首页 > 技术

大模型遇上数智化,腾讯云与行业专家共探行业AI发展之路 | 腾讯云TVP走进蒙牛

2023-09-28 14:55:32      西盟科技资讯   


  自去年底 OpenAI 推出 ChatGPT 起,大模型作为新的生产工具登上了新一轮生产力革命的舞台。事实上,数十年来历经了多次起落的 AI 技术,尽管一直被赋予着极高的期待,但在落地产业端时,却总显得差强人意。大模型的爆发究竟能否给产业端带来真正的变革?又会发生哪些巨变?

  另一方面,企业的数字化转型已经是近年来全行业发展的重要战略,而数字化转型中的关键一环便是在最大程度上实现智能化。如何通过以大模型为代表的 AI 技术赋能企业数字化转型数智化?

  带着以上问题,9 月 22 日,腾讯云TVP、腾讯智慧零售与蒙牛集团联合主办的“ TVP 走进蒙牛”闭门交流会成功举行。50 余位来自腾讯、蒙牛、中顺洁柔等企业的专家,一同分享了关于企业数智化转型的观点和实践。此外,来自不同行业的与会嘉宾也在最后的分组讨论环节中,对一些行业热点话题发表了各自的看法。

  本次会议由清华大学五道口金融学院 “数字中国”项目创始人、腾讯云 TVP 行业大使唐鑫龙老师主持:“如今,大模型的技术发展越发火热,除了 C 端的应用层出不穷外,在 B 端大模型与各个行业的结合上也越发紧密。在接下来的分享和讨论中,希望听到来自各行各业的声音,把大家的视角从产业视角、技术视角进行自由分享和深度研讨。”

  通用型的AI驱动将是有效抓手

  在开场环节中,腾讯智慧零售技术架构与交付总经理 程伟表示,之所以此次腾讯云 TVP 走进蒙牛,主要因为蒙牛在整个 AI 数字化产业上位居前列,包括公司想要从奶制品生产商升级为每个人的健康顾问,这样的转型正需要 AI 来驱动。

  事实上,当下零售行业面临着三大融合趋势:线上与线下融合、品牌与渠道融合,以及产品力的融合。结合未来社交化趋势愈显,微信、小程序、视频号的流量和活跃度都在持续增长,在如此多样化的场景中,零售企业的数字化转型又将面临哪些新的挑战?

  程伟认为,AI 驱动以及行业的数字化将是非常好的抓手:“在零售业未来五年的发展当中,会有一个确定性的关键点,那就是营销的内容以及触达的方式非常重要。这些触达方式不再依托于个性化的技术和产品开发者,通用型的 AI 驱动将是非常有效的抓手。”

  100人,100万吨产能,100亿产值

  第二位嘉宾是蒙牛集团助理副总裁、腾讯云TVP行业大使 张决。据她介绍,蒙牛目前在全球有68家工厂,其中8家已完成数字化建厂。值得一提的是,今年5月刚刚建成投产的宁夏灵武工厂已经实现了“三个100”的纯数字化工厂目标:100个人,100万吨产能,实现100亿产值。

  在蒙牛“FIRST发展战略”中,“T”即Technology。从成立之初,公司就非常注重信息化建设,从OA到SAP,再到LIMS,都进行了系统化的布局。

  具体来看,2016年是蒙牛开启数字化建设的元年。公司先用三年时间进行了信息化升级,包括财务共享、智能制造(数智化工厂),这段时期被称为“一滴奶”的数智化治理1.0阶段。

  从2020年开始,进入到2.0和3.0的建设阶段。其中,2.0的评价标准包括业务中台和数据中台的建设,以及管理数字化、能力内化等。3.0时代则是通过AI来驱动双飞轮(供给侧飞轮+消费侧飞轮),蒙牛集团CDO李琤洁女士在今年8月4日代表蒙牛发布全球首个营养健康领域模型MENGNIU.GPT,让数据资产继续高效发挥洞察和决策作用。

  “通过与腾讯混元在内的多家大模型合作,我们内部已经完成了一些基于模型的产品构建,比如在数据层我们形成了蒙牛的营养健康知识图谱,已经可以在Wow小程序上进行对话。同时也开启了领域模型的建设,包括管理、营销、供应链等细分领域。在员工生产力的提升上,也开通了蒙牛自己的Copilot。”张决表示说。

  数据+AI+大模型:构建一体化智能营销

  紧接着,腾讯企点副总经理 喻帅为现场嘉宾带来了主题为《智能应用在零售行业的分析》的分享。

  自从零售业诞生以来,它的发展经历了以实体门店为主到平台电商,再到品牌社交兴起的三个阶段。如今,越来越多的线上商务平台利用微信等社交软件的推广做出了很好的营销业绩。不得不说,零售业的历史沿革见证了数据在沉淀和应用的过程中,是如何一步步走向数字化变革的。

  “从数据沉淀到数字化是一个让人欣喜的自然趋势,但我们还是面临一个很大的问题,就是在真正进行数字化的建设当中,数据究竟能发挥什么价值?在社交电商或者说社交私域的运营过程中,能够带来哪些效果上的提升?这个问题目前还没有标准答案。”喻帅表示。

  在他看来,一方面,数据作为生产资料,大量沉淀非常重要;另一方面,数据的有效性则需要通过 AI 来挖掘。换句话说,数据是“增长引擎”,AI 则是“创新引擎”。那么,落地到具体的营销场景中,AI 能够如何提升效率,同时能够带来哪些业务形式的创新呢?

  很重要的一点,是解决数据和通路彼此割裂的问题。对此,喻帅先用四个“合适”来说明何谓“精准推荐”:“就是要把合适的内容,在合适的时间,通过合适的渠道,推给合适的人。”然而,现实却没有这么理想,面临着多重割裂:不同产品和模块数据的割裂,以及用户不同渠道中的身份割裂。

  为解决这一问题,腾讯提供了“两化”方案:数据一体化和数据的场景化。首先,在数据一体化的建设上,整合“两平台、5A、5M”。两平台分别是指底层的 CDP 客户数据平台,以及顶层的 AB 试验平台。5A、5M 分别为分析应用和营销应用;其次,数据场景化则是借助大数据与 AI 技术,将品牌进行多触点的数据整合,从而精确识别用户身份和旅程阶段,在不同的场景下提供差异化的营销内容与策略。

  此外,通过大模型的应用,腾讯也在进一步提升客户体验,提高营销转化效果。喻帅认为“我们的业务分析都很依赖数据的处理者,在人的能力参差不齐的情况下,很可能得出的结论,或者效率和方向都有偏差。希望通过我们的大模型,在给到充足语料的情况下,可以提供给用户相对及格的答案。”同时,喻帅也指出,仅仅是回答仍是不够的,如何通过大模型实现文生图、文生乐、文生视频,以及和数智人的联动,甚至生成风格化的 UGC 创意内容,也是未来腾讯探索的重点。

  把握新技术机遇,未来是产业链和生态圈的竞争

  在对“蒙牛的AI创新探索”这个主题的诠释中,蒙牛开放式创新总监 高璟琳首先介绍了蒙牛数智化战略3.0——AI驱动双飞轮的核心架构。基于AI中台,在蒙牛内部已经打造出牛慧问、牛慧画、牛魔王等一系列应用,经过提示词工程师培训考核的员工,已经在AI场景工厂上构建出400+多张场景卡片。

  在外部,蒙牛在今年发布了营养健康模型MENGNIU.GPT以及AI营养师“蒙蒙”。并与腾讯数智人技术结合生成了生动的3D卡通形象,为给客户提供营养健康咨询服务。

  通过回顾数智化创新探索的历程,高璟琳试图解答这样一个问题:当新技术出现时,如何才能把握住机会?

  ·首先需要行业洞察:正视消费者营养健康需求的猛增和营养健康知识供给的不足。经济的持续增长推动了人们对于营养健康的需求,而相关知识的供给方式单一、供给量不足,如中国营养师的供给缺口大概有400万。而AIGC技术的出现,对打破这种不平衡提供了新的可能。

  ·其次把握技术趋势:我们又一次站在了历史的拐点,将见证和亲历新一轮的“所有行业都值得重做一遍”。大语言模型将成为底层新基建(MaaS),但需要在专业领域训练才能发挥更大价值。

  “一方面,大语音模型未来会成为新的基础建设;另一方面,要真正落地到专业领域,仅靠大语言模型的原生能力是不够的,需要在行业知识上进行更多专业的训练,这样才能发挥出更大的价值。”

  在如此判断的基础上,蒙牛坚定地选择了全面拥抱AI,联手微软、智谱AI、腾讯、阿里等国内外的科技企业,共同训练调优模型,整合了市场上多个算法。并联合了一批营养健康领域的专家学者,与多个营养健康权威机构,将高质量内容作为训练素材一并灌入。此外,蒙牛还开放营养健康领域模型MENGNIU.GPT能力, 与更多的创新生态伙伴一起自由地探索和创造场景。

  最后,高璟琳从封闭式创新和开放式创新两个维度,介绍了不同创新的路径选择。在他看来,封闭式创新和开放式创新是两种不同的范式:封闭式创新的典范如贝尔实验室,能产出影响人类文明的伟大创造;而开放式创新更活跃,讲求生态化,关乎到产业链和生态圈的竞争,是诸多国际大型企业的创新范式。

  “产业链、供应链最终决定产品能做到什么程度,而生态圈则是更高维的竞争方式。希望通过开放式创新为蒙牛建立出这样一个生态,以MENGNIU.GPT为基础链接更多的可能性,共同创造数智营养健康的新体验。”

  从成本中心到利润中心,未来是投资中心

  对于“AI 时代的企业如何布局”,包括算法和大模型在零售行业的应用,中顺洁柔 CTO 杨森林分享了一些不同看法:“首先,我认为从当下的环境来讲,改变这个时代的不是 AI,而是驾驭 AI 的人。从技术角度来看,我们中国实际上没有自己的技术平台,也没有自己的技术语言和操作系统。就是说,一直以来我们都是技术的应用者或者说组装者,这才是我们的真实现状。所以,过于复杂的技术,像 AI,如果不是因为 ChatGPT 大火,可能这两个字都不会列在企业的日程上。”

  而当进一步谈到企业数字化转型的现状,杨森林的看法是:行业整体上做得都不好。他向与会者展示了麦卡锡的一份报告:核心数据是企业数字化转型成功率仅为 20%。“实际上,20% 都是高估了,我们还是需要给自己清晰定位,通过应用AI想做什么,能做什么。”

  那么,企业数字化转型的关键在于哪些因素?主要在于三点:系统、流程和人。

  ·系统:没有一个系统是第一版就能达到最佳使用的,持续不断的优化和迭代是打造各类系统的关键;

  ·流程:再好的系统,也只能管理 50%-80% 的流程,仍然有 20%-50% 的流程、沟通、决策是在系统外做出的,将线下和线上的流程进行有效及高效对接是项目的核心挑战之一;

  ·人:即使具备了好的系统和流程,缺乏可以高效使用的人,就像歼-20 飞机遇如果让普通人来开,起飞都困难。系统和流程应用者的思想转变,如何走出固有思维,拥抱新的方法,才是企业数字化转型能否成功的最关键因素。

  对于如何通过 AI 赋能数字化,他的观点是:相较于拥抱 AI,更应该驾驭 AI。据其观察,当下 AI 的价值产出主要在于以下几点:

  ·降低成本:包括优化算法、分布式训练加速和模型压缩;

  ·提升易用性:通过完成直观、易用的用户界面设计,搭建简单、轻松上手的开发工具和平台,降低用户的使用门槛;

  ·安全可解释:可以提升数据质量,同时增强鲁棒性,实现持续监控和升级;

  ·数据安全:实现数据加密,访问控制和身份认证,同时进行安全审计和监控。

  基于“人”在 AI 赋能数字化转型中的关键作用,杨森林认为,作为企业数字化的掌舵者,CTO、CDO、CIO 应该成为“六边形战士”,需要懂战略、懂业务、懂技术、懂数据、懂流程、懂创新。

  “如果我们对底层生意不了解,会发现很多规划,不管是模型、算法,还是系统,都会在天上飘着,落不了地。很多时候我们幻想出的业务场景和真实场景是完全不一样的,在数字化转型时应该时刻以企业自身情况为核心点,将数字化部门完成从成本中心到利润中心的转变,未来还可能进一步成为投资中心。”

  技术架构演进原动力:生产工具、生产力和生产效率

  最后出场的分享嘉宾是腾讯云大数据产品总监 吕潇,他的演讲主题是《腾讯新一代大数据技术架构演进与探索》。

  分享开始,他首先介绍了技术架构演进的原动力,主要在于三点:生产工具的安全稳定和灵活便捷,生产力上要求技术的先进性和低成本使用,生产效率上需要保证高效和易用。

  “腾讯大数据技术发展经历过几个阶段,在第一阶段,腾讯内部在零几年的时候就用大规模分布式技术解决了很多在线业务大规模并行计算和扩展的诉求。从PC端转到移动端之后,我们通过AI能力展开了用户画像、商品推荐等业务,形成了各种各样的模型,这是第二个阶段。”

  到后来,当团队发现传统AI技术在计算效率和准确度上无法满足业务需求时,便开始引入机器学习,通过深度学习和大模型快速构建了腾讯云的框架和体系,能够每天支持几百万次的模型迭代,从而更加高效和精准地完成用户画像。

  “目前我们进入到第四个阶段,更多是把云、大数据、数据湖仓,甚至是一些跨源、协同计算、多边计算、安全计算、隐私计算等技术应用到企业各种各样的场景当中,不断进行技术革新。”

  从2009年开始,腾讯自研大数据平台TBDS开始不断演进迭代,从3.0版正式商用,到4.0版的规模化突破,直至5.0版完成流批一体、湖仓一体和实时数据湖。如今该平台迭代到最新版本TBDS 5.3,实现了云原生和存算分离的技术架构升级。

  具体来说,相较之前版本,TBDS 5.3在多个方面进行了升级:

  ·架构灵活提升——存算分离:相较于传统存算一体,存算分离可以让数据剥离,实现计算无状态化,达成秒级弹性、灵活伸缩;

  ·生产效率提升——云原生化:实现资源的弹性伸缩,提高资源利用率,进行有效的资源隔离,达成敏捷、高效的部署和管理,统一生产、开发、测试等应用环境;

  ·生产力提升——湖仓一体化:开放敏捷、弹性伸缩、混合负载、节约成本;

  ·生产工具升级——数据开发治理平台 Wedata:达成全链路覆盖、效率提升和多团队协同。

  “(Wedata)从数据采集到数据开发,在数据建模、加工过程当中落地企业的数据标准落地,同时我们会对所以数据进行质量勘察,形成事前、事中、事后不间断的数据质量反馈和提升。最终能够帮助我们快速完成针对不同目标、不同组织和数据资产的业务重塑,这是我们目前提供的一整套数据全生命周期的能力。”

  在当前国产化的浪潮下,腾讯在自主可控和技术领先性上完成了相当的沉淀,包括在大数据领域申请150+专利,大数据产品软著也达到70+。在行业影响和生态建设上,全面适配国产芯片、OS、服务器20+种,同时参与了国家/行业/团体标准制定30+项。在信创建设上,据吕潇介绍:“无论是政务,还是企事业单位,对信创的要求都非常高,我们在国税总局、中国银行这些非常大的单位都有大规模的落地。”

  分组讨论

  为了让本次活动与会嘉宾都能参与到“数字化转型和 AI 赋能”的话题探讨,在主会嘉宾演讲结束后,主持人唐鑫龙也组织了现场嘉宾的分组讨论环节。到场嘉宾被分为四组,分别对不同的议题进行了深入探讨,并结合自身企业实践,汇总了不同观点。

  未来大模型将会如何发展?有哪些期待?

  现场嘉宾认为,未来的大模型会分成三层:最顶层是像腾讯这样的技术公司,提供最普适的基础通用大模型能力;中间一层是像蒙牛这类行业头部公司,依据行业内积累,提供行业专属模型;最后则是一些行业重点企业,会结合自己的数据与需求,形成最后落地的模型。就是基础模型、行业模型和企业自己的模型。未来也希望更多的行业可以做到模型的标准化。

  大模型百花齐放,未来这一技术是否给全行业带来深远影响?

  现场嘉宾指出,今年年初 ChatGPT 火了之后,众多企业都开始做 AIGC 方面的尝试,也发现其实大家对生成式 AI 的期望经历了一条曲线式的变化,最初认为它什么都能干,几乎可以替换掉所有的岗位,但在实践过程中,这样的想法很快就遇到了上升瓶颈,虽然在生产力上确实有推动,但要是说能够替代哪个岗位还是距离很远的,所以也就慢慢冷静了。未来如何能够在私有大模型上做得更好,这是需要更多的企业共同去一道探索的。

  作为大健康领域的服务企业,新时代下对数据的获取和应用方式提出了哪些新要求?

  现场嘉宾认为,在大模型的时代,大健康服务企业数字化的关键在于数据、算法和算力三个方面,目前国内企业在算法上不差,和国外的差距主要体现在数据和算力上。腾讯云可以给我们提供算力上的支持,但在数据层还是需要我们企业自己解决。

  那么,我们在预训练的过程中究竟需要什么样的数据?现在大部分的数据都是结果型,中间的过程数据还是缺失的,但实际上中间的推理型数据对我们的训练才是至关重要的,也是未来企业应该重点发力的方向。

  AI/大模型的落地还有哪些困难?

  针对该问题,现场嘉宾指出,关于 AI 我们有很多畅想,但要真正落地其实还面临两个比较大的困难。

  第一个困难在于 AI 在正确率上的不确定性。我们一直说 ChatGPT 如何厉害,但主要是在于它能发挥的不涉及到正确率上的能力,比如一篇作文就不会说正不正确,只有好还是不好,是感受性的。我们不介意 AI 的准确率高不高,但是如果不能确定正确与否的问题,这就是一个很大的痛点。

  第二个困难刚才大家也谈了不少了,就是行业模型还是很缺乏的。要做行业模型还是需要沉淀,只有沉淀进行了足够的技术与数据积累,才能厚积薄发,迎来新一轮更高的增长。

  结语

  人工智能时代的新一轮发展,为传统企业的数字化转型带来了又一次的增长推动力。该如何正确看待大模型技术的运用,在未来为企业带来的无限可能;又该在技术上如何更好地运用大模型技术,跟上技术发展,助推企业高效增长,这将是每一位企业技术管理者在未来深入研究分析的关键。

  腾讯云 TVP 自成立之初,便怀揣着「用科技影响世界」的美好愿景,践行科技向善的初衷与本心,希望凝结更多专家的实践与思考,推动各行业数字化建设迈向新高度。

相关阅读

    无相关信息