案例丨獵豹移動：與客戶共創智能
瞄準通用人工智能(AGI)或超級人工智能，大概是所有人工智能公司的目標(願景)，2016年就“all in AI”的獵豹移動也不例外。
隨着ChatGPT的問世，AGI已不再遙不可及，“以前，它能不能到來是一個問號，但現在已經是一個驚歎號了。”獵豹移動董事長兼CEO傅盛懷揣着再一次定義一個新的產品的夢想，既自研服務企業的大模型，又積極地推動將AI和機器人的結合提升到一個新的高度。
2016年9月，獵豹移動控股的獵戶星空(ORION STAR)成立，致力於探索AI+機器人。雖然很早就認定AGI是目標，但獵豹移動早期做的AI，主要是語音識別、視覺識別、導航等專用模型。它們被用到了獵戶星空的機器人上。這些機器人可以在酒店爲客人送東西，在餐廳送菜，在前臺接待來訪者。生成式AI的革命性進步，讓獵豹移動相信，這是當前通往AGI最可能的路徑。雖然在推理決策上尚待加強，但它在語言的泛化能力上已基本達到了人的水平，“這將帶來一場生產力的革命。”因此，已是AI“老兵”的獵豹移動自然要擁有訓練、強化模型的能力，須對它的底層原理、技術和實踐都有足夠的瞭解，還能夠開發特殊的模型。
另一方面，生成式AI還處在非常早期的階段，很多東西遠未定型，還出不了一個大一統的模型來覆蓋、主導一切。所以，雖有“百模大戰”，但其實天寬地闊。實際上，不同大模型之間也不盡相同，不會有什麼衝突。例如，獵豹移動自2012年出海起就與亞馬遜雲科技合作。今天，亞馬遜雲科技做大模型，獵豹移動控股的獵戶星空也做大模型，但兩者並非競爭的關係，而是繼續深化合作。
2024年1月，獵戶星空大模型——Orion-14B正式發佈。與動輒千億級參數的大模型不同，獵戶星空Orion-14B的參數級爲百億。因爲獵豹移動並不想參與百模大戰的核心競爭，“那樣做，對資金的消耗太快了。”百億級的參數，“燒錢”少得多，“但過程都是一樣的，也是能夠累積經驗的。而且，我們一定要做能跑在端上的模型。”
這與獵豹移動前期做AI和機器人摸索出的一條經驗——以終爲始——有關：“即使是AI這樣的高科技，第一天就要從商業的角度出發，反過來想它怎麼用，如何能有收入。”
即使是AI這樣的高科技，第一天就要從商業的角度出發，反過來想它怎麼用，如何能有收入。
在市場上，即使一個模型再好，在應用時也還有很多工作要做。例如，對於很多普通用戶來說，用Midjourney去寫一段詞，生成一張圖片，目前還是較爲繁瑣；他們需要更直接的效果，即要什麼，直接就呈現什麼。
獵戶星空憑藉對模型效果和數據質量的深刻理解及能力積累，結合獵豹移動旗下子業務對客戶業務應用場景需求的深入瞭解，能夠強化通用模型的特定能力。公司的“大模型數據服務”通過整合結構化與非結構化數據，並根據數據分析結果自動優化分析過程，從而顯著提升具體場景的應用效果。雖然市面上也有大模型公司擁有這方面的能力，但因爲商業模式的原因而不會開放。獵豹移動的合作伙伴，有做手機的、做遊戲的、出海的，做過評測，應用於具體場景所呈現的效果是較好的。獵豹移動正在將Orion-14B上線到亞馬遜雲科技Amazon SageMaker JumpStart平臺,使客戶能夠快速啓動和部署該模型。
顯而易見，這樣做涉及到客戶的核心數據和經營訣竅知識。因此，獵豹移動較早就提出了共創和私有化部署。所謂共創，就是AI企業和非AI企業共創，是AI和行業訣竅的融合；而私有化部署就更爲簡明，“和外面的服務器不連接，只給公司自己用，讓它的數據完全在自己的服務器上跑。”同時，獵豹移動還推出Savings Now方案，旨在幫助企業客戶利用人工智能技術優化雲端運營成本,實現更高效、更經濟的雲資源利用。該方案藉助Amazon Q的自然語言處理能力，可以智能分析客戶的雲資源使用情況，識別出潛在的成本節省機會。同時，爲客戶量身定製雲優化策略，涵蓋資源調配、負載均衡、自動化流程等多個層面。
自研模型是爲了用，產生價值。獵豹移動有兩個典型應用，一是AI超級帶教，一是AI用數。
國內一家知名的酒旅集團，要將連鎖店開到縣一級城市，同時希望這些新加盟酒店的服務品質能和北上廣深的酒店保持一致。以前，主要靠人工培訓，一個月要培訓大幾千人次，還需這些人從各地飛到培訓基地。再就是，給員工發送文本和視頻，要求他們背記集團對服務細節、流程等要求。獵豹移動基於自研的大模型，爲這家客戶開發了一個“隨身助教”應用(AI超級帶教)。每一位新入職的員工都有這樣一個“助教”，它既回答員工的問題，也常常出考題。例如，員工問“客人打電話要毛巾，該如何處理?”助教就列出一二三四；“助教”也會問員工“遇到XX這件事，你該怎麼回答?”，員工回答後，它還會直接給評分。因爲這個“助教”是個性化的，所以員工的提升非常快。
AI如何基於基礎數據輔助老闆做決策？AI用數讓老闆掌握經營細節。獵豹移動有一個做肉類加工的客戶，對各個工廠如何切肉是有標準和要求的，其產值，與工人切肉時的規範程度是有關係的，如果把屬於高價值的A部位的肉切到了低價值的B類，產值就會受到影響。毫無疑問，這些數據是非常複雜的，而且，還涉及到一層一層的篩選和彙總。過去，人工彙總數據，需要工作到晚上11點以後甚至第二天早上7點以後。在AI的幫助下，數據到當天下班點就能看到了。
有了數據，還要分析、出報表。因爲生成式AI自己能寫代碼做數據洞察，所以，企業決策者只需直接“盤問”AI就能收到及時且靈活的響應。非AI的計算機系統能管理的只是數字，呈現的還是複雜的、碎片化的、未必完備的數字，而AI不僅能管理非數字的數據，還高度靈活，按需連接、分析相關數據。
獵豹移動不僅做大模型及應用，還做機器人，在海外市場實現高速增長，甚至超過國內增速。亞馬遜雲科技廣泛的基礎設施能力幫助獵豹機器人在全球多個地區實現快速部署。實際上，成立獵戶星空時，獵豹移動就想的是“AI+軟件+硬件+服務=機器人”。因爲它認爲，與AI相結合，而不僅僅是自動化的機器人，是工具之王，未來有可能是比汽車還要大的產業，會從工廠走向服務業、走進家庭。
要實現這一公式，並非易事。不難發現，它是各種技術的集大成者。因此，獵豹移動先做toB的產品。一方面，商家的支付力比個人、家庭更強；另一方面，B端客戶對技術的要求不會像家庭那麼高。在具體的用途上，則聚焦從A點到B點的遞送、講解等場景。截至目前，獵豹移動已推出了AI接待營銷機器人、AI遞送配貨機器人、AI勞動協作機器人。
餐廳，尤其是面積較大的餐廳，是獵豹移動機器人的重要應用場景之一。一個海外餐廳老闆反饋，以前，這些餐廳的服務員每天需來回走動，一天下來非常疲憊，所以，每天都有人請假。用了機器人之後，服務員輕鬆了許多，請假率下降了，對顧客的響應更及時了，服務也更有溫度了。此外，與大模型結合的機器人，既能和顧客交互，也可以到超市去給餐廳做廣告。
生成式AI的商業化進程比.com時代快得多。一個重要的原因是，“燒錢”的都是大公司，底座已經很強，做應用的成本大幅下降。所以不僅是OpenAI、獵豹移動這些做大模型的公司有可觀的收入，做具體場景應用的新創企業也能快速變現。獵豹移動投資的一家用AI技術做直播生意的企業，成立才一年，但純收入已經過百萬元，盈虧基本打平。
傅盛相信，大模型的賽道上擠滿了聰明人、資金，所以一定會產生新的爆炸效應，但是創新很可能在尚未注意到的領域涌現。因此AI這個行業一定會從燒錢式的“軍備競賽”走出來，會在某些分支，產生類似於ChatGPT的效應，例如以很小的參數量、很低的成本就實現很好的智能，讓人工智能無處不在。
獵豹移動董事長兼CEO
傅盛
鄧中華|文 李全偉|編輯
鄧中華是《哈佛商業評論》中文版特約撰稿。
生成式AI橫空出世兩年以來，輿論場喧囂熱鬧，但《哈佛商業評論》中文版始終更興奮和着迷的是應用世界：在日復一日應對競爭與用戶/客戶需求的商業世界，由生成式AI驅動的新做法、新策略，到底帶來了哪些真實的價值和全新的挑戰？在這場由硅谷啓動的商業競爭新格局中，中國企業的現狀和可預見的未來是什麼。
《哈佛商業評論》中文版攜手亞馬遜雲科技，共創「生成式AI：締造可見的商業價值」專題，於2024年下半年，深入調研數十家中國企業應用生成式AI的具體場景/流程/挑戰/效果，選出有代表性的案例，共同見證中國企業生成式AI的先行者、早期擁抱者。當下是生成式AI效率革命的階段，我們期待這些1.0時代的先行者，能激勵和啓發更多中國企業跟進這場生成式AI帶來的效率革命。
《哈佛商業評論》中文版 聯繫方式
投稿、廣告、內容和商務合作
newmedia@hbrchina.org