2024年，人工智能給我們帶來了哪些新的賺錢機會？

來源： @首席數智官

hello 大家好，我們是數字化領軍者都在看的首席數智官。

關注我，每天給你講一個商業案例。

今天我們要給你講的是：大模型給我們帶來了哪些新的商業機會？

在國內的一眾AI大模型科技公司中，智譜AI被譽為“最像OpenAI”的那一家。

這說的不光是智譜多年專心AI技術研發，更說的是他們在AI技術上所取得的成績。

近日，SuperCLUE-Fin（SC-Fin）中文原生金融大模型測評基準正式發布，對國內外金融大模型的發展水平進行了全方位、多角度評估。

智譜AI自主研發的新一代基座大模型GLM-4脫穎而出，躋身國內首批獲得A級評價的模型之列，依據模型表現，GLM-4位列第一梯隊，在國內大模型中排名第一。

本次測評涵蓋金融知識百科、金融理解認知、金融數理計算、合規與風險管理、投研應用以及投顧應用六大領域共計二十五項細分任務。

測評人員通過模擬真實用戶與模型互動，采用單輪問答、多輪交互等多種形式，對模型的專業知識掌握、邏輯分析能力、語言表達清晰度、計算效率以及企業綜合業務分析、風險預測與管控等能力進行了詳盡檢驗。

測評結果顯示，在六類應用場景的二十五項細分任務中，GLM-4斬獲了一項A+及多項A級評價，彰顯出其在國內金融智能解決方案領域的領先技術水平與廣泛應用潛能。

前不久，智譜AI COO張帆向我們分享了關于大模型時代的商業新范式。

張帆認為，大模型是一個非常好的場景，能夠幫助我們對這些數據進行二次加工，針對自己的問題給出一個精準回答，并且可以用自然語言進一步做追問。

1.為什么今天AI的爆發速度比過去快？

ChatGPT出現之后，兩個月的時間基本上全球用戶規模就破億了，這個比歷史上所有商業產品的爆發速度都要快。

為什么會有這樣的突破呢？

AI本身不是一個很新的概念，最早的AI概念可追溯至20世紀40年代。但是歷來無論是AI還是其它的技術產品，都是先從概念開始，讓我們對它有期待，然后在不斷假設的基礎上落地落得很好。

這次完全相反，是先從應用切入的。

大家最早了解到大模型不是因為知道大模型這個概念，而是先看到了ChatGPT這樣的工具給我們帶來的一些震撼，所以是一個先落地后爆發的技術。

這次技術跟以往AI技術比起來為什么會不一樣，我們可以做一個簡單的分析，不說太遠的，就從移動互聯網時代。

當時做一個AI會發現任何一個任務都要有一個獨立的語料，獨立的算法、獨立的模型去支撐這個業務，而不同的業務之間其實沒有太多的關聯的。

所以在這個時候應用技術是一個成本很高的事，當時也幾乎只有大型互聯網公司有能力應用大模型。

而到了后面AI1.0時代，也就是2013、2014年的時候，神經網絡把算法層統一了，讓AI應用成本大幅下降，以至于讓所有企業都能夠更加容易的使用AI，所以也產生了很多新的AI能力的業態，有各種各樣的AI公司出現。

但是，我們最新的大模型跟以往都不一樣，用一個模型就把一切問題解決了。用一套數據、一個算法、一個模型解決一切任務。不同的任務之間只需要舉個例子，這個問題就解決了，讓我們從訓練模型的時代轉變為應用模型的時代，這個時候AI將會變的更加低成本。

所以我們會發現，一方面，AI的能力跟以前不同，能夠做到以前做不到的事；另一個方面，AI的應用門檻和成本下降兩個數量級，也就是說AI幾乎所有人都可以用。

應用成本極大的下降，使得AI變的無處不在，深深影響我們的生活和商業世界。

在內容生產方面，AI既能夠提升內容生產和數據應用的效率，也能夠提高內容質量的下限。

簡單來說，因為人類個體之間存在差異，有些人可能只能做出20分的內容，而有些人則能夠做出90分的內容。

但是，大模型可以將90分的內容制作得更快，同時也能將20分的內容提升到60分。

因此無論從質量還是效率上都能帶來很大的提升。而且，這個提升的水準還在持續增長，目前只是一個開始，以非常快的速度來侵占到一些原來本來做不到的事情。

2.大模型的更新迭代

智譜是我們在2019年成立的一家專注于大模型研究的公司。到了2020年，我們已經成功訓練了百億級的大模型。到了2021年，我們開始訓練千億級的大模型。到了2022年9月份，我們已經擁有了1300億參數的130B大模型，這是基于中文的。

與此同時，我們的大模型在國際上產生了廣泛的影響力。

目前，已經有超過70個國家的1000個頂尖的研究機構在申請使用我們的模型，其中包括像微軟、谷歌這樣的公司，也包括斯坦福、MIT等著名研究機構。

此外，我們還率先在國內發布了第一個開源的ChatGM-6B模型。

至今為止，全球的下載量已經超過了1000萬次，基本上可以說是全球最火爆的中文大模型的開源項目了。

此外，我們還在去年5月份率先發布了VisualGLM多模態大模型。之后我們不斷對模型進行迭代和升級，從1代到2代再到3代，無論是在效果、工程能力、窗口展示還是推理成本上，都帶來了極大的提升。

我們的代碼模型和多模態模型都進行了2代迭代，這也體現了智譜是一個比較早期就成立并且在模型這一側迭代速度比較快的公司。

目前，我們擁有一個最完整的模型矩陣，涵蓋了文本、代碼、圖像、視頻等多個領域。

在文本方面，我們有放在手機和汽車里的1.5B、3B模型，還有開源的6B和商業化的12B、32B、66B、130B模型，以及超擬人的CharacterGLM。

在代碼方面，我們有6B、13B的模型，還有多模態的文生圖、文生視頻、圖生文和Agent。

這個完備的模型矩陣的好處在于，我們在具體落地應用的時候，可以有足夠多的選擇。

在不同的場景里，我們可以根據需要選擇不同大小的模型，以達到不同的成本和反應速度。

我們的基礎模型從底層算法開始都是自研的。在當時的效果上，我們的模型與GPT3差不多甚至有略微的勝出。

此外，講一下3代模型，這個模型可以免費商用。

在44個中英文的數據集中，我們的3代模型都做到了榜首，效果非常好。與市面上當前最好的VLM相比，我們的3代模型在推理速度和效率上還要快2-3倍。因此，有時候使用商業版本可能會比使用開源版本的成本更低。

另外，從去年3月份開源開始，我們自研的芯片的成長速度和數量比LlaMa還要高一點。

有些媒體會寫到智譜在追趕LlaMa，但我們并不完全認同這種說法。從Github上的公平評價來看，我們的star數量實際上比LlaMa還要高一點。

當然，基本上兩者是差不多的。我們也衍生出了對應的生態，包括Hugging Face上全球總下載量超過一千萬，是國內最火爆的開源模型。

此外，我們的3代模型也是率先開始對標GPT-4V的技術。在這個技術中，無論是多模態能力的集成還是代碼的解釋模塊，包括WebGLM的降低，幫助他獲得實時數據，做檢索增強，降低幻覺的能力，都已經涵蓋了。

我們在國內已經適配了信創的芯片，國內信創主流的11家芯片廠商都發布了認證，我們的模型可以在這些芯片上運行。無論是在英偉達的高性價比方案上還是信創方案上，我們都已經有了對應的解決方案。

3.大模型為商業世界帶來新機會

探討一下大模型給我們的商業世界究竟帶來了哪些新的機會。

大模型本質上是對人機交互的升級。

我們可以看到，人機交互的發展從最開始的紙帶打孔到鍵盤、鼠標、觸控到自然語言，交互效率越來越高，表達力越來越強。

而每一次交互革新的背后，人的需求并沒有變化。

但是，每一次人機交互的提升都會給我們帶來新的體驗、新的成本、新的協作模式和新的商業模式和市場格局。

如何利用好大模型這樣一種新的技術和契機，能夠讓我們在新一次迭代的時候在商業上帶來先機，是我們需要思考的問題。

我們可能是國內最早專注于商業化大模型的公司。

至今為止，今年我們已經服務了超過2000家企業客戶，并與大約200家企業進行了深度共創。

在這個過程中，我們發現大模型在各種場景中都有廣泛的應用，并且需求非常多元化。

為了更好地理解這些需求并找出其中的共性，我們嘗試抽象了幾個維度來做一個簡單的拋磚引玉，希望能夠啟發大家的思考和討論。

這些維度涵蓋了大模型在不同行業、不同場景中的應用和價值，以及如何利用大模型來提高效率、優化成本和創新商業模式。

第一個維度是文本生成。這是大模型最早實現商業化的領域之一。

在海外，最早看到成功的商業模式是利用大模型生成廣告文案。因此，一些公司通過GPT-3等大模型實現了幾千萬美元的ARR（年度重復收入）。

在國內，許多廣告廠商也已經與我們合作，以提高他們的創作效率和產出質量。這是一個可以明顯觀察到的趨勢。

在大模型時代，大模型的出現改變了文案生成的規則。

以前，文案生成主要依靠規則和模板，表達力非常受限。然而，現在在大模型的幫助下，廣告文案的創意和思考方式已經完全不同了。

例如，Jesfer新聞中使用大模型為鞋子取出了一個令人印象深刻的廣告語：“每雙腳都需要一個溫暖的擁抱”。這表明大模型在NLP領域的表現已經超越了傳統的NLP技術。

在廣告領域，大模型的應用已經得到了商業驗證。辦公輔助場景中也一樣，海外的Notion AI通過使用大模型，其收入翻了一倍。這些案例都在商業上驗證了大模型的價值和應用潛力。

國內的WPS等辦公軟件也開始嘗試類似的應用場景，包括新聞、小說生成和商品文案的生成。在電商領域，許多平臺需要使用不同風格的口吻來吸引不同社交平臺的用戶，但很難找到一個對所有平臺都了解的人。

而大模型可以作為一個很好的工具來幫助我們提高效率，包括日常辦公中的會議紀要生成、圖表生成、數據分析、分析報告結果的文本解釋等等。這些應用場景已經有一些比較成熟的應用。

此外，信息抽取一直是一個重要需求。

在以前，計算機只能處理結構化數據，而無法應用非結構化數據。

但是，現在大模型的出現，使得我們可以用比原來低兩個數量級的成本，也就是1%的成本，快速構建自己的信息抽取能力。

無論是將銷售和客戶的溝通轉化為用戶的需求提取、用戶畫像提取形成CRM，還是用于銷售質檢，大模型都可以非常高效地完成這些任務，并取得非常好的效果。

在信息檢索領域，數據規模、媒介、存儲方式和噪音密度等因素都會影響檢索方法的選用。

隨著互聯網的發展，數據規模不斷擴大，數據來源更加異構，媒介和噪音也變得更加復雜。因此，我們需要新的模式來應對這些挑戰。

大模型是一個非常好的場景，能夠幫助我們對這些數據進行二次加工，針對自己的問題給出一個精準回答，并且可以用自然語言進一步做追問。

Newbing就是一個典型的應用，在視頻中結合多模態甚至能搜出場景來，包括文檔去搜合同、商品、簡歷、房產等，都能夠幫你解讀完像一個自己的房產助理或者是獵頭一樣幫你做回復。

因此，大模型在信息檢索領域的應用前景也非常廣闊，可以幫助我們更好地利用互聯網數據，提高工作效率和質量。

包括還有一些智能對話，原來的智能客服其實并不聰明，因為都是基于QA-based模式，而大模型不用這樣的方式，它可以做很好的上下文的理解，進行答案的直接生成等等。

這些能力都很強，包括車載的、手機端的、虛擬社交、游戲NPC、情感陪伴等等，都有一些很好的效果。

此外，大模型還有一些指令代碼的生成，自然語言到CODE一方面可以幫你寫代碼，幫你改代碼，幫你生成測試用力，幫你做代碼審查，另外還可以修改做RPA，原來是每一塊錢RPA的產品就要配3塊錢的交付，而今天用自然語言把這些事情都能極大的提高效率。

如果大家都有招分析師就知道這有多么高的成本，今天大模型可以幫你每個銷售運營都具備自己的工程師可以來幫你帶一個自己的分析師。

這個場景沒辦法一一羅列，只是把幾個重要的場景跟大家做了簡要的分享，我們其實在過程中還遇到了更多各種各樣的需求，大模型的邊界遠遠沒有被看到。

你用過智譜清言嗎？歡迎在評論區留言告訴我們。

如果你覺得本文有價值，歡迎點贊分享收藏。

如果你想進一步與我交流，歡迎隨時私信。

關注 @首席數智官，數字化領軍者都在看