剛剛過去的2023年，被譽為科技史上的奇跡年。其重要性堪比牛頓發現力學、愛因斯坦提出相對論，對后世影響具有深遠意義。

這一年，大洋彼岸的大模型風潮傳來，國內幾乎所有具備AI技術積累的企業紛紛入局，一同共赴這場技術比拼的盛宴。霎時間，各種類型、各種參數的大模型悉數亮相，大廠們正在用AI技術顛覆千行百業。

誠然，大模型是未來發展的主要旋律之一，人工智能技術加速創新，一場范式革命已經拉開帷幕。然而，相比個人而言，對于大模型的重要使用者企業來說，當千億乃至萬億參數大模型輪番上陣，上演大模型算力比拼的“表演”時，追求現實應用的企業，真正能在這場演出中收獲幾何？

大模型日新月異，能夠賦能企業的共識已經達成，但大模型究竟該如何增效、甚至顛覆企業工作場景，什么類型的大模型，才能讓企業真正吃到人工智能紅利，借助技術東風更上一層樓？

“使用私有化大模型，讓經營數據內循環生長，才能讓企業具備持久競爭力。”獵豹移動董事長兼CEO、獵戶星空董事長傅盛在2024年開年AI大課暨獵戶星空大模型發布會上如是說。在他看來，企業的私有數據是優質數據資產，只有將私有數據和大模型技術結合，為企業配備專屬的私有化大模型，才能真正落地應用場景，釋放大模型的效能，提升企業效率。

獵戶星空的大模型就是為了企業應用而生。據傅盛介紹，憑借著“全家桶”級的微調能力，在專業場景里實現媲美千億級模型的效果。私有化大模型不僅能真正完成數字員工，還能基于企業過往數據實現AI輔助決策，充當團隊虛擬智能錦囊的角色。

正如喬布斯所說，技術不是為工程師而生，而是為應用而生。在這波大模型的浪潮中，企業想要真正搭上新技術的快班車，重心應該落在如何將技術和場景結合，而非是一味追求更大參數規模的算力上。

將私有數據和大模型技術融合，才是抓住企業真實需求，搶灘大模型賽道的破局之道。

不是所有企業都需要“愛因斯坦”

自從Chat GPT 3.5問世，展現出驚人的生成式AI技術至今，不過短短一年有余。雖然誕生時間較短，但在Chat GPT的數據中，已經涵蓋了過往幾百年來的人類智慧結晶。所有在互聯網上記錄的文字內容，都已被Chat GPT掌握甚至融會貫通。

同理，雖然國內各家大模型還未喝上“周年酒”，但其數據的來源已經貫穿古今，成為一個堪比愛因斯坦般智慧的存在。

雖然大模型已經具備最廣泛的知識，但是具體到解決具體工作的能力和知識并不多。舉個例子，當家里的電線短路時，你會尋求一個擁有所有學科博士水平的專家幫助，還是給樓下從事電路維修二十年的電工師傅打電話？

答案顯然是后者。

讓更專業的人做更專業的事，是解決方案中的最優解。這般樸素的邏輯同樣適合大模型在企業的實際應用中。一家企業需要的大模型，只需要更懂自家企業運行、自身行業發展，而非掌握所有知識的大模型。

這也是目前大模型難以推進落地場景的重要原因之一，使用者清楚的知道大模型技術的出神入化，但卻不知道如何使用。所以，目前C端使用者對于大模型還只停留在嘗鮮、獵奇的階段，嘗試文生圖、一問一答的簡單使用。B端使用者在工作時，也只是借助大模型的生成技術，完成一篇頗有GPT味道的工作匯報，難以真正地在更有價值、更有挑戰性的工作場景中，釋放大模型的技術魅力。

如此一來，不僅浪費了大模型在訓練時的巨額投入，更是局限了大模型落地的無限可能性。

綜上所述，企業需要的不只是一個會說正確但無用的“愛因斯坦”大模型，而是更清楚員工工作、企業業務、行業環境，更能解決實實在在痛點的私有化大模型。

除了更垂直的專業外，私有化大模型也能降低企業使用成本。在工作場景中百億參數基座+數據和應用，其帶來的能力基本上等同于市面上通用的千億參數大模型。獵戶星空的客戶案例中，已經證實了這種可行性。通過百億參數+應用大模型，其回答專業問題的準確率高達97%，而GPT4僅能達到60%。

簡而言之，不是“愛因斯坦”用不起，關鍵的一點是：不是每個企業都需要。

對于企業而言，部署私有化大模型，可以深入企業在會議紀要、規章制度、圖表數據、文案打磨、創意腦暴等多個工作場景。真正讓企業做到自上而下、由內到外的大模型技術升級。抓住這次技術東風，成為第一批用上且用好大模型技術的玩家，持續構建所在行業的核心競爭力。

企業“暗知識”才是核心競爭力

大模型時代，數據是非常重要的生產要素，數據質量直接影響模型效果。無論是對于大模型廠商還是使用者而言，手握優質數據都意味著掌握絕對優勢。

通用大模型的確具備海量的公有數據、公有知識，但是對于企業而言，這些數據訓練后的答案，大概率會是正確但無用的。企業想要真正有用的大模型，需要更精準的數據。這部分數據來源，并不在互聯網上，而是企業經過多年運營沉淀的數據，這也是企業最大的競爭優勢。

傅盛曾說過，“通用大模型無法解決城市和企業的實際或特色問題。互聯網上出現的人類知識只是冰山一角，水面之下大量的私有知識還無法體現。”

例如每家企業開會時的數據，從開會前期的需求收集、中間的討論、形成決策、實踐并復盤，這些都是通用大模型沒有的數據。“一個公司真正的效率就是它的流程決策，從做出決定到付諸實踐，這其中的一點一滴都是每一家公司的核心，這是通用大模型無法做到的。”傅盛認為。

傅盛將企業使用AI的方式，總結為三個段位。最低級的段位“青銅”，就是企業使用公有數據的大模型。在這個段位中，大模型只能幫助企業完成最簡單的文案包裝等營銷工作，并不能實現全鏈條的提效。

相比之下，“黃金”段位的企業，已經在大模型中加入專崗私有數據。通過專崗私有數據，加上檢索的方法配合大模型進行任務處理（RAG檢索增強生成），進而可以實現使用企業數據的知識問答。

通過一個案例便可知曉私有數據的重要性。例如當員工想要知道自己的年假時長時，通用大模型給出的只是基于法律法規亦或是當地特色數據生產出的答案，而私有化大模型，經過企業私有數據訓練后，能給員工一個真正符合該企業員工休假標準的答案。后者才是真正解決員工問題的大模型。

此外，當專崗私有數據疊加Agent套件后，可以讓大模型像人一樣自主完成工作，具備拆解任務目標、制定任務規劃、使用外部工具、查詢知識庫、調用記憶與企業系統打通的能力。

私有數據訓練出的私有化大模型，能真正將員工工作落到實處，向數據員工方向靠攏，同時具備降本增效的效果。

最高端的段位，就是企業經營數據+大模型+強應用結合的“王者”段位。通過更寶貴的經營數據，讓大模型分析經營環境的風險，充當輔助決策的工具，利用AI技術規避經營風險。

“黃金”、“王者”段位，就是獵戶星空大模型所追求的實際落地效果。為此，傅盛率領獵戶星空團隊，拿出了七年磨一劍的技術。

1月21日，獵戶星空發布的大模型，在百億參數大模型基座能力行業領先。Orion-14B在MMLU、C-Eval、CMMLU、GAOKAO、BBH等第三方測試集上，均為同級別模型SOTA。實現長文本中，最長可支持 320K token 超長文本，可以一次性讀入一本小說。在三十萬文字中任意位置隨機隱藏關鍵信息，對模型進行提問，結果全部正確。獵戶星空大模型在Agent應用所需的五種能力上，幾乎追平了GPT-4——相比之下，一般的百億參數大模型表現不超過70%。

為了更貼切企業實際應用需求，獵戶星空大模型通過AWQ Q4量化技術，模型大小減少70%，推理速度提升30%，性能幾乎無損(損失小于1%)，可在千元級顯卡上流暢運行。在NVIDIA RTX 3060顯卡實測，推理速度可達31 token/s (約每秒50漢字)。在私有化部署方面，獵戶星空大模型可置于企業內網，所有數據不連公網。

獵戶星空的大模型底座更抗打，也更適合企業使用，疊加企業的私有數據后，即使是百億參數，也可與千億參數模型媲美。由此可見，部署私有化大模型，更適合企業追趕新技術浪潮。大模型時代下，企業的私有數據才是決勝秘籍。

所有企業，都需要一個“數字老板”

從使用價值來看，具有戰略視野的老板們掌握新技術，更能釋放技術價值。從整個流程，開始進行AI重構。此外，基于AI加持，企業高層能以最快的鏈條聽到一線員工的心聲，從最前端把握企業經營發展細節，消除和員工之間的“信息差”。

最近兩天，英偉達CEO黃仁勛最熱的消息是，在公司年會上，身穿“東北大花衣”扭秧歌。而實際上，在前不久，黃仁勛每周看完2000份周報的消息，更能震驚創業圈和業界。在感慨黃仁勛親力親為的精神時，不禁產生疑問，黃仁勛是如何做到的？

他的法寶是AI。

同樣的，獵戶星空也想幫助所有的企業管理者，實現同樣驚人的壯舉，并將其變成日常，其發布的AI輔助決策交鑰匙解決方案是“聚言”。“聚言”的人力助手可以將收到的數千份周報匯總，并提煉出主要的業務進展和潛在的風險。

企業老板還可以進行針對性提問，例如詢問某項業務具體風險的應對方案，AI會完全依據周報的內容，給出回答。

此外，當AI完全掌握了公司的私有數據時，還能預測出員工的潛力。根據業務特點，創建出得分系統，進行數據分析后給出結果，并同時附上非常直觀的圖表。通過“數字老板”的方式，讓企業高層全面掌握經營細節。

除了人力助手之外，“聚言”還具備云資產助手的應用場景。云資產一直是科技企業的主要成本之一，但真正能懂云資產成本的高層較少，進而使得企業出現云資產浪費的情況。

獵戶星空的云資產助手，來自不同領域云治理專家的經驗，進而訓練出的專業領域大模型。對企業的云上資源和成本賬單數據進行多維度分析，從而進一步剖析運營成本痛點。

經過獵戶星空實測，云資產助手可以為企業節省30%的成本。

更具有想象空間的是聚言創意助手，由多個Agent組成，讓各個領域的專家直接為你出謀策劃。在聚言創意助手中，勾選參與戰略規劃的角色，輸入話題，它們便會從不同角度提供方案。

“聚言”是結合場景數據的大模型深度應用，通過全鏈條的AI大模型咨詢定制，為客戶提供AI輔助決策交鑰匙解決方案。從實際應用來看，“聚言”完全是從場景出發，以目標為導向的開發產品。這類邏輯誕生的產品，往往更具有實用性，也更能在實操中挖掘出意料之外的驚喜。

“數字老板”的出現，等同于為企業高層配備一個專屬智囊團。短時間內可以實時跟進員工業務進度、減少不必要的成本損耗，長時間內可以有一份更科學的戰略輔助決策建議，為未來發展提供助力。

所有企業，或許都需要一個“數字老板”，未來打敗企業的也許不是同行，而是會用AI的同行。

總結

沒有落地場景的技術，只是空中樓閣，沒有實際使用價值的AI，只是一場技術的狂歡！

私有化大模型基于應用場景而生，為大模型技術落地實踐了一條新路。新技術的出現，固然需要奮起直追，但是這并不是一場盲目的賽跑。仔細思索新技術的用武之地，才是彎道超車的關鍵。