編輯丨林覺(jué)民

(資料圖片僅供參考)

" 在 ChatGPT 出現(xiàn)之前，我們就已經(jīng)認(rèn)識(shí)到大模型是個(gè)大趨勢(shì)，決定把公司已有產(chǎn)品的底層核心引擎全部轉(zhuǎn)移到大模型上，" 北京中關(guān)村科金技術(shù)有限公司技術(shù)副總裁張杰如是說(shuō)。

這或許是很多人無(wú)法理解的，畢竟彼時(shí)大模型的概念還沒(méi)在國(guó)內(nèi)流行開(kāi)來(lái)。

而讓中關(guān)村科金下定決心全面擁抱大模型的原因在于，大模型并非新事物，早在 2017 年就有了 Transformer 的架構(gòu)，次年谷歌就基于該架構(gòu)推出了 BERT 大模型，并在產(chǎn)業(yè)界產(chǎn)生了不小反響。

反觀中關(guān)村科金的業(yè)務(wù)和產(chǎn)品，我們不難發(fā)現(xiàn)，區(qū)別于其他 To B 公司，自 2014 年成立以來(lái)，中關(guān)村科金就選擇以對(duì)話式 AI 為核心技術(shù)，專注于企業(yè)服務(wù)賽道提供對(duì)話場(chǎng)景服務(wù)，其不僅注重底層技術(shù)的自研，還強(qiáng)調(diào)下場(chǎng)做應(yīng)用。

自帶 AI 基因，或許也是中關(guān)村科金較早擁抱大模型的原因之一。

大模型方面，中關(guān)村科金也在沿著之前的路徑走：一是自研領(lǐng)域大模型，二是做上層應(yīng)用。

緣何做領(lǐng)域大模型而非通用大模型？

張杰告訴 AI 科技評(píng)論，從長(zhǎng)遠(yuǎn)來(lái)看，通用大模型確實(shí)能給行業(yè)帶來(lái)巨大的價(jià)值，但從目前來(lái)看，通用大模型在處理專業(yè)問(wèn)題方面還不是很聰明，不能滿足企業(yè)對(duì)專業(yè)性、合規(guī)性、規(guī)模化的需求。相反領(lǐng)域大模型不僅不需要依賴大算力，還能切實(shí)解決領(lǐng)域內(nèi)某幾類細(xì)分場(chǎng)景的問(wèn)題。

至于備受業(yè)界關(guān)注的模型參數(shù)規(guī)模問(wèn)題，張杰表示，主要結(jié)合實(shí)際場(chǎng)景的應(yīng)用情況，比如財(cái)富管理領(lǐng)域的大模型只需要 50 億參數(shù)規(guī)模就能很好的用于營(yíng)銷、客服等場(chǎng)景，那就沒(méi)必要做成 1000 億參數(shù) ，避免用大炮打蚊子，節(jié)省算力消耗的資源。

在進(jìn)行領(lǐng)域模型探索的同時(shí)，中關(guān)村科金也沒(méi)有忽略應(yīng)用層。AI 科技評(píng)論了解到，目前中關(guān)村科金已有的產(chǎn)品如智能外呼、智能客服、智能質(zhì)檢、智能陪練等產(chǎn)品通過(guò)自研的對(duì)話引擎已全面擁抱大模型。

此外，中關(guān)村科金還結(jié)合企業(yè)的痛點(diǎn)問(wèn)題和客戶共創(chuàng)了多個(gè)有場(chǎng)景代表性的試點(diǎn)項(xiàng)目，例如：推出了虛擬員工助手，幫助企業(yè)打造 " 超級(jí)員工 "，在營(yíng)銷文案生成、客服問(wèn)答、坐席助手等場(chǎng)景，助力企業(yè)營(yíng)銷服價(jià)值提升，已經(jīng)在業(yè)內(nèi)有了很好的落地。

當(dāng)然張杰也坦言，通用大模型已經(jīng)火到了一定程度，目前 C 端應(yīng)用火爆，" 但在 B 端企業(yè)服務(wù)賽道，很少有人意識(shí)到大模型未來(lái)會(huì)對(duì)企業(yè)的生產(chǎn)關(guān)系帶來(lái)很大影響。"

以下是 AI 科技評(píng)論和張杰的對(duì)話：

不會(huì)為了追求風(fēng)口，做一些姿勢(shì)大于效果的創(chuàng)新

AI 科技評(píng)論：AI 技術(shù)發(fā)展速度很快，過(guò)去兩年公司的 AI 技術(shù)路線做了哪些調(diào)整？

張杰：過(guò)去兩年最大的技術(shù)路線調(diào)整就是把公司已有產(chǎn)品的底層核心引擎全面替換成大模型。

AI 科技評(píng)論：所以去年您就預(yù)見(jiàn)了大模型會(huì)是下一個(gè)風(fēng)口？

張杰：大模型帶來(lái)的研究范式的巨變是必然現(xiàn)象。大模型不是 ChatGPT 出來(lái)之后才有的，2017 年就已經(jīng)有了 transformer 的架構(gòu)，2018 年谷歌基于 Transformer 推出了 BERT 模型，只是當(dāng)時(shí)參數(shù)規(guī)模比較小，叫預(yù)訓(xùn)練語(yǔ)言模型。現(xiàn)在為什么叫大模型，是因?yàn)樗膮?shù)越來(lái)越大了。

BERT 出來(lái)后對(duì)學(xué)術(shù)界、產(chǎn)業(yè)界影響都很大，因?yàn)樗耐ㄓ眯员容^好。BERT 是判別式模型，GPT 是生成式模型。隨著 GPT 能力的不斷提升，很多學(xué)術(shù)研究的子方向的特殊性都沒(méi)了，研究范式開(kāi)始趨向于統(tǒng)一。

最初 GPT 的技術(shù)路線還是非主流的，但 OpenAI 一直堅(jiān)持生成式模型的路線，沒(méi)想到現(xiàn)在生成式的任務(wù)效果這么好，變成主流了。很多序列標(biāo)注、分類任務(wù)都可以轉(zhuǎn)成生成式的任務(wù)。

AI 科技評(píng)論：為什么要做這樣的調(diào)整？

張杰：我們是一家務(wù)實(shí)經(jīng)營(yíng)的科技公司，過(guò)去多年都是連續(xù)盈利的，科技創(chuàng)新唯有苦練內(nèi)功，所以我們不會(huì)為了追求風(fēng)口做一些姿勢(shì)大于效果的技術(shù)。

那為什么要把產(chǎn)品全部轉(zhuǎn)移到大模型上面？因?yàn)樾Ч谩⒊杀镜汀Ｓ?xùn)練一個(gè)模型類似于培養(yǎng)一名學(xué)生，之前的技術(shù)路線是按場(chǎng)景任務(wù)定制專用的模型，需要大量標(biāo)注數(shù)據(jù)，相當(dāng)于 " 只刷題、不看書(shū) " 的思路，這樣的方式培養(yǎng)出來(lái)的學(xué)生在考試時(shí)只會(huì)做相似的題型，遇到新題型就答不好了。而大模型的思路是 " 先大量看書(shū)、再少量做題 "，模型本身的通用性較好，學(xué)到了知識(shí)體系，面對(duì)新題型時(shí)給少數(shù)幾個(gè)樣例甚至不給樣例就能答對(duì)。從而使得我們的產(chǎn)品可復(fù)用程度高、定制化的交付成本降低。

AI 科技評(píng)論：產(chǎn)品需要重構(gòu)嗎？

張杰：這要看產(chǎn)品里包含哪些功能。如果產(chǎn)品里包含了很多需要人工配置領(lǐng)域知識(shí)的模塊，比如關(guān)鍵詞、相似問(wèn)、問(wèn)答對(duì)等，那就需要重構(gòu)。如果產(chǎn)品在行業(yè)屬性與工具能力解耦方面做的很好了，重構(gòu)代價(jià)就會(huì)比較低。

AI 科技評(píng)論：率先做了哪些場(chǎng)景的應(yīng)用？

張杰：我們已有的產(chǎn)品主要是圍繞企業(yè)服務(wù)賽道的對(duì)話場(chǎng)景，比如說(shuō)外呼營(yíng)銷機(jī)器人、客服機(jī)器人、智能質(zhì)檢、智能陪練、辦公助手等。

比如，通過(guò)呼叫中心將銷售過(guò)程錄下來(lái)，采用 ASR 語(yǔ)音轉(zhuǎn)寫(xiě)技術(shù)將錄音轉(zhuǎn)成文本；再通過(guò)對(duì)話文本挖掘出用戶的意圖；隨著對(duì)話過(guò)程不斷進(jìn)行，大模型可以實(shí)時(shí)生成流程圖譜，給銷售提供對(duì)話建議，分析潛在的話題引導(dǎo)方向，提升銷售人員的營(yíng)銷技能，提高成單率和用戶的留存率。

AI 科技評(píng)論：市場(chǎng)接受度如何？

張杰：這取決于產(chǎn)品是否能給客戶帶來(lái)價(jià)值。

簡(jiǎn)單介紹一個(gè)代表性的應(yīng)用案例，以前在一個(gè)新場(chǎng)景構(gòu)建外呼機(jī)器人，大概需要 2~3 周時(shí)間，且需要非常熟練的話術(shù)師才行。但現(xiàn)在，借助一個(gè)構(gòu)造好的領(lǐng)域大模型，只需大約 1-2 天時(shí)間就可以成功交付，能明顯降低交付成本，加快交付效率。

與傳統(tǒng)的智能客服相比，大模型進(jìn)一步降低了開(kāi)發(fā)和運(yùn)維成本。以前，各種場(chǎng)景都需要算法工程師標(biāo)注數(shù)據(jù)以訓(xùn)練特定任務(wù)的模型，因此開(kāi)發(fā)成本較高。現(xiàn)在，大模型本身的通用性好，不再需要很多算法工程師標(biāo)數(shù)據(jù)，可以直接拿過(guò)來(lái)用，有時(shí)稍微標(biāo)幾條數(shù)據(jù)就夠了。企業(yè)部署外呼機(jī)器人、客服系統(tǒng)的成本會(huì)大大降低。原有 30 個(gè)話術(shù)師的工作量，現(xiàn)在 2 人即可完成，而且語(yǔ)義理解準(zhǔn)確度從 85% 提升至 94% 。所以看到這個(gè)實(shí)際效果后，客戶的接受度還是很高的。

AI 科技評(píng)論：相對(duì)來(lái)說(shuō)，哪些客戶對(duì)大模型技術(shù)的接受度更高一些？

張杰：一些客戶是行業(yè)龍頭企業(yè)，之前嘗到了數(shù)字化轉(zhuǎn)型帶來(lái)的紅利，這次也更愿意嘗試。有些客戶是排在行業(yè)頭部但不是龍頭，想彎道超車。

這些企業(yè)的共同點(diǎn)就是關(guān)注投入產(chǎn)出比、合規(guī)性、安全性，如果這項(xiàng)新技術(shù)不能帶來(lái)顯著的經(jīng)營(yíng)效益，那么在企業(yè)內(nèi)部也很難立項(xiàng)通過(guò)。

從有經(jīng)驗(yàn)積累的行業(yè)出發(fā)，找契機(jī)深入其他領(lǐng)域

AI 科技評(píng)論：中關(guān)村科金為什么選擇從金融行業(yè)嘗試大模型應(yīng)用？

張杰：與其他行業(yè)相比，金融行業(yè)對(duì)于數(shù)字化轉(zhuǎn)型項(xiàng)目的接受度更高、場(chǎng)景需求更明確、智能化手段帶來(lái)的商業(yè)價(jià)值更明顯。并且像頭部金融企業(yè)對(duì)于服務(wù)品質(zhì)、響應(yīng)速度各方面要求都很高，需要合作伙伴能夠迅速和他一起共創(chuàng)，這時(shí)候腰部企業(yè)看到成功案例后，再去復(fù)制就很快了。

AI 科技評(píng)論：是不是很難？畢竟對(duì)數(shù)據(jù)方面的要求比較高？

張杰：數(shù)據(jù)方面的要求可以細(xì)分來(lái)看，是容易獲取的公域數(shù)據(jù)還是很難獲取的私域數(shù)據(jù)、是成本低的隱性標(biāo)注數(shù)據(jù)還是成本高的顯性標(biāo)注數(shù)據(jù)。To B 場(chǎng)景下，訓(xùn)練一個(gè)領(lǐng)域模型更要有一些高質(zhì)量的、小規(guī)模的數(shù)據(jù)，但數(shù)據(jù)標(biāo)注成本比較高，不是每家 AI 公司都有能力自建團(tuán)隊(duì)去做，這是我們能做大模型應(yīng)用的一個(gè)門(mén)檻和優(yōu)勢(shì)。

把這些高質(zhì)量的領(lǐng)域常識(shí)數(shù)據(jù)灌到大模型里訓(xùn)練，就可以讓模型具備更多的領(lǐng)域知識(shí)，學(xué)到領(lǐng)域的語(yǔ)言特色，對(duì)領(lǐng)域數(shù)據(jù)的理解能力和生成能力也會(huì)提升。除了將通用大模型這個(gè) " 文科生 " 變成領(lǐng)域?qū)＜彝猓覀冞€通過(guò)領(lǐng)域 prompt 工程組件讓它能有效的處理特定場(chǎng)景下的任務(wù)，具備場(chǎng)景技能。

AI 科技評(píng)論：客戶愿意把自己的數(shù)據(jù)拿出來(lái)訓(xùn)練嗎？

張杰：像銀行自有的數(shù)據(jù)是需要我們?nèi)ャy行駐場(chǎng)訓(xùn)練的。其實(shí)這里面有個(gè)誤區(qū)。如果想要訓(xùn)練大模型，不能只用企業(yè)機(jī)構(gòu)自身已有的數(shù)據(jù)，還需要公域的數(shù)據(jù)，比如，金融大模型需要行業(yè)研究報(bào)告、財(cái)經(jīng)類新聞、上市公司財(cái)報(bào)、專家解讀等。這些數(shù)據(jù)如何篩選、如何讓模型即學(xué)到領(lǐng)域知識(shí)又不至于忘記通用常識(shí)、如何將領(lǐng)域知識(shí)與場(chǎng)景具體問(wèn)題關(guān)聯(lián)起來(lái)等等，這些問(wèn)題都需要做探索和積累。目前高質(zhì)量數(shù)據(jù)一部分是精心篩選后的公域數(shù)據(jù)，另外一部分是小規(guī)模高質(zhì)量私域數(shù)據(jù)。

另外很多公司還沒(méi)有完全意識(shí)到，不僅是原始數(shù)據(jù)有價(jià)值，歸納總結(jié)出來(lái)的抽象知識(shí)也是非常有價(jià)值的。就好比太陽(yáng)系 8 大行星過(guò)去 100 年在天空中的軌跡數(shù)據(jù)，這些原始數(shù)據(jù)的價(jià)值可能比不上萬(wàn)有引力定律這一條抽象知識(shí)。

AI 科技評(píng)論：之后會(huì)做哪些應(yīng)用？會(huì)主動(dòng)選擇一些場(chǎng)景突破嗎？

張杰：還是要看契機(jī)，很多時(shí)候技術(shù)是共通的，但具體做什么場(chǎng)景要看機(jī)緣。我們也一直在不斷尋找各行各業(yè)的客戶和我們一起共創(chuàng)的機(jī)會(huì)。目前我們?cè)诮鹑凇⒐病⑨t(yī)保、健康領(lǐng)域有一些落地場(chǎng)景，未來(lái)會(huì)繼續(xù)深挖這些領(lǐng)域大模型的復(fù)雜推理能力，讓模型不但具有專業(yè)性、具備專業(yè)的事實(shí)判斷能力，還要具備自主的過(guò)程判斷能力，成為具備跨場(chǎng)景的虛擬辦公助手。

大模型有泡沫在，C 端火爆，B 端落地還需時(shí)日

AI 科技評(píng)論：在大模型選擇上有什么標(biāo)準(zhǔn)嗎？

張杰：這個(gè)對(duì)我們來(lái)說(shuō)還是很有挑戰(zhàn)的，我們嘗試了目前市面上各種開(kāi)源模型，快速研究、測(cè)試和訓(xùn)練。這些都需要結(jié)合不同的業(yè)務(wù)場(chǎng)景需求，很耗時(shí)間和人力。

我們積累了一套工具，能快速的跑出一些指標(biāo)，指標(biāo)體系包括模型本身的內(nèi)在屬性、通用語(yǔ)言能力、領(lǐng)域特定任務(wù)。這些指標(biāo)需要提前構(gòu)建大量測(cè)試集，就像學(xué)生考試一樣，可以在考試系統(tǒng)進(jìn)行隨機(jī)抽題。

AI 科技評(píng)論：怎么看待大模型目前的發(fā)展局面？

張杰：大模型的應(yīng)用分 C 端和 B 端。目前 C 端還是非常火爆的，C 端可能更多的是圍繞創(chuàng)意和生成，尤其是圖片、語(yǔ)音、視頻等多媒體生成，各類工具和創(chuàng)意層出不窮。而 B 端主要關(guān)注對(duì)話場(chǎng)景和推理能力兩大方面，目前真正商用落地的優(yōu)秀案例不多。

AI 科技評(píng)論：也就是說(shuō)大模型還是有一定泡沫存在的？

張杰：大潮之下泡沫肯定是有的，但從長(zhǎng)遠(yuǎn)來(lái)看，它確實(shí)能給行業(yè)帶來(lái)巨大的增值和機(jī)遇。大模型火爆出圈，也有助于讓更多人認(rèn)識(shí)到 AI 的價(jià)值，減少了向客戶做科普的成本，加速了 AI 商業(yè)化的進(jìn)程。

AI 科技評(píng)論：為什么 B 端還很少有落地的？

張杰：因?yàn)楫吘故巧逃茫T(mén)檻比較高，模型的過(guò)程判斷邏輯和最終生成的內(nèi)容要有可解釋性、可控性，要符合公序良俗、符合行業(yè)規(guī)范、遵循公司內(nèi)部的標(biāo)準(zhǔn)流程，要對(duì)可能出現(xiàn)的風(fēng)險(xiǎn)有體系化的應(yīng)對(duì)策略。另外，新技術(shù)的試點(diǎn)驗(yàn)證和大面積推廣總要有個(gè)過(guò)程。

AI 科技評(píng)論：就像您說(shuō)的 C 端應(yīng)用場(chǎng)景可能會(huì)更多，未來(lái)會(huì)做 C 端嗎？

張杰：目前我們還未看到 C 端有特別好的變現(xiàn)場(chǎng)景，但我們的產(chǎn)品也是可以 To C 的。

就拿保險(xiǎn)行業(yè)來(lái)說(shuō)，現(xiàn)在全國(guó)有幾百萬(wàn)保險(xiǎn)代理人，這些保險(xiǎn)代理人會(huì)在保險(xiǎn)公司間流動(dòng)，有些還是獨(dú)立保險(xiǎn)代理人。保險(xiǎn)大模型產(chǎn)品作為代理人助手，既可以應(yīng)用于保險(xiǎn)公司的業(yè)務(wù)，又可以直接讓代理人使用。

做好流程挖掘，有了領(lǐng)域知識(shí)庫(kù)，才能做好領(lǐng)域模型

AI 科技評(píng)論：大模型是不是更利好中關(guān)村科金這類有 AI 能力的服務(wù)商的發(fā)展？

張杰：對(duì)于服務(wù)商來(lái)講有利有弊。服務(wù)商提供的工具或服務(wù)，如果本身的價(jià)值或特殊性不夠，那會(huì)被大模型的能力升級(jí)淹沒(méi)。如果廠商在數(shù)據(jù)敏感度高、流程邏輯性強(qiáng)、可解釋性要求高的行業(yè)內(nèi)，既有行業(yè)經(jīng)驗(yàn)積累、又有大模型技術(shù)能力和產(chǎn)品化能力，那肯定是利好的。AI 能力不是唯一的關(guān)鍵，它是必要非充分條件。因?yàn)?B 端企業(yè)接受 AI 這是必然的，AI 的門(mén)檻也是逐年降低的。

AI 科技評(píng)論：這是不是意味著通用大模型還很難解決某個(gè)細(xì)分領(lǐng)域的問(wèn)題？

張杰：只能說(shuō)現(xiàn)在的通用大模型在知識(shí)復(fù)雜度高的行業(yè)里，還不能直接應(yīng)用。通用大模型是經(jīng)歷過(guò)素質(zhì)教育的文科生，要成為領(lǐng)域?qū)＜疫€需要做領(lǐng)域適配。

AI 科技評(píng)論：所以您更傾向于做領(lǐng)域大模型？

張杰：對(duì)，領(lǐng)域大模型是我們正在做的事情。其實(shí)領(lǐng)域大模型從一定意義上來(lái)說(shuō)也是通用模型，它即需要保持通用的常識(shí)和推理，又需要具備領(lǐng)域內(nèi)的專業(yè)知識(shí)和技能。領(lǐng)域大模型一定會(huì)是大模型技術(shù)商用化的未來(lái)。

AI 科技評(píng)論：貴司具備哪些研發(fā)領(lǐng)域模型的優(yōu)勢(shì)呢？

張杰：中關(guān)村科金過(guò)去 8 年積累了很多數(shù)據(jù)，并且這些數(shù)據(jù)每天都在不斷增加。現(xiàn)在我們私域的對(duì)話數(shù)據(jù)，人工對(duì)話每天超過(guò) 30 萬(wàn)通，機(jī)器對(duì)話每天超過(guò) 200 萬(wàn)通。這些是我們獨(dú)有的。除了原始數(shù)據(jù)，還有一些更抽象的、價(jià)值更高的場(chǎng)景話術(shù)模板，這些知識(shí)結(jié)合了 AI 心理學(xué)、自主代理等技術(shù)。我們的領(lǐng)域模型現(xiàn)在已經(jīng)可以做到單周迭代、單卡推理了。

AI 科技評(píng)論：在大模型方面中關(guān)村科金還一直強(qiáng)調(diào)知識(shí)庫(kù)的概念，為什么？

張杰：關(guān)于這個(gè)我總結(jié)了一個(gè)公式，企業(yè)對(duì)話引擎 =（大模型 + 知識(shí)庫(kù)）* 人機(jī)交互。

大模型的語(yǔ)言理解能力和生成能力比較強(qiáng)，但它不適合記憶標(biāo)準(zhǔn)流程類的知識(shí)和海量低頻的領(lǐng)域事實(shí)性的知識(shí)，這些東西還是應(yīng)該放在知識(shí)庫(kù)里面，它們之間有交互。

比如你經(jīng)歷過(guò)大學(xué)四年的專業(yè)教育后，會(huì)掌握一些領(lǐng)域內(nèi)的通識(shí)能力，知道一件事應(yīng)該怎么做，但每個(gè)步驟可能還要去查一些資料，書(shū)本上的知識(shí)點(diǎn)你并不需要全部都死記硬背下來(lái)。人是不太適合背百科全書(shū)的，大腦之外還應(yīng)該有一個(gè)知識(shí)庫(kù)，實(shí)現(xiàn)能力互補(bǔ)。

AI 科技評(píng)論：中關(guān)村科金在大模型方面的的愿景是什么？

張杰：幫助企業(yè)去培養(yǎng) " 超級(jí)員工 "。大模型就像是一個(gè)智商較高、理解能力很強(qiáng)、過(guò)目不忘的 " 文科生 "，我們?cè)谶@個(gè)底子很好的 " 文科生 " 基礎(chǔ)之上，注入企業(yè)的領(lǐng)域知識(shí)，讓大模型能夠理解領(lǐng)域知識(shí)，成為一個(gè)具備領(lǐng)域知識(shí)的 " 普通員工 "。再依托專業(yè)的產(chǎn)品設(shè)計(jì)，不斷和人類專家進(jìn)行閉環(huán)反饋。基于人類專家的反饋，它能夠不斷地學(xué)習(xí)提升，逐步成為 " 超級(jí)員工 "。未來(lái)這些 " 超級(jí)員工 " 能幫企業(yè)改造內(nèi)部的新型生產(chǎn)關(guān)系。

之前企業(yè)可能是一個(gè)樹(shù)狀的管理結(jié)構(gòu)，從上面董事會(huì)到下面的各個(gè)部門(mén)，一層一層往下是金字塔式的。未來(lái)大模型帶來(lái)的啟示是，它可以獨(dú)立承擔(dān)一些任務(wù)，不單單是體力勞動(dòng)的替代，還能替代一些簡(jiǎn)單的腦力勞動(dòng)。

未來(lái)企業(yè)的組織結(jié)構(gòu)將呈現(xiàn)紡錘形，上層是人類經(jīng)營(yíng)者負(fù)責(zé)做重大決策和戰(zhàn)略，中間層真正負(fù)責(zé)干活的是 AI 了，但有時(shí)候也不能完全交給 AI，需要少數(shù)的業(yè)務(wù)專家會(huì)指導(dǎo)機(jī)器或與機(jī)器協(xié)同互補(bǔ)。所以會(huì)是 " 人— 機(jī)—人 " 的架構(gòu)。

我們相信，未來(lái)一定是人機(jī)協(xié)同的。隨著大模型重構(gòu)企業(yè)組織架構(gòu)、重塑企業(yè)生產(chǎn)關(guān)系，從短期來(lái)看，一些不產(chǎn)生價(jià)值的、中間的職能崗位，可能會(huì)很快將被機(jī)器取代掉。長(zhǎng)期來(lái)看，關(guān)于價(jià)值判斷、規(guī)則制定、以及關(guān)乎人性和心理的工作，是大模型不能取代的。

（雷峰網(wǎng)雷峰網(wǎng)）

關(guān)鍵詞：