近日，F(xiàn)BIF2023食品飲料創(chuàng)新論壇及FBIF食品創(chuàng)新展在深圳國際會展中心圓滿召開。本屆大會以“再造奇跡”為主題，邀請300位全球演講嘉賓、900+參展商、7000+行業(yè)精英到場交流、分享，共同探討行業(yè)創(chuàng)新與增長模式。作為全球領(lǐng)先的致力于鏈接消費(fèi)者與商品的人工智能公司，銜遠(yuǎn)科技受邀參展、參會，公司創(chuàng)始人 周伯文 教授出席論壇并做《舌尖上的AI大模型，將會改變什么？》主題演講。

銜遠(yuǎn)科技對周伯文教授的主題演講內(nèi)容在保持原意的前提下，進(jìn)行了系統(tǒng)編輯和梳理，分享如下：

大家下午好！

非常開心來到FBIF創(chuàng)新論壇和大家交流生成式人工智能相關(guān)內(nèi)容，相信這也是大家近期非常關(guān)注的領(lǐng)域，即AGI在食品行業(yè)能夠做什么？

我個人已經(jīng)從事了近30年的人工智能基礎(chǔ)研究，此前在京東負(fù)責(zé)人工智能與供應(yīng)鏈相結(jié)合的研發(fā)與應(yīng)用工作也有近5年時間。創(chuàng)立銜遠(yuǎn)科技之后，我們在相關(guān)方面做了更多的探索，今天就為大家分享一下。

1、這一輪AI浪潮與以往有何不同？

近來有很多人問我：這一輪的人工智能浪潮和以前有什么不一樣？

我認(rèn)為，第一個不同在于它是由生成式AI驅(qū)動的。為什么生成式AI會比原來的判決式AI更激動人心？這里我想引用美國著名物理學(xué)家理查德·費(fèi)曼（Richard Phillips Feynman）的一句話——“凡是我不能創(chuàng)造的，我都沒有真正理解。”

“理查德·費(fèi)曼代表的是人類智能的最高水平，如果人類智能是這樣認(rèn)為的話”，我2015年在美國一個學(xué)術(shù)會議上提出，“那么人工智能也應(yīng)是同理，即一個不懂創(chuàng)造的人工智能，是不具備真正的理解能力的?！币虼?，生成式AI是人工智能邁向更高階段的必由之路。

今年以來，ChatGPT的巨大成功，實(shí)際上就是一個基于生成式人工智能改變?nèi)祟惛餍懈鳂I(yè)的典型例子。作為一名科學(xué)家，過去的半年里，我和大多數(shù)同業(yè)一樣，每天早上起來先要閱讀至少5篇以上的論文，以及時了解這一領(lǐng)的最新進(jìn)展，因?yàn)楦餍懈鳂I(yè)每天都在發(fā)生著大大小小的變化。

如果你問我，未來會怎樣？實(shí)際上這個問題本身就可以被看作是一個“生成式人工智能”，因?yàn)槲覀兲岢隽藛栴}，然后等待答案的揭曉。所以我認(rèn)為，預(yù)測未來最好的辦法，就是我們一起來創(chuàng)造它！創(chuàng)立銜遠(yuǎn)科技，就是我和團(tuán)隊用生成式人工智能創(chuàng)造未來的一種“回答”。

回顧歷史可以看到，技術(shù)的發(fā)展往往會讓人感覺突然間到了一個拐點(diǎn)。這里有兩張圖，是在紐約第五大道同一地點(diǎn)、不同時間拍攝而成的。我們可以看到，1900年的第五大道上全是馬車，而其中很不起眼地出現(xiàn)了第一輛汽車。而僅僅13年后，1913年的第五大道上已經(jīng)看到一輛馬車了。當(dāng)技術(shù)取得關(guān)鍵突破并帶來新的可能性之后，我們唯有選擇擁抱它。

關(guān)于技術(shù)的發(fā)展，比爾蓋茨曾指出：“人們往往會在兩年內(nèi)高估它的變化，卻又在十年內(nèi)低估它的變化?！边@個觀點(diǎn)放在人工智能領(lǐng)域尤其明顯。我本人在AI領(lǐng)域做研究近30年，每隔10年回頭看，基本都是天翻地覆的變化，而這一輪人工智能浪潮又有什么不一樣？

這就要說到第二點(diǎn)不同。過去，人工智能每一次都是通過與某領(lǐng)域最強(qiáng)的人類競爭并獲勝而成為頭條，像是大家熟悉的AlphaGo。如果我們繼續(xù)往前倒帶，更早的幾個案例都與我本人有著或多或少的關(guān)聯(lián)，因?yàn)樗鼈兌汲鲎杂贗BM，而我在回國前長年擔(dān)任IBM人工智能全球研究院院長以及IBM Watson的首席科學(xué)家。

在2016年AlphaGo擊敗圍棋世界頂級棋手李世石之前，人機(jī)對抗的案例還有：

回顧歷史可以看到，技術(shù)的發(fā)展往往會讓人感覺突然間到了一個拐點(diǎn)。這里有兩張圖，是在紐約第五大道同一地點(diǎn)、不同時間拍攝而成的。我們可以看到，1900年的第五大道上全是馬車，而其中很不起眼地出現(xiàn)了第一輛汽車。而僅僅13年后，1913年的第五大道上已經(jīng)看到一輛馬車了。當(dāng)技術(shù)取得關(guān)鍵突破并帶來新的可能性之后，我們唯有選擇擁抱它。

關(guān)于技術(shù)的發(fā)展，比爾蓋茨曾指出：“人們往往會在兩年內(nèi)高估它的變化，卻又在十年內(nèi)低估它的變化?！边@個觀點(diǎn)放在人工智能領(lǐng)域尤其明顯。我本人在AI領(lǐng)域做研究近30年，每隔10年回頭看，基本都是天翻地覆的變化，而這一輪人工智能浪潮又有什么不一樣？

這就要說到第二點(diǎn)不同。過去，人工智能每一次都是通過與某領(lǐng)域最強(qiáng)的人類競爭并獲勝而成為頭條，像是大家熟悉的AlphaGo。如果我們繼續(xù)往前倒帶，更早的幾個案例都與我本人有著或多或少的關(guān)聯(lián)，因?yàn)樗鼈兌汲鲎杂贗BM，而我在回國前長年擔(dān)任IBM人工智能全球研究院院長以及IBM Watson的首席科學(xué)家。

但所有這一切，就像我先前所說的：AI在過去每一次登上新聞頭條，但都是因?yàn)樗鼈冊趯怪袚魯×说厍蛏夏愁I(lǐng)域最強(qiáng)的人類。

但這次不一樣！

普通用戶在每一次使用ChatGPT并感到不可思議的時候，實(shí)際都是人類與AI在進(jìn)行共創(chuàng)。換句話說，是人類用好的Prompt（優(yōu)質(zhì)提示），誘發(fā)了AI大模型的強(qiáng)大能力。當(dāng)AI犯錯時有人類進(jìn)行糾正，讓它從人類的指令中學(xué)會理解錯在何處，從而改正并完善自身的能力。因此，這一輪人工智能所取得的突破和成功，本質(zhì)上都來自于人類與AI的協(xié)同交互，這是與過去完全不一樣的地方。

相信大家肯定也更喜歡一個能與你協(xié)同合作的AI，而不是一個視你為競爭對手的AI。這就是為什么，我認(rèn)為下一代AI能夠也必將深刻改變各行各業(yè)的原因。因?yàn)橐粋€懂得且善長與人協(xié)作的AI，它所具有的價值空間與發(fā)展前景，一定會遠(yuǎn)遠(yuǎn)高于只想跟人競爭的AI。

2、人工智能演化的三個階段

作為清華的一名教授，經(jīng)常會有學(xué)生問我與AGI、AIGC、Transformer、GPT這些概念相關(guān)的問題。的確，如此多過去少有普通人關(guān)注的名詞，突然間成為全球熱議的焦點(diǎn)并走進(jìn)普羅大眾的認(rèn)知，在這里我先簡單為大家梳理一下：

· AGI代表通用人工智能，是AI的高階形式。

· AIGC代表生成式人工智能，它是通往AGI的必由之路。正如理查德·費(fèi)曼所說——凡是我不能創(chuàng)造的，我都沒有真正理解。如今，我們已經(jīng)看到亦或親身體驗(yàn)到，生成式AI相比判別式AI更加強(qiáng)大。

· Transformer則是生成式AI的重要里程碑。這一觀點(diǎn)，我在2016年IBM紐約總部負(fù)責(zé)其全球人工智能戰(zhàn)略規(guī)劃時就已經(jīng)提出了。

· GPT系列模型則是引爆這一輪AI浪潮的“導(dǎo)火索”，其中ChatGPT和GPT-4在技術(shù)層面所展現(xiàn)出的突破性進(jìn)展，以及在應(yīng)用層面取得的巨大商業(yè)成功，都堪稱前無古人。

在我看來，可以將人工智能分為三個階段：

第一個階段：狹義人工智能

這一階段，大家使用各種小模型，包括神經(jīng)網(wǎng)絡(luò)，通過高度受監(jiān)督的訓(xùn)練去完成任務(wù)，而每個任務(wù)模型也只能處理特定的事情。這一階段的好處是，我們?nèi)祟惪梢郧逦闹肋@個人工智能模型能做什么和不能做什么，它的邊界是非常清晰的。

第三個階段：通用人工智能（第二階段我們放在后面介紹）

關(guān)于AGI，大家可以不用管它的學(xué)術(shù)定義，重點(diǎn)記憶兩點(diǎn)概念：

第一，它具備多種能力，而不是只有一種能力；

第二，它在每一個單點(diǎn)的能力上，都逼近或超過人類。

而要具備多種能力，就意味著它要能獨(dú)立自主的學(xué)習(xí)和發(fā)展。因此，AGI會更美好、更強(qiáng)大，但同時也注定存在風(fēng)險、可能失控。今天，人類或許還沒有準(zhǔn)備好迎接AGI，所幸的是AGI也尚未到來。

那么，我們現(xiàn)在身處何處？

第二個階段：廣義人工智能

“廣義人工智能”是我在2016年給出的定義，目前看來，可以將2023年作為分水嶺，在此之前的狹義人工智能階段已經(jīng)過去，而我們正在經(jīng)歷和見證的就是廣義人工智能階段。

什么是廣義人工智能？它是指通過預(yù)監(jiān)督或自監(jiān)督的方式去完成自我訓(xùn)練的AI。在這個訓(xùn)練過程中，它能夠端到端的完成多項(xiàng)任務(wù)，這與過去的判別式AI不同，而是變成了一個能與人類共創(chuàng)的“生成式助手”。其中很重要的一點(diǎn)在于，它開始產(chǎn)生“涌現(xiàn)能力”，也就是說它具備了此前從未有過的“零樣本學(xué)習(xí)能力”。

試想，一個任務(wù)AI從未遇到過，但當(dāng)你給到它時，它竟然能做出來！這就叫“涌現(xiàn)能力”。我認(rèn)為，當(dāng)人工智能邁入這一階段，它在能力上就已遠(yuǎn)遠(yuǎn)勝過狹義人工智能。與此同時，又不會像AGI那樣令人們過度擔(dān)憂和恐慌。所以在這個階段，我們要做的就是去思考能用它來做些什么？特別對食品飲料行業(yè)而言，積極且善于擁抱人工智能的意義重大。

3、未來已來

根據(jù)國外專業(yè)機(jī)構(gòu)的市場調(diào)研分析：2020年，AI在食品飲料行業(yè)的市場價值就已達(dá)到30億美金且呈現(xiàn)持續(xù)增長態(tài)勢。但大家要知道，那時的人工智能還處于我們所說的狹義人工智能階段，人類需要很多不同的模型分別去做不同的事情，比如食品創(chuàng)新、定制、營銷、自動化生產(chǎn)、食品監(jiān)控、安全檢測等等。

同一時期，我在京東帶領(lǐng)團(tuán)隊搭建了一個叫 JD AI NeuHub 的人工智能開放平臺，就是幫助各行各業(yè)在供應(yīng)鏈上去做效率優(yōu)化。我們從零做起，最終做到每天調(diào)用量達(dá)到100億次。毫無疑問，它是一個非常有價值的平臺，否則不會有這么高的調(diào)用量，涉及產(chǎn)品的定義、設(shè)計、用戶研究、市場洞察、交易、售后、客服等諸多方面。但是，我們也為此在 NeuHub 上部署了數(shù)百個模型，因?yàn)樗源酥纹鋺?yīng)對不同細(xì)分場景的任務(wù)需求。

但現(xiàn)在不一樣了，可以說是歷史上第一次，我們有機(jī)會用一個模型去實(shí)現(xiàn)過去數(shù)百個場景中需要的功能并與人進(jìn)行協(xié)同交互。最近，大家越來越多的看到 Stable Diffusion 這些模型在圖片創(chuàng)作能力方面的顯著提升，同時中國的一些企業(yè)也開始利用與以往不同的方式去提升效率，比如更多借助AIGC去做營銷和內(nèi)容的生成等等。

4、大模型能改變什么？

上面舉的幾個例子還都是小模型的范疇，而接下來我會著重去講用一個大模型能改變什么？比如在品飲料行業(yè)，如何用一個大模型去完全顛覆整個端到端的效率等等。

首先，我們要了解，為什么大模型在技術(shù)上具備如此突出的能力？

我們知道，ChatGPT大模型來自于GPT，GPT來自于Transformer，而Transformer則是引發(fā)這一輪AI浪潮的重要里程碑。

Transformer相較此前神經(jīng)網(wǎng)絡(luò)最大的不同在于，它具備了一個叫做“多頭自注意力”的機(jī)制。這一機(jī)制讓神經(jīng)網(wǎng)絡(luò)第一次能夠一目十行、長期記憶并理解長距離的依存性以及其中的因果關(guān)系，從而產(chǎn)生各種更強(qiáng)大的推理能力。值得一提的是，這里說的“多頭自注意力”機(jī)制，實(shí)際來自于我本人2016年的一篇論文，從這個角度來看，我對促成Transformer的誕生也有著第一手的經(jīng)歷。

我的理解是，就像OpenAI說的：大語言模型具備的核心能力，是基于“多頭自注意力”架構(gòu)來預(yù)測下一個詞，通過這種方式逼著AI去學(xué)習(xí)、體會并壓縮整個世界知識進(jìn)入到這個大模型。所以，大模型是目前最好的世界知識壓縮器。通過預(yù)測下一個詞的方式，大模型能夠去理解整個世界的知識。

“多頭自注意力”機(jī)制為什么重要？因?yàn)樗尨竽Ｐ统霈F(xiàn)了我們原來從未見到過的“涌現(xiàn)能力”。在很多任務(wù)上，雖然人沒有顯性的去教過大模型就直接向它提出需求，比如做翻譯、寫總結(jié)、回答問題、尋找信息等等，大模型就可以非常輕松的去理解、執(zhí)行并返回結(jié)果——這就是“零樣本”的上下文學(xué)習(xí)能力，這些能力是原來的模型所不具備的。

那又是什么讓大模型這樣厲害？簡單形容，就是因?yàn)樗瓿闪藢φ麄€世界知識的壓縮，所以它能夠去理解人的意圖，同時與人進(jìn)行協(xié)同和交互。而從技術(shù)角度來看，AI大模型還具備三個核心能力：

1、上下文學(xué)習(xí)能力

舉個具體的例子，比如你讓大模型去預(yù)測下一個詞是什么，給到它兩句話分別是：

愛因斯坦是德國人

甘地是印度人

問：瑪麗·居里 ... ？

從語法的角度來講，瑪麗·居里后面可以跟很多不同的形容詞，這個句式都是正確的；

從語義的角度來講，也可以跟 brilliant、beautiful ，用聰明、漂亮都可以形容瑪麗·居里。

但是，大模型卻能夠準(zhǔn)確預(yù)測出，瑪麗·居里后面應(yīng)該跟的詞是：波蘭人。

這就是我們所說的，大模型的上下文自我學(xué)習(xí)能力。根據(jù)愛因斯坦是德國人、甘地是印度人，大模型推理出，你在談的事情后面有個隱含的概念，就是國籍。當(dāng)它推理出這個隱含概念后，也就能夠通過數(shù)據(jù)檢索正確回答出瑪麗·居里是波蘭人這個簡單的答案，因?yàn)樗呀?jīng)將世界知識壓縮進(jìn)了大模型。

當(dāng)然在計算的過程中，大模型要完成整個的積分。首先，它要對所有的隱含概念進(jìn)行計算，確定國籍是所有可能的隱含概念里匹配程度最高的，再根據(jù)這個結(jié)論得出瑪麗·居里是波蘭人這個最終的答案。所以，是基于上下文的學(xué)習(xí)能力，加上對隱含概念的推理能力，再加上零樣本的泛化能力，讓大模型能夠做出這類令人感到不可思議的事情。

明白了這一點(diǎn)，相信大家也就能夠理解為什么OpenAI不是按照API接口的調(diào)用次數(shù)收費(fèi)，而是按照Token的使用數(shù)目來收費(fèi)了。道理很簡單，你用的Token越多，你的上文就越長，而你的上文越長，大模型就越有能力去推理出一些核心的概念，也就越能更精準(zhǔn)的回答你的問題，與此同時它的計算成本自然也就越高，所以O(shè)penAI是按照Token數(shù)目來收費(fèi)的。只有明白了大模型運(yùn)作的原理，才能理解它背后的商業(yè)模式。

2、思維鏈能力

還是用一個例子來解釋，比如“小明原本有5個網(wǎng)球，之后他又買了兩罐，每罐有3個網(wǎng)球，他現(xiàn)在有幾個網(wǎng)球？”如果這時只是簡單給到AI大模型答案是11個，那么當(dāng)你繼續(xù)問它“小明有23個蘋果，如果用20個做果盤，又買了6個，小明現(xiàn)在有幾個蘋果？”AI大模型很可能無法進(jìn)行正確推理從而答錯。但是，如果你對第一個問題的答案給出更清晰的計算推理過程作為提示，比如“小明開始有5個球，新買的2罐網(wǎng)球每罐是3個一共6個，5+6=11，所以答案是11個”，那么再問后面的蘋果問題，AI大模型就可以按照同樣的推理過程去生成，從而得出正確的答案。這又是一個原來模型所不具備的能力，即AI大模型的推理能力。這種能力可以完成多跳推理，即“通過從A到B、B到C、C到D的推理，從而完成直接從A到D的推理”，這種能力也是我們在大模型上第一次看到的，它改變了人工智能到底能夠做什么。

3、指令微調(diào)能力

這個能力讓AI大模型能夠與人的價值觀去對齊。如果它犯了錯誤，你可以告訴它，讓它借助你的反饋去糾正并完善自己的生成結(jié)果。如果你讓大模型給一個6歲的小孩解釋什么是登月工程，這個問題本身對它沒有任何困難，它馬上就可以找到多種答案。比如，以物理學(xué)來解釋萬有引力（答案A）；站在歷史角度介紹美蘇冷戰(zhàn)導(dǎo)致的登月（答案B）；用天文學(xué)說明月球是地球的衛(wèi)星（答案C）；或是從人的美好愿望出發(fā)講述月球上有嫦娥、有玉兔，所以人類想去月球（答案D）等等。但是，大模型并不知道其中哪一個答案最適合6歲的小孩，所以需要為它引入人類反饋機(jī)制做強(qiáng)化學(xué)習(xí)，通過人工打分，給出答案D最適合6歲的小孩，其次是答案C，再次是答案B，而答案A最不適合，因?yàn)?歲的小孩很難理解冷戰(zhàn)更不懂物理學(xué)。當(dāng)這一系列人類反饋給到AI大模型后，它就可以舉一反三，并迅速學(xué)會類似問題該如何回答。這時，你再讓它“給6歲小孩寫一個關(guān)于青蛙的童話”，它就不再會從生物學(xué)的范疇去介紹青蛙是什么，而是用“很久很久以前，有一個王子...”這類童話句式來開場。當(dāng)AI大模型具備了這種學(xué)習(xí)和微調(diào)的能力后，就意味著你在使用它的時候，即使它偶爾犯了錯，你也可以通過反饋和指令糾正它，而它很快就能學(xué)會，從而更好地完成任務(wù)。

5、用AI重塑商品價值

了解過大模型的以上三種核心能力，我們再去回答“食品飲料行業(yè)用AI能做什么？”這個問題，就會迸發(fā)出與以往完全不同的想象力。所以接下來，我會分享一些銜遠(yuǎn)科技在做的事，幫助大家更直觀的認(rèn)識這種想象力所帶來的創(chuàng)新和價值：

銜遠(yuǎn)科技的理念

讓每一件商品都應(yīng)需而生

讓每一個消費(fèi)者都得償所愿

我們的核心邏輯是：通過預(yù)測消費(fèi)者和商品在體驗(yàn)上的依存關(guān)系，以及細(xì)顆粒度品參的對應(yīng)關(guān)系，重新深刻理解什么樣的消費(fèi)者需要什么樣的商品；消費(fèi)者在什么樣的場景和體驗(yàn)下，會被什么樣的品參、材質(zhì)、文化符號、功能打動，從而導(dǎo)致二者之間互動的產(chǎn)生。通過銜遠(yuǎn)大模型對真實(shí)世界各類過程中產(chǎn)生的數(shù)據(jù)進(jìn)行壓縮表示，重構(gòu)產(chǎn)品與用戶的二元關(guān)系。同時，這也是我們第一次通過一個大模型，實(shí)現(xiàn)對企業(yè)5D全生命周期的賦能，這里說的5D包括：對消費(fèi)與供給的雙側(cè)市場機(jī)會進(jìn)行洞察（Discover）；幫助企業(yè)分析消費(fèi)人群與場景，定義并孵化爆品（Define）；協(xié)助設(shè)計創(chuàng)新型產(chǎn)品的外觀、材質(zhì)、包裝及開發(fā)流程等（Design）；再到驅(qū)動研發(fā)、測試與品參改進(jìn)（Develop）；最終通過生成千人千面的內(nèi)容，完成對消費(fèi)者的精準(zhǔn)觸達(dá)與高效轉(zhuǎn)化（Distribute）。而以上這一切，都將在歷史上第一次通過一個大模型來完全解決

為了實(shí)現(xiàn)這一目標(biāo)，銜遠(yuǎn)大模型必須同時具備通用能力與專業(yè)性，既要有智商、還要有情商。智商讓它具備語言、認(rèn)知和推理的能力，能夠明白消費(fèi)者的反饋信息并根據(jù)指令進(jìn)行微調(diào)；情商讓它能夠準(zhǔn)確把握消費(fèi)者的動機(jī)，理解消費(fèi)者為什么喜歡、為什么不喜歡、為什么購買又為什么不買，基于“共情”的能力與消費(fèi)者進(jìn)行有效互動。

同時，大模型還要具備專業(yè)性。比如在座的各位，我相信大家都具備良好的智商與情商，但并不是每一個具備這類通識能力的人，都能做到你們在做的具體事情。這種差異的來源，即是對商品的深刻理解。

下面圍繞四個應(yīng)用場景，分別為大家說明銜遠(yuǎn)大模型能夠做什么：

1、知識管理

這個“知識管理”其實(shí)很像一個ChatGPT，但不一樣的地方在于：首先，它能夠去理解和連接一個企業(yè)內(nèi)部所有的流程和知識管理庫。換句話說，你可以問它很專業(yè)的問題，比如低溫酸奶市場渠道拓展的瓶頸在哪里或者高線城市年輕消費(fèi)者的需求有什么變化等等，你可以把它看成是一個“全能助手”。同時，你也可以通過這個系統(tǒng)去問企業(yè)內(nèi)部的管理流程，比如我明天要去深圳參加FBIF展會，公司的報銷流程是什么樣的，關(guān)于購買機(jī)票有什么規(guī)定等等，都可以通過知識管理系統(tǒng)來回答。此外，它也可以對接CRM等企業(yè)內(nèi)部的數(shù)字化系統(tǒng)，以對話的形式完成企業(yè)內(nèi)部的知識傳遞和積累。

很多企業(yè)經(jīng)營者問過我，是不是一定要先完成數(shù)字化，才能做智能化？如果企業(yè)已經(jīng)完成了數(shù)字化，那當(dāng)然是件好事。但如果還沒有，那么通過ProtuctGPT這樣一種模式，也可以用智能化去倒逼數(shù)字化。有了統(tǒng)一的入口，企業(yè)所有的員工、角色和流程都將在ProtuctGPT平臺上進(jìn)行沉淀，從而解決了過去數(shù)字化帶來的“數(shù)據(jù)孤島”和人工造成的“數(shù)據(jù)中臺”等問題。在這個新的框架下，所有的數(shù)字化和流程都將沉淀在對話平臺上，由其調(diào)用不同的后臺數(shù)字化工具。

2、市場洞察

針對“市場洞察”，銜遠(yuǎn)大模型主要發(fā)揮兩個作用：

第一，它能夠離線分析我們看到的所有多模態(tài)及文本數(shù)據(jù)，并將這些信息充實(shí)到數(shù)據(jù)表中，所以得出的結(jié)論是綜合了背后萬千用戶、品牌情況，打通消費(fèi)側(cè)到供給側(cè)的全方位智能分析的結(jié)果，并不是簡單的數(shù)據(jù)看板。

第二，在用戶對數(shù)據(jù)表進(jìn)行解讀與思考的整個過程中，都會存在一個由大模型驅(qū)動的對話助手與你交流和互動。所以，當(dāng)最終產(chǎn)生兒童酸奶的創(chuàng)新idea時，比如怎樣做輔食、如何促進(jìn)大腦發(fā)育等等，這實(shí)際上是人和AI通過共創(chuàng)完成的“生成式新品”。

3、客戶交互

首先是基于知識的對話能力，可以更好地滿足企業(yè)對消費(fèi)者的洞察、理解和服務(wù)需求。同時更重要的一點(diǎn)是，基于銜遠(yuǎn)科技這類“既懂產(chǎn)品又懂用戶”的大模型，能夠生成千人千面的個性化營銷內(nèi)容。比如，品牌商購買了一個廣告位，想要把一款酸奶飲品推薦給消費(fèi)者，那么怎樣進(jìn)行展現(xiàn)效果會更佳？這就需要企業(yè)對消費(fèi)者有所了解。在銜遠(yuǎn)科技看來，如果我們發(fā)現(xiàn)一個消費(fèi)者非常關(guān)注商品的產(chǎn)地、品質(zhì)和供應(yīng)鏈安全等問題，那么動態(tài)生成的酸奶廣告畫面就會側(cè)重像瑞士一樣的青山綠水；如果對另一個消費(fèi)者的畫像顯示其更關(guān)心哪款酸奶適合在外出露營或春游的時候飲用，那么動態(tài)生成的酸奶廣告畫面就會偏向?qū)?yīng)場景氛圍的營造，也就是通過生成“千人千面”的營銷內(nèi)容，以同理心迎合消費(fèi)者的需求、情感和體驗(yàn)，從而實(shí)現(xiàn)更精準(zhǔn)的觸達(dá)和更高效的轉(zhuǎn)化。

4、生產(chǎn)工具

通過實(shí)現(xiàn)研發(fā)的數(shù)智化，推動企業(yè)生產(chǎn)力的提升。比如，以AI生成配方推動企業(yè)研發(fā)效率的快速提升。大模型能夠自動分析各種配方，并預(yù)測不同配方生成后的市場銷售情況。同時，通過使用ProductGPT的多輪對話能力，發(fā)揮其所包含的不同Skill和Agent能力，幫助企業(yè)及員工提升生產(chǎn)力。

綜上，銜遠(yuǎn)科技所做的一切，都是希望通過AI技術(shù)搭建品牌與消費(fèi)者之間的橋梁。讓每一件商品都應(yīng)需而生，讓每一個消費(fèi)者都得償所愿。