企业如何使用AI大模型实现降本增效？目前有何落地实践？
6月21日，北京大学光华管理学院联合腾讯举办“科技创新与管理升维”论坛，集合科技界与产业界的专家学者，共同探讨科技创新的动力、面向未来的管理、技术升维管理的方案。同时，双方在论坛现场共同发布了“企业管理者人工智能通识课”，并正式启动招生 。
有专家在会上指出，企业要想抓住大语言模型这一技术变革的红利，往往需要把企业自身的数据也用起来。在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签。
今年以来，ChatGPT凭借其极其出色的文本生成和对话交互能力，迅速成为科技圈产业界最热门的话题之一。在国内，集成了ChatGPT的产品竞争也日趋白热化——ChatGPT的问世似乎标志着人们迎来了全新的AI时代。
众多AI大模型的涌现也让许多企业开始思考：如何把这一技术应用到自己企业场景中，为业务经营带来更多降本增效？对此，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在会上分享了他对AI驱动产业变革的看法。
他指出，如果当下的大语言模型已经涌现出一定的智能现象，也应该能产生训练数据中从来没有出现过的新组合内容。在现场，他展现了AI大模型在接受指令后逐步画图的过程，“第一次画得并不理想，但可以根据反馈，调整身体、手的比例，给小人穿上衣服。是一个不断反馈和调整的过程。”
汤道生直言，当下AI大模型不再靠完整的保存与复制来处理问题，而是通过理解指示后，重新组合生成训练过的知识。如果做题考分是评估人的智能最直接的工具，那么大语言模型在语言理解与逻辑推理能力上，已经超过了平均人类的水准。大模型既成“兵家必争之地”，企业该如何抓住这一技术变革的红利？
汤道生建议，企业管理者应聚焦自身业务，挑选具体场景，让AI成为服务的增量；确保训练数据质量，梳理出测试用例，建立上线评估流程；确保服务合规，同时关注数据的产权与隐私；使用云厂商工具，搭建一体化的模型服务，“这样效率比较高，节约训练、运维的成本和时间。”
不过，他强调，在具体实施中，需重点关注模型、数据和算力三个方面。
在汤道生看来，首先，通用大语言模型并非唯一的大模型服务方式，也未必是满足行业场景需求的最优解。通用大模型一般基于广泛的公开文献与网络信息开展训练，可信度不高，模型的行业针对性与精准度不够。容错性低的企业一旦提供错误信息，可能引起巨大的法律责任或公关危机。因此，企业使用的大模型必须可控、可追溯、可修正。
其次，数据是大模型的原材料，针对具体场景，相关数据的覆盖与质量至关重要，标注数据的管理也是模型迭代中的重要工作。汤道生表示，模型最终要在真实场景落地、达到理想的服务效果，往往需要把企业自身的数据也用起来。在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签。
此外，算力是模型持续运转的基础，高性能、高弹性和高稳定的算力需要借助专业的云服务。大模型的训练和使用对网络速度与稳定性要求很高，服务器整体运维的难度与工作量显著增加。一旦出现网络波动、服务器过热宕机等情况，训练速度和进度会受到很大的影响，这些问题会延长训练时间，增加投入成本。
“毫无疑问，AI对于世界的改变一定是通过与产业的融合来实现的。机器决策、自主生成、自然交互等一系列的变革，推动产业实现更高效率、更低成本、更好体验和更大创新。未来的企业也将向智能原生进化。”他说。
值得关注的是，在会上的“科技与场景”圆桌讨论环节，来自不同企业的多位管理者都分享了AI大模型技术的产业落地实践。
百果科技轮值CEO、百果园集团四化研究院院长王筱东表示，目前百果园的AI布局跨越了其果蔬产业产前、产中、产后全流程链条。
具体而言，一方面是利用该技术进行数据预测，预测每个门店的销量，根据销量实现智能订货和送货，保证果蔬的新鲜。二是计算机视觉，并在商场、采购和零售阶段有不同应用。比如观测农作物生长，识别病虫害、推荐用药；自动化筛查分选有损伤的果蔬；实行标准化门店管理，摄像头监督工作人员戴口罩，检查蔬果保质期等。
汤臣倍健精益管理兼AI负责人吕静莲则分享了在用AI方式解决问题时遇到的难题。一方面，销售渠道众多导致数据分散，大量数据没有实现“落户”；另一方面，用户健康信息的分散导致数据处理很艰难。更重要的是，由于医疗和健康领域容错性非常低，其行业采用的大模型准确度或需达95%以上才勉强可用，这对大模型提出了更高要求。
采写：南都记者樊文扬
