新火種
2023-11-13 
OpenAI大會大模型圈開卷，實在智能布局“AIAgent智體能”前瞻已下“先手棋”
“平地起驚雷，至今有余音。”去年的11月，OpenAI發布ChatGPT給科技圈劈下了一道驚雷，引爆了全世界的AI大模型熱潮，全球科技巨頭公司爭先恐后地推出通用大模型，探索產業應用的可能。短短一年后，北京時間11月7日凌晨2點，OpenAI在美國舊金山舉行了其首屆開發者大會，45分鐘的密集輸出，向我們展示了大語言模型賽道一只腳已踏入AIAgent智能體世界。
大會上，OpenAI創始人兼CEO薩姆·阿爾特曼公布了三大重磅信息：技術方面，推出GPT-4Turbo升級六大能力，同時API使用價格整體下調便宜一半多；開發方面，推出GPTs服務，讓完全沒有代碼能力的用戶用它打造專屬于自己的GPT助手；生態方面，新推出API助手（AssistantsAPI），開發出類似于Agent的應用，另外將于本月上線“GPT應用商店”。新鮮感逐步褪去后，ChatGPT的增長也在逐漸放緩，但如何解決生成式AI面臨的諸多問題，OpenAI給出了相應的回答：更便宜、更深的定制化、更廣的運用場景。而大洋彼岸的實在智能卻已成為國內外第一家將大模型與RPA融合，實現“所說即所得，你說PC做”的技術廠商，自2023年初利用其強大的AI自研能力，于8月份發布了實在自研垂直大語言模型“塔斯（TARS）”，實現了大語言模型跟RPA、IDP和其他AI技術更廣與更深的融合，并推出業界首個基于大模型的TARS-RPA-Agent，即實在RPAAgent智能體產品，將智能體數字員工的應用門檻進一步大幅降低。
讓大模型飛入尋常大眾家-智能體數字員工讓自動化看得見自今年年初ChatGPT爆火以來，國內外企業對生成式人工智能結合其他AI自動化技術，來實現其產品的AI能力升級并成功在企業客戶落地上充滿了期待，而最新數據和研究趨勢也表明，全球市場對大語言模型商用的需求是巨大的，但較高的大語言模型技術研發成本和人力成本限制了AI智能的大規模應用，如何讓大模型飛入尋常百姓家，成為普羅大眾真正意義上的智能體數字員工，自然成為了AIGC技術發展首先需要解決的問題。
“不會編程可以使用嗎？”“沒問題，完全可以，你只需要向電腦說你要做什么，它就會為你做完所有任務。”實在RPAAgent智能體就相當于一個懂你所有指令，并能夠準確把你所給的指令自動拆解成方便后續自動化流程去執行的不同步驟的智能體數字員工。在智能體數字員工實現流程自動化的過程中，每個流程中的步驟對用戶而言均是百分百可視，用戶可以邊查看實在智能體數字員工執行的每一個步驟，邊判斷整個自動化流程是否準確，如果不準確，還可隨時進行調整。“大語言模型如何在真實商業場景中快速、有效落地”成為技術廠商目前最關注的首要問題，實在智能最新推出的RPAAgent智能體數字員工真正做到將人機協同下的業務流程自動化生成提拔到了一個更智能，全可視，低門檻的‘平民化’高度。
為千行百業量身打造的實在垂類大語言模型優勢OpenAI在開發者大會上對其大語言模型的9大產品能力優化，反映出傳統大語言模型要想實現真正的商用落地，必須克服的一些具體實際問題。而實在智能認為輕便落地的大模型，才是更好的大模型，所以“成本可控、效果可用、定制化訓練、私有化部署”正是實在TARS大模型在真實場景商用落地的關鍵特性，實現在不同行業、垂直領域以及功能場景的流水線式部署。
在解決大模型的輕便性和易用性方面，實在智能做到了很多創新，而與湘財證券共建的“自研、有效、安全、可信任、可落地”的財經行業大模型TARS-Finance-7B，既保留了大語言模型的通用技能，更在金融財經領域得到了顯著的加強和提升，并在多個中英文的通用基準測評集和財經領域基準測評集上均取得良好成績：?在財經領域，與同為60-70億參數的Baseline模型相比，TARS-Finance-7B模型平均任務得分領先1%~20%；?在通用領域，TARS-Finance-7B相較基座模型和其他同尺寸Baseline模型，旗鼓相當并在部分領域領先。實在TARS垂直大模型，憑借強大的意圖理解能力，自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗，通過文本指令或簡單對話的方式直接生成數字員工，只需要通過聊聊天的方式，描述自己想要的內容給指令即可，無需編寫任何編碼，就可以讓TARS大模型去幫助實現用戶想達成的任務，讓他們幫你做你想做的事，操作各種電腦軟件自主完成任務，不僅能“聽得懂，想明白”，更可以“看得見，動起來”。
國內超級自動化廠商實在智能深諳其道，通過長期的AI技術沉淀和行業經驗積累，對RPA易用性不斷探索和嘗試，對傳統RPA做一次次革命，使實在TARS-RPA-Agent成為有“大腦”，更有“眼睛和手腳”的超自動化智能體。2018-2021，實在第一代專家模式RPA，實現可視化拖拉拽構建數字員工。2021-2022，實在第二代簡易模式IPA，基于首創ISSUT智能屏幕語義理解技術，跳出IDE技術模式，開啟全球首個點選用模式RPA。2022-2023，實在第三代對話模式RPA（ChatRPA），結合大語言模型基礎，實現超自動化RPAAgent智能體，打造業界首款計算機視覺與大語言模型結合的智能體產品，以全新體驗人機交互開啟對話式流程創建時代。作為強大的自然語言處理模型，一方面會有很多機遇，但同時也會面臨一些挑戰。如果大語言模型工具在源頭上缺乏對信息的安全防護，就會導致一些敏感信息和數據的泄露。盡管OpenAI強調說定制化的GPT模型不會對第三方公布，但在應用時仍然需要從根本上加強對用戶數據的安全性保護，避免信息泄露的風險，同時對于一些依賴該技術的企業和應用來說，可能會面臨技術迭代、數據安全等方面的風險，需要評估其潛在的技術風險并進行相應的風險管理。任何一款大語言模型產品想要成功實現商用落地，首當其沖需要解決的問題就是數據安全性保障的問題。實在智能從最初的大語言模型產品布局開始就將企業客戶敏感數據的安全性防護列入了產品的SOP設計當中，目前已經為實在TARS垂直類大語言模型上了一道敏感數據過濾網，能夠在源頭上將企業客戶的敏感數據進行過濾后再輸出給到安全的數據，實在智能同時提供給企業客戶一個可以對敏感數據庫進行維護的權限，真正實現從企業客戶內部就輕松實現數據安全的把控，讓企業真正放心將智能體引入到整個企業數字化轉型的各個階段。而面對國企政府信創需求的爆發式增長，實在智能在堅持不斷強化“AI×RPA”核心能力，智能感十足的實在TARS大模型與超自動化產品矩陣的深度融合，全面支持國產信創，在創新自研及國產化適配方面快速發力，全系列產品已廣泛兼容、全面適配行業主流的國產芯片、國產數據庫、服務器及操作系統，這也是從另一方面的安全性防護去傳遞產品價值，并在應用層面拉開與其他國內技術廠商的差距。
在肉眼可見的未來，人們的生活將在AI和智能體數字員工的加持下，發生翻天覆地的變化。據Gartner最新研究表明，到2026年，生成式人工智能將顯著改變70%的新網絡應用和移動應用的設計和開發工作，而到2028年，75%的企業軟件工程師將使用人工智能編碼助手，而2023年初這一比例還不到10%。現有的實在RPAAgent“智能體”已經接近人類水平的語言理解能力之上，而且也會隨著大語言模型的不斷發展而迭代更新到更人性化的水平，這既是目前智能體發展的必然階段，也將在更長遠的未來為構建AI智能體新生態體系做出更重要和必要的貢獻。
大會上，OpenAI創始人兼CEO薩姆·阿爾特曼公布了三大重磅信息：技術方面，推出GPT-4Turbo升級六大能力，同時API使用價格整體下調便宜一半多；開發方面，推出GPTs服務，讓完全沒有代碼能力的用戶用它打造專屬于自己的GPT助手；生態方面，新推出API助手（AssistantsAPI），開發出類似于Agent的應用，另外將于本月上線“GPT應用商店”。新鮮感逐步褪去后，ChatGPT的增長也在逐漸放緩，但如何解決生成式AI面臨的諸多問題，OpenAI給出了相應的回答：更便宜、更深的定制化、更廣的運用場景。而大洋彼岸的實在智能卻已成為國內外第一家將大模型與RPA融合，實現“所說即所得，你說PC做”的技術廠商，自2023年初利用其強大的AI自研能力，于8月份發布了實在自研垂直大語言模型“塔斯（TARS）”，實現了大語言模型跟RPA、IDP和其他AI技術更廣與更深的融合，并推出業界首個基于大模型的TARS-RPA-Agent，即實在RPAAgent智能體產品，將智能體數字員工的應用門檻進一步大幅降低。讓大模型飛入尋常大眾家-智能體數字員工讓自動化看得見自今年年初ChatGPT爆火以來，國內外企業對生成式人工智能結合其他AI自動化技術，來實現其產品的AI能力升級并成功在企業客戶落地上充滿了期待，而最新數據和研究趨勢也表明，全球市場對大語言模型商用的需求是巨大的，但較高的大語言模型技術研發成本和人力成本限制了AI智能的大規模應用，如何讓大模型飛入尋常百姓家，成為普羅大眾真正意義上的智能體數字員工，自然成為了AIGC技術發展首先需要解決的問題。“不會編程可以使用嗎？”“沒問題，完全可以，你只需要向電腦說你要做什么，它就會為你做完所有任務。”實在RPAAgent智能體就相當于一個懂你所有指令，并能夠準確把你所給的指令自動拆解成方便后續自動化流程去執行的不同步驟的智能體數字員工。在智能體數字員工實現流程自動化的過程中，每個流程中的步驟對用戶而言均是百分百可視，用戶可以邊查看實在智能體數字員工執行的每一個步驟，邊判斷整個自動化流程是否準確，如果不準確，還可隨時進行調整。“大語言模型如何在真實商業場景中快速、有效落地”成為技術廠商目前最關注的首要問題，實在智能最新推出的RPAAgent智能體數字員工真正做到將人機協同下的業務流程自動化生成提拔到了一個更智能，全可視，低門檻的‘平民化’高度。為千行百業量身打造的實在垂類大語言模型優勢OpenAI在開發者大會上對其大語言模型的9大產品能力優化，反映出傳統大語言模型要想實現真正的商用落地，必須克服的一些具體實際問題。而實在智能認為輕便落地的大模型，才是更好的大模型，所以“成本可控、效果可用、定制化訓練、私有化部署”正是實在TARS大模型在真實場景商用落地的關鍵特性，實現在不同行業、垂直領域以及功能場景的流水線式部署。在解決大模型的輕便性和易用性方面，實在智能做到了很多創新，而與湘財證券共建的“自研、有效、安全、可信任、可落地”的財經行業大模型TARS-Finance-7B，既保留了大語言模型的通用技能，更在金融財經領域得到了顯著的加強和提升，并在多個中英文的通用基準測評集和財經領域基準測評集上均取得良好成績：?在財經領域，與同為60-70億參數的Baseline模型相比，TARS-Finance-7B模型平均任務得分領先1%~20%；?在通用領域，TARS-Finance-7B相較基座模型和其他同尺寸Baseline模型，旗鼓相當并在部分領域領先。實在TARS垂直大模型，憑借強大的意圖理解能力，自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗，通過文本指令或簡單對話的方式直接生成數字員工，只需要通過聊聊天的方式，描述自己想要的內容給指令即可，無需編寫任何編碼，就可以讓TARS大模型去幫助實現用戶想達成的任務，讓他們幫你做你想做的事，操作各種電腦軟件自主完成任務，不僅能“聽得懂，想明白”，更可以“看得見，動起來”。國內超級自動化廠商實在智能深諳其道，通過長期的AI技術沉淀和行業經驗積累，對RPA易用性不斷探索和嘗試，對傳統RPA做一次次革命，使實在TARS-RPA-Agent成為有“大腦”，更有“眼睛和手腳”的超自動化智能體。2018-2021，實在第一代專家模式RPA，實現可視化拖拉拽構建數字員工。2021-2022，實在第二代簡易模式IPA，基于首創ISSUT智能屏幕語義理解技術，跳出IDE技術模式，開啟全球首個點選用模式RPA。2022-2023，實在第三代對話模式RPA（ChatRPA），結合大語言模型基礎，實現超自動化RPAAgent智能體，打造業界首款計算機視覺與大語言模型結合的智能體產品，以全新體驗人機交互開啟對話式流程創建時代。作為強大的自然語言處理模型，一方面會有很多機遇，但同時也會面臨一些挑戰。如果大語言模型工具在源頭上缺乏對信息的安全防護，就會導致一些敏感信息和數據的泄露。盡管OpenAI強調說定制化的GPT模型不會對第三方公布，但在應用時仍然需要從根本上加強對用戶數據的安全性保護，避免信息泄露的風險，同時對于一些依賴該技術的企業和應用來說，可能會面臨技術迭代、數據安全等方面的風險，需要評估其潛在的技術風險并進行相應的風險管理。任何一款大語言模型產品想要成功實現商用落地，首當其沖需要解決的問題就是數據安全性保障的問題。實在智能從最初的大語言模型產品布局開始就將企業客戶敏感數據的安全性防護列入了產品的SOP設計當中，目前已經為實在TARS垂直類大語言模型上了一道敏感數據過濾網，能夠在源頭上將企業客戶的敏感數據進行過濾后再輸出給到安全的數據，實在智能同時提供給企業客戶一個可以對敏感數據庫進行維護的權限，真正實現從企業客戶內部就輕松實現數據安全的把控，讓企業真正放心將智能體引入到整個企業數字化轉型的各個階段。而面對國企政府信創需求的爆發式增長，實在智能在堅持不斷強化“AI×RPA”核心能力，智能感十足的實在TARS大模型與超自動化產品矩陣的深度融合，全面支持國產信創，在創新自研及國產化適配方面快速發力，全系列產品已廣泛兼容、全面適配行業主流的國產芯片、國產數據庫、服務器及操作系統，這也是從另一方面的安全性防護去傳遞產品價值，并在應用層面拉開與其他國內技術廠商的差距。在肉眼可見的未來，人們的生活將在AI和智能體數字員工的加持下，發生翻天覆地的變化。據Gartner最新研究表明，到2026年，生成式人工智能將顯著改變70%的新網絡應用和移動應用的設計和開發工作，而到2028年，75%的企業軟件工程師將使用人工智能編碼助手，而2023年初這一比例還不到10%。現有的實在RPAAgent“智能體”已經接近人類水平的語言理解能力之上，而且也會隨著大語言模型的不斷發展而迭代更新到更人性化的水平，這既是目前智能體發展的必然階段，也將在更長遠的未來為構建AI智能體新生態體系做出更重要和必要的貢獻。 相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
