大家好，今天世界各地正在达成这样一种共识：AI是衡量先进生产力核心指标或者是唯一指标。我今天的分享从三个方面进行：

第一，生成式AI为何是新质生产力的核心?这一轮的生成式AI与之前的AI都有哪些本质区别?

第二，为什么AI模型和AI技术不是企业最核心资产，而是私域数据。

第三，如何根据企业不同现状，实现从低成本Prompt应用到建设企业智能体及垂直模型，构建企业核心竞争力。

1.AI落地的三种方式

AI在企业的落地过程可以分为三个阶段：

第一阶段，我们采取了一种相对简单直接的方式，即利用当前广泛使用的对话型AI工具，如文心一言、智谱清言和Kimi助手等。它们可以协助我们完成文章撰写等任务，通过网络便可轻松与之建立联系。

第二阶段，使用AI Agent，即目前AI界最热门的智能体。AI Agent(人工智能体)是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统的人工智能，AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。智能体可以将大模型的能力与过去掌握的内容、系统知识、判断复杂业务的逻辑等结合起来进行智能组合。AI Agent和大模型的区别在于，大模型与人类之间的交互是基于prompt 实现的。而AI Agent的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动。

AI Agent通过接收来自外部世界的数据(如环境传感、用户输入等)来感知其所处的环境。通过各类传感器、物联网设备AI可以从物理世界获得信息，通过API接口AI可以从数字世界获取信息。这相当于人类的感觉器官，是智能体与世界建立联系的基础。

处理和分析这些数据之后，AI需要有一定的记忆能力，将当前的环境信息与历史上的决策对比。AI Agent需要具备决策能力，能够基于当前的环境和内置的目标来规划下一步行动，并且在仿真环境中模拟出决策后可能的结果。这类似于人类的大脑思考过程，涉及到理解、规划和解决问题的能力。

决策之后，AI Agent需要将决策转化为实际的动作，可能是通过机械动作操控物理设备，或者是通过API和RPA与其他系统交互。系统交互。执行后的结果又会被用作新的输入，形成一个闭环反馈系统，确保智能体可以适应并优化其行为。

AI Agent不仅是处理信息的工具，更是具备自主学习、适应和创新能力的智能实体，能够在复杂多变的环境中自我优化，并实现目标的有效达成。

在人工智能社会，每个组织和企业是由多个AI Agent组成的智能体，AI Agent从完成单一岗位的自动化到完成复杂任务多岗位自动化。AI Agent之间还可以相互调用组合。所以对于企业组织最需要的是智能体的应用和开发，而非大模型。

第三阶段，深入到行业垂直模型的训练。

商用的超大规模模型，如Chat GPT，这些模型是在构建人类社会的数字大脑，而对于细分行业和领域，往往缺乏相应的知识与深度专家经验。目前，许多关键知识仍旧储存于专家的脑海中及组织结构里。这些行业的私有数据和专业知识是企业的核心资产，正如同每个婴儿所需的母乳，拥有了这些数据，就像拥有了养分，孩子才能健康成长。因此，每个企业组织都需要建立自己的模型，一方面让企业积累的数据和经验在通用人工智能的助力下孕育出新的智能实体，另一方面通过自建模型，企业能够明确在未来智能体的发展中所需的具体数据类型。总之，AI落地过程大致会分为这几个路径，需要说明的是，第一阶段是最便宜的方案。

我们可以不花钱或很少的钱直接采用Promt提示词的方式与AI互动，接触到AI世界。然后再根据所需场景开发自己的智能体系，使企业或组织工作从单一岗位自动化逐步实现多岗位自动化，最后搭建并训练属于企业自己的模型。

如上图所示，这就是Promt提示词的交互方式，即我们对话的方式。同时，它也是一个应用工具，我们可以分步骤对problem(问题需求)进行应用和处理。

2.大模型实际落地仍需解决风险问题

目前，大模型在实际落地应用中，仍然存在一些问题。

第一，大模型有时会对某些事物做出错误的判断，甚至存在编谎话，而它本身并不知道他会编谎话。

第二，当我们把核心数据输入到大型模型中时，这些数据很可能会被全球共享，从而导致我们的核心竞争力受损。因此，建立本地的数据库和小型模型变得至关重要。

第三，许多企业正致力于构建自己的数据库，但问题却是用大型模型去生成结果，这样做也会产生风险。当我们在大型模型中交互时，模型会自动学习并吸收这些内容，进而成为公共知识的一部分。这可能导致我们的核心知识被泄露，因为模型会逐步形成对我们数据的整体画像，无法做到保密。对企业和组织来说需要拥有私有的知识、经验和技能，以便对其进行有效保护，并实现长远发展。因此，需要建立属于自己的私域模型。此外，在构建私域模型时，企业或组织应该更关心的是如何在有限的空间和范围内构建模型，而不是构建一个全球性的模型。

从数据处理的角度来看，大概包含约60亿数据的模型就能够满足需求，而这样的模型只需要花费四五十万购买设备和CPU机器就能运行，实际成本并不高。此外，每个企业和组织都有自己的管理规则、流程和质量控制体系，这些都需要在AI应用中予以考虑。综上所述，企业在应用AI时，应采取一种综合式的方法。这种方法应涵盖基于人类规则的决策型AI、具备自我创造性的生成式AI，以及内外部数据、系统和人的判断等相结合。

3.Gen AI中应用的层级划分

我们将Gen AI应用分为3层，具体如下图所示：

第一层是L0层，即你对大模型有一定感性认知，我建议大家可以先快速搭建场景、低成本应用之后，再与自己的业务和运营结合，逐步实现多岗位自动化，形成三级体系。

上图是AI最佳实践路径。

为了确保AI技术在企业中发挥最大价值，高层领导需从文化层面进行全面传导。在定义AI应用场景时，应优先识别出与业务紧密相关的场景，并鼓励具备丰富业务经验的员工参与场景定义。这样，不仅能确保所定义的场景具有实际价值，还能充分发挥AI技术的优势，这非常关键。

内容来源：量见赋能系列直播，由笔记侠合作整理。分享嘉宾：赵德旭，SAP中国研究院ECO 2.0人工智能专家组组长，2018年度、2019年度中国数字化领军人物。