随着GPT-4的发布和ChatGPT的广泛应用，人工智能领域正在经历一场革命。大模型，作为人工智能技术的核心，正在成为各行业争相研究和应用的对象。然而，如何在大模型的基础上构建AI应用，将技术转化为商业价值，是当前亟待解决的问题。
在GPTs商店开放的大背景下，我们看到了更多的可能性。大模型作为技术底座，其应用场景已经渗透到各个领域。从金融、教育、医疗到汽车智能制造，都在积极拥抱大模型。然而，仅仅拥有大模型并不意味着能够直接创造商业价值。真正能在商业世界里叱咤风云，创造价值的还是那些能够将大模型技术转化为商业应用的产品和服务。
本周四，36氪《CEO锦囊》栏目邀请到智谱AICOO张帆和睿能未来CEO徐海，来跟大家聊聊GPTs商店开放后，大模型下的AI应用该如何做？
在这场直播中，两位嘉宾主要讨论了以下问题：
1、企业如何在大模型时代构建自己的竞争力？大模型又能帮助企业提升哪些能力？
2、大模型真正落地产业还有多长一段距离要走？最大的阻碍是什么？
3、我们如今的AI应用方向的研究，是否真的有受到GPT时代的技术加持？
4、Pika的火爆会给国内创业环境带来什么影响吗？
5、GPTs大爆发后，AI创业者该如何进场？
6、哪些垂直方向的AI应用还有机会？
7、两位觉得GPT Store与AI Agent是下一次大模型赛点吗？
8、GPTs商店开放后，大模型下做AI应用，最应该注意的是哪三点？
以下为两位嘉宾和36氪的对谈，部分内容经过整理编辑：
36氪：企业如何在大模型时代构建自己的竞争力？大模型又能帮助企业提升哪些能力？
张帆：在大模型时代如何构建企业的竞争力是一个很重要的话题，这个时代我们需要用认知去构建自己的大模型战略。
我给企业的建议有四点。第一，要有一个比较优质的基座模型作为合作伙伴，它能够持续地把最优质的大模型能力来供给你；第二，需要构建一支能够驾驭这种能力的组织和团队，除了一些本身技术类的prompt工程师、微调工程师、数据工程师之外，可能还需要一些大模型的BP，能够把大模型的应用和理解传递到你的业务部门；第三，需要开始建立自己正向的大模型飞轮，它每一次循环会不断沉淀一些新的数据资产出来，而这些数据资产可能在大模型时代变成你新的竞争壁垒；第四，有了这样的一个飞轮后，需要把它跟你的业务做结合，能够让它润物细无声地在业务当中直接改善用户的体验，这是一个从量变到质变的过程。这四部分组成了一个完整的AI战略，帮助企业构建在大模型时代的竞争力。
徐海：现在并不是所有的企业都需要自己去做大模型，如果你想做一个很完善很好的大模型，对数据要求和业务线的理解程度都非常高，并不适用所有企业。有一些跟人工智能相关或是应用场景非常契合的行业，那现在是可以去投入大模型的。有一些可能没那么相关，或者只能从大模型受益一部分的话，建议是用已有的大模型，不管是开源的还是大公司做出来的模型，拿来做微调，包括去做一些自己的私有化，这可能是更适合初创企业的。
现在我们聊的客户碰到的最大痛点不是模型能力问题，而是在现阶段很多企业并不了解自己到底要怎么用AI，包括怎么用大模型，他们还是在摸索自己业务的阶段，并没有到如何去构建这个大模型的阶段。
36氪：大模型真正落地产业还有多长一段距离要走？最大的阻碍是什么？
张帆：其实大模型已经对很多企业有影响了，我们可以看到从21年的时候，像海外的Jasper之类的，已经在用GPT-3去做广告文案的撰写。从公开的新闻上来看，从21年有4000万美金的营收，到22年有8000万美金营收了，这都是真金白银地得到了价值的认证。
在国内现在露出水面的，或者这么激进的不多。但很多客户场景当中大模型已经实打实带来价值了。无论是在业务流程的改造上，还是在销售过程的管理过程中等等，很多方面都已经明显地带来了业务价值。
我觉得最大的阻碍其实是大家对大模型的认知预期。每一家企业既不要高估大模型短期的价值，不能把它当成一个许愿池，同时也不能低估它长期的潜力。
徐海：其实我的感觉是国内国外拥抱的方式和节奏不一样，国外一些行业已经有很好的数据化，自动化的基础，并且对人力成本敏感，一些行业可以很快速通过ToB端去拥抱大模型，国内也有很多已经落地的项目正在默默发展，只是整体节奏相对较慢，一些行业需要先把前置的比如数字化，自动化完成才能更好的落地大模型，可能相对来说反应比较慢。
36氪：我们如今的AI应用方向的研究，是否真的有受到GPT时代的技术加持？
张帆：大模型还是带来了一个挺不一样的事，跟以前做AI的本质上有两个不同点。第一个是如今AI的能力变得比以前更强，我们今天可以做到很多原来做不到的事；第二个是大模型的生产成本和门槛降低了。
徐海：最关键进步是在是在降本和增效上面，GPT时代比以前的AI有了巨大的提升，以前的一个企业，需要投入很多的精力和资金，只适合巨头去尝试。但现在我可以很快速地把AI拿过来，基于熟悉的业务场景，进行应用开发等等，快速的通过GPT赋予的能力，真正达到降本增效，比如金融，销售，客服，设计等等领域，一些小公司和个人通过GPT可以很快速的看到AI带来的好处。
36氪：Pika的火爆会给国内创业环境带来什么影响吗？
张帆：影响会有，但不会特别大。大部分的创新都是从一些小的创业公司开始发起的，因为他们更灵活，想法更多。而且我们看到的这些出圈的小的创新公司背后有无数的创新公司也在创新，而最终剩下的这部分被我们看到了，这可能是一个幸存者偏差。
徐海：一个初创公司的应用，火爆的原因我觉得有两点，第一是创业公司AI会更灵活，短、平、快，能够快速的抓住市场变化，大公司相对较慢。第二是Pika是相对前端的事情，更贴近用户，更吸引眼球，像一些大厂现在做的是偏后面的技术，可能对用户来说没有那么敏感。整体市场上已经有很多公司都在快速崛起，不单单是pika。对环境的影响是背后整体AI技术的进步带来的。
36氪：GPTs大爆发后，AI创业者该如何进场？
张帆：我觉得真正的AI创业者只用GPTs是不够的。从两个维度来讲，第一个维度，GPTs刚出的时候我们就研究了一下，我觉得它可能更多的是一个实验性的产品，或者是一个面向于C端的产品，门槛非常低，同时体验也非常好。
但是我们来反观过去合作落地的产品，发现只用GPTs几乎没有能完成的，因为它对于一些复杂逻辑和链路的处理都是没有的，GPTs主要依靠的是一维的prompt和外挂检索增强来解决问题，因此我认为真正的AI的创业者只用GPTs是不够的。AI真正的创新者需要用更复杂的工具，或者是从更底层来构建自己的AI产品。
徐海：其实我有一些大概不太一样的看法，如果是作为一个小规模初创的AI公司，你可以把更多的模块组合在一起，GPT仅仅是一部分功能，一个桥梁，相当于一个语言翻译器，只能跟你聊天，做语言上的互动，没法解决更多的问题，但其实更多的场景是需要多模态组合，结合不同其他的模块，做你自己的产品。一个小公司，把GPT和相关的能够结合的模块熟悉掌握了，就已经能够涉及很多的行业领域了，也能够实解决很多的痛点。从底层来构建大模型或者AI产品，更适合大公司入场。
36氪：哪些垂直方向的AI应用还有机会？
张帆：这里边大概分三个阶段，第一阶段是单一模态，比如说简单的用AI做图，比较直观；第二阶段是单一模态组合，比如图生文，理解图片意思等等；第三阶段就是大一统模态，用一个模型链接一切，它能够自由地串联表达，对于知识的收拢和综合处理的能力会变得更强。可能明年我觉得大概率就能出现这样的技术了，所以也很期待。
徐海：同意帆总的看法，如果说哪些垂直方向的AI应用还有机会，不是靠单一的一个能力或者模态，而是这个AI应用在集成了整个场景里面所需的能力，是个多模态的组合，需要有这个行业的专家配合资深的AI从业者，能够很好的挖掘出这个行业到底有什么是需要AI解决的痛点，做出一个整体的产品，里面不光是AI的单一能力，是很多能力的组合，并且可能还包括很多不是AI方面，有可能是自动化，数据化方面的结合，给出一个整体的解决方案。
36氪：两位觉得GPT Store与AI Agent是下一次大模型赛点吗？
张帆：我觉得这个AI Agent一定是一个未来。现在大家对于Agent的概念定义不是特别清，还有很多地方有各种误解。从逻辑上面简单来讲，Agent相当于是给大模型提升了一版，它能够去解决一些复杂问题。首先它有两个核心能力，第一个能力是规划能力，当我接到一个复杂任务的时候，我知道把它拆解成多个独立步骤来执行；第二是能通过独立的步骤去调用外部的工具，延展我的能力，再去调各种API，能够收回这些信息。
徐海：AI Agent一定是未来，但其实现在还只是一个Idea，它只是未来一个方向，目前还没有实现。比如我现在要去旅游，如果用GPT只能根据我的提问进行一些通用的建议，如果未来整合了bing search能力，接入了各个行业的API，比如酒住宿，机票等，它就会根据我的提问提供完整的一份攻略，天气查询、交通行程，帮我预定行程 住宿 吃喝，相当于一个旅游助手。这些都结合起来是未来的AI Agent一个完整的一个形态。现在还只是各种单一能力和模块组合，而AI Agent 更像是一个你的助理，能够自动完成多个步骤模块的复杂情景。
36氪：GPTs商店开放后，大模型下做AI应用，最应该注意的是哪三点？
张帆：第一，我觉得要选择一个足够好的基座模型；第二，要构建一支能够使用模型的团队；第三，我觉得要有足够深的业务理解，就是一定要站在业务的视角来反过来看该如何用大模型来强化业务。
徐海：第一，不能盲目进场，你要确定你的企业是否真的适合大模型，比如在你的行业里已经有自动化，信息化、数据化等这些能力完善了。第二，你要有一个很完善的既懂自己的行业，也懂AI的团队，能够帮你去选型、怎么调、怎么切入产品等。 第三，作为创始人，你自己要有明确的目标，对自己的业务领域有明确的切入点。
点击可观看完整直播回放：
