作者:賈樂(lè)樂(lè),編輯:趙元

大模型（LLM）發(fā)展起來(lái)之后，生成式AI開(kāi)始井噴，有聊天對(duì)話、文生圖，還有擴(kuò)圖等多種形態(tài)。

對(duì)于技術(shù)的進(jìn)步，大眾都喜聞樂(lè)見(jiàn)，但漸漸地另一種聲音出現(xiàn)了：我們希望AI替我們工作，替我們打掃衛(wèi)生，我們?nèi)ワL(fēng)花雪月，可現(xiàn)在方向好像反了。

路要一步一步走，飯要一口一口吃，直接出現(xiàn)科幻小說(shuō)、電影中“和人類無(wú)異，且供人類驅(qū)使”的機(jī)器人，顯然不現(xiàn)實(shí)，但讓AI從陪聊、廢話大師到有用的工具，落地的途徑已經(jīng)不像之前那么模糊。

一個(gè)共識(shí)是，AI Agent是AI應(yīng)用落地的關(guān)鍵推手，甚至是終極形態(tài)。

基于LLM的AI Agent是具有獨(dú)立思考和行動(dòng)能力的智能體，AI Agent=LLM+感知+規(guī)劃+記憶+工具使用。

今年，紅杉資本對(duì)2024年AI的發(fā)展趨勢(shì)做出預(yù)測(cè)：Copilot將逐漸向Agent轉(zhuǎn)變，Copilot是AI輔助人工作，Agent更像一個(gè)真正的同事，可以分擔(dān)工作。未來(lái)，Agent還會(huì)走向具身智能，向?qū)嶓w形態(tài)的智能機(jī)器人形態(tài)發(fā)展。

確定性的趨勢(shì)之下，很多平臺(tái)和企業(yè)都在布局Agent，典型如OpenAI上線了GPT store，國(guó)內(nèi)的釘釘近期上線了AI Agent store，智譜AI、昆侖萬(wàn)維也分別推出了各自的Agent平臺(tái)。

OpenAI的GPT store已經(jīng)于今年1月份上線，屬于Agent的初級(jí)階段，上線后的這三個(gè)月，GPT store差評(píng)滿天飛。

作為本輪通用型人工智能技術(shù)“領(lǐng)頭羊”，OpenAI具有風(fēng)向標(biāo)意義，GPT store的遇冷也讓人不得不重新考慮這幾個(gè)問(wèn)題：GPT store 不行是不是代表Agent不行？ AI通過(guò)Agent形態(tài)落地，路徑應(yīng)該是什么樣的？更實(shí)際的落地場(chǎng)景有哪些？ 和釘釘這樣的平臺(tái)應(yīng)該扮演什么樣的角色？ 承擔(dān)什么任務(wù)？

一、AI落地，To B 還是To C？

GPT store的推出，意味著人人都能構(gòu)建Agent的時(shí)代拉開(kāi)了序幕，也被認(rèn)為是AI 的APP store時(shí)刻。

因?yàn)閷m斗等事件，GPT store延遲上線兩個(gè)月，在這兩個(gè)月用戶創(chuàng)建了超過(guò)300萬(wàn)個(gè)ChatGPT自定義版本。

300萬(wàn)是什么概念，我國(guó)國(guó)內(nèi)市場(chǎng)上的APP數(shù)量，包括安卓和蘋(píng)果商店也就260多萬(wàn)。

但GPT store上線不久，就出現(xiàn)了熱門(mén)GPTs被抄襲、僵尸號(hào)泛濫、刷單、假官方、軟色情等多重罪。最受歡迎的當(dāng)屬AI女友，盡管OpenAI已經(jīng)明確，不允許GPT專注于培養(yǎng)浪漫伴侶關(guān)系。

GPT store里的產(chǎn)品同質(zhì)化、低劣化，于是開(kāi)發(fā)者紛紛抱怨，如OpenAI審核不力，用戶少、商業(yè)模式完全跑不通，對(duì)GPT store失去了信心。

To C的GPT產(chǎn)品備受爭(zhēng)議，有的To C的企業(yè)創(chuàng)始人團(tuán)隊(duì)也轉(zhuǎn)向To B。

Inflection是一家AI獨(dú)角獸，也是融資額僅次于OpenAI的初創(chuàng)公司，有著自己的類ChatGPT產(chǎn)品——Pi，主打的是陪伴，To C屬性明顯。

有消息稱，Inflection的核心層被微軟挖墻腳，負(fù)責(zé)組建名為“Microsoft AI”的新團(tuán)隊(duì)，整合微軟的消費(fèi)者AI工作以及Copilot、Bing和Edge等產(chǎn)品。

這不好說(shuō)是To B還是To C，但相較于談天說(shuō)地、吟詩(shī)作對(duì)，微軟和AI相關(guān)的產(chǎn)品顯然更工具化、更以提升效率為目的。

據(jù)華爾街見(jiàn)聞的報(bào)道，Inflection也正在調(diào)整業(yè)務(wù)重心，轉(zhuǎn)向?yàn)槠渌�企業(yè)提供API服務(wù)，也就是To B化，因?yàn)榧词筆i的每日用戶數(shù)量已達(dá)到100萬(wàn)，它也還沒(méi)有找到有效的商業(yè)模式，更別提GPT store里的那些GPT了。

To C的Agent在當(dāng)前遇到了較大的阻力，To B可能才是更有希望的“生路”。

To C產(chǎn)品的主要邏輯是創(chuàng)造增量需求，創(chuàng)造的方向是讓用戶感受到有趣，而有趣是一個(gè)模糊的概念，短視頻、AI生成照片、拍攝表情包、游戲里設(shè)定AI NPC、編笑話等等都可以是有趣的。

需求分散、使用頻率低下，這是To C產(chǎn)品需要突破的關(guān)鍵點(diǎn)。

To B產(chǎn)品的邏輯是解決問(wèn)題，盡管也有不同行業(yè)不同的場(chǎng)景，但每個(gè)應(yīng)用場(chǎng)景都有清晰的、具體的需求。不管是以什么形態(tài)落地，AI都需要以更低成本、更高效率的方式滿足需求，這就是天然的約束。

未來(lái)，當(dāng)Agent成為科幻小說(shuō)描述的那樣成為個(gè)人管家、助理時(shí)，To C應(yīng)用的天花板將被徹底掀開(kāi)，而在當(dāng)前軟件層面，To B才是AI Agent的破局的最佳路徑。

二、To B場(chǎng)景，Agent走到哪兒了？

從LLM到Agent，AI在To B場(chǎng)景已經(jīng)走了三個(gè)階段：大模型涌現(xiàn)，不管是To B還是C，這都是基礎(chǔ)；應(yīng)用層的+AI，AI作為輔助，比如微軟的Copilot、釘釘?shù)腁I魔法棒；現(xiàn)在是第三個(gè)階段，從Copilot走向Agent，自主性、執(zhí)行力都更強(qiáng)，向著自動(dòng)化和擬人化發(fā)展。

在第三階段，企業(yè)所需要的不一定是一個(gè)完整的產(chǎn)品，也可以是一小節(jié)智能化的能力。將原子化的能力組合在一起，可能是解決企業(yè)個(gè)性化需求、不同員工個(gè)性化需求更有效的途徑，這也正是傳統(tǒng)的SaaS所面臨的最大的問(wèn)題。

（來(lái)源：中金研報(bào)）

這些智能化生產(chǎn)力使用場(chǎng)景有哪些？誰(shuí)來(lái)提供這些智能化生產(chǎn)力？

B端有很多場(chǎng)景都有Agent的應(yīng)用空間，比如電商的語(yǔ)音助手、智能客服、個(gè)性化推薦；教育行業(yè)的智能輔導(dǎo)和答疑、教育數(shù)據(jù)分析；房地產(chǎn)行業(yè)的虛擬房源展示、合同生成與管理、風(fēng)險(xiǎn)評(píng)估；旅游行業(yè)的實(shí)時(shí)翻譯、旅游數(shù)據(jù)分析；物流行業(yè)的園區(qū)管理與監(jiān)控、搬運(yùn)與裝卸等等。

To B涉及到的行業(yè)多樣、場(chǎng)景分散，需要的能力是專家級(jí)的，所以那些沉淀了行業(yè)know-how的企業(yè)、ISV、個(gè)人/專家是創(chuàng)造AI Agent的關(guān)鍵角色。

于是釘釘用更加開(kāi)放的方式來(lái)做AI助理生態(tài)，就像釘釘一直以來(lái)的生態(tài)戰(zhàn)略一樣，自己做底座和基礎(chǔ)，把創(chuàng)造留給所有企業(yè)和用戶、服務(wù)商。

今年1月，釘釘宣布舉辦AI助理大賽，不設(shè)門(mén)檻，鼓勵(lì)企業(yè)、ISV、個(gè)人進(jìn)行AI助理的創(chuàng)造，最高可得20萬(wàn)獎(jiǎng)金，包括企業(yè)賽道、辦公賽道和高校園生活賽道，截至3月底，有超過(guò)700份作品參與了大賽。

我們可 以從這些作品中看見(jiàn)To B的Agent已經(jīng)可以做哪些事，能在多大程度上能夠提升效率。

本次AI助理大賽中，實(shí)在智能是辦公賽道進(jìn)入到前十的選手，作品是RPA助理——實(shí)在Agent。

AI是電腦，RPA是更具執(zhí)行力的手，AI+RPA能實(shí)現(xiàn)業(yè)務(wù)流程的超自動(dòng)化。比如，在對(duì)話中調(diào)出某個(gè)業(yè)務(wù)部門(mén)當(dāng)季的收入或其他統(tǒng)計(jì)指標(biāo)，項(xiàng)目的進(jìn)度等，這些任務(wù)不是簡(jiǎn)單對(duì)話，而需要查詢、拆解、查看項(xiàng)目數(shù)據(jù)、推送等執(zhí)行層面的動(dòng)作，也涉及到數(shù)據(jù)庫(kù)的讀取、API管理等等。

實(shí)在智能與釘釘?shù)暮献髦饕�集中在電商這個(gè)賽道，實(shí)在Agent可以幫助電商商家做全域數(shù)據(jù)的更新與維護(hù)。

現(xiàn)在的電商商家都是多平臺(tái)經(jīng)營(yíng)，店鋪數(shù)據(jù)也分散在不同的平臺(tái)，以往商家的操作方式是通過(guò)增加員工數(shù)量完成每日的取數(shù)工作，成本高還易出錯(cuò)。

實(shí)在Agent可以模擬人工方式，在不同的平臺(tái)上取數(shù)并匯總，還可以把數(shù)據(jù)匯總到宜搭上做BI看板，就能實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)更新。

如果是原來(lái)的模式，實(shí)在智能需要先打響“取數(shù)寶”的品牌，而現(xiàn)在多了一種選擇：將取數(shù)寶的能力，集成在AI助理里�，F(xiàn)在釘釘對(duì)于AI助理的入口比較重視，客戶就可以隨時(shí)點(diǎn)進(jìn)去，通過(guò)自然對(duì)話就可以執(zhí)行。

用友薪酬創(chuàng)造的薪酬分析助理，可以幫助用戶統(tǒng)計(jì)日常工作報(bào)表、做人力成本的分析、薪酬結(jié)構(gòu)分析、市場(chǎng)薪酬統(tǒng)計(jì)等。

用友薪酬和實(shí)在智能都是為企業(yè)提供服務(wù)的服務(wù)商，也有一些企業(yè)選擇自己上，比如長(zhǎng)龍航空創(chuàng)造了航空維修助理，可以提交維修需求、智能推薦維修方案、材料出庫(kù)入庫(kù)登記等等。

在4月23日，釘釘極客大會(huì)上，釘釘CTO程操紅提到，釘釘上已經(jīng)有數(shù)十萬(wàn)個(gè)AI助理。

三、GPT Store不行，還是Agent不行？

B端固然更容易培育出有用的AI工具，但GPT Store的經(jīng)歷不免讓人擔(dān)憂釘釘?shù)腁I Agent store會(huì)不會(huì)上演相似的劇情。

先來(lái)看看釘釘?shù)腁I Agent store與OpenAI的GPT Store有何相似與不同。

相似之處，是都降低了Agent的開(kāi)發(fā)門(mén)檻。

OpenAI通過(guò)提供GPT builder降低了建立一個(gè)Agent的門(mén)檻，用戶無(wú)需懂編程，也不用懂代碼，通過(guò)可視化點(diǎn)擊操作就可以構(gòu)建一個(gè)自定義GPT，部分GPTs通過(guò)插件參與業(yè)務(wù)流程、使用工具，具有執(zhí)行能力，但仍然達(dá)不到Agent的執(zhí)行標(biāo)準(zhǔn)。

在技術(shù)普惠上，釘釘是走得更快的，比如釘釘早就通過(guò)低代碼實(shí)現(xiàn)了半AI化，讓企業(yè)通過(guò)低門(mén)檻的方式開(kāi)發(fā)更契合真實(shí)業(yè)務(wù)場(chǎng)景的應(yīng)用。

同時(shí)，低代碼的普及，也為AI Agent打下了“系統(tǒng)”和“數(shù)據(jù)”基礎(chǔ)設(shè)施，比如可以接入釘釘上原有的應(yīng)用、低代碼、企業(yè)自建系統(tǒng)、外部第三方平臺(tái)。

最大的不同還是在于應(yīng)用場(chǎng)景，也就是前面提到的，OpeAI的GPTs主要是給C端用的，低門(mén)檻所帶來(lái)的是同質(zhì)化與低劣化，而釘釘上產(chǎn)生的AI Agent更有需求的約束。

以解決問(wèn)題為開(kāi)發(fā)工具的目的，低劣化問(wèn)題就能在很大程度上得到解決，同質(zhì)化方面，有了GPT Store的前車之鑒，釘釘表示，釘釘未來(lái)的AI助理市場(chǎng)不做全量推薦，只會(huì)推薦精選過(guò)的AI助理。

（釘釘AI助理市場(chǎng)）

除了審核之外，在優(yōu)秀AI Agent的涌現(xiàn)上，釘釘有哪些優(yōu)勢(shì)？

前面我們提到，AI Agent=LLM+感知+規(guī)劃+記憶+工具使用，也就是說(shuō)在大模型之外的更多的框架、組件，以及產(chǎn)生框架和組件的業(yè)務(wù)場(chǎng)景和數(shù)據(jù)，也是關(guān)鍵的要素。

就像觀眾不能指望沒(méi)上過(guò)一天班的編劇寫(xiě)出底層打工人的真實(shí)生活，我們也不能指望只吸收了風(fēng)花雪月知識(shí)、沒(méi)在真實(shí)業(yè)務(wù)流程中工作過(guò)的LLM具有解決實(shí)際問(wèn)題的能力。

釘釘?shù)淖畲髢?yōu)勢(shì)是，它既是一個(gè)To B的協(xié)同辦公平臺(tái)，也是一個(gè)開(kāi)放的生態(tài)，一個(gè)AI應(yīng)用創(chuàng)作平臺(tái)，有大量的用戶、組織和ISV，也沉淀了真實(shí)、復(fù)雜的業(yè)務(wù)場(chǎng)景。

企業(yè)、ISV和個(gè)人開(kāi)發(fā)者可以在釘釘上連接、開(kāi)發(fā)和加工各種應(yīng)用，同時(shí)，由于用戶多、企業(yè)多，釘釘成Agent天然的試驗(yàn)場(chǎng)，就像畢業(yè)的大學(xué)生有了工作機(jī)會(huì)，AI Agent store也會(huì)成為AI Agent高頻的分發(fā)通道，為未來(lái)的商業(yè)變現(xiàn)提供了更大的可能，避開(kāi)了GPTs活躍用戶少的困境。

釘釘所做的，是連接場(chǎng)景和數(shù)據(jù)，實(shí)現(xiàn)結(jié)構(gòu)性自動(dòng)化和批量處理各種工作。具體來(lái)說(shuō)，釘釘?shù)穆氊?zé)是確保外部記憶存儲(chǔ)部分的完善，包括短期和長(zhǎng)期記憶的處理，同時(shí)做好任務(wù)規(guī)劃，之后將大模型生成的內(nèi)容與本地業(yè)務(wù)數(shù)據(jù)集成，并將形成的行動(dòng)在各個(gè)系統(tǒng)中落地。

同時(shí)，To B的場(chǎng)景也在增強(qiáng)釘釘。

在To B服務(wù)中，釘釘需要頻繁與用戶、企業(yè)互動(dòng)，甚至去線下了解實(shí)際工作流程，雖然每個(gè)企業(yè)需求不同，但產(chǎn)品會(huì)逐漸沉淀下來(lái)，釘釘也可以保留抽象層和公共層，完成產(chǎn)品的廣泛行業(yè)適用性。

再比如，用友這樣的老牌財(cái)稅專家在薪酬領(lǐng)域的理解一定比大模型更深，所以AI薪酬分析助理也是在增強(qiáng)大模型在垂直領(lǐng)域的能力。

總的來(lái)說(shuō)，和OpenAI相比，釘釘在LLM沒(méi)有優(yōu)勢(shì)，但在感知、記憶和提供工具等方面都做得更好，這是AI Agent store不會(huì)成為下一個(gè)GPT store最重要的原因，也是釘釘能長(zhǎng)出AI Agent生態(tài)的重要原因。

四、結(jié)語(yǔ)

歷史總是在不斷重復(fù)。

蒸汽機(jī)面世后，除了工業(yè)和紡織業(yè)的應(yīng)用，人們還研究過(guò)將蒸汽機(jī)直接裝到馬車上，后來(lái)蒸汽機(jī)才找到在交通運(yùn)輸方面真正的用武之地——船舶和汽車。

大模型出現(xiàn)后，To B開(kāi)始的方向同樣是增強(qiáng)原有的產(chǎn)品，逐漸過(guò)渡到更具有自主性和執(zhí)行力的AI+。

就像人們需要的是跑得更快的工具，而不一定非是馬車，實(shí)現(xiàn)目標(biāo)的途徑是可以改變的，AI也在改變解決問(wèn)題的方式。

以往，C端用戶要解決問(wèn)題，需要打開(kāi)一個(gè)個(gè)的APP，企業(yè)需要解決問(wèn)題，需要借助一個(gè)個(gè)垂直場(chǎng)景的SaaS�，F(xiàn)在AI Agent將能力抽離出，并組合、重塑，形成特定事件、場(chǎng)景的解決方案。

在簡(jiǎn)單場(chǎng)景下，我們需要的是足夠多、足夠智能的AI Agent，在相對(duì)復(fù)雜的場(chǎng)景下，我們還需要這些AI Agent可以進(jìn)行協(xié)作。

釘釘現(xiàn)在所做的就是用大量的需求促使有用的AI Agent涌現(xiàn)。當(dāng)有用的AI Agent夠多，覆蓋工作場(chǎng)景，也覆蓋生活場(chǎng)景，距離想象中的未來(lái)世界就更近了。

       原文標(biāo)題 : AI入凡塵：從風(fēng)花雪月到千行百業(yè)