在B端体系中，咱们能够采用“信息 + 模型 + 举动”的结构来规划和运用人工智能的才能

奇绩创坛创始人兼CEO陆奇博士曾经提出过“三位一体”的结构模型：“信息 + 模型 + 举动”。其解释了人类、组织等有机体的运作方法，也可用于归纳互联网产品的组成结构：

图片引用于陆奇《我的大模型世界观》

在B端体系中，咱们能够采用“信息 + 模型 + 举动”的结构来规划和运用人工智能的才能。利用业务所产生的数据作为输入，经过模型的规则总结，然后体系根据模型的猜测成果来采取相应的举动。例如，咱们能够利用AI的语言处理才能完成翻译功能，或许经过AI对客服问答进行总结，完成智能机器人客服。终究的方针是经过AI技能完成B端业务的本钱降低和功率提升。

在当前生成式人工智能蓬勃发展的背景下，许多中小型企业希望结合第三方供给的大型模型才能，将自己的产品“重新用AI打造”。大多B端产品司理也在领导的要求下，被要求利用现有的大型AI模型来满意相关需求。

然而，咱们需求考虑AI是否真正合适本身的业务，怎么选择合适的大型模型，以及如安在保证业务作用的前提下规避当前AI所面临的不可控问题。本文将对在实施AI落地过程中的一些考虑进行整理。

二、落地

事实上，大多数中小企业并没有自行练习大模型的才能，因而只能依靠第三方供给的大模型来进行需求开发。而这种情况下存在一些影响企业运用AI的问题：

1）AI的黑盒特性导致的不可控问题

现在的AI技能仍处于第二代体系阶段，远未到达AGI水平。因而，AI的才能依然存在必定的局限性，主要表现在以下几个方面：

1. 答案的可信度不确定：由于AI是根据已有信息的提炼和总结，关于新出现的问题和场景，AI或许无法供给有用的答案。尤其是在垂直领域的AI运用，或许无法产生有用的信息。
2. 答案的合规性不确定：AI是一种根据统计学的成果猜测，本质上没有明确的对错判别才能。因而，在触及道德、法令等层面的问题上，AI无法进行甄别或判别，容易给企业带来负面影响。

2）“大模型百家争”下的技能计划不确定性

现在，国内外的知名企业都在活跃发展大模型，国内有文心一言、通义千问、盘古、星火认知大模型等数十家厂商。关于这些大模型的才能和鸿沟，咱们了解甚少，因而在决议计划企业AI技能落地时，面临着诸多问题，例如“应该选择哪些大模型”和“怎么运用这些大模型”，这增加了企业决议计划AI技能落地的本钱。