基于语言的人工智能飞速发展，正在开启一个企业全面重塑的新时代。这些新技术将改变商界、学术界甚至整个社会，为人类创造力和生产力带来积极影响。为了应对这些新技术的挑战和机遇，企业需要彻底重新构想工作方式，并持续投入业务运营和人员培训。
ChatGPT只是一个开始
ChatGPT在全球的爆发式普及，使我们站上了公众采用人工智能的第一个真正拐点。埃森哲《技术展望2023》调研显示，42%的全球受访企业有意在今年大力投资ChatGPT。最终，所有人都将切实感受到这项技术的颠覆性潜力。
大型语言模型(LLMs)和基础模型是推动生成式人工智能进步的重要转折点。它们不仅破解了语言复杂性的密码，使机器能够学习上下文、推断意图并独立创造，而且还可以快速微调以适应各种不同任务。这些技术将对未来的工作方式、商业模式和社会生活产生深刻影响，使人类创造力和生产力发生巨大改变。
ChatGPT、文心一言、通义千问、DALL·E、Stable Diffusion等一系列易于使用的生成式人工智能应用，正在迅速推动技术在商业领域和社会公众中的普及，这将对企业产生极为深远的影响。现阶段，大多数企业会以直接购买“模型即服务”来开展业务应用。不过对许多企业来说，最大的价值源于使用自己的数据定制或微调模型，以满足其独特需求。
使用：未来，我们有望随时便捷地获取和使用生成式人工智能及大语言模型应用程序。企业可以通过应用编程接口(API)调用这些程序，并运用提示学习(prompt tuning)和前缀学习(prefix learning)等提示工程技术，针对自身的具体需求在较小程度上加以定制。
定制：为了提高生成式人工智能和基础模型在特定业务应用方式中的价值，企业将越来越多地利用自身数据对预训练模型加以微调来实现定制，从而让绩效实现质的飞跃。
AI与人类：帮助而非替代
未来，40%的工作时间都将得到GPT-4等大语言模型的助力，但生成式人工智能影响的是任务而非职业。一些任务将实现自动化，一些能够得到AI辅助，还有一些任务不受技术影响。
企业要特别关注人工智能在以下任务中的潜力：咨询建议
人工智能模型将成为每位工作者无处不在的得力助手，将新型超个性化智能放在人们手中来提高生产力。大语言模型有望帮助处理约70%非面对面的客户服务沟通，并且充分利用强大的对话式智能机器人，理解客户意愿、自行拟定回答，并提高答复的准确性和质量。其典型领域包括客户支持、销售赋能、人力资源、医学和科学研究、企业战略和市场情报等。
在线旅行代理Expedia正在部署ChatGPT插件作为“智能客服”，通过为用户提供旅游出行的个性化建议，帮助他们更快确定行程安排。对于意外的行程更改，旅客可以通过全天候在线的智能客服快速解决问题。
内容创建
生成式人工智能将成为人们必不可少的创意伙伴，不但可以揭示接触和吸引受众的新方法，还能在生产设计、设计研究、视觉识别、名称拟定、副本生成与测试以及实时个性化等领域中，带来前所未见的速度和创新。
雀巢公司正在使用一个人工智能平台，根据广告在不同平台的适用性进行评级，并提取出实现最大投资回报率(ROI)所需的关键要素，从而创建一套成功广告活动的规则，此举使广告支出回报率显著提高。
代码编写
软件代码编写人员将借助生成式人工智能来大幅提高生产力——快速将一种编程语言转换为另一种语言，掌握各种编程工具和方法，实现代码编写自动化，预测和预先防范问题，以及管理系统文档。
埃森哲尝试利用OpenAI大语言模型自动生成文档，提高开发人员在SAP系统配置、功能及技术参数设置方面的工作效率。
流程自动化
生成式人工智能对历史背景、下一步最佳行动、总结能力和预测智能的成熟理解力，将同时在后台和前台办公环境中催生出一个超高效、超个性化的新时代，将业务流程自动化推升到具有变革意义的新水平。
一家跨国银行正在使用生成式人工智能和大语言模型，改变其大量交易后处理电子邮件的管理方式，如自动起草带有行动建议的消息，并发送给收件人。这不只是减少了工作量，还能让客户交流更加顺畅。
信息安全
随着时间推移，生成式人工智能将支持企业加强治理和信息安全、防止欺诈、完善监管合规，并通过在组织内部和外部均建立跨域联系和推断能力，主动识别风险。在战略性网络防御体系中，大语言模型可以提供多种有用的功能，例如解释恶意软件和快速分类网站。但在短期内，企业很可能看到，黑客利用生成式人工智能的特长来生成恶意代码或编写完美的网络钓鱼电子邮件。
中国企业生成式人工智能应用要点
越来越多的中国企业正在积极探索生成式人工智能技术，并开始应用大型语言模型来实现更多的创新和效率提升。我们为此梳理了适用于中国企业本地部署的方式及应用建议。
在中国，大语言模型应用方式主要有三种：SaaS、私有云部署、本地化部署。
目前，SaaS化的部署方式是最为成熟的，以国外Azure OpenAI服务为标杆。在国内市场中，百度的文心一言和阿里的通义千问正在加紧开发。
私有云部署方式相较于SaaS服务更具数据安全的考量，以及模型自定义和垂直行业定制化能力，但是需要足够的计算能力。百度和AWS目前可以提供该能力。
本地化部署方式有非常多的选择，但仍处于非常早期的阶段，存在成本高昂和使用效果难以确定两个问题。是否可以进一步使用有待后续观察。
总的来说，大语言模型正处于快速发展的阶段，其未来的形态无法被预测，但可以肯定的是，大规模的应用一定是必然趋势。无论是在科研、商业还是民用等领域，大语言模型都有着广泛的应用前景，而不断创新和进步的技术也为其未来的应用提供了更加广阔的发展空间。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
