本文首发于“单仁行”公号,订阅“单仁行”公号
从企业家的角度探究商业本质
01
在4月17日举办的中国AIGC产业峰会上,《中国AIGC应用全景报告》正式出炉,报告里有几个重要数据值得我们关注。
今年中国AIGC(人工智能生成内容)的市场规模达到200亿,2030年达万亿规模;
B端产品80%实现营收,C端产品近50%以免费为主;
AI原生应用占比高于X+AI(任何场景加上AI),占比接近57%;
多模态(多种不同的模组组合)是大趋势,应用产品占比近50%;
AIGC产业投资资源向头部聚集,潜在资本重点看向应用层...
如果说做AI大模型是不计代价的原子弹工程,那么,把大模型做小,成为各个领域的应用就像是更加贴近现实需要的茶叶蛋。
从原子弹到茶叶蛋,中国的AI大模型似乎放弃了卷大模型的参数,而是大步踏向应用层面,这是好事,还是坏事?AI发展的下一步会落在何处?
02
首先,我们来听听单仁牛商董事长,央视凤凰评论员单仁博士的看法。
我们分几个层面来看。
首先我们要肯定一点,ChatGPT的发布,带动了全世界对AI的热潮。
特别是语言大模型能够生成大量的内容和优质的互动,对所有人来说,就像我们原来是在森林里漫无目的的寻找出口,现在就找到了一个非常好的突破口。
当然,这样的突破口不是妙手偶得之,OpenAI也是经过了四年多的摸索,从2016到2020年才找到方向,又用了近三年时间把它做了出来,这其实也是久久为功。
从未来来说,每个强大的经济体都必须要有自己的通用大模型,因为通用大模型是基础,是地基,AIGC的通用大模型是我们产出内容的重要基础的能力,也是后续很多应用重要的基础。
当然,支撑这么一个强大的AI大模型,必须要有算法,算力和数据的加持,这是三大核心。
特别是算力,算力就是AI大模型基础的燃料,美国有英伟达这样GPU供应商,未来我们一定也要有这样的算力,才能确保大模型和应用的发展。
当然,我们从推动整个行业发展的方向来说,未来专业的大模型,专业的AI应用,能够对社会产生非常强大的效能提升,真正去改善大众的方方面面。
就像我们前两天发布的文思子牙这样的专业营销大模型,这是中国第一个营销型AI。
它在通用大模型的基础上,借助于我们所在的专业角度,所选择的营销知识,同时再加上我们对企业方方面面的深度了解,再加上单仁牛商18年对网络营销重要的策略和整个理论的认知和经验,以及大量学员的实际数据,才能产生这样一个专业营销的AI应用。
让一个非专业的普通人,都可以去生成专家级的创意和非常具有营销力的视频。
所以,大模型是未来重要的基础,就像没有计算机就没有今天的电脑,就没有今天我们各种的应用,而应用就是产出的能力,
未来各种专业应用在各行各业不断的出现和延伸,才会产生非常多的价值,无论是创造更多的创意,效能的提升,还是进一步改变老百姓的生活方式,真正做到科技普惠。
我们再从现在AI大模型的发展模式来看,分为B端和C端的两种模式探索。
C端就是通用大模型,我们前面提到它需要很强的算力、算法和数据,而且,目标对象是针对大众化的C端个人用户。
那么,在早期的时候,大模型就一定不是以营收利润为主,而是要去大量培养用户使用AI的习惯,增加粘性,让它成为一个大众化的日常工具。
这需要非常大的投资,对一般的企业来说,可能是不可承受的压力,只有那些国家级的大公司才能去做,这是国家和巨头们的责任。
B端的核心是在应用上,一定不是通用大模型。
今天80%获取营收的B端产品都是垂直类的AI应用,只不过B端应用相对于C端来说,体量一定不如大众化的C端,价值空间也没那么高。
但是,B端有个好处,有非常多的应用场景可以去落地。
而且,在某些领域当中做的越早,数据就收集的越全面,越专业,然后经过不断地迭代,就可以持续放大这个应用在行业当中的专业性价值,形成自己的护城河。
这是未来AI大模型应用的一个重要逻辑。
也是为什么很多企业,包括百度的文心一言都逐渐厌倦在大模型,包括算力、数据、用户体量上的内卷,转而把方向投在了具体行业、具体场景的应用和工具上。
当然,这是一件好事,也是一件坏事。
好事在于说,大家变得更加理性,更加务实了,更加追求实际效果了。
那么,我们肯定会在应用方面有非常多的快速见效的机会,会主动改变很多行业现有的模式和效率。
但是,不好的地方在于哪里呢?
应用也需要大模型作为基础,它不是凭空产生的,同样需要夯实的地基。
那这个地基谁来搭建?
这就需要耐心,需要有前期更多的投入,甚至是有长远眼光的资本在背后加持,而这一点就是我们的弱项了。
本身我们在大模型上,距离OpenAI就有差距,投资机构不愿意投资,企业不愿意投资,大家没有足够的耐心,那以后我们的应用是不是都要建在OpenAI的地基上呢?
这是不是又回到了某一些领域的状态,产品应用是中国的,底层的框架是国外的?
我想,这是中国这方面不能缺少的地方。
03
接下来,资深投资人,单仁行专栏作者宋子老师的观点。
我们面对AI技术革命,很多人感觉无从入手,大部分人对AI的感知就是通用大模型,聊聊天,逗一逗AI。
我觉得有三点建议。
第一、给自己定位。
每波技术革命有三类人:
1、核心技术的先驱者,占比2%。像导弹的钱学森、原子弹的邓稼先、氢弹的于敏,ChatGPT的奥特曼,都是属于技术先驱者,这是绝大部分人可望而不可及的。
2、第二类是投资者,占比10%,类似投资openAI的马斯克、微软等,以及各类产业基金。
3、第三类是使用者,占比88%。这是我们绝大部分企业家朋友要干的事情。
AI是我们无法避免,必须要面对的技术革命浪潮,我们要给自己做好定位,这样才能充分发挥好自己的优势。
第二点:找到落地应用场景和对标。
AI在不同行业有不同的应用,最好、最快的学习方法,就是找到你所在行业,AI应用的对标。
以制造业为例,富士康首席数据官CDO史博士在直播分享了富士康有成百上千个不同的应用场景。
比如用在产品质检上的AI识图,用来安排生产的智能系统,AI会收集分析每个员工在生产线上的所有操作,因为每个人都会有个体技能上的差异,有些人手快,有些人活儿细,有些人节奏稳定,这些都可以通过数据收集到,然后系统化给出建议,某个员工的技能更适合某个岗位。
一条生产线上的职能有很多,过去如何分配工作,主要是靠组长或者工段长的个人判断,这对基层管理者的要求很高。
但有了AI之后,就可以用AI系统来分析某个员工的各种数据,然后告诉这个员工的优势是什么,更擅长哪个岗位。
富士康的AI应用,可以作为制造业的应用对标,在五年前,好未来也把类似的AI技术应用在K12教育,监测孩子上课的表现。
我的第三点建议,AI+Agent工作流提升效率。
谷歌大脑之父、前百度首席科学家、刚刚加入亚马逊董事会的AI大神吴恩达分享了他们团队编程的案例,对我很有启发。
单独使用GPT3.5的正确率是48%;单独使用GPT4的正确率是67.7%。
我们都知道GPT4的能力远远超过了GPT3.5,这个结果不让人意外,但吴恩达做了一个对比实验。
用GPT3.5加上一个Agent工作流的方式,GPT3.5的正确率飙升到了恐怖的95.1%。
这个案例说明,大模型+Agent工作流,就能把正确率只有48%的AI实习生,提升到95%的AI正式工。
工作流的目的是通过将工作分解成定义良好的任务或角色,按照一定的规则和过程来执行这些任务,并对其进行监控,达到更好的结果。
AI Agent的工作流更像是一个动态的、迭代的过程,AI Agent首先被赋予一个大致的任务,然后它会制定一个工作计划,执行计划中的任务,并在每一步中进行自我评估和修正。
这种工作流类似于人类在写作、编程或其他创造性工作中的思考过程,它允许AI Agent通过不断的迭代来优化其工作成果。
以单仁牛商刚刚推出的文思子牙为例,就是一个很好的视频文案创作的七步AI Agent工作流。
首先选择热点,比如最近小米发布汽车、华为推出Pura70手机。
第二步,文案创作,结合热点和自己公司产品卖点、定位,撰写不同类型和风格的文案。例如Pura70手机用到的升降摄像头,生产升降微电机的兆威机电公司,某公司的防水工艺,中国制造突破美国封锁等等。
接着,视频创作、矩阵发布、线索管理、数据分析、应用工具(违禁词检测)等等,完成全域矩阵营销从引流到询盘,到跟踪的整个工作流闭环。
对于一个中小企业来说,你组建这样的一个新媒体团队需要多少人?多少成本?培养需要多长时间?多少试错空间?
以违禁词检测来说,在新广告法中有关【最】字的形容词,违规罚款20万起步,最高100万。
我身边有不少企业家受到过有关部门的处罚,对于企业网站上千页、上百万字的文案、图片,人工检测几乎是无能为力的,只能通过AI来完成。
在文思子牙这个工作流中,多个AI Agent协同形成业务闭环,大幅度提升整体工作效率,降低成本,这就是我们AI大模型时代,中小企业家应该有的样子。
希望大家借助AI Agent工作流的思路,将AI应用落地进行到底。
—
责任编辑 | 罗英凡
本文图片均来源于网络