01
Консенсус в отрасли: Применение ИИ - ключ к успеху модели.
Ли Яньхун, генеральный директор Baidu, считает, что хотя разработка для потребительского сектора важна, сценарии применения в бизнес-секторе могут принести лучшие результаты для больших моделей. Он предвидит разработку специализированных интеллектуальных агентов в таких областях, как медицина, финансы и образование. В будущем количество интеллектуальных агентов достигнет миллионов, формируя огромную экосистему.
В этом году Baidu выиграла 17 проектов в различных областях, включая крупные государственные предприятия и ведущие отраслевые компании, на значительные суммы. Ли Яньхун считает, что приложения ИИ должны быстро внедряться в интеллектуальных агентов.
Ян Чжилинь, основатель Moonshot AI, заявляет, что они не полностью исключают бизнес-сектор, но в основном сосредоточены на потребительском секторе. Kimi уже достиг высшего уровня трафика и использования в сфере ИИ, но в часы пик часто возникают проблемы из-за нехватки вычислительных мощностей. Для решения этой проблемы они принимают меры по снижению эксплуатационных расходов и повышению эффективности, например, оптимизируют производительность вывода модели с помощью технологии кэширования.
Ян Чжилинь считает, что для перехода к бизнес-сектору сначала необходимо решить проблему вычислительных мощностей, обеспечение стабильности вычислительных ресурсов является основой.
В потребительском секторе затраты на конкуренцию на рынке ИИ постоянно растут, что заставляет многие компании, работающие в сфере ИИ, пересматривать свои рыночные стратегии. Сценарии применения в бизнес-секторе являются ключевой областью для реализации глубокого влияния и эффективных результатов больших моделей. Только реальное снижение затрат и повышение эффективности для предприятий может способствовать прогрессу отрасли и всей индустрии в целом.
02
Как интеллектуальные агенты или ИИ, большие (малые) модели могут эффективно войти в сферу B2B? Первый способ - работать в верхнем сегменте B2B.
Верхний сегмент B2B - это исходный пункт цепочки поставок. Например, фармацевтические компании имеют потребности и сценарии использования ИИ, но компаниям с большими моделями трудно напрямую войти в эту сферу. В этом случае можно рассмотреть сотрудничество с поставщиками SaaS-программ, используемых фармацевтическими компаниями, интегрируя ИИ в существующие программные продукты, позволяя фармацевтическим компаниям плавно перейти к использованию ИИ при работе с программным обеспечением.
B2B-программное обеспечение имеет несколько форм развертывания:
-
Локальное развертывание: установка программного обеспечения на собственных серверах или устройствах клиента, позволяющая клиенту контролировать данные и безопасность. Требует регулярных обновлений, сложно в обслуживании и дорого. Сталкивается с проблемами при интеграции ИИ, особенно с предварительно обученными моделями.
-
Модель SaaS: пользователи платят по подписке. SaaS-компании могут напрямую интегрировать функции ИИ, даже обходя компании с малыми моделями и покупая услуги напрямую у компаний с большими моделями для трансформации процессов.
Модель SaaS наиболее удобна для интеграции функций ИИ, поставщики услуг могут централизованно обновлять и поддерживать функции ИИ на бэкенде, а клиентам не нужно беспокоиться о технических деталях.
Сверху вниз, компании, предоставляющие решения ИИ, могут получить некоторые заказы, но процесс достижения успеха клиентов может быть довольно сложным, и усилия часто не соответствуют результатам.
03
Есть ли новые подходы? Давайте посмотрим снизу вверх.
Новое понимание: использование ИИ в компании на самом деле означает поиск прорыва, в основном для повышения эффективности работы. ИИ обычно используется для усиления существующих рабочих процессов, а не для полного перезапуска.
В процессе трансформации с помощью ИИ большую часть времени занимает обработка уже знакомой людям работы, нет необходимости заново изобретать колесо.
Когда компании начинают использовать модели ИИ, эти модели должны тесно интегрироваться с собственными рабочими процессами компании. Универсальные большие модели могут не подходить, так как у каждой компании свой бизнес и процессы, и данные, необходимые для ИИ, также специфичны.
В этом случае малые модели или небольшие помощники более подходят. Например, бухгалтеры малых и средних предприятий используют программное обеспечение, такое как Kingdee или Yonyou, которое уже хранит большое количество данных. Операторы просто хотят использовать ИИ для быстрого поиска данных или получения выводов, без необходимости серьезно изменять существующее программное обеспечение.
Чтобы применить ИИ в корпоративных (ToB) сценариях, хороший подход - разбить сложные бизнес-процессы на несколько небольших задач или конкретных мини-сценариев, а затем использовать ИИ для улучшения каждого мини-сценария.
Компании, такие как Microsoft и Salesforce, не разрабатывают полностью новые продукты с использованием ИИ, а используют большие модели для помощи и улучшения в существующих бизнес-процессах или функциях продуктов.
Они оттачивают малые модели в помощников или усиливают возможности, лучше интегрируя и оптимизируя существующие системы, а не полностью заменяя их. Это похоже на плагины, которые многие компании ИИ делают для ПК, где ИИ можно вызвать легким движением мыши или нажатием горячей клавиши для помощи, основная функция - помочь принять лучшее решение.
04
Что на самом деле нужно ИИ делать для ToB-компаний? В основном использовать данные для помощи в принятии решений в области операций, управления, принятия решений и маркетинга.
Для компаний ИИ, как сделать это практичным и экономичным? Ключ - быстрое тиражирование, охват множества сценариев с очень низкими затратами.
Один из способов - упаковать ИИ в интеллектуальных агентов, которые могут обращаться к локальным данным. Вот почему Kimi Chat снижает затраты на кэширование, так как хранение часто используемого локального текста может повысить точность небольшого помощника.
Но как сделать это точным, универсальным и при этом недорогим?