川观智库研究员　熊筱伟

等电梯时，欧博abg川观智库研究员随口问起公司加班情况，“现在是大小周冲刺，不加班不行。”成都晓多科技有限公司研发总监向海说完又补充道，“2022年底（ChatGPT发布后）我们就慌了，慌到我们老板睡不着觉。”

当天是6月18日，记者专程找向海谈谈人工智能行业大模型。近期多位业内大佬不约而同都谈到，行业大模型会迎来爆发式增长，四川相关专题会议也明确将“行业大模型发展”作为推动人工智能产业发展的重要工作。而向海所在公司，恰恰走在国内这个领域的最前沿——晓多科技是在国家网信办成功备案人工智能大模型的4家川企之一，专注于电商行业智能客服的行业大模型研发和运用。向海及同事所经历的欢欣和阵痛，以及由此引发的思考和行动，可为各地抢抓行业大模型发展机遇提供来自一线的认知参考。

等到电梯开门，川观智库和向海的对话已经从“慌到睡不着觉”开始了。

Part.1

谈大模型浪潮中的兴奋与焦虑

●为何兴奋——足以颠覆行业的变化来了，可能做出改变行业的产品

●为何焦虑——竞争不是来自同行，而是国内大厂的降维打击

●怎么应对——做出不逊于大厂的行业大模型，降低交付成本

记者：老板睡不着觉，你睡得着吗？

向海：我睡得着，但是也慌。那会儿老板一是焦虑，二是兴奋，觉得一个新时代已经拉开帷幕，包括到现在，老板和我们也都是焦虑加兴奋。人这种生物就很有意思，越是这种情况下，战斗意志就越旺盛。

记者：兴奋什么？焦虑什么？

向海：我们做的是电商行业的智能客服，说白了就是机器人在线回答客户问题。

兴奋主要是因为可能做出改变行业的产品。我们做产品时有个理论，就是影响你营收的关键因素中，只要其中一个发生了革命性变化，那这个行业一定会被颠覆掉——现在变化来了，公司营收翻十倍都有可能。

说焦虑，一个原因是以ChatGPT为代表的大模型技术，智能程度确实非常高。另外一个原因是我们当时储备不够。之前大家其实知道有ChatGPT，但不知道它有那么震撼。当时我们只安排了一个人，叫“跟踪前沿”——就是盯着它的技术发展，知道大概是什么技术思路、进展到哪一步，但具体的技术准备、算力准备等都几乎没有。

记者：新技术的智能程度更高，你们焦虑的是什么？怕被同行更早应用？

向海：我们的焦虑从来不是来自同行。国内做电商行业智能客服的就3、4家，规模都差不多，各自擅长领域不一样，所以大家和平共处。

让我们焦虑的是国内大厂（注：指互联网、人工智能领域头部企业）。大模型出现之前，他们为什么不介入智能客服这条赛道？因为交付成本高。或者说每增加一个客户，都要增加相应成本。因为每个客户的商品和需求不一样，我们就要帮客户去反复调试、训练和评估效果，这个过程之前要花一个多月，现在压缩到了两周，但不管怎样，利润并不算高。

但大模型技术出来后，智能客服赛道的交付成本有可能大幅降低。而某个业务的交付成本接近于零，就可能被大厂盯上。国内大厂现在就只需要做一件事——训练好相关行业大模型，一旦训练好，就有可能省去调试等环节，把智能客服交付成本降到非常低的水平，这对我们来说就是降维打击。

就像翻译行业，前几天吴恩达（注：美国人工智能科学家）把自己用GPT-4o调的一个AI智能体机器翻译项目开源了（注：通常指开放源代码，供全社会免费试用），以前我们说ChatGPT搞不定专业领域的翻译，现在突然就能搞定了。那么多做翻译软件的公司，可能就要被一个行外人给颠覆掉。

记者：大厂入局，怎么办？

向海：我们的思路就是成为他——不是说我们要成为大厂，是说我们自己把交付成本也降到极低，这样你打出来的效果，和我打出来是一样的。整个行业能挣的钱也没那么多，大厂还不如不做，或者就把我们收购掉。

所以为什么要做行业大模型，就是必须减少人的干预，把交付的边际成本降下来。

记者：有可能做出比大厂更好的行业大模型吗？

向海：我们现在做大模型有两条技术线路：一条是拿大厂的开源大模型进行微调。这种线路不能很好控制训练的语料占比，因为基础就是人家已经训练过的大模型，二次训练只能尽力加一点特定语料。但即使这样效果已经很好，之前测试用ChatGPT3.5的答题正确率大概是70%，我们微调后的大模型能做到86%。

另一条技术线路是我们去年在上海组建了预研团队，大概4、5个人，自己训练行业大模型——这就和文心一言、通义千问等通用大模型类似，都是基于Transformer框架去自己选语料、写代码，区别是我们从一开始就按垂直领域的需要去训练，类似于我们的大模型是考大专、考职高，而通用大模型是考综合性大学。最终我们要靠这条技术线路来降低交付成本。

当然技术只是一方面。大厂现在有了大模型后发现，其实也不能瞬间击破这个行业壁垒，因为还需要行业知识和数据积累等等。比如和客户交流完后，机器人还要给客户一些赞美，想办法鼓励他继续下单，这就要拼对业务的理解了。我们经常说自己比客户更懂AI，比大厂更懂业务。这算是我们的壁垒吧，大厂能不能突破、什么时候突破，不好说。

Part.2

谈大模型改变的现在和未来

●目前看人工客服不会被完全替代，因为人需要被人服务

●预计智能客服行业明年运用大模型技术的商家比例会飙升到70%以上

●企业应定期审视业务流程中哪些能以AI为主，并以此去变更工作流程

记者：把大模型技术用于智能客服，效果比用其他技术好多少？

向海：我们公司2014年成立，基本上完整经历了人工智能技术在自然语言处理，特别是在电商客服领域的五个发展阶段。其中第四阶段是公司目前主要在用的技术，以神经网络为基础，用深度学习理解用户意图，我们叫“BERT模型”。第五阶段就是大模型。

如果说BERT模型能考六十分，只能算“人工弱智”，现在大模型就可以考七八十分，在部分场景已是强智能了。举个例子，我俩聊天说上海天气怎么样、合肥呢？后面这句“合肥呢”，过去技术就不知道是在说天气，因为它不能理解人类的指代、省略等等表达，必须要技术人员设定好规则，一步步去教它理解。但对话场景那么多那么复杂，不可能都去教它。背后原因还是和大模型比，BERT模型的参数不够多，是“亿级”和“百亿级”的区别，另外模型本身的智能化程度也不够高。

记者：人工客服最终会被完全替代吗？

向海：至少从目前看不会，因为人需要被人服务。

之前我们和宝洁谈合作的时候，就说过一两千元的商品，你敢让机器人回复吗？不敢。这些情况下需要人来洞察情绪，AI只能辅助，做资料查询、业务系统操作等工作——本来就是要搞定情感，客户才买单啊。比如买个冰箱，也要考虑放在哪儿才好看，才和装修风格匹配等等，这涉及类似情商、智商的“美商”，至少目前人工智能大模型还没有看到激发出这种能力。

现在我们大概一半是机器人直接回答，主要是客单价低的、回答场景简单的情况；还有一半是人“包着”的——就是说机器人不直接面向消费者，消费者问了问题，机器人会生成答案给人工客服，客服如果觉着行，点击发送就传客户了，如果不行就修改后再发送。

记者：现在公司有多少业务在用大模型技术了？

向海：目前很少。我们现在大概2万家客户，今年二季度结束是计划在1000家客户的店铺客服应答场景中用到大模型技术，进展很顺利，客户愿意用。

记者：大模型效果好，客户又愿意用，为啥推广那么保守？

向海：几个原因吧。一是工程优化问题，同时使用大模型的人多了目前还可能出现延迟等问题。二是存在大模型幻觉问题（注：指大模型会产生与来源无关的荒谬或不真实内容的现象），万一大模型结果生成错了，比如退换货政策本来不免邮费，大模型说免邮费，算谁的？

当然这些问题都会随着技术迭代而解决。我们判断今年年底（运用大模型技术的商家）占比能飙到30%到40%，明年整个行业占比能飙到70%以上。人工智能进化速度是很快的。所以你看现在很多企业都有点懵——信息化还没做完，数字化来了；数字化做到一半，智能化来了。信息化、数字化、智能化三股浪潮叠加，怎么办？

记者：你的答案是什么？

向海：就是以智能化为终点，来倒逼和调整信息化和数字化建设。

如果说信息化数字化是以人为主，那么智能化就是以AI为主，这个变化是很大的。我们认为未来思路一定会变成：先判断AI能干什么，AI能干的都让它干。它干不了、干不好的事再让人来干，人干好之后再反过去把AI训练更好，最终还是让AI干。

像我们整个公司，已经在以AI为导向来牵引生产工作。举个例子，训练语料的标注工作以前我们公司是由人来干，但人会疲劳，所以要想很多办法比如优化系统界面设计等让人不容易疲劳。而现在，标注的生产流水线还在，但主要干活的已经是AI了，人就负责质检，效率提高了。

现在要用好人工智能，企业应该把业务流程中的所有节点拿出来逐一判断，未来它会是以AI为主，还是以AI为辅？然后根据相应判断去变更工作流程，避免“把发动机装在马车上”。而且随着大模型技术发展，类似判断每隔一段时间就应该进行一次。

在这种趋势下，未来市面上最缺的人才一定是在AI重塑生产流水线以后，去管理、去优化生产流水线的复合型人才。