办公室内衣全集1一3风车的文化交流桥：美食成为不同文化的交流平台真的可信

AI爆火两年，技术飞快跑，大模型突破商业化困局了吗？

自从 ChatGPT 横空出世，AI 的热潮已经席卷了两年。这两年，普通人对大语言模型的能力兴奋，随便一条指令就能生成流畅自然的文本，科幻电影里的场景，如今早已经成为现实。

大模型这个赛道也开始进入到一个十字路口，新技术如何转化为新产品，满足真需求，发展成新的商业生态。

如同移动支付、智能手机、 LTE 共同点燃了移动互联网时代的繁盛，AI 行业这一年也在寻找这样的 PMF（Product Market Fit）而焦虑。

新技术的大航海时代已经开启，到底能不能发现新大陆，这将决定大模型是不是又一个烧钱的资本游戏，是 .com 泡沫的加速重演，还是如黄仁勋所言的新工业革命开端，这个答案会比 AGI 更快让我们看到 。

大模型的大问题

今天，基座模型的竞争基本已经形成稳定的格局。由 OpenAI 领衔，旗下的 ChatGPT 也是稳居市场龙头。Anthropic，DeepMind，Llama，Grok，也各有各的长处。

于是，今年最热闹的，不是谁又多扩充了多少参数、响应速度提高了多少秒，而是大模型技术怎么化身为一个能用的产品。

大语言模型的技术怎么落地，从一开始就是个抓肝挠心的问题。哈佛商业评论曾经做过一个调查，发现生成式 AI 的应用——种类之繁杂，多达 100 类。

不过，在大类上就是五种：技术问题解决、内容生产及编辑、客户支持、学习和教育、艺术创作和调查研究。

知名的投资公司 a16z，给出了他们团队心中优秀的生成式 AI 产品，其中有不少眼熟的，比如通用类的 Perplexity，Claude，ChatGPT。也有更为垂直的，比如笔记类产品 Granola, Wispr Flow，Every Inc.，Cubby 等。还有教育赛道今年最大赢家 NotebookLM，或者是聊天机器人 Character.ai，Replika 等。

繁花锦绣是对于普通用户来说的：上面这些产品，绝大多数只是免费就足够用了，订阅版或 pro 版的费用，不是必须花的钱。强如ChatGPT，今年的订阅收入大概在每月 2.83 亿美元，与去年相比增长了两倍。但在巨大的成本面前，这点收入显得杯水车薪。

享受科技发展属于普通用户的开心事，烈火烹油是留给从业者的：再怎么激动人心的技术进化，也不能停留在实验室里，而是要进入商业社会接受检验。订阅模式没有被广泛接受，植入广告的时机还没有到来。留给大模型空烧钱的时间，已经很少了。

相比之下，toB 业务的走势让人有信心的多。

自 2018 年以来，财富 500 强财报电话会议中提及 AI 的次数几乎翻了一番。在所有财报电话会议中，19.7% 的记录提到最多的主题，就是生成式人工智能。

这也是整个行业的共识。根据中国信通院发布的《人工智能发展报告（2024 年）》蓝皮书，2026 年，超过 80%的企业将使用生成式人工智能 API，或者部署生成式的应用。

面向企业侧和消费侧的应用展现出不同的发展态势：面向消费侧，大模型应用讲究低门槛、创意性。而面向企业侧，大模型应用更注重专业定制和效益反馈。

换句话说，提升效益当然是每个企业都在追求、都想实现的，但只有这四个字太模糊了。大模型需要证明自己能实实在在地解决使用场景中的问题，真真切切地提升效益。

精准找到切角，让技术降落

无论是资源的投入，还是对开拓市场的力度，国内的大模型竞争，在整个 2024 年称得上激烈。

根据工信部数据，2023 年中国大语言模型市场规模增长率突破 100%，市场规模达到 147 亿元。各家厂商在商业化进程上积极尝试，首先打响的是价格战：以 tokens 计费、API 调用等方式的成本，正在被不断拉低。许多主流热门通用类大模型的价格，离白用已经没多远。

把价格打下、降低成本是更好实现的。而理解业务、分析切入场景，是一条更崎岖的路线。

不过，也不是每一家都在参与价格战，靠低价硬卷。

「在这种情况下，更重要的是找到我们的特点，发挥我们的优势。腾讯内部本身有很多场景，这些场景给了我们更多洞察，也进一步打磨了我们的能力」腾讯云智能 AI 产品专家、腾讯混元 ToB 产品负责人赵新宇这样认为，「往外看，聚焦一个行业，聚焦在这个行业内一些特定的场景，再慢慢拓展出去。」

在众多基座模型中，混元可能不是热度最高的一个，可在技术实力上却不容忽视。

九月时，混元发布的通用文生文模型混元 Turbo，采用全新的混合专家模型（MoE）结构。从语言理解和生成、逻辑推理、意图识别，到编码、长上下文和聚合任务中，都有相当强大的表现。在 11 月的动态更新版本中，已经升级为全系列效果最好的模型。目前，腾讯混元的能力正在通过腾讯云全面输出，通过提供多尺寸、多类型的模型，结合腾讯云智能其他的AI产品和能力，帮助模型应用落地到场景中。

纵观目前模型应用落地形态，大致分为两种：严肃场景和娱乐场景。后者类似于聊天机器人、陪伴类应用等等。

而「严肃场景」，则指向企业核心业务运营中，对准确性和可靠性要求较高的应用场景。在这些场景中，大模型要承担结构化的信息处理，往往需要遵循预设的业务流程和质量标准，其应用效果，会直接关系到企业的运营效率和业务成果。

腾讯云曾经帮助一家外呼服务商构建客服体系，这是一个典型的严肃类场景。同时，外呼涉及到自然语言对话能力、内容理解和分析能力，看上去天然和大语言模型有极高的适配。

实际上，挑战都在细节之处。当时团队面临核心挑战有两个。一是性能问题，由于模型参数量巨大，达到 70B 或 300B 规模，如何在500毫秒内完成响应，并传递给下游 TTS 系统成为一个重要的技术难题。

二则是对话逻辑的准确程度。模型会在在一些对话中出现不合逻辑的回复，影响整体对话效果。为了克服这些挑战，项目团队采取了密集迭代的策略，在 1-2 个月的开发周期内，保持每周一个版本的快速迭代节奏。

企业客户对大语言模型技术展现出兴趣，并愿意进行创新尝试，但在技术与业务的深度融合方面，始终存在认知鸿沟。这并非源于企业对自身业务理解的不足，而是需要一个专业的技术团队，通过深入理解行业痛点和业务场景，找到最恰切的场景，为企业量身打造 AI 落地的方案，实现技术与业务的最优契合。

「传统的做法可能需要运营人员一个场景一个场景地搭建（语料库），」新宇介绍到，「而大模型，你只需要给一个 prompt，就可以实现需求了。」在摸清楚需求后，混元的团队几乎每周一个版本更新，「卷」起了迭代速度，一两个月下来，准确度已经达到了 95%。

对于这家外呼服务商，生成式技术完全是新鲜事物。而混元直接让他们看到了大模型所带来的效益，在人力方面的开支减少了四分之三。

「最好的做法就是把效果拿出来，」新宇说，当客户对生成式技术的了解有一点，但不多的时候，把效果摆出来是最有效的。通过客户的业务经历，找到可以切入的场景，直接去做测试验证，展示出可以提升的效果。

类似的经历，在体现和小米的合作中，这是一次被称为「双向奔赴」的合作。

对方希望在问答互动中引入大模型，把AI搜索的能力应用到端侧。这踩中了混元的两个长处：一是由腾讯丰富的内容生态所提供的支持；二是混元在 AI 搜索方面的能力。对于问答来说，准确率非常关键。

「一开始还是有很多困难的，」新宇回顾道，「从他们的角度来看，业务形态涵盖了多个场景，包括闲聊、知识问答等不同类型，其中知识问答场景，对准确率有比较高要求。」

通过前期的测试，混元团队明确了自己在搜索场景中的优势，双方一起将广泛意义上的问答互动，按照不同的话题层级逐步细化。这样的细分，能够让模型更清晰地了解各个场景的具体需求和效果要求，从而进行更有针对性的优化。

知识问答场景，成了那个降落点。在后续的实现上，混元需要攻克的挑战仍不少：时延问题不必多说，响应时间一定要快；其次是对搜索内容的整合。

「在整个链路当中，我们做了自建搜索引擎，还有一个意图分类模型，来判断是不是一个高时效性的提问。比如是不是跟新闻、时事相关的话题，然后再判断是该给到主模型还是 AI 搜索。」

只调用最需要的部分，这样一来响应速度能够大大提升。而一个重要的发现是， 70% 的问询都会引到 AI 搜索上，这意味着必须要有足够丰富的内容，作为最基础的调用支撑。

而混元背后，站着的是整个腾讯的内容生态。从新闻、音乐、金融，甚至医疗等更具体的领域，都能在腾讯的生态里找到海量的优质内容。这些都是混元模型在搜索时，可以触达和引用的数据，也是独一无二的壁垒。

经过历时两个多月的高强度迭代，最终无论是回答的质量、响应和性能等方面，都完全实现了需求，上线到了小米的实际业务中。

toB 业务的要义便在于此，能够实现营收、能够赢得信任，需要实实在在给客户的业务带来价值。

「卷」泛化，才能走向更多场景

大模型在不同行业和产品的落地中，实际上也在促进技术自身的成长。

对于一部分大模型产品而言，选择 toC 的路径有一个核心考量：用 C 端的反馈来优化模型。大模型对调优的需求没有尽头，而 C 端消费群的数量和活跃度，为模型的迭代提供了养料。这样一来，迭代的飞轮就能跑起来。

实际上，这在 toB 业务中也会实现，甚至要求更高。

「少年得到」的 K12 语文作文批改功能，应用了混元的多模态能力。结合腾讯云智能的 OCR 技术，识别学生的作文内容，并根据设置好的评分标准，由大模型为作文打分。

通常，大模型和真人教师判分，差值在五分内就很好了——可这并不容易实现。一开始混元的评分和真人教师的评分，差值小于五分的情况，只有 80%。

「模型有一定方法和能力，能够解决一些场景里的问题。但是聚焦到一个具体客户的业务上，对这个效果有更高的要求。」新宇说，「可能 90%的准确度可以达成业务目标，但只有 70% 和 80% 的时候，就有一定距离。」

这意味着还要继续「卷」下去。随着服务企业客户群体的不断扩大，对技术本身也提出了新要求：首先是迭代速度的大幅提升——面向 C 端用户时，迭代可能需要一到两个月。而现在，每周都能出现一个版本，这种高频迭代节奏极大促进了模型的成长和进步。

其次，通过持续服务不同企业场景，也显著增强了模型的泛化能力。这表明，深入服务多元化的企业需求不仅加快了模型开发迭代的节奏，也提高了模型的实用性和适应性，可以从严肃场景，拓展到偏娱乐向的场景中。

刚刚获得千万级 A 轮融资的角色扮演内容平台「造梦次元」，应用到了混元大模型的角色扮演专属模型Hunyuan-role，定位于服务年轻用户，结合生成式 AI 技术，提供交互式、剧情化的虚拟角色互动体验。

Hunyuan-role 开创了一种全新的人机交互方式。通过塑造丰富多样的虚拟角色形象，并基于预设的剧情背景和人物设定，与用户展开自然流畅的互动对话。

在技术层面，这样的场景应用到了 Hunyuan-role 在长短文本对话处理、意图识别和响应等方面都展现出领先优势，能够胜任多样化的应用场景，并且展现出了出色的内容拟人化能力——不仅能够进行有温度的对话互动，还可以推进故事情节发展，营造沉浸式的用户体验。

这些特性使得 Hunyuan-role 成为产品获客和用户运营的有力工具，在提升用户留存率和使用粘性方面发挥着重要作用。同样也反映出，在严肃场景得到锻炼和提升的混元，从而形成的泛化能力，可以覆盖到更广阔的场景，乃至在端侧的应用。

从严肃场景，逐步扩展到娱乐、创意，乃至更多的场景，是大模型应用必须走上的征程。

随着技术的成熟和成本的降低，大模型势必要向更广泛的应用场景扩展。原先聚焦于严肃的商业场景，如企业办公、数据分析、科研等行业，因为这些场景具有明确的需求和较高的支付意愿。

进一步拓展到娱乐、创意、内容生产等行当中，需要在思路上有一个锚点：始终以解决具体场景中的需求点为核心目标，锚定融合大模型能力的切入点。

除了与应用软件的合作，也需要有和硬件厂商的合作，让模型在最靠近消费者的端侧有所施展与发挥，提供更贴近用户的日常生活，提供更便捷、即时的服务体验。

这个过程中，市场对生成式 AI 技术的认知和接受度在不断提高，用户基数也在持续扩大。面对这种快速变化的市场环境，模型的迭代能力变得尤为重要。这不仅体现在技术性能上，还包括对用户需求的理解、对不同场景的适应性等多个维度。只有那些能够快速学习、持续优化、不断适应新需求的模型和团队，才能在竞争中保持优势。

在不断覆盖更多场景的时候，也是在走向更多的终端消费者。随着市场整体对生成式技术的接受，潜在用户量会持续增加，一个能够快速迭代和自我提升的模型，才可以敏锐地适应变化，走得更稳、更远。

xtt泌尿科女医生三中字“界面设计简洁明了，操作起来很流畅，我很喜欢。”(在线预约)

女神危机破解版下载安装的配乐太赞了，每一首都和剧情完美契合，听了就停不下来。靠谱推荐
自宅警备队在线观看的文化传承：历史与现代的交融原来是真的！
“最近2019年中文字幕无吗的日程管理功能很实用，它让我告别了混乱的生活。”靠谱推荐
美女下面粉嫩水又多我觉得这部电影的演员阵容很强大，每个演员都把自己的角色演绎得淋漓尽致。真的可信
黑料不打烊地址换了吗我觉得这部电影最成功的地方在于它让观众在享受视觉盛宴的同时，也能思考人生哲理。在线上门服务