资料来源：Chuangyebang在Northern Light Venture Venture Venture Venture Venture Venture Venture Capital的第18位首席执行官的圆周论坛上它并且正在积极，并分析AI变化的主题和主题，变化的变化以及AI，世界的变化以及未来的变化的变化”，看，我们是。数个角度是有限的，实际价值是由与特定产品的深刻集成产生的，从而形成了可持续场景的价值。然后，Li Tao从代码生成，创意设计，准备诊断和商业实践的角度分享了Appo实施经验，强调了建立独特的模型系统和数据资产的重要性作为一个长期的坑。根据他在100多个咨询项目中的经验，Gan Yifan总结了应用AI时最常见的错误概念。 It suggests that "they overestimate the short term and underestimate the long -term potential", and that the companies "why? What happens to that? Promote the detailed coordination of organizations and cultures. Lin Lu finalOptimistic about it, some are very cautious. For the few guests here, I know that Li Tao is an optimistic person, Li Leding is a careful and realistic person, and that Gan Yi is in the middle. Le Ding was once a colleague in BAIDU，我要求他从技术角度谈论AI的当前水平：很容易地验证AI的进度，这是一个非常重要的转折点。只要OLOGOL闯入一定的垂直方向，就可以直接解决商业问题。如今，应将技术能力与产品思维相结合，以解决问题并创造真正的价值。经过多年的发展，人们对AI能力的极限有了更清晰的了解。该模型的功能仍然有所提高，但是增长率较慢且较慢。我们一点一点地意识到了一些中心局限。首先，模型没有真正的智能，无法从人类等例子中学习。其次，很难完全消除模型的“幻觉”。模型的精度和幻觉是不一致的，无法完全解决。这意味着今天我们已经达到了一个特殊的阶段，这意味着人类需要第一次采用不确定的工具。它与传统计划，工具和员工完全不同。 AI具有非常强大的能力，可以做很多事情，但与此同时通常是非常不可靠的，并且在重要的时候会犯错。但是，对于复杂的问题，您可以提供一个很好的解决方案。理解和理解此规定是对更好整合并在AI中发挥作用的先前要求。建模行业逐渐就所有模型的中心功能达成了共识。所有模型的中心特征是在训练之前而不是在训练后获得的。训练后的所有结果都指导模型真正刺激现有的预后功能。例如，在解决数学问题时，您会发现通过以前的培训可以很好地解决它们。该模型不仅可以直接提供响应，而且还为不同的应用程序机会提供每层层。后者通常符合现实世界应用的需求，这种技能通常来自培训学习方法。因此，今天的基本共识是必须在培训前非常重要的事情，并且完全培训的能力来自数据。但是，挑战是大多数高质量的培训数据已经用尽。特别是，使用了数十年来积累的模型培训的数据。这意味着当模型分辨率函数变得稳定时，它可以通过阶段进行引导。在这一点上，必须通过考虑解决实际问题的产品将这种不确定但功能强大的工具输入实际应用。 Northern Light Venture Capital的高级顾问Li Le ding Linlu：让我们邀请另一个人乐观地谈论他的意见，就像移动互联网到达并决定拥抱他一样。随着AI到达，我们需要积极接受AI。我注意到APU正在研究有关AI应用程序的很多。您分享哪些实际应用？ Li Tao：我的看法和鲁丁有些不同。尤其是在“ e后问题”中，我认为RE是模型功能的更大改善的空间。正如我刚刚与同事讨论一样，模型中有一些新的可以替代数据库的东西，尽管许多人认为这是不可能的。但是，我们可以看到该模型处理结构化数据的能力正在逐渐增加。传统上，在将数据存储在数据库中之前，请在模型或意图中输入数据。是的，您可以理解和配置数据，为什么将它们存储在数据库中？n可以显着压缩。我们将分享为APU实施内部AI的做法。大约有两个部分提供参考和参考。首先是提高R＆DD的效率。该公司已开始在三个领域申请：第一个编码。编码对APU非常有用。在我们的最新产品中，大约70％的代码是由模型生成的。当然，手册仍涉及。在维护旧代码方面，约33％更改也与模型兼容。整个过程始于产品设计。现在，我们的产品经理解释了他们的意图，从模型中生成初步产品设计，并提供有关人们改进的实施的更多解释。这个过程实际上是人与模型之间不断的互动。一旦将初步设计交付给Teamcnico，该模型将继续起作用。许多人会问：“您应该如何处理自己的商业逻辑？” APU已经开发了自己的模型并培训了自己的模型，并根据DeepSeek的私人实施创建了专门用于编码的模型。优势非常令人印象深刻。例如，有一些工具产品，例如浏览器，并且已经在使用比例模型的自动化。它也可以针对不同的用户组进行自定义，并且基础逻辑是由浏览器以前的学习模型完全自动生成的。生成完全不同的代码结构根据不同群体的需求，可以实现高度个性化产品的特征。此外，AI的内部使用还为材料设计提供了很大的帮助，尤其是在照片和视频的制作方面。过去，我们主要创建它，并在过去的业务C上进行C，因此我们需要50或60名设计师。一方面，我们负责设计产品用户界面的设计，而我们负责生产大量产品的促销材料，尤其是视频和照片。目前，我们的设计师团队只有大约15％的原始设计师，整个公司的设计师少于10位。在国外市场推广过程中，AI模型基于一天基于特定爆炸物可以自动产生数千种相似材料，并且可以精确地确定和精制爆炸物的关键要素，从而确保每个促销内容的吸引力。作品该模型可以在一天之内完成50或60个设计师，这是一日完成的。此过程仍然需要手动参与质量控制和优化，Peror的总体效率已大大提高。关于产品，我们搜索主要关注内容字段的多个方向。过去，我们制作了圣经产品，但现在它占美国人口的10％。先前的产品形式相对简单，主要以电子书籍的形式呈现传统的圣经内容。现在，在介绍音频，图像和视频特征时，我们已经将圣经的内容更新为完整的漫画和简短视频形式。更重要的是，我们在产品中介绍了“圣经聊天”的功能，该功能是由模型培训的数字牧师。圣经文本中的条件。除了圣经产品外，Plawe还需要在健康领域进行。在中国开发的医学模型的帮助下，该模型已用于某些医院，并为超过100万人提供了初步的诊断建议。当前的机制不允许该模型直接提供最终的诊断意见，但是医疗的最终控制仍然是必要的，但是它们可以显着提高效率。患者可以通过官方帐户或微图完成在家中的初步诊断，并且该模型完成了初步诊断，即自动进行分类建议并帮助用户注册。用户到达医院后，医生可以直接验证患者的初始状态和初步诊断。在医疗通信过程中，模型记录并生成诊断报告大大减少了医生期货记录的工作量。 t他是我们医疗领域的重要应用。此外，该产品是以CO的形式在美国市场推出的，并作为独立应用程序推出。此外，我们的模型特别适用于复杂和非结构化的区域。以Deep Speeek为例，此背后的大多数团队都来自定量背景，并且可以处理出色的数据并提供快速评论，从而引起了人们的关注。在互联网时代，这些分散数据的集成和分析能力尤为重要，因为社交平台以及开放信息的各种商业决策。我们还基于相似的想法开发了具有情报分析能力的模型，并将其应用于商业和政治情报的分析。例如，我们的代理系统可以调用Worldwideto的数据来源，可帮助用户做出数据和趋势挖掘的多维决策。我们的模型也扩展到其他垂直方向。例如，他开发为电影和电视公司提供了编剧模型，并成功地将其应用于未来创建“ Tang 3的奇怪事物”的过程中。王朝。 “我们还实施了诸如对植物的认可之类的技术，并且我们的模型的多维应用正在不断扩展。Apus的创始人和首席执行官Li Li Taolinlu：实际上，您可以购买一个非常有用的聊天工具。但是，当我对Gunn的启发时，我的最后一次启发了一个实际的行业时，有很多实际问题。但是，如果AI是相反的，那么AI就足够了。与以前的数字技术不同的是，它不再是生产手段，而是一种生产性系统。换句话说，它不仅是一种接收流程的工具，而且可以直接生成结果的系统。当然，这个结果可能是不稳定的，并且在帮助许多公司实施它的过程中会出现许多新的变量和可能性。我们在2022年转变为咨询服务，并在100多个项目中积累了经验。老实说，我也遇到了许多困难，但逐渐总结了一些规则。在AI实施过程中，所有公司都面临三个核心问题。因为您需要这样做吗？我该怎么办？我该怎么办？你为什么这样做？这两个问题通常投资于许多公司。人们通常首先争论“做什么”，但他们很少谈论“为什么”做什么。结果，公司通常高估了短期能力和AI的价值，并低估了长期的能力和价值。例如，许多公司或公司的主要领导人希望AI“聪明”足以直接交换点。分析师每天自动生成完整的公司报告。我问的第一个问题是：“您公司的数据清楚地组织了吗？我能真正“理解您的商业数据？”吗？为什么被称为人工智能？如果“人为”基础不起作用，那么“智力”当然很难扮演短期角色。媒体报道，媒体报道说：“某些公司正在实施这样的深度。”这些情况通常不是真实的。关于AI技术的有趣之处在于，很长一段时间以来，所有企业家的期望都比他们的发展速度高得多。但是，经过测试后，我发现错误率很高，并且很难实施业务。这就是为什么我觉得AI并不“不可靠”。因此，有一个短期价值被高估并且长期价值被低估的现象。实际上，在某些隐藏的传统情况下，人工智能的长期价值比执行官“聊天。想要。你为什么这样做？一个特别容易判断的是，分析他对逆转利润和损失的声明，并认为是否这样做会真正影响公司。当然，还应考虑AI的能力和机制。它会帮助您节省固定成本或降低成本吗？公司，我们需要确定我可以在公司中玩什么论文公司并发现其中80％的人几乎做出了回应。 “我们的AI是关于全部购买机器和私有化解决方案。”这确实忽略了本质。我们以前的方式是首先探索公司的情况，确定商业价值，通过不同的商业说明找到“ Clavo”，然后决定使用哪种技术来“钉”该指甲。自从我们这样做以来已经过去了三年多，但是我们已经看到，一些从一开始就开始探索AI的公司在进入深水时面临新的挑战。首先，最大的瓶颈是没有足够的项目领导者可以领导AI的转变。这样的人员必须非常完整。首先，它必须包括AI的基本原理，并适应AI的快速迭代逻辑。其次，我们需要了解T机制知识清除。第三，您确实需要了解业务。一旦我们带一组工程师来开发Inte小舒的尸体，但没人能做到。 “你曾经写过关于小苏的文章吗？”我问。他们说不。那么，您如何写聪明的小舒姆呢？如果您不了解业务和应用程序的详细信息，则实际上无法创建有效的AI解决方案。这是“人”，进入深处的第二个问题是，当生产力真正发布时，这些人应该做什么？例如，最常见的应用程序方案是当前客户服务。一些公司通过AI技术降低了80％的客户服务人员，其余20％的人继续在接线上起作用，这在总结了这些经验后也会为设备技能以及有组织的结构策略带来变化和调整，我发现在公司内实施AI时，它确实需要思考的中心秩序是重新定义和设计“生产关系”。首先，我们必须DMIT认为AI本身是一种新的生产力。为了使这种生产力真正在公司内部发挥作用，我们需要建立一致的生产关系。没有足够的生产关系，这种新型的生产力将不可能失去。因此，当思考“公司内应完成的AI项目”时，我们需要同时考虑该技术的组织影响。设备结构会改变吗？现有角色会重新定义吗？在实施的情况下，组织是否具有适应这种生产力的机制？当我们与许多企业家进行交流时，我们经常使用隐喻来解释什么生产力。您可以想象有1,000或10,000个非常聪明的实习生。但是问题在于他们仍然是“自然的”：不对他们的业务了解，也没有对市场环境的了解。因此，当您考虑生成AI应该做什么时，我可能会考虑一下：如果您要做出投资决定，这项重要的任务是否会赋予未经培训的新毕业内部？显然不是那样。如果这些“智能实习生”的短期能力被盲目高估并将其处于关键位置，那么失败几乎是不可避免的。但是，如果您从未开始培养它们，培训它们或让您真正了解自己的业务，那么它们真的值得您的设备成为一名富有成效的成员。发电机的AI核心是部署后是否可以有效地培训和使用。 AI的创始合作伙伴Rolling Gan Yifanlinlu：从某种意义上说，IA的实施是由首席执行官的战略需求降低的，以推进所有技术。其中一些非常小心。我自己的投资公司实际上在您自己的业务中使用了许多AI技术。这些任务最初是由以下研发团队促进的：但是，首席执行官决定领导整个公司的业务，因为它认为AI会破坏整个行业。结果，收集了许多数据，但实际上是不可能的。这项任务意味着整个研发团队将停止相关的工作，并花两个月的时间收集数据。收集这些数据后，您是否要求负责下一步该怎么做的人？他的回答是我们不清楚。因此，这使得成为一个非常重要的问题。您必须仔细管理CEO驾驶意图和内部公司。团队真正技能之间的关系。否则，您不仅可以浪费您的资源，而且可能会失去真正的土地机会。那么，您对首席执行官有任何建议吗？ Gan Yifan：我有三个建议。首先，您必须定义从上到下的AI应用程序方案。你为什么这样做？核心是，当您从下面提出许多情况时，您通常正在尝试解决业务中的小链接。这是一定的 - 期限，但从公司的长期发展角度来看，这毫无意义。为了建立从上到下的方案，首席执行官和高级管理层必须考虑公司AI代的长期战略价值，以公司的PL价值，组织结构甚至内部生产关系。因此，您必须从上方到结束建立场景。我们经历了无数的陷阱：我们对琐碎场景的需求感到满意，但是第一波应用结果并不理想。其次，我们从自下而上寻找一种文化。主要的应用程序，嗯，爆炸场景是从上到下建立的，生成的AI必须在每个员工的日常工作中发挥作用。即使为非常微妙的任务提供了更有效的改进，也可以慢慢形成对组织内AI的理解和感知，从而促进文化氛围的变化并促进生产关系和组织能力的改善。核心是确保每个人都真正了解这项新技术的运营原则及其如何影响它的工作方式。第三，从后面构建。最重要的是不要浪费您关于技术的谈论。一开始不要说三件事。结果是反映所有数据。首先，您必须阐明应用程序方案，然后退还所需的技术，需要管理的数据类型，其中有哪些数据以及需要收集的内容。您需要做这项工作。发电机AI的部署不仅是一种技术结构，而且是公司PL的重组和与生产相关关系的转变。李陶：我有两个建议。首先，首席执行官不仅唱着口号，而且是最重要的事情，他们清楚地知道是什么使首席执行官适合在其商业方向上实施AI和地址当前产品，首先使用它们。坦率地说，如果首席执行官不考虑它，而只是说“关于工作场所中的一切”，那么这个问题肯定会失败。最近，我们与许多传统公司打交道，我们发现许多传统公司的首席执行官都喜欢弥补自己的思想，但我们并不是在考虑如何实施AI策略。第二个建议是，我们对许多在AI的垂直模型或代理方向进行努力工作的人都有Viso。我们自己走过许多陷阱。根据我们的经验，有重要的提醒。不要阻止大型模型进行研究的进步。许多人尤其是在训练垂直模型时受苦。他们付出了很多努力来解决特定问题。结果，六个月后，最大的模型已经具有相关的功能，并且先前的努力很快被压碎并且没有积累的价值。今天我们都知道AI将废除现有的生产力，并将重组生产关系。他说，几乎是新行业的机会。在此过程中，每个公司都需要仔细考虑：您想建立什么障碍？该障碍不应在大型型号向前移动的主渠道上。否则，它肯定会被粉碎。几年前，无数大公司又一个又一个又一次地离开了，但是现在我们无法在全世界推广它们。中国只能拥有阿里巴巴，部分时间工作和深层性行为。原因很简单。它很快被压碎了，因为整个大型型号的速度不足以在主渠道中发展。因此，如果公司想实施AI，则必须知道将来将在AI领域建立障碍，并且无法阻止大型模型的发展路径。 Li Leding：让我分享一些个人感受。我们实际上在谈论同一件事：当我们面对AI时，您会聪明地思考，不要强迫您的精灵。不用担心技术本身，已经实现了。中国人可以很好地使用它，美国人可以很好地使用它。但是，不能被模型所取代的是如何指导和适应有关人类创造力，特征生产伦理并充分利用它们的想法。林卢：就像上一轮移动互联网一样，每个人都必须讨论当时是否构建应用程序。最终，手机对每个公司的商业形式产生了完全影响。这一轮AI同样深。这是我们必须积极接受的地址。当我们采用移动互联网时，我们必须采用AI，并拥有今天拥有的所有权力。随着时间的流逝，这是为了今天的讨论！感谢我们为我们提供精彩的分享！ 
