大健康风口之下，16年全栈程序员转身投入大模型浪潮｜我爱黑「可颂」路演项目专访

文｜AI协同创新中心

ChatGPT这一现象级产品的横空出世，将创投科技圈关注的焦点重新拉回AI领域，也开启了大语言模型产业和应用发展的序幕。

于是可以看到，各大厂商纷纷在上半年推出自己的大模型，国产大模型的诸神之战已然开始。不少科技圈头部大佬也投身AI创业，试图在新一轮技术浪潮中抢占先机。

随着国内外「基础设施」都已初具雏形，当下的大模型行业开始进入应用落地的第二阶段。如今业内的共识是：大模型将是比移动互联网大10倍甚至能主导未来十年科技发展的机会，但我们都在AI黎明到来前蒙眼狂奔。这也向我们提出一个疑问：大模型作为技术底座，如何结合实际场景开发出真正有价值的上层应用？

与其坐而观海，不如跳入其中。

10月中旬，36氪AI协同创新中心联合AI开发平台Colingo共同发起了我爱黑“可颂”大语言模型应用创新挑战赛。经过半个多月的招募，我们从投递的37个作品中，筛选出25个参赛项目进入线下路演，最终在11月8日的决赛中诞生了4名优胜队伍。

其中，“科技与狠活”团队脱颖而出拿下总评分第一名，赢得冠军奖励。36氪AI协同创新中心在与团队两位合伙人沟通的过程中了解到，路演一经结束，他们不仅收到了参赛者们的肯定，也在赛后得到了资方的接洽。

16年全栈程序员的创新之旅

上传图片就能识别食品配料表里的添加剂，并结合用户自身健康状况给出合理化的建议，这是“科技与狠活”团队所开发出应用的案例。

后疫情时代，随着国内消费升级以及人们健康消费意识的崛起，消费者不仅要吃得好，也追求更健康的饮食结构。据天猫健康的统计数据显示，过去一年，天猫健康年度购买用户数近3亿，人均年度购买频次超过5次，实现千亿元级交易规模。然而，在日常生活中，如何避免掺杂着海克斯科技的食品侵入我们的生活，又如何确保食品对自身的影响和危害，成为每一个人关心的问题。

“今年8月份，我看到了新加坡食品安全分级的新闻，其中对饮料含糖量设立ABCD的健康分级制度，便于消费者选择适合自己的现调饮品。”看到这一新闻的李英辉立刻想到普通消费者对一些常见食品中的营养成分并不清楚，对食品中不常见的添加剂也不了解，这些食品吃进去是否真的有益于人们的身体健康？

“现在的食品工业越来越发达，食品中的添加剂也越来越多，通常我们吃的每一样东西里添加剂都几种到十几种，这些添加剂对一些亚健康人群本身就不是友好的。再加上一些基础慢性病的人群数据不仅日益上涨，还呈现出年轻化的趋势，三高、痛风、糖尿病等人群对于饮食要求高，对食品安全有一定的重视，但是缺乏相关专业知识，所以无法很好的去辨别，我们产品可以对此来提醒用户并给出建议。”

图片来自“科技与狠活”团队

李英辉是团队成员之一，作为一名从业16年的全栈程序员，经历了PC互联网到移动互联网的发展变更。“基于对健康趋势的观察和当下消费者们的痛点，我想到能否用AI去识别配料表，并结合大模型的知识补充能力，让普通用户也能找到适合自己更加健康的食用建议。”

说干就干。李英辉找到多年好友Raden一起来做这件事，自己负责技术方面的大模型调优和知识库的整理，而Raden则负责产品方向的定性、运营以及未来发展的推进工作。瞄准健康消费人群，主打让消费者了解食品中的添加剂问题，两个人正式开始了创业之旅。

Demo一周成型，未来计划上线独立App

“（产品）想法的雏形是在8月份，而Demo成型是在10月20日，我们大概花了一周的时间来做这个事情。”据李英辉介绍，Colingo在他们的开发过程中起到了不小的作用。“一个是本地向量化数据库，一个是Autoagent的思想构建，可以构建模型调用链。”

实际上，Colingo是一个低代码平台，能够帮助开发者降低代码和开发环境的复杂度，同时后端支持多种大模型，能够助力企业基于各种大模型快速开发应用。

低代码平台Colingo提供了本地数据库以及Autoagent的基础支撑，基于国内外的食品安全分级以及大语言模型的分析和生成能力，可以很好地对用户提出合理化建议。并且后续会逐渐丰富产品形态，从食品配料表识别，逐步扩散到化妆品、保健品等品类，并千人千面地去帮助用户吃得更好、用得更好。

基于AI技术和大模型，与传统OCR受配料表的文字方向、排版等影响进而产出结果相对较乱不同，该产品能够基于AI将图片识别的结果进行整理，并以结构化的方式与本地的知识数据库进行匹配，进而给用户带来合理化的建议。

图片来自“科技与狠活”团队

需要注意的是一般垂直领域大模型不会直接让模型生成答案，而是跟先检索相关的知识，然后基于召回的知识进行回答。而在大模型的数据库方面，“科技与狠活”团队目前拥有200+的配料表数据，未来还会与江南大学食品学院的专家建立更深层次的联系，针对国家已有的食品添加剂进行更详细化的数据总结，同时由于用户购买也会有进口商品，“科技与狠活”团队还将联系美国的FDA相关标准，进而投喂给产品大模型中，丰富本地的向量化数据库，以便满足市场用户95%以上的食品选择需求。

目前，“科技与狠活”的产品载体是小程序，需要用户进行手动输入一些关键信息后，AI大模型才会进行有针对性地匹配。而据他们规划，这个新的产品后期会有独立的App，也将会存在于丰富的终端中，以便更好地监测用户的健康状况，并给出相对应的建议和反馈。

此外，“科技与狠活”团队规划，后期他们也会将场景从食品配料表逐渐扩充到洗漱用品、化妆品、保健品等其他品类，同时随着大模型能力的日益提升，后期用户可能直接上传病例即可完成千人千面的解答和建议。

商业化落地的两道大门

每一次技术大变革之后，总会有两拨人受益：一拨是专注发明创造的，另一拨则是懂得如何使用的。

前者是在ChatGPT爆火前完成创造的OpenAI，目前已经赚的盆满钵满。据OpenA首席执行官萨姆•阿尔特曼（Sam Altman）对员工透露，OpenAI的年营收达到了13亿美元。而后者，则需要站在巨人肩膀上，深入到每一个场景，每一个产业，完成技术的商业化落地和普惠。

这就好比，ChatGPT解决了人们对智能聊天机器人的期待，但并未解决如何让这一能力在千行百业中绽放。换句话说，完成大模型应用的落地，实际上缺少嵌入合适场景的最后一公里。

在与36氪AI创新协同中心的沟通中，“科技与狠活”团队表示，尽管抓住了食品配料表这一场景，但想要将这一项目进行商业化落地，目前面临的困难依然有OpenAI的API替换，以及后期产品声量的扩充问题，只有完成这两个，才能实现AI大模型的价值范式转移

在项目初期，团队采用的是ChatGPT的语言模型，对国内大模型暂未适配和调用。而当后期产品形态逐渐成熟之后，如何利用媒体来提升产品影响力收集用户反馈也是不可或缺的一个重要方式。

最后，科技与狠活团队对本次大赛表示认可，并希望来年第二届时能上台分享自己的创业路径给予参赛者鼓励和引导。

大模型浪潮继续涌动，在这个充满无限可能的未来，在无尽的数据洪流中，他们的项目并不是个例，后期我们也将发布更多大赛路演项目的专访内容，敬请关注。