0
今天的大模型 To B 賽道，仍然是一個非共識的時代——大模型如何落地，給企業(yè)產(chǎn)生實際價值，即使一年過去，也沒有一個標(biāo)準(zhǔn)答案。
而廠商想用大模型開拓 B 端市場，則大多從自己的基因和能力出發(fā)，各出奇招，至今已經(jīng)有了幾條比較成熟的打法：
有些廠商，意在用更大、更強的基礎(chǔ)大模型做突破，以更好的泛化能力應(yīng)對需求多樣的 To B 市場；
有些廠商，則通過數(shù)據(jù)清洗、精調(diào)等手段，把大模型精調(diào)成具體行業(yè)的形狀，再用“大模型商店”讓客戶可以自由挑選，甚至自己做自己的定制化；
有些廠商，意識到了 AI 原生應(yīng)用的重要性，便依托自己的大模型能力，接連推出不少應(yīng)用，快速登陸搶占市場。
各個廠商八仙過海，路徑各有千秋，賽道競逐至今，幾個流派仍然還未能分出勝負(fù)，非共識向著共識的收束仍在繼續(xù)著。
當(dāng)人們討論到大模型 To B，常常各持己見，有人說技術(shù)、有人說應(yīng)用、有人說生態(tài)，難以爭出個高下；
而在這個紛爭的非共識時代，作為一家擁有著豐富經(jīng)驗的 To B 大廠，騰訊卻想要走一條自己的 AI 之路。
大模型賽道的火熱，最能讓人感受到的是 AI 原生應(yīng)用和 Agent 產(chǎn)品的爆炸式增長，繁榮如同煙花升空，好不熱鬧。
作為看客，自然可以額手稱慶，感慨于國內(nèi)大模型產(chǎn)業(yè)發(fā)展之迅速；而如果撥開鮮花和掌聲，著眼于實際的 To B 生意，就能發(fā)現(xiàn)，AI 大模型在 B 端市場的滲透率，則遠(yuǎn)不如一年前預(yù)期中的高。
在實際推進落地的工作中，騰訊自然也看到了這一點。
去年6月19日，騰訊云向外界推出了“行業(yè)大模型”，一時間讓大家看到了大模型在行業(yè)落地的希望。雷峰網(wǎng)(公眾號：雷峰網(wǎng))過去的報道《行業(yè)大模型落地肉搏：誰先扎進行業(yè)，誰就先入“咸陽” 》就講到：“騰訊行業(yè)大模型給出的方案，是在平臺上開放多個模型，企業(yè)在選用了更加適合的模型后，可以針對自己的具體需求，進行定制化的訓(xùn)練?！?/p>
這條道路，也被不少追隨者所認(rèn)同——紛紛開放大模型商店，“貨架”上擺滿了不少琳瑯滿目的模型以及原生應(yīng)用。而實際的效果，正如今天看到的一樣，還并不能非常完全地解決企業(yè)的問題。
而回到騰訊云，在去年619——甚至是在制定 AI 大模型戰(zhàn)略的第一天，他們應(yīng)該就清楚，行業(yè)大模型想落地，必須往前再走走。
一方面，騰訊知道，一個模型就算再大，也無法滿足大 To B 行業(yè)中眾口難調(diào)的多樣、復(fù)雜需求，同時也要考慮到 Scaling Law 對于成本的消耗，于是去年6月19日，騰訊推出了自己的行業(yè)大模型，把大模型的數(shù)據(jù)、調(diào)優(yōu)等能力交給用戶，讓用戶定制適合自己的大模型；
這樣的想法終歸很好，但卻遠(yuǎn)不是大模型 To B 的完成形態(tài)——不少IT能力稍弱的用戶很難做數(shù)據(jù)清洗、篩選，更別提模型的精調(diào)和評估，行業(yè)大模型再好，也不是能覆蓋大部分 B 端客戶的“解藥”。
去年發(fā)布行業(yè)大模型時，騰訊早就有挽起褲腿，深入 To B 戰(zhàn)場的決心。而到了今天，騰訊則必須向深處更進一步，距離用戶更近，提供更加一站式、傻瓜式的服務(wù)，做可以“開箱即用”的大模型產(chǎn)品。
在這一點上，騰訊則展現(xiàn)出了謹(jǐn)慎而克制的一面——從金融、醫(yī)療、教育等行業(yè)大模型為起點，騰訊不做大水漫灌，也不做激進探索，而是一步一個腳印，做單點的行業(yè)突破，聚焦用戶需求細(xì)節(jié)，站穩(wěn)腳跟，小步快跑。
“騰訊始終以‘產(chǎn)業(yè)使用’，作為發(fā)展大模型的核心戰(zhàn)略。”在今天召開的騰訊云生成式AI產(chǎn)業(yè)應(yīng)用峰會上，騰訊集團高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生說道。
而到了實際的產(chǎn)品發(fā)布，一站式AI智能體創(chuàng)作與分發(fā)平臺“元器”、一條由三大引擎組成的大模型工具鏈，也被正式推出向公眾展示。
實際上，如果用心留意，工具鏈幾乎是每一個大模型平臺的標(biāo)配——畢竟，沒有好的工具鏈支持，AI 原生應(yīng)用就沒法在平臺上落地發(fā)芽。而各大平臺要爭奪用戶，工具鏈產(chǎn)品必須得卷，讓開發(fā)者用得舒服，才能轉(zhuǎn)化為平臺上的活躍用戶，進而給平臺帶來活力。
而騰訊云大模型工具鏈的“卷”，則上升到了一個新的高度。
別人“卷”大模型，卷的是模型效率優(yōu)化，卷精調(diào)的易用性，卷低代碼——甚至零代碼的用戶體驗。
而騰訊云，除了這些“必修課”，還“選修”了不少別的“小課”。
以知識引擎為例，用戶輸入一系列文檔，就可以生成一個基于文檔知識的 AI 助手。
舉個例子，一個保險行業(yè)的客戶，只需將自己保險產(chǎn)品的說明書錄入知識引擎，再加上一些簡單的功能描述，按幾個按鈕，幾分鐘過去，就能獲得一個專屬于自己的 AI “保險代理人”，而完全不必關(guān)注所謂數(shù)據(jù)清洗、模型精調(diào)等等“高大上”的操作。
而做好知識引擎，騰訊云的殺招不在大語言模型能力上，而是檢索增強（RAG）和輔助文檔解析和理解的 OCR 大模型。
整合 RAG 進入大語言模型，對于大模型來說，并不是一個獨特的技術(shù)路線：通過對輸入文檔的檢索，減少大模型性能的浪費，并減少幻覺——而這兩點，都是 B 端客戶在使用大模型時，最看重的指標(biāo)。
在接受采訪時，騰訊云副總裁、騰訊云智能負(fù)責(zé)人、騰訊優(yōu)圖實驗室負(fù)責(zé)人吳運聲就提到，在將大模型推向 B 端時，遇到過兩個很大的難題：
一個是大模型廠商和客戶在行業(yè) Knowhow 上的信息差、經(jīng)驗差，讓大模型很難真正“落到地上”；
一個是客戶對于 AI 的預(yù)期很高，都希望 AI 可以一鍵解決自己的大部分問題，而這與實際還有不少差距。
兩個問題統(tǒng)合起來，就把矛盾集中到了一個點：“如何讓 AI 可以快速理解企業(yè) Knowhow，并用更低的成本、更簡單的操作來帶來價值?！?/p>
人們對 AI 的想象，是把自己的資料輸入給人工智能，人工智能就能理解文檔，從而基于文檔的內(nèi)容作答。而實際上，想要 AI 像人一樣理解文檔的內(nèi)容，卻并不像想象中一樣簡單。
AI 要理解、輸出知識，首先需要精準(zhǔn)地將信息進行切分一個個的信息塊，其次還得可以準(zhǔn)確地檢索到用戶問題指向的內(nèi)容。騰訊集結(jié)團隊，自研了 Tencent RAG （TRAG）架構(gòu)，為了讓客戶能夠省心、放心，騰訊在 TRAG 做了不少新的嘗試：
在知識切分的角度，TRAG 用了相當(dāng)暴力的方式，先讓 AI 理解文檔的結(jié)構(gòu)，理清各級標(biāo)題，再對每個文本做語義級的拆分，在每個切片長度可控的前提下，讓 AI 對信息的理解不缺字漏字、斷章取義；
而在檢索的角度，TRAG 的工業(yè)級檢索已經(jīng)支持 4K 左右的規(guī)模，并繼承了多種檢索策略，在各種檢索的榜單上，也經(jīng)常盤踞頭名的位置。
也正是這種對細(xì)節(jié)問題的堅持，讓騰訊知識引擎得以在大模型推理、生成能力不掉隊的前提下，可以在回復(fù)質(zhì)量上完成突破——相比之前的 AI 客服，騰訊方面的專家介紹道，知識引擎在客服領(lǐng)域的用戶滿意程度，上升到了之前的兩倍。
除了知識引擎，騰訊云本次推出的圖像、視頻創(chuàng)作兩大引擎，也同樣各有千秋，服務(wù)了不少重點客戶并且獲得許多好評，本質(zhì)上，也離不開對用戶需求細(xì)節(jié)的關(guān)注。
依托騰訊混元大模型的多模態(tài)能力，騰訊云的圖像、視頻創(chuàng)作引擎，給使用者提供了圖像風(fēng)格化、AI寫真、運動筆刷、圖片跳舞幾大功能，讓一般用戶可以用 AI 改變過去拍照、拍攝視頻的方式；
而生產(chǎn)力工具線稿生圖、視頻轉(zhuǎn)譯、視頻畫布拓展等能力，則讓專業(yè)使用者大幅提高了創(chuàng)作與生產(chǎn)效率，能切實地給行業(yè)帶來一波巨大的產(chǎn)能紅利。
就如上面提到的，相比同賽道的競逐者，騰訊云大模型 To B 關(guān)注的領(lǐng)域和行業(yè)更加聚焦，以金融、醫(yī)療、教育等重點行業(yè)為錨點，不斷地升級技術(shù)、深入理解需求、完善產(chǎn)品，把打下的山頭站住、站穩(wěn)，把每一步都走得踏實。
在金融行業(yè)，騰訊與圓心惠保合作，讓 AI 成為保險代理人的高效智囊。圓心惠保過去以傳統(tǒng) NLP 作答的機器人，回答準(zhǔn)確率僅在57%，幾乎對錯“五五開”；而得到騰訊知識引擎的支持后，這個數(shù)字則提高至了85%，平均下來，給保險經(jīng)紀(jì)人提效了50%。
而教育行業(yè)同樣對大模型需求非常旺盛。河南省數(shù)字教育發(fā)展有限公司就在知識引擎的幫助下，僅僅兩三個月的前端開發(fā)，就成功地把 AI 放進了教案生成、活動策劃、虛擬輔導(dǎo)員等教育活動全流程當(dāng)中，讓人工智能在教輔場景的采納率接近90%，而習(xí)題解析和百科問答的準(zhǔn)確率則接近了95%。
有技術(shù)實力，也有下探行業(yè) Knowhow 和實際需求的耐心，騰訊的“穩(wěn)”，就是決心要用戶危險，做開箱即用的“傻瓜式”產(chǎn)品，讓企業(yè)用好大模型的“最后一公里”能走的順暢、穩(wěn)健。
傻瓜式產(chǎn)品，是最符合世界對 AI 想象的場景——細(xì)枝末節(jié)的事情由人工智能操心，人類只需要提供創(chuàng)業(yè)和構(gòu)思，生產(chǎn)力就自然被解放了出來。
而要把 AI 做得“傻瓜”，也絕不像人們想得這么簡單——背后沒點硬實力、強支持，開箱即用的產(chǎn)品還真不這么好做。
在平臺支持的角度上，騰訊云 TI 平臺在背后提供的超強能力，讓做成“傻瓜”產(chǎn)品成為了可能。
今天的峰會上，騰訊也披露了 TI 平臺的全新升級：
新增了三大類數(shù)據(jù)處理流程，簡化了100多種任務(wù)類型的數(shù)據(jù)配比；通過優(yōu)化Prompt和提供Notebook代碼，降低了數(shù)據(jù)處理的復(fù)雜性；同時，支持任務(wù)排隊，提高平臺處理能力和穩(wěn)定性。
數(shù)據(jù)處理鏈和精調(diào)工具鏈的全面升級，讓 TI 平臺有了做好這個灶臺的底氣——讓知識引擎等等 PaaS 產(chǎn)品，進一步降低 B 端用戶使用大模型的門檻；
而在與知識引擎的聯(lián)調(diào)中，TI 平臺也同樣擔(dān)任了大模型優(yōu)化飛輪的一部分——支持客觀和主觀兩種評測方式，TI 平臺可以結(jié)合業(yè)務(wù)難例和知識庫，進行端到端的效果評測，并且持續(xù)關(guān)注模型精調(diào)后的效果，讓用戶可以及時了解、優(yōu)化大模型的業(yè)務(wù)效果。
TI 平臺給大模型的數(shù)據(jù)清洗、精調(diào)、評估帶來了全面、輕量化的升級；
而到了 MaaS 層，行業(yè)大模型也被內(nèi)置進了知識引擎，讓知識引擎可以針對具體的垂直領(lǐng)域，完成有針對性的性能優(yōu)化。
比如，騰訊的金融行業(yè)大模型，在金融輿情分析、投資顧問等場景下，有針對性地進一步強化了專業(yè)術(shù)語理解、數(shù)值計算、文案生成及合規(guī)性等方面的性能，讓降低了 AI 產(chǎn)品的定制化成本，試圖打破 AI To B 的行業(yè)“魔咒”。
有了 TI 平臺和行業(yè)大模型的加持，騰訊自己的混元大模型，同樣也是 To B 戰(zhàn)場上，一個重要的利器。
經(jīng)歷了再一輪全面升級，又在騰訊內(nèi)部600個業(yè)務(wù)場景中開始落地，混元大模型今天已經(jīng)分化成了 hunyuan-pro、hunyuan-standard、hunyuan-lite等多種尺寸的版本，并已經(jīng)在騰訊云上，向企業(yè)和開發(fā)者全量開放。
“能文能武”的騰訊混元，在這一輪升級后，總體性能較之上代，又飛速提升了50%，部分中文能力已經(jīng)可以追平GPT-4，距離世界領(lǐng)先的 AI 水準(zhǔn)更進一步，而 Standard 版本開始支持 256K 上下文的理解，在長文檔的理解和處理上也提效不少；
在多模態(tài)能力上，混元也開始支持圖片、視頻、甚至 3D 內(nèi)容的生成，生成的視頻長度可以達到16秒，效果也不輸不少競品。
除此之外，持續(xù)升級的還有騰訊的向量數(shù)據(jù)庫，和大模型數(shù)據(jù)向量化工具——在一系列技術(shù)加持下，騰訊和 B 端客戶的距離，正通過一套完整的工具鏈生態(tài)，變得越來越近。
“我們肯定是沒變過的——騰訊自始至終的導(dǎo)向，都是要距離客戶更近。今天，我們提出了知識引擎等三大引擎以及一系列產(chǎn)業(yè)應(yīng)用，和一年前一樣，都是為了用戶用 AI 的門檻進一步降低?！痹诮邮懿稍L時，吳運聲如此說道。
“我們還是要將行業(yè)大模型不斷地迭代，目的只有一個，就是做‘距離產(chǎn)業(yè)更近的 AI’。相比行業(yè)大模型，知識引擎距離用戶更近，未來可能還會有可以讓我們更進一步的成果?！?/p>
To B 與 To C 行業(yè)不同，不能“一招鮮吃遍天”，而是要隨時面對持續(xù)產(chǎn)生的新問題，做新的變化，跨過新的挑戰(zhàn)；
在這一點上，騰訊大模型 To B 如果不“變”，或者說，不持續(xù)地進化，那么終將被 B 端市場無情的大浪淹沒。
而長遠(yuǎn)來看，這一年，不管技術(shù)如何變遷，產(chǎn)品如何演進，騰訊的初心沒變，路線更沒變——通過不斷升級行業(yè)大模型能力和工具鏈、產(chǎn)品生態(tài)，完成小步快跑，逐個擊穿行業(yè)，完成滲透和突破。
而從基礎(chǔ)大模型到行業(yè)大模型，再到AI 智能體應(yīng)用的演變，實際是騰訊正堅持自己大模型 To B 戰(zhàn)略路線的印證。
去年一年，行業(yè)已經(jīng)目睹了盛行在 AI 大模型賽道的“加速主義”，對“錯過”的恐懼支配了不少狂飆突進的廠商，讓整個賽道炙手可熱。
而面對新的激流，吳運聲似乎表現(xiàn)得相當(dāng)?shù)?。在被問及“今年最大?KPI 是什么”時，他的回答也一如騰訊云的戰(zhàn)略氣質(zhì)——冷靜，而克制：
“我們今年最大的 KPI，既不單純是技術(shù)，也不是市場或者商業(yè)化，而是我們是否能真正讓客戶用得滿意。反過來說，只要客戶滿意，我們的技術(shù)自然可以得到滋養(yǎng)，市場覆蓋率和營收也自然就上來了。
雷峰網(wǎng)
雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
