编辑部 发自 凹非寺
量子位 | 公众号 QbitAI
大模型技术加速向产业渗透，如何直击业务痛点、带来真实增效？
“平台＋应用＋服务”是企业大模型落地的最佳路径。
在第三届AIGC产业大会上，中关村科金总裁喻友平分享如上方法论。
即使看似简单的需求，也需要经历需求拆解、数据调优与流程重构的闭环。在这个过程中，企服厂商需要提供好服务。
为了完整体现喻友平的思考，在不改变原意的基础上，量子位对演讲内容进行了编辑整理，希望能给你带来更多启发。
中国AIGC产业峰会是由量子位主办的AI领域前沿峰会，20余位产业代表与会讨论。线下参会观众超千人，线上直播观众320万+，累计曝光2000万+。
话题要点
- 企业大模型落地最佳路径就是做好“平台+应用+服务”。
认知型AI亦遵循“C端先行、B端深化”
各位嘉宾下午好，非常荣幸受邀参与量子位大会的分享。此前各位专家已就前沿技术展开深度探讨，我的主题则聚焦于大模型在企业服务领域的落地实践——如何通过技术赋能助力企业实现降本增效、提升收入与客户价值。
从趋势上来说，这件事情肯定是非常值得做的。当前，大模型技术正从消费端向产业端加速渗透。纵观技术发展史，无论是互联网、移动互联网，还是感知型AI，均遵循“C端先行、B端深化”的路径，认知型AI的成熟同样如此。
据权威机构预测，未来五年企业级大模型市场规模将迎来爆发式增长。然而机遇与挑战并存：企业需求理解、人才适配、数据安全与伦理等问题亟待解决。在与众多企业客户的交流中，我们深刻认识到，技术落地的核心在于能否直击业务痛点。
以“增收”场景为例，我们可以看到大模型在企业应用里面一个最简单的场景——就是外呼，有很多企业有大量的客户名单，要把他们激活。比如我们跟一家知名汽车厂商交流时，其数据库沉淀了1600万潜在用户，但传统人工客服日均仅能触达1万人，大量客户资源处于“沉睡”状态。
怎么能够更快地激活客户，这就是他非常简单的诉求。看起来这个在智能外呼场景里面是最简单的，因为目的非常简单，需要沟通的轮次也非常清晰，沟通的领域也并不复杂，但是要达到几个目的：一个反应要非常快，第二对于不需要回答的问题要能够拒答，回答要非常准确还要非常拟人。基于这个诉求，我们通过部署智能外呼系统，结合大模型与多轮对话技术，在话术拟人度、回答准确度与响应速度等关键指标上持续优化，最终将转化率从传统NLP技术的1.5%提升至3.5%，逼近真人客服4.2%的水平。
我们从这个案例揭示出两个重要趋势：智能化的落地需要与数字化深度融合，企业需要端到端的解决方案而非孤立技术模块。场景适配重于技术堆砌，即使看似简单的任务也需经历需求拆解、数据调优与流程重构的闭环，而在这整个过程中间需要我们做好服务。
“平台+应用+服务”三级引擎
中关村科金是一家大模型技术与应用公司。作为十年深耕企业数字化服务的科技公司，我们积累了深厚的领域和行业产品基础。在AI大模型来了之后，我们不断用大模型对自有产品进行重构，最近这两年我们看到垂类大模型，包括基于大模型平台的应用已经成为企业越来越大的需求，我们现在聚焦垂类大模型在各行各业的落地应用。
在实际企业服务的过程中，我们发现一个规律，要真正帮助这些企业实现大模型落地，本质上还是需要做好平台、应用和服务。平台对于每一个企业，特别是中国大部分有规模的企业来说，基本上都要私有化。数据是驱动企业智能化的核心燃料，算法的开源化趋势使数据主权愈发重要。企业要有自己的核电站能够消化数据形成的智能化能力，用在各种应用场景里面，最后整个应用搭建的过程其实需要大量的服务，包括方案咨询、方案建设到应用搭建到调优。因此，我们提出“平台+应用+服务”的三级引擎战略，是企业大模型落地的最佳路径。
具体来说，我们自研的“得助大模型平台
”，覆盖算力、数据、模型和智能体四大能力工厂：异构算力兼容，支持国产化与主流芯片架构；全流程数据治理，覆盖标注、训练与推理环节；多模态模型库，集成开源与自研模型；智能体工厂，提供自动化流程编排能力。同时，平台沉淀了覆盖金融、制造、政务等各行业的数百个大小模型组合的场景化“样板间”，能够帮助客户更容易实现应用落地，大幅降低企业试错成本。
关于产品标准化与定制化的平衡，我们将其类比为“精装房与个性化装修”——通用能力模块可快速复用，但具体落地仍需结合企业自身的业务流与数据特征进行调优。
智能客服场景是一个比较大的通用场景，这里面既包括企业被动的响应客户请求，也包括主动联系客户，而大模型则让企业跟客户的连接变得更简单。我们推出“1+2+3”产品体系：
- 1个全媒体全渠道联络中心，整合电话、IM、邮件等触达方式，实现统一服务界面管理；
- 2类机器人，文本机器人和语音机器人，支持主动外呼与智能应答；
- 3类坐席智能辅助工具，通过事前模拟智能陪练、事中智能助手决策辅助、事后智能质检分析形成服务闭环。
“1+2+3”套件基本上可以解决各类型服务场景大模型落地的大部分问题，并且我们也做到了比较落地的状态。目前这套产品已在多个车企、头部金融机构及大型央国企中规模化应用。
垂直行业的深度赋能更具挑战。我们认为有两类垂类大模型，一类ToC为主，比如教育、医疗、旅游，这些基于很多互联网数据为基础的大模型落地，这样的方向适合传统有数据的企业做。还有一些如工业、金融、政务这些以ToB数据为主，行业或者整个产业比较分裂，这种场景就比较适合我们的“平台+应用+服务”的模式去做落地。
我们跟宁夏交建交通科技研究院联合打造了国内首个工程大模型应用平台 “灵筑”，实现了百万级工程图纸的智能解析与投标方案生成，将项目筹备周期压缩40%，效率提升非常显著。我们和中国船舶研究院合作的船舶行业大模型“百舸”，通过情报分析、内部知识检索与获取等方面，显著提升研发效率。在交通领域的道路检修场景，我们基于视觉与语音大模型的检修辅助系统，使现场检修工程人员能实时获得故障诊断建议，将专家响应耗时从数小时缩短至分钟级。这些实践印证了一个结论：行业Know-How与AI技术的化学反应，方能释放真正的商业价值。
值得关注的是，大模型正在催生新型应用场景。例如证券行业的“智能陪练”场景，通过模拟高难度客户对话，使销售经理及客服人员在实战演练中快速提升业务能力，培训效率整体可提升60%；家居行业的营销助手则结合用户行为数据，自动生成个性化设计方案，带动客户转化率增长15%。还有如车企对于营销场景的呼入、呼出大模型的急切需求、券商行业的财富助手、智能投顾等。这些创新表明，大模型不仅是效率工具，更是企业重构服务模式、开辟价值增量的战略支点。
展望未来，我们希望把垂类大模型应用到千行百业，帮助企业降本增效、实现业务创新增长。我们相信，垂类大模型有广阔的市场空间，欢迎各界伙伴跟我们做更多交流。也期待未来垂类大模型可以像互联网一样，走入千家万户，真正帮助中国企业在大模型浪潮下，在全球产业竞争新格局下，打造自己更强的竞争力，实现智能化转型升级。谢谢大家。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
