在 ChatGPT 发布一周年之后，大模型的下一个高地是什么？
2023 年 11 月，比尔·盖茨发表了一篇文章，他表示，AI 代理（Agent）将是大模型之后的下一个平台，不仅改变每个人与计算机互动的方式，还将在五年内彻底改变我们的生活。
如今，越来越多的大模型公司、科技公司开始布局 Agent，为 AI Native 时代做准备。
比如，昆仑万维发布了“天工 SkyAgents ”平台，智谱 AI 发布了 CogAgent 模型，具备基于视觉的 GUI Agent 能力。字节跳动旗下的飞书，推出了一个 AI 产品“飞书智能伙伴”，可以看作 Agent 的一种组合形态。OpenAI 即将开放的 GPT Store，就是打造的 AI Agent 商店。
通常，2023 年被看作大模型元年，而 2024 年被看作大模型大规模落地元年。
有人说，“人间一天，AI 一年”。对很多企业而言，在讨论走向 Agent 的 AI Native 化之前，或许更应该优先讨论的问题是，你 AI Ready了吗？
1.从 AI 玩具到 AI 工具
2023 年，大模型公司在忙于找算力、炼模型，AI 应用层公司忙于找场景做 AI 改造或 AI 原生应用。
这一轮的生成式 AI 被热炒为 AI 时代的工业革命，因此它不仅仅是满足写诗作画等 to C 的娱乐性需求，还需要满足于 to B 领域的提升生产力的需求。2023 年，大模型主要还停留在前者的 AI 玩具阶段，而今年将会更多进入 AI 工具阶段。
经过一年的探索期，目前大模型的应用形态，大体上可以分为两大类：“+AI 与 AI+”。
第 一类“+AI”就是在原有的软件系统上做加法，典型代表就是 Co pilot。
微软将其软件全家桶都添加了 Co pilot 的功能，连 Bing Chat 的名字都直接改成了 Co pilot。在国内，也有一些 SaaS 软件尝试做 Co pilot，比如大数据分析与指标平台厂商 Kylingence。
第二类“AI+”就是 AI 原生应用， 相对成熟的应用聚焦在AI生成文本、AI生成图象、AI生成视频三大场景，各个领域都诞生了一批 AI 新星。
AI 生成文本以对话机器人为主，代表产品是 ChatGPT、Bard、文心一言等；AI 生成图像领域，以 Midjourney、DALL-E 为代表；AI 生成视频，以 Runway、Pika 为代表。
2024 年，AI Agent 将是大模型之后下一个爆发点。如果大模型是未来水电煤一般的基础设施，那么 Agent 则是未来用户接触、使用 AI 的方式。Agent 将会成为大模型在 to B 场景落地的主要方式之一。
今天，大模型落地还有一系列尚待解决的挑战，成本过高、存在幻觉，以及无法从 Demo 变为真实解决实际场景等问题。
AI Agent 厂商澜码科技创始人周健曾表示：“我们接触到的客户，不管是银行保险，还是各种国家电网，东方航空、南方航空这样的央国企，还是相应的中等民企，三四亿收入的民企，甚至是一些小的企业，其实都会遇到这样的一个困难——模型怎么那么贵，算力也很贵。”因此，周健表示，怎样做到让大模型能够在企业能够被用起来，实际发挥业务价值将是未来重点考虑的方向。
如何真正把大模型转变为 AI 工具，引入自己的业务流？2023 年 11 月飞书 CEO 谢欣曾提出一个“AI Ready”的理念，指企业在数据系统等方面为拥抱 AI 做好准备，与 AI 时代共同进步。
去年，很多企业对大模型的投入呈观望状态，或者仅由一小部分积极拥抱新鲜事物的员工自发尝鲜。
而今年，AI Ready 这件事，需要企业更加系统性、全面性地投入，这是踏向 AI 时代的第 一块踏板。
2.AI ready 没有捷径
为什么要单独提出“AI Ready”的理念？
这跟大模型的工作原理有关。大模型是一个技术综合体，它涉及到大算力、大数据、大算法的方方面面。企业使用 AI 的场景基本是基于行业和场景的数据加业务流程，这是真正让 AI 进入企业的内核，而且没有捷径。
企业数字化水平越高，沉淀的高质量数据越多，大模型的养料就越丰富——AI Ready 的状态就越充分。从这个角度来说，大模型的发展一定程度上推动了企业数字化的进程。
不同的大模型性能最终会趋同，价格也会降低，最 大的差异化将来源于数据的差异化。
通用大模型通晓世界知识，但在解决专业知识领域上能力不足，甚至会一本正经地胡说八道。为了让聪明的大脑更好地为企业服务，需要给它更专业的企业数据及系统信息沉淀，让它从“聪明大脑”变成“有聪明大脑的企业专家”。
数据的质量对于大模型效果影响显著。比如，Llama 2 的研究人员在做微调时发现大部分第三方的 SFT（有监督微调）数据集多样性与质量都不足，因此他们自己构建了 27540 个高质量标注数据集，可以显著提高 SFT 的效果。
相较于互联网上的公开数据集，这些专业知识数据往往掌握在企业自己手中，属于“独 家秘方”。专业数据越多、质量越高，价值也就越大，企业想要大模型部署效果表现好，离不开企业提供足量、质量够高的数据来支撑模型的二次训练与微调。
比如，客服是一个 AI 优先改造的场景。假如一家美妆电商公司使用不加企业数据喂养的大模型，AI 客服就无法理解这家企业的赔付逻辑、商品情况，就无法真的承担起客服的工作。
数字化水平的高低与 AI Ready 的状态息息相关。数字化水平较低的企业，AI Ready 的状态也会比较差。
比如，如果企业还停留在传统的纸质办公的阶段，数据都没有数字化，大模型更是“巧妇难为无米之炊”。
一些规模较大的企业数字化水平并不差，陆续上了不同的业务系统，共同承载了企业的数据资产。但由于缺乏统一的数据治理，导致数据散落在不同的“数据烟囱”中，也很难一键导入大模型。
而做好数字化的企业，AI Ready 的状态就比较充分。
这一类企业，要么之前做过类似数据中台这样的数字化建设项目，把数据资产进行了标准化的管理，但可能建设周期比较长，成本比较高；要么就是利用飞书这样的一体化工作平台，建设一个在线型的学习型组织，在沉淀数字化资产的同时，还可以打通各个第三方业务系统，打破数据烟囱。
一旦做好 AI Ready，只要选择一个合适的通用大模型底座，就可以把 AI 引入业务场景，实现 AI 改造。
3.如何实现 AI Ready？
最 先实现 AI Ready 的企业，已经率先拥抱 AI 了。飞书就是其中一个代表性的工具。
安克创新是一家全球化的消费电子企业，有一项很重要的工作是消费者洞察。他们会把销售过程中得到的用户反馈收集回来，进行分类和打标签，并把这些数据存储在自研的 QMS 质量管理系统中。
过去，要想利用这些数据反向指导业务，比如搞清楚消费者为什么退货，在哪个渠道上经常退货等问题，需要配备一个专门的研发团队，登录系统，下载数据，制作报表。
而去年，通过飞书智能伙伴，安克创新正在把 QMS 系统进行新一轮的迭代升级，产品经理、研发团队、客服团队，都可以在飞书上使用直接用问答的方式进行提问，快速了解退换货的渠道、原因、数量以及下一步的改善措施等等。
安克创新研发工程师 William 表示，飞书智能伙伴，让质量管理系统，变成了「质量智库」，“就像打个响指一样”，这些关键洞察就在身边，被真正用起来。
