在WAIC2023的展館現場， 30多個大模型在每一家的展臺上都能完美呈現，僅僅根據呈現的任務處理能力，很難分辨它們本質的不同。

“也不需要把一些過程想得太復雜，當你選擇繼續生成或者重新生成，這本身就是對大模型的一種反饋，告訴它‘這次你做得可能不夠好，要繼續調整’。”一位展臺人員這樣向觀展者介紹。

大模型已然“發槍”，應用開發商有人選擇“拿錘找釘”，也有人加速產品迭代，但在商業化路徑上還很難翻出花樣。應用為何沒法“沖刺”？

(資料圖片僅供參考)

離不開高質量數據訓練

在大模型的應用中，需要應用開發商和購買應用的企業用戶關系綁定更為緊密，因為大模型的訓練需要企業用戶特有的數據才能在模型調優時更精準。先做出大模型新產品demo（模型）再去尋找客戶，這個“拿錘找釘”不失為一個好辦法。

武漢百智誠遠推出的文書精靈主打可智能生成裁判文書，通過在紫東太初大模型上基于華為昇思AI框架訓練了6個月，已經可以形成不錯的質量文本，但也不是沒有問題。公司發現，雖然案件當事人雙方提供的起訴狀和案件卷宗有著相對固定的格式，內容數據質量相對較高，“因為雙方當事人觀點相左，所以還得由人最后確認文本邏輯是否正確”，也因為如此，工作人員表示當下“還沒有開始收費，現在需要更多的數據來訓練”。這背后的問題是數據庫的建設和使用。

“我們認為在整個數據產業鏈中，還需要各種類型的數據庫才能真正把這個大模型用起來。” 星環科技創始人兼CEO 孫元浩說。大模型輸入的是自然語言，過去已有很多結構化的工作把自然語言變成計算機可以識別的結構化的信息，但現在要變成大模型可以理解的語言，如果要推理，就要把它向量化。因此想要輔助大模型理解數據，還需要有新一批工具的出現。

正如騰訊云數據庫副總經理羅云不久前在發布AI原生向量數據庫時談道，向量數據庫是企業數據和大模型之間的橋梁，能夠彌補大模型在時間和空間上的限制。

找準客戶需求

技術應用終需迎接商業化挑戰，這需要盡快地得到購買企業服務的用戶認可。

一些大模型產品是應用開發商基于已有產品的迭代升級。以前，語言智能科技企業蜜度推出負責校對服務的是AI工具“校對通”，在大語言模型（LLM）的加持下，新推出的蜜度文修運用高質量數據學習多種特色子任務，能夠在一個模型里同時實現多個校對任務，完善了過去難以解決的易混詞細微語義辨析，并在領域公認的數據集里表現優異。在SIGHAN數據集（關注拼寫錯誤）的幾項測試中，蜜度文修的F1值均為60-70%，以ChatGPT為代表的通用大模型則為30-50%，體現出垂直領域大模型的優勢。

“用于訓練數據的質量和機器所做的任務類型對模型最終輸出的能力而言至關重要。我傾向于認為，工具的最大商業價值，一定在于是否能有效解決客戶的問題。在這個過程中，我們不斷收集到反饋和需求，這就促使我們一定要跟上主流技術路線來提升和完善能力。”上海蜜度智能校對事業部總經理張曉娟說。

有業內人士表示，如果不是ChatGPT在面向C端時火了，可能不會有人關注到這個更有可能在to B領域掘金的領域。不過正如張曉娟提到“商業化的路徑倒沒有本質性的變更”，打動客戶的是高效解決問題，大模型應用的變現關鍵點也正在于此。

審慎判斷投入力度

大模型作為新興的MaaS（模型即服務）層，吸引了應用開發者的關注，如何評估投入？

微盟集團在今年5月正式發布基于大模型的AI應用型產品WAI，上線了包括“話術生產、短信模板、商品描述、種草筆記、直播口播稿、公眾號推文、短視頻帶貨文案”等在內25個實際應用場景，在618購物節期間就迎來了第一波“實戰反饋”。微盟數據顯示，以SaaS融合形態為例，從采用率來看，商品描述占比最高，達到40%；種草筆記正文達36%，而商家最為關注的口播稿的直接采用率也達到22%。這意味著，在微盟WAI為商家生成的內容中，平均2-3條就有1條內容可以被商家直接采用。

有了這樣的結果，除了成為百度文心一言生態合作伙伴，618剛過微盟馬上又與騰訊云啟動了行業大模型的共建合作。“這次的AI確實和以往不一樣，所以我們會密切關注，包括最開始內測的時候，實際上我們還是想鋪開的，看情況決定加大投入。從目前效果來看，我們能夠走到今天已經很不容易了。我們理念也很清晰，也證明了我們不只是想講故事，而是踏踏實實做事。” 微盟首席運營官尹世明說。微盟表示，正積極研究GPT、Bard等，并嘗試在部分領域的開源自研。

可以看到，現在大模型應用在垂直領域的發展機會不少。然而，“是不是所有事情都用大模型？不盡然，因為真正動用大模型一定要考慮到成本和效益之間的平衡。通用大模型實現商業變現程度到底怎么樣，無論從國際還是國內，現在看不出來。”畢馬威中國數字化賦能主管合伙人張慶杰提醒。

想要應用加速“沖刺”，還需要一段時間。

標簽：