在一间装满繁忙的生产车间里,传感器数据不断涌入云端,AI算法实时优化生产流程,几个季度后,这家企业的利润率悄然攀升;与此同时,一家物流企业投入数百万打造一套AI调度系统,但复杂的算法无法适应实际的运输路线规划,导致项目搁浅,管理层甚至重新考虑AI战略的必要性。
同样是引入AI,却遇到了不同的境遇。AI落地的过程是炫目的“路演”一时吸睛,还是清晰的“路线”稳步前行?这正是每一家希望在AI浪潮中脱颖而出的企业必须思考的关键问题。
11月16日,由PEC China、至顶科技、软积木主办的2024 AI创新者大会暨PEC·提示工程峰会上,PEC China发起人、微软MVP、软积木CEO刘海峰(Hank)主持了“年度提问二:路演还是路线,如何让AI落地企业场景?”的圆桌讨论。戴尔科技集团企业技术战略架构师总监暨大中华区AI事业部负责人许良谋,阿里云百炼产品专家郝义,北京智优沃科技有限公司总裁刘秋江,云蝠智能CEO魏佳星,以及智谱AIGC事业部产品负责人袁会会齐聚一堂,共同展开了一场深度的思想碰撞与经验分享。
AI落地的起点
AI在企业中的应用为何屡屡受挫?许良谋指出,企业中78%的AI项目往往都是胎死腹中。很多项目停留在实验室阶段,没有实际用户或高层支持,POC(概念验证)容易,但真正验证价值(POV)就很难。”他强调,高价值场景是AI成功落地的基础,如果这一点没有梳理清楚,项目从一开始就注定失败。
阿里云百炼在过去一年里已经服务了众多企业客户,对于大模型落地,郝义看到两个明显特征:第一,场景,很多客户对大模型有什么能力,还处于一个模糊的认知状态;第二,成本,尽管大模型的调用成本已经下降了几轮,但对调用量大的企业来说,成本仍是一个关键考量。阿里云百炼一直在优化性能和降低成本,同时通过强性价比的大模型API和低门槛开发平台,帮助企业以更轻松的方式探索大模型的潜力。
“企业内部梳理与市场产品的快速迭代之间形成了一个矛盾点。”刘秋江提到,简单的AI应用,比如生成宣传文案,企业已经用得得心应手,但要深入到核心业务,需要对业务有系统性理解,同时市场上AI产品的快速更新让企业面临“选择困难症”。
魏佳星从用户需求的角度切入,认为当前的主要问题在于需求不明确和技术预期过高,很多企业把生成式AI看作万能工具,但实际上今天的大模型在稳定性和可解释性上还存在明显不足。他进一步指出,尽管如此,生成式AI的潜力巨大,现在只是发展到“55级”(以游戏比喻),未来还有很大的成长空间。
“生成式AI的真正价值在于深度融入企业的工作流和业务流,而不仅仅是单点应用。”袁会会强调,现在很多AI项目都被称为一把手工程,但实际上缺乏长期的路径规划。要真正让AI产生价值,不仅需要高层的推动,还需要公司上下的协同,包括提升数据质量和数量。
创新的试炼场
许良谋从戴尔的实践出发,强调创新需要回归业务实际。他指出,企业在推动生成式AI时,最糟糕的做法是聘请一批技术专家闭门造车,设计出一些脱离现实的场景。“每个企业都需要问自己一个核心问题:我们的竞争优势在哪里?用AI在这些关键点上做突破,才是真正的创新。
“创新与增效并非对立,可以兼顾。“郝义认为,而企业的重点应该是聚焦业务流程的创新,技术创新可以交给云厂商去完成,通过优化业务模式,可以显著提升流程效率,最终带来成本的整体降低。他鼓励企业应该持续专注于业务创新,因为这不仅推动了技术落地,也为增效奠定了基础。
首先,增效是企业的首要目标,大模型的应用需要聚焦于数据丰富、活跃度高的领域;其次,企业必须关注投入产出比,尤其是在AI技术落地初期,必须在18个月内看到成本回报。刘秋江举例,像基因测序等领域,生成式AI的应用已经实现了上千倍的效率提升,这种增效无疑是企业投入的核心驱动力。
魏佳星讲述了竞争对手提供了一份出色的方案,他立即让团队用大模型快速生成一个样本进行测试,这种试错仅需300元成本,却大幅提升后续的工作效率。他强调,创新需要人首先提出假设,然后通过工具和技术将其快速落地并验证。
袁会会则从系统性视角切入,提醒企业在推动创新时,必须区分哪些是适合自主完成,哪些可以依赖外部资源。他指出,过早尝试自己训练大模型可能导致资源浪费,因为模型更新速度太快,企业很可能刚完成训练,就发现市场上的开源模型已经更新数代。
技术与市场的平衡术
技术驱动若失衡,可能会陷入“为技术而技术”的困局,这无疑提醒我们技术价值的衡量不能偏离商业本质。许良谋提到,在快速迭代的AI时代,需要“两手抓”的策略,避免单一导向带来的局限。
阿里云可以说是最懂客户需求的云服务商。郝义认为,技术领先力是推动市场的核心,并结合实际客户需求,将技术成果迅速转化为业务价值,阿里云一定是从技术引领市场,提供全场景易落地的生成式AI应用。
刘秋江的“三七分”理论则更偏向于市场主导。他将市场视为实践的主体,而技术是支撑市场发展,两者相辅相成,通过动态迭代的视角,突出市场实践在驱动创新中的重要性。
魏佳星强调,“先上船”的重要性,在一个充满不确定性的市场中,率先掌握技术即意味着率先抢占市场先机,错过技术创新的节点则可能失去整个时代的红利。
“技术与市场要放在不同层面上考量。”袁会会说,技术领先需要与全球顶尖力量对抗,而市场竞争更多集中在细分领域的垄断优势,考虑市场规划,考虑竞争优势怎么建立起来。
18个月的预测
我们都喜欢对未来做预测,所以我们也对于未来18个月,企业AI落地情况做了预测。
“在未来18个月内,每家企业在AI落地过程中都像面对‘游戏关卡’。”许良谋指出,准确性、实时性、成本优化和规模化推广,这些挑战如同必须打通的Boss。
郝义则抛出一个发人深省的问题:当模型推理的成本和速度降到极低时,企业的AI应用是否还会像现在这样?随着技术瓶颈的突破,AI的商业逻辑和应用场景可能会迎来一场革命性的变化,这为行业未来的发展提供了无限遐想的空间。
刘秋江预测生成式AI将率先在市场销售和获客环节取得突破,因为这一领域落地性强、见效快,是最容易验证AI商业价值的切入点。
而魏佳星做出一个更具颠覆性的判断,他认为,未来18至36个月内,依赖电话的传统岗位或将大规模消失,人工智能将重新定义某些职业的存在形式。这不仅是一种技术革命,更是一场社会变革。
行业解决方案角度,袁会会认为,当前偏通用的AI解决方案将在18个月内向行业定制化转变,生成式AI的落地将逐步深入到各行各业的具体场景中,从而推动行业的全面升级。这种从广度到深度的转变,预示着AI商业化进程将进一步加速。
未来18个月,生成式AI将从验证迈向深度落地,然而,不确定性依然存在,错失窗口或盲目投资都可能带来风险,成败的关键在于能否将生成式AI的潜力转化为实际价值。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。