原文來源：甲子光年

作者｜趙健

圖片來源：由無界 AI生成

在 ChatGPT 發布一周年之後，大模型的下一個高地是什麼？

2023 年 11 月，比爾·蓋茨發表了一篇文章，他表示，AI 代理（Agent）將是大模型之後的下一個平台，不僅改變每個人與計算機互動的方式，還將在五年內徹底改變我們的生活。

如今，越來越多的大模型公司、科技公司開始布局 Agent，為 AI Native 時代做準備。

比如，崑崙萬維發布了“天工 SkyAgents ”平台，智譜 AI 發布了 CogAgent 模型，具備基於視覺的 GUI Agent 能力。字節跳動旗下的飛書，推出了一個 AI 產品“飛書智能夥伴”，可以看作 Agent 的一種組合形態。OpenAI 即將開放的 GPT Store，就是打造的 AI Agent 商店。

通常，2023 年被看作大模型元年，而 2024 年被看作大模型大規模落地元年。

有人說，“人間一天，AI 一年”。對很多企業而言，在討論走向 Agent 的 AI Native 化之前，或許更應該優先討論的問題是，你 AI Ready了嗎？

1.從 AI 玩具到 AI 工具

2023 年，大模型公司在忙於找算力、煉模型，AI 應用層公司忙於找場景做 AI 改造或 AI 原生應用。

這一輪的生成式 AI 被熱炒為 AI 時代的工業革命，因此它不僅僅是滿足寫詩作畫等 to C 的娛樂性需求，還需要滿足於 to B 領域的提升生產力的需求。2023 年，大模型主要還停留在前者的 AI 玩具階段，而今年將會更多進入 AI 工具階段。

經過一年的探索期，目前大模型的應用形態，大體上可以分為兩大類：“+AI 與 AI+”。

第一類“+AI”就是在原有的軟件系統上做加法，典型代表就是 Copilot。

微軟將其軟件全家桶都添加了 Copilot 的功能，連 Bing Chat 的名字都直接改成了 Copilot。在國內，也有一些 SaaS 軟件嘗試做 Copilot，比如大數據分析與指標平台廠商 Kylingence。

第二類“AI+”就是 AI 原生應用，相對成熟的應用聚焦在AI生成文本、AI生成圖象、AI生成視頻三大場景，各個領域都誕生了一批 AI 新星。

AI 生成文本以對話機器人為主，代表產品是 ChatGPT、Bard、文心一言等；AI 生成圖像領域，以 Midjourney、DALL-E 為代表；AI 生成視頻，以 Runway、Pika 為代表。

2024年，AI Agent 將是大模型之後下一個爆發點。如果大模型是未來水電煤一般的基礎設施，那麼 Agent 則是未來用戶接觸、使用 AI 的方式。Agent 將會成為大模型在 to B 場景落地的主要方式之一。

今天，大模型落地還有一系列尚待解決的挑戰，成本過高、存在幻覺，以及無法從 Demo 變為真實解決實際場景等問題。

AI Agent 廠商瀾碼科技創始人周健曾表示：“我們接觸到的客戶，不管是銀行保險，還是各種國家電網，東方航空、南方航空這樣的央國企，還是相應的中等民企，三四億收入的民企，甚至是一些小的企業，其實都會遇到這樣的一個困難——模型怎麼那麼貴，算力也很貴。”因此，周健表示，怎樣做到讓大模型能夠在企業能夠被用起來，實際發揮業務價值將是未來重點考慮的方向。

如何真正把大模型轉變為 AI 工具，引入自己的業務流？2023 年 11 月飛書 CEO 謝欣曾提出一個“AI Ready”的理念，指企業在數據系統等方面為擁抱 AI 做好準備，與 AI 時代共同進步。

去年，很多企業對大模型的投入呈觀望狀態，或者僅由一小部分积極擁抱新鮮事物的員工自發嘗鮮。

而今年，AI Ready 這件事，需要企業更加系統性、全面性地投入，這是踏向 AI 時代的第一塊踏板。

2.AI ready 沒有捷徑

為什麼要單獨提出“AI Ready”的理念？

這跟大模型的工作原理有關。大模型是一個技術綜合體，它涉及到大算力、大數據、大算法的方方面面。企業使用 AI 的場景基本是基於行業和場景的數據加業務流程，這是真正讓 AI 進入企業的內核，而且沒有捷徑。

企業数字化水平越高，沉澱的高質量數據越多，大模型的養料就越豐富——AI Ready 的狀態就越充分。從這個角度來說，大模型的發展一定程度上推動了企業数字化的進程。

不同的大模型性能最終會趨同，價格也會降低，最大的差異化將來源於數據的差異化。

通用大模型通曉世界知識，但在解決專業知識領域上能力不足，甚至會一本正經地胡說八道。為了讓聰明的大腦更好地為企業服務，需要給它更專業的企業數據及系統信息沉澱，讓它從“聰明大腦”變成“有聰明大腦的企業專家”。

數據的質量對於大模型效果影響顯著。比如，Llama 2 的研究人員在做微調時發現大部分第三方的 SFT（有監督微調）數據集多樣性與質量都不足，因此他們自己構建了 27540 個高質量標註數據集，可以顯著提高 SFT 的效果。

相較於互聯網上的公開數據集，這些專業知識數據往往掌握在企業自己手中，屬於“獨家秘方”。專業數據越多、質量越高，價值也就越大，企業想要大模型部署效果表現好，離不開企業提供足量、質量夠高的數據來支撐模型的二次訓練與微調。

比如，客服是一個 AI 優先改造的場景。假如一家美妝電商公司使用不加企業數據餵養的大模型，AI 客服就無法理解這家企業的賠付邏輯、商品情況，就無法真的承擔起客服的工作。

数字化水平的高低與 AI Ready 的狀態息息相關。数字化水平較低的企業，AI Ready 的狀態也會比較差。

比如，如果企業還停留在傳統的紙質辦公的階段，數據都沒有数字化，大模型更是“巧婦難為無米之炊”。

一些規模較大的企業数字化水平並不差，陸續上了不同的業務系統，共同承載了企業的數據資產。但由於缺乏統一的數據治理，導致數據散落在不同的“數據煙囪”中，也很難一鍵導入大模型。

而做好数字化的企業，AI Ready 的狀態就比較充分。

這一類企業，要麼之前做過類似數據中台這樣的数字化建設項目，把數據資產進行了標準化的管理，但可能建設周期比較長，成本比較高；要麼就是利用飛書這樣的一體化工作平台，建設一個在線型的學習型組織，在沉澱数字化資產的同時，還可以打通各個第三方業務系統，打破數據煙囪。

一旦做好 AI Ready，只要選擇一個合適的通用大模型底座，就可以把 AI 引入業務場景，實現 AI 改造。

3.如何實現 AI Ready？

最先實現 AI Ready 的企業，已經率先擁抱 AI 了。飛書就是其中一個代表性的工具。

安克創新是一家全球化的消費电子企業，有一項很重要的工作是消費者洞察。他們會把銷售過程中得到的用戶反饋收集回來，進行分類和打標籤，並把這些數據存儲在自研的 QMS 質量管理系統中。

過去，要想利用這些數據反向指導業務，比如搞清楚消費者為什麼退貨，在哪個渠道上經常退貨等問題，需要配備一個專門的研發團隊，登錄系統，下載數據，製作報表。

而去年，通過飛書智能夥伴，安克創新正在把 QMS 系統進行新一輪的迭代升級，產品經理、研發團隊、客服團隊，都可以在飛書上使用直接用問答的方式進行提問，快速了解退換貨的渠道、原因、數量以及下一步的改善措施等等。

安克創新研發工程師 William 表示，飛書智能夥伴，讓質量管理系統，變成了「質量智庫」，“就像打個響指一樣”，這些關鍵洞察就在身邊，被真正用起來。

飛書不是唯一能做 AI 這件事的企業，但飛書的特色在於，飛書扮演的角色不僅是数字化工具，還是一個 AI 共創者。

飛書的定位是“AIl in One”的綜合性工作平台。最新更新的飛書7的整體產品理念是“業務在手邊”，在對企業信息進行充分沉澱的基礎上，開放接口給第三方系統。

對於各個解決 to B 垂直場景数字化的企業而言，飛書“All in One”的產品定位正好與其產生互補。

新核雲是一家製造業SaaS廠商，為製造業客戶提供“MES+ERP”的工廠管理系統，其数字化終端選擇了與飛書合作。

新核雲創始人陶濱江曾分享與飛書合作的思考：“新核雲作為垂直SaaS廠商，核心競爭力是解決製造業的業務問題，包括產研供銷服（生產、研發、供應鏈、銷售、服務）各個環節，但並不太需要自研一個終端入口。這是選擇飛書作為数字化終端入口的重要原因。”

現在的一個飛書約等於“Slack+Zoom+Google Doc+Workday+Airtable+Teambition”，未來還可能繼續加，都集成在一個平台。這使得飛書成了一個重要的管道，讓企業自然實現数字化轉型。

另一方面，在幫助企業實現数字化的同時，飛書智能夥伴能夠自然承接数字化的結果，幫助企業一鍵啟用 AI 。

飛書推出的智能夥伴，有知識、有記憶，有主動性，也能深入到業務中。在內容創作、內容總結、數據分析、場景構建、系統搭建等業務場景，用戶均可與智能夥伴一起共事。此外，“飛書智能夥伴”作為一個開放的 AI 服務框架，企業可根據業務場景自主選擇適合的底層大模型。

據公開信息显示，飛書智能夥伴已經與數家企業進行了深度共創，除了前文提到的安克創新，還與元氣森林共同探索 AI 在門店管理場景提效的可能性；與企業服務公司數米科技一起利用飛書智能夥伴重塑銷售場景；與電商營銷公司追極傳媒合作，用 AI 打造高效業務流程……

相比更偏個人提效的大模型應用，飛書智能夥伴的“企業”屬性似乎更強，可以說每一個企業場景應用就是一個 Agent。

AI 將會是水電煤一樣的底層能力，不是所有人都要自己產水產電，而是思考如何用好它們。企業需要一個好的工具和平台來讓自己迅速入局。飛書的特質決定了它或許是最好的選擇之一，是打開就能用的 AI 水龍頭。