大模型生態新篇章：以AI Agent為引，助企業創新應用落地

大模型浪潮加速著通用人工智慧發展，智能化時代之門正在開啟。千行百業內的每個企業，都有運用大模型技術強化對話式AI服務在智能營銷、智能服務、智能運營領域的機會，從而在激烈的競爭中構建優勢。在這個過程中，對領域大模型建立起正確的認知以及選擇適合的AI企業進行合作，變得關鍵。

AI大模型的行業解法

在大模型的技術底座選擇上，並非所有企業都適用通用大模型方案，或是隨著市場的焦點轉移，只盯著領域大模型看——這些過於單一的方案很難完全滿足企業所面臨的複雜業務場景。

在過去的一年，大模型的走紅成就了AI領域的又一波浪潮，但是相比以往，這一次技術應用的焦點很快鎖定在業務場景之上，而非長久地停留於探討新概念。

以中關村科金為例，針對不同企業的需求和規模考慮，為企業提供的三種大模型應用路徑，分別為：一是通用大模型+提示工程，二是通用大模型+領域知識庫+提示工程，三是領域大模型+領域知識庫+提示工程。

關於這三條路徑，中關村科金技術副總裁張傑博士向「智能相對論」進一步解釋，這屬於一個遞進的應用關係，企業最開始可以先採用基礎的通用大模型，加上提示工程對自己的業務場景進行微調，初步判斷現有的技術應用是否對自己的業務有幫助。然後再根據業務需求進入第二階段，構建領域知識庫，減少大模型的幻覺問題等等，來尋求更高的應用價值。直到在具體業務場景想要做到極致，進而推進到第三階段，就針對專業領域開發領域大模型。

在這三條路徑的遞進關係中，所帶來的不僅僅是應用價值的提升，還可以幫助企業在應用大模型的過程中把控成本。在「智能相對論」的視角中，第三階段（即「領域大模型+領域知識庫+提示工程」）的應用前景在未來還有很大的前景。當中關村科金等垂直領域AI企業的行業專屬領域大模型愈發成熟，成熟到企業可以直接接入再微調即可投入使用，其效率比起構建企業專屬的領域大模型就要高一些。

以中關村科金髮布的企業知識大模型來看，目前該產品具備了全面的語義、語音、視覺等基礎能力，在5個能力域、46個能力項評測中準確度達95%+，已達到當前國產大模型最高能力級別。更關鍵的是，中關村科金耗費十萬卡天算力，整理出了原子任務間的協同增益關係圖，從而實現高效微調，幫助企業快速接入並應用到特定的專業領域。換句話說，如果企業暫時無法構建企業專屬領域大模型，直接採用AI企業打造的行業專屬領域大模型也不失為一個優質的選擇。

中關村科金融合自研的企業知識大模型為諾亞財富打造的智能知識庫就是一個比較典型的應用標杆案例。目前，該智能知識庫具備多模態文檔分析、QA問答對自動抽取、知識內容自動標籤化處理能力，並以知識助手的形態開始應用到特定的客服場景，減少了文本客服70%以上的運營工作量，回答效果更是提升了50%+。

回過頭來再看大模型，不難發現，整個市場的導向非常明顯，就是奔著「企業需求」和「業務場景」去的，市場迫切地在為企業和業務尋求簡單高效且成本可負擔的大模型服務解決方案。

同時，市場的分化也在加速，未來的大模型領域或許只有幾家通用大模型（在阿里、騰訊、華為、百度等科技巨頭旗下），再有多個行業專屬的領域大模型（由中關村科金等垂直領域AI企業打造），以及無數個企業專屬的領域大模型（為各行各業的領軍企業聯合前兩者共同構建）。

屆時，整個大模型市場的商業邏輯將更加清晰，以通用大模型為基礎底座，以領域大模型為拓展平台，圍繞產業的業務場景做服務延伸，進而構建出來的技術解決方案將主導著行業AI應用的未來。

誰在主導領域大模型的未來？

換句話說，不管是行業專屬還是企業專屬，成本可控、貼合業務的大模型底座都將是未來市場競爭的關鍵點。企業無論是選擇行業專屬的領域大模型，或是選擇與AI企業共同開發企業專屬的領域大模型，都需要在這個階段對領域大模型有所認知與判斷——這將影響著其開發AI應用、推進智能化服務的水平。

現階段，就市場的反饋而言，在「智能相對論」看來，企業對大模型的意向評估初步可以從四個層面來切入。

一、專業性：是否具備以行業Know-How為代表的領域專業知識。

企業為什麼要構建專屬的領域大模型？因為其業務發展需要大量高度專業的知識和技能，通用大模型要麼無法滿足，要麼訓練成本過高，都不適合企業的專屬需求。對應就意味著，領域大模型需要的領域專業性是非常高的。企業專屬的領域大模型本就屬於企業和AI企業共建的產品，其專業性自不必說。

以中關村科金為例，其主導開發領域大模型的優勢之一就在於背后豐富的預置數據基礎，包括2000億token的公域預訓練數據以及2000萬條指令數據等等，其場景組件（Vertical Agent）里更是封裝了200多個場景KnowHow。

眾所周知，這些預置數據的來源大多是長期的服務實踐。具體來看，中關村科金已服務900餘家頭部企業，行業覆蓋金融、政務、零售、醫療、製造等領域，客戶包括工商銀行、中國銀行、郵儲銀行、招商銀行、中國人保、泰康保險集團、五礦信託、國家電網、龍湖地產、百安居、捷安特、基恩士、美的、步步高等數十家500強企業。

二、開放性：是否提供多元的通用底座選擇。

領域大模型的構建必然是在通用大模型的基礎之上，但市場的格局必然也是多個通用大模型並存，且各個大模型之間也有著差異化的表現。

中關村科金技術副總裁張傑博士向「智能相對論」介紹，各家的大模型產品在具體的場景中表現是不一樣的，對應翻譯場景和生成場景的需求是完全不同的，具體還得根據業務場景需要以及企業的投入產出預期來選擇通用大模型。

也就是說，在「智能相對論」看來，未來哪怕只是一家公司，或許也會根據業務的不同，來選擇不同的通用大模型構建對應的領域大模型解決方案。那麼，對於通用大模型的底座選擇就不能局限在單一的產品上。

對此，中關村科金提供的領域大模型解決方案在開放性上就下足了功夫，不僅可以靈活適配十餘款開源基礎大模型，兼容性強支持一鍵切換，還自研了大模型評測工具，幫助企業做好通用大模型的選型。如此一來，企業既不用綁定在單一的通用大模型之上，也能科學地根據業務需求選出適合的通用大模型底座。

三、系統性：是否具備完整的技術開發和服務鏈條。

在選擇領域大模型解決方案的過程中，企業需要考慮AI企業背後技術開發和服務的系統性。

舉個例子，當一家企業選擇某個領域大模型解決方案時，既要考量「開箱即用」的眼前價值，也要考量是否能在後期根據自己的業務需求或調整，來深度構建自己的專屬應用或專屬領域大模型，而不是「淺嘗輒止」，要麼停住要麼轉投其他家的方案。

在這個思路下，中關村科金則是構建了系統的領域大模型能力解決方案，覆蓋領域大模型工廠、領域知識庫工廠、AgentGraph應用開發平台以及場景應用等，包括前面提到的大模型評測工具助力選型、模型微調技術等等，以幫助企業在不同的階段做好大模型應用的遞進升級。

其中，中關村科金最新發布的AgentGraph應用開發平台又進一步深化並明確了企業應用大模型的路徑。一方面，AgentGraph應用開發平台提供200+AI能力組件、50+應用模板，可實現分鐘級創建新應用，幫助企業低成本、快速地開發出新的大模型應用。

另一方面，AgentGraph應用開發平台從底層重塑了大模型應用開發的邏輯，完成了類似作業系統的定義。簡單來說，基於AgentGraph應用開發平台，企業、開發者可以完成數據獲取、數據利用、Agent編排、應用拓展等一系列的開發和服務流程，不再需要轉移到其他平台。未來隨著中關村科金在開源方面的努力，行業夥伴、開發者還能在平台上貢獻自己的AI Native應用，類似安卓系統、iOS上的應用開發行為，繼續幫助企業以更快的效率完成大模型應用開發，避免「重複造輪子」之餘，還將形成全新的大模型應用生態。

四、持續性：是否是企業成本可負擔的解決方案。

在AI進程上，百度李彥宏曾犀利的指出，AI創新不要陷入「技術自嗨」的陷阱。在「智能相對論」看來，任何一項技術都如此，大模型的應用開發既要聚焦行業的場景需求，更要關注企業的成本問題。

對此，中關村科金提出的三條不同應用路徑，以及發布AgentGraph應用開發平台來幫助企業降低內部應用創新成本，都旨在加速提高企業對大模型的接受和使用程度。

儘管現在大模型很火，但是在實際應用中企業的認知和接受程度並不完整。中關村科金技術副總裁張傑博士向「智能相對論」表示，他們在與企業的合作中最開始的動作先是做一輪科普，幫助企業了解大模型，避免企業對大模型的認知出現偏差，比如價值預期過高或是被常規說法中的巨大成本所嚇倒。

唯有加速行業、企業對大模型的接受程度，以更客觀且積極的態度來嘗試大模型應用，並能持續地進行下去，才能不斷促使各行各業的產品和服務更加智能、高效且強大。

寫在最後

在2023大模型產業前沿論壇上，智譜AI總裁王紹蘭提到，「中國大模型已進入第二場角逐中，生態走向分化，基座大模型和基於基座大模型的場景賦能和應用進入到了並舉的階段，對大模型公司的研究能力和運營能力提出了新的挑戰。」

事實上，領域大模型的迸發趨勢所反映的便是這一階段的特徵。企業對大模型的關注也在持續增加，大模型公司如何幫助企業做好技術研發與應用則是更為關鍵的一步。

從目前的反饋來看，以中關村科金為代表的AI企業從底層的模型開發到上層的應用服務，在技術和商業層面都提供了有效可行的解決方案，很好地為企業打開了一扇進入大模型世界的大門。

*本文圖片均來源於網絡