WAIC2023会后记

听了3天WAIC的会, 大开眼界,算是上了堂大课。

本次参会的目的是听听AI+企业信息化的想法、理论和实践。以进一步探索可能的业务场景。三天的会结束后,留下深刻印象的有如下几点。

  • 大模型当道

2023这次大会的主题成了大模型,谈的最多的就是chatGPT。元宇宙、区块链让位为大模型。

  • 年轻化

主讲者年轻化,年轻的副教授群体很亮眼。说明各个大学都在开设这个专业,但是教师资源很少。还是AI这个东西新,又热门嘛。

  • 财务智能化观点滞后

财务智能化论坛除了王文京讲点东西,其他人都在牵强附会。智能化对财务工作是革命性事件,关系多少人的岗位啊。看了这些演讲的人谈的主题,真替他们害臊。

  • 微软在AI+企业管理软件竞赛中胜出

微软在这次AI+的竞赛中脱颖而出。其在ERP领域的地位将被人们的想象力所提高。SAP、用友展现出来的智能化太低幼了,有点糊弄。算是响应热点,但是如果不能脱离公共大模型,对于企业的数据安全问题没有考虑,就只能是个摆设。

  • 垂直模型是方向

行业应用集中在有钱行业(医药)、公共领域(智慧城市)。大家都认可垂直模型将是未来的中小企业的创新重点领域。

  • 国内差距不小

国内模型还有差距。试用了某火,还处于"智障"阶段。清华的chatGLM效果好些。清华在演讲中透露做了万亿参数模型,但是效果咋样没说。看来万亿大模战不远了。整场唯一的一次鼓掌给了他们。

  • 开源社区是加速创新的基础设施

以Hugging Face为代表的开源社区,聚集了大量的小模型。而垂直行业可能需要的就是众多的小模型。应该从开源模型中寻找机会,关注hugging face,从中寻找合适特定业务场景的模型。

  • 智能体是未来一个阶段的重点

通过大小模型的混合,形成智能体是近期可行之路,是通往通用智能的可行路径。

  • 碰撞融合,是此类大会的价值所在

如果说创新更多的来自领域边缘的话,这个会议就是创新的温床。各个领域、团队、想法的碰撞会化合出创新的基因,最终孵化出新的物种。反观我们的教育过程,缺乏的就是这种自主学习、相互碰撞的机制。

热闹看完,回到我们的初衷 - AI+企业信息化的主题。总结一下我们从中得到的启发:

1.需要从"AI重写目前软件"的角度来思考问题了。

a. 为谁重写软件?

当我们说重写时,是指让用户有"iPhone时刻"的体验,还是能够让企业主用AI替换人的动力。我想后者是重要驱动力。

b. 哪些需要重写呢?

  • 以NetSuite为例,已有的智能化功能包括:
    • Project Risk
    • Supply Chain Control Tower
    • AP Automation
  • 需要重新的功能包括:
    • 知识助理:可以帮助新手快速上手的知识助理、可以提升工作效率的个人助手。
    • 无键盘:用户交互界面。不需要菜单,更不需要指令。
    • 防呆:当有异常输入时,能够得到有效提醒。
    • 接口自动化:任意相关的应用可以实现无代码的接口自动化。
    • 洞见:基于数据、商业范式的实时反馈、预测、提醒。
    • 流程自动化:负责供应链上下游及内部流程的计划与调度职能的智慧中枢调度系统。

c.重写过程

鉴于管理软件集中度的提升,AI重写的过程应该是"核心平台AI化+生态插件"的混合模式。

  • 核心平台AI化是指,传统大厂将对自身的应用程序进行AI化改造。想想微软365正在做的事情。
  • 生态插件是指,新创AI公司以"智慧代理"为用户界面,将传统产品进行AI增强。想一下RPA是如何做无侵入接口的。大概就是那个样子。

2. 需要思考一下AI+时代下企业的形态

企业为本,企业智能化为末。我们需要重新思考一下,企业的形态会有哪些变化。

  • 最大的变化是企业员工。一线重复劳动的人员减少,将带来后台人员的减少。复杂技能、体能岗位会得以保留,并通过AI增强。
  • 企业将加强商业范式之外的创新,创造独特的"产品或服务"。不要忘记了,除了AI以外,还有新能源、量子计算、新材料、基因、脑科学带来的巨大科技红利。企业的创新由这些技术变革而驱动。
  • 企业规模将因禀赋的不同呈现两极化发展。大型企业投资于平台,依托资金壁垒构建基础生态,小微企业利用自身的强感知能力和行动速度进行创新。

3. AI+时代,我们该如何办

别废话,学习啊!

如果有任何关于NetSuite的问题,欢迎来谈。我的邮箱:rick.mao@truston.group

相关推荐
东胜物联18 分钟前
探寻5G工业网关市场,5G工业网关品牌解析
人工智能·嵌入式硬件·5g
皓74129 分钟前
服饰电商行业知识管理的创新实践与知识中台的重要性
大数据·人工智能·科技·数据分析·零售
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan1 小时前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀1 小时前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路1 小时前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子1 小时前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营3 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20065 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_5 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测