大模型遇上數智化，騰訊雲與行業專家共探行業AI發展之路 | 騰訊雲TVP走進蒙牛

　　自去年底 OpenAI 推出 ChatGPT 起，大模型作為新的生産工具登上了新一輪生産力革命的舞台。事實上，數十年來曆經了多次起落的 AI 技術，盡管一直被賦予着極高的期待，但在落地産業端時，卻總顯得差強人意。大模型的爆發究竟能否給産業端帶來真正的變革?又會發生哪些巨變?

　　另一方面，企業的數字化轉型已經是近年來全行業發展的重要戰略，而數字化轉型中的關鍵一環便是在程度上實現智能化。如何通過以大模型為代表的 AI 技術賦能企業數字化轉型數智化?

　　帶着以上問題，9 月 22 日，騰訊雲TVP、騰訊智慧零售與蒙牛集團聯合主辦的“ TVP 走進蒙牛”閉門交流會成功舉行。50 餘位來自騰訊、蒙牛、中順潔柔等企業的專家，一同分享了關于企業數智化轉型的觀點和實踐。此外，來自不同行業的與會嘉賓也在最後的分組讨論環節中，對一些行業熱點話題發表了各自的看法。

　　本次會議由清華大學五道口金融學院 “數字中國”項目創始人、騰訊雲 TVP 行業大使唐鑫龍老師主持：“如今，大模型的技術發展越發火熱，除了 C 端的應用層出不窮外，在 B 端大模型與各個行業的結合上也越發緊密。在接下來的分享和讨論中，希望聽到來自各行各業的聲音，把大家的視角從産業視角、技術視角進行自由分享和深度研讨。”

　　通用型的AI驅動将是有效抓手

　　在開場環節中，騰訊智慧零售技術架構與交付總經理 程偉表示，之所以此次騰訊雲 TVP 走進蒙牛，主要因為蒙牛在整個 AI 數字化産業上位居前列，包括公司想要從奶制品生産商升級為每個人的健康顧問，這樣的轉型正需要 AI 來驅動。

　　事實上，當下零售行業面臨着三大融合趨勢：線上與線下融合、品牌與渠道融合，以及産品力的融合。結合未來社交化趨勢愈顯，微信、小程序、視頻号的流量和活躍度都在持續增長，在如此多樣化的場景中，零售企業的數字化轉型又将面臨哪些新的挑戰?

　　程偉認為，AI 驅動以及行業的數字化将是非常好的抓手：“在零售業未來五年的發展當中，會有一個确定性的關鍵點，那就是營銷的内容以及觸達的方式非常重要。這些觸達方式不再依托于個性化的技術和産品開發者，通用型的 AI 驅動将是非常有效的抓手。”

　　100人，100萬噸産能，100億産值

　　第二位嘉賓是蒙牛集團助理副總裁、騰訊雲TVP行業大使 張決。據她介紹，蒙牛目前在全球有68家工廠，其中8家已完成數字化建廠。值得一提的是，今年5月剛剛建成投産的甯夏靈武工廠已經實現了“三個100”的純數字化工廠目标：100個人，100萬噸産能，實現100億産值。

　　在蒙牛“FIRST發展戰略”中，“T”即Technology。從成立之初，公司就非常注重信息化建設，從OA到SAP，再到LIMS，都進行了系統化的布局。

　　具體來看，2016年是蒙牛開啟數字化建設的元年。公司先用三年時間進行了信息化升級，包括财務共享、智能制造(數智化工廠)，這段時期被稱為“一滴奶”的數智化治理1.0階段。

　　從2020年開始，進入到2.0和3.0的建設階段。其中，2.0的評價标準包括業務中台和數據中台的建設，以及管理數字化、能力内化等。3.0時代則是通過AI來驅動雙飛輪(供給側飛輪+消費側飛輪)，蒙牛集團CDO李琤潔女士在今年8月4日代表蒙牛發布全球營養健康領域模型MENGNIU.GPT，讓數據資産繼續高效發揮洞察和決策作用。

　　“通過與騰訊混元在内的多家大模型合作，我們内部已經完成了一些基于模型的産品構建，比如在數據層我們形成了蒙牛的營養健康知識圖譜，已經可以在Wow小程序上進行對話。同時也開啟了領域模型的建設，包括管理、營銷、供應鍊等細分領域。在員工生産力的提升上，也開通了蒙牛自己的Copilot。”張決表示說。

　　數據+AI+大模型：構建一體化智能營銷

　　緊接着，騰訊企點副總經理 喻帥為現場嘉賓帶來了主題為《智能應用在零售行業的分析》的分享。

　　自從零售業誕生以來，它的發展經曆了以實體門店為主到平台電商，再到品牌社交興起的三個階段。如今，越來越多的線上商務平台利用微信等社交軟件的推廣做出了很好的營銷業績。不得不說，零售業的曆史沿革見證了數據在沉澱和應用的過程中，是如何一步步走向數字化變革的。

　　“從數據沉澱到數字化是一個讓人欣喜的自然趨勢，但我們還是面臨一個很大的問題，就是在真正進行數字化的建設當中，數據究竟能發揮什麼價值?在社交電商或者說社交私域的運營過程中，能夠帶來哪些效果上的提升?這個問題目前還沒有标準答案。”喻帥表示。

　　在他看來，一方面，數據作為生産資料，大量沉澱非常重要;另一方面，數據的有效性則需要通過 AI 來挖掘。換句話說，數據是“增長引擎”，AI 則是“創新引擎”。那麼，落地到具體的營銷場景中，AI 能夠如何提升效率，同時能夠帶來哪些業務形式的創新呢?

　　很重要的一點，是解決數據和通路彼此割裂的問題。對此，喻帥先用四個“合适”來說明何謂“精準推薦”：“就是要把合适的内容，在合适的時間，通過合适的渠道，推給合适的人。”然而，現實卻沒有這麼理想，面臨着多重割裂：不同産品和模塊數據的割裂，以及用戶不同渠道中的身份割裂。

　　為解決這一問題，騰訊提供了“兩化”方案：數據一體化和數據的場景化。首先，在數據一體化的建設上，整合“兩平台、5A、5M”。兩平台分别是指底層的 CDP 客戶數據平台，以及頂層的 AB 試驗平台。5A、5M 分别為分析應用和營銷應用;其次，數據場景化則是借助大數據與 AI 技術，将品牌進行多觸點的數據整合，從而識别用戶身份和旅程階段，在不同的場景下提供差異化的營銷内容與策略。

　　此外，通過大模型的應用，騰訊也在進一步提升客戶體驗，提高營銷轉化效果。喻帥認為“我們的業務分析都很依賴數據的處理者，在人的能力參差不齊的情況下，很可能得出的結論，或者效率和方向都有偏差。希望通過我們的大模型，在給到充足語料的情況下，可以提供給用戶相對及格的答案。”同時，喻帥也指出，僅僅是回答仍是不夠的，如何通過大模型實現文生圖、文生樂、文生視頻，以及和數智人的聯動，甚至生成風格化的 UGC 創意内容，也是未來騰訊探索的重點。

　　把握新技術機遇，未來是産業鍊和生态圈的競争

　　在對“蒙牛的AI創新探索”這個主題的诠釋中，蒙牛開放式創新總監 高璟琳首先介紹了蒙牛數智化戰略3.0——AI驅動雙飛輪的核心架構。基于AI中台，在蒙牛内部已經打造出牛慧問、牛慧畫、牛魔王等一系列應用，經過提示詞工程師培訓考核的員工，已經在AI場景工廠上構建出400+多張場景卡片。

　　在外部，蒙牛在今年發布了營養健康模型MENGNIU.GPT以及AI營養師“蒙蒙”。并與騰訊數智人技術結合生成了生動的3D卡通形象，為給客戶提供營養健康咨詢服務。

　　通過回顧數智化創新探索的曆程，高璟琳試圖解答這樣一個問題：當新技術出現時，如何才能把握住機會?

　　·  首先需要行業洞察：正視消費者營養健康需求的猛增和營養健康知識供給的不足。經濟的持續增長推動了人們對于營養健康的需求，而相關知識的供給方式單一、供給量不足，如中國營養師的供給缺口大概有400萬。而AIGC技術的出現，對打破這種不平衡提供了新的可能。

　　·  其次把握技術趨勢：我們又一次站在了曆史的拐點，将見證和親曆新一輪的“所有行業都值得重做一遍”。大語言模型将成為底層新基建(MaaS)，但需要在專業領域訓練才能發揮更大價值。

　　“一方面，大語音模型未來會成為新的基礎建設;另一方面，要真正落地到專業領域，僅靠大語言模型的原生能力是不夠的，需要在行業知識上進行更多專業的訓練，這樣才能發揮出更大的價值。”

　　在如此判斷的基礎上，蒙牛堅定地選擇了全面擁抱AI，聯手微軟、智譜AI、騰訊、阿裡等國内外的科技企業，共同訓練調優模型，整合了市場上多個算法。并聯合了一批營養健康領域的專家學者，與多個營養健康權威機構，将高質量内容作為訓練素材一并灌入。此外，蒙牛還開放營養健康領域模型MENGNIU.GPT能力, 與更多的創新生态夥伴一起自由地探索和創造場景。

　　最後，高璟琳從封閉式創新和開放式創新兩個維度，介紹了不同創新的路徑選擇。在他看來，封閉式創新和開放式創新是兩種不同的範式：封閉式創新的典範如貝爾實驗室，能産出影響人類文明的偉大創造;而開放式創新更活躍，講求生态化，關乎到産業鍊和生态圈的競争，是諸多國際大型企業的創新範式。

　　“産業鍊、供應鍊最終決定産品能做到什麼程度，而生态圈則是更高維的競争方式。希望通過開放式創新為蒙牛建立出這樣一個生态，以MENGNIU.GPT為基礎鍊接更多的可能性，共同創造數智營養健康的新體驗。”

　　從成本中心到利潤中心，未來是投資中心

　　對于“AI 時代的企業如何布局”，包括算法和大模型在零售行業的應用，中順潔柔 CTO 楊森林分享了一些不同看法：“首先，我認為從當下的環境來講，改變這個時代的不是 AI，而是駕馭 AI 的人。從技術角度來看，我們中國實際上沒有自己的技術平台，也沒有自己的技術語言和操作系統。就是說，一直以來我們都是技術的應用者或者說組裝者，這才是我們的真實現狀。所以，過于複雜的技術，像 AI，如果不是因為 ChatGPT 大火，可能這兩個字都不會列在企業的日程上。”

　　而當進一步談到企業數字化轉型的現狀，楊森林的看法是：行業整體上做得都不好。他向與會者展示了麥卡錫的一份報告：核心數據是企業數字化轉型成功率僅為 20%。“實際上，20% 都是高估了，我們還是需要給自己清晰定位，通過應用AI想做什麼，能做什麼。”

　　那麼，企業數字化轉型的關鍵在于哪些因素?主要在于三點：系統、流程和人。

　　·  系統：沒有一個系統是第一版就能達到使用的，持續不斷的優化和疊代是打造各類系統的關鍵;

　　·  流程：再好的系統，也隻能管理 50%-80% 的流程，仍然有 20%-50% 的流程、溝通、決策是在系統外做出的，将線下和線上的流程進行有效及高效對接是項目的核心挑戰之一;

　　·  人：即使具備了好的系統和流程，缺乏可以高效使用的人，就像殲-20 飛機遇如果讓普通人來開，起飛都困難。系統和流程應用者的思想轉變，如何走出固有思維，擁抱新的方法，才是企業數字化轉型能否成功的最關鍵因素。

　　對于如何通過 AI 賦能數字化，他的觀點是：相較于擁抱 AI，更應該駕馭 AI。據其觀察，當下 AI 的價值産出主要在于以下幾點：

　　·  降低成本：包括優化算法、分布式訓練加速和模型壓縮;

　　·  提升易用性：通過完成直觀、易用的用戶界面設計，搭建簡單、輕松上手的開發工具和平台，降低用戶的使用門檻;

　　·  安全可解釋：可以提升數據質量，同時增強魯棒性，實現持續監控和升級;

　　·  數據安全：實現數據加密，訪問控制和身份認證，同時進行安全審計和監控。

　　基于“人”在 AI 賦能數字化轉型中的關鍵作用，楊森林認為，作為企業數字化的掌舵者，CTO、CDO、CIO 應該成為“六邊形戰士”，需要懂戰略、懂業務、懂技術、懂數據、懂流程、懂創新。

　　“如果我們對底層生意不了解，會發現很多規劃，不管是模型、算法，還是系統，都會在天上飄着，落不了地。很多時候我們幻想出的業務場景和真實場景是完全不一樣的，在數字化轉型時應該時刻以企業自身情況為核心點，将數字化部門完成從成本中心到利潤中心的轉變，未來還可能進一步成為投資中心。”

　　技術架構演進原動力：生産工具、生産力和生産效率

　　最後出場的分享嘉賓是騰訊雲大數據産品總監 呂潇，他的演講主題是《騰訊新一代大數據技術架構演進與探索》。

　　分享開始，他首先介紹了技術架構演進的原動力，主要在于三點：生産工具的安全穩定和靈活便捷，生産力上要求技術的先進性和低成本使用，生産效率上需要保證高效和易用。

　　“騰訊大數據技術發展經曆過幾個階段，在第一階段，騰訊内部在零幾年的時候就用大規模分布式技術解決了很多在線業務大規模并行計算和擴展的訴求。從PC端轉到移動端之後，我們通過AI能力展開了用戶畫像、商品推薦等業務，形成了各種各樣的模型，這是第二個階段。”

　　到後來，當團隊發現傳統AI技術在計算效率和準确度上無法滿足業務需求時，便開始引入機器學習，通過深度學習和大模型快速構建了騰訊雲的框架和體系，能夠每天支持幾百萬次的模型疊代，從而更加高效和精準地完成用戶畫像。

　　“目前我們進入到第四個階段，更多是把雲、大數據、數據湖倉，甚至是一些跨源、協同計算、多邊計算、安全計算、隐私計算等技術應用到企業各種各樣的場景當中，不斷進行技術革新。”

　　從2009年開始，騰訊自研大數據平台TBDS開始不斷演進疊代，從3.0版正式商用，到4.0版的規模化突破，直至5.0版完成流批一體、湖倉一體和實時數據湖。如今該平台疊代到版本TBDS 5.3，實現了雲原生和存算分離的技術架構升級。

　　具體來說，相較之前版本，TBDS 5.3在多個方面進行了升級：

　　·  架構靈活提升——存算分離：相較于傳統存算一體，存算分離可以讓數據剝離，實現計算無狀态化，達成秒級彈性、靈活伸縮;

　　·  生産效率提升——雲原生化：實現資源的彈性伸縮，提高資源利用率，進行有效的資源隔離，達成敏捷、高效的部署和管理，統一生産、開發、測試等應用環境;

　　·  生産力提升——湖倉一體化：開放敏捷、彈性伸縮、混合負載、節約成本;

　　·  生産工具升級——數據開發治理平台 Wedata：達成全鍊路覆蓋、效率提升和多團隊協同。

　　“(Wedata)從數據采集到數據開發，在數據建模、加工過程當中落地企業的數據标準落地，同時我們會對所以數據進行質量勘察，形成事前、事中、事後不間斷的數據質量反饋和提升。最終能夠幫助我們快速完成針對不同目标、不同組織和數據資産的業務重塑，這是我們目前提供的一整套數據全生命周期的能力。”

　　在當前國産化的浪潮下，騰訊在自主可控和技術性上完成了相當的沉澱，包括在大數據領域申請150+專利，大數據産品軟著也達到70+。在行業影響和生态建設上，全面适配國産芯片、OS、服務器20+種，同時參與了國家/行業/團體标準制定30+項。在信創建設上，據呂潇介紹：“無論是政務，還是企事業單位，對信創的要求都非常高，我們在國稅總局、中國銀行這些非常大的單位都有大規模的落地。”

　　分組讨論

　　為了讓本次活動與會嘉賓都能參與到“數字化轉型和 AI 賦能”的話題探讨，在主會嘉賓演講結束後，主持人唐鑫龍也組織了現場嘉賓的分組讨論環節。到場嘉賓被分為四組，分别對不同的議題進行了深入探讨，并結合自身企業實踐，彙總了不同觀點。

　　未來大模型将會如何發展？有哪些期待？

　　現場嘉賓認為，未來的大模型會分成三層：最頂層是像騰訊這樣的技術公司，提供最普适的基礎通用大模型能力;中間一層是像蒙牛這類行業頭部公司，依據行業内積累，提供行業專屬模型;最後則是一些行業重點企業，會結合自己的數據與需求，形成最後落地的模型。就是基礎模型、行業模型和企業自己的模型。未來也希望更多的行業可以做到模型的标準化。

　　大模型百花齊放，未來這一技術是否給全行業帶來深遠影響？

　　現場嘉賓指出，今年年初 ChatGPT 火了之後，衆多企業都開始做 AIGC 方面的嘗試，也發現其實大家對生成式 AI 的期望經曆了一條曲線式的變化，最初認為它什麼都能幹，幾乎可以替換掉所有的崗位，但在實踐過程中，這樣的想法很快就遇到了上升瓶頸，雖然在生産力上确實有推動，但要是說能夠替代哪個崗位還是距離很遠的，所以也就慢慢冷靜了。未來如何能夠在私有大模型上做得更好，這是需要更多的企業共同去一道探索的。

　　作為大健康領域的服務企業，新時代下對數據的獲取和應用方式提出了哪些新要求？

　　現場嘉賓認為，在大模型的時代，大健康服務企業數字化的關鍵在于數據、算法和算力三個方面，目前國内企業在算法上不差，和國外的差距主要體現在數據和算力上。騰訊雲可以給我們提供算力上的支持，但在數據層還是需要我們企業自己解決。

　　那麼，我們在預訓練的過程中究竟需要什麼樣的數據?現在大部分的數據都是結果型，中間的過程數據還是缺失的，但實際上中間的推理型數據對我們的訓練才是至關重要的，也是未來企業應該重點發力的方向。

　　AI/大模型的落地還有哪些困難？

　　針對該問題，現場嘉賓指出，關于 AI 我們有很多暢想，但要真正落地其實還面臨兩個比較大的困難。

　　第一個困難在于 AI 在正确率上的不确定性。我們一直說 ChatGPT 如何厲害，但主要是在于它能發揮的不涉及到正确率上的能力，比如一篇作文就不會說正不正确，隻有好還是不好，是感受性的。我們不介意 AI 的準确率高不高，但是如果不能确定正确與否的問題，這就是一個很大的痛點。

　　第二個困難剛才大家也談了不少了，就是行業模型還是很缺乏的。要做行業模型還是需要沉澱，隻有沉澱進行了足夠的技術與數據積累，才能厚積薄發，迎來新一輪更高的增長。

　　結語

　　人工智能時代的新一輪發展，為傳統企業的數字化轉型帶來了又一次的增長推動力。該如何正确看待大模型技術的運用，在未來為企業帶來的無限可能;又該在技術上如何更好地運用大模型技術，跟上技術發展，助推企業高效增長，這将是每一位企業技術管理者在未來深入研究分析的關鍵。

　　騰訊雲 TVP 自成立之初，便懷揣着「用科技影響世界」的美好願景，踐行科技向善的初衷與本心，希望凝結更多專家的實踐與思考，推動各行業數字化建設邁向新高度。