場景就是需求，生成式AI的研發(fā)首先要找對場景。

11月30日至12月1日，由中國科技產業(yè)智庫「甲子光年」主辦的「致追風趕月的你」2023甲子引力年終盛典在北京順利舉行！

百余位嘉賓齊聚一堂，聚焦產業(yè)前沿話題，剖析科技產業(yè)風口，總結分享這一年來的里程碑事件和行業(yè)變量。站在歷史長河審視當下，ChatGPT與AI大模型的誕生，或許會成為對整個互聯網文明，乃至整個工業(yè)文明的一次顛覆。科技與產業(yè)深度融合下，一個嶄新的時代正在來臨。

現場，北京隆道網絡科技有限公司總裁吳樹貴為觀眾帶來了主題為《生成式人工智能VS業(yè)務分析AI助手》的分享。

吳樹貴認為，通用AI模型不會適用于所有場景，生成式AI的研發(fā)首先要找對場景，其次要進行數據的匹配與積累。與自然資源不同，數據資源會越用越多，因為數據在使用過程中會產生更多新的數據，所以我們要把數據用起來。

以下是北京隆道網絡科技有限公司總裁吳樹貴的演講實錄：

大家好！今天我想和大家分享的是我們基于生成式人工智能開發(fā)出的一個新產品。這個產品已經在我們用戶中試用了。

1.生成式AI研發(fā)要找對場景

簡單來說，生成式人工智能可以生成文字、編寫代碼、制作圖片，等等。例如，你給它念一句詩“小橋流水人家”，它能夠畫出相應的畫。此外，它還能處理音頻和視頻。舉個例子，我們清華大學的資深人工智能專家張鈸院士曾經嘗試過，他讓AI唱一下清華的校歌，結果它編出一首新的曲子。所以張鈸教授說人工智能有時候會一本正經地說胡話，因為清華的校歌只有一個版本，但AI能夠編曲，所以就編了一個新的版本。這也是我們在AI領域經常會遇到的問題。

生成式人工智能是一項技術，但要將它實際運用在業(yè)務中，還需要做一層技術開發(fā)，形成基于AI的業(yè)務 APP。

我們要解決的是讓這項技術真正落地應用的問題。比如我在大廠的一個人工智能系統(tǒng)上問今年成交供應商有多少？它可能無法給我一個準確的答案。但它在說胡話嗎？也不完全是，但是它給出的答案可能并不實用，甚至對你沒有幫助。

但是，我們的產品能為你生成新的業(yè)務分析報告，這是實打實的。我們的軟件系統(tǒng)或AI應用可以在PC端運行，也可以在手機端運行，但開發(fā)過程非常困難。剛才主持人提到今天是OpenAI推出ChatGPT一周年的日子，似乎在一年內就推出了這樣的產品有些令人驚訝。

我從2001年開始創(chuàng)業(yè)，建設運營了中國第一個互聯網招投標網站中國國際招標網，這個網站主要開展機電設備國際招標業(yè)務，20多年的在線運行，讓我們完成了招標采購基礎模型的數據積累。現在我們與客戶合作研發(fā)了生成式AI，并專門用于采購招標業(yè)務分析，算法和數據資源我們一樣也不少。

生成式AI的研發(fā)和應用，首先要找對場景，場景就是需求，而數據的匹配至關重要。舉個例子，AlphaGo與圍棋大師柯潔下棋。據說柯潔在與AlphaGo的8盤對弈中，僅在第四盤時才有勝算，最后哭了，說下不過它。但我想說，如果我們改變策略，不下圍棋，下中國象棋，給它一個當頭炮，看看它會如何應對？

我想強調的是，用對數據很重要。AlphaGo中灌入了世界歷代圍棋大師的棋譜，它可以一直進行不間斷的計算并且不會疲勞，而柯潔或任何一位圍棋大師，在經過四個小時的對弈后都會感到疲憊不堪。所以，選擇合適的數據至關重要，如果數據錯了，很可能導致一本正經地說胡話。就像剛才說的清華校歌，我們不需要AI生成新的校歌，因為目前清華校歌只有一個正確答案，不可能有第二個，這時候我們不需要運算，只需要給出正確答案就可以了。但在很多情況下，我們需要進行計算和推理，因此首先需要對數據進行整合和加工。

我們在處理數據的時會遇到很多問題，也很難窮盡所有的場景，所以在AI應用中可能會遇到很多千奇百怪的問題。因此，我們既要有對自然語言的處理能力、整合能力，同時，也要不斷向AI灌輸知識或者說語料，讓他不斷地進行深度機器學習。

舉個例子來說明生成式人工智能的機器學習過程。如果我下午來會場，沒有聽到剛才五位嘉賓的圓桌對話，我在講話中就不會提到數據處理，也不會說我們與泛微有合作，我們用戶里有用泛微系統(tǒng)的。如果我之前不知道泛微的存在，我可能就不會在演講中提到它。這意味著我在來到這里之前我頭腦里的語料庫已經完成了一輪更新。

當我來到現場發(fā)現新情況、新問題，并根據這些進行了新的回應，這就是生成式AI掌握的一種重要技能，即學習能力，將新的語料和問題融會貫通。所以，一要有知識儲備，二要有融會貫通，要讓生成式AI能模仿人的思維進行數據處理，再給出答案，這是我們需要了解的。

2.數字化轉型中，數據積累至關重要

經過長時間的儲備，我們在數據開發(fā)和應用方面已經獲得了三項專利。我們的業(yè)務分析系統(tǒng)具有即時響應的特點，比如用戶可以隨時問合作的供應商數量，它可以立即生成答案，并且是真實數據。我們的數據截止時間是T-1，也就是說，當用戶查詢時，系統(tǒng)提供的是截止到前一天晚上的數據，也算很快了。

此外，我們的系統(tǒng)可以查詢任何時間維度的信息，如今年、上個月或上半年的數據。用戶只需指定時間維度，選擇全維度或特定業(yè)務領域進行查詢，就可以獲得信息。例如用它了解當前進行中的項目數量、與我們合作的供應商數量等。這些信息可以是整體的，也可以是個人的，全都來源于真實數據，因此我們的系統(tǒng)是“實話實說”的。

能無師自通的產品，就是用戶友好型的產品。我們在整個系統(tǒng)的產品開發(fā)過程中，對團隊成員的要求就是，憑借用戶日常上網瀏覽新聞、網購或玩游戲等在線互聯網體驗來設計我們的產品，讓用戶不需要專門培訓就可上手使用。

使用我們的產品帶來的好處是，可以推動企業(yè)自身數據的資源化。剛才有專家提到現在開始將數據資產化，使用了一個詞“數據目標”，意味著數據可以作為資產入賬。但我更傾向于強調數據的實際運用。就像存貨一樣，數據如果不用，就是死的資產。所以我提倡要把數據用起來，數據在使用過程中會產生新的數據。

與自然界的資源不同，數據資源是越用越多的。以“紅學” 為例，曹雪芹寫了一本書，他肯定沒有想到后來會有一個專門的學術領域叫做“紅學”，這就是一本書形成的龐大的資源，屬于數據資源的范疇。同樣地，我們企業(yè)的數據也是如此，一定要充分利用它，讓它產生價值，這樣入表后數據的價值才會得到提升。

關于PC端的功能，我們也提供了多樣化的功能選擇。你可以選擇形成個人的或組織的分析報告，也可以選擇全維度、分維度或特定分類的，比如招標、詢比價、競價等，都可以專門分類進行分析。

為了提高效率，我們也準備了模板。這樣就不必每次都重新輸入相同的信息。當然，如果你不喜歡現有的模板或有其他需求，也可以隨時生成新的模板。所有的信息和數據都會被存檔，所以你也可以隨時回顧以前的總結。比如我想知道今年采購項目的總量，系統(tǒng)會迅速為你提供答案。這些數據都是真實的，盡管我沒有透露具體來源。

從時間維度來看，我們可以生成各種業(yè)務分析。盡管這個領域很窄，但其底層邏輯卻是很多的。我個人認為AI的發(fā)展過程中，不可能一貼藥方治百病，更不能用一個通用的AI模型適用于所有場景，至少近期是沒有的。實際上，AI在某一方面表現出色，但其他方面可能并不擅長，而數據的差異也會導致AI在不同任務中的表現有所不同。

將來，AI的發(fā)展會首先在某一領域取得突破，然后再向其他領域擴展。當我們從采購領域開始突破時，已經看到前景了。例如，AI可以替代所有采購交易方式，因為我們擁有底層數據和實際場景，可以與用戶緊密合作，組織語料，不斷讓機器學習。機器學習需要人類的指導，而不是機器自身學，它也可以通過自我學習逐漸提高智商，但這是一個漫長的過程。我們目前所處的AI發(fā)展階段相對于未來的發(fā)展空間而言仍然處于嬰兒時代，它的發(fā)展空間巨大，但道路漫長，因此我們需要保持信心并勇敢地邁出第一步。最近，我們的用戶社區(qū)非常活躍，許多用戶每天都在試用我們的產品，并積極向我們提供反饋，包括建議增加新的語料等。

在實現數字化轉型的過程中，數據的積累至關重要。數據積累，必須要建立數字化系統(tǒng)，這就意味著企業(yè)的數字化轉型。以制造業(yè)為例，主要包括采購、生產和銷售三個領域。整個企業(yè)數字化轉型要建系統(tǒng)時必須考慮與供應鏈的整合。要從大處著眼，小處著手，企業(yè)的數字化轉型在四大領域都要做，其中最重要的是實現數據資源化。

我們選擇的切入點是采購領域，這與傳統(tǒng)的電商有所不同。傳統(tǒng)電商主要幫著企業(yè)賣東西，而我們是幫著企業(yè)去買東西。供應鏈是一個相當復雜的領域，我自己也研究了很多年。為什么從采購領域切入？因為采購與銷售是每個企業(yè)都相關聯的環(huán)節(jié)，而且采購在供應鏈的構建中起著決定性作用。采購人員需要從多個供應商中做出選擇，而我們的系統(tǒng)可以幫助他們挑選出最優(yōu)質的供應商。

現在對供應商的評估非常嚴格，有客戶告訴我，他們希望了解供應商的上游供應鏈情況，包括第一層、第二層和第三層供應商。大家都知道蝴蝶效應，供應鏈中的任何一個環(huán)節(jié)出現問題，都可能影響到整個供應鏈。因此，這條數據鏈和供應鏈是從需求開始，根據需求配置資源，所有相關方包括產能供應商等都需要協(xié)同作業(yè)。在這個過程中，每一個參與的伙伴都需要創(chuàng)造價值。如果一個供應商在競標中沒有中標，那可能是因為采購商認為他們沒有提供足夠的價值而將其排除在外。

所有的業(yè)務活動和數據都是緊密相關的，這個過程中沉淀了大量的數據。如果你沒有建立數字化采購系統(tǒng)，是沒有這些數據的，AI的業(yè)務模型建立也會成為問題。所以我們的AI是基于多年為企業(yè)進行采購所積累的大量數據，對采購領域的獨特見解而構建的。

最后，介紹一下我們，隆道公司，成立于2017年。前面提到的中國國際招標網是2001年與商務部（當時的外經貿部）合作建設的，我們始終堅持以數字技術服務采購和供應鏈為使命服務企業(yè)。采購是供應鏈中的一個組成部分，但我們強調采購的重要性，為什么呢？因為這是我們進入市場的切入點，而且采購在供應鏈的構建中十分重要，因為它關系到原材料的質量，供應商的穩(wěn)定性和成本控制等多個方面。我們非常期待與大家的合作，尤其是新AI產品推出后，我們希望在技術合作和投資領域等方面都能與大家進行深入探討。

我們一直致力于打造一個對社會有價值的企業(yè)，希望我們的發(fā)展能對所有人都有好處。我們是一個追求共贏的企業(yè)，謝謝大家！