从“一”到“千”，企业用的大模型应该怎么长？

　　人工智能热潮席卷全球的同时，国内厂商也正在被AI大模型“席”和“卷”着。

　　前有文心一言，超过650家企业加入到了百度智能云的生态圈。

　　后有通义千问，阿里全家桶横空出世，开启工作和生活的智能原生时代。

　　从ToC到ToB，从传媒到金融，千行百业拥抱AI普及应用已是大势所趋。

　　与此同时，中国的大模型应用，被网友吐槽的段子也层出不穷。既有“胸有成竹”，也有“车水马龙”，但归根结底，网友们对大模型们的“挑战”，其实都基于大洋彼岸的那个“4”。俗话说“珠玉在前”，无论是“一”还是“千”，中国的大模型们都需要为大众、为企业解答这样一个问题：真正用于企业的大模型应该长什么样?

　　一、

　　To be or not to be，李彦宏表示“国内没有厂商可以这么快做到”，而张勇说“面向AI时代，所有产品都值得用大模型重新升级。”显而易见，中国企业的AI普及应用，需要一个能够推动其商业化的引擎，一言和千问，都想成为这个最佳答案。

　　李彦宏曾表示过，百度的文心大模型是中国市场非常本土化的大模型，比国外开发的模型更适合中国。在笔者看来，其观点的核心在于人机交互的方式变成自然语言后，想要让AI真正“听懂”我们的需求，只有用母语沟通才最直接有效。

　　而在阿里云的发布会上，阿里表达了算力和AI普惠普及的想法，要联合生态伙伴，以云计算为基础，推广AI来创造价值。这说明，想要让通用大模型在产业落地，就必须把智能化的能力，与更具体的企业业务主题进行融合，才能真正让其在商业环境中发挥价值。

　　需要注意的是，无论是一言还是千问，落地的“算盘”更多都是打在了生态上，即以大模型为基础，将更多的应用层企业纳入到他们的“云”生态中，建立卡位优势形成马太效应。

　　二、

　　我们知道，人工智能的全栈主要分四个层面，分别是芯片层、框架层、模型层和应用层。在前三层，中国的厂商相比国外不遑多让。而在应用层，大模型的训练需要足够多的数据进行“投喂”，而ToC和ToB显然是完全不同的逻辑，前者更趋于标品化和大众认知，后者考验的则是对企业所处行业的管理模型是否有更深层次的理解。举个例子，同样是公共交通，C端的人工智能更多的体现在帮助每个乘客判断和组合路线，而B端的人工智能就需要对“线路、站点、班次”等数据进行清洗和标注处理，建立预测模型、模拟乘客历次刷卡记录来进行客流分析，为C端的最终输出提供数据智能的支撑。

　　简单来说，数字化智能化技术的全面应用，让ToB的服务，更加趋于数据驱动，其本质是探索如何让数据变得更有价值，让数据的处理和决策变得更加“智能”。

　　如果我们把AI应用放到企业服务领域中来看，那么，它的发展主要经历了三个大的“台阶”，分别是基于规则的数据和流程自动化，代表是RPA机器人，用来代替人工实现高重复度、具有固定模式的工作(如：发票检验、建立筛选等);第二是以AI和大数据赋能的智能化阶段，代表是OCR识别(最常用的就是发票、车票等票据识别)、算法模型、业务大数据等，与前阶段相比，这个阶段的AI技术更深入企业的业务前端，已显露出业务数据一体化的形态;到了第三阶段，基于虚拟人、数字孪生等技术的数智员工服务出现，将AI在企业中的应用从点状的服务升级到了智能体的集群服务，直观来说就是有了很多身处企业各个部门的“数字人”——营销服务官、采购合规官、数智财务官、运营服务官等——主动、高效、快速、精准地复制企业员工履行业务职能。

　　三、

　　在智能化能力建设上，国内的服务厂商中较早进行布局的，当属用友。此前百度文心一言企业版产品发布会上，用友就作为唯一受邀的企业云服务厂商出席;而在通义千问的发布会上，用友亦作为产业生态代表上台进行“与产业伙伴同行”的战略合作发布。可以这么说，要论中国软件厂商谁对企业最了解，最懂企业业务，用友认第二的话，没人会说自己是第一。

　　早在多年前，用友就已应用信创框架进行开发和部署标准化的AI能力，并在上述AI发展的三个阶段持续布局。对于企业服务厂商来说，这样的长线布置，可以实现技术应用端到端的优化，无论是技术演进路径还是应用覆盖的广度与深度，都具备了同行业中的规模及先发优势。

　　因为企业服务本身是有很强“粘连性”的，与ToC的“用过即弃也不可惜”不一样，ToB服务往往是深入到企业的核心业务、经营、管理等具体场景，选择一家平台系统，就意味着与这个软件厂商有了深度的绑定，企业会依托其技术和产品进行全面、统一的数据治理，同时，厂家也会在复杂的应用场景下不断打磨产品，形成标杆，再进一步商用化、规模化。我们常说的ToB人财物产供销六大模块，对企业来说缺一不可，而且互相融合拉通，比如一个财务系统的上马，就必须从销售、采购到生产全都部署到位，才能最终实现财务记账，缺少任何一个环节公司的账目都无法完整。

　　在中国企业发展历程中“摸爬滚打”35年的用友，不止是“活得久”，而且服务过的大型、超大型企业的数量也是国内厂商中最多的。从中积累的企业应用、流程优化、客户服务的数据和经验自然也是其他厂商无法比拟。所以也不难理解众多大模型厂商会对用友抛出“橄榄枝”。

　　比如用友的数智商业创新平台用友BIP，其智能中台提供了“BIP知识图谱”的产品服务，将用友35年来深耕企业服务领域的经验和实践成果进行结构化沉淀，形成企业级知识图谱，能够快速、准确地解决面向企业级的差异化知识触达，这种企业知识服务对于很多客户来说都是非常宝贵的，是他们少走弯路、踏上捷径的重要助力。

　　另外，从生态角度来看，用友目前汇聚在用友BIP平台上的企业服务生态也具备了相当的规模，包括了过百万的活跃开发者，上万家平台入驻伙伴，还与超过2100家的银企开展合作。这就意味着，以AI为核心的企业智能化服务，可以通过平台的技术、人才、金融、运营商等各维度支持，透过生态中的行业ISV，在大的场景主题下，进行更垂类的数智化解决方案的供给。比如用友与上海某公司联合打造的食品加工行业数字化工厂，就已帮助多家食品加工行业的企业实现了生产过程的自动化、智能化排产，工作效率提升20%，食品安全也更有保障;还有用友与某医药ISV伙伴联合打造的医药行业产供销、业财税(GSP,GMP,UDI)一体化方案，已帮助多家药品制造/流通企业建立健全了药物研发/制造和流通的信息化、智能化管控，既保证了医药合规经营，还提升了药物生产效率。

　　四、

　　平台化和生态化是当前企业发展的必经之路。对任何企业来说，要么成为平台、构建生态，要么融入平台、加入生态。因此，那些在各自领域已经构建和经营起平台与生态优势的企业，才是这波AI普及应用“生态入圈”的真正赢家。

　　在企业数智化和信创国产化的大趋势下，很多原来与国外厂商合作的专业服务伙伴也陆续选择了国内的企业服务生态，这也给了用友为代表的企业服务提供商更好的机会，加之用友在信创生态方面也一直深度参与，全栈适配了中国电子PKS、中国电科、中科院及华为鲲鹏四大信创技术体系，并且在阿里、腾讯、天翼、华为等云基础设施上保持“云中立”原则。

　　可以想见，当真实的用户、开发者调用、企业管理模型迭代之间的飞轮转动起来，大量的数据训练会快速积累经验，让领先的AI更加领先，让本就贴近企业业务的服务更加完善，一边是广域的通用AI生态，一边是高价值的企业服务生态，二者之间的共振，值得想象和期待。