•
這一次，騰訊要讓人人都能「用好」大模型
“ 2024年的大模型百花齊放、各出奇招，而騰訊卻想要走一條自己的路。 ”
今天的大模型To B 賽道，仍然是一個非共識的時代——大模型如何落地，給企業產生實際價值，即使一年過去，也沒有一個標準答案。
而廠商想用大模型開拓B 端市場，則大多從自己的基因和能力出發，各出奇招，至今已經有了幾條比較成熟的打法：
有些廠商，意在用更大、更強的基礎大模型做突破，以更好的泛化能力應對需求多樣的To B 市場；
有些廠商，則透過資料清洗、精調等手段，把大模型精調成具體行業的形狀，再用「大模型商店」讓客戶可以自由挑選，甚至自己做自己的定製化；
有些廠商，意識到了AI 原生應用的重要性，便依託自己的大模型能力，接連推出不少應用，快速登陸搶佔市場。
各廠商八仙過海，路徑各有千秋，賽道競逐至今，幾個流派仍然還未能分出勝負，非共識向著共識的收束仍在繼續著。
當人們討論到大模型To B，常常各持己見，有人說技術、有人說應用、有人說生態，難以爭出個高下；
而在這個紛爭的非共識時代，作為一家擁有豐富經驗的To B 大廠，騰訊卻想要走一條自己的AI 之路。
01 大模型工具鏈，捲到什麼程度了？
大模型賽道的火熱，最能讓人感受到的是AI原生應用和Agent產品的爆炸性增長，繁榮如同煙花升空，好不熱鬧。
作為看客，自然可以額手稱慶，感慨於國內大模型產業發展之迅速；而如果撥開鮮花和掌聲，著眼於實際的To B 生意，就能發現，AI 大模型在B 端市場的滲透率，則遠不如一年前預期的高。
在實際推進落地的工作中，騰訊自然也看到了這一點。
去年6月19日，騰訊雲向外界推出了“行業大模型”，一時間讓大家看到了大模型在行業落地的希望。雷峰網過去的報導《行業大模型落地肉搏：誰先紮進行業，誰就先入“咸陽”》就講到：“騰訊行業大模型給出的方案，是在平台上開放多個模型，企業在選用了更適合的模型後，可以針對自己的具體需求，進行定製化的訓練。
這條道路，也被不少追隨者所認同——紛紛開放大模型商店，「貨架」上擺滿了不少琳瑯滿目的模型以及原生應用。而實際的效果，正如今天所看到的一樣，還並不能非常完全地解決企業的問題。
而回到騰訊雲，在去年619——甚至是在製定AI 大模型戰略的第一天，他們應該就清楚，行業大模型想落地，必須往前再走走。
一方面，騰訊知道，一個模型就算再大，也無法滿足大To B 行業中眾口難調的多樣、複雜需求，同時也要考慮到Scaling Law 對於成本的消耗，於是去年6月19日，騰訊推出了自己的行業大模型，把大模型的資料、調優等能力交給使用者，讓用戶定製適合自己的大模型；
這樣的想法終歸很好，但卻遠不是大模型To B 的完成形態——不少IT能力稍弱的用戶很難做數據清洗、篩選，更別提模型的精調和評估，行業大模型再好，也不是能覆蓋大部分B 端客戶的「解藥」。
去年發佈產業大模型時，騰訊早就有捲起褲腿，深入To B 戰場的決心。而到了今天，騰訊則必須向深處更進一步，距離使用者更近，提供更一站式、傻瓜式的服務，做可以「開箱即用」的大模型產品。
在這一點上，騰訊則展現出了謹慎而克制的一面——從金融、醫療、教育等行業大模型為起點，騰訊不做大水漫灌，也不做激進探索，而是一步一個腳印，做單點的產業突破，聚焦使用者需求細節，站穩腳跟，小步快跑。
「騰訊始終以'產業使用'，作為發展大模型的核心戰略。」在今天召開的騰訊雲生成式AI產業應用峰會上，騰訊集團高級執行副總裁、雲與智慧產業事業群CEO湯道生說道。
而到了實際的產品發布，一站式AI智能體創作與分發平台「元器」、一條由三大引擎組成的大模型工具鏈，也被正式推出向公眾展示。
實際上，如果用心留意，工具鏈幾乎是每個大模型平台的標配——畢竟，沒有好的工具鏈支援，AI 原生應用就沒法在平台上落地發芽。而各大平台要爭奪使用者，工具鏈產品必須得捲，讓開發者用得舒服，才能轉化為平台上的活躍使用者，進而為平台帶來活力。
而騰訊雲大模型工具鏈的“卷”，則上升到了一個新的高度。
別人「卷」大模型，卷的是模型效率優化，卷精調的易用性，卷低代碼——甚至零代碼的用戶體驗。
而騰訊雲，除了這些“必修課”，還“選修”了不少別的“小課”。
以知識引擎為例，使用者輸入一系列檔案，就可以產生一個基於檔案知識的AI 助理。
舉個例子，一個保險業的客戶，只需將自己保險產品的說明書錄入知識引擎，再加上一些簡單的功能描述，按幾個按鈕，幾分鐘過去，就能獲得一個專屬於自己的AI “保險代理人”，而完全不必關注所謂數據清洗、模型精調等等“高大上”的操作。
而做好知識引擎，騰訊雲的殺招不在大語言模型能力上，而是檢索增強（RAG）和輔助檔案解析和理解的OCR 大模型。
整合RAG 進入大語言模型，對於大模型來說，並不是一個獨特的技術路線：透過對輸入檔案的檢索，減少大模型表現的浪費，並減少幻覺——而這兩點，都是B 端客戶使用大模型時，最重視的指標。
在接受採訪時，騰訊雲副總裁、騰訊雲智能負責人、騰訊優圖實驗室負責人吳運聲就提到，在將大模型推向B 端時，遇到過兩個很大的難題：
一個是大模型廠商和客戶在行業Knowhow 上的資訊差、經驗差，讓大模型很難真正「落到地上」；
一個是客戶對於AI 的預期很高，都希望AI 可以一鍵解決自己的大部分問題，而這與實際上還有不少差距。
兩個問題統合起來，就把矛盾集中到了一個點：“如何讓AI 可以快速理解企業Knowhow，並用更低的成本、更簡單的操作來帶來價值。”
人們對AI 的想像，是把自己的資料輸入給人工智慧，人工智慧就能理解檔案，從而基於檔案的內容作答。而實際上，想要AI 像人一樣理解檔案的內容，卻不像想像中那麼簡單。
AI 要理解、輸出知識，首先需要精確地將資訊進行切分一個個的資訊塊，其次還得可以精確地檢索到用戶問題指向的內容。騰訊集結團隊，自研了Tencent RAG （TRAG）架構，為了讓客戶能省心、放心，騰訊在TRAG 做了不少新的嘗試：
在知識切分的角度，TRAG 用了相當暴力的方式，先讓AI 理解檔案的結構，理清各級標題，再對每個文字做語義級的拆分，在每個切片長度可控的前提下，讓AI 對資訊的理解不缺字漏字、斷章取義；
而在檢索的角度，TRAG 的工業級檢索已經支援4K 左右的規模，並繼承了多種檢索策略，在各種檢索的榜單上，也經常盤踞頭名的位置。
也正是這種對細節問題的堅持，讓騰訊知識引擎得以在大模型推理、生成能力不掉隊的前提下，可以在回復質量上完成突破——相比之前的AI 客服，騰訊方面的專家介紹道，知識引擎在客服領域的使用者滿意程度，上升到了之前的兩倍。
除了知識引擎，騰訊雲本次推出的圖像、視頻創作兩大引擎，也同樣各有千秋，服務了不少重點客戶並且獲得許多好評，本質上，也離不開對用戶需求細節的關注。
依託騰訊混元大模型的多模態能力，騰訊雲的圖像、視頻創作引擎，給用戶提供了圖像風格化、AI寫真、運動筆刷、圖片跳舞幾大功能，讓一般用戶可以用AI 改變過去拍照、拍攝影片的方式；
而生產力工具線稿生圖、視頻轉譯、視頻畫布拓展等能力，則讓專業使用者大幅提高了創作與生產效率，能切實地為產業帶來一波巨大的產能紅利。
就如上面提到的，相較於同賽道的競逐者，騰訊雲大模型To B 關注的領域和行業更加聚焦，以金融、醫療、教育等重點行業為錨點，不斷地升級技術、深入理解需求、完善產品，把打下的山頭站住、站穩，把每一步都走得踏實。
在金融業，騰訊與圓心惠保合作，讓AI 成為保險代理人的高效智囊。圓心惠保過去以傳統NLP 作答的機器人，回答精準率僅在57%，幾乎對錯「五五開」；而得到騰訊知識引擎的支援後，這個數字則提高至了85%，平均下來，給保險經紀人提效了50%。
而教育業同樣對大模型需求非常旺盛。河南省數位教育發展有限公司就在知識引擎的幫助下，僅僅兩三個月的前端開發，就成功地把AI 放進了教案生成、活動策劃、虛擬輔導員等教育活動全流程當中，讓人工智慧在教輔場景的採納率接近90%，而習題解析和百科問答的精確率則接近了95%。
有技術實力，也有下探行業Knowhow 和實際需求的耐心，騰訊的“穩”，就是決心要使用者危險，做開箱即用的“傻瓜式”產品，讓企業用好大模型的“最後一公里」能走的順暢、穩健。
02「傻瓜」產品，背後一定是硬實力
傻瓜式產品，是最符合世界對AI想像的場景－細枝末節的事情由人工智慧操心，人類只需要提供創業和構思，生產力就自然被解放了出來。
而要把AI 做得“傻瓜”，也絕不像人們想得這麼簡單——背後沒點硬實力、強支援，開箱即用的產品還真不這麼好做。
在平台支援的角度上，騰訊雲TI 平台在背後提供的超強能力，讓做成「傻瓜」產品成為了可能。
在今天的峰會上，騰訊也揭露了TI 平台的全新升級：
新增了三大類資料處理流程，簡化了100多種任務類型的資料配比；透過優化Prompt和提供Notebook代碼，降低了資料處理的複雜性；同時，支援任務排隊，提昇平台處理能力與穩定性。
資料處理鍊和精調工具鏈的全面升級，讓TI 平台有了做好這個爐台的底氣－讓知識引擎等等PaaS 產品，進一步降低B 端使用者使用大模型的門檻；
而在與知識引擎的聯調中，TI 平台也同樣擔任了大模型優化飛輪的一部分——支援客觀和主觀兩種評測方式，TI 平台可以結合業務難例和知識庫，進行端到端的效果評測，並且持續關注模型精調後的效果，讓使用者能及時理解、優化大模型的業務效果。
TI 平台給大模型的資料清洗、精調、評估帶來了全面、輕量化的升級；
而到了MaaS 層，產業大模型也被內建進了知識引擎，讓知識引擎可以針對具體的垂直領域，完成有針對性的效能優化。
例如，騰訊的金融業大模型，在金融輿情分析、投資顧問等場景下，有針對性地進一步強化了專業術語理解、數值計算、文案生成及合規性等方面的性能，讓降低了AI 產品的定製化成本，試圖打破AI To B 的行業「魔咒」。
有了TI 平台和產業大模型的加持，騰訊自己的混元大模型，同樣也是To B 戰場上，一個重要的利器。
經歷了另一輪全面升級，又在騰訊內部600個業務場景中開始落地，混元大模型今天已經分化成了hunyuan-pro、hunyuan-standard、hunyuan-lite等多種尺寸的版本，並已經在騰訊雲上，向企業和開發者全量開放。
「能文能武」的騰訊混元，在這一輪升級後，總體性能較之上代，又飛速提升了50%，部分中文能力已經可以追平GPT-4，距離世界領先的AI 水準更進一步，而Standard 版本開始支援256K 上下文的理解，在長檔案的理解和處理上也提效不少；
在多模態能力上，混元也開始支援圖片、影片、甚至3D 內容的生成，生成的影片長度可以達到16秒，效果也不輸不少競品。
除此之外，持續升級的還有騰訊的向量資料庫，和大模型資料向量化工具－在一系列技術加持下，騰訊和B 端客戶的距離，正通過一套完整的工具鏈生態，變得越來越近。
03 一年過去，騰訊變了嗎？
「我們肯定是沒變過的——騰訊自始至終的導向，都是要距離客戶更近。今天，我們提出了知識引擎等三大引擎以及一系列行業應用，和一年前一樣，都是為了使用者用AI的門檻進一步降低。
「我們還是要將產業大模型不斷地迭代，目的只有一個，就是做『距離產業更近的AI'。相比產業大模型，知識引擎距離使用者更近，未來可能還會有可以讓我們更進一步的成果。
To B 與To C 行業不同，不能“一招鮮吃遍天”，而是要隨時面對持續產生的新問題，做新的變化，跨過新的挑戰；
在這一點上，騰訊大模型To B 如果不“變”，或者說，不持續地進化，那麼終將被B 端市場無情的大浪淹沒。
從長遠來看，這一年，不管技術如何變遷，產品如何演進，騰訊的初心沒變，路線更沒變——通過不斷升級行業大模型能力和工具鏈、產品生態，完成小步快跑，逐個擊穿產業，完成滲透和突破。
而從基礎大模型到產業大模型，再到AI 智能體應用的演變，實際上是騰訊正堅持自己大模型To B 戰略路線的印證。
去年一年，業界已經目睹了盛行在AI 大模型賽道的“加速主義”，對“錯過”的恐懼支配了不少狂飆突進的廠商，讓整個賽道炙手可熱。
而面對新的激流，吳運聲似乎表現得相當淡定。當被問及「今年最大的KPI 是什麼」時，他的回答也一如騰訊雲的戰略氣質——冷靜，而克制：
「我們今年最大的KPI，既不單純是技術，也不是市場或商業化，而是我們是否能真正讓客戶用得滿意。反過來說，只要客戶滿意，我們的技術自然可以得到滋養，市場覆蓋率和收入也自然就上來了。 （雷峰網）