C 端太卷，轉戰企業級應用，大模型與業務場景之間的差距有多大？

作者 | 羅燕珊

To B or not To B，放到今天的大模型市場，依然是個可以無限議論的話題。

“to B 端的 AI 為企業提供的是更全局性的對生産力和生産效率的認知。由于個人對 AI 的擁抱程度千差萬别，to C 端的 AI 工具往往難以滿足企業對全局業務提效的需求。比如，同樣是 100 個設計師或文案，可能隻有 10% 會用 C 端産品積極求變，而企業級 AI 可以讓全員 100% 使用 AI 提效。”在日前的一場媒體交流會上，微盟集團 AI 負責人裘皓萍對外闡釋大模型 to B 端應用的價值。

從微盟自身的實踐來看，自 2023 年 5 月釋出以來，微盟大模型應用産品 WAI 通過開源自研以及與國内大模型平台展開合作，不斷疊代其技術能力與應用場景。在 SaaS 場景下，截至 2024 年 5 月，微盟 WAI 已拓展超 50 個真實商業應用場景，覆寫包括服飾飾品、美妝護膚、食品酒水、生鮮水果、日用百貨等行業。

而在營銷方面，WAI 提供包括廣告物料制作、廣告精準投放、直播數字人等多元度 AI 技術支援，其智能創作能力已覆寫全域營銷場景。

如今，微盟正在探索“WAI 企業版”，開始發力企業級 AI 服務。在微盟看來，經過這一年多的落地實踐，依托于成熟的 SaaS 系統，AI 技術在企業級服務中具備很大的發展空間。

把場景拆散揉碎，做企業級 AI

今年 5 月，微盟宣布已與國内十餘家大模型廠商達成合作。微盟 WAI 已全面接入包括騰訊混元、百度文心一言、智譜 AI、商湯日日新、月之暗面 Kimi、阿裡通義千問、科大訊飛星火在内的主流大模型平台。

事實上，相比 to C 端産品，企業級 AI 面臨的場景和解決的問題會更複雜。

微盟 WAI 技術負責人左江華在受訪時指出，“在企業級 AI 場景中，從文生文到文生圖往往涉及到多個大模型的關聯。是以，企業級 AI 是把各種場景拆散揉碎後，基于不同細分場景用 AI 去實作提效。相比 C 端産品，企業級 AI 最大的差別在于要搭建 SOP 做流程。”

具體而言，個人版 AI 通常提供的是基礎能力，依賴于預訓練模型來完成任務。例如，以 GPT 為例，個人版 AI 主要用于與使用者對話，并根據上下文生成回應。如果使用者需要生成一張圖像，個人版 AI 可能會通過不同的模型關聯來完成這一任務。盡管這些功能在一定程度上可以滿足個人使用者的需求，但在複雜的商業場景中，單一的模型和簡單的關聯往往難以實作理想的效果。

而為企業使用者開發設計的 AI 應用不僅僅依賴于一個模型或一種 AI 技術，例如，在設計一張商品海報時，為企業使用者開發設計的 AI 應用涉及多個步驟和多種 AI 技術的結合：

1. 商品分類識别：識别使用者上傳的商品分類。
2. 圖像位置檢測：确定圖檔在畫面中的位置。
3. 自動摳圖：自動将商品圖像從背景中摳出。
4. 提示詞生成：利用商品标題和分類資訊，由語言模型補充生成提示詞。
5. 風格适配：根據特定場景（如母親節、大促銷等），通過設計師經驗和行業經驗，将彩帶、禮盒等元素融入海報中。
6. 整體優化：確定圖檔的整體風格、内容和尺寸符合商城海報的要求。

左江華強調，除了流程的精細化，為企業使用者開發設計的 AI 應用的優勢還在于技術的不斷更新。一方面，模型能力在提升，大模型的參數量會不斷增加，模型對提示詞的了解能力也在這個過程裡不斷增強。另一方面，引入新的技術方案，比如使用形狀控制網絡、風格背景控制網絡和光影控制網絡等多種控制網絡，綜合解決圖像一緻性、位置和結構等問題，不斷提升生成圖檔的品質和效果。

抵達客戶場景不止“一公裡”

據介紹，過去一年微盟 WAI 的疊代工作裡，prompt engineering（提示工程）隻是基礎工作之一。如上文所述，微盟還進行了大量與中間層相關的工作。

“如果永遠停留在 prompt engineering，可能就沒有很好的前途的。”左江華表示。

裘皓萍進一步指出，最初的 3-4 個月，團隊确實集中精力于 prompt engineering，但随着 WAI 産品的内測和上線，在被使用者在部分場景“啪啪打臉”後，他們便迅速修正了政策和方向。

“如果在去年我們判斷還差最後一公裡用 Prompt engineering 就能解決問題，那我覺得在今年看可能差了 10～20 公裡。”裘皓萍表示，Prompt engineering 的作用在于将通用大模型輸送給客戶，但這種方式較為粗暴，且作用有限。微盟在過去一年解決的主要問題是如何讓大模型及其配套設施真正應用到客戶的實際場景中。

作為系統服務商和應用開發商，微盟如今寄予“WAI”的定位是博采衆長，通過打通三方系統，整合多方大模型，讓 AI 深入融入客戶的業務流程，甚至幫助客戶建立新的業務流程。

此外，通過 AI Agent，WAI 還能進一步幫助客戶可以開發私有模型，沉澱自己獨有的知識和風格需求。

如何應對高預期與現實的差距

不過，WAI 在推向客戶的過程中也的确存在不少挑戰。裘皓萍坦言，目前大環境不佳，客戶對預算的把控非常嚴格。如果是五六年前的市場環境，AI 商業化所面臨的挑戰可能不會像今天如此艱巨。

如今，客戶對價值的要求和投入産出比的精打細算成為首要目标，盡管如此，裘皓萍亦認為，未來十年或許會是最佳的時機。

除了大環境的影響，裘皓萍提到的另一大挑戰在于客戶對 AI 大模型的預期和實際落地效果之間存在差距，而微盟要做的就是不斷彌合當中的差異。

由于客戶在與大模型互動時，很多時候不知道該如何準确表達自己的需求，導緻大模型生成的結果不符合預期。為了應對這個問題，微盟 AI 團隊花費了大量時間去開發輔助工具和模闆，讓客戶可以更直覺地傳達他們的需求。例如，通過預設的節氣、節日、風格、行業等模闆，客戶可以輕松選擇适合的樣式，進而生成符合要求的内容。

此外，一些專業群體比如設計師需要用詳細的 Prompt 來指導大模型生成特定風格的内容。但客戶往往不知道如何寫出符合專業标準的 Prompt，那麼微盟 WAI 就讓 AI 幫助客戶生成專業的 Prompt，客戶隻需簡單描述，例如“少女站在夕陽下，旁邊是棵棕榈樹”，AI 就會自動将其轉化為專業的 Prompt，包含廣角參數、畫風參考等細節。

裘皓萍進一步舉例道，在幫助客戶使用大模型的過程中，微盟采用了許多小巧思。例如，原先是一次生成一張圖，現在改為一次生成多張圖，這樣客戶可以從多種風格中選擇最合适的一張。這樣既保留了大模型的創造力，也滿足了客戶的多樣化需求。

裘皓萍指出，彌合客戶高預期與實際落地效果之間差距的過程并非一蹴而就，這需要 AI 自身的發展以及微盟在解決最後一公裡過程中不斷打磨産品和技術的成熟度。她将這一情況比作十多年前微信剛出現時的情形，在微信生态還沒有豐富起來之前，沒有人預料到微信會以今天的方式改變企業營運和商業模式。

是以，微盟認為，真正實作 AI 商業化和讓企業全面擁抱 AI 還需要時間和耐心。

原文連結：C端太卷，轉戰企業級應用，大模型與業務場景之間的差距到底有多大？_AI&大模型_羅燕珊_InfoQ精選文章