AI入凡尘：从风花雪月到千行百业

来源 / 市值榜

作者：贾乐乐，编辑:赵元

大模型（LLM）发展起来之后，生成式AI开始井喷，有聊天对话、文生图，还有扩图等多种形态。

对于技术的进步，大众都喜闻乐见，但渐渐地另一种声音出现了：我们希望AI替我们工作，替我们打扫卫生，我们去风花雪月，可现在方向好像反了。

路要一步一步走，饭要一口一口吃，直接出现科幻小说、电影中“和人类无异，且供人类驱使”的机器人，显然不现实，但让AI从陪聊、废话大师到有用的工具，落地的途径已经不像之前那么模糊。

一个共识是，AI Agent是AI应用落地的关键推手，甚至是终极形态。

基于LLM的AI Agent是具有独立思考和行动能力的智能体，AI Agent=LLM+感知+规划+记忆+工具使用。

今年，红杉资本对2024年AI的发展趋势做出预测：Copilot将逐渐向Agent转变，Copilot是AI辅助人工作，Agent更像一个真正的同事，可以分担工作。未来，Agent还会走向具身智能，向实体形态的智能机器人形态发展。

确定性的趋势之下，很多平台和企业都在布局Agent，典型如OpenAI上线了GPT store，国内的钉钉近期上线了AI Agent store，智谱AI、昆仑万维也分别推出了各自的Agent平台。

OpenAI的GPT store已经于今年1月份上线，属于Agent的初级阶段，上线后的这三个月，GPT store差评满天飞。

作为本轮通用型人工智能技术“领头羊”，OpenAI具有风向标意义，GPT store的遇冷也让人不得不重新考虑这几个问题：GPT store 不行是不是代表Agent不行？ AI通过Agent形态落地，路径应该是什么样的？更实际的落地场景有哪些？ 和钉钉这样的平台应该扮演什么样的角色？ 承担什么任务？

一、AI落地，To B 还是To C？

GPT store的推出，意味着人人都能构建Agent的时代拉开了序幕，也被认为是AI 的APP store时刻。

因为宫斗等事件，GPT store延迟上线两个月，在这两个月用户创建了超过300万个ChatGPT自定义版本。

300万是什么概念，我国国内市场上的APP数量，包括安卓和苹果商店也就260多万。

但GPT store上线不久，就出现了热门GPTs被抄袭、僵尸号泛滥、刷单、假官方、软色情等多重罪。最受欢迎的当属AI女友，尽管OpenAI已经明确，不允许GPT专注于培养浪漫伴侣关系。

GPT store里的产品同质化、低劣化，于是开发者纷纷抱怨，如OpenAI审核不力，用户少、商业模式完全跑不通，对GPT store失去了信心。

To C的GPT产品备受争议，有的To C的企业创始人团队也转向To B。

Inflection是一家AI独角兽，也是融资额仅次于OpenAI的初创公司，有着自己的类ChatGPT产品——Pi，主打的是陪伴，To C属性明显。

有消息称，Inflection的核心层被微软挖墙脚，负责组建名为“Microsoft AI”的新团队，整合微软的消费者AI工作以及Copilot、Bing和Edge等产品。

这不好说是To B还是To C，但相较于谈天说地、吟诗作对，微软和AI相关的产品显然更工具化、更以提升效率为目的。

据华尔街见闻的报道，Inflection也正在调整业务重心，转向为其他企业提供API服务，也就是To B化，因为即使Pi的每日用户数量已达到100万，它也还没有找到有效的商业模式，更别提GPT store里的那些GPT了。

To C的Agent在当前遇到了较大的阻力，To B可能才是更有希望的“生路”。

To C产品的主要逻辑是创造增量需求，创造的方向是让用户感受到有趣，而有趣是一个模糊的概念，短视频、AI生成照片、拍摄表情包、游戏里设定AI NPC、编笑话等等都可以是有趣的。

需求分散、使用频率低下，这是To C产品需要突破的关键点。

To B产品的逻辑是解决问题，尽管也有不同行业不同的场景，但每个应用场景都有清晰的、具体的需求。不管是以什么形态落地，AI都需要以更低成本、更高效率的方式满足需求，这就是天然的约束。

未来，当Agent成为科幻小说描述的那样成为个人管家、助理时，To C应用的天花板将被彻底掀开，而在当前软件层面，To B才是AI Agent的破局的最佳路径。

二、To B场景，Agent走到哪儿了？

从LLM到Agent，AI在To B场景已经走了三个阶段：大模型涌现，不管是To B还是C，这都是基础；应用层的+AI，AI作为辅助，比如微软的Copilot、钉钉的AI魔法棒；现在是第三个阶段，从Copilot走向Agent，自主性、执行力都更强，向着自动化和拟人化发展。

在第三阶段，企业所需要的不一定是一个完整的产品，也可以是一小节智能化的能力。将原子化的能力组合在一起，可能是解决企业个性化需求、不同员工个性化需求更有效的途径，这也正是传统的SaaS所面临的最大的问题。

（来源：中金研报）

这些智能化生产力使用场景有哪些？谁来提供这些智能化生产力？

B端有很多场景都有Agent的应用空间，比如电商的语音助手、智能客服、个性化推荐；教育行业的智能辅导和答疑、教育数据分析；房地产行业的虚拟房源展示、合同生成与管理、风险评估；旅游行业的实时翻译、旅游数据分析；物流行业的园区管理与监控、搬运与装卸等等。

To B涉及到的行业多样、场景分散，需要的能力是专家级的，所以那些沉淀了行业know-how的企业、ISV、个人/专家是创造AI Agent的关键角色。

于是钉钉用更加开放的方式来做AI助理生态，就像钉钉一直以来的生态战略一样，自己做底座和基础，把创造留给所有企业和用户、服务商。

今年1月，钉钉宣布举办AI助理大赛，不设门槛，鼓励企业、ISV、个人进行AI助理的创造，最高可得20万奖金，包括企业赛道、办公赛道和高校园生活赛道，截至3月底，有超过700份作品参与了大赛。

我们可 以从这些作品中看见To B的Agent已经可以做哪些事，能在多大程度上能够提升效率。

本次AI助理大赛中，实在智能是办公赛道进入到前十的选手，作品是RPA助理——实在Agent。

AI是电脑，RPA是更具执行力的手，AI+RPA能实现业务流程的超自动化。比如，在对话中调出某个业务部门当季的收入或其他统计指标，项目的进度等，这些任务不是简单对话，而需要查询、拆解、查看项目数据、推送等执行层面的动作，也涉及到数据库的读取、API管理等等。

实在智能与钉钉的合作主要集中在电商这个赛道，实在Agent可以帮助电商商家做全域数据的更新与维护。

现在的电商商家都是多平台经营，店铺数据也分散在不同的平台，以往商家的操作方式是通过增加员工数量完成每日的取数工作，成本高还易出错。

实在Agent可以模拟人工方式，在不同的平台上取数并汇总，还可以把数据汇总到宜搭上做BI看板，就能实现数据的自动更新。

如果是原来的模式，实在智能需要先打响“取数宝”的品牌，而现在多了一种选择：将取数宝的能力，集成在AI助理里。现在钉钉对于AI助理的入口比较重视，客户就可以随时点进去，通过自然对话就可以执行。

用友薪酬创造的薪酬分析助理，可以帮助用户统计日常工作报表、做人力成本的分析、薪酬结构分析、市场薪酬统计等。

用友薪酬和实在智能都是为企业提供服务的服务商，也有一些企业选择自己上，比如长龙航空创造了航空维修助理，可以提交维修需求、智能推荐维修方案、材料出库入库登记等等。

在4月23日，钉钉极客大会上，钉钉CTO程操红提到，钉钉上已经有数十万个AI助理。

三、GPT Store不行，还是Agent不行？

B端固然更容易培育出有用的AI工具，但GPT Store的经历不免让人担忧钉钉的AI Agent store会不会上演相似的剧情。

先来看看钉钉的AI Agent store与OpenAI的GPT Store有何相似与不同。

相似之处，是都降低了Agent的开发门槛。

OpenAI通过提供GPT builder降低了建立一个Agent的门槛，用户无需懂编程，也不用懂代码，通过可视化点击操作就可以构建一个自定义GPT，部分GPTs通过插件参与业务流程、使用工具，具有执行能力，但仍然达不到Agent的执行标准。

在技术普惠上，钉钉是走得更快的，比如钉钉早就通过低代码实现了半AI化，让企业通过低门槛的方式开发更契合真实业务场景的应用。

同时，低代码的普及，也为AI Agent打下了“系统”和“数据”基础设施，比如可以接入钉钉上原有的应用、低代码、企业自建系统、外部第三方平台。

最大的不同还是在于应用场景，也就是前面提到的，OpeAI的GPTs主要是给C端用的，低门槛所带来的是同质化与低劣化，而钉钉上产生的AI Agent更有需求的约束。

以解决问题为开发工具的目的，低劣化问题就能在很大程度上得到解决，同质化方面，有了GPT Store的前车之鉴，钉钉表示，钉钉未来的AI助理市场不做全量推荐，只会推荐精选过的AI助理。

（钉钉AI助理市场）

除了审核之外，在优秀AI Agent的涌现上，钉钉有哪些优势？

前面我们提到，AI Agent=LLM+感知+规划+记忆+工具使用，也就是说在大模型之外的更多的框架、组件，以及产生框架和组件的业务场景和数据，也是关键的要素。

就像观众不能指望没上过一天班的编剧写出底层打工人的真实生活，我们也不能指望只吸收了风花雪月知识、没在真实业务流程中工作过的LLM具有解决实际问题的能力。

钉钉的最大优势是，它既是一个To B的协同办公平台，也是一个开放的生态，一个AI应用创作平台，有大量的用户、组织和ISV，也沉淀了真实、复杂的业务场景。

企业、ISV和个人开发者可以在钉钉上连接、开发和加工各种应用，同时，由于用户多、企业多，钉钉成Agent天然的试验场，就像毕业的大学生有了工作机会，AI Agent store也会成为AI Agent高频的分发通道，为未来的商业变现提供了更大的可能，避开了GPTs活跃用户少的困境。

钉钉所做的，是连接场景和数据，实现结构性自动化和批量处理各种工作。具体来说，钉钉的职责是确保外部记忆存储部分的完善，包括短期和长期记忆的处理，同时做好任务规划，之后将大模型生成的内容与本地业务数据集成，并将形成的行动在各个系统中落地。

同时，To B的场景也在增强钉钉。

在To B服务中，钉钉需要频繁与用户、企业互动，甚至去线下了解实际工作流程，虽然每个企业需求不同，但产品会逐渐沉淀下来，钉钉也可以保留抽象层和公共层，完成产品的广泛行业适用性。

再比如，用友这样的老牌财税专家在薪酬领域的理解一定比大模型更深，所以AI薪酬分析助理也是在增强大模型在垂直领域的能力。

总的来说，和OpenAI相比，钉钉在LLM没有优势，但在感知、记忆和提供工具等方面都做得更好，这是AI Agent store不会成为下一个GPT store最重要的原因，也是钉钉能长出AI Agent生态的重要原因。

四、结语

历史总是在不断重复。

蒸汽机面世后，除了工业和纺织业的应用，人们还研究过将蒸汽机直接装到马车上，后来蒸汽机才找到在交通运输方面真正的用武之地——船舶和汽车。

大模型出现后，To B开始的方向同样是增强原有的产品，逐渐过渡到更具有自主性和执行力的AI+。

就像人们需要的是跑得更快的工具，而不一定非是马车，实现目标的途径是可以改变的，AI也在改变解决问题的方式。

以往，C端用户要解决问题，需要打开一个个的APP，企业需要解决问题，需要借助一个个垂直场景的SaaS。现在AI Agent将能力抽离出，并组合、重塑，形成特定事件、场景的解决方案。

在简单场景下，我们需要的是足够多、足够智能的AI Agent，在相对复杂的场景下，我们还需要这些AI Agent可以进行协作。

钉钉现在所做的就是用大量的需求促使有用的AI Agent涌现。当有用的AI Agent够多，覆盖工作场景，也覆盖生活场景，距离想象中的未来世界就更近了。