AI的魔法:揭秘人工智能的場景應用形態
網絡上有不少大模型和Agent評測的文章,但分析都是從整體或者某個行業進行。這篇文章,作者從三個大模型的應用場景出發,給大家分析這幾個模型的優劣勢,供各位參考。
之前寫了AI Agent構建平臺的產品評測文,分享到朋友圈后有小伙伴讓分享一下openbuddy、coze和通義的優劣勢于是我就去搜集了一些資料。
一、openbuddy/Coze/通義分別是什么
1、openbuddy:基于LLaMA2跨語言對話模型
▲ 知乎解答-openbudy
2、通義App:集成通義大模型全棧能力,免費為所有用戶提供服務。
通義APP以性能媲美GPT-4 Turbo的基模為底座,并把通義實驗室前沿的文生圖、智能編碼、文檔解析、音視頻理解、視覺生成等能力“All in one”,成為每個人的全能AI助手。(新聞通稿)
▲ 通義官網-產品集
3、Coze:Coze是新一代 AI 應用開發平臺。
無論你是否有編程基礎,都可以在Coze上快速搭建基于大模型的各類 Bot,并將 Bot 發布到各個社交平臺、通訊軟件或部署到網站等其他渠道。(官網幫助文檔解釋)
▲Coze產品截圖
當我去收集完這些材料后,我發現這三個產品很難在一個緯度上分析優劣勢。openbuddy 是一個具體的模型;通義是一個基于通義千問模型的綜合性AI平臺,他提供模型、提供模型訓練工具;而coze 則是基于已有模型的Bot構建平臺(支持接入已有模型,通過文字、流程、插件引導Bot完成具體場景任務)。
二、所以我們常說的AI,在應用層到底是個啥?
大語言模型生態系統
▲ 大語言模型生態系統-圖源AINLP
模型層提供了基礎的大語言模型能力,包括開源和閉源兩類。
閉源模型的代表有OpenAI 的 GPT 系列和 Anthropic 的 Claude 系列。毫無疑問,目前 OpenAI 的 GPT 系列模型在整個行業中處于領先地位,其性能遠超其他大語言模型。
開源模型的代表是 Meta推出的 Llama2。閉源模型就像移動互聯網時代的 iOS 操作系統,更易于上手、技術門檻較低。
而開源模型類似移動互聯網時代的 Android 系統,對使用者的技術要求更高,但具備更強的可定制性。不管是開源模型還是閉源模型,都提供了模型微調的能力。OpenAI 甚至提供了神經網絡的文本向量化功能。
框架層提供了基于大語言模型的開發框架,幫助開發者更快地構建與大語言模型相關的應用。目前市場上涌現出許多出色的開發框架,它們提供了各領域針對大語言模型二次開發的抽象。除了開發框架,還有向量數據庫、知識圖譜等重要的周邊模塊。
應用層是基于大語言模型開發的最終應用,ChatGPT 可以說是其中最知名和熱門的。這些應用大致可以分為兩類:一類是自動化應用,代表產品是 ChatGPT,這類應用需要人類的參與和反饋;另一類是自主 Agent 系統,代表產品是 AutoGPT,這類應用不需要人類主動參與,自主 Agent 系統可以在得到初始命令后進行自主迭代。應用層仍在不斷發展,特別是自主 Agent 系統,這是一個充滿前景和想象的領域。
中國AI Agent生態系統
▲ 中國AI Agent生態-圖源知網
中國AI Agent生態是一個多層次、多領域、高度集成的系統,它涵蓋了從基礎算力到具體應用的各個層面。
在算力層,我們看到了阿里云、百度智能云、華為云等領先企業的身影,它們提供強大的計算資源和存儲能力,為整個AI生態的發展打下堅實的基礎。
平臺框架層進一步細分為兩個方向:企業級AI Agent平臺和開發者AI Agent開發平臺。企業級平臺為大型企業提供定制化、高效率的AI解決方案,例如:釘釘、實在智能;而開發者平臺則為廣大開發者提供了豐富的工具和資源,使他們能夠快速開發和部署自己的AI應用,例如coze、文心智能體平臺。
垂直應用層是AI生態中最接近終端用戶的一環,它包括金融、招聘、營銷、供應鏈、教育、數據分析、AI PC等多個領域。
在金融領域,AI Agent能夠進行風險評估和市場分析;
在招聘領域,它們幫助企業篩選簡歷和評估候選人;
在營銷領域,AI Agent通過精準分析消費者行為來優化廣告投放;
供應鏈管理中,AI Agent能夠預測需求和優化庫存;
教育領域中,它們提供個性化學習體驗;
在數據分析領域,AI Agent能夠處理和分析大量數據,為決策提供支持;
而在AI PC領域,它們則為用戶提供更加智能和個性化的交互體驗。
作者:是湘湘呀,公眾號:數字化產品筆記
本文由 @是湘湘呀 原創發布于人人都是產品經理。未經作者許可,禁止轉載
題圖來自Unsplash,基于CC0協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!