2024年被認為是AI大模型落地應(yīng)用的元年。

由于此前有chatGPT這一現(xiàn)象級應(yīng)用的出現(xiàn)，所有人都意識到AI大模型技術(shù)將給各行各業(yè)帶來爆炸性、顛覆性的影響。許多企業(yè)對大模型一邊充滿期待，一邊又十分焦慮，希望能夠盡快應(yīng)用起來，但卻不太清楚如何使用。目前大模型技術(shù)的能力與行業(yè)的應(yīng)用落地間還存在哪些差距，如何推動AI大模型應(yīng)用著陸？

日前，在由神州控股（00861.HK）、神州信息（000555.SZ）、神州數(shù)碼集團（000034.SZ）聯(lián)合舉辦的數(shù)云原力大會2024上，神州數(shù)碼副總裁、CTO李剛表示，當“致廣大”已被充分表達，堅定以客戶為中心的“盡精微”，才是真正實現(xiàn)AI著陸的當務(wù)之急。

AI Agent重塑企業(yè)運營方式

想象一下，在企業(yè)運營中，每個決策都能基于深入的數(shù)據(jù)分析，客戶服務(wù)能夠個性化到滿足每個用戶的需求，而內(nèi)部流程自動化到幾乎不需要人工監(jiān)督。這不是未來的幻想，而是AIAgent正在引領(lǐng)的企業(yè)革命。

“Agent”，中文意思是代理人。那么，AI Agent是什么？簡單來說，一個由AI技術(shù)加持的代理人，它變得更聰明了，可以感知周圍的環(huán)境，并且能夠獨立地思考和行動。

AI正在從簡單的工具（Tool），進化為復(fù)雜的助手（Copilot）乃至代理（Agent）。這一轉(zhuǎn)變的拐點在于AI技術(shù)在深度學習和自主決策能力的突破。

那么，以大模型為“大腦”的AI Agent（人工智能體）是如何幫助企業(yè)解決問題？主要分為以下步驟：

任務(wù)理解：AI Agent首先需要理解任務(wù)的背景和目標，包括任務(wù)的輸入、輸出和約束條件。它可能需要分析任務(wù)描述、問題陳述或用戶指令等。

數(shù)據(jù)收集和預(yù)處理：AI Agent需要收集相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)可以是結(jié)構(gòu)化數(shù)據(jù)（如數(shù)據(jù)庫、表格等）或非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖像、音頻等）。同時，它可能需要對數(shù)據(jù)進行預(yù)處理，如數(shù)據(jù)清洗、特征提取、降噪等，以便后續(xù)的分析和建模。

特征提取和表示學習：AI Agent可能會使用機器學習技術(shù)來提取數(shù)據(jù)的有用特征。這可以涉及到從原始數(shù)據(jù)中提取特征，或者使用深度學習技術(shù)進行端到端的表示學習。

模型選擇和訓(xùn)練：AI Agent需要選擇適當?shù)哪Ｐ蛠斫鉀Q任務(wù)。這可能包括傳統(tǒng)的機器學習算法或深度學習模型。然后，它會使用已收集和預(yù)處理的數(shù)據(jù)來訓(xùn)練選定的模型。

模型評估和調(diào)優(yōu)：AI Agent需要評估訓(xùn)練好的模型的性能。它可能使用一些評估指標（如準確率、召回率等）來衡量模型的質(zhì)量。如果模型的性能不夠好，AI Agent可能需要調(diào)整模型的超參數(shù)、改進數(shù)據(jù)預(yù)處理方法或選擇其他模型。

解決方案生成和輸出：最后，AI Agent根據(jù)訓(xùn)練好的模型和輸入的任務(wù)需求，生成最合適的解決方案并輸出。這可以是一個預(yù)測、分類、推薦、優(yōu)化等，具體取決于任務(wù)的要求。

李剛表示，在傳統(tǒng)的數(shù)字化應(yīng)用場景，比如說做個ERP系統(tǒng)，業(yè)務(wù)人員一旦提出需求，解決方案的供應(yīng)商就有一個完全成熟的標準化體系，幫它分解成為一個應(yīng)用軟件。但大模型不一樣，大模型是個全新的技術(shù)范式，它需要一種新的思路。怎么去設(shè)計Agent，怎么在一個Agent里面，把規(guī)劃、執(zhí)行等步驟分配到不同的模型上去實現(xiàn)，大家都在摸索這套新的范式，尤其對于企業(yè)來說，它很難快速掌握這一套范式。

工程化的Agent開發(fā)使得傳統(tǒng)AI開發(fā)中的繁瑣與低效被徹底顛覆。李剛表示，神州問學的Agent工程平臺就是幫助企業(yè)簡化其中的技術(shù)難點，讓企業(yè)能夠快速利用這個平臺搭建自己的大模型應(yīng)用。該平臺提供一套標準化流程和最佳實踐模板，使得Agent的創(chuàng)建不再是孤立的、一次性的任務(wù)，而是能夠遵循明確的步驟不斷迭代優(yōu)化，形成工程化的工作流。通過智能插件集成、知識掛載、多輪對話支持等功能，Agent不僅能夠精準執(zhí)行任務(wù)，還能自我學習、自我調(diào)整，實現(xiàn)與用戶意圖的深度匹配。

在2024數(shù)云原力大會現(xiàn)場，李剛銷售場景的應(yīng)用為例，從分析客戶信息、合作機會，到結(jié)合公司內(nèi)部CRM系統(tǒng)以及外部招標網(wǎng)站、新聞網(wǎng)站的信息，最后給出信息匯總和具體的客戶拜訪提示，演示AI Agent如何幫助銷售人員實現(xiàn)銷售效率的提升。

可以看出，僅銷售這一個應(yīng)用場景，背后就會涉及到多個企業(yè)的IT信息系統(tǒng)、多個外部信息源的對接、多個子任務(wù)的規(guī)劃、多個知識源的治理對接，還有多次模型的微調(diào)，而這些都必須在企業(yè)的私域場景去完成。李剛表示，企業(yè)的AI原生創(chuàng)新需要一個平臺來持續(xù)賦能和加速。

“我們通過從類似銷售這一類的小場景入手，為企業(yè)創(chuàng)造價值，同時幫助企業(yè)在神州問學平臺上積累數(shù)據(jù)和經(jīng)驗，持續(xù)深化知識治理，通過成功驗證的小Agent編排組裝成能夠執(zhí)行更復(fù)雜任務(wù)的大型Agent。企業(yè)在神州問學上完成的工作越多，積累的Agent的能力就會越強，企業(yè)的模型也會越來越大。”李剛表示。

一旦AI Agent能夠準確理解復(fù)雜的任務(wù)需求、自主選擇最合適的解決方案，并有效控制任務(wù)進度，就能幫助企業(yè)實現(xiàn)智能化轉(zhuǎn)型，推動生產(chǎn)力的指數(shù)級增長。

AI應(yīng)用落地需與行業(yè)Know-How深度融合

在推動大模型行業(yè)應(yīng)用的過程中，需要將行業(yè)知識內(nèi)化到大模型的參數(shù)中，提升大模型理解行業(yè)特定術(shù)語和正確應(yīng)用行業(yè)知識的能力，從而更好地適應(yīng)行業(yè)內(nèi)的多樣化場景，提供更加貼合實際需求的解決方案。

然而，搭建行業(yè)或企業(yè)知識庫體系也面臨一些難點和挑戰(zhàn)。首先，知識庫體系需要收集和整理大量的數(shù)據(jù)和知識資源，而這些資源可能來自不同的部門、系統(tǒng)和格式，需要進行數(shù)據(jù)清洗、整合和標準化等工作，這是一個復(fù)雜且耗時的過程；其次，知識庫體系需要建立有效的數(shù)據(jù)存儲、檢索機制和治理體系，以便實現(xiàn)知識資源的高效利用和轉(zhuǎn)化；此外，知識庫體系還需要考慮數(shù)據(jù)的隱私和安全問題，保護敏感信息不被泄露或濫用。

在知識治理方面，神州問學引入了自動化標注模型，極大簡化了數(shù)據(jù)和知識資源的整理與應(yīng)用。針對如醫(yī)藥行業(yè)客戶所面臨的海量醫(yī)療文檔治理挑戰(zhàn)，平臺的文檔布局拆解工具和專業(yè)訓(xùn)練模型將人工干預(yù)的文檔量從46萬份減少至1000份以內(nèi)，實現(xiàn)了知識治理的自動化飛躍。這一轉(zhuǎn)變不僅提升了數(shù)據(jù)處理效率，更為企業(yè)構(gòu)建了一個精準、高效的知識檢索體系，為AI應(yīng)用的深度學習和決策支持打下了堅實的基礎(chǔ)。

李剛表示，在神州問學AI原生賦能平臺支持下，神州數(shù)碼已經(jīng)完成在HR、法務(wù)、財務(wù)等通用知識密集型領(lǐng)域的AI應(yīng)用著陸。除此以外，通過與企業(yè)或者政府機構(gòu)合作，專注于一些專業(yè)領(lǐng)域，比如金融科技、汽車、政務(wù)、供應(yīng)鏈，將AI技術(shù)、云原生、數(shù)字孿生技術(shù)跟相關(guān)的業(yè)務(wù)Know-How進行更為深入的融合，進一步重構(gòu)、創(chuàng)新一些新的業(yè)務(wù)模式。

據(jù)悉，在金融科技領(lǐng)域，神州信息九天攬月云原生金融PaaS平臺融合“AI+”，從軟件建模、代碼生成、智能運維等場景，實現(xiàn)AI技術(shù)的落地，大大提升了金融軟件的研發(fā)質(zhì)效，幫助金融機構(gòu)實現(xiàn)創(chuàng)新的降本增效和提質(zhì)增速。

在供應(yīng)鏈場景下，神州控股供應(yīng)鏈解決方案總監(jiān)田聯(lián)平在接受第一財經(jīng)采訪時表示，神州控股通過搭建數(shù)智供應(yīng)鏈決策平臺，在把采購需求、生產(chǎn)及物流數(shù)據(jù)集成到數(shù)據(jù)模型的基礎(chǔ)上，搭建供應(yīng)鏈數(shù)字孿生環(huán)境，結(jié)合規(guī)則和業(yè)務(wù)模型、以及智能優(yōu)化決策算法，實現(xiàn)AI對供應(yīng)鏈場景的賦能。

在助力地方產(chǎn)業(yè)發(fā)展方面，神州控股解決方案中心總經(jīng)理崔學文表示，神州控股以城市CTO模式與政府合作，以仿真模型+知識圖譜+人工智能為核心，構(gòu)建“算力、算據(jù)、算法”一體化算力中心架構(gòu)，賦能B端客戶推動當?shù)禺a(chǎn)業(yè)發(fā)展。以長春新區(qū)為例，依托吉林當?shù)刂兴幉膸鞌?shù)據(jù)、藥企研發(fā)資源以及深厚的傳統(tǒng)中醫(yī)藥文化背景，神州控股開發(fā)中藥材大模型，賦能藥企、中醫(yī)院及整個中藥開發(fā)產(chǎn)業(yè)鏈，提升中國在中藥材領(lǐng)域的定標定質(zhì)話語權(quán)，推動中藥市場的健康發(fā)展。

AI生態(tài)完善有助企業(yè)AI變革

當前，企業(yè)的AI變革面臨著許多復(fù)雜的問題需要迎頭解決。在價值層面，企業(yè)需要明確AI在業(yè)務(wù)中的實際應(yīng)用價值，以確保投資和資源的有效利用。技術(shù)層面上，企業(yè)需要尋找適合自身需求的AI技術(shù)，以及解決數(shù)據(jù)質(zhì)量、算法選擇和模型訓(xùn)練等技術(shù)挑戰(zhàn)。在路徑層面上，企業(yè)需要制定明確的AI發(fā)展戰(zhàn)略和實施計劃，以確保實際落地的順利推進。

與此同時，許多AI產(chǎn)品和技術(shù)廠商也在推動AI的落地應(yīng)用，但也面臨著一些客觀的挑戰(zhàn)。首先，客戶需求不明確是一個重要問題。由于AI技術(shù)的復(fù)雜性，許多企業(yè)并不清楚如何應(yīng)用AI來解決實際業(yè)務(wù)問題。其次，交付能力不足也是一個挑戰(zhàn)，雖然有許多AI產(chǎn)品和技術(shù)可供選擇，但很多企業(yè)缺乏實際的技術(shù)實施和項目管理能力，導(dǎo)致無法順利將AI落地應(yīng)用到業(yè)務(wù)中。

另外，AI人才的短缺是一個巨大的問題。由于AI領(lǐng)域的迅速發(fā)展和需求的增加，市場上缺乏足夠的具備AI專業(yè)知識和實踐經(jīng)驗的人才。這使得企業(yè)在招聘和培養(yǎng)AI人才方面遇到了困難，影響了企業(yè)實施AI戰(zhàn)略和推動AI變革的能力。

李剛表示，當一個全新的技術(shù)進入到企業(yè)中，往往面臨認知的挑戰(zhàn)。與此前幾次技術(shù)革命不同，本次AI浪潮下，因為有了ChatGPT這樣的超級應(yīng)用出現(xiàn)，每個人似乎都提前摸到了這個新技術(shù)，但由于認知往往是碎片化的，需要將企業(yè)對AI的認知從碎片化變成體系化、系統(tǒng)化，這樣才能避免企業(yè)在AI落地應(yīng)用過程中遇到一些問題或踩一些坑。

本次數(shù)云原力大會上，神州數(shù)碼也正式啟動“DC·AI生態(tài)創(chuàng)新中心”。未來三年，神州數(shù)碼將聚合全球頂尖科技力量，聯(lián)合多維度生態(tài)伙伴，圍繞方案共建、人才培訓(xùn)、市場牽引三個維度，構(gòu)建AI生態(tài)加速引擎，持續(xù)推動AI著陸加速。