导读
THECAPITAL
AI产业中怎样才能真正体现其价值？
本文3861字，约5.4分钟
作者 | 郑伟 编辑|吾人
来源|融中财经
（ID：thecapital）
ChatGPT爆火出圈，其强大的语言组织能力和流畅的交互体验，给人们带来了巨大震撼，也为各行业应用提供了变革契机。从通用领域构建的大模型如何在垂直行业toB走得通，成为当下各方积极探索的方向。
“在AI产业中，技术落地才能真正体现其价值。大模型+垂直行业，将是中国本土发展AIGC的特色化路径，在落地场景中持续迭代，优化产品和解决方案，最终实现从技术到商业的闭环。目前，乐言智能客服机器人每天线上服务千万级终端消费者，在AI落地方面，我们是整个行业走在最前面的。” 乐言科技创始人兼CEO沈李斌博士向本刊介绍。
作为国内迅速布局AIGC的企业之一，乐言科技是AI应用落地第一梯队的人工智能整体解决方案提供商，拥有自研底座大模型以及丰富的大规模预训练数据处理经验，能够快速为客户定制化开发行业模型，提升企业生产力水平，助力企业快速转型发展。现阶段已经在电商、零售、医疗、金融等领域推进落地应用。
以下为本刊采访内容，以飨读者：
本刊：AI 2.0时代，乐言科技在AI领域进行了哪些布局？核心产品是什么？
沈李斌：乐言科技成立七年来，持续深耕电商赛道，推出AI SaaS+电商全链路数智化解决方案，以丰富的产品矩阵助力电商企业完成数智化转型。在电商领域，乐言科技旗下拥有全平台智能客服机器人、智能客户管理系统、智能工单RPA、智能语音外呼、海外电商服务运营平台等产品，覆盖“咨询服务”“新客转化”“老客复购”的完整客户生命周期。2023年5月发布自研的基座大模型和行业大模型体系，推进大语言模型和AIGC技术在零售、医疗、金融等多行业的应用落地。乐言科技目前已服务6万+客户，触达终端买家超数十亿人次。
本刊：随着AI由1.0时代进入到2.0时代，贵公司在发展战略、产品、技术方面进行了哪些迭代？
沈李斌：从技术路径来看，ChatGPT仍然是基于深度学习的人工智能模型，Transformer是目前所有大模型的技术基矗从2017年具有划时代意义的Transformer模型问世以来，乐言科技即开始进行预训练模型研究与产业应用实践。2019年，乐言AI已经全面切换到基于Transformer的模型，同时长期积累电商行业数据。2020年，乐言科技联合阿里云计算平台和CLUE中文语言理解评测组织，共同推出中文预训练模型泛化能力挑战赛，促进自然语言处理预训练技术的发展。
在与商家合作的过程中，我们不仅沉淀了买家洞察，同时了解了大量电商应用场景，从而助力技术和场景的结合。基于对技术商业落地的敏感度，乐言科技敏锐觉察到，大模型将在垂直领域应用率先发挥重要价值。因此在战略方向上定下全线拥抱大模型的主线。
乐言科技基于多年自然语言处理、深度学习技术积累和垂直领域业务经验，融合大模型技术，构建自己的GPT和BERT能力方案，自研的国产行业大模型体系今年3月上线规模化使用，5月正式发布。乐言大模型体系包含乐言基座大模型和行业GPT大模型。首批发布的行业大模型有电商大模型和医疗大模型。
本刊：迭代过程中，贵公司遇到了哪些核心痛点（缺钱、缺人、缺资源）？应对方案怎样？
沈李斌：在AI 1.0阶段，我们分别和互联网医疗、语文教育的头部企业合作，赋能多个行业，取得了不错的成果。由于研发资源限制，在过去几年，我们主要聚焦在电商零售行业，将AI技术深度运用到电商场景，推出了AI SaaS+全链路解决方案，包含非常完善的AI 产品矩阵，可以服务电商消费者进店购物的全生命周期，助力商家更好地服务和运营消费者资产。目前，乐言科技已经服务超过6万多家电商客户，在电商垂直领域积累了Know how优势，完成了从算法到产品到销售环节的完整闭环。这是我们竞争力的重要因素。成熟的 AI 公司自身在垂直赛道积累的竞争优势，在结合大模型的能力后会更快做出新成果。后续有了足够的资源支持，我们可以将电商领域积累的数智化能力复制到其他面向大量终端消费者的行业。
本刊：贵公司在研发方面的投入如何？产品有哪些竞争优势？存在哪些短板待完善？
沈李斌：乐言科技在AI技术研发方面始终保持高投入，并形成了4点优势：第一，AI算法能力。基于今年3月上线的自研行业大语言模型，亿级海量真实大数据，乐言科技展现出优异的AI算法能力，使得回复更拟人。第二，AI工程化能力。乐言科技系统具有强大的工程化能力，已经连续7年服务双十一，AI模型支持双十一近万QPS的高并发，在瞬时巨大流量的冲击时仍能平稳运行，稳定发挥效果。第三，AI产品化能力。乐言科技可快速将AI技术落地产业应用，不断推出智能客服、CRM、智能RPA、智能电话机器人等数智化产品及服务。2023年通过自研国产行业大模型体系，率先将大模型技术融入电商业务系统，推出上述一系列AIGC产品和功能。第四，AI运营能力。搭建了完善的AI运营体系，在产品端，不断调优AI算法模型，根据市场端需求持续迭代产品。在商家端，培养了一只专业的运营顾问团队，可以为每位商家提供专属运营建议，有效提升使用效果。
本刊：收获今天的成就，您觉得贵公司抓住了哪些机会？哪些核心技术突破？商业模式和创新有哪些表现？
沈李斌：抓住机会。在上一波的深度学习浪潮中，乐言科技把握住了时代机遇，率先将以自然语言处理为核心的AI技术运用到电商领域，推出了国内首个拟人化回复的智能客服机器人。机器人具备高精准的语言理解能力，可以模拟金牌客服的回复逻辑，辅助人工客服进行咨询接待、业务问题咨询、智能推荐、客情维系等工作。
乐言智能客服机器人采用人机协同的模式，在多项产品性能方面达到了行业领先水平，问题回复率75%，回复准确率高达99%，帮助人工客服解决了大量售前咨询压力，提升客户服务体验，实现营收增长。
这一波生成式AI的爆发， 基于对技术商业落地的敏感度，乐言科技敏锐觉察到，大模型将在垂直领域应用率先发挥价值。其自研的国产行业大模型体系已于今年5月正式上线商用。
核心技术突破：乐言科技在垂直领域进行了充分积累，现已形成从底层技术到成熟产品的完整能力栈：
（1）以通用及电商、零售、金融、医疗等领域大规模多类目多语言，包括结构化数据、半结构化数据、海量文本、专有数据、多模态数据等多形态数据作为数据底座，为上层模型构建和业务应用奠定坚实基矗
（2）基于transformer构建单向自回归GPT模型和双向自编码BERT模型，在海量无标注文本数据训练得到百亿参数级别大规模语言模型。大模型能够更好地理解自然语言，具有很好的内容生成能力；另外针对领域基础模型面向各垂直领域搭建模型，可以针对电商行业复杂信息需求，提供精准的问句解析；指令调优是通过对程序的指令进行微调、算法优化等方式，持续优化算法，提高电商领域机器学习的效率，加快迭代进程。
（3）在基础模型上构建四大能力：①任务型问答。融合结构化深度学习、在线增量学习和端到端学习等主流技术，针对行业复杂信息需求，提供精准的问句解析和完备的答案回复。②判别式能力。融合自然语言理解、语音理解、排序学习技术，综合考虑用户画像、领域知识和对话、上下文的对话状态跟踪和流畅的话题切换、用户反馈，使用强化学习技术对用户意图和输出策略进行精准判断。③生成式能力。通过对所有数据集的自主学习提供更好的优质结果，针对电商行业自动生成优质商品描述、模拟优秀客服自动生成话术、主动推荐营销策略。④决策优化。全程智能优化，调配与利用更多资源以优化推荐、营销、RPA流程等方面，获取最佳决策方案。
（4）形成成熟完整的产品全链路：智能化产品可以运用到电商、医疗、金融、教育、科学等领域。在面向海量C端人群的行业，我们提供智能客服机器人、智能客户管理系统、低代码RPA、智能语音外呼等AI智能系统，覆盖“新客转化”“咨询服务”“老客复购”的完整客户生命周期，帮助各行业完成数智化升级，打开流量增长通道，提升客户服务体验。
商业模式创新：乐言科技的商业模式创新在于将AI技术产品化，是订阅制的收费SaaS，通过量产标准化产品盈利，可以高复用。因此，区别于传统的项目制。
本刊：贵公司的未来发展目标如何？可从商业、技术等不同角度展开。
沈李斌：未来发展目标是将AI技术赋能到其他行业，以及赋能到出海企业，实现全球范围内的业务拓展。从商业和技术角度来看，我们有着以下发展计划：
多领域赋能：我们将不断深化对各个垂直领域的理解，并将AI技术应用于更多行业，如医疗、金融、零售等。通过定制化的解决方案，我们将帮助这些行业提升效率、创新业务模式，并优化用户体验。
国际化战略：我们将借鉴中国企业在本土市场的成功经验，推出适应不同国家和地区需求的AI解决方案。通过跨国合作、本地化定制和市场洞察，我们计划在全球范围内实现业务扩张。
技术创新和领导地位：在技术方面，作为行业的技术领导者我们将继续投入研发资源，推动AI技术的不断创新，推进AI在各个领域的发展，并将最新的技术成果转化为切实可行的产品和解决方案。
我们的未来发展目标是以AI为驱动力，通过跨行业的赋能和市场多元化布局，推动AI在更多行业的落地，实现商业的持续增长。在技术创新和合作共赢的基础上，我们将不断扩大影响力，为全球客户提供创新、高效、个性化的AI解决方案，成为一家全球领先的人工智能科技企业。
本刊：请您预判下人工智能的下一轮迭代和演进会是怎样的？
沈李斌：首先，生成式AI将在各个垂直行业蓬勃发展，就像雨后春笋般涌现。这些AI模型不仅能够生成文本，还能生成图像、音频等多种媒体形式。在各个垂直行业，生成式AI将成为创意、内容创造和设计的得力助手，为人类创造力的释放带来新的可能性。其次，多模态技术在成熟行业的场景会更加丰富。将不同类型的数据进行融合，AI系统能够更全面地理解世界。比如，在医疗诊断中，医生可以结合图像和文字信息做出更准确的判断。这将整体升级白领的知识工作，在技术、经济和社会层面产生深远的影响。
