新聞資訊
News and information
-
24
11/02
校園，超級App下一個必爭之地
超級App,競逐校園。超級App正涌入校園細分場景。校園，正成為超級App們眼中的“價值洼地”。近日，餓了么APP上線“學(xué)生版”。目前，全國5000多所高等院校的學(xué)生已可體驗新版本功能。當(dāng)學(xué)生用戶將配送地址切換至具體高校，并完成學(xué)生賬戶認(rèn)證后，餓了么APP將顯示定制化的學(xué)生版主頁以及學(xué)生專屬福利：既包括學(xué)生群體特別偏愛使用的甜品飲品、爆紅包等功能，還包含校園食堂、學(xué)生拼團、品牌學(xué)生價等定制化功能。此外，作為餓了么APP學(xué)生版的特色核心服務(wù)，餓了么還為學(xué)生提供了配送入校、送到宿舍、校園食堂、校內(nèi)“同學(xué)說”等升級服務(wù)。餓了么學(xué)生版相關(guān)負(fù)責(zé)人鐘朝平透露：“在所有外賣人群中，學(xué)生用戶的需求很特別，一個是他們更關(guān)注價格和優(yōu)惠，另一方面出于校園環(huán)境的特殊性，他們也需要更多特制化的服務(wù)，例如點校園食堂訂單、外賣送到宿舍、同宿舍一起拼團下單等。”當(dāng)然，餓了么在校園場景想做、能做的事遠不止外賣服務(wù)——即時零售是其更核心的著眼點?！凹磿r零售”是指用戶在線下單商品，一小時或半小時內(nèi)即可送達的業(yè)態(tài)。根據(jù)艾瑞咨詢最新發(fā)布的《中國即時配送行業(yè)研究報告》測算，2023年即時配送行業(yè)規(guī)模約為3410億元，預(yù)計2028年行業(yè)規(guī)模將超8100億元。在線外賣用戶規(guī)模達5.3億人，占全國網(wǎng)民數(shù)量比重近50%，基于高比例的外賣滲透，消費者即時電商消費習(xí)慣逐步養(yǎng)成。據(jù)餓了么平臺數(shù)據(jù)顯示，最近一年來自高校的訂單已達超10億單規(guī)模，學(xué)生群體對外賣的需求已經(jīng)不止用餐：從三餐到零售，學(xué)生群體對供給的品類、品質(zhì)需求都在不斷提高，美妝、娛樂等悅己生活服務(wù)消費占比正在快速提升。餓了么于8月發(fā)布“數(shù)字校園生態(tài)聯(lián)盟計劃”，宣布將全面升級“智慧校園”數(shù)字化服務(wù)，并繼續(xù)加大對高校場景的平臺投入。近日，杭州師范大學(xué)資產(chǎn)經(jīng)營有限公司下屬師達公司與餓了么合作，聯(lián)合上線高校數(shù)智校園生活服務(wù)平臺校園“隨e達”。據(jù)介紹，校園“隨e達”平臺整合了校園內(nèi)的各項供給，目前已上線的美食外賣、校園超市、校園文創(chuàng)、師達云超、隨e行、校內(nèi)商業(yè)等服務(wù)內(nèi)容，涵蓋校園生活飲食、購物、出行等方面。同時，“隨e達”可以為管理者提供校園數(shù)據(jù)的管理和分析。目前，杭州師范大學(xué)校內(nèi)師生已可通過“釘釘師大生活”進入平臺，選擇商品下單后，可以通過支付寶或校園卡進行支付，餓了么騎手會將商品或餐品配送至校內(nèi)宿舍樓外賣柜或者辦公樓。通過與餓了么共同推出校園“隨e達”平臺，除了通過數(shù)字化提升了校內(nèi)的電商購物體驗，也將即時配送的物流網(wǎng)絡(luò)規(guī)范化地引入校園。據(jù)介紹，校園“隨e達”上線前三天，外賣訂單量已突破10000單。目前餓了么針對校園環(huán)境定制了專屬高校配送方案，比如騎手將身著統(tǒng)一標(biāo)識的工作服，并配戴工牌，便于校方管理人員及師生快速識別身份；騎手將經(jīng)過培訓(xùn)與考核，以掌握安全知識、服務(wù)禮儀、校規(guī)校紀(jì)；在校內(nèi)騎行時，騎手會遵循25公里每小時的限速，并且不得在上下學(xué)高峰期時在人流中快速穿行……同時盯上校園市場的，還有二手交易平臺閑魚。同樣在9月，閑魚正式上線“學(xué)生魚”新功能，這是閑魚為學(xué)生群體打造的專屬交易交流頻道。當(dāng)搜索到“學(xué)生魚”時，點擊頂部入口即可進入閑魚的校園頻道?！皩W(xué)生魚”不僅將各大高校的校園集市搬到了線上，還設(shè)置了熱帖、興趣交流、拼團、校園新鮮事等特色功能。接下來，閑魚還將與高校大學(xué)生合作，開啟“閑魚校園精英計劃”，邀請學(xué)生參與本?！皩W(xué)生魚”頻道的運營。更早前，針對大學(xué)生群體，一些互聯(lián)網(wǎng)平臺也有所動作。例如，在2021年，bilibili校園便上線。bilibili校園是一個專門為同校同學(xué)推出的校園社區(qū)，它鼓勵用戶討論所在學(xué)校的新鮮事，分享學(xué)習(xí)感悟和經(jīng)驗、展示才藝技能等。自2013年起，長租公寓平臺自如啟動針對畢業(yè)生的“海燕計劃”，至今已有370萬畢業(yè)生受益，自如累計提供的租房支持金額達12億元。據(jù)介紹，今年的“海燕計劃”預(yù)計將為畢業(yè)生提供超億元租房支持，包括押金減免及安家基金。當(dāng)前，一些線下連鎖品牌也在進駐高校。9月19日，老鄉(xiāng)雞的首家校園店武漢大學(xué)校園店開業(yè)，這意味著老鄉(xiāng)雞正式布局高校市場，也是其對年輕消費者市場的一次深度挖掘。更早前，海底撈等品牌也將實體店開進大學(xué)校園。由于客流量穩(wěn)定，在校園的商業(yè)業(yè)態(tài)迭代過程中，教輔、培訓(xùn)等教育高相關(guān)度品類最早聚焦校園市場；此后，各業(yè)態(tài)逐步布局。如今，校園人群也日趨注重價值消費、體驗消費、社交消費、個性化消費，以餓了么、閑魚為代表的泛受眾類超級App正在將校園視為典型細分場景。這背后，是日益龐大的大學(xué)生市場。從用戶體量來看，根據(jù)官方數(shù)據(jù)，2023年，各種形式的高等教育在學(xué)總規(guī)模4763.19萬人，比上年增加108.11萬人，增長2.32%。從消費水平來看，根據(jù)天貓商家成長團隊發(fā)布的《青春消費陣線——校園市場的無限潛力與蓬勃前景》報告，中國高校在校生消費規(guī)模預(yù)計在2024年至2028年間從約13000億元上升至約16000億元。同時，人均年消費水平也在不斷提高，從2015年的1.6萬元增長到2023年的2.9萬元，預(yù)計到2028年將達3.5萬元。另據(jù)艾媒咨詢發(fā)布的《2024中國大學(xué)生消費行為調(diào)查研究報告》數(shù)據(jù)顯示，七成以上的受訪大學(xué)生月均支出水平集中在1000-2000元之間，其中，超四成的受訪大學(xué)生月均收入在1501-2000元。其粗估2024年中國在校大學(xué)生的年度消費規(guī)模約為8500億元。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/02
語言模型驅(qū)動的軟件工具思考：可解釋與可溯源
語言模型在軟件開發(fā)的應(yīng)用與挑戰(zhàn)。語言模型正在變革軟件開發(fā)流程的各個環(huán)節(jié)，包括代碼的生成、編輯、測試、調(diào)試等。在開發(fā)和訓(xùn)練代碼語言模型時，人們需要統(tǒng)一的收集清理數(shù)據(jù)、訓(xùn)練模型、更新調(diào)整等。因此，我們預(yù)期，針對模型訓(xùn)練的分析技術(shù)將成為新的一層架構(gòu)來回答“模型是如何產(chǎn)生某個預(yù)測的”、“模型預(yù)測是如何逐漸訓(xùn)練得到的”、以及“我們應(yīng)該怎么做去修改和增強某個預(yù)測”等問題。在今年8月份舉辦的AICon全球人工智能開發(fā)與應(yīng)用大會上，上海交通大學(xué)計算機系副教授林云做了專題演講分享“語言模型驅(qū)動的軟件工具思考：可解釋與可溯源”，深入探討了如何分析模型、追溯訓(xùn)練樣本，并構(gòu)建數(shù)字孿生環(huán)境來測試代碼編輯模型，最后展望了未來大模型對軟件開發(fā)范式的影響。以下是演講實錄（經(jīng)InfoQ進行不改變原意的編輯整理）。非常榮幸能夠在這里與大家分享我們團隊的最新研究成果。我們一直在探索如何利用語言模型來生成代碼，并深入理解這些模型背后的原理。目前，語言模型在軟件工程領(lǐng)域的應(yīng)用日益廣泛，已經(jīng)逐步介入到設(shè)計、編程、測試和調(diào)試等多個環(huán)節(jié)。我們的研究團隊致力于將語言模型融入這些環(huán)節(jié)中。在語言模型出現(xiàn)之前，我們已經(jīng)有了傳統(tǒng)的代碼編輯的技術(shù)，但語言模型的介入使得編輯過程變得更加智能化，我們稱之為“生成式編輯”。它能夠輔助我們完成整個代碼棧的工作。接下來，我會介紹我們與字節(jié)跳動合作的一個項目，該項目旨在自動定位代碼編輯的位置，并在特定行生成所需的編輯內(nèi)容。在語言模型生成代碼之前，我們也在解決測試用例生成的問題。按照傳統(tǒng)方式，我們會將測試用例的生成視為一個約束求解問題，關(guān)注如何實現(xiàn)分支覆蓋和路徑覆蓋。但語言模型的出現(xiàn)讓我們開始思考，我們是否可以實現(xiàn)需求覆蓋，即不僅僅覆蓋特定的分支，而是結(jié)合需求和分支，生成更符合項目特點的測試用例。此外，我們也在探索如何讓語言模型自動調(diào)試代碼。過去，開發(fā)者常常自嘲說，自己寫的bug含淚也要修復(fù)完。但現(xiàn)在，也許我們要含著淚修復(fù)AI幫我們寫的bug.AI時代的代碼調(diào)試問題也許是一個新的挑戰(zhàn)。因此，我們也希望有新的智能化技術(shù)能夠幫助開發(fā)者發(fā)現(xiàn)并修復(fù)bug.在這項工作中，我們的目標(biāo)是將調(diào)試問題轉(zhuǎn)化為在代碼執(zhí)行軌跡上找到第一個出錯的步驟，然后讓語言模型在這個軌跡上通過交互不斷定位錯誤，并指導(dǎo)開發(fā)者了解錯誤是如何發(fā)生的。訓(xùn)練軟件工程語言模型的“套路”當(dāng)我們深入研究語言模型在軟件工程中的應(yīng)用時，我們逐漸發(fā)現(xiàn)了一個反復(fù)出現(xiàn)的模式，或者稱之為“套路”。在這個套路中，我們是這么做的。首先，我們需要收集和清洗來自Git、JIRA、Jenkins等軟件工具的數(shù)據(jù)，將它們轉(zhuǎn)換成訓(xùn)練數(shù)據(jù)集。這些數(shù)據(jù)集隨后被用來訓(xùn)練代碼模型，最終這些模型被集成到集成開發(fā)環(huán)境（IDE）中。無論是進行測試生成、調(diào)試、代碼生成還是測試用例生成，我們通常會遵循這個方式。但隨著時間的推移，我們意識到，盡管這個套路在業(yè)界得到了廣泛應(yīng)用，但在實際應(yīng)用中卻并不簡單。例如，當(dāng)我們訓(xùn)練出一個模型后，我們首先想知道的是，模型為什么會做出這樣的預(yù)測。畢竟，模型本質(zhì)上是將大量的數(shù)據(jù)集壓縮編碼到代碼中，然后利用其泛化能力進行各種生成任務(wù)。那模型的預(yù)測是如何產(chǎn)生的？我們知道，模型并非一蹴而就，而是經(jīng)過數(shù)小時甚至數(shù)天的訓(xùn)練，經(jīng)過多次迭代才得到的。因此，我們想要了解模型預(yù)測的具體生成過程。最終，我們希望能夠提出一些方案，自動矯正模型中不符合我們期望的行為。上述套路解決的是"AIforSE"，即我們提出了AI解決方案來幫助程序員完成任務(wù)。但隨著AI解決方案的增多，我們發(fā)現(xiàn)需要一個"SEforAIforSE"的基礎(chǔ)框架，以支持和管理這些AI解決方案。案例研究：交互式代碼編輯(CoEdPilot)在具體介紹上述框架解決思路前，我想先跟大家介紹下我們與字節(jié)跳動合作的一個研究案例，這個案例恰恰符合我們之前討論的“套路”。我們稱這個過程為“編代碼、編輯定位”。在現(xiàn)代代碼倉庫中，編寫代碼并不總像Copilot那樣，給出一個注釋后自動生成十幾行代碼。更多的時候，我們面臨的是編輯任務(wù)：根據(jù)需求修改某一行代碼，刪除一行，或者更改一行中的幾個字符串。這種編輯往往是跨文件的，一次編輯可能會影響到多個文件。在我們的案例中，我們首先關(guān)注的是編輯定位問題。當(dāng)出現(xiàn)一個需求或者一個編輯請求時，我們希望能夠迅速定位這個編輯在整個項目中如何傳播。接下來，我們想要解決的是編輯生成問題。一旦我們知道某一行需要修改，我們就想進一步推薦出這一行具體應(yīng)該改成什么樣子。我們希望通過人機交互來實現(xiàn)這一點，利用人的反饋來進一步推薦下一輪的編輯定位和編輯生成。我們的工作目前集中在開發(fā)一個VisualStudioCode插件上，這個插件旨在幫助用戶根據(jù)輸入的需求自動定位代碼修改的位置。用戶一開始會輸入需求，插件會生成一個定位提示，顯示整個文件中可能需要修改的地方。在這個提示中，紅色標(biāo)記代表可能需要修改的地方，而綠色標(biāo)記則表示可能需要添加內(nèi)容的位置。當(dāng)用戶選擇某個特定的位置后，插件會通過一個差異比較（DIFF）視圖來展示這一行代碼可能的修改方式。用戶可以從多個選項中選擇。一旦用戶接受了某些建議或者拒絕了某些建議，這些反饋就會被收集起來，作為新一輪輸入和迭代的數(shù)據(jù)。這個插件的核心思想在于，我們通過收集代碼提交的信息來訓(xùn)練模型。每個提交通常包含多個代碼修改，這些修改也被一并收集。通過訓(xùn)練，模型能夠在整個項目中滑動窗口，識別出需要修改的地方，并推薦出具體的修改內(nèi)容。代碼編輯的基本設(shè)計思路我們的基本設(shè)計思路是將代碼編輯任務(wù)分解為幾個小模型來實現(xiàn)，避免直接將整個代碼庫喂給一個大模型，這樣做的原因主要是為了減輕模型的計算負(fù)擔(dān)，包含兩個核心部分：任務(wù)分解和矯正反饋。首先，任務(wù)分解的目標(biāo)是將一個大模型拆分成幾個小模型，這樣可以減少模型的輸入量。例如，輸入1萬行代碼與輸入30行代碼的效果是有很大差異的。我們使用三到四個小模型來完成這個任務(wù)。其次，我們希望通過與用戶的交互來實現(xiàn)矯正反饋。具體來說，我們首先使用一個小模型，通過滑動窗口來預(yù)測文件中可能需要修改的位置。核心思想是比較兩段代碼的語義相似度和依賴關(guān)系，以判斷它們是否會產(chǎn)生協(xié)同變化。在得到這些信息后，我們使用另一個小模型，將問題轉(zhuǎn)化為一個分類問題。給定一個滑動窗口，窗口中有多行代碼，我們根據(jù)之前的編輯來預(yù)測每一行可能發(fā)生的編輯類型。這樣，我們不需要處理一個很大的窗口，只需要對每一行進行分類即可。訓(xùn)練模式采用的是指令微調(diào)，即給定一個指令（如替換或保留），然后讓模型預(yù)測每一行的編輯類型。得到編輯類型后，我們使用另一個基于Transformer的編碼器-解碼器模型來生成具體的內(nèi)容。當(dāng)我們確定某一行需要添加或替換時，就讓這個Transformer生成相應(yīng)的內(nèi)容。這樣，我們就大大減少了活動窗口的大小。最后，我們使用另一個模型來學(xué)習(xí)之前的編輯，將之前的編輯作為Transformer輸入和反饋設(shè)計的一部分。通過這種方式，我們在定位的準(zhǔn)確性和生成內(nèi)容的準(zhǔn)確性上都達到了一個可接受的程度。哪些訓(xùn)練數(shù)據(jù)影響了這次預(yù)測?當(dāng)我們構(gòu)建并訓(xùn)練了代碼模型后，我們希望它能夠自動定位代碼編輯的需求，并最終集成到IDE中。然而，我們發(fā)現(xiàn)在某些情況下，模型的表現(xiàn)并沒有達到我們的預(yù)期。為了解決這個問題，我們首先需要進行訓(xùn)練歸因分析，以了解為什么模型會做出特定的預(yù)測。我們想要回答的核心問題是：為什么模型認(rèn)為某行代碼需要修改，或者需要插入代碼？為了解決這個問題，我們從三個角度進行思考：樣本歸因、表征歸因和仿真驗證。歸因問題在機器學(xué)習(xí)領(lǐng)域是一個經(jīng)典問題。我們想要了解的是，哪些訓(xùn)練數(shù)據(jù)真正影響了模型的預(yù)測。當(dāng)我們面對一個嚴(yán)格的數(shù)學(xué)問題陳述時，我們可以這樣表述問題：給定一個訓(xùn)練樣本Zi,如果我們對這個樣本進行權(quán)重調(diào)整（增加或減少?），模型會發(fā)生什么變化？因為模型是在看到數(shù)據(jù)后才進行神經(jīng)元調(diào)整的，所以我們想要了解哪些預(yù)測相關(guān)的神經(jīng)元是由哪些數(shù)據(jù)調(diào)整的。在數(shù)學(xué)層面上，這個問題可以通過一個公式來描述。我們有一個測試集_X_test和一個訓(xùn)練集_X_train.我們想要了解_X_train和_X_test之間的關(guān)系。如果我們發(fā)現(xiàn)_X_train和_X_test的值是一個大的正數(shù)，這意味著如果我們更多地訓(xùn)練_X_train這個樣本，模型在預(yù)測_X_test這個樣本時的表現(xiàn)會變得更好。相反，如果_X_train和_X_test的值是一個大的負(fù)數(shù)，比如說-0.9，這意味著如果我們更多地訓(xùn)練_X_train這個樣本，_X_test這個測試樣本的預(yù)測會變得更糟，說明這兩個樣本之間存在矛盾。如果_X_train和_X_test的影響因素是0，那就意味著無論我們增加還是減少對_X_train的訓(xùn)練，對_X_test的預(yù)測都沒有影響。要理解模型預(yù)測的影響關(guān)系，我們可以從理論上推導(dǎo)出三個決定性因素。首先，模型對測試樣本_X_test的擬合程度會影響其預(yù)測。每個測試樣本都有其損失函數(shù)和標(biāo)簽，模型在擬合這些樣本時會朝某個方向移動，這個方向反映了參數(shù)空間的調(diào)整。其次，模型對訓(xùn)練樣本_X_train的擬合方向也是一個重要因素。如果模型在擬合_X_test和_X_train時方向一致，那么它們之間會有正向影響；如果方向相反，則會產(chǎn)生負(fù)向影響；如果方向的夾角為零，則它們之間沒有影響。最后，Hessian矩陣及其逆矩陣代表了所有樣本之間的交互效應(yīng)。Hessian矩陣是損失函數(shù)對所有參數(shù)的二階導(dǎo)數(shù)的矩陣，其逆矩陣反映了樣本間的相互作用。然而，計算Hessian矩陣的逆在實際中是非常困難的，尤其是當(dāng)模型參數(shù)達到百萬或千萬級別時。為了解決這個問題，我們提出了一種改進的想法，即通過多次變異模型來模擬Hessian矩陣的效果。我們可以通過在參數(shù)空間上進行抽樣來模擬Hessian矩陣，觀察模型在多次變異后對訓(xùn)練樣本和測試樣本的影響。如果變異后的模型在訓(xùn)練樣本和測試樣本上都顯示出對抗性或正相關(guān)/負(fù)相關(guān)的影響，那么我們就可以認(rèn)為它們之間存在相互影響。通過這種技術(shù)，我們發(fā)現(xiàn)模型預(yù)測中的一些問題并不總是源于模型架構(gòu)，而是可能源自訓(xùn)練數(shù)據(jù)集本身。例如，在開源數(shù)據(jù)集上運行模型時，我們可能會發(fā)現(xiàn)模型的某些錯誤預(yù)測實際上可以歸因于訓(xùn)練數(shù)據(jù)的標(biāo)注問題。例如，在服裝分類任務(wù)中，開源數(shù)據(jù)集可能會將非常相似的服裝款式標(biāo)注為不同的類別，而人類觀察者可能會認(rèn)為這些款式是相近的。這種令人困惑的標(biāo)注會影響模型預(yù)測的性能。為此我們設(shè)計了新的影響函數(shù)在很多開源數(shù)據(jù)集上找到了很多標(biāo)注bug,并發(fā)表在了NeurIPS’22的會議論文《DebuggingandExplainingMetricLearningApproaches:AnInfluenceFunctionBasedPerspective》上。將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)我們將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)中，以評估每個預(yù)測背后的有益和有害訓(xùn)練樣本。有益的訓(xùn)練樣本是指那些通過增加訓(xùn)練量可以提升特定測試樣本表現(xiàn)的樣本，而有害樣本則是指增加訓(xùn)練量會降低某些測試樣本表現(xiàn)的樣本。我們發(fā)現(xiàn)，對于任何一個測試樣本，有害樣本和有益樣本的數(shù)量通常都非常少。通過這種方式，我們可以發(fā)現(xiàn)模型預(yù)測的具體影響。例如，當(dāng)我們的模型預(yù)測需要將代碼中的版本號從0.01更改為0.02時，使用影響函數(shù)進行歸因分析，我們可以看到與數(shù)字變動相關(guān)的訓(xùn)練樣本，這與模型的表征空間是相關(guān)的。在函數(shù)調(diào)用中添加參數(shù)時，模型應(yīng)該定位到代碼窗口中的某一行，并預(yù)測需要替換的行以添加類似的參數(shù)。對于這樣的測試樣本，模型的預(yù)測和歸因分析將揭示出形狀相似的代碼標(biāo)注，指出在語法上需要添加子節(jié)點。這種歸因分析有助于我們理解哪些訓(xùn)練樣本對預(yù)測有重大貢獻，從而發(fā)現(xiàn)可能存在的標(biāo)注問題。例如，我們可能會發(fā)現(xiàn)原本認(rèn)為相似的代碼樣本實際上在語義上有很大差異，這表明我們的標(biāo)注可能存在問題，或者標(biāo)注的語義不夠豐富。此外，在代碼編輯中，commitmessage的質(zhì)量非常重要。相似的commit或者過長的commit可能會導(dǎo)致信息量減少，從而形成打架效應(yīng)。這意味著，為了提高代碼編輯的質(zhì)量，我們需要確保commitmessage的書寫質(zhì)量非常高，避免使用過于冗長或含糊不清的描述。我們覺得未來可能會有好幾個方向可以嘗試，第一是通過影響函數(shù)，可以幫助我們?nèi)プ鰯?shù)據(jù)分析，判斷到底哪些是臟數(shù)據(jù)，或者說非預(yù)期的訓(xùn)練數(shù)據(jù)產(chǎn)生了壞的影響。第二個是當(dāng)產(chǎn)生壞的影響之后，有可能我們需要對整個數(shù)據(jù)進行重標(biāo)注，所以我們也在嘗試在訓(xùn)練過程當(dāng)中動態(tài)地去更新某一些標(biāo)注，因為我們永遠不能保證人標(biāo)的東西就一定是對的，或者說預(yù)期的標(biāo)注就是我們想要的。最后是想去觀測，如果有些訓(xùn)練樣本有非常高的互影響的話，就意味著整個訓(xùn)練數(shù)據(jù)集有可能是冗余的。我們大量地在收集數(shù)據(jù)集，但是數(shù)據(jù)集過大真的是件好事嗎？對此我們其實也是存疑的，我們有沒有可能利用一個小但質(zhì)量非常高的數(shù)據(jù)集產(chǎn)出一樣的效果？這對模型訓(xùn)練效率的影響其實是非常大的。表征歸因在討論完樣本歸因之后，我們來談?wù)劚碚鳉w因。表征歸因是深度學(xué)習(xí)的核心，因為深度學(xué)習(xí)本質(zhì)上是表征學(xué)習(xí)。無論是處理圖像、聲音還是文本，深度學(xué)習(xí)的目標(biāo)是將這些輸入轉(zhuǎn)換成向量，然后進行矩陣運算。以文本為例，深度學(xué)習(xí)模型需要將每個單詞映射到向量空間中。在這個空間里，語義相近的詞匯（如“男孩”和“女孩”）的表征應(yīng)該彼此接近，而語義相距較遠的詞匯（如“貓”和“狗”）的表征則應(yīng)該相距較遠。在自然語言處理（NLP）中，我們希望模型能夠通過單詞的embedding來捕捉這種語義關(guān)系。如果我們能夠訓(xùn)練模型，使其對每個樣本或單詞的表征具有這樣的語義效果，那么模型就能逐漸發(fā)展出接近人類的預(yù)測能力，從而能夠進行更自然的交流。然而，我們面臨的一個主要挑戰(zhàn)是，真實的表征空間可能是512維、1024維或768維，而人類很難直觀理解高維空間中的變化。模型訓(xùn)練初期，樣本的表征通常是隨機分布在高維空間中的。隨著訓(xùn)練的進行，這些表征會逐漸變化，最終形成一種分布，反映出人類的理解能力。我們可以將模型訓(xùn)練過程視為樣本表征在高維空間中的運動。一開始，這些表征是無序的，但最終會形成一個有結(jié)構(gòu)的分布。我們希望能夠在二維空間中幫助人們理解這些表征是如何變化的，例如，貓和狗的表征是否真的接近。這將能為提供巨大的信息量，幫助我們更好地理解和改進模型。在過去的工作中，我們的目標(biāo)是將模型的訓(xùn)練過程可視化。模型訓(xùn)練本質(zhì)上是樣本表征在高維空間中的變化過程，但由于這些維度通常是數(shù)百甚至數(shù)千維，這使得直觀理解變得困難。因此，我們希望能夠?qū)⑦@一過程投影到二維空間，使人們能夠直觀地看到，例如，兩只貓的樣本表征如何逐漸靠近，而貓和狗的樣本表征如何逐漸遠離。將訓(xùn)練過程轉(zhuǎn)化為二維動畫后，我們不僅可以觀察到模型在表征空間中的運動，而且還可以與動畫進行交互和分析。在模型訓(xùn)練過程中，我們通過可視化技術(shù)觀察到了一個有趣的現(xiàn)象，即干凈數(shù)據(jù)和噪音數(shù)據(jù)在表征空間中的運動軌跡存在顯著差異。例如，在某個訓(xùn)練階段，我們可以將橘黃色的點視為干凈數(shù)據(jù)，而黑色的點代表噪音數(shù)據(jù)。如果我們觀察到最后一個訓(xùn)練階段，比如模型學(xué)習(xí)"apple"這個詞匯時，會發(fā)現(xiàn)無論是干凈數(shù)據(jù)還是噪音數(shù)據(jù)，模型最終都能達到很高的準(zhǔn)確度。然而，它們在訓(xùn)練過程中的運動軌跡卻大相徑庭。干凈數(shù)據(jù)在經(jīng)過一兩次訓(xùn)練迭代后，很快就能定位到它應(yīng)該在的區(qū)域。相比之下，噪音數(shù)據(jù)則表現(xiàn)得像“釘子戶”，在初始位置上停留很長時間，直到訓(xùn)練的后期，由于模型內(nèi)部的某種“拉力”作用，它們才最終被拉回到適當(dāng)?shù)奈恢?。這種現(xiàn)象不僅揭示了噪音數(shù)據(jù)在訓(xùn)練過程中的頑固性，也為我們提供了一種新的思路，即如何在訓(xùn)練過程中有效地去除噪音。通過觀察數(shù)據(jù)在表征空間中的運動，我們可以識別出那些不易被模型正確學(xué)習(xí)的噪音樣本，并采取相應(yīng)措施?；氐酱a任務(wù)本身，我們注意到基于檢索的生成（RAG）是一個非常熱門的領(lǐng)域。在這種情況下，檢索能力變得至關(guān)重要。在這個語義空間中，我們可以觀察到代碼表征的分布情況，同樣也可以觀察到代碼描述的表征分布。這種映射允許我們在給定一個自然語言描述時，在整個語義空間中搜索與其最接近的代碼表征。這樣，與描述最相關(guān)的代碼就可以被檢索出來。基本上，這是一種在高維空間中進行代碼檢索的方法。通過這種方式，我們可以根據(jù)代碼的自然語言描述快速找到相應(yīng)的代碼實現(xiàn)，從而提高代碼檢索的效率和準(zhǔn)確性。這種方法利用了深度學(xué)習(xí)模型的能力，將文本描述和代碼映射到同一個高維空間，使得相關(guān)代碼的檢索變得更加直接和有效。高層語義編輯距離在深入研究模型訓(xùn)練過程中的表征時，我們有時會發(fā)現(xiàn)模型可能只是學(xué)習(xí)到了表面現(xiàn)象，而并沒有真正理解人類所理解的概念。例如，當(dāng)我們探討高層語義編輯距離時，可以通過比較兩個序列或字符串來觀察這一點。我們可以將字符串進行匹配，就像在本科課程中學(xué)到的字符串匹配算法那樣。這種方法也可以應(yīng)用于代碼，因為代碼中的每個token也都有一個高維的語義表征向量。例如，return這個詞在代碼中會有一個語義表示，我們可以計算兩個return之間的語義相似度，從而判斷它們在語義上是否大致相似。通過這種方式，我們可以對整篇代碼進行理解。如果我們使用像CodeBERT這樣的模型來訓(xùn)練代碼，使用表征距離或高維空間的語義表征來對齊兩篇代碼。但是，在訓(xùn)練的初期，代碼可以被正確對齊，但在訓(xùn)練的后期，模型可能會將versiondownload這個詞與if的表征關(guān)聯(lián)得最近，而將data的表征與return的表征關(guān)聯(lián)得更近。這種現(xiàn)象表明，盡管模型似乎學(xué)習(xí)到了預(yù)測代碼和描述之間相似性的能力，但它的理解仍然與人類的理解存在較大差距。這提示我們在模型訓(xùn)練和評估時，需要更加關(guān)注模型是否真正理解了代碼的語義，而不僅僅是表面形式上的相似性。通過深入分析表征，我們意識到在模型訓(xùn)練過程中需要加強代碼和描述之間的對齊能力。目前，我們主要采用對比學(xué)習(xí)的方法來訓(xùn)練模型，但為了進一步提升模型的性能，我們計劃在訓(xùn)練中加入更多的對齊機制。仿真驗證（數(shù)字孿生）這部分我們想討論的是一種稱為仿真驗證的技術(shù)，也就是數(shù)字孿生。在模型訓(xùn)練完成后，我們經(jīng)常會遇到模型的評估指標(biāo)，如準(zhǔn)確率、召回率和F1分?jǐn)?shù)等，看起來非常高的情況。這些數(shù)字并不總能代表模型在實際應(yīng)用中能顯著提升程序員的工作效率。有時候，即使模型的BLEU分?jǐn)?shù)只差一點點，程序員可能仍需花費大量時間進行調(diào)整。另一方面，即使BLEU分?jǐn)?shù)差異很大，也不一定意味著模型的預(yù)測結(jié)果不對。這是一個非常微妙的問題。為了解決這個問題，我們提出了數(shù)字孿生驗證技術(shù)。在我們與字節(jié)跳動的合作中，我們進行了用戶實驗，讓學(xué)生實際使用我們的工具進行編碼。我們發(fā)現(xiàn)，即使在學(xué)術(shù)環(huán)境中，驗證模型的預(yù)測是否真正有用是一項工作量非常龐大的工作。因此，我們希望通過代碼提交，即編輯歷史的一個結(jié)果，來恢復(fù)過去的開發(fā)過程。我們稱這個項目為“Historian”，就像考古學(xué)家通過文物來還原歷史一樣，我們希望通過已知的代碼提交來恢復(fù)程序員過去的代碼編輯過程。在這個過程中，我們需要解決一些問題，例如兩個編輯之間可能存在的偏序關(guān)系，確定哪個編輯先發(fā)生，哪個后發(fā)生。通過恢復(fù)整個代碼編輯的開發(fā)過程，我們可以在這個過程中引入模型，并觀察在什么情況下模型真正有助于提升生產(chǎn)力，或者是否實際上在拖累開發(fā)。我們需要評估模型的表現(xiàn)是否真的有助于提高效率，或者它是否與不使用模型時的表現(xiàn)相當(dāng)?；舅悸罚簭奶峤粴v史重現(xiàn)“當(dāng)年的”開發(fā)過程在我們的工作中，我們建立了一個復(fù)雜的工作流程，旨在通過提交歷史來重現(xiàn)程序員當(dāng)年的開發(fā)過程。這個流程的出發(fā)點是確定在何種程度的BLEU分?jǐn)?shù)下，模型應(yīng)該采取下一步行動。我們的目標(biāo)是利用歷史記錄來創(chuàng)建一個虛擬的程序員，這個虛擬的程序員能夠基于單個提交（commit）恢復(fù)出多種可能的編輯過程。在這些編輯過程中，我們的模型將被引入。我們允許對這個虛擬程序員的行為進行配置，例如：在檢查推薦時需要花費多少時間？如果推薦錯誤，他將被延誤多長時間？如果推薦正確，他將花費多少時間進行審查？我們會根據(jù)不同情況來設(shè)定這些參數(shù)。在這個過程中，我們會模擬實際的編輯場景。例如，如果我們輸入一個描述并產(chǎn)生編輯，這個過程可能需要77秒，這包括了第一次編輯、加載語言模型的時間（因為模型不是憑空產(chǎn)生的），以及推薦編輯位置所需的時間。如果我們的推薦正確，我們將計算產(chǎn)生的延遲；如果錯誤，我們將計算延誤的時間。我們還會模擬用戶檢測推薦所需的時間。通過這樣的模擬，我們可以與正常的編輯過程進行比較，以確定模型是在幫助用戶還是影響用戶。通過這種方式，我們基本上可以觀察到，當(dāng)模型被應(yīng)用于實際的開發(fā)過程時，所有的性能指標(biāo)，如準(zhǔn)確率和召回率，實際上都會出現(xiàn)一定程度的下降。這是因為在現(xiàn)實世界中，模型的表現(xiàn)受到多種因素的影響，包括與人類用戶的交互。這個就是我們的SEfor（AIforSE）框架，旨在探索和改進人工智能在軟件工程中的應(yīng)用。在這個框架中，我們預(yù)見到未來業(yè)界將越來越多地采用這種模式。程序員的工作方式正在發(fā)生變化，他們不再只是調(diào)用和開發(fā)API或修改第三方庫，而是可能會需要收集訓(xùn)練數(shù)據(jù)來微調(diào)模型，就像調(diào)整第三方庫一樣。模型本質(zhì)上是一種特殊的第三方庫，程序員在未來可能需要學(xué)習(xí)如何編寫更有效的提示（prompt）來與這些模型交互。這可能會形成新的工作模式。隨著這些新工作流程的出現(xiàn)，我們面臨著如何進一步提升和賦權(quán)這些模式的問題。目前的模型是概率模型，每次輸出可能并不穩(wěn)定，同時還需要解決模型輸出的幻覺問題。為了解決這些問題，我們嘗試提出了一些方法。例如，樣本歸因可以幫助我們追溯并理解對特定預(yù)測產(chǎn)生貢獻的訓(xùn)練樣本。通過分析學(xué)習(xí)后的樣本表征，我們可以在表征空間上進行更深入的交互式分析。我們還提出了一個仿真驗證過程，也就是數(shù)字孿生的概念。通過創(chuàng)建一個虛擬的程序員來進行編輯操作，我們可以模擬實際的開發(fā)過程，并觀察模型在其中的作用。我們希望這種虛擬仿真的方法能夠幫助程序員或大型企業(yè)驗證模型的實際效用。如果我們想在生產(chǎn)環(huán)境中引入一個新模型，我們需要說服生產(chǎn)團隊這個模型確實能夠帶來產(chǎn)能增值。通過數(shù)字孿生技術(shù)，我們可以模擬模型在實際開發(fā)過程中的表現(xiàn)，從而預(yù)估它可能帶來的效益。展望：AI原生的軟件工程實踐隨著人工智能時代的到來，軟件工程的實踐將發(fā)生根本性變化。過去，編程主要是為了交付軟件產(chǎn)品。但在AI時代，編程不僅僅是為了交付，它還具有數(shù)據(jù)標(biāo)注的意義。我們編寫的每一行代碼、提交的每一個commit、撰寫的每一個需求，都可能被用來訓(xùn)練模型。這意味著代碼編輯和整個編輯過程實際上在無形中完成了數(shù)據(jù)的標(biāo)注工作。由于模型訓(xùn)練對數(shù)據(jù)質(zhì)量有很高的要求，我們預(yù)見未來將出現(xiàn)一種AI原生的軟件工程實踐。我們將利用現(xiàn)有的數(shù)據(jù)來訓(xùn)練模型，然后評估這些模型是否符合我們的預(yù)期。有了新模型后，我們可以反向工作，利用模型預(yù)測的好壞來評估過去的編程實踐是否合適。這個過程類似于梯度下降，從模型預(yù)測到生產(chǎn)過程或代碼標(biāo)注的反向優(yōu)化。我們可以通過模型的性能和對數(shù)據(jù)質(zhì)量的分析，反過來指導(dǎo)整個開發(fā)實踐，告訴我們何時應(yīng)該如何編寫代碼、如何記錄代碼歷史，或者如何提出問題。以前，我們通常依據(jù)一些軟性指標(biāo)來推薦最佳實踐，未來我們將有更硬性的理由來證明為何要這樣編寫代碼。因為這樣做可以使模型訓(xùn)練得更好。通過這種方式，我們可以不斷調(diào)整實踐，形成一個AI原生的軟件工程范式，最終推動整個過程的自動化。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/25
低代碼/無代碼如何打破“雞肋”困境？
前言：??低代碼及無代碼領(lǐng)域從2019年開始被資本市場關(guān)注，在爭議中不斷發(fā)展，至今仍存在諸多尚未厘清的概念有待探討，因此我們?nèi)嫜芯渴崂砹说痛a/無代碼行業(yè)最新情況，試圖探討以下核心問題：??無代碼/低代碼是不是偽需求？??近幾年無代碼/低代碼行業(yè)快速崛起的驅(qū)動因素是什么？??無代碼/低代碼行業(yè)和快速興起的基于云的生意關(guān)系是什么？??國內(nèi)外無代碼/低代碼領(lǐng)域在近一兩年有哪些新的行業(yè)趨勢或變化？??本次Scale?Partners?勢乘資本將力求全面、客觀地分析這一行業(yè)，并在此基礎(chǔ)上闡述我們當(dāng)前的看法，并對未來趨勢做出預(yù)判。??01?核心結(jié)論匯總??總體來說，當(dāng)前無/低代碼行業(yè)在中國面臨專業(yè)編程人員不常用到，業(yè)務(wù)人員不易熟練使用的痛點。但是我們認(rèn)為，在企業(yè)數(shù)字化轉(zhuǎn)型的需求逐步強烈、IT開發(fā)人員的供給越發(fā)呈現(xiàn)出相對短缺的背景下，無/低代碼產(chǎn)品的價值會逐步被市場認(rèn)可。另外，隨著未來適配VR等設(shè)備的虛擬內(nèi)容數(shù)量的劇增，這部分內(nèi)容創(chuàng)作的需求一方面需要依靠AI來滿足，另一部分預(yù)計需要人借助低代碼工具來滿足。??表單驅(qū)動型無/低代碼廠商可能難以解決跨行業(yè)、多場景的復(fù)雜需求，我們認(rèn)為模型驅(qū)動型產(chǎn)品會逐漸成為主流。對低代碼公司來說，提升產(chǎn)品力需要從兩方面入手：一是提升底層技術(shù)實力，豐富數(shù)據(jù)模型的豐富度;同時要通過與專業(yè)的咨詢公司、深耕行業(yè)的解決方案服務(wù)商等機構(gòu)合作，加深對客戶所處行業(yè)、業(yè)務(wù)開展的具體場景的理解。??考慮到低代碼平臺對用戶的代碼能力有一定要求，把控低代碼平臺上服務(wù)商的數(shù)量和質(zhì)量很重要。良好的ISV生態(tài)不僅有利于企業(yè)低代碼產(chǎn)品的推廣，還有助于企業(yè)在特定區(qū)域市場內(nèi)構(gòu)建壁壘。??在軟件開發(fā)和應(yīng)用領(lǐng)域，開源的勢頭越來越猛，但考慮到行業(yè)內(nèi)無/低代碼平臺的使用者的創(chuàng)新能力在推動產(chǎn)品精進方面的能力有限，我們認(rèn)為無/低代碼行業(yè)不太存在被開源產(chǎn)品降維打擊的風(fēng)險。??由于無/低代碼企業(yè)將加強云計算企業(yè)的服務(wù)能力，云計算企業(yè)會繼續(xù)保持對無/低代碼行業(yè)的關(guān)注，并通過投資整合的方式將企業(yè)納入自己的生態(tài)范圍。從獲客和增長的角度看，無代碼企業(yè)傾向于與用戶基數(shù)巨大的平臺合作，低代碼企業(yè)適合與提供定制化程度高的軟件企業(yè)合作。??目前各個無/低代碼平臺上的模型、數(shù)據(jù)和應(yīng)用程序可移植性不佳。這種局面可能是無/低代碼平臺和合作綁定的云計算廠商所樂見的，因為這將增強客戶對自家產(chǎn)品的依賴程度。在無/低代碼企業(yè)之間的競爭背后，我們一定能看到云計算大廠的影子。??眾多國外無/低代碼廠商在2021年初左右宣布進入中國市場，2021年互聯(lián)網(wǎng)巨頭也加大了在這個方向的投入力度。我們判斷這個行業(yè)在未來會出現(xiàn)大量深耕特定行業(yè)或場景的“小巨人”，但單個“小巨人”可能不足以支撐起很大的估值，未來行業(yè)內(nèi)的整合并購會非?；钴S。??行業(yè)可能面臨的潛在風(fēng)險有：市場需求不及預(yù)期、技術(shù)研發(fā)進度遲緩、市場競爭加劇、數(shù)據(jù)安全和隱私保護等政策收緊等。??02?市場環(huán)境??1.?無/低代碼行業(yè)的定義及邊界??我們首先明確一下“無代碼開發(fā)”、“低代碼開發(fā)”的具體含義：所謂的“低代碼開發(fā)”是指一種可視化應(yīng)用開發(fā)方法，旨在讓不同經(jīng)驗水平的開發(fā)人員能夠通過圖形用戶界面，使用拖放式組件和模型驅(qū)動邏輯來創(chuàng)建?Web、軟件和移動應(yīng)用。??廣義來說，“低代碼開發(fā)”一詞包括了“低代碼開發(fā)”和“無代碼開發(fā)”。這兩者的區(qū)別直觀體現(xiàn)在完成應(yīng)用程序開發(fā)所需代碼量上——前者仍然需要編寫少量代碼，而后者不需要書寫代碼。因此，低代碼應(yīng)用主要面向企業(yè)內(nèi)部開發(fā)人員，無代碼應(yīng)用主要面向業(yè)務(wù)人員。在后端，低代碼和無代碼的差異主要體現(xiàn)在對代碼的模塊化封裝程度上。??低代碼和無代碼分貝通過程序和封裝模塊實現(xiàn)特定功能??我們很容易看出，低代碼平臺屬于PaaS層，架設(shè)在IaaS上，通過“應(yīng)用程序平臺即服務(wù)(aPaaS,application?Platform?as?a?Service)+集成平臺即服務(wù)(iPaaS,integration?Platform?as?a?Service)”共同構(gòu)建。??2.?行業(yè)歷史及階段??(1)行業(yè)整體發(fā)展歷程概覽??低代碼開發(fā)的理念最早可以追溯至20世紀(jì)80年代第四代編程語言的提出，2000年可視化編程語言(VPL)助推低代碼開發(fā)這一理念進一步發(fā)展。2014年，F(xiàn)orrester?Research正式提出“低代碼開發(fā)平臺”(LCAP)這一概念，2018年Gartner進一步提出aPaaS和iPaaS概念，讓低代碼行業(yè)受到越來越多的人關(guān)注。??在《2021年中國ICT技術(shù)成熟度曲線報告?(Hype?Cycle?for?ICT?in?China,?2021)》中，低代碼應(yīng)用開發(fā)平臺(LCAP)首次作為新興技術(shù)熱點被納入。根據(jù)Gartner的預(yù)測，到2024年，所有應(yīng)用程序開發(fā)活動當(dāng)中的65%將通過低代碼的方式完成，同時75%的大型企業(yè)將使用至少四種低代碼開發(fā)工具進行應(yīng)用開發(fā)。??備注：第一代到第四代計算機語言??第一代語言(或機器語言)：一種面向計算機的程序設(shè)計語言，使用0和1表示各種命令。使用者通過計算機系統(tǒng)開關(guān)的面板輸入指令到計算機系統(tǒng)中。??第二代語言(或匯編語言)：程序中的每一行直接對應(yīng)到一條處理器指令，每種語言寫出的程序只能運行在特定的一類處理器架構(gòu)上。??第三代語言(高階匯編語言)：比第一代及第二代編程語言更加的抽象化，一句話對應(yīng)多條匯編語言。高階匯編語言更加接近人類的語言，需要編譯器或是直譯器。??第四代語言(目標(biāo)語言)：目標(biāo)語言的核心在于用清晰、明確、規(guī)范的語言，來精準(zhǔn)地描述出使用者要實現(xiàn)的功能。目標(biāo)翻譯器會自動把目標(biāo)語言翻譯為計算機的操作語言。??(2)低代碼行業(yè)在國外發(fā)展情況??1999年，Salesforce創(chuàng)立??2001年，Outsystems創(chuàng)立??2007年，MIT將低代碼開發(fā)理念應(yīng)用于兒童編程領(lǐng)域，推出Scratch??2015年，Amazo、AWS、Google、Microsoft等巨頭開始入局低代碼開發(fā)??2018年，Siemens收購Mendix,將其與工業(yè)互聯(lián)網(wǎng)平臺MindSphere整合。同年OutSystems獲得KKR、Goldman?Sachs等機構(gòu)融資，成為行業(yè)獨角獸??(3)低代碼行業(yè)在中國發(fā)展情況??國內(nèi)部分低代碼平臺廠商最早從事BPM相關(guān)業(yè)務(wù)，自2014年開始逐漸轉(zhuǎn)型。這一時期主要玩家是傳統(tǒng)軟件廠商(如金蝶、用友、致遠互聯(lián)、泛微等)，使用者更多是懂代碼的開發(fā)者。同時客戶需要購買服務(wù)器、部署環(huán)境、開發(fā)上線，從使用到上線門檻較高。??自2019年開始，國內(nèi)互聯(lián)網(wǎng)大廠開始布局無/低代碼行業(yè)?；诠性?，無/低代碼產(chǎn)品使用門檻進一步降低。用戶通常只需要注冊一個賬號就可以使用，產(chǎn)品的易用性、用戶體驗?zāi)苡酗@著提升。這一階段隨著互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)不斷健全，很多無/低代碼產(chǎn)品可以直接調(diào)用系統(tǒng)，無需自行開發(fā)。??2010年，奧哲成立，發(fā)布H3?BPM??2012年，伙伴云成立??2013年，明道云成立??2014年，APICloud、IVX成立??2015年，輕流成立，帆軟推出“簡道云”，華炎軟件推出低代碼開發(fā)平臺“華炎魔方”，奧哲推出“氚云”(并于次年與釘釘達成戰(zhàn)略合作)??2016年，葡萄城GrapeCity推出企業(yè)級低代碼開發(fā)平臺"活字格";同年無遠、數(shù)睿數(shù)據(jù)成立??2017年，ClickPaas成立，并于次年發(fā)布aPaaS產(chǎn)品??2018年，九章信息科技孵化推出搭搭云??2019年，黑帕云、數(shù)式科技、白碼、維格表成立，并于當(dāng)年上線相應(yīng)無代碼或低代碼開發(fā)產(chǎn)品??2019年，阿里“宜搭”低代碼應(yīng)用搭建平臺上線，與釘釘打通??2020年，華為推出AppCube??2020年11月，字節(jié)推出飛書多維表格??2021年初，騰訊云“微搭”低代碼平臺上線??(4)行業(yè)正在發(fā)生的趨勢與變化??1)由于模型驅(qū)動型產(chǎn)品能夠滿足更加多樣化的需求，越來越多的企業(yè)開始從表單驅(qū)動向模型驅(qū)動轉(zhuǎn)換。在打造模型驅(qū)動型產(chǎn)品時，數(shù)據(jù)安全性、接口多樣性、模型豐富性是客戶較為關(guān)注的維度;??2)隨著產(chǎn)品的完善和模型的積累，無/低代碼平臺將逐漸從企業(yè)管理事項逐步向企業(yè)核心業(yè)務(wù)場景切入，給出標(biāo)準(zhǔn)化的開發(fā)解決方案，實質(zhì)地參與到企業(yè)價值創(chuàng)造的過程中;??3)越來越多的傳統(tǒng)軟件企業(yè)和云計算企業(yè)入局低代碼行業(yè)，并加大了投資力度，防止低代碼企業(yè)侵蝕自身SaaS業(yè)務(wù)和軟件定制開發(fā)市場。部分企業(yè)通過投資、收購低代碼企業(yè)的方式進一步增強對客戶的服務(wù)能力，豐富自身構(gòu)建的企業(yè)服務(wù)生態(tài);??4)越來越多的無/低代碼企業(yè)認(rèn)識到了社區(qū)建設(shè)的必要性和意義。用戶的反饋和分享出來的使用心得可以幫助企業(yè)持續(xù)提升產(chǎn)品力，并降低新用戶的使用門檻。在用戶與企業(yè)、用戶與用戶之間的良性互動中，企業(yè)的平臺價值得到提升，用戶對平臺產(chǎn)品的粘性進一步增強。??3.?市場需求及價值??只有當(dāng)行業(yè)能夠創(chuàng)造社會價值、行業(yè)內(nèi)企業(yè)能夠解決消費者的需求(Needs)，這個行業(yè)才有存在的意義，值得我們花時間和精力搜尋優(yōu)異的投資標(biāo)的。那么，無代碼/低代碼這個行業(yè)到底解決了什么需求、創(chuàng)造了什么價值呢？??(1)幫助中小微企業(yè)低成本、快速地完成信息化建設(shè)??盡管越來越多的企業(yè)已經(jīng)意識到信息化建設(shè)的必要性和緊迫性，中小型企業(yè)由于人才短缺、信息化基礎(chǔ)差、研發(fā)投資預(yù)算有限等現(xiàn)實因素的制約，無法高效、高質(zhì)量地推進信息化建設(shè)。對中小企業(yè)來說，無代碼/低代碼開發(fā)平臺提供了一個更加低成本且相對可靠的解決方案。??(2)幫助中大型企業(yè)快速滿足臨時性、邊緣性的需求??由于中大型企業(yè)的開發(fā)人員往往無法快速響應(yīng)業(yè)務(wù)人員大量、多變、長尾的需求，業(yè)務(wù)人員或是在日常工作中使用過時、低效的業(yè)務(wù)工具，或是不得不尋求外包服務(wù)商的幫助。無/低代碼開發(fā)平臺可以提高開發(fā)人員對需求的響應(yīng)和處理速度，甚至直接賦能業(yè)務(wù)人員，使其借助無/低代碼開發(fā)平臺自行進行應(yīng)用程序開發(fā)。??(3)幫助企業(yè)打通已經(jīng)使用的多套軟件，實現(xiàn)數(shù)據(jù)互聯(lián)互通??一般規(guī)模較大的企業(yè)通常應(yīng)用了OA、HRM、CRM、ERP等多套軟件系統(tǒng)，這些系統(tǒng)彼此之間可能存在信息不互通的問題。無代碼/低代碼平臺通常具備“連接器”模塊，可以幫助企業(yè)打通、集成已使用的多套軟件。另一方面，同一個低代碼工具/平臺可以開發(fā)出面向不同業(yè)務(wù)或場景的應(yīng)用，這些應(yīng)用之間天然能夠?qū)崿F(xiàn)數(shù)據(jù)互聯(lián)互通，將潛在問題解決于無形。??(4)幫助軟件企業(yè)更高效地交付產(chǎn)品、服務(wù)客戶??軟件企業(yè)經(jīng)常面臨這樣的局面：目前已經(jīng)推出的產(chǎn)品無法滿足客戶的部分需求，而如果企業(yè)使用定制化方式進行開發(fā)，效率低且成本高。這類對定制化軟件來說“太重”、對SaaS產(chǎn)品又“太輕”的需求特別適合通過無/低代碼開發(fā)來滿足。軟件企業(yè)可自行搭建具備可配置、可變動的“樂高式”工具的開發(fā)平臺，幫助企業(yè)員工快速地在標(biāo)準(zhǔn)產(chǎn)品上開發(fā)客戶的個性化功能。除此之外，無/低代碼平臺還可以幫助CRM、ERP等軟件企業(yè)的商業(yè)伙伴、代理商的實施團隊快速搞定二次開發(fā)，加快整體交付節(jié)奏。??根據(jù)ClickPaaS的測算，無/低代碼開發(fā)相較于傳統(tǒng)軟件開發(fā)模式，可平均縮短創(chuàng)建周期75%、平均縮短集成周期90%，大幅降低代碼出錯風(fēng)險。??4.?市場規(guī)模及增速??如果無代碼/低代碼行業(yè)的市場規(guī)模有限且增長緩慢，那么在這個行業(yè)中誕生獨角獸的概率就小很多，創(chuàng)業(yè)者與投資人也不會過多關(guān)注這個領(lǐng)域。因此，我們需要對全球的無代碼/低代碼行業(yè)市場規(guī)模及增速有一個數(shù)量級層面的正確認(rèn)知：??根據(jù)首次于2014年提出“低代碼”這一概念的估算，2017年全球低代碼開發(fā)平臺市場規(guī)模為38億美元，2022年市場規(guī)模將達到212億美元，五年CAGR為41.03%;??據(jù)測算，全球低代碼市場規(guī)模在2020年達84億美元，預(yù)計2021年超過百億美元，2025年將達到471億美元，五年CAGR為41%;??據(jù)估計，全球低碼開發(fā)平臺市場預(yù)計將從2020年的132億美元增長到2025年的455億美元，CAGR為28.1%。??當(dāng)然，我們還需要對中國的市場規(guī)模和增速有所了解：根據(jù)Statista的統(tǒng)計和預(yù)測，2020年中國無/低代碼市場規(guī)模達到15.9億元，預(yù)計在2025年將突破131億元?？紤]到目前國內(nèi)無代碼/低代碼企業(yè)數(shù)量有限，頭部公司年營收大致在千萬到億這個量級，我們認(rèn)為這個估算結(jié)果較為合理。??綜上所述，盡管無代碼/低代碼行業(yè)在中國的市場規(guī)模目前較小，但全球市場規(guī)模在百億美元量級，且增速飛快，是一個足夠大的市場。因此，對這個行業(yè)進行嚴(yán)謹(jǐn)?shù)姆治鍪潜匾矣幸饬x的。??5.?市場增長的驅(qū)動因素??那么，究竟是什么原因讓無/低代碼平臺在過去的幾年里持續(xù)獲得關(guān)注，并讓諸多機構(gòu)對市場規(guī)模和增速有著相當(dāng)樂觀的預(yù)期呢？概括起來我們認(rèn)為原因主要有如下幾點：??(1)企業(yè)信息化和數(shù)字化進程不斷深入??在經(jīng)濟增速放緩、行業(yè)競爭加劇的大背景下，越來越多的企業(yè)意識到數(shù)字化和信息化建設(shè)的必要性和緊迫性，并愿意為之付費。由于無/低代碼開發(fā)平臺能夠有力促進企業(yè)的數(shù)字化轉(zhuǎn)型，因此這個行業(yè)在過去幾年里快速發(fā)展。??(2)軟件開發(fā)人員供給相對短缺??與日益增長的應(yīng)用開發(fā)需求相比，軟件開發(fā)人員的數(shù)量顯得嚴(yán)重不足。根據(jù)Gartner預(yù)計，2021年全球市場對于應(yīng)用開發(fā)的需求將是IT公司產(chǎn)能的5倍。Microsoft估計，未來?5?年將有?4.5?億款新應(yīng)用程序?qū)⒈婚_發(fā)出來(這一數(shù)字超過過去?40?年的總和)，IT人才產(chǎn)能嚴(yán)重短缺。??(3)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施不斷完善??一方面，越來越多的企業(yè)開始使用云計算廠商提供的產(chǎn)品和服務(wù);另一方面，很多成熟的應(yīng)用程序都開放了接口，其他產(chǎn)品無需自行開發(fā)，可直接調(diào)用系統(tǒng)或者功能。因此，無/低代碼產(chǎn)品應(yīng)用的基礎(chǔ)條件越來越成熟，行業(yè)開始加速發(fā)展。??(4)WEB?應(yīng)用的前端技術(shù)和模型化設(shè)計的基礎(chǔ)越來越成熟??從歷史演進過程看，軟件編程語言的發(fā)展主脈絡(luò)就是高級語言對低級語言的抽象封裝復(fù)用(例如C?對匯編、C++?對?C、Java?對?C++)。在云時代，我們有理由認(rèn)為新的趨勢是可視化編程語言(VPL)對傳統(tǒng)編程語言的抽象封裝復(fù)用。??03?產(chǎn)業(yè)鏈與行業(yè)格局??1.?玩家分類與行業(yè)圖譜??(1)應(yīng)用衍生類??軟件應(yīng)用企業(yè)建設(shè)無/低代碼平臺的動機有非常強的業(yè)務(wù)屬性，即用以提升企業(yè)內(nèi)部人員開發(fā)效率，補齊標(biāo)準(zhǔn)化產(chǎn)品的短板，或是幫助客戶和集成商(或代理商)更好地進行二次開發(fā)。在此基礎(chǔ)上，部分企業(yè)將平臺開放給第三方的應(yīng)用開發(fā)商(ISV)，突破企業(yè)自有的SaaS產(chǎn)品和服務(wù)聚焦的業(yè)務(wù)領(lǐng)域以實現(xiàn)“破圈”，最終形成一個更大的應(yīng)用生態(tài)。??SaaS廠商衍生類的企業(yè)代表有Salesforce、Zoho、銷售易、北森等。??(2)廠商轉(zhuǎn)型類??部分軟件公司曾長期深耕某一特定業(yè)務(wù)場景，積累了深刻的認(rèn)知和相關(guān)技術(shù)能力。這些企業(yè)可通過遷移其原有的業(yè)務(wù)引擎，快速拓展和建設(shè)自身的無/低代碼產(chǎn)品能力。軟件廠商轉(zhuǎn)型類的代表企業(yè)有做業(yè)務(wù)流程管理(BPM)起家的的奧哲、用友、Appian等。??(3)代碼原生類??國內(nèi)外大部分創(chuàng)業(yè)公司都選擇了低代碼原生的路徑，即跳過具體的行業(yè)或場景，直接構(gòu)建通用型無/低代碼開發(fā)平臺，代表企業(yè)有?OutSystems、Mendix、ClickPaaS、簡道云、輕流等。??我們按照企業(yè)類型，整理出供大家參考：??中國無/低代碼企業(yè)行業(yè)圖譜??2.?行業(yè)兩大技術(shù)路徑??(1)表單驅(qū)動??表單驅(qū)動型產(chǎn)品與雕版印刷術(shù)有些類似，強調(diào)“所見即所得”。這類產(chǎn)品開發(fā)的核心是，通過工作流在軟件系統(tǒng)中模擬業(yè)務(wù)開展的情景，分析可能遇到的業(yè)務(wù)問題，并設(shè)計可供用戶調(diào)用的模塊和組件。??在表單驅(qū)動型產(chǎn)品中，數(shù)據(jù)的層次關(guān)系相對簡單，比較適合打造輕量級的，行業(yè)或場景屬性不強的應(yīng)用，如OA審批、資料歸檔、客戶管理等，一般面向業(yè)務(wù)人員。??表單驅(qū)動型產(chǎn)品以“所見即所得”為主??(2)模型驅(qū)動??如果用雕版印刷類比表單驅(qū)動型產(chǎn)品，那么模型驅(qū)動產(chǎn)品更像活字印刷。這類產(chǎn)品開發(fā)的關(guān)鍵是將業(yè)務(wù)流程進行抽象呈現(xiàn)，在實操層面對業(yè)務(wù)領(lǐng)域進行建模，通過邏輯判斷語句支持完善的業(yè)務(wù)模型，靈活性較高，能夠服務(wù)于企業(yè)的復(fù)雜場景開發(fā)需求和整體系統(tǒng)開發(fā)。??模型驅(qū)動型產(chǎn)品本身的研發(fā)考驗的是企業(yè)“把書讀薄”的能力，即剝離各個行業(yè)的特性，去尋找實際業(yè)務(wù)開展中的共性。但要想使用模型驅(qū)動型產(chǎn)品，用戶還需要具備“把書讀厚”的能力，即能夠從沒有顯著行業(yè)特性的邏輯關(guān)系圖中，還原出企業(yè)業(yè)務(wù)人員面臨的具體使用場景，并在此基礎(chǔ)上開發(fā)應(yīng)用。因此，模型驅(qū)動型產(chǎn)品主要面向?qū)I(yè)開發(fā)人員。??模型驅(qū)動型產(chǎn)品以面向?qū)ο蟮哪Ｐ驮O(shè)計為主??3.?行業(yè)的決勝要素??(1)解決多場景下的需求的能力。企業(yè)對用戶所處行業(yè)、業(yè)務(wù)場景理解的深度直接決定了企業(yè)的低代碼平臺能夠搭建怎樣的應(yīng)用，因為平臺上的封裝模塊越多、數(shù)據(jù)模型越豐富和細致，用戶在復(fù)雜和個性化場景下的需求越容易被滿足;??(2)易用性決定使用門檻，可擴展性決定是否付費。好的產(chǎn)品應(yīng)當(dāng)讓使用者能夠快速地解決當(dāng)下的問題，并滿足其未來潛在的需求。只有兼顧了便利性以及可拓展性的產(chǎn)品才能夠在商業(yè)化的過程中走得更穩(wěn)、更遠;??(3)私有云部署能力和接口集成能力。前者決定了無/低代碼企業(yè)能否滿足大中型企業(yè)數(shù)據(jù)安全相關(guān)要求，后者則決定了無/低代碼平臺的開放性有多高、應(yīng)用場景有多全;??(4)響應(yīng)速度和服務(wù)質(zhì)量。無/低代碼企業(yè)之間的競爭不僅僅是產(chǎn)品力層面的競爭，還包括在服務(wù)商實施、產(chǎn)品培訓(xùn)、售后支持等維度上的競爭。在服務(wù)項中，售后支持(尤其是服務(wù)響應(yīng)速度)是企業(yè)差異化的關(guān)鍵。??04?國外相關(guān)公司??1.?公司一：Outsystem??(1)發(fā)展歷程：??2001年成立于葡萄牙里斯本，最早為電信運營商提供敏捷開發(fā)服務(wù)??2006年推出低代碼開發(fā)工具及平臺??2011年開始逐漸推出云服務(wù)，并在2015年正式轉(zhuǎn)型為云廠商??2017年發(fā)布低代碼平臺新版本，引入DevOps及API??2020年和AWS達成戰(zhàn)略合作，加快將先進的云服務(wù)集成到應(yīng)用程序中的能力??(2)業(yè)務(wù)簡介：??采用模型驅(qū)動的技術(shù)路徑，提供企業(yè)級低代碼開發(fā)平臺。??(3)特點：??產(chǎn)品具備高開放性和可拓展性。Outsystems提供的平臺可以與數(shù)據(jù)庫、系統(tǒng)、開源接口對接，通過OutSystems開發(fā)的APP可以直接發(fā)布至App?Store和Google?Play;??社區(qū)生態(tài)建設(shè)完善。公司構(gòu)建了社區(qū)，讓使用者可以發(fā)布自己開發(fā)的應(yīng)用或插件，供其他用戶使用。在日常經(jīng)營中，公司把公民開發(fā)者(citizen?developer)的數(shù)量視為僅次于收入的第二關(guān)鍵指標(biāo);??重視戰(zhàn)略合作伙伴的開發(fā)和維護。Outsystems與Accenture等咨詢機構(gòu)、Everis等IT解決方案提供商維持良好的合作關(guān)系，這些合作伙伴幫助Outsystems開拓企業(yè)客戶。??(4)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??公司2018年收入突破1億美元，目前客戶數(shù)量超過30萬;??截止2021年，OutSystems社區(qū)已有超過43.5萬名成員，應(yīng)用下載量達到100萬，有超過35.7萬相關(guān)課程。??2.?公司二：Mendix??(1)發(fā)展歷程：??2005年成立于荷蘭，為荷蘭大型郵政公司提供數(shù)字化轉(zhuǎn)型服務(wù)??2010年推出敏捷開發(fā)一站式服務(wù)，并推出可視化構(gòu)建應(yīng)用程序平臺??2011年推出Mendix3.0版本，上線云門戶管理部署功能??2015年，Mendix實現(xiàn)模型共享??2018年，Mendix實現(xiàn)邏輯流程的AI化，同年被西門子以6億歐元收購。西門子將Mendix與MindSphere工業(yè)物聯(lián)網(wǎng)系統(tǒng)相結(jié)合，完善企業(yè)數(shù)字化解決方案??2021年1月進入中國市場，4月初與騰訊云達成合作。Mendix?9于2021年11月在騰訊云Mendix低代碼開發(fā)平臺正式上線??(2)業(yè)務(wù)簡介：??提供模型驅(qū)動的可視化低代碼開發(fā)平臺Mendix?Studio和可視化低代碼開發(fā)平臺Mendix?Studio?Pro,分別面向業(yè)務(wù)人員和專業(yè)開發(fā)人員。兩款產(chǎn)品內(nèi)置了敏捷開發(fā)的功能，并提供各種數(shù)據(jù)庫以及典型核心系統(tǒng)的連接組件，讓使用人員通過調(diào)用和參數(shù)配置就可以把多個垂直業(yè)務(wù)系統(tǒng)的數(shù)據(jù)通過Mendix連接起來，并單鍵部署到任何云上。??(3)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??2020年收入超過1億美元，預(yù)計18個月后收入翻番??社區(qū)活躍用戶超過20萬??3.?公司三：Appian??(1)發(fā)展歷程：??公司成立于1999年，2004年發(fā)布BPM(Business?Process?Management)軟件平臺??2004年開始進行業(yè)務(wù)轉(zhuǎn)型，由傳統(tǒng)的BPM軟件服務(wù)商逐漸向圍繞BPM的PaaS平臺過渡，先后上線Case?Management、RPA等功能??2014年開始，公司大幅增加對訂閱收費模式的產(chǎn)品的投入，逐漸降低對定制化服務(wù)的依賴??2017年公司在納斯達克上市??2019年進軍AI領(lǐng)域，加強產(chǎn)品生態(tài)建設(shè)，推出低代碼+AI產(chǎn)品平臺??(2)業(yè)務(wù)簡介：??目前Appian的低代碼自動化平臺主要提供以下四項服務(wù)：??BPM:業(yè)界領(lǐng)先的智能業(yè)務(wù)流程管理系統(tǒng)，幫助客戶設(shè)計、執(zhí)行、管理和優(yōu)化復(fù)雜流程??Case?Management:通過自動化的協(xié)作工作和異常處理，更快地解決客戶的項目??RPA:通過使用Appian或第三方軟件商的RPA工具，幫助客戶在集成的工作流中將例行任務(wù)自動化，提高生產(chǎn)力??AI:集成谷歌、AWS和Azure的人工智能能力，讓用戶的應(yīng)用能夠智能化地挖掘信息、分析數(shù)據(jù)??(3)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??2020年收入超過3億美元，毛利超過2億美元??客戶超過690家，政府和非商業(yè)組織數(shù)量超過140家??平均客單價在50萬美元左右，近三年客單價在100萬美元以上的客戶占比超過10%??05?推薦標(biāo)的??1.?ClickPaaS??業(yè)務(wù)簡介：??ClickPaaS是一家模型驅(qū)動的低代碼開發(fā)平臺公司，旨在幫助SaaS企業(yè)、咨詢公司以及企業(yè)級客戶降低復(fù)雜業(yè)務(wù)需求場景下的數(shù)字化響應(yīng)時間和成本。??融資歷史：??2018.1?天使輪?云研資本??2019.8?A輪?數(shù)百萬美元?五源資本??2019.12?A+輪?數(shù)百萬美元?明勢資本??2021.3?B輪?數(shù)千萬美元?BAI資本?SIG海納亞洲創(chuàng)投基金?明勢資本?五源資本??2021.10?B+輪?數(shù)千萬美元?紅杉中國?BAI資本?SIG海納亞洲創(chuàng)投基金?明勢資本?五源資本??推薦理由：??ClickPaaS在關(guān)鍵業(yè)務(wù)系統(tǒng)和核心業(yè)務(wù)系統(tǒng)上完成了建模實現(xiàn)和國產(chǎn)化替代，擁有頂尖的全場景模型驅(qū)動設(shè)計能力，同時也是國內(nèi)在開源、開放生態(tài)系統(tǒng)建設(shè)上最為領(lǐng)先的企業(yè);??客戶涵蓋金融，政務(wù)，工業(yè)，物流，能源，醫(yī)藥等行業(yè)，團隊有豐富的大客戶經(jīng)驗，在工程施工、人力資源管理、MRO采購和項目管理系統(tǒng)等領(lǐng)域和場景有知名的合作伙伴;??2019年營收達千萬元，2021?年營收有望翻倍。??2.?輕流??業(yè)務(wù)簡介：??輕流一個無代碼系統(tǒng)搭建平臺。用戶在無IT人員幫助開發(fā)的情況下，通過輕流即可搭建應(yīng)用，做到“隨搭”、“隨改”和“隨用”。??融資歷史：??2017.01?種子輪?60萬人民幣?龍沛資本??2017.08?天使輪?未披露?創(chuàng)新馬槽??2018.12?Pre-A輪?近千萬人民幣?小苗朗程?新進創(chuàng)投??2020.10?A輪?數(shù)千萬人民幣?源碼資本?小苗朗程?新進創(chuàng)投??2021.03?A+輪?數(shù)千萬人民幣?騰訊投資?源碼資本??2021.10?B輪?啟明創(chuàng)投?零一創(chuàng)投?騰訊投資?新進創(chuàng)投??推薦理由：??已服務(wù)超過20萬家海內(nèi)外企業(yè)、政府機關(guān)單位及學(xué)校，行業(yè)涵蓋互聯(lián)網(wǎng)、制造、零售、教育、工程建筑、金融、生活服務(wù)、娛樂傳媒等數(shù)十個行業(yè);??針對企業(yè)資源管理、生產(chǎn)管理、項目管理、訂單管理、客戶關(guān)系管理、人事行政管理等近百個業(yè)務(wù)場景，輕流都已經(jīng)開發(fā)了解決方案;??連續(xù)3年營收增長4-5倍，盈利模式以訂閱式年費為主，客單價在十萬到百萬數(shù)量級;??騰訊云合作伙伴，曾獲得騰訊兩輪投資支持。??3.?行云創(chuàng)新??業(yè)務(wù)簡介：??行云創(chuàng)新是一家一站式云原生開發(fā)平臺產(chǎn)品和解決方案提供商，為企業(yè)提供項目管理、架構(gòu)設(shè)計、代碼編寫、測試運行、運維運營等環(huán)節(jié)所需的一切支持，助力獨立開發(fā)者和企業(yè)實現(xiàn)容器、DevOps、微服務(wù)架構(gòu)落地，顯著提升開發(fā)效益。??融資歷史：??2018.07?天使輪?近千萬人民幣?國投東興??2019.08?A輪?3000萬人民幣?正軒投資??2020.01?A+輪?深圳高新投??2020.06?Pre-B輪?中云創(chuàng)投資?正軒行云創(chuàng)投??2021.07?B輪?阿里巴巴??推薦理由：??阿里云和行云創(chuàng)新將通過產(chǎn)品組合的方式為企業(yè)客戶提供云原生應(yīng)用開發(fā)、業(yè)務(wù)智能運維等服務(wù)，進行深度合作;??兩位創(chuàng)始人技術(shù)實力過硬，同時有商業(yè)敏感度。CEO吳笛曾是美國戴爾風(fēng)投發(fā)起人，就職于戴爾和華為期間負(fù)責(zé)企業(yè)的云業(yè)務(wù)和物聯(lián)網(wǎng)業(yè)務(wù)戰(zhàn)略規(guī)劃;CTO馬洪喜曾設(shè)計和交付華為桌面云，并曾在Rancher?Labs,、Citrix?Systems、甲骨文、微軟等公司擔(dān)任總架構(gòu)師、研發(fā)經(jīng)理、技術(shù)總監(jiān)等職務(wù)。本文來源：比特網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/25
多模態(tài)技術(shù)，釋放垂直AI軟件潛力的關(guān)鍵
多模態(tài)技術(shù)正在改變垂直AI應(yīng)用??不久前，Bessemer提出了一個很有價值的觀點：垂直AI軟件將成為未來。說起B(yǎng)essemer,熟悉SaaS行業(yè)的人可能并不陌生。它是美國SaaS領(lǐng)域最專業(yè)的投資機構(gòu)之一，在過去10年投資了200多家SaaS企業(yè)。為了更好講清楚垂直AI軟件的價值，Bessemer發(fā)布了垂直AI路線圖，總共四個部分。本文是Bessemer的垂直AI路線圖的第二篇文章。在這篇文章中，Bessemer會分享其對以下問題的思考：多模態(tài)的垂直AI應(yīng)用的落地究竟有哪些影響？現(xiàn)在基于多模態(tài)技術(shù)的垂直AI應(yīng)用又有著哪些不錯的落地案例？01多模態(tài)技術(shù)正在改變垂直AI應(yīng)用??在過去12個月中，全球出現(xiàn)了許多新模型，它們在理解語境、減少幻覺以及整體推理能力方面進步很大。尤其在語音識別、圖像處理和語音生成等方面，AI的能力正在逐漸接近人類。這為AI解鎖了很多新的應(yīng)用場景。▍語音功能在對話語音領(lǐng)域，模型發(fā)展取得了快速進展：語音轉(zhuǎn)文本模型（自動語音識別）和文本轉(zhuǎn)語音模型（生成語音）。目前，市場有數(shù)十家公司提供基于這些模型的語音服務(wù)，這推動了大量新的語音AI應(yīng)用程序的出現(xiàn)。這些應(yīng)用程序大都依賴于所謂的“級聯(lián)架構(gòu)”，即先將語音轉(zhuǎn)錄為文本，然后將該文本輸入到LLM中以生成響應(yīng)，最后將文本輸出反饋到生成語音模型中以產(chǎn)生音頻響應(yīng)。直到最近，這一直是構(gòu)建對話語音應(yīng)用程序的最佳方式。然而，這種方法有一些缺點，比如它會有一定的延遲，同時失去用戶對話中表達的情感。而現(xiàn)在，新一代語音原生模型已經(jīng)發(fā)布了，包括OpenAI的RealtimeAPI（它支持通過GPT-4o進行語音對語音交互），以及Kyutai的Moshi等多個開源項目。與之前的模型相比，語音原生模型的延遲明顯降低（<500毫秒）。它們還可以捕捉更多來自用戶的語境（即語氣、情緒、情感等），并生成反映該語境的響應(yīng)，使交流感覺更自然，并更有可能滿足用戶的需求。在未來幾年內(nèi)，隨著越來越多的對話式語音應(yīng)用基于這些全新改進的模型構(gòu)建，我們預(yù)計對話式語音應(yīng)用的速度和質(zhì)量將大幅提升。▍語音應(yīng)用案例現(xiàn)在語音轉(zhuǎn)錄的應(yīng)用已經(jīng)非常成熟了，端到端對話語音代理也取得了顯著的早期進展，我們認(rèn)為這是語音AI解決方案的未來方向。接下來，我們就來看看4個AI語音的應(yīng)用案例。1）轉(zhuǎn)錄功能讓用戶有更多時間完成工作流程中的后續(xù)步驟：Bessemer投資組合公司Abridge率先推出了一款一流的醫(yī)療轉(zhuǎn)錄應(yīng)用程序，該應(yīng)用程序可以根據(jù)臨床對話生成醫(yī)療記錄，并確定適當(dāng)?shù)暮罄m(xù)行動，包括購買處方藥、專家預(yù)約等，醫(yī)生可以把更多注意力轉(zhuǎn)移到患者護理上。另一個很好的例子是Rillavoice,這家公司將人工智能引入了家庭服務(wù)垂直領(lǐng)域。Rillavoice的轉(zhuǎn)錄應(yīng)用程序記錄銷售人員和客戶之間的對話，用于培訓(xùn)目的，這樣銷售經(jīng)理仍然可以提供有價值的指導(dǎo)反饋，而無需進行非常耗時的面對面“陪同”。2）用AI來承接銷售線索：到目前為止，我們看到的端到端語音代理最引人注目的用例之一是入站銷售。在很多特定的垂直場景（如家庭服務(wù)企業(yè)或汽車經(jīng)銷商）里，語音代理可以在下班后或其他銷售代表忙碌時接聽客戶電話，從而確保企業(yè)不會錯過有價值的潛在客戶。這些功能比之前的語音機器人更智能和高效，無需銷售的代表的參與。3）AI客服提升客戶體驗：AI客服一直是應(yīng)用比較多的場景。但許多用戶發(fā)現(xiàn)，早期的交互式語音應(yīng)答(IVR)技術(shù)體驗并不好。事實證明，現(xiàn)代語音代理更有效。因為傳統(tǒng)的IVR產(chǎn)品只能理解客戶對特定措辭的回應(yīng)意圖，但現(xiàn)代語音代理不同，無論客戶如何提問或提出請求，現(xiàn)代語音代理都能提供正確的答案。這樣讓客服人員更有時間對應(yīng)付復(fù)雜的客戶問題。4）自動撥打外撥電話以增加漏斗頂端：現(xiàn)在已經(jīng)出現(xiàn)了多種解決方案來自動撥打銷售和招聘團隊的外撥電話。通常，語音代理使用客戶陳述的標(biāo)準(zhǔn)來識別最有潛力的銷售線索或候選人，對線索進行首次呼叫，然后將他們引導(dǎo)到與銷售人員或招聘人員的下一次會議。讓人工智能接管外撥工作流程可以顯著增加可以聯(lián)系的線索數(shù)量，從而增加公司的漏斗頂端。隨著時間的流逝，銷售人員和招聘人員有更好的機會獲得最有潛力的線索。唯一需要注意的事，有必要出臺相應(yīng)的法規(guī)，規(guī)定AI只能向潛在客戶撥打電話，以避免AI銷售的濫用。在所有語音用例中，我們預(yù)計低延遲和理解用戶的情緒和情感將成為一件很重要的事情。此外，由于應(yīng)用場景的差異，AI語音解決方案在其他維度上也略有不同，例如實時協(xié)調(diào)跨多個底層模型的對話以優(yōu)化成本和性能；支持全渠道通信、多種語言和實時翻譯。在視覺方面，我們已經(jīng)看到了GPT-4withvision(GPT-4V)等模型的發(fā)展，這些模型可以解釋圖像并回答有關(guān)圖像的問題，以及處理原始圖像和視頻的多模態(tài)模型。比如，谷歌的多模態(tài)模型Gemini1.5Pro已經(jīng)可以理解圖像和視頻中的輸入。我們預(yù)計，這些和類似的模型將繼續(xù)提高性能并降低成本——這對應(yīng)用程序構(gòu)建者來說是個好消息。▍視覺和視頻的用例垂直應(yīng)用中視覺的應(yīng)用案例通常分為以下四類：數(shù)據(jù)提取、視覺檢查、設(shè)計和視頻分析。雖然數(shù)據(jù)提取是迄今為止視覺模型最成熟的用例，但我們在其他領(lǐng)域也看到了新的應(yīng)用進展：1）從圖片、PDF或其他非結(jié)構(gòu)化文檔的圖像中提取數(shù)據(jù)：分析和處理當(dāng)前的非結(jié)構(gòu)化數(shù)據(jù)，AI可以減輕人類繁瑣的數(shù)據(jù)輸入任務(wù)程。例如，Raft針對貨運代理行業(yè)的平臺結(jié)合使用計算機視覺和LLM從PDF發(fā)票中提取關(guān)鍵信息，填充其客戶的企業(yè)資源規(guī)劃平臺(ERP)，并自動執(zhí)行發(fā)票核對和準(zhǔn)備海關(guān)申報單等下游任務(wù)。2）提升目前人工檢查的效率：許多公司已經(jīng)使用AI來幫助簡化人工檢查流程并更快地提供結(jié)果。比如，人工智能建筑平臺xBuild為住宅建筑和修復(fù)項目生成工作范圍包，然后與保險公司合作獲得報銷批準(zhǔn)。xBuild使用受損屋頂?shù)恼掌头课菟{圖來生成報告，概述根據(jù)當(dāng)?shù)亟ㄖ?guī)范將屋頂恢復(fù)到正常狀態(tài)所需的修復(fù)范圍。其他應(yīng)用程序已使用人工智能和計算機視覺來自動化施工圖中的質(zhì)量保證審查過程，幫助盡早發(fā)現(xiàn)錯誤，以防止后期施工過程中出現(xiàn)代價高昂的項目變更。3）生成2D和3D設(shè)計：為建筑、工程和施工(AEC)行業(yè)服務(wù)的AI平臺數(shù)量急劇增加。一些公司正在使用AI進行可行性評估，將擬建場地（建筑物、停車場等）的視覺描述與相關(guān)供應(yīng)成本相結(jié)合，根據(jù)后者的成本限制調(diào)整前者，反之亦然。Snaptrude等其他解決方案可以創(chuàng)建建筑物的詳細3D設(shè)計圖像，接管通常由結(jié)構(gòu)工程師完成的重復(fù)性工作，讓他們有時間專注于更高級別的設(shè)計工作。詳細產(chǎn)品和基礎(chǔ)設(shè)施設(shè)計的自動化不僅可以節(jié)省客戶寶貴的工程時間，還可以加強銷售提案并提高項目成功率。4）視頻分析：生成和理解視頻的模型是視覺模型中最不成熟的，但它們正在迅速進步。在對象跟蹤、分類甚至視頻內(nèi)容的自然語言搜索方面，視頻理解模型已經(jīng)變得相當(dāng)強大。這些模型甚至有些已經(jīng)完成商業(yè)化落地，比如用AI監(jiān)控視頻源以發(fā)現(xiàn)制造或工業(yè)環(huán)境中出現(xiàn)的安全違規(guī)行為。但考慮到視頻模型的進步的速度，未來幾年我們將看到更多令人印象深刻的AI應(yīng)用，并擴展到更多的用例。尤其在機器人領(lǐng)域，視頻理解是機器人感知的關(guān)鍵組成部分。在所有視覺用例中，創(chuàng)始人都應(yīng)避免將復(fù)雜性誤認(rèn)為價值。雖然AI解決方案總被認(rèn)為應(yīng)該應(yīng)用在自動化特別復(fù)雜的工作流程中，但歸根到底，用戶價值還是看現(xiàn)有場景的工作流程適不適合自動化。如果設(shè)計自動化解決方案需要與難以替代的核心系統(tǒng)（如Revit）進行繁瑣的集成，并且初始投資回報率較低，那么無論解決方案多么強大，都很難推動銷售和采用。早期公司應(yīng)該從技術(shù)復(fù)雜程度較低、范圍較窄的產(chǎn)品開始，然后再從那里延伸。當(dāng)然，最佳路徑會因行業(yè)和用例而異，但要牢記權(quán)衡利弊。02人工智能代理的前景雖然早期的人工智能代理多少有些炒作的意味，但現(xiàn)在人工智能代理開始有一些真正的落地進展。隨著OpenAIo1模型的推出，代理能夠處理更多復(fù)雜的推理任務(wù)。如今，代理在涉及重復(fù)任務(wù)和通信的文本、語音和視覺工作流中發(fā)揮著重要作用。但在未來一年，我們預(yù)計基于較新的推理模型構(gòu)建的應(yīng)用程序?qū)霈F(xiàn)，并發(fā)揮AI代理的真正潛力：自主處理復(fù)雜的工作流。1）銷售和營銷：許多公司都推出了AI代理，可以為銷售團隊尋找和聯(lián)系潛在客戶。這些代理的優(yōu)點在于，它們能夠進行大量研究數(shù)據(jù)，來識別高質(zhì)量的潛在客戶（通過對目標(biāo)公司、其員工和相關(guān)行業(yè)新聞進行詳細的網(wǎng)絡(luò)搜索），然后使用這些研究結(jié)果來撰寫相關(guān)且高度個性化的電子郵件。由于代理可以有效地執(zhí)行工作中的研究和推廣部分，同時保持相對較高的質(zhì)量，因此它會讓銷售人員將自己時間更多投入到跟蹤熱門銷售線索。2）談判：AI代理在自動完成多方談判方面展示了不錯的前景。Pactum等公司已經(jīng)開發(fā)出能夠就供應(yīng)鏈案例協(xié)商法律和商業(yè)條款的人工智能代理。Pactum的代理可以與供應(yīng)商進行談判以優(yōu)化交易條款。我們也看到其他垂直AI公司在銷售和促銷領(lǐng)域采取了類似的方法。在這里，代理根據(jù)既定標(biāo)準(zhǔn)與買家和供應(yīng)商進行談判，例如批量購買的折扣或快速付款計劃。3）調(diào)查：企業(yè)網(wǎng)絡(luò)安全團隊經(jīng)常被大量安全警報壓得喘不過氣來，但現(xiàn)在有AI代理可以協(xié)助完成警報調(diào)查的初始階段。這包括：從多個不同的系統(tǒng)收集有關(guān)事件的信息，研究可能涉及的惡意行為，總結(jié)事件并評估其嚴(yán)重程度。雖然大多數(shù)團隊傾向于使用代理來處理風(fēng)險較低的工作流程，但很明顯，隨著時間的推移，更復(fù)雜的代理可以處理越來越多需要信息收集和綜合的工作流程。我們相信，與不需要這些解決方案的解決方案相比，處理需要跨多種模式進行更復(fù)雜推理的任務(wù)和工作流程的代理將更有價值。特別是，我們看到，通過巧妙的架構(gòu)決策以及將正確的模型、反饋回路等拼接在一起以提供一致的結(jié)果，可以提高代理工作流程的性能。代理性能并不完全取決于問題中數(shù)據(jù)和計算的規(guī)模，因此對于早期創(chuàng)業(yè)公司來說，這是一個更具吸引力的機會。在所有情況下，鑒于底層模型的快速發(fā)展，在構(gòu)建技術(shù)護城河和確保靈活性之間取得適當(dāng)?shù)钠胶鈱⑹顷P(guān)鍵?？偟膩碚f，越來越多垂直AI的創(chuàng)始人開始研究利用AI多模態(tài)能力，來解決更廣泛的實際任務(wù)。與文本一樣，語音和視覺的底層模型將日益商品化，使公司在強大的基礎(chǔ)模型之上構(gòu)建應(yīng)用程序更具可持續(xù)性。我們相信，這波垂直AI應(yīng)用不僅會改變它們所服務(wù)的行業(yè)和垂直格局，也將從徹底改變我們工作和與世界互動的方式。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/19
AI正在讓協(xié)同辦公越變越糟糕
這個看法源于一個觀察，國內(nèi)在協(xié)同辦公領(lǐng)域過度強調(diào)AI,但實際應(yīng)用中，像飛書、釘釘?shù)裙ぞ叩闹饕δ埽ㄈ缭诰€文檔、多維表格、打卡簽到等），實際上與AI關(guān)系并不大。這兩年軟件領(lǐng)域新生眾多，大多創(chuàng)業(yè)公司都是奔著AI去的，無論是搜索類、生成類、對話類，不一一列舉，產(chǎn)品一般都是基于某個大模型去發(fā)揮應(yīng)用價值，這些公司因此被抬上了很高的估值。不過在協(xié)同辦公領(lǐng)域，當(dāng)前的AI應(yīng)用似乎多作為噱頭，而非實際賣點。因為對于大多數(shù)協(xié)同辦公場景，AI并未帶來顯著的效率提升或成本降低，現(xiàn)實中接觸到的客戶公司也表示，他們對AI的實際需求有限，很多所謂的AI功能并未被廣泛接受或認(rèn)可。試想一下，在某些情況下，引入AI反而使工作流程變得更復(fù)雜，如使用AI進行信息檢索后仍需人工驗證其正確性。由于AI的智能性取決于原始數(shù)據(jù)的準(zhǔn)確程度，用戶對AI的信任度有限，這就限制了AI在協(xié)同辦公中的廣泛應(yīng)用。事實上，我們也對國外的協(xié)同辦公領(lǐng)域進行了一番研究，發(fā)現(xiàn)國內(nèi)外所面臨的問題，一定程度上都有共性。比如Zoom,放在三四年前，這是一家不折不扣的明星公司。全球范圍內(nèi)的疫情爆發(fā)使得人們的生活和工作方式發(fā)生巨大變化。Zoom主打線上視頻會議，功能極簡、易用、小而美，成為了遠程辦公、學(xué)習(xí)和社交的首選工具，市值一度逼近1600億美元。Zoom的成功讓市場看到了協(xié)同辦公的想象力，同期的MicrosoftTeam、Slack、釘釘?shù)葒鴥?nèi)外同行也迎來了上升期。不過高光期之后，Zoom的發(fā)展曲線并不性感：截至目前，股價、市值，和以往對比明顯，有游資曾評價，“幾天前，Zoom出現(xiàn)了反彈趨勢，我認(rèn)為它可能會卷土重來。然而經(jīng)過幾天的觀察，它并沒有真正改變之前的下降趨勢?！盳oom為什么會呈現(xiàn)頹勢？原因可以歸結(jié)為疫情紅利消退、市場競爭加劇、客戶增長放緩以及營銷和研發(fā)費用增加等方面共同作用的結(jié)果，但也讓人逐漸認(rèn)識到，決定一家公司增長曲線的，不僅僅是產(chǎn)品如何，也取決于它的商業(yè)化路徑。有意思的是，對于疫情期間的瘋狂增長，袁征并不覺得是好事，為了應(yīng)對激增的用戶，Zoom不得不快速擴招，但影響了公司的文化。競爭對手在疫情期間也加速了對遠程辦公和視頻會議的支持，給Zoom帶來了更大的競爭壓力?！叭绻麤]有疫情，現(xiàn)在的Zoom可能會發(fā)展更好”，對于這家公司來說，當(dāng)下的境遇也并不意味著回到了合理區(qū)間。產(chǎn)品小而美，但護城河低，Zoom的創(chuàng)始人袁征將希望寄托于AI,這點和國內(nèi)玩家殊途同歸。據(jù)媒體報道，這款原先聚焦視頻會議的產(chǎn)品，如今卻呼吁大家不要用視頻會議了，目前AI已應(yīng)用到幾乎所有產(chǎn)品線，終極目標(biāo)是提倡用AI分身來代替人處理大部分工作，參加會議、決策，甚至是回郵件。袁征還打算將Zoom進行綜合化發(fā)展，推出協(xié)作平臺Workplace,以及文檔、電子郵件和其他工具。在他看來，AI對Zoom的護城河起到了重塑的作用，關(guān)鍵詞在于：完全免費、不使用用戶數(shù)據(jù)訓(xùn)練AI、低成本，他們的AI戰(zhàn)略不僅關(guān)注當(dāng)前的性能和成本，通過結(jié)合多種技術(shù)來源、針對不同場景與不同第三方模型互換使用，以及推理過程，在不斷變化的AI領(lǐng)域中保持競爭力。Zoom推出包括ZoomAICompanion和ZoomDocs在內(nèi)的多項生成式AI功能，這些功能嵌入在Zoom的各種工具中，如ZoomMeetings、TeamChat和Whiteboard等，旨在提高企業(yè)生產(chǎn)力和企業(yè)間團隊協(xié)作效率。從這些例子來看，大多數(shù)AI功能起到的是對原有功能的輔助作用，但“免費”卻幫助Zoom建立更深的護城河。一方面，在競爭激烈的SaaS市場中，提供額外且免費的功能可以增加用戶粘性；另一方面，免費提供AI功能可以讓用戶無門檻地嘗試和使用這些新功能，長期吸引更多用戶，進而通過其他方式（如增值服務(wù)、企業(yè)訂閱等）實現(xiàn)盈利。以Zoom的ContactCenter為例，這是一種現(xiàn)代化的客戶服務(wù)解決方案，與其他產(chǎn)品的最大區(qū)別在于其結(jié)合了視頻通話和AI技術(shù)。購買ContactCenter的決策者與之前購買視頻會議產(chǎn)品的人不同，但由于他們本身也是Zoom的用戶，對Zoom的信任有助于ContactCenter的銷售。再看一個例子，明星軟件Notion近期也有重大更新，特別是其在AI功能方面的全面重構(gòu)。升級的板塊主要在三個方面，對話機器人的交互改進、寫作輔助功能優(yōu)化，以及盤活知識庫，使AI助理與用戶的交互更自然。新升級的NotionAI能夠在不同頁面和應(yīng)用間調(diào)取知識庫，這種跨應(yīng)用的調(diào)取能力，使用戶可以更便捷地獲取和利用各種資源，從而提升整體的生產(chǎn)效率。作為較早一批接入ChatGPT的產(chǎn)品，NotionAI在今年初完全開放給所有用戶，并正式將AI功能作為單獨的付費產(chǎn)品。其定價策略是每人每月10美元，包年則每月8美元。NotionAI可以協(xié)助用戶完成寫作、編輯、總結(jié)等多種任務(wù)，還提供了跨平臺搜索功能，可以無縫連接Slack、GoogleDrive等應(yīng)用，快速從多個來源匯總信息。據(jù)報道，截至2023年，Notion的用戶量達到了3000萬，其中約400萬為付費用戶。內(nèi)部一開始的評估是NotionAI一年會帶來額外的1000萬到3000萬美金ARR,但這個目標(biāo)只用一個月就完成了，意味著最終NotionAI一年可能會帶來1億美金的ARR.此外，NotionAI在推出后也迅速吸引了大量用戶，短時間內(nèi)就突破了400萬。不得不說，這個商業(yè)化增長幅度，國內(nèi)大多數(shù)辦公軟件都望塵莫及。典型的例子，盡管釘釘擁有龐大的用戶基數(shù)（截至2023年末，用戶數(shù)達7億，企業(yè)組織數(shù)達2500萬），但真正付費的用戶數(shù)量其實很少，此前CEO葉軍表示，企業(yè)用釘釘真正付費的可能連1%都不到。為了推動商業(yè)化進程，釘釘通過接入阿里的“通義千問”大模型，通過AI將產(chǎn)品重做一遍，完成了多條產(chǎn)品線和功能的AI化。例如，一鍵輸入“/”，就會智能生成職場中大部分工作內(nèi)容，包括文檔創(chuàng)作、聊天摘要生成等。釘釘在提供免費的標(biāo)準(zhǔn)版之余，也推出了專業(yè)版、專屬版和專有版等年費服務(wù)選項。釘釘引入AI功能，主要是想給這些付費版本增值，好讓用戶覺得高級功能更值得花錢。另外，釘釘還通過平臺分傭和硬件開放的License授權(quán)模式來增加收入。借助AI技術(shù)為企業(yè)帶來個性化服務(wù)，比如智能分析企業(yè)數(shù)據(jù)、定制工作流程等，釘釘認(rèn)為這樣企業(yè)更愿意付費，并且關(guān)系也會更緊密。但從內(nèi)部人士了解到，實際愿意為此買單的客戶，規(guī)模還并不算龐大，目前釘釘仍未實現(xiàn)盈利。另一邊的飛書，同樣在多個產(chǎn)品中融入了AI,如多維表格、字段捷徑、儀表盤等，以提升產(chǎn)品的智能化水平。最直接的體現(xiàn)是推出了自家的AI助手"MyAI"（飛書智能伙伴），用戶可以讓它寫工作總結(jié)、會議記錄，在辦公時喚醒進行協(xié)作問答。而在具體的商業(yè)化方面，隨著AI功能的不斷補充，或許會推出基于AI功能的增值服務(wù)或訂閱模式。例如，為用戶提供更高級別的AI助手，飛書更傾向通過提供專業(yè)化的服務(wù)和定制化的解決方案來吸引客戶。整體來說，國外協(xié)同辦公工具多采用按功能付費的模式，用戶可以根據(jù)自己的需求選擇相應(yīng)的功能并支付費用。而在國內(nèi)，盡管釘釘、飛書等工具也在積極探索商業(yè)化路徑，但面臨的商業(yè)化難題依然不少。這背后，既有國內(nèi)外市場環(huán)境的差異，也有用戶對協(xié)同辦公工具價值認(rèn)知和付費意愿的不同。根據(jù)現(xiàn)有報道，在國外市場，用戶的隱私問題對Zoom布局AI產(chǎn)生了顯著影響。然而，隨著Zoom采取了一系列措施來確保用戶數(shù)據(jù)的安全和隱私，這個問題得到了一定程度的緩解。Zoom是否因AI實現(xiàn)了更大的增長？根據(jù)多方數(shù)據(jù)，我們發(fā)現(xiàn)，AI技術(shù)的融入的確提升了其企業(yè)端銷售額，例如，在2024財年第三季度，Zoom的總營收同比增長3.2%，企業(yè)端營收規(guī)模同比增長7.5%至6.61億美元，嵌入AI技術(shù)后，Zoom的季度客戶流失率明顯收窄，顯示出更高的客戶留存率。為什么同樣布局AI,國內(nèi)外的協(xié)同辦公領(lǐng)域，Zoom、Notion、飛書和釘釘?shù)纳虡I(yè)化差距這么大？是國產(chǎn)軟件的AI功能還不夠強大，還是市場對AI的期待過高？這只是一方面。對比發(fā)現(xiàn)，AI的確是一種強大的技術(shù)，但它在協(xié)同辦公中的作用并非萬能，當(dāng)下的使用場景還很有限，更多是作為智能助手的形式出現(xiàn)。其實就像袁征所說的，一款好的產(chǎn)品不一定能夠?qū)?yīng)好的商業(yè)價值，研發(fā)成本、商業(yè)模式、付費環(huán)境也會起到?jīng)Q定性的作用。很多協(xié)同辦公公司投入了大量成本去研發(fā)AI,但并沒有可觀的ROI,反而成為給企業(yè)客戶提供數(shù)智化解決方案的項目商，或是軟件外包。回到商業(yè)的本質(zhì)，客戶需求和市場定位依然是決定產(chǎn)品成功的關(guān)鍵因素。盡管AI技術(shù)迅猛發(fā)展，為行業(yè)帶來了前所未有的變革，但商業(yè)的核心原則并未發(fā)生變化。然而，過度的AI投入有時的確會讓企業(yè)迷失方向，對“究竟應(yīng)該做什么”產(chǎn)生疑惑。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/19
AI讓代碼變得廉價，品味正在蠶食軟件
就像上個時代軟件蠶食世界，讓行業(yè)發(fā)生重大變革一樣，品味現(xiàn)在正在蠶食軟件。2011年，馬克·安德森(MarcAndreessen)發(fā)表了著名的軟件正在蠶食世界的宣言。有那么一段時間，這是不可否認(rèn)的現(xiàn)實。軟件是變革的引擎，徹底改變了從科技到金融、從零售到醫(yī)療保健的一切。在當(dāng)時，技術(shù)實力意味著占據(jù)市場主導(dǎo)地位。作為硅谷的精神中心，YCombinator將技術(shù)創(chuàng)始人視為天選之人。而那些能夠召喚并駕馭軟件的人則被視為神祇。風(fēng)投家給那些能將代碼大規(guī)模擴展的人提供資金。畢竟，只有軟件才能迅速而有效地改變龐大的傳統(tǒng)行業(yè)。如今情況已大不相同。軟件已經(jīng)被商品化——這是技術(shù)進步、成本、復(fù)雜性降低以及編程技能普及的結(jié)果。人工智能進入主流推動了這一轉(zhuǎn)變。技術(shù)與文化之間的界限正在變得模糊。因此，光靠打造出色的技術(shù)已遠遠不夠。▍大家的軟件都已足夠好。軟件曾經(jīng)是武器，現(xiàn)在只是工具。在資源匱乏的世界里，我們珍視工具。在資源富足的世界，我們看重品味。進入門檻很低，競爭很激烈，有太多的關(guān)注焦點已經(jīng)轉(zhuǎn)移——先是從技術(shù)轉(zhuǎn)移到分銷，現(xiàn)在又轉(zhuǎn)移到了其他方面：品味。▍品味正在蠶食軟件。品味就是新武器。不管表達方式如何，不管是靠產(chǎn)品設(shè)計、品牌還是用戶體驗，品味現(xiàn)在定義了產(chǎn)品被感知和感受的方式，定義了產(chǎn)品被采用，也就是分發(fā)的方式——無論是軟件也好，硬件也罷，或兩者兼而有之。技術(shù)已經(jīng)與文化緊密交織在一起。如今，人們無論身在何處、從事什么職業(yè)或處在什么地位，都將技術(shù)視為生活的一部分。▍現(xiàn)在要服務(wù)的市場是文化市場，實用加上品味是基礎(chǔ)。在這個新時代，功能性產(chǎn)品日益變成文化大潮的配角。因此，創(chuàng)始人們意識到他們需要的不僅僅是會寫代碼或掌握技術(shù)了。雖然實用性依然是關(guān)鍵，但創(chuàng)始人還需要在設(shè)計、品牌、體驗、講故事、社區(qū)以及文化相關(guān)性上進行精雕細琢。史蒂夫·喬布斯和埃隆·馬斯克之所以備受推崇，不僅是因為技術(shù)創(chuàng)新，還因為他們把產(chǎn)品和個人塑造成了文化偶像。競爭已經(jīng)不再局限在科技行業(yè)——創(chuàng)始人們現(xiàn)在還要跟那些在分發(fā)、社區(qū)建設(shè)及文化共鳴上占據(jù)優(yōu)勢的名人和網(wǎng)紅競爭，盡管這些人不一定具備同樣的技術(shù)能力。品味的提升將各種體驗和視角引入到競技場——這不僅從內(nèi)部挑戰(zhàn)著“傳統(tǒng)”的硅谷，也會從外部發(fā)起沖擊。你可能會覺得，像蘋果、特斯拉和Airbnb這樣的公司，因為它們是面向消費者的典型企業(yè)，所以品味對它們來說尤其重要。但這并不是全部——消費者驅(qū)動的“品味”特質(zhì)已經(jīng)滲透到了科技世界的每個角落。那些曾經(jīng)以實用性優(yōu)先的B2C板塊，甚至B2B軟件行業(yè)，如今都感受到用戶體驗、設(shè)計、美學(xué)以及講好故事的影響。Arc以設(shè)計和品牌作為核心賣點，與傳統(tǒng)網(wǎng)絡(luò)瀏覽器展開競爭。Linear等工具是一款面向軟件團隊的項目管理工具，它們以公司建設(shè)的原則性方法和大量抄襲的登陸頁面設(shè)計而聞名，也以產(chǎn)品功能而聞名。Arc和Linear等公司建立了一個完整的美學(xué)生態(tài)系統(tǒng)，邀請用戶和擁護者成為他們版本的世界的一部分，并產(chǎn)生大量的數(shù)字和文字口碑。（他們的故事尚未結(jié)束，但他們在硅谷的這個領(lǐng)域中脫穎而出。）Arc以設(shè)計和品牌作為核心賣點向傳統(tǒng)web瀏覽器發(fā)起挑戰(zhàn)。像Linear這樣的項目管理工具，不僅因其獨特的企業(yè)文化和備受模仿的登錄頁設(shè)計而聞名，也因其產(chǎn)品的功能性而備受認(rèn)可。4Arc和Linear等公司建立了完整的美學(xué)生態(tài)體系，吸引用戶和支持者成為他們世界的一員，并在線上和線下獲得口口相傳。▍即便在最前沿的技術(shù)領(lǐng)域，品味也和技術(shù)本身一樣塑造著未來。在通用人工智能聊天機器人領(lǐng)域，OpenAI的ChatGPT成為了市場的領(lǐng)導(dǎo)者。此后，Anthropic的Claude、谷歌的Gemini、Meta的Llama、微軟的Copilot、Perplexity、Poe等公司各自以不同的角度加入到這場競爭。是，他們是在技術(shù)戰(zhàn)線上展開競爭，但隨著人工智能的快速進步，感覺他們會在類似的功能上趨于一致。那該怎么競爭呢？？答案在于它們的外觀、使用感受，以及它們帶給用戶的情感體驗。交互上的微妙之別（界面是否直觀、友好、流暢）以及品牌美學(xué)（從趣味橫生的網(wǎng)站設(shè)計到營銷信息）都會變成新的差異化因素，用戶往往會選擇那些與其個人價值觀更契合的工具。所有這些元素應(yīng)該無縫地融合到產(chǎn)品之中，但這依然是值得關(guān)注的區(qū)別。投資者再也不能找到最優(yōu)秀的工程團隊去資助，然后坐享其成了。他們得去尋找這樣大的團隊，那種能捕捉文化相關(guān)性，并反映其日益多樣化的市場價值觀、美學(xué)和品味的團隊。投資者如何在這個新環(huán)境中找到自我定位？他們把寶押在那些能抓住文化潮流的，品味驅(qū)動型的創(chuàng)始人。他們也在打造自己的個人品牌和公司品牌。去重新設(shè)計網(wǎng)站，撰寫宣言，推出播客，并與文化巨頭合作。（當(dāng)然，人們?nèi)匀粫|(zhì)疑風(fēng)投是不是真的“了解”品味。）▍代碼不值錢了。金錢現(xiàn)在追逐的是用品味包裝起來的實用性、以優(yōu)美的形式塑造的功能，以及以藝術(shù)性為框架的技術(shù)。但品味究竟是什么東西？字典上說，品味是辨別什么是高品質(zhì)的能力，或者一種很高的審美標(biāo)準(zhǔn)。但誰來制定這個標(biāo)準(zhǔn)呢？在個體層面，品味是主觀的——每個人對品味都有自己的個人理解——但在特定的文化或社區(qū)當(dāng)中，品味是可以校準(zhǔn)的。品味是設(shè)計、用戶體驗與情感共鳴的結(jié)合，它決定了產(chǎn)品如何與人建立聯(lián)系，并與他們的價值觀和身份保持一致。這些東西單個拎出來并不等于品味；那只是表達個人品味的表現(xiàn)形式。最基本的標(biāo)準(zhǔn)是，品味絕不會平淡無奇——它會有自己的主見。就像阿諾德·貝內(nèi)特的名言所說那樣：“好品味勝過壞品味，但壞品味勝過沒品味?！报吥阍谑褂卯a(chǎn)品時，產(chǎn)品會讓你產(chǎn)生某種感受，而且產(chǎn)品也會讓其他人對你產(chǎn)生某種感覺。產(chǎn)品不再只是功能性工具，而變成了情感接觸點。越來越多的產(chǎn)品被設(shè)計為自我表達和社交信號的載體，反映出你的價值觀、生活方式與身份。以技術(shù)為核心的產(chǎn)品與藝術(shù)的距離之近前所未有。果真如此的話，這也意味著其他玩家對生態(tài)體系至關(guān)重要：比如藝術(shù)家、設(shè)計師、創(chuàng)作者、創(chuàng)意總監(jiān)、媒體公司等。這不可避免會引出更多問題：誰是品味的擁王者，誰是看門人？對品味的更大關(guān)注會引發(fā)什么樣的文化戰(zhàn)爭？公司所在的城市或文化的影響會不會更加重要？沒人可占有“品味”，但肯定會有足夠多的人想嘗試一下。▍就像上個時代軟件蠶食了世界并改變了各個行業(yè)一樣，現(xiàn)在品味正在蠶食軟件，緊接著要蠶食的將是硅谷。在硅谷的新時代，品味不僅是一種優(yōu)勢，更是未來。最吸引人的創(chuàng)業(yè)公司將是那些能將卓越技術(shù)與精致品味結(jié)合到一起的公司。就算是在追求技術(shù)突破，也必須考慮品味與文化共鳴，而不僅僅考慮技術(shù)本身。單靠品味不會成功，但如果沒有讓品味發(fā)揮重要作用的話，你也贏不了。隨著品味滲透到各個領(lǐng)域，創(chuàng)始人與風(fēng)投家的角色也在發(fā)生變化。創(chuàng)始人如今不僅需要掌握技術(shù)創(chuàng)新，還必須具備文化共鳴的能力。而投資者呢？他們必須將寶押在那些會在未來創(chuàng)新浪潮中引領(lǐng)潮流的公司，在這些公司里，技術(shù)與文化不再是獨立個體，而是合二為一。有些人也許不喜歡這種趨勢，有些人會反對，而有些人則會選擇觀望——但這無疑是時代的象征。▍創(chuàng)始人必須成為品味的引領(lǐng)者，而風(fēng)投家則必須成為品味的仲裁人。挑戰(zhàn)：實用性仍需得到尊重。理論仍需付諸實踐。自認(rèn)為有好品味的人要多于確實有好品味的人。本文來源于：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/12
微軟推出AI醫(yī)療工具全家桶，預(yù)覽醫(yī)療數(shù)據(jù)方向5大新功能
許多新工具目前仍處于開發(fā)早期階段或僅提供預(yù)覽版。智東西10月11日消息，當(dāng)?shù)貢r間周四，微軟發(fā)表了一篇播客，宣布在其MicrosoftCloudforHealthcare中推出新的醫(yī)療保健數(shù)據(jù)功能和AI工具，包括通過AzureAIStudio中的新醫(yī)療保健AI模型、MicrosoftFabric中的醫(yī)療保健數(shù)據(jù)功能、CopilotStudio中的醫(yī)療保健AIagents服務(wù)以及AI驅(qū)動的護理工作流程解決方案。這些工具旨在連接護理體驗、增強團隊協(xié)作、增強醫(yī)療工作者的能力以及幫助醫(yī)療保健組織更快地構(gòu)建AI應(yīng)用程序，并節(jié)省醫(yī)療工作者在行政任務(wù)上的時間，這是導(dǎo)致行業(yè)倦怠的主要原因之一。許多解決方案目前仍處于開發(fā)早期階段或僅提供預(yù)覽版。在微軟更廣泛地推廣這些工具之前，醫(yī)療保健組織將對這些工具進行測試和驗證。微軟拒絕透露這些新工具的價格。據(jù)CNBC報道，微軟通過不斷推出新的醫(yī)療領(lǐng)域AI工具，努力確保其處在醫(yī)療保健AI領(lǐng)域的領(lǐng)導(dǎo)地位。去年10月，該公司在其Azurecloud和Fabric分析平臺上推出了一系列健康功能。2021年，微軟還以160億美元收購了NuanceCommunications,后者是醫(yī)療保健及相關(guān)行業(yè)提供語音轉(zhuǎn)文本的AI工具。微軟健康與生命科學(xué)部門投資組合發(fā)展與孵化副總裁MaryVarghesePresti在預(yù)先錄制的記者會上說道，“通過將AI融入醫(yī)療保健，我們的目標(biāo)是減輕醫(yī)務(wù)人員的工作壓力，促進醫(yī)療團隊的協(xié)作，提高全國醫(yī)療保健系統(tǒng)的整體效率。”一、醫(yī)療保健AI模型：將AI的范圍擴展到文本之外微軟推出了一系列開源多模態(tài)AI模型，這些模型由微軟與Providence和Paige等合作伙伴合作開發(fā)，能夠分析除文本之外的數(shù)據(jù)類型，如醫(yī)學(xué)影像、臨床記錄和基因組數(shù)據(jù)。據(jù)悉，大約80%的醫(yī)院和醫(yī)療系統(tǒng)就診都包括影像檢查，因為醫(yī)生通常依靠影像來幫助治療患者，這些AI工具的推廣使用可以幫助醫(yī)生減少工作量和壓力。醫(yī)療保健組織還可以使用這些模型來構(gòu)建新的應(yīng)用程序和工具。通過使用這些高級模型作為基礎(chǔ)，醫(yī)療保健組織可以快速構(gòu)建、微調(diào)和部署針對其特定需求的AI解決方案，同時最大程度上減少從頭開始構(gòu)建多模態(tài)模型相關(guān)的大量計算和數(shù)據(jù)要求。例如，數(shù)字化單個病理切片可能需要超過1GB的存儲空間，因此許多現(xiàn)有的AI病理模型每次都只能訓(xùn)練小塊切片。微軟和ProvidenceHealth&Services構(gòu)建了一個數(shù)字病理全切片基礎(chǔ)模型，該模型在突變預(yù)測和癌癥亞型分類方面有所改進，這一成果已發(fā)表在國際頂級學(xué)術(shù)期刊《自然》雜志上。現(xiàn)在，醫(yī)療系統(tǒng)可以在此基礎(chǔ)上進行改進，并根據(jù)自身需求進行微調(diào)?！斑^去，獲取病理學(xué)的全切片基礎(chǔ)模型一直是一個挑戰(zhàn)……而現(xiàn)在我們實際上已經(jīng)能夠做到了?！盤rovidence首席戰(zhàn)略和數(shù)字官SaraVaezy在接受CNBC采訪時談道?！斑@確實是一種改變游戲規(guī)則的技術(shù)?！边@些模型可在AzureAIStudio的模型目錄中找到，AzureAIStudio是微軟的生成式AI開發(fā)中心?！④汚zureAIStudio的模型目錄界面（圖源：微軟）二、通過統(tǒng)一的AI平臺使用醫(yī)療保健數(shù)據(jù)，公開預(yù)覽5大新功能從歷史上看，醫(yī)療保健數(shù)據(jù)由于其非結(jié)構(gòu)化性質(zhì)和現(xiàn)有數(shù)據(jù)管理系統(tǒng)的局限性而難以獲問題限制了醫(yī)療保健組織全面了解患者體驗和獲取寶貴見解的能力。根據(jù)MicrosoftFabric推出的醫(yī)療保健數(shù)據(jù)解決方案，醫(yī)療保健組織可以通過單一且統(tǒng)一的AI驅(qū)動平臺改變用戶訪問、管理和處理數(shù)據(jù)的方式，從而克服上述問題。此外，MicrosoftPurview的醫(yī)療保健安全應(yīng)用程序模板（一套旨在幫助管理醫(yī)療保健數(shù)據(jù)的創(chuàng)新功能）現(xiàn)已公開預(yù)覽。微軟還將在MicrosoftFabric的醫(yī)療保健數(shù)據(jù)解決方案中公開預(yù)覽5個新功能，包括：1、對話數(shù)據(jù)集成：將對話數(shù)據(jù)（例如患者對話）從DAXCopilot發(fā)送到Fabric平臺。通過將DAXCopilot音頻文件、記錄和臨床筆記草稿發(fā)送到Fabric,客戶和合作伙伴可以利用Azure和Fabric中的各種本地工具來分析這些數(shù)據(jù)或?qū)⑵渑c其他數(shù)據(jù)相結(jié)合生成更全面的見解。2、康健的社會決定因素(SDOH)公共數(shù)據(jù)集轉(zhuǎn)換：提取、保存、協(xié)調(diào)和使用SDOH國家和國際公共數(shù)據(jù)集，使醫(yī)療保健組織能夠識別風(fēng)險和與健康相關(guān)的社會需求，幫助為患者和社區(qū)創(chuàng)造更公平的醫(yī)療保健服務(wù)。3、美國醫(yī)療保險和醫(yī)療補助服務(wù)中心(CMS)索賠和索賠線饋送(CCLF)數(shù)據(jù)提?。汉喕髻r數(shù)據(jù)的提取并與臨床、影像和SDOH數(shù)據(jù)相協(xié)調(diào)，以獲取有關(guān)患者和大眾的可行見解。4、護理管理分析：利用統(tǒng)一的醫(yī)療數(shù)據(jù)和護理管理分析模板，通過識別高風(fēng)險個體、優(yōu)化治療計劃和改善護理協(xié)調(diào)來加強患者護理。5、數(shù)據(jù)發(fā)現(xiàn)和分組：利用集成的工作流程，讓醫(yī)療保健組織能夠創(chuàng)建、管理、分析和共享患者群組。三、利用AIagents匹配治療方案，回答患者基本問題醫(yī)療保健組織面臨諸多挑戰(zhàn)，包括勞動力短缺、成本上升和患者護理需求增加。生成式AI通過自動化管理任務(wù)、分析大量數(shù)據(jù)以獲得可操作的見解以及協(xié)助專業(yè)人員進行決策，為這些挑戰(zhàn)提供了潛在的解決方案。為了解決這一問題，微軟宣布了幫助醫(yī)療系統(tǒng)構(gòu)建AIagents的新方法，他們將在CopilotStudio中公開預(yù)覽醫(yī)療agent服務(wù)，用于預(yù)約安排、臨床治療案例匹配、患者分診等。醫(yī)療保健組織可以利用醫(yī)療agent服務(wù)來幫助創(chuàng)建互聯(lián)的患者體驗、改善臨床工作流程并增強醫(yī)療專業(yè)人員的能力，同時幫助組織通過MicrosoftCopilotStudio滿足行業(yè)期望。早期采用者，如克利夫蘭診所，提供了反饋以幫助優(yōu)化醫(yī)療環(huán)境的解決方案，他們已經(jīng)在使用這些工具來增強患者體驗并提升運營效率。AIagents的復(fù)雜程度各不相同，但它們可以幫助用戶回答問題、自動化流程并執(zhí)行特定任務(wù)。通過MicrosoftCopilotStudio,醫(yī)療保健組織還可以創(chuàng)建配備醫(yī)療保健專用安全措施的AIagent.例如，當(dāng)答案包含對臨床案例的引用時，會顯示來源，并會通過注釋標(biāo)明答案是否由AI生成。微軟提到，捏造和遺漏都會被標(biāo)記出來。例如，一個醫(yī)療保健組織可以構(gòu)建一個AIagent來幫助醫(yī)生為患者找到相關(guān)的臨床治療案例。醫(yī)生可以輸入問題：“55歲男性，患有糖尿病和間質(zhì)性肺病，有哪些臨床案例適合他？”然后會收到一系列相關(guān)回答，這將節(jié)省醫(yī)生尋找每個案例的時間和精力。據(jù)微軟健康與生命科學(xué)部門健康A(chǔ)I總經(jīng)理HadasBitran在與記者的問答中談道，能夠幫助回答患者基本問題的AIagent在參與測試該服務(wù)的醫(yī)療系統(tǒng)中很受歡迎。她還補充說，能夠幫助醫(yī)生回答有關(guān)最新醫(yī)療健康指南和患者病史的問題的AIagent也很常見。微軟的醫(yī)療保健agent服務(wù)將從宣布當(dāng)天開始提供預(yù)覽版?！④浀尼t(yī)療agent服務(wù)界面（圖源：微軟）四、開發(fā)護士專用自動化文檔，優(yōu)化護士日常工作流程據(jù)世界衛(wèi)生組織(WHO)預(yù)測，到2030年護士短缺人數(shù)將達到450萬，因此提供技術(shù)支持護理行業(yè)的需求比以往任何時候都更為緊迫。今年8月，微軟宣布其與EpicSystems合作的下一階段將致力于構(gòu)建針對護士的AI文檔工具。他們正在開發(fā)一種可以增強護士日常工作流程的解決方案，通過起草流程表進行審查來處理護理文檔，讓護士能夠?qū)⒕Ω嗟胤旁诨颊呱砩希皇俏臅ぷ魃?。?jù)悉，外科護士有多達41%的時間花費在文檔工作上。Epic是一家醫(yī)療保健軟件供應(yīng)商，擁有美國超過2.8億人的電子健康記錄。它與微軟有著長期的合作關(guān)系。微軟的Nuance已經(jīng)為醫(yī)生提供了一個名為DAXCopilot的自動化文檔工具，該工具于去年推出。它允許醫(yī)生在征得患者同意的情況下記錄他們的就診過程，然后AI會自動將其轉(zhuǎn)化為臨床筆記和摘要。理想情況下，這意味著醫(yī)生每次看診時都不需要花時間自己輸入這些筆記。這項技術(shù)在今年迅速普及。Nuance宣布，DAXCopilot已于1月在Epic的電子健康記錄中普遍可用，這是醫(yī)療保健行業(yè)內(nèi)備受矚目的認(rèn)可。將像DAXCopilot這樣的工具直接集成到醫(yī)生的電子健康記錄工作流程中，意味著他們不需要切換應(yīng)用程序即可訪問它，這有助于節(jié)省時間并減輕行政工作負(fù)擔(dān)。但到目前為止，DAXCopilot僅供醫(yī)生使用。微軟提到，這一情況正在改變。該公司正在構(gòu)建一個針對護士優(yōu)化的類似工具。盡管醫(yī)生和護士密切合作，共同治療和護理患者，但護士的工作日與醫(yī)生的工作日截然不同，護理文檔工作流程也同樣獨立且截然不同。護士在輪班期間需要移動，在各個房間之間移動以看望患者。他們在病床邊交談，并以流程表等高度結(jié)構(gòu)化的格式記錄患者信息?！白o士的工作流程與醫(yī)生的工作流程截然不同，任何為護士開發(fā)的解決方案都需要與他們的工作方式相結(jié)合?！盤resti在會上說道?！拔覀兊膱F隊花費了數(shù)小時在護士值班期間進行跟蹤觀察，以了解他們?nèi)绾螆?zhí)行任務(wù)，并發(fā)現(xiàn)他們一天中最大的摩擦點在哪里?！蔽④浾谂c斯坦福醫(yī)療保健（StanfordHealthCare）、西北醫(yī)學(xué)（NorthwesternMedicine）和Tampa綜合醫(yī)院等組織合作開發(fā)這一工具。結(jié)語：醫(yī)療保健領(lǐng)域的AI實踐需要嚴(yán)格的測試和監(jiān)管微軟在官方播客中提到，這些新的AI工具都將遵循該公司于2018年制定的AI原則，以幫助指導(dǎo)AI的開發(fā)和使用。通過設(shè)計開發(fā)負(fù)責(zé)任的AI,確保這些技術(shù)對醫(yī)療生態(tài)系統(tǒng)和社會產(chǎn)生廣泛而積極影響。在實踐中，這意味著要正確構(gòu)建、測試和監(jiān)控系統(tǒng)，以避免不良行為，例如有害內(nèi)容、偏見、濫用和其他意外風(fēng)險，需要在構(gòu)建必要的治理結(jié)構(gòu)、政策、工具和流程方面進行大量投資，以堅持相關(guān)原則并安全地構(gòu)建和部署AI.本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/12
100億，90后都用過的辦公APP上市了
辦公軟件，再“上大分”90后都用過的辦公軟件，上市了。十多年前，“掃描全能王”上線，抓住了線上辦公的浪潮解決了一大堆90后掃描難、傳輸難的痛點。十余年后，“掃描全能王”背后的母公司合合信息成功登陸上海證券交易所科創(chuàng)板。這次上市之路并非一帆風(fēng)順，合合信息歷經(jīng)了多次嘗試和挑戰(zhàn)。但他們始終堅持以用戶需求為核心，不斷優(yōu)化產(chǎn)品，提升服務(wù)質(zhì)量。隨著線上辦公的興起，手機辦公功能變得多樣化，合合信息的產(chǎn)品正好解決了紙質(zhì)文件數(shù)字化的痛點。用戶不再需要為了一份掃描件而四處奔波，只需輕點屏幕，就能輕松將文件轉(zhuǎn)換為電子版，這無疑是數(shù)字化辦公時代的一次革命。如今，合合信息的成功上市，不僅是對公司技術(shù)實力的認(rèn)可，更是對整個辦公軟件行業(yè)未來發(fā)展的有力推動。在這個充滿機遇的數(shù)字化時代，我們期待合合信息能夠繼續(xù)引領(lǐng)潮流，為全球用戶帶來更多便捷、智能的辦公體驗。敲鐘上市每個辦公人都得用過的“掃描全能王”“名片全能王”背后的公司上市了。今天，合合信息敲鐘上市。旗下最出圈的產(chǎn)品莫過于“掃描全能王”，除此之外，合合信息旗下還包括名片全能王、啟信寶等打工人必備軟件。據(jù)其官網(wǎng)介紹，上海合合信息科技股份有限公司（以下簡稱“合合信息”）是行業(yè)領(lǐng)先的人工智能及大數(shù)據(jù)科技企業(yè)，基于自主研發(fā)的領(lǐng)先的智能文字識別及商業(yè)大數(shù)據(jù)核心技術(shù)，為全球C端用戶和多元行業(yè)B端客戶提供數(shù)字化、智能化的產(chǎn)品及服務(wù)。公司B端服務(wù)，即智能文字識別服務(wù)、商業(yè)大數(shù)據(jù)服務(wù)幫助客戶切實解決了降本增效、改善風(fēng)控、高效獲客的業(yè)務(wù)痛點，提供了較高的技術(shù)附加值。目前已在銀行、保險、證券、基金、汽車金融、供應(yīng)鏈金融、政務(wù)、制造、物流、地產(chǎn)、征信等近30個行業(yè)實現(xiàn)成熟應(yīng)用。據(jù)企查查信息顯示，合合信息已經(jīng)完成了八輪融資，其中經(jīng)緯創(chuàng)投、東方匯富、京東科技、復(fù)星創(chuàng)富皆為其背后資本。合合信息創(chuàng)始人鎮(zhèn)立新，1968年荊州出生，2000年在中國科學(xué)院自動化所完成學(xué)業(yè)，專攻模式識別與智能系統(tǒng)，獲得博士學(xué)位。他的職業(yè)道路多姿多彩，曾在中國石化集團公司擔(dān)任電氣工程師，并在大連海事大學(xué)與同濟大學(xué)擔(dān)任教職。2000年，鎮(zhèn)立新加入摩托羅拉，擔(dān)任全球?qū)嶒炇邑?fù)責(zé)人，專注于光學(xué)字符識別（OCR）技術(shù)。他將該技術(shù)成功應(yīng)用于摩托羅拉廣受歡迎的“明”系列手機，成為首位將OCR、名片識別和手寫識別技術(shù)整合到智能手機的科學(xué)家。他領(lǐng)導(dǎo)的“指書FingerWriting”項目榮獲《華爾街日報》的“最佳發(fā)明獎”和芝加哥太陽報的“發(fā)明金獎”，同時他也是摩托羅拉“金質(zhì)獎?wù)翯oldenBadge”的得主。隨著智能化時代的到來，鎮(zhèn)立新洞察到商業(yè)潛力，決定創(chuàng)業(yè)。2006年，他創(chuàng)立了合合信息的早期形態(tài)合合有限，并聚集了一批技術(shù)精英，形成了初始團隊。在合合信息的七位核心技術(shù)人員中，有六位曾是摩托羅拉中國研究院的成員，這使得公司帶有濃厚的“摩托羅拉”色彩。他帶領(lǐng)團隊研發(fā)了名片全能王和掃描全能王等產(chǎn)品，并通過開發(fā)基于邊緣計算的深度學(xué)習(xí)技術(shù)，顯著提高了手寫文字的識別準(zhǔn)確率，使掃描全能王的手寫字符識別率達到了97%。掃描王的成功也離不開數(shù)字化辦公時代的進程。過去幾年，隨著線上辦公的火熱，手機的辦公功能也開始多元化。而在文件傳輸?shù)倪^程中，紙質(zhì)文件的掃描就成了一個痛點，沒有掃描王的時候大部分還是會選擇去臨近的復(fù)印掃描店掃描之后再傳輸?shù)绞謾C上，而掃描王剛好就解決了這個痛點?！爱?dāng)時市面上手機的拍照功能還沒有現(xiàn)在這么清晰，也沒有能夠識別文字等等功能，很多時候需要辦一些證件的時候，需要掃描件，照片直接發(fā)過去就不過審，家里沒有復(fù)印機和掃描機的就得跑一趟復(fù)印店，家里買一臺的話利用率又太低，而且當(dāng)時基本能夠滿足功能的APP只有掃描王。”一位掃描王的用戶回憶起自己使用掃描王的過程。除了抓住時代紅利和需求痛點，掃描王的成功還與其技術(shù)和設(shè)計有關(guān)——技術(shù)上，它采用了先進的光學(xué)字符識別技術(shù)，能夠高效地將圖像中的文字轉(zhuǎn)換為可編輯文本，并引入了智能高清濾鏡等黑科技，顯著提升了掃描的清晰度和準(zhǔn)確性；用戶體驗方面，應(yīng)用界面簡潔直觀，易于上手，同時提供了多種圖像優(yōu)化模式，使用戶能夠根據(jù)需求調(diào)節(jié)圖像參數(shù)，輕松完成掃描和編輯任務(wù)。功能上，掃描全能王不僅限于掃描，還集成了文檔共享、云同步、無線打印、全球傳真等功能，滿足了用戶多樣化的需求。它還支持多種語言的文字識別，擴大了服務(wù)的用戶群體。市場需求的增長也為掃描全能王的發(fā)展提供了動力，隨著數(shù)字化辦公和個人信息管理需求的上升，高效工具的用戶數(shù)激增；在市場策略上，掃描全能王的母公司通過有效的推廣和品牌建設(shè)，迅速贏得了市場的認(rèn)可。用戶口碑方面，掃描全能王在處理文件的準(zhǔn)確性和便捷性上獲得了用戶的廣泛好評。此外，掃描全能王不斷進行產(chǎn)品迭代和升級，如推出智能高清濾鏡2.0，以適應(yīng)不斷變化的市場需求和技術(shù)進步，確保了其在競爭激烈的市場中脫穎而出。多次嘗試2009年名片全能王上線，隔一年掃描全能王上線，兩款爆火產(chǎn)品距今已經(jīng)超過了十年的時間，據(jù)公開數(shù)據(jù)顯示，截至2022年底，掃描全能王與名片全能王在AppStore與GooglePlay應(yīng)用市場的全球用戶首次下載量合計超過8億，其中報告期新增首次下載量合計約3.8億。APP涉及到的技術(shù)主要包括智能文字識別及商業(yè)大數(shù)據(jù)技術(shù)。合合信息自2006年成立起就將文字識別、圖像處理作為核心研發(fā)方向，智能文字識別技術(shù)融合了智能圖像處理、復(fù)雜場景文字識別、NLP等AI技術(shù)，可適應(yīng)多語言、多版式、多樣式等復(fù)雜場景，并可應(yīng)用到多個商業(yè)化場景中并形成落地的產(chǎn)品或服務(wù)，例如票據(jù)分類、證照票據(jù)結(jié)構(gòu)化、合同關(guān)鍵信息抽取、智能審核等。商業(yè)大數(shù)據(jù)技術(shù)包括大數(shù)據(jù)挖掘與知識圖譜等技術(shù)，通過“數(shù)據(jù)—信息—知識—智能”4個層次，挖掘商業(yè)數(shù)據(jù)背后蘊藏的價值。而這期間，母公司合合信息也曾經(jīng)多次沖刺IPO.資料顯示，合合信息的IPO申請于2021年9月27日獲受理，此后歷經(jīng)三次問詢，兩次中止，這一次終于成功邁進IPO的大門。作為TOC的辦公軟件，公司數(shù)據(jù)安全和隱私合規(guī)一直都是外界關(guān)注的重點。在招股書中，合合信息也提到了關(guān)于數(shù)據(jù)隱私安全的風(fēng)險。指出“基于人工智能及大數(shù)據(jù)技術(shù)，公司面向個人用戶及企業(yè)客戶提供C端產(chǎn)品及B端服務(wù)。業(yè)務(wù)經(jīng)營過程中，公司根據(jù)業(yè)務(wù)需要獲取了用戶的相關(guān)數(shù)據(jù)。對于獲取的數(shù)據(jù)，公司建立了一系列的數(shù)據(jù)安全內(nèi)控制度，采用防火墻、數(shù)據(jù)加密、權(quán)限管控、安全審計等技術(shù)方式，以保障數(shù)據(jù)資源存儲、使用的安全性、可靠性。但如果受到惡意軟件、計算機病毒、黑客攻擊的影響；或公司員工違反公司內(nèi)部制度規(guī)定；數(shù)據(jù)合作方、客戶違反協(xié)議約定以及其他原因造成了數(shù)據(jù)的不當(dāng)泄露或使用，公司存儲的信息數(shù)據(jù)資源可能被泄露或受到損失。公司還可能因侵犯個人隱私被投訴或受到主管部門處罰，或因侵犯個人隱私及個人信息相關(guān)權(quán)益導(dǎo)致訴訟或仲裁等糾紛，可能對公司市場聲譽及經(jīng)營業(yè)績造成不利影響?！焙退行枰杉脩粜畔⒌墓疽粯?，用戶隱私都是一個審核的重點。合合信息也一直在為保護數(shù)據(jù)隱私做改革，對相關(guān)APP產(chǎn)品的部分版本進行了自查及升級。辦公軟件“上大分”在數(shù)字化轉(zhuǎn)型和遠程工作趨勢的推動下，TOC辦公軟件市場呈現(xiàn)出強勁的增長勢頭。數(shù)據(jù)顯示2022年中國辦公軟件市場規(guī)模增長至401.55億元，同比增長12.18%，這一數(shù)據(jù)反映了市場對辦公軟件需求的持續(xù)上升。技術(shù)進步，尤其是人工智能和云計算的發(fā)展，正在推動辦公軟件功能和用戶體驗的創(chuàng)新，AIGC技術(shù)的應(yīng)用使得數(shù)字內(nèi)容更加豐富和多樣化，滿足了市場對高質(zhì)量內(nèi)容的需求。政策對辦公軟件行業(yè)的支持態(tài)度也相當(dāng)明確，通過出臺鼓勵創(chuàng)新的政策，為行業(yè)的發(fā)展?fàn)I造了有利的環(huán)境。遠程辦公的興起，特別是在疫情期間，進一步加速了在線協(xié)同辦公軟件的普及，這些軟件不僅提高了工作效率，還促進了組織間高效協(xié)同、內(nèi)容管理和安全管控的轉(zhuǎn)變。市場競爭主要集中在一些知名品牌之間，如微軟的Teams、谷歌的GoogleMeet和金山辦公等，它們憑借強大的品牌和技術(shù)優(yōu)勢占據(jù)了穩(wěn)定的市場份額，并且國產(chǎn)辦公軟件在政策推動下的認(rèn)可度和需求的持續(xù)增長。隨著企業(yè)對辦公軟件需求的日益多樣化，軟件開發(fā)商正面臨著提供更加定制化服務(wù)的挑戰(zhàn)。這種趨勢要求開發(fā)商不僅要關(guān)注產(chǎn)品的通用性，還要能夠滿足企業(yè)特定的業(yè)務(wù)流程和管理需求。此外，智能化已成為辦公軟件發(fā)展的一個重要方向，機器學(xué)習(xí)和自然語言處理等技術(shù)的應(yīng)用，使得辦公軟件能夠提供更加智能的信息交流和協(xié)作體驗。移動設(shè)備的普及也推動了辦公軟件在移動端體驗的優(yōu)化，員工現(xiàn)在期望能夠通過移動設(shè)備隨時隨地訪問和使用辦公軟件。這種跨平臺的便捷性已成為現(xiàn)代辦公軟件不可或缺的一部分。在這樣的大環(huán)境下，國產(chǎn)掃描軟件正迎來前所未有的發(fā)展機遇，市場前景廣闊。數(shù)字化轉(zhuǎn)型已成為企業(yè)運營的關(guān)鍵，企業(yè)對文檔管理和數(shù)字化轉(zhuǎn)型的需求不斷增長，這直接推動了掃描軟件市場的擴張。技術(shù)進步為國產(chǎn)掃描軟件提供了強有力的支撐，包括提高掃描分辨率、加快掃描速度、引入智能化功能以及加強云服務(wù)集成等，使得國產(chǎn)掃描軟件在市場中更具競爭力。“十四五”規(guī)劃明確提出要推動軟件和信息技術(shù)服務(wù)業(yè)的發(fā)展，這一政策導(dǎo)向為國產(chǎn)掃描軟件的發(fā)展提供了堅實的政策支持和明確的發(fā)展方向。市場需求的穩(wěn)定增長也是國產(chǎn)掃描軟件發(fā)展的重要推動力。用戶對網(wǎng)絡(luò)安全和隱私保護的日益關(guān)注也為國產(chǎn)掃描軟件提出了新的要求。國產(chǎn)掃描軟件制造商可能會加強產(chǎn)品的安全特性，以滿足用戶對隱私保護的需求。此外，數(shù)字化掃描儀在教育和企業(yè)市場的應(yīng)用廣泛，為國產(chǎn)掃描軟件提供了穩(wěn)定的市場基礎(chǔ)。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
09/30
「解放辦公室社畜」，釘釘給出AI方法論
讀過劉慈欣《三體》的人都知道，當(dāng)行星被一顆恒星引力捕獲，圍繞其穩(wěn)定運行，世界便進入了“恒紀(jì)元”：大地復(fù)蘇，新生命成長，新文明開啟。眼下，由AIGC催生的科技革命，正在全球烈火烹油，入局者如過江之鯽、新產(chǎn)品層出不窮，新概念應(yīng)接不暇……仿佛一夜之間，AI的“恒紀(jì)元”就降臨了：周遭環(huán)境變得新鮮又陌生，千行百業(yè)重塑中。而在移動辦公賽道，確定性的脈絡(luò)正草蛇灰線地隱現(xiàn)。6月26日召開的釘釘“Make2024:AI全明星”大會，及其釘釘7.6版本，堪稱一次窗口性的Timing.①AI搜索有哪些不一樣？②AI時代的工作方式會是什么樣子的？③AI生態(tài)如何構(gòu)建？用戶的體驗，就是企業(yè)的“試金石”。釘釘?shù)呐e動，還釋放了哪些未來已來的信號，且看節(jié)點財經(jīng)獨家視角解讀。01被AI改變的信息搜索方式過去，用戶輸入關(guān)鍵詞或問題后，出來的往往是一片被海量的、碎片化、離散的信息包圍的海洋，暈頭轉(zhuǎn)向不說，一不小心還有可能“被釣魚”。現(xiàn)在，用釘釘AI搜索，展現(xiàn)在用戶面前的“答案之書”將更加精準(zhǔn)和迅捷，所要即所得。究其原因，釘釘AI搜索是圍繞著人、事、物等整合出來的結(jié)構(gòu)化知識網(wǎng)絡(luò)。換言之，用戶處理信息的方式，將由原來的“時間流”，轉(zhuǎn)為以事為中心的“交互式”，能夠自動篩選重點，也能夠理清邏輯，分辨真假，匹配偏好，比如把廣告過濾掉，把“雞肋”剔除掉，把風(fēng)險屏蔽掉。具體來說，釘釘AI搜索具有專有個性搜索、感知信息變化、自然語言輸入、直接生成答案、深入挖掘追問以及追溯內(nèi)容信源等六大特征。而在疊滿"buff"后，某種程度上，釘釘AI搜索蘊含了“類人”屬性，變得聰明、會自洽。葉軍舉例稱，要想知道近期全球化工作的重大進展時，只需使用AI搜索，它能夠借助大模型的理解、推理、生成等能力，基于平時的資料，羅列出客戶進展、產(chǎn)品更新、市場策略、合作進展等內(nèi)容。又或者，作為釘釘總裁，葉軍每天都會接收到不可勝數(shù)的客戶反饋。有了AI搜索后，葉軍就能一鍵總結(jié)分析客戶的需求，快速準(zhǔn)確地捕捉要點，幫助提高工作效率。這么一來，搜索就不僅僅是搜索了，它是工具，亦是活躍的智腦和懂事的“搭子”。02不一樣的AI搜索我們都知道，釘釘是阿里旗下的企業(yè)級智能移動辦公平臺。所以，它打造的AI搜索，也有其迥然的DNA和特定性能。不同于面向公網(wǎng)的AI搜索，釘釘AI搜索由于要服務(wù)工作和協(xié)作，必然具備了相關(guān)的能力和智識，諸如通盤檢索和整理用戶自有信息、企業(yè)知識，涵蓋單聊、群聊、文檔中的信息，參與過的日程、待辦、會議等工作的進展，以及企業(yè)知識庫、日志等知識。進一步講，用戶使用釘釘AI搜索，除了能夠獲取全面的、具體的信息，還能得知有哪些人、群聊或者文檔與該搜索有關(guān)，并基于搜索出來的答案，形成系統(tǒng)化的腦圖和大綱。同時，釘釘AI搜索在即時解析用戶當(dāng)前所掌握的知識和數(shù)據(jù)的基礎(chǔ)上，又加持了前瞻思維。通過深度學(xué)習(xí)和模式識別技術(shù)，它能夠洞察用戶在后續(xù)可能遇到的“痛點”、“難點”，主動引導(dǎo)并提供解決方案。這就好比我們炒一盤魚香肉絲，釘釘AI搜索不但告知要用的食材，還把哪些人做過這道菜，“顛勺”的步驟都列示出來，甚至于你接下來想問啥、想炒啥，都提前猜到了。03“辦公室社畜大解放”最近兩年，“解放辦公室社畜”的話題大行其道。但觀其效果，大眾早已不滿足只停留在淺層的、物質(zhì)的，對電腦、打印機、空調(diào)、桌椅等道具的進化，也依然努力地、996地、絕望地“搬磚”著。而AI的出現(xiàn)，第一次探入人腦，為“解放辦公室社畜”打開思路。全新的釘釘AI助理，大幅升級了思考系統(tǒng)、感知系統(tǒng)和行動系統(tǒng)。思考系統(tǒng)：AI助理具備更強的記憶和推理規(guī)劃能力。感知系統(tǒng)：感知場景中的變化，根據(jù)變化自動執(zhí)行指定的任務(wù)。行動系統(tǒng)：調(diào)用更豐富的工具，實現(xiàn)多Agent協(xié)同、擬人操作。如，用戶授權(quán)后，可以讓AI助理記住與之相關(guān)的信息、習(xí)慣、偏好等，包括姓名、崗位、上下級關(guān)系、項目進展，支持用戶自定義設(shè)置記憶，生成結(jié)果千人千面。在落地實操中，AI助理增強后的推理規(guī)劃能力，能像真人一樣對任務(wù)深度思考和合理拆解。你可以把它想象成“第二大腦”，能存儲記憶，也能有的放矢地加工、輸出記憶。如，AI助理可以感知時間和事件的變化，并根據(jù)變化做出相應(yīng)調(diào)整：預(yù)約多人會議日程后，若有成員臨時來不了，AI助理能夠迅速覺察，并及時介入，重新協(xié)調(diào)安排；為一項計劃定時后，AI助理能夠高效執(zhí)行，包括每天早晨8點準(zhǔn)時提醒用戶，推送當(dāng)天的早餐食譜……你可以把它想象成“大管家”，聽話、能干，還熟諳自適應(yīng)。如，AI助理可以對工作流實施大幅躍遷，可以直接調(diào)用更豐富的工具，并加載多Agent協(xié)同、擬人操作等核心行動能力。憑借多Agent協(xié)同的能力，用戶可在一個工作流或者群聊中，點兵點將，讓多個不同的AI助理相互配合，共同完成KPI.釘釘現(xiàn)場演示的demo顯示，用戶能在摜蛋老友群，敲入@符號創(chuàng)建一場摜蛋賽事的行程，總結(jié)上一場摜蛋的勝率，以及用音樂創(chuàng)作大師AI助理創(chuàng)作音樂等。憑借擬人操作能力，用戶給AI演示一遍，不需任何代碼，AI助理就能學(xué)習(xí)操作流程。屆時，用戶只需對話，就可使喚AI,讓它代替人跑腿、干活。你可以把它想象成“奮楫篤行者”，一邊抬頭追光，一邊低頭趕路。目前，擬人操作、多Agent協(xié)同已接入工作流，用戶可直接配置建文檔、發(fā)日程、待辦等釘釘功能，天氣查詢、路線查詢、OCR識別等20多項第三方服務(wù)，也可以通過訪問API接口或釘釘連接器來集成更好用、更可靠的工具。截至5月底，釘釘上的AI助理總數(shù)達到50萬個。今年4月，釘釘正式上線AI助理市場（AIAgentStore），覆蓋企業(yè)服務(wù)、行業(yè)應(yīng)用、效率工具、財稅法務(wù)、教育學(xué)習(xí)、生活娛樂等類目。當(dāng)裹挾著思考系統(tǒng)、感知系統(tǒng)、行動系統(tǒng)的"waiter"穿梭往來，也許我們距離真正的“辦公室社畜大解放”不遠了。04一場有關(guān)大模型的雙向奔赴說到AI,必定少不了大模型。國內(nèi)在這塊追趕的很緊迫，并出現(xiàn)蜂出并作、百家爭鳴的局面。但也因此引發(fā)一個突出BUG,用戶從一個官網(wǎng)到另一個官網(wǎng)，從一個APP到另一個APP,跑來跑去，試來試去，勞心又勞力。但就在6月26日，釘釘以一己之力，把MiniMax、月之暗面、智譜AI、零一萬物、百川智能、獵戶星空7家國產(chǎn)大模型廠商聚齊。也就是說，在釘釘，用戶可以按照自身需要切換AI大模型，除默認(rèn)的通義外，首批可選擇MiniMax、月之暗面、智譜AI、獵戶星空、零一萬物、百川智能6家大模型，葉軍形容這是召喚神龍的“七顆龍珠”。不難看出，這是一場用戶與釘釘，大模型廠商與釘釘?shù)碾p向奔赴。關(guān)于前者，把選項集中一處，把選擇權(quán)交給用戶，讓“打工人”不用四處跳轉(zhuǎn)，省時省力；關(guān)于前后，大模型廠商在釘釘找到高頻、剛需場景，有助于兌現(xiàn)規(guī)模應(yīng)用和模型能力迭代，構(gòu)筑起業(yè)務(wù)運轉(zhuǎn)的閉環(huán)。畢竟，釘釘是一個有著7億用戶和數(shù)千萬企業(yè)級組織的平臺，容納了幾乎所有的真實業(yè)態(tài)，土壤不可謂不肥沃。在此處播種和耕耘，打撈屬于自己的用戶和客戶，底基優(yōu)勢確鑿。比如，月之暗面大模型的長文本理解和輸出能力，天然與釘釘上需求最旺盛的工作信息總結(jié)、會議紀(jì)要和教育類的學(xué)習(xí)資料總結(jié)、教學(xué)輔助類場景吻合。二者強強聯(lián)合，能碰撞出廣闊的想象空間，也更輕松、保真地貼合用戶需求。05更開放的生態(tài)AI脈沖式生長至今，生態(tài)構(gòu)建和支持舉足輕重，開放則是內(nèi)核方法論。葉軍表示：“模型開放是釘釘生態(tài)開放戰(zhàn)略的再進一步?！睘榇?，釘釘推出了三種合作與探索模式：釘釘?shù)腎M、文檔、音視頻等產(chǎn)品的AI能力主要由通義大模型支持。在這一布局上，其將結(jié)合其他各家大模型的特點，探索不同模型能力在產(chǎn)品和場景中的應(yīng)用。釘釘向大模型生態(tài)伙伴開放AI助理（AIAgent）開發(fā)平臺。開發(fā)者在釘釘上創(chuàng)建AI助理時，除了默認(rèn)的通義大模型外，還可以因人而異地?fù)皲洸煌瑥S商的大模型。針對客戶的個性化場景和需求，釘釘將與大模型廠商一起，為客戶定制適宜的智能化解決方案，并提供模型訓(xùn)練調(diào)優(yōu)、AI解決方案打造、AI定制應(yīng)用開發(fā)等服務(wù)，還可進行模型的私有化部署。當(dāng)前，釘釘生態(tài)伙伴總數(shù)超過5600家。其中，AI生態(tài)伙伴超過100家，包括MiniMax、有鹿機器人、強腦科技等?！拔覀兿Ｍ蛟熘袊铋_放的AI生態(tài)?！比~軍這樣說道。其介紹到，過去一年，釘釘和生態(tài)伙伴深度集成的套件產(chǎn)品取得飛速發(fā)展。套件將生態(tài)伙伴的功能集成進釘釘自身產(chǎn)品中，為客戶提供統(tǒng)一無縫的使用體驗。截至五月底，釘釘套件的生態(tài)合作伙伴共計22家，近一年實現(xiàn)營收近1億元。有鹿機器人創(chuàng)始人陳俊波分享了有鹿與釘釘合作開發(fā)的具身智能Agent的過程。通過數(shù)據(jù)化、訓(xùn)練和Agent化三個步驟，利用先進的大模型技術(shù)，顯著拔高工作效率，使得小團隊也能在極短時間內(nèi)完成以往需要大量人力資源的任務(wù)。陳俊波強調(diào)，有鹿與釘釘一致的愿景是讓有鹿機器人這樣的具身智能Agent普及到每個角落，為釘釘?shù)拿恳晃豢蛻籼峁┳吭降姆?wù)。寫在最后在6月26日的大會中，葉軍說到，“在當(dāng)下的智能時代，可以預(yù)見到，會有一種更廣泛的協(xié)同將會出現(xiàn)。我們也確實需要去Reinvent（改造）我們的工作模式?！卑殡S著AI“恒紀(jì)元”的到來和釘釘“AI全明星”登場，這種更廣泛的協(xié)同儼然從夢想照進現(xiàn)實。本文來源：Ｒ艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
09/30
解析中國軟件產(chǎn)業(yè)變遷：CRDE 智橙云 PLM 突破傳統(tǒng) PLM 困境
近期，關(guān)于中國軟件產(chǎn)業(yè)的質(zhì)疑聲不斷。然而，產(chǎn)業(yè)的發(fā)展是一個復(fù)雜的過程，受多種因素影響。本文將探討國產(chǎn)PLM廠商在市場中的表現(xiàn)，并分析其面臨的挑戰(zhàn)。中國軟件產(chǎn)業(yè)的發(fā)展歷程自1995年中國互聯(lián)網(wǎng)商用化以來，中國軟件產(chǎn)業(yè)經(jīng)歷了快速發(fā)展。民營經(jīng)濟的崛起，帶動了對軟件的巨大需求。然而，盜版問題和國際巨頭的進入，給中國軟件產(chǎn)業(yè)帶來了挑戰(zhàn)。2005年，中國軟件產(chǎn)業(yè)迎來第二次繁榮。以在線辦公為特征的辦公類軟件成為熱點。用友、金蝶等國內(nèi)廠商在管理軟件領(lǐng)域取得了顯著成效。然而，2008年全球金融危機，以及國內(nèi)外技術(shù)差距，使得中國軟件產(chǎn)業(yè)再次面臨困境。2015年，新的《國家安全法》發(fā)布，國產(chǎn)軟件迎來發(fā)展良機。大數(shù)據(jù)、云計算等技術(shù)的應(yīng)用，為軟件廠商帶來了新的機遇。傳統(tǒng)PLM廠商面臨的挑戰(zhàn)在這一發(fā)展過程中，傳統(tǒng)PLM廠商面臨了多方面的挑戰(zhàn)：技術(shù)更新緩慢：難以跟上云計算、大數(shù)據(jù)、人工智能等最新技術(shù)趨勢。系統(tǒng)整合困難：存在信息孤島問題，影響數(shù)據(jù)流通和共享。用戶體驗不佳：用戶界面復(fù)雜，學(xué)習(xí)曲線陡峭。成本高昂：需要大量資金投入于軟件購買、硬件配置和維護。靈活性不足：難以滿足企業(yè)或項目的個性化需求。創(chuàng)新能力有限：長期依賴成熟產(chǎn)品，缺乏創(chuàng)新動力。市場適應(yīng)性差：難以快速調(diào)整產(chǎn)品和服務(wù)以適應(yīng)市場需求變化。數(shù)據(jù)安全和隱私問題：在數(shù)據(jù)保護方面存在安全隱患。服務(wù)和支持不足：客戶服務(wù)和技術(shù)支持可能不足。總結(jié)下來，首先是嚴(yán)重的“內(nèi)卷化”競爭。中國軟件市場同類產(chǎn)品眾多，同質(zhì)化競爭嚴(yán)重，導(dǎo)致價格戰(zhàn)頻發(fā)，利潤空間被壓縮。其次，企業(yè)數(shù)字化轉(zhuǎn)型需求個性化，使得軟件廠商長期處于外包商模式，缺乏核心技術(shù)和產(chǎn)品創(chuàng)新。再次，項目驅(qū)動下的產(chǎn)品無法輸出行業(yè)智慧。廠商通過服務(wù)客戶積累的是客戶案例，而非真正的產(chǎn)品。這導(dǎo)致產(chǎn)品設(shè)計和開發(fā)上的迷茫。此外，依賴SLG模式實現(xiàn)收入增長，導(dǎo)致銷售驅(qū)動而非產(chǎn)品價值驅(qū)動。政府工程“掃地僧”現(xiàn)象，使得軟件公司成為政府項目的執(zhí)行者，而非創(chuàng)新者。最后，國內(nèi)外技術(shù)代差加大，使得傳統(tǒng)PLM廠商在技術(shù)創(chuàng)新和應(yīng)用上嚴(yán)重滯后。CRDE智橙云PLM的崛起相較于傳統(tǒng)PLM廠商，新一代云PLM正在成為新寵兒，而CRDE智橙云PLM的崛起，不僅是對傳統(tǒng)PLM模式的一次顛覆，更是對國產(chǎn)軟件自主創(chuàng)新能力的一次證明。它通過以下幾個方面實現(xiàn)了技術(shù)與服務(wù)的雙重突破：技術(shù)創(chuàng)新：CRDE智橙云PLM利用云計算、大數(shù)據(jù)等前沿技術(shù)，提供了一個高度集成的研發(fā)環(huán)境，實現(xiàn)了設(shè)計、仿真、制造和管理的無縫對接。功能全面：它整合了云上研發(fā)、數(shù)據(jù)管理、項目管理、溝通協(xié)同和知識復(fù)用等多個功能模塊，為企業(yè)提供了全面的"ALLINONE"研發(fā)解決方案。用戶體驗：CRDE智橙云PLM以其直觀的用戶界面和簡化的操作流程，大幅降低了用戶的學(xué)習(xí)成本，提高了研發(fā)效率。成本效益：通過SaaS模式，企業(yè)無需投入大量資金于硬件和軟件的購買與維護，即可享受到高質(zhì)量的PLM服務(wù)。數(shù)據(jù)安全：CRDE智橙建立了多層防御體系，確保了用戶數(shù)據(jù)的安全性和完整性。站在新周期，CRDE智橙云PLM,它將繼續(xù)堅持創(chuàng)新驅(qū)動，不斷優(yōu)化產(chǎn)品功能，提升服務(wù)質(zhì)量。我們有理由相信，CRDE智橙將引領(lǐng)國產(chǎn)軟件走向更廣闊的舞臺，為中國軟件產(chǎn)業(yè)的崛起貢獻力量。本文來源：Ｒ艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
09/30
軟件正在我們眼前悄然被侵蝕
在數(shù)字化時代，軟件的穩(wěn)定性與安全性構(gòu)筑企業(yè)值得信賴的護城河。作為全球領(lǐng)先的軟件開發(fā)工具提供商，QtGroup正致力于通過其創(chuàng)新的AxivionSuite工具，助力企業(yè)在醫(yī)療器械、汽車等受高度監(jiān)管領(lǐng)域精準(zhǔn)識別或避免軟件侵蝕，確保軟件項目的長期可維護性和可擴展性。上海2024年9月3日/美通社/--就像巖石和山脈會受到自然侵蝕，今天的全球軟件也在遭受侵蝕。每天，開發(fā)者們都發(fā)現(xiàn)自己軟件的混亂程度越來越高，而這些軟件的架構(gòu)卻鮮少有人清楚理解。隨著AI產(chǎn)業(yè)發(fā)展駛?cè)搿翱燔嚨馈?，我們幾乎沒有時間去理清這些混亂。近幾年，軟件頻繁出現(xiàn)問題。僅2023年，國內(nèi)網(wǎng)購、網(wǎng)約車、社交應(yīng)用等平臺或應(yīng)用多次發(fā)生崩潰，引發(fā)媒體報道，甚至登上不同平臺的熱搜榜。在全球范圍，Crowdstrike軟件更新導(dǎo)致的"微軟藍屏"事件可能是今年最引人注目的一個。然而，開發(fā)者們卻在維持這個搖搖欲墜的紙牌屋上投入了大量時間?；?，000多位美國、英國、法國、德國和新加坡開發(fā)者和行政高管的調(diào)研報告《開發(fā)者系數(shù)（TheDeveloperCoefficient）》指出，開發(fā)者每周平均工作41.1小時，其中三分之一的時間用于解決技術(shù)債務(wù)；超過40%的時間用于維護。這實際上反映出大量時間被用于非創(chuàng)新性工作。QtGroup的QA業(yè)務(wù)總監(jiān)JuanRodriguez對此深感擔(dān)憂："我們目睹著軟件架構(gòu)的逐漸衰敗，因為科技行業(yè)要求開發(fā)者不斷向前推進，譬如鋪設(shè)新的鐵軌，然而他們身后的鐵軌卻在逐漸崩潰。"什么是軟件侵蝕我們大多數(shù)人并沒有注意到軟件侵蝕。這是軟件內(nèi)部結(jié)構(gòu)的一種無形降級。它使得軟件的可讀性、可維護性、可擴展性和可復(fù)用性變得困難，甚至可能威脅到系統(tǒng)的功能安全。軟件開發(fā)是一個不斷累積的過程。新的依賴關(guān)系總是被引入到軟件的各個部分中。但有時候，新的代碼并非必要，反而使得代碼庫越來越臃腫，越來越難以理解、修改和維護。我們之所以稱之為DependencyHell（地獄依賴）并非沒有原因。在實施功能或修復(fù)錯誤時，弄清楚哪些更改是必要的需要極大耐心和技巧。軟件侵蝕的雪球效應(yīng)添加功能和快捷方式會逐步增加軟件復(fù)雜性，每次迭代都在無形中侵蝕著軟件架構(gòu)的完整性。開發(fā)者在工作流中添加了快捷方式，導(dǎo)致代碼庫日益臃腫。想要一個新的功能？有可能會因此破壞一些東西。如果重新設(shè)計產(chǎn)品的某個方面，可能會引發(fā)一系列破壞性反應(yīng)，影響到其他原本相互獨立的團隊。每次改動都可能帶來意想不到的連鎖反應(yīng)。開發(fā)者可能會因為額外的維護工作而感到沮喪，進而再次添加一個快捷方式。如此反復(fù)，直到代碼庫變得像極其不穩(wěn)定的真人版疊疊樂游戲。每個人都害怕成為那個讓整個結(jié)構(gòu)崩塌的人。這就是開發(fā)者在面對日益復(fù)雜的代碼庫時所面臨的挑戰(zhàn)。關(guān)注軟件侵蝕是為了長期保障您的軟件投資"這就是軟件侵蝕的本質(zhì)，"QtGroup的JuanRodriguez總結(jié)道，"無處不在的復(fù)雜性使得即使是發(fā)布最簡單的新功能也變得痛苦無比。從長期來看，這種情況會對效率和可擴展性造成嚴(yán)重?fù)p害。"我們是否忘了測試左移？許多公司取了一種令人失望的"補救"措施。他們增加修復(fù)錯誤的時間，或者雇傭更多的QA工程師來減輕開發(fā)者負(fù)擔(dān)。然而，這些都只是在玩"打地鼠"游戲，新錯誤在被修復(fù)前并不存在，就像是用昂貴的創(chuàng)可貼來處理嚴(yán)重的傷口。更明智的做法應(yīng)該是重新架構(gòu)代碼庫。對于只有兩年代碼歷史的公司來說，這可能相對容易，但對于那些擁有二十年遺留代碼的公司呢？即便他們完成了這項艱巨的任務(wù)，如果第一次沒有真正吸取教訓(xùn)，軟件侵蝕的循環(huán)就會再次開始。從開發(fā)者在維護上投入的時間來看，這些教訓(xùn)似乎還沒有被充分吸取。軟件侵蝕的問題依然存在，我們甚至可以預(yù)見，AI代碼助手也面臨同樣的問題。除非每個行業(yè)都能自覺地從一開始就將QA緊密地融入到開發(fā)過程中。JuanRodriguez建議："從設(shè)計階段就開始考慮這些問題，而不是等到所有的代碼都寫完之后再開始。"在編寫新代碼的時候，就要運行靜態(tài)代碼分析和功能測試。即便已經(jīng)做了所有這些事情，但效果并不理想。如果是這樣的話，那就回到起點，從宏觀層面去審視軟件架構(gòu)，而不是只關(guān)注細節(jié)層次。架構(gòu)是否達到預(yù)期？在產(chǎn)品中定義的第一個組件是什么？組件之間如何通信？當(dāng)您運行靜態(tài)代碼分析并理解在哪里復(fù)制了代碼；當(dāng)您運行架構(gòu)并理解依賴關(guān)系在哪里；當(dāng)您運行功能測試并獲得結(jié)果，您就開始理解了問題的所在。這并不是選擇其中一個或另一個的問題。所有的軟件產(chǎn)品最終都應(yīng)該能夠從多種來源獲取洞察。只有這樣，才能回到起點，重新架構(gòu)，以避免重蹈覆轍。"遺憾的是，似乎很少有人真正知道自己實施的架構(gòu)是什么樣，"JuanRodriguez認(rèn)為，"如果我們理解自己的軟件架構(gòu)，那么新增任何功能，都可以根據(jù)自己對架構(gòu)的理解來構(gòu)建軟件。那時，就不再需要走捷徑了。"AxivionSuite:解決軟件侵蝕的利器AxivionSuite是QtGroup專為解決軟件侵蝕問題而設(shè)計的工具，通過靜態(tài)代碼分析、架構(gòu)驗證和依賴關(guān)系管理，有效應(yīng)對軟件架構(gòu)侵蝕。它能自動檢測代碼中的潛在問題，確保代碼符合預(yù)期設(shè)計，避免架構(gòu)偏離。通過對軟件架構(gòu)的全面分析，AxivionSuite幫助開發(fā)者理解和修復(fù)架構(gòu)中的違規(guī)行為，防止復(fù)雜性和依賴關(guān)系的增加。此外，AxivionSuite還提供實時反饋，幫助開發(fā)者在早期階段發(fā)現(xiàn)并修復(fù)錯誤，從而提高軟件的可維護性和可靠性，特別適用于醫(yī)療和汽車等對軟件質(zhì)量要求高的行業(yè)。理解并解決軟件侵蝕問題，是每一個重視軟件質(zhì)量的企業(yè)都應(yīng)該關(guān)注的課題。AxivionSuite提供了強大工具，幫助企業(yè)從根本上解決這一問題。讓我們一起，構(gòu)建更加穩(wěn)定和高效的軟件系統(tǒng)。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
09/14
垂直軟件，才是AI的終極未來
解鎖垂直AI落地的兩種路徑軟件，被看作是AI落地最重要的場景之一。紅杉資本曾提到，AI有可能用軟件取代服務(wù)，催生數(shù)十萬億美元的市場機會。盡管機會巨大，但對于AI軟件如何實現(xiàn)真正的落地，仍然沒有一個清晰路徑。關(guān)于這個問題，Bessemer在不久前提出了一個很有價值的觀點：垂直AI軟件將成為未來。說起B(yǎng)essemer,熟悉SaaS行業(yè)的人可能并不陌生。它是美國SaaS領(lǐng)域最專業(yè)的投資機構(gòu)之一，在過去10年投資了200多家SaaS企業(yè)。為了完整闡述“垂直AI軟件將成為未來”這一觀點，Bessemer發(fā)布了垂直AI路線圖，總共四個部分。本文是Bessemer的垂直AI路線圖的第一篇文章。在這篇文章中，Bessemer會分享其對以下問題的思考：垂直AI應(yīng)用與傳統(tǒng)垂直SaaS的差異？為什么垂直AI能夠取得更大的成功？以及垂直AI究竟應(yīng)該如何落地？01垂直AI的潛力正在顯現(xiàn)過去，SaaS的發(fā)展路徑大致可以分為兩種，橫向SaaS和縱向SaaS.所謂的橫向SaaS是指通過標(biāo)準(zhǔn)化的產(chǎn)品去覆蓋廣泛的市場。而縱向SaaS則可以理解為服務(wù)特定行業(yè)的軟件。在上一波，SaaS浪潮中，橫向SaaS確實遠遠領(lǐng)先于縱向SaaS.一個體現(xiàn)是，Salesforce上市比VeevaSystems早整整十年。前者是全球領(lǐng)先的SaaS服務(wù)商，而后者是服務(wù)醫(yī)療領(lǐng)域的SaaS巨頭。我們之所以對垂直AI產(chǎn)品的看好，是因為這些產(chǎn)品的早期數(shù)據(jù)很亮眼。從功能上看，大多數(shù)垂直AI軟件通常是對傳統(tǒng)SaaS產(chǎn)品（如果有的話）的補充，而不是取代現(xiàn)有產(chǎn)品。在數(shù)據(jù)方面，這批新的垂直AI軟件公司（成立時間為2019年至今）的平均合同價值(ACV)已經(jīng)達到了傳統(tǒng)垂直SaaS軟件的80%。ACV是指一個客戶合同在一年內(nèi)的總價值，它是評估SaaS公司收入和預(yù)測未來收入增長的重要指標(biāo)之一。同時，這批新的垂直AI軟件公司還保持著400%的增速，以及約65%的毛利率。按這樣的增長速度，我們判斷，未來兩到三年內(nèi)將至少出現(xiàn)五家年度經(jīng)常性收入（ARR）超過1億美元的垂直AI公司，未來三年內(nèi)將出現(xiàn)首家垂直AI軟件公司IPO.事實上，垂直AI公司的價值，已經(jīng)通過并購開始體現(xiàn)。2023年，湯森路透以6.5億美元收購了CaseText,一年后，DocuSign以1.65億美元收購了Lexion.02垂直AI的三個價值支點為什么我們認(rèn)為垂直AI能夠取得成功，源于主要有三個：1、擴大總目標(biāo)市場(TAM)TAM,代表目標(biāo)市場中有多少客戶需要相應(yīng)的產(chǎn)品或服務(wù)。過去，軟件開發(fā)商一直致力于通過產(chǎn)品擴張，推動TAM擴張，而忽略了細分場景的價值。垂直AI的價值在于，通過AI擴大軟件服務(wù)的價值，進而解鎖了以前被認(rèn)為規(guī)模太小而無法建立可持續(xù)SaaS業(yè)務(wù)的細分市場。以EvenUp為例，它可自動生成人身傷害律師的索賠信函，允許公司以更低的成本接收更多客戶（從而提高利潤）。EvenUp已經(jīng)超越了傳統(tǒng)SaaSTAM,而傳統(tǒng)SaaSTAM只能提供改進索賠信函管理工作流程的解決方案。根據(jù)美國勞工統(tǒng)計局?jǐn)?shù)據(jù)，軟件支出占美國GDP的1%，而商業(yè)和專業(yè)服務(wù)行業(yè)（主要從事重復(fù)性語言任務(wù)）占美國GDP的比重高達13%。我們預(yù)測，隨著垂直AI進入更多服務(wù)場景，并催生出獨特的新業(yè)務(wù)模式來服務(wù)這一類別，垂直AI的市值將至少是傳統(tǒng)垂直SaaS的10倍。2、解鎖新功能和垂直領(lǐng)域傳統(tǒng)垂直軟件取代了過時且繁瑣的系統(tǒng)，并將許多行業(yè)（比如酒店業(yè)）的業(yè)務(wù)形態(tài)帶入了線上。但并不是所有行業(yè)都愿意采用軟件。原因是，在許多情況下，單靠軟件解決方案的投資回報率不足以說服決策者，也不足以證明建立軟件系統(tǒng)所需基礎(chǔ)設(shè)施、培訓(xùn)員工等前期成本是合理的。相比傳統(tǒng)垂直軟件，垂直AI公司能夠更徹底地改善工作流程，甚至還能完全接管部分工作。這讓垂直AI能夠進入很多傳統(tǒng)軟件無法進入的市場。我們注意到，很多行業(yè)的大型企業(yè)開始接受AI技術(shù)，甚至主動尋找AI工具，因為他們擔(dān)心競爭對手會搶先采用這些工具，從而超越他們。例如，在醫(yī)療保健行業(yè)，SaaS的交易周期非常長，供應(yīng)商正在采用Abridge（將患者與醫(yī)生的對話轉(zhuǎn)化為臨床筆記）和ClinicalKeyAI（一個人工智能醫(yī)療搜索平臺）等AI解決方案來接管繁瑣的工作并支持臨床決策。再比如，律師事務(wù)所很少使用CRM,但現(xiàn)在他們也開始采用基于Co-Pilot（副駕駛）的解決方案來處理合同簽訂、需求摘要生成、案件接收和其他耗時任務(wù)。3、提供前所未有的價值未來，根據(jù)能力的不同，AI應(yīng)用可以融入每個行業(yè)，從家庭服務(wù)到會計。不過，人工智能的潛在滲透率將因行業(yè)而異。最有可能誕生垂直AI公司的領(lǐng)域，是那些以前僅靠人力無法完成或成本太高的工作。一個常見的AI應(yīng)用案例是，通過分析大量的數(shù)據(jù)，來簡化工作流程，甚至實現(xiàn)自動化。例如，AxionRay通過分析物聯(lián)網(wǎng)和遠程信息處理、現(xiàn)場故障、生產(chǎn)和供應(yīng)商數(shù)據(jù)中的大量產(chǎn)品數(shù)據(jù)來幫助制造商。同樣，JusticeText會自動審查數(shù)百小時的攝像機鏡頭，以幫助公設(shè)辯護人建立案件——這對于律師在調(diào)查期間進行的工作非常耗時，也會分散他們建立案件的注意力。03垂直AI的兩種落地路徑上一波垂直SaaS的贏家，針對服務(wù)不足的特定市場創(chuàng)建了云平臺，并在平臺上添加了更多的集成產(chǎn)品和服務(wù)，最終為特定的垂直行業(yè)提供一體化解決方案。正如我們在之前所討論的，垂直AI企業(yè)可以通過更有效率的服務(wù)模式，在特定市場中獲得更大的TAM,因此他們不需要向傳統(tǒng)垂直SaaS公司那樣建立如此龐大的產(chǎn)品體系。事實上，已經(jīng)有垂直AI初創(chuàng)公司，通過解決目標(biāo)客戶的一兩個工作流程，就實現(xiàn)了可觀的回報。梳理這些案例后，我們將AI應(yīng)用的工作流程分為兩類：核心工作流程和支持工作流程。先說核心工作流程，指的是工作的主要功能，比如投行人員的財務(wù)建模或律師的合同起草。從目前看，文本和數(shù)據(jù)工作最容易實現(xiàn)自動化。因此，用AI完成核心工作，更有可能發(fā)生在傳統(tǒng)辦公室里的工作，比如法律、財務(wù)等等，而不是需要大量體力勞動的行業(yè)（例如家庭服務(wù)和制造業(yè)）。例如，投資組合公司Fieldguide正在徹底改變審計師的核心工作流程，他們利用生成式AI提高了審計師的效率，從而顯著提高了審計師的生產(chǎn)力。當(dāng)然，AI適不適合在核心工作流程應(yīng)用，不僅要看工作內(nèi)容，還要看客戶的意愿。在這方面，不同行業(yè)的情況會有很大差異。例如，投行人員可能會使用AI簡化PPT制造流程，但不太可能用AI語音向客戶進行演示，因為這個領(lǐng)域人際關(guān)系很重要。再說支持工作流程，指的是與工作或業(yè)務(wù)無關(guān)但仍必不可少的工作流程，比如牙醫(yī)的營銷和患者關(guān)系管理（即Weave）或托運人的貨運采購（即GoodShip）。支持性工作流程，可能是垂直AI更好的應(yīng)用場景，他們扮演工作輔助的角色，處理那些煩心、冗雜的工作，從而讓人將更多的精力集中到更重要的事情上。比如，醫(yī)生既有治療患者的專業(yè)知識和興趣，但對做筆記和文書工作甚至訂購醫(yī)療用品不太感興趣。這就是為什么我們看到市場對支持性工作AI解決方案的需求很高。然而，利用AI解決支持工作流程并非沒有挑戰(zhàn)。首先，這些行業(yè)中許多技術(shù)領(lǐng)先的橫向企業(yè)已經(jīng)開始將人工智能納入其平臺，而垂直AI初創(chuàng)公司需要提供更好的解決方案才能參與競爭。從好的方面來看，垂直特定的AI初創(chuàng)公司更有可能捕捉特定行業(yè)的精確需求，并與底層系統(tǒng)（如CRM）集成，進而創(chuàng)造一種新的體驗。而常規(guī)的AI解決方案很難做到。例如，專門為家庭服務(wù)構(gòu)建的AI解決方案可以識別客戶的問題，并引導(dǎo)技術(shù)人員更快、更有效地修復(fù)太陽能電池板。而常規(guī)AI解決方案只能根據(jù)客戶的要求進行預(yù)約。無論是為核心工作流，還是支持工作流構(gòu)建AI,創(chuàng)始人都需要具備良好的判斷力、對客戶需求的深刻理解、有效的反饋渠道以及對監(jiān)管環(huán)境的清晰把握，以便尋找適合AI解決方案的特定行業(yè)和任務(wù)。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
