应用大模型 飞书钉钉金山开卷

互联网公司们期盼AI成为新增长魔法。

4月18日，钉钉带着魔法棒现身2023春季钉峰会，金山办公发布WPS AI。在此前的一周，飞书也正式对外公布了全新的AI智能助手“My AI”。

而拥有自研大模型文心一言的百度，则于4月17日宣布在内部应用智能工作平台“如流”，涵盖文本和图片生成、代码推荐两大场景。

协同办公领域开卷，大模型在国内加速向支持应用层工具又近了一步。

生产力工具智能化：场景数据是关键

2023年3月，微软宣布推出国际版Microsoft 365 Copilot，将大型语言模型（LLM）与生产力工具相结合。此前，微软已推出全球首个应用于CRM和ERP系统的“智能副驾”国际版Dynamics 365 Copilot。

仅仅一个月之后，钉钉、飞书、金山办公相继接入大模型，开启智能化的全新阶段。

以钉钉现场演示的场景为例，主要包括群聊、文档、视频会议及应用开发。

具体来看，在群聊中新入群者无需爬楼，在对话框输入钉钉斜杠“/”即可自动整理群聊要点，快速了解上下文，并生成待办、预约日程。还可以用“/”在群聊中创作文案、表情包等。

在聊天中，用户用“/”创建机器人后，只需要发送文档、网页或者知识库的一条链接，就可以让机器人自动学习其中内容，并可生成对话问答，不用再手动设置问题和答案。

在钉钉文档中，“/”可以帮助用户写文案、生成海报。在视频会议中，“/”能一键生成讨论要点、会议结论、待办事项等，并在应用开发中，根据用户需求，可以自动生成订餐统计小程序等。

钉钉文档中演示通义千万大模型应用

根据WPS AI对外发布的内容，WPS AI可以提供起草、改写、总结、润色、翻译、续写等功能，用户还可以再插入一篇或多篇已有的文档，作为AI内容生成的参考素材，使生成的内容更具备用户已有内容的相关性。

针对相关应用何时对公众可用以及后收费模式等问题，36氪企服点评也向钉钉、飞书与金山进行了询问，但各家均未给出具体信息。

“钉钉和 WPS 在自身产品与 AI 的结合上，正在追赶像微软和 Notion 这样的生产力软件。”Forrester分析师卢冠男向36氪企服点评表示，从用户接纳的角度来讲，还需一段时间观察。一方面是不是所有功能都已完全开放，另一方面目前场景较为碎片化，在日常工作中如何使用仍待用户实操和探索。

相比较而言，卢冠男认为，微软的 Copilot 更加全面，布局更早。具体来看，由于微软现有软件服务生态范围不仅限于协同办公软件，和 Dynamic365等服务数据源的打通会进一步扩展 Copilot 跨软件的能力范围。同时，微软在去年就有尝试将 NLP to Query 的形式融入其 Power BI 产品。可见其对生成式 AI 在各个产品线的整合也相对有更多积累。

钉钉接入的大模型是阿里云的通义千问，而WPS AI背后的大模型提供者则是MiniMax。卢冠男注意到，对比 OpenAI，目前厂商的大模型实现方式正在引入RLFH（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）的方法，向 OpenAI 看齐。在技术投入的过程中也在充分参考开源的方案，比如在文生图的方式上参考 Stable Diffusion 的模型结构。目前看来，已发布公测的对话任务表现仍不及 GPT-4，还需要进一步投入和探索。

深度科技研究院院长张孝荣也表示，各大厂商接入大模型，意味着国产大模型迈出走向商用的一小步。未来一段时间，经历了更大规模的实验测试阶段后，AI的智能水平会更加成熟。

“最终还得看谁有场景数据可训练。”SaaS商业化顾问戴珂向36氪企业服点评指出，钉钉的大模型潜力与金山办公不能相提并论，钉钉的业务属性是大模型的价值。当然，所有协同办公接入模型都值得一做，只是训练的结果水平有差别，钉钉场景数据更多，更有利。模型并非越大越好，厚度产生价值。

多重挑战下，大模型应用突围

WPS AI对工作周报的演示

钉钉总裁叶军在2023春季钉峰会表示，新钉钉将全面智能化，未来一年所有场景都将进行智能化布局。

金山办公CEO章庆元也在WPS AI发布会上直言，“后续一大波能力正在路上，预计未来几周陆续可以和大家见面，我们也努力做合规方面的产研工作，争取早日可以公测。”

各家都在热切拥抱 AI 2.0的新机会。如创新工场董事长兼CEO李开复所言，AI 2.0是一个巨大的平台式机会，而且是中国在AI领域的第一次平台角逐机会。

对于 AI 2.0 ，Forrester归纳出的三个特点分别是：生成式能力，通用性模型和泛化的软件集成。卢冠男相信，未来会有更多 SaaS 和 ISV（独立软件开发商）在应用层整合基于大模型的AI功能。探索创新的策略上有两种方式，一是如何用 AI 能力支持现有使用场景，其二是如何基于AI能力打造全新的产品和服务。

卢冠男认为，当前的挑战主要来自两方面。

第一，客户需求还有待验证。目前技术厂商出于竞争的诉求，都在生成式人工智能方向上积极投入。但企业市场的买方仍然秉持谨慎的态度进行场景验证。消费端市场目前国内仍未有企业在类似 ChatGPT 的杀手级应用出现。技术厂商可能需要调整其投入产出和对经营的预期。

第二，未来潜在的技术革新可能在多模态模型（Multimodal Model）领域。因为 GPT-4 已具备这一功能，只是还未完全开放。这对目前围绕大语言模型（Large Language Model - LLM）竞争的企业而言，可能意味着即将面临新的竞争焦点和更大的技术投入。

长期关注企服领域的畅销书《复利思维》作者王智远坦言，这些软件厂商主要面临数据质量、算法精度、计算资源、用户需求四个方面的难点。

而戴珂则认为，巨大模型对于具体SaaS业务没有太大价值，一切取决于业务领域的窄模型训练。GPT对SaaS最大价值，可能会解决标准和个性化之间的权衡问题，即一个更多用户可以接受的“标准化”应用。对于一般SaaS公司来说，没有训练数据和训练条件。如果提供的结果都是常识水平，那样AI也起不到什么作用。总之，积极参与，利用AI生态成果，从大模型到聚焦窄模型价值，单点AI增强。

虽然存在挑战，但国内厂商在基于大模型应用落地上，也有独到优势。

卢冠男强调，优势主要来自于人才，即大量的软件工程师和AI领域人才。目前开源社区也在积极探索和分享生成式人工智能模型的技术经验。人才投入叠加对行业最新实践的经验将是当下企业积累生成式人工智能技术的关键。

王智远也提到，无论钉钉还是金山办公，都具有多年软件开发经验的公司，在AI技术应用方面也有一些优势，比如，丰富的应用场景、多款办公软件产品，涵盖办公、教育、协同等领域，可以为AI技术应用提供丰富的场景和需求。同时，通过对用户语音数据的处理和分析，厂商可以不断优化AI算法，提升语音助手的准确性和用户体验。

王智远提醒，厂商需要注重数据隐私与安全。“AI产品训练，必定需要大量内容投喂，厂商应当合法合规地收集、存储和处理用户数据，严格遵循相关法律法规和隐私保护标准，确保用户数据不被滥用、泄露或侵犯。”