通用與垂直大模型之戰(zhàn)：大模型驅(qū)動的商業(yè)智能變革之路

科技云報道原創(chuàng)。

是做通用大模型還是垂直大模型，這一個爭論在“百模大戰(zhàn)”的下討論愈發(fā)熱烈。

目前，以微軟、谷歌、百度、阿里等為代表的發(fā)力于通用大模型的科技大廠，也都開始推動大模型在垂直領(lǐng)域的商業(yè)化落地。

比如說，微軟和谷歌已將大模型技術(shù)融入操作系統(tǒng)、文檔、搜索和郵件等產(chǎn)品中，展現(xiàn)了強大的實用價值。

垂直大模型則更為直接的深入特定行業(yè)和應用場景，如金融、醫(yī)療或零售等，相比于通用大模型，垂直大模型能夠更精準地滿足行業(yè)特定的需求。

說到底，無論是通用還是垂直大模型，其核心點還是落地場景和商業(yè)化。大模型重新定義了人工智能的邊界和可能性，但更需要的是，在具體的商業(yè)環(huán)境中找到了新的生存空間和增長點。

在眾多垂直領(lǐng)域中，大模型在智能商業(yè)BI領(lǐng)域落地尤為引人注目。作為商業(yè)決策的關(guān)鍵支撐工具，傳統(tǒng)的BI在大數(shù)據(jù)時代已顯得力不從心。

垂直大模型的加入，對話式BI的實現(xiàn)，則為BI帶來了前所未有的可能性。

數(shù)據(jù)分析不再是特定專業(yè)人員的保留節(jié)目，通過對話式BI，企業(yè)每一位員工都可以通過自然語言與系統(tǒng)互動，得到更直觀、更個性化的洞察。

從傳統(tǒng)BI到對話式BI

第一個需要弄清楚的問題是，商業(yè)智能（BI）是什么？

商業(yè)智能（Business Intelligence，簡稱BI）是一套解決方案，通過分析、挖掘、整合和展示企業(yè)內(nèi)外的大量非結(jié)構(gòu)化數(shù)據(jù)，為決策者提供指導和支持。

具體來說，BI是一套完整的由數(shù)據(jù)倉庫、查詢報表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案，能夠?qū)崿F(xiàn)業(yè)務流程和業(yè)務數(shù)據(jù)的規(guī)范化、流程化、標準化，打通ERP、OA、CRM等不同業(yè)務信息系統(tǒng)，整合歸納企業(yè)數(shù)據(jù)。

BI可以幫助企業(yè)深入了解自身運營狀況，監(jiān)測業(yè)務流程，掌握市場動態(tài)，并基于數(shù)據(jù)分析來制定戰(zhàn)略和戰(zhàn)術(shù)。

比如BI可以制作滿足不同部門、不同層級員工的數(shù)據(jù)可視化報表，可以幫助一線業(yè)務人員實現(xiàn)業(yè)務的追蹤、預測、復盤等操作；也可以幫助企業(yè)高層管理人員，通過商業(yè)智能BI的管理駕駛艙、核心KPI指標、集團看板等.

然而，傳統(tǒng)的BI系統(tǒng)常常復雜且難以使用，需要通過專業(yè)人員來操作和解讀。這其中的時間延遲和技能門檻成為了效率和普及的障礙。

另外，數(shù)字化時代，無論產(chǎn)品研發(fā)、市場營銷、財務管理還是客戶服務，在經(jīng)營各環(huán)節(jié)使用數(shù)據(jù)支撐決策已成為企業(yè)的日常，企業(yè)數(shù)據(jù)分析需求量大幅度上升。

同樣，企業(yè)的管理者還是普通財務甚至是業(yè)務人員都需要利用BI來進行更高效的數(shù)據(jù)分析和決策。

對話式BI的出現(xiàn)，正是為了解決這些問題和需求。

與傳統(tǒng)BI系統(tǒng)相比，對話式BI采用自然語言處理技術(shù)，允許用戶通過自然語言詢問，就像與人類分析師對話一樣，從而獲取所需信息。這一交互方式大大降低了使用門檻，提高了效率。

普及性與便利性：對話式BI不需要專業(yè)的技能和培訓，讓更多人員可以直接訪問和利用企業(yè)的數(shù)據(jù)資源。

實時性與靈活性：對話式查詢允許用戶實時獲取信息，快速響應臨時或緊急需求，增強了企業(yè)的靈活性和響應能力。

個性化與智能化：通過智能大模型，對話式BI能夠理解復雜的查詢，并根據(jù)個人的需求和背景提供定制化的解答。

集成與擴展能力：對話式BI可以更容易地與其他系統(tǒng)集成，為企業(yè)提供更廣泛的應用場景和擴展可能性。

對話式BI的崛起并不是偶然的現(xiàn)象，而是商業(yè)智能發(fā)展的必然趨勢。它體現(xiàn)了現(xiàn)代企業(yè)對數(shù)據(jù)分析的迫切需求，以及對便捷、智能和高效工具的追求。

隨著這一領(lǐng)域的不斷創(chuàng)新和發(fā)展，對話式BI將成為未來企業(yè)決策支持的重要方向。

可信度挑戰(zhàn)

雖然對話式BI提高了效率，但基于通用大模型的對話式BI，其答案的可信度卻成了問題。

類ChatGPT產(chǎn)品并不能帶來完全準確的回答，主要原因在于兩點：首先，類ChatGPT產(chǎn)品更擅長處理自然語言文本數(shù)據(jù)相關(guān)任務，并非專門為數(shù)據(jù)分析而設計；其次，通用大模型可能存在捏造事實，也即“AI幻覺”。

一些產(chǎn)品可能存在所謂的“AI幻覺”。在BI領(lǐng)域可能是捏造字段，這在數(shù)據(jù)分析中可能成為致命問題。

為了解決這一問題，一些公司正在積極尋找解決方案。例如，網(wǎng)易數(shù)帆最近發(fā)布的有數(shù)ChatBI產(chǎn)品，就強調(diào)在需求理解、過程驗證、用戶干預和產(chǎn)品運營四個方面確保數(shù)據(jù)的可信。

網(wǎng)易數(shù)帆大數(shù)據(jù)產(chǎn)品線總經(jīng)理余利華認為，AI幻覺的產(chǎn)生是由于訓練數(shù)據(jù)不足、文本與表示之間的編解碼錯誤等因素，可怕的是AI并不知道這是幻覺，單靠Prompt（提示）來糾正極為困難。

對此，網(wǎng)易數(shù)帆打造可信的有數(shù)ChatBI的核心點在于：需求可理解，過程可驗證，用戶可干預，產(chǎn)品可運營。

需求可理解，是指網(wǎng)易數(shù)帆為彌補用戶認知和復雜工具之間的門檻，提升準確率，借助大模型的語言理解能力，先進行需求分析，這樣即使是完全不懂BI的使用者也能通過需求分析內(nèi)容判斷系統(tǒng)的取數(shù)步驟是否正確。

過程可驗證，即借助基于大模型的NL2SQL能力實現(xiàn)復核。為了提升NL2SQL能力，網(wǎng)易數(shù)帆有針對性地定制生成和優(yōu)化了超過30萬不同類型的問法和SQL。

余利華介紹，網(wǎng)易數(shù)帆調(diào)優(yōu)出的NL2SQL領(lǐng)域模型，效果已達到GPT-3.5的水平。

用戶可干預，即將數(shù)據(jù)模型和查詢條件結(jié)構(gòu)化，用戶可干預可調(diào)整，切換數(shù)據(jù)模型或者查詢條件。

產(chǎn)品可運營，即網(wǎng)易數(shù)帆為有數(shù)ChatBI產(chǎn)品構(gòu)建了獨特的運營反饋機制，用戶可以反饋數(shù)據(jù)的準確性，管理員可運營知識庫、標記及優(yōu)化badcase，從而提升數(shù)據(jù)可靠性。

僅僅依靠分析領(lǐng)域具備GPT-3.5實力的NL2SQL模型，并不能保證對話式BI返回100%正確的結(jié)果，產(chǎn)品的設計對于落地顯得尤為重要。

余利華表示，有數(shù)ChatBI實現(xiàn)可信的關(guān)鍵，是讓用戶在結(jié)果錯誤的時候能夠認識到那是錯的，并通過人工干預得到正確的結(jié)果。

在實際應用中，以大型連鎖超市的銷售部門場景為例，產(chǎn)品人員輸入“我想看今年上半年華北地區(qū)每個月的利潤”，有數(shù)ChatBI可給出相應結(jié)果，并用自然語言描述了查詢的邏輯與步驟。

掌握SQL的專業(yè)人員可以點擊“更多”按鈕查看對應的SQL。如果邏輯有誤，例如用戶想看“訂單日期”在上半年的數(shù)據(jù)，但是AI篩選的是“發(fā)貨日期”，用戶可點擊“修改查詢條件”進行對校正。

據(jù)網(wǎng)易數(shù)帆透露，目前，有數(shù)ChatBI在網(wǎng)易公司的應用，已經(jīng)覆蓋產(chǎn)品、運營、市場、財務等非技術(shù)人員。

尋找通用與垂直大模型的平衡點

回到開頭通用和垂直大模型的討論上。

這一次，有記者在網(wǎng)易數(shù)帆城市行媒體溝通環(huán)節(jié)將這個問題拋給了網(wǎng)易。

網(wǎng)易副總裁、網(wǎng)易杭州研究院執(zhí)行院長、網(wǎng)易數(shù)帆總經(jīng)理汪源對此表示：網(wǎng)易目前的實際情況是既做通用的大模型，也做垂直的大模型，這兩者之間是支撐的關(guān)系，最終的出口是做垂類的模型，從企業(yè)服務市場的角度，應用在軟件開發(fā)和數(shù)據(jù)分析這兩個最關(guān)注的領(lǐng)域。

為了實現(xiàn)這一目標，網(wǎng)易團隊構(gòu)建了一個“公共底座”——網(wǎng)易“玉言”大模型。該模型由網(wǎng)易伏羲實驗室和杭研的人工智能團隊共同推動，后期還將加入更多業(yè)務團隊共同打造網(wǎng)易集團的大模型底座。

這一次在BI產(chǎn)品上的探索同樣做到了在通用和垂直大模型上尋找平衡點。結(jié)合通用和垂直模型將有助于提升對話式BI的準確性和適用性，打破了傳統(tǒng)商業(yè)智能的局限，開啟了新的可能。

在大模型掀起的新時代里，許多企業(yè)都站在了一個十字路口，開始尋找通用大模型與垂直行業(yè)大模型之間的平衡。

通用模型以其強大的語言理解能力為人們提供了廣泛的應用前景，而針對特定行業(yè)或需求的垂直模型則能更精準地滿足實際要求。

實際上，通用和垂直大模型并不是孤立的存在，它們之間的協(xié)同作用可能正是推動商業(yè)智能向更高層次發(fā)展的關(guān)鍵。

通過精準地結(jié)合兩者的優(yōu)勢，企業(yè)不僅能滿足現(xiàn)實需求，還能為未來創(chuàng)新鋪設堅實的基礎。

未來，這一平衡的探索將更多地體現(xiàn)在產(chǎn)品設計和技術(shù)創(chuàng)新中。

通用模型可能會繼續(xù)拓展其在各個領(lǐng)域的應用，同時垂直模型將更加聚焦于某些關(guān)鍵行業(yè)，如金融、醫(yī)療和教育等。這兩者的結(jié)合將為實現(xiàn)更智能、更人性化的交互和服務打開新的大門。

從長遠看，通用與垂直大模型的協(xié)同可能將推動人工智能技術(shù)的下一個里程碑。

是否可以在維持通用性的同時，達到針對特定需求的最優(yōu)解？這不僅是一個技術(shù)問題，也涉及到產(chǎn)業(yè)戰(zhàn)略、商業(yè)模式和倫理考量。

隨著更多企業(yè)和研究機構(gòu)的共同努力，尋找通用和垂直大模型的平衡點將成為推動商業(yè)智能持續(xù)創(chuàng)新和高質(zhì)量發(fā)展的關(guān)鍵。

這一過程將揭示人工智能如何真正融入我們的日常生活和工作，為人類帶來前所未有的便利和機遇。

結(jié)語

對話式商業(yè)智能代表了BI領(lǐng)域的一個新方向，其自然的交互方式和快速的響應時間正在改變企業(yè)的數(shù)據(jù)分析方式。然而，隨之而來的可信度挑戰(zhàn)需要整個行業(yè)共同努力解決。

未來，通過更多的研發(fā)投入、跨企業(yè)合作以及對通用和垂直模型的深入研究，我們有望見到更加精確、可信和高效的對話式商業(yè)智能產(chǎn)品，推動整個商業(yè)分析領(lǐng)域向前發(fā)展。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。