钉钉开放AI生态战略的真正价值到底是什么?很多人都没看懂

来源: @首席数智官

hello 大家好,我们是数字化领军者都在看的首席数智官。

关注我,每天给你讲一个商业案例。

今天我们要给你讲的是:钉钉开放AI大模型生态的战略意义到底是什么?

「谁先赢得苹果,谁就赢得了胜利。」

英伟达高级研究科学家Jim Fan在社交媒体上评论苹果与OpenAI的合作。

在此前苹果开发者大会上,苹果公司宣布由GPT-4o提供支持的ChatGPT集成将于今年晚些时候登陆苹果系统。于是就有了Jim Fan的这句评论。

回顾苹果公司的发展史,真正让苹果产品走进千家万户的原因并不仅仅是独特的外观和对产品硬件的极致追求,而是它率先将「App Store」引入产品,为用户打造了一个完善的软件生态,才让自己成为了用户离不开的「数字中枢」。

类似的商业叙事在「AI大模型+toB」领域同样在上演。

钉钉,这个拥有7亿用户的国内最大的智能化协同办公和应用开发平台,宣布对所有大模型厂商开放,构建中国最开放的AI生态。

这是在6月26日「Make 2024钉钉生态大会」现场,钉钉总裁叶军宣布的最新战略决策。

据悉,除了阿里自有的通义大模型此前已接入外,钉钉一次性拉来了目前中国市面上最头部的6家AI大模型厂商——MiniMax、月之暗面、智谱AI、猎户星空、零一万物、百川智能。它们都已接入钉钉。

用户在使用钉钉的部分功能时,可根据自身需求任意选择自己所需的模型,来产出自己最需要的结果输出。

现场,叶军演示了在AI能力加持下钉钉的强大:

在钉钉上的掼蛋群里,只要告诉AI助理几点在哪里打牌,AI助理就会自动创建信息并提醒所有人,同时还能创建日程,甚至与群里的其他AI助理合作完成用户下达的任务指令。

叶军在演讲时表示:「模型开放是钉钉生态开放战略的再进一步。随着行业从模型创新走向应用创新,探索大模型的应用场景是钉钉的责任所在。钉钉拥有大量企业客户,数据优势与场景优势叠加,和大模型之间彼此需要。另一方面,钉钉上的大企业客户也对模型开放提出要求。

显而易见,今天AI大模型所展现的能力已经被各行业认可和接受。如何利用大模型完成对自身业务场景的改变和重塑,是当前所有数字化转型企业所共同面临的难题。

而现在,「造锤子」的大模型厂商们,与「钉子」般深扎企业业务场景与流程中的钉钉,第一次走到了一起。

就好像它们被拉进了同一个掼蛋群,一起解决客户问题。

1.难落地的大模型toB

发展两年,大模型的落地之路其实并不顺利。

在钉钉生态大会当天下午场的圆桌对话环节,作为主持人的硅星人创始人骆轶航给嘉宾抛出了这样两个问题:

toB or toC,大模型商业化怎么选?

烧钱之后,大模型如何赚钱?

本质上来说,这两个都是大模型商业化问题,嘉宾们也都有着各自的观点。但所有嘉宾都高度认可一件事:现阶段,toB是大模型快速实现商业化的最佳路径。

但toB,就意味着需要在企业端落地。

从全球视角来看,海外AI大模型产品确实也都在B端趟出了属于自己的商业化之路。

例如OpenAI通过出售大模型API接口来获取收入(该服务目前已对中国地区关闭);微软以订阅模式提供面向办公场景的365 Copilot服务;而Salesforce和SAP也将AI技术融入进自己的SaaS产品之中。

从表面上看,企业有大量现成的业务场景需要大模型优化,这是大模型toB模式的刚需。但与海外直接接入或采购标准化产品不同,中国的企业服务市场存在大量的碎片化、定制化业务场景,行业Know-how壁垒极高。

但通用大模型并不具备行业认知或业务场景认知。

因为无论是世界顶尖的OpenAI,还是国内MiniMax、月之暗面、智谱AI、猎户星空、零一万物、百川智能这些AI大模型新贵,它们的最终目标都是通过Scaling law来实现AGI。

这也就意味着,它们从一开始就不是为了某个行业或产业服务的,也并不熟悉具体的业务场景或流程,也就很难在企业端顺利落地。

猎户星空创始人傅盛在演讲中直言,尽管大模型的泛化能力已经可以降低模型对很多业务的理解门槛,但为了切入农副产品加工场景,他们依然做了大量的业务调研。

智谱AI COO张帆对此也表达了相似的看法。

在他看来,如果只是单纯从模型能力角度而言,行业Know-how并非阻碍大模型在产业端落地的难题。但模型一旦需要切入业务场景,那么大模型所需要积累的流程、数据、业务知识等就会大幅增加。

炎黄盈动CEO刘金柱也在访谈中表示,AI大模型在面对产业终端用户时,需要面对包括流程接入、数据处理、权限管理、安全治理等一系列问题,每一项问题都会给大模型落地造成阻碍。

换句话说,如果AI大模型厂商不熟悉具体的行业与业务场景,只是空有一身模型数据规模、推理能力、泛化能力等,就会陷入「拿着锤子找钉子」的窘境。

这也是目前AI大模型商业化被用户诟病最多的问题。

而总览中国的toB市场,钉钉无疑是具备场景最丰富的产品。因为钉钉本身就根植于企业的业务场景之中。

截止到2023年12月末,钉钉用户数已达7亿,企业组织数达2500万,软件付费企业数达12万。

在AI层面,钉钉早已完成自身产品的AI改造,成为国内首个全面开放AI的国民级工作应用,有70万家企业真实使用。

「每天,都有千万甚至上亿级别的费用审批流程跑在钉钉上。过去,财务人员在审批流程通过之后,还要用网银打款。现在钉钉与国内的主流银行全部打通,直接用钉钉就能完成支付。」叶军在演讲中介绍钉钉典型的金融业务场景。

2.锤子与钉子的双向奔赴

「我不相信Scaling law。大模型技术曲线明显放缓,这意味着大模型将会在应用场景大规模爆发,未来肯定百花齐放。

金沙江创投主管合伙人朱啸虎近期对AGI的评价观点在业内颇为流行。

尽管看上去朱啸虎的观点与大模型厂商们似乎背道而驰,但在过去一年多时间里,大模型行业经历了数量爆发和快速迭代时期。随着模型能力的不断提升,「真实场景中的大规模应用,是大模型价值验证和通往AGI的必由之路」的观点已经成为共识。

而钉钉作为国内最大的智能化协同办公和应用开发平台,拥有海量的用户和千行百业的应用场景。

回顾钉钉的AI发展历程,去年4月,钉钉接入通义大模型,用AI将产品重做一遍,至今已经完成了20多条产品线80多个功能的AI化;去年8月,钉钉开放了AI PaaS,帮助生态伙伴用AI重塑产品。

如今,钉钉将自身产品和场景向所有大模型厂商开放,构建最开放的AI生态,与伙伴共同探索大模型应用之路。

据叶军介绍,钉钉与大模型生态伙伴将以三种模式展开合作与探索。

第一,在钉钉最擅长的通用办公协同场景下,钉钉的IM、文档、音视频等产品的AI能力主要由阿里自有的通义大模型支持。

在此基础上,钉钉将结合其他各家大模型的特点,探索不同模型能力在产品和场景中的应用。例如,钉钉正和月之暗面一起,基于大模型的长文本理解和输出能力,探索教育类应用场景。

第二,针对目前越来越多的业务数字化、流程个性化的需求场景,钉钉已向大模型生态伙伴开放AI助理(AI Agent)开发平台。开发者在钉钉上创建AI助理时,除了默认的通义大模型外,还可以依据自身需求,选择不同厂商的大模型,以此满足企业业务场景的专属需求。

第三,对于一些例如需要与企业生产环境的各种系统做大量集成的高度定制化、交付难度大的行业场景,钉钉将与大模型厂商一起,为客户定制相应的智能化解决方案,并提供模型训练调优、AI解决方案打造、AI定制应用开发等服务,还可实现模型的私有化部署。

除了上述三种场景外,钉钉还与自身软件生态中的众多ISV一起拥抱AI,共同探索企业业务场景。

现场,叶军发布了钉钉7.6版本的功能升级,其中的「一体化套件」产品,就是由钉钉与ISV厂商联合研发,由钉钉与ISV厂商各自提出核心能力模块,相互嵌入共同为企业用户提供更优质的服务。

例如客户服务类SaaS售后宝,采用API inside模式,将钉钉AI助理能力内嵌于自身的应用之中,打造「AI客服助理」,为客户提供自然语言问答、数据分析等功能和服务。

据叶军介绍,过去一年,钉钉联合22家生态合作伙伴,先后推出了智能人事、智能合同、智能财务、智能差旅、智能营销服共5大类管理套件。

3.大模型七龙珠的关键战略

很容易看到的现象是,大模型需要借助钉钉切入业务场景,而企业用户对钉钉也同样提出了更高的AI能力需求。

所以AI大模型厂商们与钉钉的合作,无疑是一场锤子与钉子的双向奔赴。

但旁观者很难看到,这种双向奔赴能够达成的背后,其实是钉钉迈出了非常大的一步。

去年,钉钉发布了一个极为重要的战略级平台——AI PaaS。

这是一个面向生态伙伴和客户开放的智能化底座,能够「承上启下」打通大模型与千行百业用户的真实需求。

这是钉钉自2022年提出「PaaS First」战略之后发布的战略级平台。也正是基于AI PaaS,如今钉钉才能够从技术层面凑齐AI大模型「七龙珠」。

站在云的角度而言,PaaS层的作用在于,它抽象掉了底层硬件和操作系统细节,用户不需要管理与控制云端基础设施,让开发者聚焦在自己的业务逻辑上,从而更好解决实际的业务需求。

AI PaaS的价值也在于此。它能够让企业用户无需了解底层大模型的研发与训练,而是基于AI PaaS对模型进行调用,让用户精力回归自身业务场景。

对于企业用户来说,可以基于AI PaaS,将业务数据直接动态加载到大模型的调度引擎,而非注入底模型去进行训练,由此降低企业用户使用大模型的成本,并且让用户能够实时跟随底模型的迭代享受到不断升级的智能化能力、可靠性以及安全能力。

在去年钉钉发布AI PaaS平台时,叶军就曾透露,AI PaaS的模型训练平台,是可以为每个企业去提供一个安全可控的专属的行业化模型训练平台,可以对接不同的大模型,结合上层钉钉的「炼丹炉工程」应用,解决专属化企业数据跟大模型之间融合的问题。

而时隔一年之后,钉钉AI PaaS的战略价值更进一步凸显。

在「首席数智官」看来,AI PaaS不仅是大模型技术支撑的关键基础,也是钉钉AI大模型生态建设的基础。

这是一个想象空间巨大的开放战略。它不仅满足了钉钉在不同企业用户之间的多样性需求,也让更多的AI大模型厂商接入钉钉,进一步打造AI大模型生态,实现正向循环。

4.生态是唯一的胜负手

由AI PaaS支撑,接入诸多AI大模型共同服务企业用户。钉钉为中国的toB市场提供了一套值得参考的生态构建范本。

据「首席数智官」长期对钉钉的关注,从2022年3月首次提出「PaaS First,Partner First」生态战略以来,钉钉就一直围绕自身业务场景能力进行AI生态建设。

如今,生态开放已成为钉钉最重要的核心战略之一。

从数据层面看,目前,钉钉生态伙伴总数超过5600家,其中AI生态伙伴数量已经超过100家。

除了AI大模型生态伙伴外,还有AI Agent产品、AI解决方案、AI插件等不同领域的伙伴,钉钉AI每天的调用量超1000万次。

今年1月,钉钉发布了AI助理。截至5月底,钉钉上创建的AI助理总数约50万个;今年4月,钉钉正式上线AI助理市场(AI Agent Store),覆盖企业服务、行业应用、效率工具、财税法务、教育学习、生活娱乐等类目,一个多月以来,上架的AI助理数量已超700个。

如此众多的生态伙伴选择钉钉,是因为他们真正在钉钉上赚到了钱。

过去一年,钉钉和生态伙伴深度集成的套件产品取得飞速发展。套件将生态伙伴的功能集成进钉钉自身产品中,为客户提供统一无缝的使用体验。

截至5月底,钉钉套件的生态合作伙伴共计22家,近一年实现营收近1亿元。

其中,探迹与钉钉合作的「钉钉客户管理」套件营收超千万;Moka、e签宝、用友畅捷通、蓝凌、北极星、鸿欢等共计11家生态伙伴套件产品的营收分别超过百万级。

钉钉为生态伙伴带来了实打实的收益,而也完善了钉钉的软件与服务生态。

更重要的是,生态的繁荣,不仅让钉钉越发有机会成为企业数字化转型的操作系统级入口,还构建了钉钉自身的业务护城河。

正如依靠软件生态让自己立足于不败之地的苹果与微软一样,如今的钉钉,正在中国的企业数字化领域走着相同的道路。

相信很快,国内其他协同办公或AI PaaS平台产品也会跟进,加速进行自身AI生态建设,未来这或许会成为中国toB市场的关键变数,也是AI+toB能否成功的关键胜负手。

-END-

你喜欢用钉钉吗?欢迎在评论区留言告诉我们。

如果你觉得本文有价值,欢迎点赞分享收藏。

如果你想进一步与我交流,欢迎随时私信。

关注 @首席数智官,数字化领军者都在看

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/38714.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AI大模型日报#0701:Meta发布LLM Compiler、扒一扒Sora两带头人博士论文

导读:AI大模型日报,爬虫LLM自动生成,一文览尽每日AI大模型要点资讯!目前采用“文心一言”(ERNIE-4.0-8K-latest)生成了今日要点以及每条资讯的摘要。欢迎阅读!《AI大模型日报》今日要点&#xf…

09 - matlab m_map地学绘图工具基础函数 - 绘制区域填充、伪彩色、加载图像和绘制浮雕效果的有关函数

09 - matlab m_map地学绘图工具基础函数 - 绘制区域填充、伪彩色、加载图像和绘制浮雕效果的有关函数 0. 引言1. 关于m_pcolor2. 关于m_image3. 关于m_shadedrelief4. 关于m_hatch5. 结语 0. 引言 本篇介绍下m_map中区域填充函数(m_hatch)、绘制伪彩色图…

数据库连接池满问题

概述 当数据库连接池满时,可能会导致新的数据库连接请求无法被处理,进而影响应用程序与数据库的交互。以下是针对数据库连接池满问题的详细分析和解决策略: 问题分析 连接泄漏:应用程序在使用完数据库连接后没有正确地关闭连接&…

2.2章节python的变量和常量

在Python中,变量和常量有一些基本的概念和用法,但需要注意的是,Python本身并没有内置的“常量”类型。然而,程序员通常会遵循一种约定,即使用全部大写的变量名来表示常量。 一、变量 在Python中,变量是一…

唯一ID:雪花算法介绍与 Go 语言实现

介绍 snowflake 雪花算法可以在不依赖数据库的情况下,生成全局唯一的ID。雪花算法生成的ID是一个64位的整数,它由以下4部分组成: 时间戳:占用41位,精确到毫秒级,用于记录时间戳,差值形式可以使用69年。数…

数据库设计规范详解

一、为什么需要数据库设计 1、我们在设计数据表的时候,要考虑很多问题。比如: (1) 用户都需要什么数据?需要在数据表中保存哪些数据? (2) 如何保证数据表中数据的 正确性,当插入、删除、更新的时候该进行怎样的 约束检査 ?. (3) 如何降低数据表的 数据…

每天一个数据分析题(三百八十五)- 回归模型

在回归模型中,下列哪一项在权衡欠拟合(under-fitting)和过拟合(over-fitting)中影响最大? A. 多项式阶数 B. 更新回归参数w时,使用的是协方差矩阵求逆还是梯度下降 C. 使用常数项 D. 以上都…

python导入未找到tensorrt,No module named ‘tensorrt‘

(2024.7.1) 这个错误可能比较少见,是因为本人先装了tensorrt 10.1(能够正常运行),后面又装了nvidia-tensorrt 7,后面不想用7了就把7卸了用回10,结果即使同一版本的tensorrt和nvidia-tensorrt都装了&#x…

毫米波雷达深度学习技术-2.1~2.2深度度量学习和成对方法

2 深度度量学习 有几种雷达应用程序旨在对一组预定义的类别进行分类,例如不同的人类活动或手势。然而,在实际环境中,存在的类不仅仅是预定义的类,这就把问题变成了一个开放集的分类任务。开放集分类意味着网络应该能够检测输入是否…

[AIGC] StarRocks 快速了解

星石数据库(StarRocks)是一种高性能、分布式的列式存储数据库系统,旨在为大规模数据分析提供快速和可靠的解决方案。它由StarRocks团队于2015年开始开发,最初是由中国电子科技集团公司(CETC)内部项目&#…

Chapter 8 Feedback

Chapter 8 Feedback 这一章我们介绍feedback 反馈运放的原理. 负反馈是模拟电路强有力的工具. 8.1 General Considerations 反馈系统如下图所示 Aolamp open-loop gain即开环增益. Aolxo/xi β \beta β 是 feedback factor, 注意方向. β x f x o \beta\frac{x_{f}}{x_{o…

Python内置函数enumerate 将可迭代对象组合成索引序列列举出数据和数据下表

enumerate 是一个内置的 Python 函数,用于将一个可迭代对象(如列表、元组、字符串等)组合为一个索引序列,同时列出数据和数据下标。 参数说明: enumerate(iterable, start0) 接受两个参数: iterable&…

从零开始:Java开发者的设计模式指南

从零开始:Java开发者的设计模式指南 大家好,我是免费搭建查券返利机器人省钱赚佣金就用微赚淘客系统3.0的小编,也是冬天不穿秋裤,天冷也要风度的程序猿!今天我们将深入探讨Java开发中的设计模式,这是每位J…

一、课程介绍,基础—环境安装、判断、循环语句等(爬虫及数据可视化)

一、课程介绍,基础—环境安装、判断、循环语句等(爬虫及数据可视化) 1. 课程介绍1.1 相关内容1.2 学习目标1.3 学习内容安排 2. python2.1 环境配置2.2 标识符和关键字2.3 运算符2.4 判断语句2.5 循环语句 1. 课程介绍 1.1 相关内容 10天的…

【pytorch11】高阶操作

高阶操作 WhereGather where 三个参数,第一个是condition,第二个参数是源头A,第三个参数是源头B,也就是说有两项数据A和B,C有可能来自于A也有可能来自于B,如果全部来自于A的话直接赋值给A,如果…

算法金 | Transformer,一个神奇的算法模型!!

大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 抱个拳,送个礼 在现代自然语言处理(NLP)领域,Transformer 模型的出现带来了革命性的变…

推送本地代码库到gitee

方式一: 1、在gitee创建代码库 2、下拉到本地 git clone https:xxxx 3、将要上传的代码复制进去 4、git add . 5、git commit -m 6、git push -u origin master 成功 方式二: 1、在gitee创建代码库 2、将要上传的代码库执行 git init 3、gi…

无线物联网练习题

文章目录 选择填空简答大题 选择 不属于物联网感知技术的是(A) A:ZigBee B:红外传感器 C:FRID D:传感器 ZigBee是一种无线通信技术,虽然它常用于物联网中作为设备之间的通信手段,但它本身并不是一种感知技术 关于物联网于与互联网的区别的描述&#xff…

【机器学习】基于Transformer的迁移学习:理论与实践

引言 在机器学习领域,迁移学习已成为提升模型训练效率和性能的重要策略,特别是在标注数据稀缺的场景下。Transformer模型自2017年由Google提出以来,在自然语言处理(NLP)领域取得了突破性进展,并逐渐扩展到…

map和set的底层实现

前言 map和set的底层都是由红黑树构成&#xff0c;但是map是kv模型&#xff0c;set是k模型。如何用一颗子树来同时封装map和set&#xff0c;还有怎么实现map/set的迭代器是这节重点 map和set的模板参数 struct MapKeyOfT{const K& operator()(const pair<K, V>&am…