引言
自去年底 OpenAI 推出 ChatGPT 起，大模型作为新的出产工具登上了新一轮出产力革新的舞台。事实上，数十年来历经了多次起落的 AI 技能，虽然一向被赋予着极高的期待，但在落地工业端时，却总显得差强人意。大模型的爆发终究能否给工业端带来实在的革新？又会产生哪些剧变？
另一方面，企业的数字化转型现已是近年来全职业开展的重要战略，而数字化转型中的要害一环便是在最大程度上完结智能化。怎么经过以大模型为代表的 AI 技能赋能企业数字化转型数智化？
带着以上问题，9 月 22 日，腾讯云TVP与腾讯才智零售 、蒙牛集团 联合主办的“ TVP 走进蒙牛”闭门交流会成功举办。50 余位来自腾讯、蒙牛、中顺洁柔等企业的专家，一同共享了关于企业数智化转型的观念和实践。此外，来自不同职业的与会嘉宾也在终究的分组评论环节中，对一些职业热点论题发表了各自的看法。
本次会议由清华大学五道口金融学院 “数字我国”项目创始人、腾讯云 TVP 职业大使唐鑫龙老师主持：“现在，大模型的技能开展越发炽热，除了 C 端的运用层出不穷外，在 B 端大模型与各个职业的结合上也越发紧密。在接下来的共享和评论中，期望听到来自各行各业的声音，把咱们的视角从工业视角、技能视角进行自由共享和深度研讨。”
通用型的AI驱动将是有用抓手
在开场环节中，腾讯才智零售技能架构与交给总经理 程伟表明，之所以此次腾讯云 TVP 走进蒙牛，首要由于蒙牛在整个 AI 数字化工业上位居前列，包含公司想要从奶制品出产商晋级为每个人的健康顾问，这样的转型正需求 AI 来驱动。
事实上，当下零售职业面临着三大交融趋势：线上与线下交融、品牌与途径交融，以及产品力的交融。结合未来交际化趋势愈显，微信、小程序、视频号的流量和活泼度都在继续增加，在如此多样化的场景中，零售企业的数字化转型又将面临哪些新的应战？
程伟以为，AI 驱动以及职业的数字化将是十分好的抓手：“在零售业未来五年的开展当中，会有一个确认性的要害点，那便是营销的内容以及触达的方法十分重要。这些触达方法不再依托于个性化的技能和产品开发者，通用型的 AI 驱动将是十分有用的抓手。”
100人，100万吨产能，100亿产量
第二位嘉宾是蒙牛集团助理副总裁、腾讯云TVP职业大使 张决。据她介绍，蒙牛现在在全球有68家工厂，其中8家已完结数字化建厂。值得一提的是，本年5月刚刚建成投产的宁夏灵武工厂现已完结了“三个100”的纯数字化工厂方针：100个人，100万吨产能，完结100亿产量。
在蒙牛“FIRST开展战略”中，“T”即Technology。从建立之初，公司就十分注重信息化建造，从OA到SAP，再到LIMS，都进行了系统化的布局。
详细来看，2016年是蒙牛开启数字化建造的元年。公司先用三年时间进行了信息化晋级，包含财政共享、智能制造（数智化工厂），这段时期被称为“一滴奶”的数智化办理1.0阶段。
从2020年开端，进入到2.0和3.0的建造阶段。其中，2.0的评价规范包含事务中台和数据中台的建造，以及办理数字化、才干内化等。3.0年代则是经过AI来驱动双飞轮（供应侧飞轮+消费侧飞轮），蒙牛集团CDO李琤洁女士在本年8月4日代表蒙牛发布全球首个养分健康范畴模型MENGNIU.GPT，让数据资产继续高效发挥洞察和决议计划效果。
“经过与腾讯混元在内的多家大模型协作，咱们内部现已完结了一些根据模型的产品构建，比方在数据层咱们形成了蒙牛的养分健康常识图谱，现已可以在Wow小程序上进行对话。一同也开启了范畴模型的建造，包含办理、营销、供应链等细分范畴。在员工出产力的进步上，也开通了蒙牛自己的Copilot。”张决表明说。
数据+AI+大模型：构建一体化智能营销
紧接着，腾讯企点副总经理 喻帅为现场嘉宾带来了主题为《智能运用在零售职业的剖析》的共享。
自从零售业诞生以来，它的开展阅历了以实体门店为主到渠道电商，再到品牌交际兴起的三个阶段。现在，越来越多的线上商务渠道利用微信等交际软件的推广做出了很好的营销成绩。不得不说，零售业的前史沿革见证了数据在沉积和运用的进程中，是怎么一步步走向数字化革新的。
“从数据沉积到数字化是一个让人欢喜的天然趋势，但咱们仍是面临一个很大的问题，便是在实在进行数字化的建造当中，数据终究能发挥什么价值？在交际电商或者说交际私域的运营进程中，可以带来哪些效果上的进步？这个问题现在还没有规范答案。”喻帅表明。
在他看来，一方面，数据作为出产资料，许多沉积十分重要；另一方面，数据的有用性则需求经过 AI 来挖掘。换句话说，数据是“增加引擎”，AI 则是“立异引擎”。那么，落地到详细的营销场景中，AI 可以怎么进步功率，一同可以带来哪些事务形式的立异呢？
很重要的一点，是处理数据和通路互相分裂的问题。对此，喻帅先用四个“适宜”来说明何谓“精准引荐”：“便是要把适宜的内容，在适宜的时间，经过适宜的途径，推给适宜的人。”然而，现实却没有这么抱负，面临着多重分裂：不同产品和模块数据的分裂，以及用户不同途径中的身份分裂。
为处理这一问题，腾讯供应了“两化”计划：数据一体化和数据的场景化。首要，在数据一体化的建造上，整合“两渠道、5A、5M”。两渠道分别是指底层的 CDP 客户数据渠道，以及顶层的 AB 实验渠道。5A、5M 分别为剖析运用和营销运用；其次，数据场景化则是凭借大数据与 AI 技能，将品牌进行多触点的数据整合，然后准确辨认用户身份和旅程阶段，在不同的场景下供应差异化的营销内容与战略。
此外，经过大模型的运用，腾讯也在进一步进步客户体会，进步营销转化效果。喻帅以为“咱们的事务剖析都很依赖数据的处理者，在人的才干良莠不齐的状况下，很或许得出的定论，或者功率和方向都有误差。期望经过咱们的大模型，在给到充足语料的状况下，可以供应运用户相对及格的答案。”一同，喻帅也指出，仅仅是回答仍是不行的，怎么经过大模型完结文生图、文生乐、文生视频，以及和数智人的联动，乃至生成风格化的 UGC 创意内容，也是未来腾讯探究的重点。
掌握新技能机遇，未来是工业链和生态圈的竞争
在对“蒙牛的AI立异探究”这个主题的诠释中，蒙牛开放式立异总监 高璟琳首要介绍了蒙牛数智化战略3.0——AI驱动双飞轮的中心架构。根据AI中台，在蒙牛内部现已打造出牛慧问、牛慧画、牛魔王等一系列运用，经过提示词工程师练习查核的员工，现已在AI场景工厂上构建出400+多张场景卡片。
在外部，蒙牛在本年发布了养分健康模型MENGNIU.GPT以及AI养分师“毛毛”。并与腾讯数智人技能结合生成了生动的3D卡通形象，为给客户供应养分健康咨询服务。
经过回顾数智化立异探究的历程，高璟琳试图解答这样一个问题：当新技能呈现时，怎么才干掌握住时机？
- 首要需求职业洞察：正视消费者养分健康需求的猛增和养分健康常识供应的缺乏。经济的继续增加推进了人们关于养分健康的需求，而相关常识的供应方法单一、供应量缺乏，如我国养分师的供应缺口大概有400万。而AIGC技能的呈现，对打破这种不平衡供应了新的或许。
- 其次掌握技能趋势：咱们又一次站在了前史的拐点，将见证和亲历新一轮的“一切职业都值得重做一遍”。大言语模型将成为底层新基建（MaaS），但需求在专业范畴练习才干发挥更大价值。
“一方面，大语音模型未来会成为新的基础建造；另一方面，要实在落地到专业范畴，仅靠大言语模型的原生才干是不行的，需求在职业常识上进行更多专业的练习，这样才干发挥出更大的价值。”
在如此判断的基础上，蒙牛坚定地挑选了全面拥抱AI，联手微软、智谱AI、腾讯、阿里等国内外的科技企业，一起练习调优模型，整合了市场上多个算法。并联合了一批养分健康范畴的专家学者，与多个养分健康权威机构，将高质量内容作为练习素材一并灌入。此外，蒙牛还开放养分健康范畴模型MENGNIU.GPT才干, 与更多的立异生态伙伴一同自由地探究和发明场景。
终究，高璟琳从封闭式立异和开放式立异两个维度，介绍了不同立异的途径挑选。在他看来，封闭式立异和开放式立异是两种不同的范式：封闭式立异的典范如贝尔实验室，能产出影响人类文明的伟大发明；而开放式立异更活泼，讲究生态化，关乎到工业链和生态圈的竞争，是诸多国际大型企业的立异范式。
“工业链、供应链终究决议产品能做到什么程度，而生态圈则是更高维的竞争方法。期望经过开放式立异为蒙牛建立出这样一个生态，以MENGNIU.GPT为基础链接更多的或许性，一起发明数智养分健康的新体会。”
从本钱中心到赢利中心，未来是出资中心
关于“AI 年代的企业怎么布局”，包含算法和大模型在零售职业的运用，中顺洁柔 CTO 杨森林共享了一些不同看法：“首要，我以为从当下的环境来讲，改动这个年代的不是 AI，而是驾御 AI 的人。从技能视点来看，咱们我国实际上没有自己的技能渠道，也没有自己的技能言语和操作系统。便是说，一向以来咱们都是技能的运用者或者说组装者，这才是咱们的真完结状。所以，过于杂乱的技能，像 AI，如果不是由于 ChatGPT 大火，或许这两个字都不会列在企业的日程上。”
而当进一步谈到企业数字化转型的现状，杨森林的看法是：职业全体上做得都欠好。他向与会者展现了麦卡锡的一份报告：中心数据是企业数字化转型成功率仅为 20%。“实际上，20% 都是高估了，咱们仍是需求给自己明晰定位，经过运用AI想做什么，能做什么。”
那么，企业数字化转型的要害在于哪些因素？首要在于三点：系统、流程和人。
- 系统：没有一个系统是第一版就能到达最佳运用的，继续不断的优化和迭代是打造各类系统的要害；
- 流程：再好的系统，也只能办理 50%-80% 的流程，仍然有 20%-50% 的流程、沟通、决议计划是在系统外做出的，将线下和线上的流程进行有用及高效对接是项目的中心应战之一；
- 人：即使具有了好的系统和流程，缺乏可以高效运用的人，就像歼-20 飞机遇如果让普通人来开，起飞都困难。系统和流程运用者的思想转变，怎么走出固有思想，拥抱新的方法，才是企业数字化转型能否成功的最要害因素。
关于怎么经过 AI 赋能数字化，他的观念是：相较于拥抱 AI，更应该驾御 AI。据其调查，当下 AI 的价值产出首要在于以下几点：
- 降低本钱：包含优化算法、分布式练习加速和模型紧缩；
- 进步易用性：经过完结直观、易用的用户界面设计，搭建简单、轻松上手的开发工具和渠道，降低用户的运用门槛；
- 安全可解释：可以进步数据质量，一同增强鲁棒性，完结继续监控和晋级；
- 数据安全：完结数据加密，访问控制和身份认证，一同进行安全审计和监控。
根据“人”在 AI 赋能数字化转型中的要害效果，杨森林以为，作为企业数字化的掌舵者，CTO、CDO、CIO 应该成为“六边形战士”，需求懂战略、懂事务、懂技能、懂数据、懂流程、懂立异。
“如果咱们对底层生意不了解，会发现许多规划，不管是模型、算法，仍是系统，都会在天上飘着，落不了地。许多时候咱们幻想出的事务场景和实在场景是彻底不一样的，在数字化转型时应该时间以企业本身状况为中心点，将数字化部门完结从本钱中心到赢利中心的转变，未来还或许进一步成为出资中心。”
技能架构演进原动力：出产工具、出产力和出产功率
终究出场的共享嘉宾是腾讯云大数据产品总监 吕潇，他的讲演主题是《腾讯新一代大数据技能架构演进与探究》。
共享开端，他首要介绍了技能架构演进的原动力，首要在于三点：出产工具的安全安稳和灵敏便捷，出产力上要求技能的先进性和低本钱运用，出产功率上需求保证高效和易用。
“腾讯大数据技能开展阅历过几个阶段，在第一阶段，腾讯内部在零几年的时候就用大规模分布式技能处理了许多在线事务大规模并行核算和扩展的诉求。从PC端转到移动端之后，咱们经过AI才干展开了用户画像、商品引荐等事务，形成了各式各样的模型，这是第二个阶段。”
到后来，当团队发现传统AI技能在核算功率和准确度上无法满意事务需求时，便开端引进机器学习，经过深度学习和大模型快速构建了腾讯云的结构和系统，可以每天支撑几百万次的模型迭代，然后愈加高效和精准地完结用户画像。
“现在咱们进入到第四个阶段，更多是把云、大数据、数据湖仓，乃至是一些跨源、协同核算、多边核算、安全核算、隐私核算等技能运用到企业各式各样的场景当中，不断进行技能革新。”
从2009年开端，腾讯自研大数据渠道TBDS开端不断演进迭代，从3.0版正式商用，到4.0版的规模化打破，直至5.0版完结流批一体、湖仓一体和实时数据湖。现在该渠道迭代到最新版本TBDS 5.3，完结了云原生和存算别离的技能架构晋级。
详细来说，相较之前版本，TBDS 5.3在多个方面进行了晋级：
- 架构灵敏进步——存算别离：相较于传统存算一体，存算别离可以让数据剥离，完结核算无状态化，到达秒级弹性、灵敏伸缩；
- 出产功率进步——云原生化：完结资源的弹性伸缩，进步资源利用率，进行有用的资源阻隔，到达灵敏、高效的部署和办理，一致出产、开发、测试等运用环境；
- 出产力进步——湖仓一体化：开放灵敏、弹性伸缩、混合负载、节约本钱；
- 出产工具晋级——数据开发办理渠道 Wedata：到达全链路覆盖、功率进步和多团队协同。
“（Wedata）从数据采集到数据开发，在数据建模、加工进程当中落地企业的数据规范落地，一同咱们会对所以数据进行质量勘察，形成事前、事中、事后不间断的数据质量反馈和进步。终究可以帮助咱们快速完结针对不同方针、不同安排和数据资产的事务重塑，这是咱们现在供应的一整套数据全生命周期的才干。”
在当时国产化的浪潮下，腾讯在自主可控和技能领先性上完结了适当的沉积，包含在大数据范畴申请150+专利，大数据产品软著也到达70+。在职业影响和生态建造上，全面适配国产芯片、OS、服务器20+种，一同参加了国家/职业/团体规范拟定30+项。在信创建造上，据吕潇介绍：“无论是政务，仍是企事业单位，对信创的要求都十分高，咱们在国税总局、我国银行这些十分大的单位都有大规模的落地。”
分组评论
为了让本次活动与会嘉宾都能参加到“数字化转型和 AI 赋能”的论题探讨，在主会嘉宾讲演结束后，主持人唐鑫龙也安排了现场嘉宾的分组评论环节。参与嘉宾被分为四组，分别对不同的议题进行了深入探讨，并结合本身企业实践，汇总了不同观念。
未来大模型将会怎么开展？有哪些期待？
现场嘉宾以为，未来的大模型会分成三层：最顶层是像腾讯这样的技能公司，供应最普适的基础通用大模型才干；中心一层是像蒙牛这类职业头部公司，依据职业内积累，供应职业专属模型；终究则是一些职业重点企业，会结合自己的数据与需求，形成终究落地的模型。便是基础模型、职业模型和企业自己的模型。未来也期望更多的职业可以做到模型的规范化。
大模型百家争鸣，未来这一技能是否给全职业带来深远影响？
现场嘉宾指出，本年年初 ChatGPT 火了之后，众多企业都开端做 AIGC 方面的尝试，也发现其实咱们对生成式 AI 的期望阅历了一条曲线式的变化，开始以为它什么都精干，简直可以替换掉一切的岗位，但在实践进程中，这样的想法很快就遇到了上升瓶颈，虽然在出产力上确实有推进，但要是说可以替代哪个岗位仍是距离很远的，所以也就慢慢镇定了。未来怎么可以在私有大模型上做得更好，这是需求更多的企业一起去一道探究的。
作为大健康范畴的服务企业，新年代下对数据的获取和运用方法提出了哪些新要求？
现场嘉宾以为，在大模型的年代，大健康服务企业数字化的要害在于数据、算法和算力三个方面，现在国内企业在算法上不差，和国外的距离首要体现在数据和算力上。腾讯云可以给咱们供应算力上的支撑，但在数据层仍是需求咱们企业自己处理。
那么，咱们在预练习的进程中终究需求什么样的数据？现在大部分的数据都是成果型，中心的进程数据仍是缺失的，但实际上中心的推理型数据对咱们的练习才是至关重要的，也是未来企业应该重点发力的方向。
AI/大模型的落地还有哪些困难？
针对该问题，现场嘉宾指出，关于 AI 咱们有许多畅想，但要实在落地其实还面临两个比较大的困难。
第一个困难在于 AI 在正确率上的不确认性。咱们一向说 ChatGPT 怎么凶猛，但首要是在于它能发挥的不涉及到正确率上的才干，比方一篇作文就不会说正不正确，只要好仍是欠好，是感受性的。咱们不介意 AI 的准确率高不高，可是如果不能确认正确与否的问题，这便是一个很大的痛点。
第二个困难方才咱们也谈了不少了，便是职业模型仍是很缺乏的。要做职业模型仍是需求沉积，只要沉积进行了足够的技能与数据积累，才干厚积薄发，迎来新一轮更高的增加。
结语
人工智能年代的新一轮开展，为传统企业的数字化转型带来了又一次的增加推进力。该怎么正确看待大模型技能的运用，在未来为企业带来的无限或许；又该在技能上怎么更好地运用大模型技能，跟上技能开展，助推企业高效增加，这将是每一位企业技能办理者在未来深入研究剖析的要害。
腾讯云 TVP 自建立之初，便怀揣着「用科技影响世界」的美好愿景，践行科技向善的初衷与本心，期望凝聚更多专家的实践与考虑，推进各职业数字化建造迈向新高度。
现场花絮集锦
