efforts ne sont souvent pas proportionnels aux résultats.
03
Y a-t-il une nouvelle approche ? Essayons de voir de bas en haut.
Nouvelle perception : L'utilisation de l'IA dans une entreprise consiste en réalité à trouver un point de percée, principalement pour améliorer l'efficacité du travail. L'IA est généralement utilisée pour renforcer les flux de travail existants plutôt que de tout recommencer à zéro.
Dans le processus de transformation par l'IA, la plupart du temps est consacré à traiter des tâches déjà familières aux humains, sans avoir besoin de réinventer la roue.
Lorsqu'une entreprise commence à utiliser des modèles d'IA, ces modèles doivent être étroitement intégrés aux flux de travail propres à l'entreprise. Les grands modèles généraux peuvent ne pas être très adaptés, car chaque entreprise a des activités et des processus particuliers, et les données dont l'IA a besoin sont également spécifiques.
Dans ce cas, les petits modèles ou assistants sont plus appropriés. Par exemple, les comptables des PME utilisent des logiciels comme Kingdee ou Yonyou, qui stockent déjà de grandes quantités de données. Les opérateurs veulent simplement utiliser l'IA pour trouver rapidement des données ou tirer des conclusions, sans avoir à modifier considérablement le logiciel existant.
Pour utiliser l'IA dans des scénarios d'entreprise (ToB), une bonne approche consiste à décomposer les processus métier complexes en plusieurs petites tâches ou scénarios spécifiques, puis à utiliser l'IA pour aider à améliorer chaque petit scénario.
Des entreprises comme Microsoft et Salesforce n'ont pas utilisé l'IA pour développer des produits entièrement nouveaux, mais plutôt pour assister et améliorer les processus métier existants ou les fonctionnalités des produits en utilisant de grands modèles.
Ils affinent les petits modèles en assistants ou en capacités améliorées, s'intégrant mieux et optimisant les systèmes existants plutôt que de les remplacer complètement. C'est similaire aux plugins que de nombreuses entreprises d'IA ont développés pour PC, où un simple glissement de souris ou une touche de raccourci peut invoquer l'IA pour aider, la fonction principale étant d'aider à prendre de meilleures décisions.
04
Pour les entreprises ToB, que doivent réellement faire les IA ? Principalement utiliser les données pour aider à prendre des décisions en matière d'exploitation, de gestion, de prise de décision et de marketing.
Pour les entreprises d'IA, comment être à la fois pratique et économique ? La clé est de réaliser une réplication rapide, couvrant de multiples scénarios à très faible coût.
Une approche consiste à encapsuler l'IA dans des agents intelligents qui peuvent accéder aux données locales. C'est la raison pour laquelle Kimi Chat réduit les coûts de cache, car le stockage de textes locaux fréquemment utilisés peut améliorer la précision du petit assistant.
Mais comment être à la fois précis, universel et à faible coût ?