C114訊 6月26日消息（焦焦）ChatGPT橫空出世，掀起了AI行業(yè)的發(fā)展熱潮。大模型從嶄露頭角到現(xiàn)在的如日中天，全行業(yè)已然在AI的新時代中全速前進，大模型成為驅(qū)動創(chuàng)新的焦點之一。在AI帶來生產(chǎn)力革新與商業(yè)模式升級浪潮下，作為向科技公司轉型的領軍央企，運營商在AI領域不斷加碼布局，為通信產(chǎn)業(yè)邁入大模型時代積極領路，構建數(shù)智生產(chǎn)力也被被賦予前所未有的重要使命。
在2024年MWC上海展上，作為運營商的重要合作伙伴，浩鯨科技圍繞“智能時代，構建數(shù)智生產(chǎn)力”為主題，分享在大模型的驅(qū)動下，如何賦能運營商業(yè)務和運營管理快速實現(xiàn)深度智能化，并展示在加速智能化進程中的技術突破和創(chuàng)新應用，為運營商構建從智能基礎設施、大模型平臺、到創(chuàng)新數(shù)智應用落地的全方位支持，攜手運營商共筑智能化未來宏圖，加速數(shù)智躍升。
運營商數(shù)字化建設成果仍存挑戰(zhàn)，亟待解決
在智能化浪潮下，運營商在推進自身轉型的同時積極發(fā)力產(chǎn)業(yè)數(shù)字化建設，據(jù)C114觀察，目前運營商數(shù)字化轉型取得顯著成效。在為用戶提供更快速、更穩(wěn)定的通信網(wǎng)絡連接的同時，推出更豐富的數(shù)字化服務和增值服務，并通過數(shù)據(jù)驅(qū)動的運營，更加精準地滿足最終用戶的個性化需求，提高數(shù)據(jù)資產(chǎn)的管理利用效率。
浩鯨科技中國CTO鐘健松在接受C114專訪時指出，運營商的數(shù)字化建設走過三十年，已取得卓越成效，成為推動國家數(shù)字經(jīng)濟建設的領頭羊。但以發(fā)展的視角審視當前的數(shù)字化建設成果，依舊存在一些挑戰(zhàn)，亟待智能化手段去解決。
1、生產(chǎn)要素已被大量累積，但價值發(fā)揮有限
鐘健松認為，經(jīng)過數(shù)十年的的數(shù)字化發(fā)展與積累，運營商沉淀了海量的數(shù)據(jù)，包括資源、網(wǎng)絡、服務、客戶、渠道等立體多維數(shù)據(jù)資產(chǎn)，堪稱為“寶藏數(shù)據(jù)礦場”�；谶@些數(shù)據(jù)，運營商內(nèi)部構建了諸多報表系統(tǒng)、數(shù)據(jù)分析系統(tǒng)，但對數(shù)據(jù)的提取和分析仍存在諸多動態(tài)變化，導致當前各下屬公司依然要配備大量取數(shù)人員，以響應每月不同維度的看數(shù)要求。
此外，隨著中臺的建設，運營商的重點已從功能建設逐漸轉向能力構建，能力不斷累積和豐富，并逐步沉淀為企業(yè)的能力資產(chǎn)。盡管能力資產(chǎn)在助力數(shù)字化應用建設過程中發(fā)揮了一定價值，但由于能力的可視化、非完全的集約、從能力到應用的轉化難度等問題，制約了能力資產(chǎn)的價值發(fā)揮。
鐘健松表示，相比數(shù)據(jù)資產(chǎn)和能力資產(chǎn)，企業(yè)的知識資產(chǎn)受重視程度不夠，少量的知識庫僅存儲了某些關于產(chǎn)品營銷方面的內(nèi)容，而更需要傳承的例如網(wǎng)絡運維、故障處理、施工操作、方案配置等方面的知識，要么作為規(guī)則被整合到系統(tǒng)中，缺乏迭代更新；要么沉淀在少數(shù)專家的頭腦中，難以復制和傳承。
2、生產(chǎn)效率盡管在不斷提高，但仍有很大提升空間
當前，流程驅(qū)動已成為數(shù)字化系統(tǒng)的一個典型特征，但流程驅(qū)動有其受限之處。首先，流程為異步處理，非實時，可能會因為環(huán)節(jié)之間的來回回退導致處理時間拉長，而企業(yè)的生產(chǎn)運營則有大量需要實時解決問題的場景，比如涉及到多方參與的網(wǎng)絡疑難故障診斷分析，基于流程驅(qū)動的派單式的解決方式就不太適用。
其次，在新技術的推動下，自動化、智能化的述求在企業(yè)運營中越來越強烈，雖然通過規(guī)則、AI算法、RPA等的引入能夠解決不少問題，但目前采取“散點注智”的開發(fā)模式，派生出多種類型的規(guī)則引擎、推薦引擎、調(diào)度引擎等多個系統(tǒng)，開發(fā)周期長、應用面狹窄，管理分散，從而導致需求難以即時響應，自智成熟度等級難以產(chǎn)生質(zhì)的飛躍。
3、數(shù)字化系統(tǒng)林立，使用者陷入系統(tǒng)和功能的海洋
盡管在ITSP的規(guī)劃下，運營商數(shù)字化系統(tǒng)縱向集約橫向整合，系統(tǒng)數(shù)量已做了大幅收斂，但當前系統(tǒng)規(guī)模依然龐大，不同崗位人員需要面對諸多系統(tǒng)以及功能模塊，在龐雜的系統(tǒng)中尋找對應的功能，費時費力，以至于大量已開發(fā)出的功能模塊因不被認知而使用率極低。
與此同時，為了應對復雜場景，數(shù)字化系統(tǒng)往往配備繁瑣的使用界面，使用者需要在各種彈出的窗口、頁簽中切換，使用門檻高，工作負荷大。
大模型，助推運營商向理想藍圖平滑演進
據(jù)C114了解，強大的通用智能能力，催生AI創(chuàng)新應用多點開花。國內(nèi)外均積極、迅速地推進大模型訓練，千億參數(shù)模型層出不窮，大模型驅(qū)動的場景也在逐步落地，但大模型的價值發(fā)揮并不是想象中的一蹴而就。大模型應用在落地過程需要多方參與，且對算力、平臺、算法的要求較高，因此盡管大模型的訓練量不斷擴大，在不同行業(yè)不同領域也多有應用，但應用的發(fā)展水平與速度參差不齊，部分領域尚且很難將模型價值發(fā)揮實效，推動行業(yè)大模型“真正落地”的機遇與挑戰(zhàn)并存。
鐘健松認為，整體而言，大模型依然處于成熟過程中，技術演進日新月異，還需要克服其在行業(yè)實際應用中的各類技術缺陷，比如幻覺、算力成本高、知識實時更新差等問題。如若貿(mào)然利用大模型重構IT系統(tǒng)來替換現(xiàn)有IT，會因為反復折騰消耗巨大的人力物力，帶來的價值效果可能也不盡如人意。面對以上難點，需要選擇一條穩(wěn)步、平滑演進的路線，通過先引入大模型增強現(xiàn)有數(shù)字化系統(tǒng)架構和能力，再逐步升級替代到理想藍圖。
在這條演進路線上，一方面需要從系統(tǒng)工程的角度來提升通用人工智能的準確性、適應性、創(chuàng)造性和效率，另一方面需要結合運營商數(shù)字化場景及當期架構模式，構建出增強演進的架構體系�？傮w看來，整個增強體系可分為2+3+N+1來分層演進。
“2”通過2個核心平臺的引入，增強企業(yè)IT整體架構
MAAS平臺，將大模型能力更絲滑地嵌入到企業(yè)數(shù)字化系統(tǒng)中。未來的頭部企業(yè)，很有可能采用1+N的大模型構建方式，即在一個主力大模型的基礎上，還會根據(jù)不同場景需要，應用N個各有擅長以及尺寸不同的其它模型。MAAS平臺將對接各類不同的大模型，以更安全和更高性價比的方式向上統(tǒng)一提供模型服務。同時為解決大模型生成幻覺問題和知識滯后性問題，引入RAG，將非參數(shù)化預料庫和參數(shù)模型結合，解決純參數(shù)化大模型的局限。并對原始RAG架構優(yōu)化，通過增加意圖識別、問題改寫、查詢擴展、結構化和非結構化數(shù)據(jù)動態(tài)路由、多路召回、降噪去重等工程化手段大幅提升實際場景下的知識服務能力。
mmRTC平臺，在原有頁面集成、流程集成、數(shù)據(jù)集成、企業(yè)集成架構的基礎上，搭建多模態(tài)的實時通信交互平臺，實現(xiàn)人-人、人-智能體、人-智能體-人、多智能體等多種方式的即時協(xié)同，充分發(fā)揮智能體在感知、規(guī)劃、記憶、執(zhí)行等方面的能力，面對復雜場景，改變傳統(tǒng)異步派單的模式，在人腦和智腦的多維加持下，實現(xiàn)實時分析、精準診斷、即時處理，推進效率的大幅提升。該平臺與運營商的網(wǎng)絡故障診斷、裝維疑難問題處理、復雜方案營銷等場景非常適配。
“3”通過3個工廠的建設，提升數(shù)字化生產(chǎn)效率
知識工廠：在知識工廠中訓練兩類知識，一類是經(jīng)營領域的專業(yè)知識，包括前端營銷涉及的產(chǎn)品、渠道、客戶等以及后端運維涉及的的網(wǎng)絡、故障分析等；另一類是數(shù)字化領域的專業(yè)知識，包括IT系統(tǒng)數(shù)據(jù)模型、功能頁面、集成關系等。知識工廠提供高效工具幫助企業(yè)通過多種形式建立專屬知識庫，解決知識分散、信息損失等問題，實現(xiàn)知識可運營、可迭代優(yōu)化，基于知識標簽，最終實現(xiàn)一問多答，更好的滿足跨地域、多產(chǎn)品、多客戶類型的豐富的經(jīng)營形態(tài)。
智能體工廠：未來Agent as a Service 或許將逐步取代目前IT架構的微服務模式。在智能體工廠中，將整合目前已形成的海量插件，以低代碼的方式，通過工作流的可視化開發(fā)形態(tài)，將模型、知識庫、提示詞、插件工具進行鏈式整合，構建出面向不同領域、解決不同場景問題的智能體。
數(shù)字應用工廠：更高效更低門檻構建數(shù)字化應用是IT工作者的追求�？梢灶A見，以大模型來驅(qū)動，識別需求意圖，搭載低代碼組裝式開發(fā)，數(shù)字應用生產(chǎn)效率將倍增。應用開發(fā)的同時數(shù)字資產(chǎn)不斷豐富，又進一步提升數(shù)字應用的開發(fā)效率。運營商推進政企市場，智能數(shù)字工廠將為其如虎添翼。
“N”通過N個場景的智慧化，推進全面智能的落地
將大模型的理解、生成、邏輯、記憶四大能力結合運營商的場景，浩鯨科技已實現(xiàn)如下諸多大類智慧化應用，全面大幅提升數(shù)字化智能水平。
生成類場景：包括營銷方案、禮包策劃、營銷海報等應用；
診斷類場景：包括家寬綜調(diào)助手、資費爭議診斷等應用；其中家寬綜調(diào)助手面向裝維和綜調(diào)人員，提供自然語言順暢交互、問題智能精準診斷以及即時處理等智能化支撐；
助理類場景：包括CRM營業(yè)助手、資源助手等應用；
分析類場景：推出chatBI分析助手，提供海量報表一問直達、智能按需問數(shù)、隨心深度探索數(shù)據(jù)等智能能力
稽核類場景：包括資費稽核、合同稽核等應用；
問答類場景：基于統(tǒng)一框架快速高效搭建各類場景的問答機器人，基于浩鯨特有技術既保障答案的精準度，又保證完整度，同時還支持一問多答的跨地域跨產(chǎn)品的特有場景應用。
代碼類場景：通過代碼大模型幫助軟件工程師編碼時實現(xiàn)代碼理解、自動補全，提升軟件開發(fā)人員的編碼效率和代碼質(zhì)量。
“1”通過1個“無系統(tǒng)”的打造，實現(xiàn)嶄新的交互形態(tài)
“無系統(tǒng)”一方面將企業(yè)數(shù)字化系統(tǒng)的數(shù)據(jù)、功能界面、使用操作、業(yè)務知識等訓練給大模型，另一方面構建統(tǒng)一入口，在該入口以自然語言的方式調(diào)用功能模塊、完成功能模塊的操作（包括跨系統(tǒng)的鏈式操作）、查看權限內(nèi)的數(shù)據(jù)（包括跨系統(tǒng)的整合數(shù)據(jù)）等。
對于使用者而言，不再需要關注端到端的流程穿越具體在哪個系統(tǒng)和菜單定位，只需要表達自己的意圖，通過統(tǒng)一入口，由智能助手實現(xiàn)一步直達。此入口可掛載在現(xiàn)有任一數(shù)字化系統(tǒng)上，即時呼出，隨地調(diào)用。
運營商深入大模型應用腹地，浩鯨科技將做大模型價值釋放者
從整個電信行業(yè)來看，2023年以來，三大運營商相繼推出自己的基礎大模型、行業(yè)大模型和大模型應用工具，如今運營商更是深入大模型應用腹地，不斷落子。
據(jù)C114了解，中國移動推出APP的AI智能助理“靈犀”，深度嵌入到最新升級的中國移動APP V10版本中，從用戶使用需求出發(fā)，依托大模型的內(nèi)容生成能力改善用戶體驗。而中國電信，前不久一口氣發(fā)布了12個垂類行業(yè)大模型，加強在各個領域的深度應用。中國聯(lián)通也發(fā)布了元景“1+1+M”大模型體系，更在5月進一步發(fā)布中國聯(lián)通元景大模型MaaS平臺，為企業(yè)行業(yè)向MaaS服務。
總體來看，三大運營商對大模型，無論是反應速度、研發(fā)深度，還是覆蓋廣度，都格外突出。對運營商而言，大模型提供了一個契機，讓運營商不僅僅作為通信網(wǎng)絡的基礎設施提供商，還可以整合自身在全國一體化算力網(wǎng)絡、云資源等技術方面和政企市場、消費者市場等客戶方面的多種優(yōu)勢，更深度地參與到產(chǎn)業(yè)智能化升級與數(shù)字化轉型中，重構自身在數(shù)字化業(yè)務中的競爭優(yōu)勢。
正如采訪的最后，鐘健松表示，大模型企業(yè)落地遠不止“一公里”， 涉及端到端全程各環(huán)節(jié)配套，包括算力資源、大模型切換、私域知識高效導入、智能體構建、copilot與現(xiàn)有系統(tǒng)融合，以及每個層面特有的推進方法。在智能時代，未來的IT系統(tǒng)將有著新的架構、運營模式、研發(fā)范式以及交互形態(tài)，而作為運營商的重要且長期合作伙伴，浩鯨科技不做大模型的生產(chǎn)者，但會基于自身對行業(yè)的深度理解，以及通過體系化的工程手段，致力做大模型真實價值釋放者和使能者，助力運營商全面推進AI+戰(zhàn)略落地，加速AI融入百業(yè)，加速數(shù)智新增長。
