• 时间:
  • 分类: AI创业
  • 标签: None
  • 阅读(258)
  • 👍推荐(0)
  • 评论(0)

议题一：请各位通过一些具体的场景或案例，介绍一下AI大模型技术在各自平台和工具的应用情况。

Zoho中国VP兼SaaS事业部COO夏海峰：大模型确实有很多应用场景和CRM相关。比如它可以快速生成内容、智能分析数据，高效引用外部资源等，这些能力可以让CRM系统具备很多之前不具备的功能，以此满足用户需求，我认为这是大模型为CRM带来的一个机遇。

对于Zoho而言，目前CRM产品已经可以实现从客户记录中提取和总结关键信息；对正在进行的交易提供预测分析；创建个性化电子邮件模板；检查表述内容是否有语法错误，多维度、更智能的满足客户需求。

此外，本来按照计划，在未来两三年里，Zoho的研发人员要从11000人扩张到25000人规模的，AIGC出现后，我们内部一直在尝试应用这个工具，然后发现它确实可以帮助我们提高研发效率，所以我们人员扩张的计划就暂停了，未来试图通过技术提高人效。

合思高级副总裁严宇杰：合思致力于财务数智化服务的应用与创新，运用前瞻的对象会计理念和先进的AI数字科技，服务未来财务人。在探索AI、运用AI方面，合思已开始通过广泛连接的生态积极与多家AI技术企业、客户企业展开多元合作与产品共创。

随着AI时代的到来，很多财务场景都可以与AI技术相结合，比如智能客服、智能审批、智能分析、智能部署等等。例如合思的AI审批，传统模式下企业的审批基于人工完成；现在，AI审批可以全天候24小时实时响应、智能审批，并帮助审批人提前发现单据中的各种问题，在出差申请通过后，还能自动根据出行目的寻找合适的酒店与机票。

实在智能创始人兼CEO孙林君：实在智能是一家AI科技公司，核心做一件事就是为企业输出各种各样的数字员工。我们有一个基本的判断，就是未来企业经营当中，机器人的密度其实代表了它的先进程度。尤其在人工智能飞速发展的今天，企业很多事情都会思考用智能化的手段去解决。

过去用户通过可视化“拖拉拽”构建数字员工，但低代码时代流程构建，“元素、拾取与变量”等术语令人费解，通过设计器把人先培养成程序员学会使用里面的组件，使用者需要与具备一定编程能力或技术背景人员进行多轮沟通、参加产品培训方可掌握及运用，使用成本很高。

到中期，实在智能用了新的思路，自研开发了通过屏幕元素进行图标识别、定位和操作的专利ISSUT（智能屏幕语义理解技术），从“拖拉拽”直接升级到“点选用”IPA模式，免去把人变程序员的过程，业务人员自己来构建流程，大幅降低数字员工开发工具的应用门槛。

如今，IPA模式上进阶到大模型时代流程构建模式，将自研垂直的TARS大语言模型、ISSUT计算机视觉能力与RPA深度融合的TARS-RPA-Agent，即实在Agent通过一句话自动生成数字员工，帮助操作电脑软件完成各类任务，实现“你说PC做，所说即所得”，真正做到人人可开发、人人可用。

这些是通过技术来改变了原有的产品形态，通过AI思维让数字员工产品的使用更加简单。

另一个应用层面，目前有很多软件机器人正在得以研发和应用，比如自动识别合同的审核机器人以及客服机器人、巡检机器人等等。

腾讯云SaaS行业解决方案负责人刘远：作为云服务商，一方面是腾讯混元正在积极发展多模态模型，以进一步加强文生图、文生3D以及文/图生视频等跨模态的输入输出交互能力。

另外一方面，基于扎实的基础能力积累，腾讯混元大模型积极推进相关应用落地，让大模型创造更多价值。比如拥有更强大意图理解能力的智能客服，提升企业整体运营效率；再比如消费者分析洞察，可以实时优化企业商业策略，实现分析产出效率的跨越式提升等等。

议题二：你们觉得随着融合AI大模型，在各位的平台和领域里面，是不是改变了整个价值创造的核心点？或者说有没有新的价值点出现。

Zoho中国VP兼SaaS事业部COO夏海峰：从我个人来看，AI大模型实现了价值的再创造。厂商归根结底是用变化的技术去赋能客户不变的业务，从而实现所谓的“改变”。它并不是完全革命性的创新,而是一个渐进过程或是再创造。

从Zoho的角度出发，大模型提高了内部的研发效率，同时，于用户而言，Zoho的产品体验得到提升。

例如在营销侧，大模型可以通过用户画像，精准推荐客户，助力企业更有针对性地获客；销售侧，AIGC能够根据Zoho CRM中现有的业务数据，自动生成汇报PPT。不仅如此，Zoho还通过Zia将翻译能力植入到多款产品中，如Zoho office、IM工具、客服工具等，为其他国家及地区的用户提供自动翻译服务。

我们希望随着与AI大模型的融合，能够实现 AI（Artificial Intelligence）+ BI（Business Intelligence）+ CI（Contextual Intelligence）= DI（Decision Intelligence）, 回归到“赋能业务”这一核心目的当中。

腾讯云SaaS行业解决方案负责人刘远：第一个价值点是行业大模型的落地应用，过去大家都在争相在大模型参数上推陈出新，通用大模型参数量虽然越来越大，但是对于很多复杂业务，存在最后一公里的接入问题，也就是垂直领域知识深度和时效性不足。腾讯在混元大模型的基础上结合行业know-how进行数据微调，从而衍生出例如金融、政企、医疗等行业大模型，并且加上向量检索技术，去提升回复的时效性。

比如基于行业大模型做营销分析，过去数据分析师的日常工作是基于BI看板做一些基础的数据统计，而深度的洞察需要数据分析师具备良好的业务know-how，全面的知识储备，以及良好的数据分析能力。同时工作过程中还且需要历史报告数据做引用支撑，这是一项高难度的工作。

而AI智能分析助手的介入，可以很好的解决传统软件营销分析的难点。腾讯企点营销云·AI助手，基于营销大模型，实现零门槛对话式数据分析，让企业员工拥有专业数据分析能力，为业务提供决策支持。尤其是行业大模型结合业务知识管理，通过语义理解，思维链拆解和可视化的分析过程，打破了幻觉和准确率低的局限。

实在智能创始人兼CEO孙林君：过去的价值创造的核心更多的是以人为核心，机器人只是在解决重复繁琐的工作。但当AGI时代真正到来的时候，机器人会代替人类完成大部分的工作。

比如，过去我在阿里工作的时候，阿里原来有2000-3000人客服团队主要负责解决买家卖家纠纷，进行判责，判责的过程主要通过小二的经验以及相应的规则下进行判断。

这件事通过AI大模型去做，完全可以达到人类专家的水平，40%的相应工作都可以在线上进行自动处理，最终的决策是由机器来完成的，这是一个肉眼可见的价值点。

合思高级副总裁严宇杰：AI的应用，解决了差旅报销中人与人之间的信任问题，增加了人们建立信任的需求。从这一角度看，AI不仅增强了企业现有的价值创造，也加速了新价值点的出现。

例如，过去处在L1到L3级无需报销阶段的企业完成了从纯手动报销到半电子报销的过渡阶段；进入L4级无需报销阶段，消费平台从孤立使用变为围绕场景的多供应商聚合消费平台，其中绝大多数场景由数字化系统自动完成。

另外，随着AI技术深入应用，合思正走向L5级无需报销阶段，这一阶段的核心是“全场景+智能化+广覆盖”。人工完全退出报销操作，全场景、全链路实现智能化的无需报销。

议题三：你们是怎么思考各自平台的AI战略以及发展节奏的？

实在智能创始人兼CEO孙林君：“数字员工”是未来几十年甚至更长远的事业，当下就思考如何把人工智能技术用最现实、最可行的方式落地和应用，给客户创造价值。

大家知道纯粹的、规则化的、重复的事情，占比是比较低的。但人经过训练，通过自己的经验去解决问题的占比是非常的高的。因此智能化的属性其实就是有足够的数据积累，能够代替人完成这项工作。

大模型出现后，数字员工的形象愈发清晰。借助模型的推理能力，数字员工能更像人一样去思考、判断和解决问题，未来我们会持续做好这件事。

腾讯云SaaS行业解决方案负责人刘远：腾讯云目前不会局限于做某一个点，而是在基础设施层-模型层-应用层三层多点开花。

比如在基础设施层提供算力集群HCC、高性能星脉网络、机器学习平台工具链等。

模型层提供通用AI大模型，以及基于大模型在垂直领域训练生成的行业模型（中间层），即在预训练AI大模型基础上，可以快速微调或使用嵌入等方式、开发出场景化、定制化、个性化的中小模型，实现在不同行业、垂直领域、功能场景的工业流水线式部署。

在应用层，基于OCR、CV、语音识别等AI原子化能力，帮助企业构建AI原生类APP以及和各行业深度结合，持续带来新的应用形式和行业解决方案。

合思高级副总裁严宇杰：2022年起，合思开始探索AI在财务领域的应用，通过利用大数据和先进的算法，处理和分析财务数据，进而提高决策效率和精确度。同时，我们也在积极推动财务人员的思维转变，鼓励他们拥抱并有效利用AI技术，以实现更高效的财务管理。

此外，合思正在将企业的业财管理从流程驱动向模型驱动转变，通过AI智能模型实时指导和优化经营行为，降低风险、提升管理效率。我们的目标是将AI与财务数字化产品深度融合，打造成为财务收支管理领域最高效的人工智能平台，助力企业实现降本增效和合规经营。

Zoho中国VP兼SaaS事业部COO夏海峰：人工智能模型在去年遍地开花，尤其是去年下半年呈现井喷式状态，国内海外厂商齐发力，企业之间的竞争也日趋白热化。

2023年，关于AI，Zoho其实做了很多事情：5月初，旗下13款应用与ChatGPT集成，进一步补充Zoho原有的AI能力。6月中旬，Zoho产品与ChatGPT的集成已经满足了部分用户的需求，从长期的角度考虑，Zoho当时已经在加紧开发能够总结、释义和适应新任务的专有大型语言模型。10月，Zoho进一步明确了研发方向，并且已经建立了一些窄模型，帮助开发基于70亿-200亿参数的AI小模型，解决Zoho用户的个性化需求。

Zoho目前不追求5000亿参数的大模型，比起“卷”大模型，我们发现较小的模型对解决特定领域的问题更有效（Zoho正在开发基于70亿-200亿参数的AI小模型）。我们的人工智能模型是狭义模型和大模型的结合，通过已经建构的窄模型来调整，而不是在原始数据集上进行训练，通过内部数据存储库不仅可以节省训练模型的成本，对于减轻人工智能偏见的风险也至关重要。

人工智能于Zoho而言，一是要对客户有用，我们努力的方向不是为了证明有人工智能模型，而是解决确实存在的客户需求。二是尊重客户隐私，善用AI力量的同时，也要加以约束。