您当前的位置 :三板富> 商业 > 正文
YonGPT发布背后,“实用主义”成为大模型落地新风向
2023-08-09 11:00:44 来源:云掌财经刘旷 编辑:news2020

近年来伴随着数字经济的高歌猛进,国内企业服务赛道迅速站上行业风口。以ChatGPT为代表的大模型的到来,更为整个企服赛道添了一把火。而7月27日用友对外发布的首个企业服务大模型YonGPT,则正式宣告了企业服务大模型全新时代的到来。


(资料图片)

目前参与企业服务赛道的玩家,主要可以分为两类:一是通用大模型厂商;二是垂直大模型厂商。相较通用大模型厂商而言,以用友为代表的企业服务提供商深耕行业赛道,更能满足企业的实际需求,如YonGPT是业界第一个,具有多领域融合化、多形态综合型特性的企业服务大模型,契合了企业基于数智技术实现业务与业务、业务与财务、业务与管理融合创新的时代需求,有望在大模型落地方面实现新的引领。

企业服务大模型要走“实用”路线

目前B端市场,已经成为了大模型厂商的云集之地,很多行业都希望借助大模型来加速创新。但考验大模型厂商的除了算力、数据之外,更重要的是解决产业实际问题的能力,换句话说大模型必须“实用”。

一方面,目前大模型尤其是通用大模型本身尚存在局限,很难完全适应各个细分行业对安全、合规等方面的综合需要,行业迫切需要可信、可用、好用的“实用”大模型。

具体来说,目前通用大模型的数据集,主要来自公开数据集或者网络数据,而对特定行业的专业领域则了解比较少。由于公开网络上的数据良莠不齐、真假难辨,可能导致大模型的数据专业性与精准度不高,最终影响数据的专业价值。

以企业服务领域为例,其不仅涉及的行业门类广、专业知识差别大,而且对场景应用和数据获取的要求,也存在很大差别。用友网络高级应用架构师包飞表示,企业要想将大模型的技术优势,运用于自身业务之中,就需要更贴近实际的行业专业数据。因为在很多专业场景中,用户对企业提供的专业服务要求高,且容错率极低,一旦企业因为应用了错误数据,就可能引发风险。因此,企业使用的大模型必须可控、可追溯、可修正,而且必须充分测试才能上线。

以7月27日发布的用友YonGPT为例,用友BIP和YonGPT在架构上依托指挥调度中心,将大模型中的基础确定架构事项,交给用友BIP原有产品功能来实现;而将不确定的事项、推理性的事项和人脑思维意识指派给大模型去开发,从而形成了系统可控、安全可信的企业大模型框架。在这个框架之下,用友YonGPT创新研发了包括企业经营洞察、智能订单生成、供应商风控、动态库存优化等数十种基于企业大模型的智能应用,同时它还面向复杂的行业应用场景,通过行业模型精调,提供更加“在行”的智能化场景服务。

另一方面,对于企业而言,大模型的核心目标是要在实际落地中真正解决问题,对于AI“通用性”维度的能力不会过度苛责。从企业层面来说,大模型最终都是要在真实场景中落地,要达到理想的服务效果,就需要企业将自身的数据用起来,并结合行业大模型的数据做训练或者精调,从而打造出实用性更高、安全性更高的智能产品。包飞表示,无论是培养通用AI亦或是培养专业AI,都需要使用预训练,但两者所需要的知识体系、数据和算力,均存在很大差异,因此行业垂直大模型的发展是必然趋势。

以用友YonGPT为例,除了前文提到的面向专业应用,以及结合行业做精调之外,用友还优化了企业服务大模型的训练效率和成本,集成了丰富的开发工具和优化算法,通过自有的数据管理、大模型精调、大模型评估优化、推理和插件服务等功能,为大模型的构建和服务提供稳定且有效的支撑。

显然,不论是从大模型自身还是从企业服务领域的复杂行业状况来看,大模型要想在产业落地,都必须走“实用”路线。

首发者需要底气也需要实力

纵观整个国内大模型的发布情况来看,接近落地场景并打通整个应用、服务,已经成为各个行业大模型当前聚焦的重点,而用友能够发布业内首个企服大模型——YonGPT,离不开其扎根企业服务的深厚经验沉淀和积累,也与其强大的技术和产品实力紧密相关。

一是,用友深耕企业服务赛道已久,相比一般的云服务提供商而言,对各细分行业客户痛点更加了解,因而方案更加贴近用户实际需求。

作为一家专注于企业软件与云服务的巨头,用友已经在企业服务这个赛道深耕35年了。从早期的聚焦企业部门级别的财务软件,到聚焦企业级的ERP管理软件,再到3.0阶段的社会级的商业创新平台——用友BIP,用友在不断升级与迭代中,形成了全面助力企业数智化的能力和产品体系。

深厚的服务各行业企业的经验,让用友对行业客户的场景和痛点更好理解,因而能推出更适合客户实际需求的解决方案。一些云服务商虽然推出了很多云服务,但这些产品和服务在落地层面很难与企业核心诉求结合,导致企业数智化转型效果不佳,并未达到帮助企业的预期目的。而早已经深耕行业多年的用友,则可以凭借自己对行业的深入洞察,推出直击行业和用户痛点的最佳应用。

YonGPT是在底层适配业界主流的通用语言大模型和开源模型基础上,结合用友35年服务多领域、多行业企业可复用的经验积累和领先实践进行学习得到的综合型的企业服务大模型。与单一领域的企业服务大模型不同,YonGPT覆盖财务、人力资源和包括营销、研发、采购、制造、供应链、项目、资产营运等业务的多个企业生产经营与运营管理领域,是一个具有多领域综合智慧的企业服务大模型,契合了企业基于数智技术实现业务与业务、业务与财务、业务与管理融合创新的时代需求。

二是,用友一直坚持长期主义,注重研发和持续创新,如今它已经能够在底层技术上(云架构)服务于企业经营的方方面面,具备很强的竞争壁垒。

尤其是用友BIP的研发,更是前后经过了7年时间。以2021年和2022年用友的研发投入为例,其研发投入已经分别占营业收入的26.4%和31.6%。人才方面,用友研发人员数量超过了9000名,超过公司员工总数的35.7%。在持续的高强度研发支持之下,用友BIP的创新能力持续增强。其中就包括多方面布局自然语言处理、机器学习、计算机视觉、知识图谱等方面智能技术的应用,以技术创新构建了自己独特的竞争优势。

三是 ,用友30多年来积累的大量专业行业语料数据,保证其在做行业大模型方面具备很好的基础。从大模型的一般规律来说,无论是通用大模型还是垂直大模型,都少不了丰富的数据资料和行业逻辑经验作为支撑,而这恰恰是用友的优势所在。

据介绍,用友基于大规模的商业应用数据,结合企业应用场景和领域经验,标记了大量的企业服务语料数据,形成了丰富的企业服务大模型训练素材,并将业务知识与领域经验融入企业服务大模型,确保了大模型的专业性、实用性及领先性,使之能更好地跟企业的整体数智化战略结合,支撑公司整体的建设。

YonGPT助力产业迎来AI普及应用时代

作为业内首个企服大模型,YonGPT将加速以垂直大模型和AI应用为特点,以数据智能为抓手的AI普及全新应用时代。

一方面,以YonGPT为代表的企服大模型的诞生,让“懂产业更懂智能”的数智化驱动不再高门槛,让数智化驱动变成了一种低成本可复制的普遍化产业趋势。尽管当下数智化转型已经成为众多企业的共识,但摆在企业面前的“拦路虎”依然不少。这主要是由于数智化投资周期长、成本高,很多企业在转型时,又面临改造需求碎片化、多样化等问题,这就让很多企业常陷入“不会转、不敢转、不能转”的境地。而YonGPT的诞生,则为企业提供了“低门槛”的智能化入口,让企业可以根据需要来找寻关键数据,做对关键决策。

另一方面,YonGPT的诞生将加速各个行业数据的“高质量流通”,进一步重塑产业链价值链,助力产业产生全新的增量机会,为产业的高质量发展增添新动能。对于B端企业场景而言,大模型在技术演进过程中,形成的数字内容孪生、编辑、创作三大能力,以及就此衍生出的一系列文本生成功能,可以更好地对应办公应用场景和企业日常运营。

而且它通过自然语言就可以实现调出操作,操作门槛大大降低,人机交互体验大幅提升,将极大调动人们使用大模型来实现业务功能的积极性。以用友YonGPT为例,它通过智能化业务运营,深入洞察企业运营,识别潜在风险和机会,并通过提供智能化方案提高经营决策水平和业务运营效率;它通过发挥“数据驱动”优势,让“数据找人”的智能呈现和交互变得更加频繁;它通过全方位提升企业个性化应用服务能力,真正让企业低成本地感受到“千企千面”的数字化魅力。

另外,在数智化转型大潮之下,以数智化为特征的全新模式,正在成为企业数智化转型的全新范式。在企业数智化早期,云服务商主要围绕“上云”来做布局,不断扩大各个行业的“上云”规模;随着企业数智化进入深水区,如何高效用云以提升云服务的生产力,日益成为行业关注的焦点,一场以数据智能为特征的数智化浪潮,日益成为全新产业趋势。而AI大模型的到来,无疑为用友推动产业数智化转型,提供了全新的技术实现路径。

作为业界首个具有多领域融合化、多形态综合型特性的企业服务大模型,用友将继续投入资源迭代训练,并不断丰富基于这个大模型的各类企业服务,同时YonGPT的快速发展也将引领企业服务迈入一个新台阶。

标签:

相关阅读
版权和免责申明

凡注有"三板富 | 专注于新三板的第一垂直服务平台"或电头为"三板富 | 专注于新三板的第一垂直服务平台"的稿件,均为三板富 | 专注于新三板的第一垂直服务平台独家版权所有,未经许可不得转载或镜像;授权转载必须注明来源为"三板富 | 专注于新三板的第一垂直服务平台",并保留"三板富 | 专注于新三板的第一垂直服务平台"的电头。

最新热点

精彩推送

 

Copyright © 1999-2020 www.3bf.cc All Rights Reserved 关于我们
三板富投资网  版权所有 沪ICP备2020036824号-16联系邮箱:562 66 29@qq.com