何积丰：数智经济拥抱 AI 大模型

8 月 19 日，由用友主办的“2023 全球商业创新大会”在上海隆重召开。本次大会以“数据驱动 智能运营”为主题，汇聚众多行业领先企业及各界商业精英，深入探讨解决企业数智化面临的全面数据服务、AI 普及应用、升级数智底座、主题化融合应用创新、价值化国产替代及中企出海等诸多课题。

会上，中国科学院院士 、著名计算机软件科学家何积丰做了《数智经济拥抱 AI 大模型》精彩演讲。针对企业数智化转型和大模型的关系，他表示，大模型和企业数智化是互动关系。企业服务大模型更加考验业务场景的接触和理解，以及对企业数据的应用。企业通过大模型的逐步升级，实现数字化的升级，推动产业改革，同时为大模型提供更加丰富的数据。

以下内容根据 2023 全球商业创新大会演讲内容整理。

何积丰：首先，我对会议组织者用友集团邀请我来参加会议感到非常荣幸，今天我和大家报告的题目是《数智经济拥抱 AI 大模型》。

01

人工智能的发展历程

人工智能发展的过程，历经了专家系统、机器学习、弱人工智能，强人工智能四个阶段

早期出现了简单的专家系统，将专家经验用软件的方式固定在机器上。机器收到相关指令后，专家系统就会自动生成报告文档。但是自动生成的文档并不能完全满足要求，此时，就需要培养机器的智能能力。就像教育系统一样，培养机器也要准备“数据”教材，并对数据打标签，让机器识别特征数据，并在这个过程中不断进阶，了解自然语言。

在实践中，人工智能的发展是有三个不同类型的系统。

第一类系统是用于感知。早些人工智能用在人脸设备并用于视觉模块上，这是第一层技术产品，尽管非常原始，但是这个产品是不可或缺的，没有感知系统，机器就无法辨别周围环境。

第二类系统，即自然语言处理的技术。过去人机交互界面上工具和手段比较简单，需要用键盘，工作量大且只能处理文字。但是多模态数据不仅有文字，还有图像。目前，自然语言处理上取得了很大突破，这个方面最典型的成果就是生成式大模型，ChatGPT 也是一种人工智能技术驱动的自然语言处理工具。

第三类系统是智能执行系统，又称为具身智能。这种智能产品拥有人的外形，不是数字人，更像一个物理人。这种智能产品的主要成果不是卖服务，是卖产品。比如说医院里面用的开刀机器人就是具身智能。未来，新型的智能设备都在朝着这个方向发展：视觉模块和具身智能都将有自己的自觉和语言，为自己学习，会自己作主，做自己喜欢的事情，这就是关于人工智能发展的路径。

数智经济的发展历经了信息化、网络化、数智化三个阶段。目前，衡量企业数智化有多个指标：创新领先的产品服务、客户喜爱的极致体验、高速自治的产品运行、与时俱进的员工赋能、无人少人的安全作业、绿色低碳循环发展、全部在线的企业资产以及及时可得的金融服务。

02

大模型和企业数智化有互动关系

大模型和企业数智化有互动关系。依靠人工智能，产业数智化发展比较快。企业大数据是其中的核心问题。没有企业大数据的话，也不可能生成好的企业模型。从这个意义来讲，通过大数据，帮助产业走向数智化道路。产业在数智化的过程当中会产生更加丰厚的数智土壤，这个土壤倒过来也会对原来模型进行修正和改善，它们之间是互动关系，而不是单单一个助手，AI 对企业很有帮助，但是没有数智工厂提供的经验和 know-how 的话，这个系统就不是完善的系统。

大模型促进企业数字化发展的作用体现在以下三个方面：

第一：企业大模型能够帮助产业伙伴完成数智化转型和降本增效，为产业和社会创造更大的价值；

第二：企业大模型主要是通过自身积淀的行业化、场景化的数据和知识，对大模型进行训练，并结合自身所积累的行业 Know-How，对大模型进行修正，以提升大模型在特定行业及应用场景的表现，并提高实用性和可控性；

第三：大模型通过逐步深入各个产业，提升企业的智能化水平。反过来，企业的数智化升级也可以推动产业变革，进而为大模型提供更丰富的数据土壤，形成正向循环。

03

大模型的价值和应用场景

企业大模型和通用大模型相比，企业大模型建设难度远比通用大模型高得多。企业大模型是基于通用大模型的基础训练而来，二者不是对立关系。企业大模型更关注产业厚度，生成的内容更符合产业垂类场景的需求，更有针对性。通用大模型考验的是算力、算法积累，企业大模型更考验业务场景的触达与理解，以及对产业数据的积淀与运用。

企业大模型的训练不能只用产业数据，还需要使用大量通用数据，来提供常识性知识。企业大模型，除了需要源源不断供给的高质量产业数据，还需要了解行业 Know-How，即对产业拥有特有的知识，对理解力要求也更高。

大模型价值的实现，一定是在真实的企业场景中。只有深入企业、解决实际问题的大模型，才具备价值。大模型的价值体现在：

一、数据分析：实时掌握企业经营和财务数据的分析，趋势预测等。

二、决策支持：可以帮助企业从数据中挖掘有价值的信息，从而帮助企业制定相应的计划；另外大模型数据的处理能力，可以帮助企业降低风险，提高决策的准确性。

三、提高效率：大模型具备非常强的语义处理技术，可以帮助企业更好的理解用户的意图和需求。这样，企业能够构建智能客服系统，有效地实现自动问答，提升客户的服务体验感。

四、产品的研发与创新：通过训练大模型，企业可以按客户的历史行为和偏好，推荐最相关的产品；另外大模型也可以用于产品的智能生成和创意生成。

在企业实践中，大模型大模型应用场景有：智能客服，基于强大模型推理能力、结合上下文快速理解推论、实现精准回复；任务智能调度，自动协调不同部门的工作安排，分析、规划、执行和展示任务结果；智能知识引擎，类似企业私域知识的智慧大脑，无论是文字、文档、图片还是语音都能识别和理解，促进知识的传播和应用；智能人力资源管理，借助大模型信息抽取和汇总能力，逻辑判断能力等，实现智能招聘、人员管理、员工考核；智能生成销售订单，融合供应链经验，通过一边“聊天”一边生成“订单”。

未来，希望和企业界进行更加深度的融合和合作，专家团队将根据企业需求，结合国际上交流、分析、比较的经验，提供更好的产品以及服务方案，助力中国企业数智化转型。