在市场上，即使一个模型再好，在应用时也还有很多工作要做。例如，对于很多普通用户来说，用Midjourney去写一段词，生成一张图片，目前还是较为繁琐；他们需要更直接的效果，即要什么，直接就呈现什么★。

　　国内一家知名的酒旅集团，要将连锁店开到县一级城市，同时希望这些新加盟酒店的服务品质能和北上广深的酒店保持一致。以前，主要靠人工培训，一个月要培训大几千人次，还需这些人从各地飞到培训基地。再就是，给员工发送文本和视频，要求他们背记集团对服务细节、流程等要求★。猎豹移动基于自研的大模型★，为这家客户开发了一个“随身助教”应用(AI超级带教)。每一位新入职的员工都有这样一个“助教★”★，它既回答员工的问题，也常常出考题★。例如，员工问★“客人打电话要毛巾，该如何处理★?★”助教就列出一二三四；“助教”也会问员工“遇到XX这件事，你该怎么回答?★”，员工回答后，它还会直接给评分★。因为这个“助教”是个性化的，所以员工的提升非常快★。

　　猎豹移动不仅做大模型及应用，还做机器人★，在海外市场实现高速增长，甚至超过国内增速。亚马逊云科技广泛的基础设施能力帮助猎豹机器人在全球多个地区实现快速部署★。实际上，成立猎户星空时，猎豹移动就想的是★“AI+软件+硬件+服务=机器人★”。因为它认为，与AI相结合，而不仅仅是自动化的机器人★，是工具之王，未来有可能是比汽车还要大的产业，会从工厂走向服务业、走进家庭★。

　　猎户星空凭借对模型效果和数据质量的深刻理解及能力积累，结合猎豹移动旗下子业务对客户业务应用场景需求的深入了解，能够强化通用模型的特定能力。公司的“大模型数据服务”通过整合结构化与非结构化数据，并根据数据分析结果自动优化分析过程，从而显著提升具体场景的应用效果。虽然市面上也有大模型公司拥有这方面的能力，但因为商业模式的原因而不会开放★。猎豹移动的合作伙伴，有做手机的、做游戏的★、出海的，做过评测，应用于具体场景所呈现的效果是较好的★。猎豹移动正在将Orion-14B上线到亚马逊云科技Amazon SageMaker JumpStart平台★,使客户能够快速启动和部署该模型。

　　《哈佛商业评论》中文版携手亚马逊云科技★，共创「生成式AI：缔造可见的商业价值」专题★，于2024年下半年，深入调研数十家中国企业应用生成式AI的具体场景/流程/挑战/效果★，选出有代表性的案例，共同见证中国企业生成式AI的先行者、早期拥抱者。当下是生成式AI效率革命的阶段★，我们期待这些1.0时代的先行者，能激励和启发更多中国企业跟进这场生成式AI带来的效率革命。

　　生成式AI的商业化进程比代快得多。一个重要的原因是，“烧钱★”的都是大公司，底座已经很强★，做应用的成本大幅下降。所以不仅是OpenAI、猎豹移动这些做大模型的公司有可观的收入★，做具体场景应用的新创企业也能快速变现★。猎豹移动投资的一家用AI技术做直播生意的企业，成立才一年★，但纯收入已经过百万元，盈亏基本打平。

　　这与猎豹移动前期做AI和机器人摸索出的一条经验——以终为始——有关：★“即使是AI这样的高科技，第一天就要从商业的角度出发，反过来想它怎么用，如何能有收入。”

　　随着ChatGPT的问世，AGI已不再遥不可及★，“以前★，它能不能到来是一个问号★，但现在已经是一个惊叹号了。”猎豹移动董事长兼CEO傅盛怀揣着再一次定义一个新的产品的梦想，既自研服务企业的大模型★，又积极地推动将AI和机器人的结合提升到一个新的高度。

　　自研模型是为了用★，产生价值。猎豹移动有两个典型应用，一是AI超级带教★，一是AI用数。

　　显而易见，这样做涉及到客户的核心数据和经营诀窍知识。因此★，猎豹移动较早就提出了共创和私有化部署。所谓共创，就是AI企业和非AI企业共创，是AI和行业诀窍的融合；而私有化部署就更为简明★，★“和外面的服务器不连接，只给公司自己用，让它的数据完全在自己的服务器上跑★。”同时，猎豹移动还推出Savings Now方案★，旨在帮助企业客户利用人工智能技术优化云端运营成本★,实现更高效★、更经济的云资源利用。该方案借助Amazon Q的自然语言处理能力★，可以智能分析客户的云资源使用情况★，识别出潜在的成本节省机会。同时，为客户量身定制云优化策略，涵盖资源调配、负载均衡★、自动化流程等多个层面。

　　即使是AI这样的高科技，第一天就要从商业的角度出发，反过来想它怎么用，如何能有收入。

　　有了数据★，还要分析、出报表★。因为生成式AI自己能写代码做数据洞察，所以，企业决策者只需直接“盘问”AI就能收到及时且灵活的响应★。非AI的计算机系统能管理的只是数字，呈现的还是复杂的、碎片化的★、未必完备的数字，而AI不仅能管理非数字的数据★，还高度灵活，按需连接、分析相关数据★。

　　傅盛相信，大模型的赛道上挤满了聪明人、资金，所以一定会产生新的爆炸效应，但是创新很可能在尚未注意到的领域涌现。因此AI这个行业一定会从烧钱式的★“军备竞赛★”走出来★，会在某些分支，产生类似于ChatGPT的效应，例如以很小的参数量★、很低的成本就实现很好的智能，让人工智能无处不在。

　　瞄准通用人工智能(AGI)或超级人工智能，大概是所有人工智能公司的目标(愿景)，2016年就“all in AI”的猎豹移动也不例外。

　　餐厅，尤其是面积较大的餐厅，是猎豹移动机器人的重要应用场景之一。一个海外餐厅老板反馈，以前★，这些餐厅的服务员每天需来回走动，一天下来非常疲惫，所以，每天都有人请假。用了机器人之后★，服务员轻松了许多★，请假率下降了★，对顾客的响应更及时了★，服务也更有温度了★。此外，与大模型结合的机器人，既能和顾客交互，也可以到超市去给餐厅做广告。

　　要实现这一公式，并非易事★。不难发现★，它是各种技术的集大成者。因此，猎豹移动先做toB的产品。一方面，商家的支付力比个人、家庭更强；另一方面★，B端客户对技术的要求不会像家庭那么高★。在具体的用途上，则聚焦从A点到B点的递送、讲解等场景。截至目前，猎豹移动已推出了AI接待营销机器人、AI递送配货机器人★、AI劳动协作机器人★。

　　2016年9月，猎豹移动控股的猎户星空(ORION STAR)成立★，致力于探索AI+机器人。虽然很早就认定AGI是目标，但猎豹移动早期做的AI，主要是语音识别、视觉识别、导航等专用模型。它们被用到了猎户星空的机器人上。这些机器人可以在酒店为客人送东西，在餐厅送菜★，在前台接待来访者★。生成式AI的革命性进步，让猎豹移动相信，这是当前通往AGI最可能的路径★。虽然在推理决策上尚待加强★，但它在语言的泛化能力上已基本达到了人的水平★，“这将带来一场生产力的革命★。”因此，已是AI★“老兵”的猎豹移动自然要拥有训练、强化模型的能力，须对它的底层原理、技术和实践都有足够的了解★，还能够开发特殊的模型。

　　2024年1月，猎户星空大模型——Orion-14B正式发布。与动辄千亿级参数的大模型不同，猎户星空Orion-14B的参数级为百亿。因为猎豹移动并不想参与百模大战的核心竞争，“那样做★，对资金的消耗太快了★。”百亿级的参数★，★“烧钱”少得多，★“但过程都是一样的，也是能够累积经验的。而且★，我们一定要做能跑在端上的模型。★”

　　另一方面★，生成式AI还处在非常早期的阶段，很多东西远未定型，还出不了一个大一统的模型来覆盖、主导一切。所以★，虽有“百模大战★”，但其实天宽地阔。实际上★，不同大模型之间也不尽相同★，不会有什么冲突★。例如★，猎豹移动自2012年出海起就与亚马逊云科技合作★。今天，亚马逊云科技做大模型，猎豹移动控股的猎户星空也做大模型，但两者并非竞争的关系★，而是继续深化合作。

　　AI如何基于基础数据辅助老板做决策★？AI用数让老板掌握经营细节。猎豹移动有一个做肉类加工的客户★，对各个工厂如何切肉是有标准和要求的★，其产值★，与工人切肉时的规范程度是有关系的，如果把属于高价值的A部位的肉切到了低价值的B类，产值就会受到影响。毫无疑问，这些数据是非常复杂的，而且★，还涉及到一层一层的筛选和汇总。过去★，人工汇总数据★，需要工作到晚上11点以后甚至第二天早上7点以后。在AI的帮助下，数据到当天下班点就能看到了。

　　生成式AI横空出世两年以来，舆论场喧嚣热闹，但《哈佛商业评论》中文版始终更兴奋和着迷的是应用世界★：在日复一日应对竞争与用户/客户需求的商业世界★，由生成式AI驱动的新做法★、新策略★，到底带来了哪些真实的价值和全新的挑战★？在这场由硅谷启动的商业竞争新格局中，中国企业的现状和可预见的未来是什么。