作者 | 河馬君

　　如果說2023年被稱為“大模型元年”，2024就應該是“大模型應用元年”。

　　在這個“諸神戰場”中，共識已經悄然改變，主要參與者紛紛轉向優先落地而不是繼續無休止地研發迭代。

　　一方面，小型化模型的應用正在穩步增長，“低代碼(Low-code)”及“無代碼(No-code)等開發理念廣泛傳播，成本概念在持續強化。

　　另一方面，具體應用場景得到了空前的重視，從谷歌生物聲學基礎模型HeAR，到支小寶，閱文妙筆等，研發者的注意力轉向更具體、更專業的垂直領域;而B端市場同樣齊頭并進，試圖更高效地探索產業大模型應用的實際落地路徑。

　　一、大模型B端市場如何破局?或許始于一場場“實戰競賽”

　　大模型一個顯著的新趨勢，是B端市場得到了更多重視。

　　全球范圍內，真正有意愿、有能力為AI付費的用戶大多數集中在B端。根據IDC在2023年四季度的調研，對生成式AI完全沒有規劃的企業只有7%，也就是說超過九成的企業至少已經意識到了AI與未來的強關聯;其中已編列明確預算的企業有24%，這才是當前AI付費的主力市場。

　　“落地”本就是中國互聯網企業最擅長的部分，阿里、騰訊、百度都在探索基礎的大模型服務平臺。

　　巨頭們已經意識到，或許未必需要躬身入局去走完模型商業落地的最后一公里，在B端建立起合作生態，由下游企業自行“煉成”符合需求的模型產品，能夠最大限度地優化資源配置，而過程中積累的高質量數據，則可以反哺基礎大模型開發，從而在長期競爭中為國產大模型贏得優勢。

　　前幾天，我正好在云棲大會現場體驗了一場AI應用競賽，從中也感受到B端市場大模型落地的一個關鍵——需要極度重視具體的業務場景。

　　據介紹，這場阿里云“百煉杯”智能好客服PK賽，是業界首個以企業實際落地場景效果為目標的AI應用系列開發賽，不只關注算法、結構、創意等技術性內容，將重點放在了真正的“具體場景”之中。

　　正如PK賽的宣傳片所言：“‘創新’這個詞，好像也不那么創新”，的確，傳統的“創新大賽”往往更重視偏于“務虛”的問題。

　　過往純粹比拼紙上商業藍圖或技術能力的一些競賽方式，或許已經不再適應AI落地的需要。

　　以這場比賽為例，浩鯨科技、亞信科技、合力億捷、云夢智能等8家業內經驗豐富的企業基于阿里云“百煉”平臺定制的智能客服，要在現場評委和觀眾面前接受顧客咨詢。

　　這些“顧客”同樣是由“百煉”平臺生成的、具有不同性格特征的虛擬消費者，其中有話癆的大媽、愛美的都市麗人，它們有的關注鍋蓋的材質、有的要求針對自己的膚質推薦推薦護膚品……

　　這些考驗是傳統客服機器人無法處理的，甚至有時候真人客服面對這些五花八門的信息也大為頭痛。

　　基于大模型技術打造的AI智能客服在接受考驗時，不能漏掉消費者詢問中的關鍵信息，還應當給出合理的、足夠擬人化的回復。

　　“基于實戰”，其實也給競賽帶來一個值得關注的新影響：參賽方案的優劣是很難像以往那樣，100%標準化的。

　　或者說，參賽方案其實是在不同維度，去推動解決商業場景的實際問題。

　　各家的Agent智能體有自己的邏輯重點和“性格”，有的在輸出時強調了多重索引后的數據精準性;有的看重對消費者情緒的安撫與“人文關懷”;有企業利用全流程云上原生應用大幅提高了AI客服的響應速度……這里可能沒有“最強”的智能體，而是“最適合”的智能體。

　　而這種真正“最適合”的創新，往往正是誕生于實戰之中的。

　　二、小切口、大智能——AI應用的法門是“大小聯動”嗎?

　　另一個令人感興趣的市場趨勢是，從各家企業一開始反饋的困難，到最后大家解決問題的思路，都說明在大模型實用落地的過程中，“大小聯動”是極具可行性的技術思路。

　　參賽企業在Agent介紹中普遍提到的AI客服“煉制”難點，并不限于純技術層面，而是與專業場景息息相關。

　　首先是，消費者的提問可能不那么標準化，會有需要結合上下文語境才能捕獲的意思，有時還會出現簡寫和錯別字。這就導致低代碼環境下AI可能出現誤讀甚至出現“幻覺”胡言亂語。

　　其次是，AI客服的回答不僅需要智商，還需要有點“情商”，也就是高度擬人化。好的客服既需要給出足夠精準的信息，還需要安撫顧客的情緒，舉例而言，如果回答中出現長篇大論的數據描述，會讓一些咨詢者難以識讀，心情煩躁，AI如何應對就很有趣了。

　　針對這些問題，不止一家企業的解決方案強調了大模型與小模型聯動的作用。

　　首先通過小模型實現對提問信息的預處理，識別商品ID等關鍵信息，降低“致幻率”，更準確地識別客戶意圖。

　　然后分類調取知識庫，通過API調用阿里通義高智能的基礎大模型，完成prompt封裝，實現RAG(一種檢索外部知識庫強化LLM生成的技術)信息輸出。

　　“大小聯動”通過小模型的預處理，優化了大模型的處理效率，實現了兼顧成本與效能。當然，低代碼乃至“無代碼”開發，同時也對大模型服務平臺的易用性提出了考驗，這可能是平臺此前自己都沒有意識到的。

　　我在現場看到的一個有趣小細節是，云蝠智能的技術主管表示，此次參賽的Agent智能體全程由他們的財務人員創造完成，現場阿里云“百煉”技術人員側目：“我們的易用性這么強嗎?”

　　此次大賽中，冠軍云夢科技、亞軍合力億捷的Agent智能體方案，也正都是高代碼與低代碼混合的模式。基于企業自身的技術能力，他們的Agent智能體能夠分辨公斤與市斤，也可以識讀“黃二白”“混油皮”這樣直男懵圈的護膚術語，展現了很強的實用性。

　　當然，參賽企業在方案選擇上的多元性，本身也體現“百煉”平臺的基礎大模型服務很強的工具性和便捷性。

　　三、客服、搜索、生活服務……大模型對業務的變革初露端倪?

　　大模型B端應用的探索，其實反過來，對巨頭的業務側變革也帶來全新的啟發。

　　讓B端客戶可對應用場景擁有更多自主權，這對巨頭們的大模型路線也是一個啟發，實際上，在“百煉”的開放式結構中，阿里云也在重構自身的伙伴生態：放開末端權限，讓中小型企業用更專業的數據煉制模型，阿里云則更專注地進行基礎研發投入，提供軟硬件服務，收獲支撐AI開發的現金流和更專業精準的數據，最終來實現AIGC、智能客服、智能政務、智能分析等多元業態的鏈接。

　　大模型競爭中，業務基因和技術基因至少是同等重要的。阿里云之所以能匯集8家各自領域的知名企業參賽并產出扎實成果，根源還是其在企業級市場的平臺服務上更具優勢，阿里的“平臺基因”起到了關鍵作用。

　　“百煉”并不是一個嚴格意義上從0到1的新物種，而是阿里一直以來to B優勢基因的延續，通過服務商家來實現商業上確定無疑的“落地”，這顯然是阿里的舒適區。

　　“AI+”提供了寬闊的想象空間，但“百煉”模型依然選擇“從客服開始”，這也是個很有意思的現象。

　　“客服”在傳統上屬于職能或者說中臺業務，但大模型時代，智能客服作為商家最高頻、剛需的使用場景確實是一個極好的接入節點，甚至可能是業務變革的一個支點。

　　首先，需求確實龐大，不管是叱咤風云的頭部主播，還是高大上的航天科技，在變現的最后一公里都需要與客戶溝通細節問題。

　　將人力從繁冗的重復勞動中解放出來，本就是AI研發的初衷，對企業來說，人工客服的高成本和情緒上的不確定性，也都是運營的重負。

　　當前的AI客服被無數人吐槽“人工智障”，本質上是因為它的“基礎智能”不夠強，無法在復雜的信息環境中準確識別客戶意圖。

　　因此，現有的大部分“智能機器人”只能算是一種迎賓手段，最終往往都要轉到真人客服，它并不真正承擔“客服”的職能。如果能讓“智能客服”實用起來，就有機會實現銷售環節“工業革命”式的技術躍進，當然目前這種“革命”才剛剛起步。

　　其次，客服是人與AI直接交流、高頻互動的最重要場景之一，有機會挖掘出“人工智能”的巨大潛能。

　　比起GPT目前海闊天空的陪聊，AI客服在底層邏輯上是“帶有指向性和功能性的GPT”，它在更具體的工作條件下，反復面對人們具體的關切和需求。

　　真正能處理好這些問題的AI，在某種意義上比現在側重回答知識性問題，高談闊論蘇格拉底和哈耶克的GPT系列要更像一個人類。

　　平心而論，當前的“AI客服”依然是不完善的。“百煉杯”比賽讓AI來“扮演”客人的想法很酷，不過AI和人畢竟是不一樣，現實中難纏的客戶，很可能在AI發出數百字產品介紹的時候就罵人或者轉人工了……連查看加粗文字的耐性都不會有。在幾組對話中，AI客服也都錯過了一部分關鍵的信息點。

　　但是——正如參賽企業無一例外提到了智能體agent自我完善的問題——將AI客服置于復雜信息環境下，反復調用大模型進行多重檢索、RAG輸出和自我學習，其工作完成度無疑會越來越高。

　　對于阿里通義等大模型來說，這些基于具體場景的語料包，也都將是寶貴的財富，具體應用場景更精準、更有價值的信息，是真的能幫助大模型完成自我優化。

　　當大象放慢腳步甚至席地而坐，大模型這場“世紀之戰”的過程可能會十分漫長。在企業級市場擁有更多紅利的巨頭，或許會幫助國產大模型在全球競爭中走得更遠。