为什么很多公司都被 “伪大模型” 给拖垮了？

K哥的一位CTO朋友张总，给我讲述了他在企业中落地大模型的惨痛经历：今年6月份，张总想要用大模型来优化业务流程、替代一些重复性的工作，于是找来一家大模型解决方案公司，该公司在不了解他们业务场景的情况下，就给他们部署了一个私有化通用大模型。

大模型是部署好了，但是根本没有解决企业中的问题，业务方用不起来。张总提出要根据业务场景定制开发，对方开出了一个天价。张总觉得自己被“骗”了，现在骑虎难下，希望我给他支招。我说，你这是上了一个“伪大模型”，究其根本，还是对大模型的认知不够。

爱因斯坦说：“我们所创造的世界是我们思考的产物。不改变我们的思考方式，就无法改变它。” 下面K哥跟大家聊聊关于“真大模型”的一些认知与思考。

---

01

跟你说“上了大模型，就能提升公司业绩”的都是骗子

今年年初，ChatGPT和AIGC引爆了AI圈，成为全社会追捧的热门话题，很多CTO/CIO们似乎看到了GenAI为企业降本增效的曙光。不到一年的时间，大模型已经从“赶时髦”发展到“真有用”，AIGC除了可以写诗、画画，还能成为生产力工具，在文本创作、搜索、日常办公和应用开发方面帮助员工真正提升效率。

《颠覆式创新》作者，克莱顿·克里斯坦森，曾说过：“颠覆性技术的动因常常是解决行业内最简单的问题，颠覆是指事物变得更简单，让人们更负担得起。” 对于企业来说，更需要的是易用的大模型、用得起的大模型。

AIGC虽然发展势头迅猛，但也仍然存在一些“不确定性”，比如：训练成本高，业务关联度低，输出内容不够稳定等等，对企业应用来说非常不友好。也就是说，通用大模型很难直接解决实际问题。企业想要使用大模型首先要解决准确性、安全性这两个问题，就目前而言，通过引入PaaS层是一种行之有效的方案。

以钉钉AI PaaS为例，钉钉推出了面向生态伙伴和企业的智能化底座AI PaaS，下接大模型能力，上接千行百业的用户真实需求，将AI技术的门槛进一步降低，让大模型的能力进入工作场景，并稳定输出。基于AI PaaS，企业可以快速、低门槛地搭建起专属的智能化应用。

与此同时，会有越来越多的专属、自建模型在中大型企业中涌现。企业的专属大模型有了行业知识的积累和有监督精调，能够为特定场景提供更精确、更具业务价值的服务。

“摩尔定律”的提出人杰弗里·摩尔，在《跨域鸿沟》中指出：一项新技术从发明到广泛应用，会经历一个完整的“技术采纳生命周期”，最开始的阶段要瞄准那批13.5%的“早期使用者”。

艾为电子就是这样的早期用户，他们通过引入钉钉AIGC方案，成功解决了5大类、几十个子类、几千个产品SKU、数万种参数的专业化客服困境。通过AI方案把一些复杂的逻辑和技术应用进行内部处理，艾为电子不需要去做完整的提示词工程，也能够高效的满足问答场景需求，推动客服体验持续提升。

我们再回过头看看张总的案例，就不难得出一个结论：凡是跟你说“上了大模型，就能提升公司业绩”的都是骗子。AIGC的应用需要根据公司的业务场景，去打造专属大模型、基于AI PaaS的能力搭建智能化应用，根本不存在“包治百病”的大模型。

---

02

大模型该怎么用？这些企业的尝试值得借鉴

AIGC的爆发，给企业数字化转型带来了一些变数，老板和业务方对AI的期望被提高了。与此同时，在数字化应用建设方面，有两个比较明显的变化：

一是， AI Agent让“人机协同”成为常态。

根据IDC的调查：所有企业都认为 AI Agent是大模型比较确定的发展方向，50%的企业在做试点，34%的企业在做计划。AI Agent在企业当中有着比较成熟的应用场景，例如提供日程提醒、差旅安排、会议室预定、文字助理、会议速记、知识问答等智能功能。

阿里研究院副院长、阿里云智能集团副总裁安筱鹏认为：“AI重新定义组织形态。‘一代协作技术，一代组织形态’。” 一场组织变革，已经悄然发生。

“帕金森定律”告诉我们，在大型组织当中，人员层级就像金字塔一样不断增加，人员不断膨胀，每个人都很忙，但是组织效率越来越低下。数字员工的出现，使“人机协同”成为常态，层级变得更加扁平，大幅提升企业整体运作效率，有效破除“帕金森定律”魔咒。

举例来说，钉钉与一号直聘合作实现了HR领域的数字员工应用，融合AIGC技术自动化完成招聘、人才管理流程中的一系列任务。一号直聘不再独立建设APP，而是创新性地将后台的业务流程分解为不同的插件，完全融入到钉钉的能力体系当中，让所有环节符合钉钉用户的使用习惯，也使钉钉AIGC实现了细粒度的融入。

二是，业务流程迈向“无感智能”。

什么是“无感智能”？就是原子化的AI能力，将以更细粒度融入到企业的业务流程当中，你感觉不到它，可是它无处不在，就像水之于鱼、空气之于人类。AIGC的能力渗透到企业运营中的各个环节，替代大量的重复劳动，为企业提效。

“无感智能”将大幅提升软件使用体验。在设计领域有一个著名的“最小惊讶原则”，就是说一个优秀的体验设计，应该是满足大部分人的期望，不应该让用户感到惊讶或意外。在AIGC的助力之下，企业智能应用的体验将会越来越好。

说个具体案例，铁骑力士与钉钉的AI PaaS及Chat AI产品进行合作共创，利用智能化技术处理外部客户的海量、复杂知识咨询和内部业务系统的使用培训需求。让AI的问答结果成为标准化服务流程的一部分，在保证高效性和准确度的同时，全面缓解了后台支持人员的工作强度和压力。

大模型不是不能用，而是要跟企业的数据、业务结合起来。

---

03

企业竞争拼的是创意竞争，真不远了！

另一个更明显的问题也来了，AI 正在带来想法就是生产力、创意就是生产力的时代。AIGC将大幅降低企业数字化的门槛，应用从云原生走向AI原生。大模型和AIGC驱动正在重新定义基础设施，AI原生设计思想，成为软件研发新范式。

IDC的调研表明：企业认为AI原生将带来一系列变革，包括技术栈的变化、工具链的变化、基础设施的变化、开发流程的变化、安全策略的变化、设计理念的变化以及组织层面的变化等。

基于AIGC的软件开发模式，让软件工程师更聚焦在数据、API和业务逻辑层面，界面交互、高质量代码生成、测试以及部署等工作，将交给AI来完成。以后比拼的不再是编码速度，而是比拼对业务的理解、对需求的把握，以及如何激发出更好的创意。

爱因斯坦说：“想象力比知识更重要。因为知识是有限的，而想象力是无限的，它包含了一切，推动着进步，是人类进化的源泉。”

说句大白话：在AIGC时代，创意交给人类，开发交给AI，扫地阿姨也可以是开发大牛了。

在AIGC的驱动之下，应用“+AI”向“AI+”转变。什么是“AI+”？就是所有的应用都将以AI能力为核心驱动力，由AI定义场景，使AI实践贯穿于业务应用的全生命周期中。

举例来说，老板和高层最关心的其实不是那些冷冰冰的统计报表，他们希望有一位既懂业务，又懂数据，还懂得企业经营的超级助理。只需要告诉他分析哪些指标，他就会既快又好地告诉你结果，帮助你获得深刻洞察，从而作出更有利于企业发展的决策，AI在企业决策辅助领域有非常丰富的应用场景。

所以，AIGC时代下，有想法的人才，会越来越重要。

---

04

企业管理的有效性是王道，其他都是瞎扯

德鲁克说：“效率是正确地做事；有效性是做正确的事。” 当代企业如何更好地解决组织协同的有效性呢？

我在钉钉上找到了答案，作为国民级的AI办公应用，钉钉正在用大模型自我重构。在今年4月份举办的春季钉峰会上，钉钉总裁叶军表示：“要用大模型把钉钉重做一遍。”随后钉钉各产品线的众多场景在短时间内完成了智能化再造。11月份，钉钉正式推出智能化办公方案「AI 魔法棒」，钉钉上17 条产品线已完成智能化再造。

K哥是国内较早一批关注AIGC的科技博主，也非常有幸成为钉钉「AI 魔法棒」首批内测用户，钉钉智能化的办公能力，帮助我轻松管理，全面提升管理的有效性。在众多的智能化产品当中，我印象最深刻的有3个：

一是，闪记。这是钉钉会议的会议纪要的功能，可以在会议结束后收到一条推送的闪记消息，自动生成一份会议纪要。生成的纪要，可以清楚地标出整场会议的重点摘要和待办事项。即使我没有参加会议，也能够在两三分钟就知道会议的内容，节省了会议内容的“同步”时间。

二是，智能问答机器人。 它解决了企业都面临的一个问题——激活数字资产。每家企业、每个公司，都会有庞大的规章制度、SOP 资料、产品资料等等，但即便知识库做得再好，也都会面临一个尴尬的问题，就是“找不到”，于是知识库真就成了仓库。通过投喂文档的方式训练企业专属的问答机器人，这个功能的使用场景很多，客户支持、员工培训都能用得上，每一位有权限的成员向它提问，就可以得到回复。

三是，智能低代码搭建。这个小功能解决的是随手数字化。通过宜搭AI能够不写一行代码，就生成一个软件应用，你只需要通过文字或语音把你的需求告诉宜搭AI，或者把你想要的表单界面画出来，通过拍照的方式，让宜搭AI自动识别。它就能够生成出你想要的应用，还支持修改，然后一键发布。数字化之后，大量的信息也在线了，再来训练 AI ，才能形成一个正循环。

钉钉的这些能力，在我日常管理公司的过程中，给了我很大帮助，我经常跟朋友们说，我们是一家由钉钉驱动的公司，智能化办公应用极大提升了组织协同的有效性。

---

结束语

凯文·凯利说：“我们塑造了工具，此后，我们的工具塑造我们。”

AIGC作为效率工具，已经融入到人们的生产和生活当中，并以前所未有的速度重塑我们的世界。未来将会是怎样呢？众说纷纭，与其陷入虚无缥缈的臆想和猜测，不如脚踏实地、付诸行动。因为，预测未来最好的方式，就是创造它。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

-END-

---

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓