智谱AI张鹏：业务匹配性是决定模型落地效果的关键因素

·“让大模型计算1+1等于几，它算对的概率可能在90%以上，但如果让它计算4位数或5位数以上的数字，它不调用外部工具就算不对。如果强求它做这样的任务，它怎么也做不好。所以需要分析你的业务是否需要类人的智能来解决，还是只需要一个简单的计算器就能解决。”

智谱AI CEO张鹏。

大型企业内部落地大模型解决实际生产业务问题，是大模型时代更关注的问题。7月5日，在2024世界人工智能大会的GLM-新一代基座大模型技术前沿与产业应用论坛上，智谱AI CEO张鹏表示，想要实现AI原生的业务架构，考验的是企业的资源、技术、组件、开发人员等，业务匹配性也是决定模型落地效果的关键因素。

张鹏认为，企业内部的IT系统非常复杂，包括OA系统、会议系统、数据库、用户管理、安全检测等，这些系统大多来自不同开发厂商，版本也不尽相同。管理这些数字资产并产生更大的价值，挑战越来越大。很多业务开发都依赖于大量软件工程人员分解需求、软件设计、编码、测试、上线维护等。“我们期待大模型能够在其中承担非常重要的人机协同作用，它可以接受人类对于业务的自然语言描述，然后拆解成相应的执行逻辑，使用内部数据资产所提供的基础原则来完成业务流程。”张鹏表示，底层能力包括代码生成能力、跨模态内容识别能力等。

想要实现AI原生的业务架构，考验的是企业的资源、技术、组件、开发人员等。张鹏表示，在技术端，企业的技术栈需要满足大模型落地的需求，否则就会耗费时间构建基础能力。在管理端，配置管理手段可以更好激发大模型工具的落地效果。

业务匹配性也是决定模型落地效果的关键因素。大模型存在幻觉，“让它计算1+1等于几，它可能90%以上的情况下能算对，但如果让它计算4位数或5位数以上的数字，它不调用外部工具就算不对。如果强求它做这样的任务，它怎么也做不好。所以需要分析你的业务是否需要类人的智能来解决，还是只需要一个简单的计算器就能解决。”

7月4日，张鹏在世界人工智能大会产业发展主论坛上表示，当下，因大模型而掀起的AI热潮和之前有所不同。过去，人脸识别等AI技术超过人类水平，解决了一些实际问题，但人们觉得这不是AI的终级答案。感知时代的AI，泛用性不够、成本太高，能够产生的实际效能有限。而大模型带来了全新能力，即类人的认知能力，由它带来的效能提升更为重要，大模型的泛化能力能够解决一系列场景和应用需求，从而解决成本和收益的平衡问题。

对于大模型价格战，张鹏表示，大模型价格下降是由于技术驱动，技术越来越好，成本越来越低，价格持续走低。“但这个事情过度就不好，真正的价值传递应该是逐级的，大家往同样一件事情里不断添加自己的价值，再放大这个价值。我们为大家提供更优质的服务，希望大家能够用这个服务创造更大的价值，相应的，我们创造的这一部分价值应该反向再传递回来，这是一个正常合理的市场价值链。”张鹏表示，现阶段，用户在大模型价格战中是得益的，但这并不能长久，“它不是一个正常的商业逻辑。”