編輯部 發自 凹非寺
量子位 | 公眾號 QbitAI

大模型技術加速向產業滲透，如何直擊業務痛點、帶來真實增效？

“平臺＋應用＋服務”是企業大模型落地的最佳路徑。

在第三屆AIGC產業大會上，中關村科金總裁喻友平分享如上方法論。

即使看似簡單的需求，也需要經歷需求拆解、數據調優與流程重構的閉環。在這個過程中，企服廠商需要提供好服務。

為了完整體現喻友平的思考，在不改變原意的基礎上，量子位對演講內容進行了編輯整理，希望能給你帶來更多啟發。

中國AIGC產業峰會是由量子位主辦的AI領域前沿峰會，20余位產業代表與會討論。線下參會觀眾超千人，線上直播觀眾320萬+，累計曝光2000萬+。

話題要點

• 大模型技術正從消費端向產業端加速滲透；
• 認知性AI同樣遵循“C端先行、B端深化”的路徑；
• 企業需要端到端的解決方案而非孤立技術模塊；
• 算法開源趨勢使得數據主權愈加重要；
• 企業大模型落地最佳路徑就是做好“平臺+應用+服務”。

認知型AI亦遵循“C端先行、B端深化”

各位嘉賓下午好，非常榮幸受邀參與量子位大會的分享。此前各位專家已就前沿技術展開深度探討，我的主題則聚焦于大模型在企業服務領域的落地實踐——如何通過技術賦能助力企業實現降本增效、提升收入與客戶價值

從趨勢上來說，這件事情肯定是非常值得做的。當前，大模型技術正從消費端向產業端加速滲透。縱觀技術發展史，無論是互聯網、移動互聯網，還是感知型AI，均遵循“C端先行、B端深化”的路徑，認知型AI的成熟同樣如此。

據權威機構預測，未來五年企業級大模型市場規模將迎來爆發式增長。然而機遇與挑戰并存：企業需求理解、人才適配、數據安全與倫理等問題亟待解決。在與眾多企業客戶的交流中，我們深刻認識到，技術落地的核心在于能否直擊業務痛點

以“增收”場景為例，我們可以看到大模型在企業應用里面一個最簡單的場景——就是外呼，有很多企業有大量的客戶名單，要把他們激活。比如我們跟一家知名汽車廠商交流時，其數據庫沉淀了1600萬潛在用戶，但傳統人工客服日均僅能觸達1萬人，大量客戶資源處于“沉睡”狀態。

怎么能夠更快地激活客戶，這就是他非常簡單的訴求。看起來這個在智能外呼場景里面是最簡單的，因為目的非常簡單，需要溝通的輪次也非常清晰，溝通的領域也并不復雜，但是要達到幾個目的：一個反應要非常快，第二對于不需要回答的問題要能夠拒答，回答要非常準確還要非常擬人。基于這個訴求，我們通過部署智能外呼系統，結合大模型與多輪對話技術，在話術擬人度、回答準確度與響應速度等關鍵指標上持續優化，最終將轉化率從傳統NLP技術的1.5%提升至3.5%，逼近真人客服4.2%的水平

我們從這個案例揭示出兩個重要趨勢：智能化的落地需要與數字化深度融合，企業需要端到端的解決方案而非孤立技術模塊。場景適配重于技術堆砌，即使看似簡單的任務也需經歷需求拆解、數據調優與流程重構的閉環，而在這整個過程中間需要我們做好服務。

“平臺+應用+服務”三級引擎

中關村科金是一家大模型技術與應用公司。作為十年深耕企業數字化服務的科技公司，我們積累了深厚的領域和行業產品基礎。在AI大模型來了之后，我們不斷用大模型對自有產品進行重構，最近這兩年我們看到垂類大模型，包括基于大模型平臺的應用已經成為企業越來越大的需求，我們現在聚焦垂類大模型在各行各業的落地應用。

在實際企業服務的過程中，我們發現一個規律，要真正幫助這些企業實現大模型落地，本質上還是需要做好平臺、應用和服務。平臺對于每一個企業，特別是中國大部分有規模的企業來說，基本上都要私有化。數據是驅動企業智能化的核心燃料，算法的開源化趨勢使數據主權愈發重要。企業要有自己的核電站能夠消化數據形成的智能化能力，用在各種應用場景里面，最后整個應用搭建的過程其實需要大量的服務，包括方案咨詢、方案建設到應用搭建到調優。因此，我們提出“平臺+應用+服務”的三級引擎戰略，是企業大模型落地的最佳路徑

具體來說，我們自研的“得助大模型平臺”，覆蓋算力、數據、模型和智能體四大能力工廠：異構算力兼容，支持國產化與主流芯片架構；全流程數據治理，覆蓋標注、訓練與推理環節；多模態模型庫，集成開源與自研模型；智能體工廠，提供自動化流程編排能力。同時，平臺沉淀了覆蓋金融、制造、政務等各行業的數百個大小模型組合的場景化“樣板間”，能夠幫助客戶更容易實現應用落地，大幅降低企業試錯成本。

關于產品標準化與定制化的平衡，我們將其類比為“精裝房與個性化裝修”——通用能力模塊可快速復用，但具體落地仍需結合企業自身的業務流與數據特征進行調優。

智能客服場景是一個比較大的通用場景，這里面既包括企業被動的響應客戶請求，也包括主動聯系客戶，而大模型則讓企業跟客戶的連接變得更簡單。我們推出“1+2+3”產品體系：

• 1個全媒體全渠道聯絡中心，整合電話、IM、郵件等觸達方式，實現統一服務界面管理；
• 2類機器人，文本機器人和語音機器人，支持主動外呼與智能應答；
• 3類坐席智能輔助工具，通過事前模擬智能陪練、事中智能助手決策輔助、事后智能質檢分析形成服務閉環。

“1+2+3”套件基本上可以解決各類型服務場景大模型落地的大部分問題，并且我們也做到了比較落地的狀態。目前這套產品已在多個車企、頭部金融機構及大型央國企中規模化應用。

垂直行業的深度賦能更具挑戰。我們認為有兩類垂類大模型，一類ToC為主，比如教育、醫療、旅游，這些基于很多互聯網數據為基礎的大模型落地，這樣的方向適合傳統有數據的企業做。還有一些如工業、金融、政務這些以ToB數據為主，行業或者整個產業比較分裂，這種場景就比較適合我們的“平臺+應用+服務”的模式去做落地。

我們跟寧夏交建交通科技研究院聯合打造了國內首個工程大模型應用平臺 “靈筑”，實現了百萬級工程圖紙的智能解析與投標方案生成，將項目籌備周期壓縮40%，效率提升非常顯著。我們和中國船舶研究院合作的船舶行業大模型“百舸”，通過情報分析、內部知識檢索與獲取等方面，顯著提升研發效率。在交通領域的道路檢修場景，我們基于視覺與語音大模型的檢修輔助系統，使現場檢修工程人員能實時獲得故障診斷建議，將專家響應耗時從數小時縮短至分鐘級。這些實踐印證了一個結論：行業Know-How與AI技術的化學反應，方能釋放真正的商業價值。

值得關注的是，大模型正在催生新型應用場景。例如證券行業的“智能陪練”場景，通過模擬高難度客戶對話，使銷售經理及客服人員在實戰演練中快速提升業務能力，培訓效率整體可提升60%；家居行業的營銷助手則結合用戶行為數據，自動生成個性化設計方案，帶動客戶轉化率增長15%。還有如車企對于營銷場景的呼入、呼出大模型的急切需求、券商行業的財富助手、智能投顧等。這些創新表明，大模型不僅是效率工具，更是企業重構服務模式、開辟價值增量的戰略支點。

展望未來，我們希望把垂類大模型應用到千行百業，幫助企業降本增效、實現業務創新增長。我們相信，垂類大模型有廣闊的市場空間，歡迎各界伙伴跟我們做更多交流。也期待未來垂類大模型可以像互聯網一樣，走入千家萬戶，真正幫助中國企業在大模型浪潮下，在全球產業競爭新格局下，打造自己更強的競爭力，實現智能化轉型升級。謝謝大家。