ChatGPT4.0的问世，让人们看到了通用型人工智能的希望。

(相关资料图)

大模型风潮之下，国内厂商也快速跟进，推出了自研大模型。

例如百度的文心一言、阿里的通义千问、商汤的日日新等等。

5月18日，作为国内人工智能企业第一梯队的云从科技，也发布了自身的行业大模型“从容大模型”。

云从科技董事长周曦认为，AI在第一浪、第二浪之后，迎来了第三浪，进入大模型时代。

在大模型时代，AI开始像人一样思考和工作，传统的交互方式和内容生成方式将被彻底颠覆，新的业态和商业模式将出现，相关产业也将被重构。

2016年，阿尔法狗战胜李世石，掀起新一轮AI热潮。

这轮热潮实际上发迹于深度学习技术的应用。

当技术延伸至产业界，以“云从、商汤、旷视、依图”等为代表的人工智能企业先后成立，开启AI的百家争鸣时代。

彼时，AI还处于“一浪”时期，主要表现为人脸识别技术的单点突破。

在业界，有数百家企业做人脸识别，拼技术、拼算法、拼模型，进行技术竞争，最终跑出了“AI四小龙”。

“单点技术能解决部分需求，创造了一定价值，但市场空间非常有限。”周曦认为。

人脸识别确实在诸多领域广泛应用，比如金融支付、手机终端、安防等等。但在许多场景下，单靠人脸识别很难解决具体的需求，无法产生更大的业务增量。

2016年，阿尔法狗的胜利，标志着AI进入第二浪，即多点技术闭环，利用多种技术来解决单一场景问题。

这时，AI技术开始深入到各种各样的行业及落地场景，来改变生产生活。

但该阶段AI面临的问题是：很难标准化。

如果要解决一个具体的场景问题，需要投入大量的人力、算力来收集数据、标注和训练模型，并且与其他技术进行融合。这样做固然能解决问题，却属于高度定制化，随之而来的是海量的研发投入、运营成本。

这种投入与产出不成正比的商业模式并不成立，AI也一度陷入落地难的窘境，对应的AI公司也备受盈利质疑。

周曦表示，在该阶段，受限于技术、成本等因素，AI落地难、盈利难等问题客观存在，但技术的变革是阶跃式的，技术在某个阶段将涌现出来，量变终究产生质变。

2019年，云从提出了AI进化的“三浪理论”。

在第三浪时期，技术平台化、标准化成为现实，技术复用的边际成本大大降低，甚至接近于零。一个统一的底座平台能快速地响应需求，提供对应场景的解决方案，原有场景和产业的内容，以及交互方式将全面变革。

“AI的第三浪，即当前的大模型时代。”

大模型时代，AI在交互方式和生成内容方面将产生质变。

大模型将以问答、伴随、托管三种递进的形式颠覆传统交互方式：问答即当前的GPT，属于离线、非实时的交互方式；伴随是AI会像一个朋友伴随执行很多事情，具有主动性；托管则意味着一件事主要交给AI来做，即托管。

从互联网到移动互联网，内容生成方式从PGC进化到了UGC，带来了“创作平权”，每个用户都成为内容生产者。而到了大模型时代，AI将可以生成内容，即生成式AI（AIGC）。相比于UGC，AIGC生成内容的速度和效率更高，并且在一些特殊领域，效果也更好。

“此前，AI的定位是一个工具，用来解决问题；大模型时代，AI已经开始像人一样思考和工作。”

基于此，在行业大规模变革前夕，云从推出了“从容大模型”。

“从容大模型”是一个基础大模型，属于“基础设施”。

与其他开源大模型不同的是，云从自身拥有预训练大模型，具备在预训练层调优模型的能力。

在“从容大模型”之上，根据不同行业，可对应开发出行业大模型。

行业大模型可通过实时学习并同步反馈结果，解决AI应用的痛点，快速普及个性化应用，提高生产效率。

比如，在教育领域，基于从容大模型的“智能教育AI精灵”，教师可以通过设置题目难度、题型模式，批量生成题目。AI精灵还可以作为教师的助手，根据学生在系统中的表现，做出相关评价，极大地简化教师期末评价的任务工作量。

周曦认为，行业大模型是解决场景问题的专用模型，不同的行业，比如金融、教育、媒体等都有对应的垂直领域大模型。但如果没有基础大模型，行业大模型就不具备长期持续的生命力。

原因在于，如果想让行业大模型足够实用，便需要重新训练基础大模型；另一方面，行业大模型真正做到在产业上量产实用，它的效率及成本控制必须是极致的，而这个极致的优化必须要掌握基础大模型，否则便是纸上谈兵。

如同人一样，在中学，人要学习数学、语文、英语、历史等基础课程，来沉淀基本的思考、逻辑能力；而到了大学，就要学习金融、法律、医学等细分领域的专业知识。如果没有基础能力，专业知识很难学懂。

基础大模型就像一块万能的黑土地，种瓜得瓜，种豆得豆，但没有黑土地，什么也种不了。

有了基础大模型之后，根据行业的不同，可以训练出不同的行业大模型，比如金融、文娱等。

不同的行业大模型，又可以构建不同的行业系统，这意味着云从的CWOS（人机协同操作系统）将进一步得到提升与应用。

举个例子：基础大模型就像是芯片领域的ARM架构，不同的厂商可以设计出不同芯片，比如苹果可以设计出A系列芯片，而高通可以设计出骁龙系列芯片，这些芯片适用于不同的系统（IOS和Android），也服务不同行业的软件厂商。

具体到CWOS，“从容大模型”提供了基础能力，云从可以根据不同行业训练出专用大模型，从而为CWOS提供行业性的技术能力支撑，最终赋能到不同行业、不同属性的客户。

“通过基础大模型，构造了基础能力之后，我们可以不断地给它增加行业大模型的技能包，就构造出来更加强大的行业系统。这个系统，它可以去服务toG、toB和toC等各行各业。”

技术革命延伸至产业界，新的生产方式正在涌现。

许多厂商开始接入ChatGPT来改良产品。

比如微软更新了Office365、Bing，带来生产力和生产效率的提升。

大模型之下，新的业务正在产生，新的痛点正在出现，新的价值正在形成。

“大模型的变化就是把整个IT行业从流程为中心的开发，变成以知识为中心的开发，所以会带动用户和供应商价值的提升。以流程为开发的一个核心就是做定制化，以知识为核心的开发就是需要构建知识的能力。”

对应地，云从除了在B/G业务发力以外，也开始探索大模型在C端领域的应用。

在B/G端，基于从容大模型的行业大模型，可广泛运用到智能制造、金融、游戏等多个领域。

以智能制造为例，企业在“从容大模型”基础上开发出的行业数字平台，可以把不同的数据来源做成数据的叠层管理，来构建数据神经网络，从而优化整个的工厂端到供应端到客户端的大模型，从而实现管理的优化。

在金融领域，云从科技基于从容大模型、金融行业模型、智能业务流等核心技术研发的虚拟客户经理，具备智能问答、自动语义、意图判断等AI交互能力，可赋能金融机构实现从客户引流、咨询、营销、运营等全流程智能化客户服务能力，创新金融机构服务触达通道，以AI驱动金融机构客户服务智能化转型。

并且，与过去提供API接口服务不同，云从提供提供模型级别的AI赋能服务，可进行私有化部署，更符合客户需求，合作的深度与粘性更强；同时有对模型的剪枝能力，根据行业场景需求去帮助客户部署模型，性价比更高。

而在C端业务上，以当下比较火热的直播为例。

许多人想要开直播间带货，但并不会搭建直播间，也无法做精细化运营，效果一般甚至较差。

云从基于“从容大模型”推出了大麦数字人直播平台，该平台可以提供对应的主播库、音色库、背景板等基础能力，同时支持相应的智能话术的撰写、相应的违禁词的检测等等；实时监控直播间的数字，从而调整演讲策略和商品的话术配比、提升GMV，在整个运营层面来提高效率和质量。

平台还可以根据不同行业生成一站式的人、货、场的完整解决方案，数字人主播选取、话术风格等等，打造具备个性化特征的数字人直播间。

又比如，在市民服务方面，“从容大模型能”够针对市民出游，基于当天交通与天气状况等及时给出建议，体现出模型跨数据、跨部门融合的能力。

“大模型带来了全新的时代，千行百业都将发生颠覆性改变。”周曦表示，云从提供大模型的底层核心能力，与行业垂直伙伴一起探索场景、行业，解决业务痛点，创造价值。

AI技术是数字经济发展的加速器。

ChatGPT的突破和应用，再次证明了AI大模型技术预计将给传统经济模式带来巨大变革。

数字经济将在AI加持下，从概念走向数实融合，并进一步构建全新的数字经济发展技术基础和商业模式。

AI的发展，离不开以云从为代表的人工智能公司在技术方面的探索与应用。

“从容大模型”即是云从基于自身AI技术能力推出的一个基础大模型，在此基础上，不同的行业可构建垂直大模型来适应具体的业务场景，解决业务痛点，并创造新的价值。

“云从将继续坚持以CWOS为技术底座，生产通用大模型和行业大模型，加深解决方案对行业核心业务支持，促进数实融合。

作者 | 秀松

编辑| 南书