文 | 智能相对论
作者 | 叶远风
大模型竞逐日趋白热化，百模大战热闹非凡。
但是，对产业主体或者普通看客而言，大模型究竟如何改变一线业务、实现工作方式的变革甚至组织转型，很多人并没有具象化的认知。
技术厉害、产品牛，宏大的憧憬和规划下，大模型到底是怎么进入到行业一线实现落地的？
最近，大数据基础设施提供商爱数在一次公开分享中，直观地展示了其新发布的AnyShare认知助手如何在大模型的支撑下辅助内容/知识的智能化生产及消费。
从搜索、阅读到创作，以实际案例+产品逻辑讲解的方式，AnyShare认知助手把大模型能够给内容业务带来的改变直观地呈现出来，也给了观众一次大模型能力的直观体验。
值得一提的是，在AnyShare认知助手背后，是将领域知识网络（知识图谱为代表）与领域大模型结合形成的“领域认知智能”，也即在各个特定场景下解决专业领域问题、以数据重塑现实生产力的大模型。
在这个过程中，大模型提供理解、推理能力，而领域知识网络提供专业领域的规范化、精准化的行业知识，从而在垂直场景中提供更高品质的产品和服务，赋能高质量发展。也由此，业界此次能直接见到大模型能力在实际场景中发挥价值。
AnyShare认知助手赋能了内容管理平台智的能化升级，在这种赋能背后，领域大模型推动人与机器“分工协作”的再度进化也极致展现出来。
大模型推动AGI时代加速到来，领域大模型深化“分工协作”
在谈论领域大模型的价值前，先要分析大模型的本质价值所在。
AIGC是大模型赢得广泛关注的起爆点，但大模型在长远意义上更核心的价值是推动AGI（通用人工智能）的发展。
而AGI对当下场景应用最大的价值，实际上是在深化和延续AI对人类的价值——人的职责与机器职责的细化“分工协作”。随着能力的提升，AGI将能够承担更多重复、繁重的工作任务，让人更加聚焦到最能创造价值的业务部分，聚焦于核心的创新、创意工作之上。
以爱数为例，其过去就致力于通过领域认知智能帮助企业转变为数据驱动型组织，但是，这一过程仍然需要人来参与很多工作，例如依靠人工进行数据的整理与分析等，没有摆脱过去AI“有多少人工就有多少智能”的问题，还有大量的工作需要“分配”到人工这边，钳制了智能化业务的发展。
当大模型能力引入到既有的业务环节，实现领域大模型创新，大量的人工辅助工作可以被替代（在领域大模型能力下，能够“分配”到AI一侧），数据相关业务的发展可以更大程度摆脱“人工”这个瓶颈，从而使得爱数为客户提供的数据服务更具效率与效果。
而AnyShare认知助手，就成为这种分工协作深化的一种具象化展示。
在政企组织当中，数据、知识的规模日益庞大，文档数量十万级、百万级甚至千万级，不要说人工查询、再利用成本高昂，就算企业真的投入大量资源，人工可能也无法在能力上完成相关的工作——实在是太多了。
这时候，领域大模型能力的价值就展现出来。AnyShare认知助手能够在政企组织海量信息与知识中承担分类、检索、整理等工作，将人与机器的“分工协作”进一步深化，将人从这些重复繁重的工作中解脱出来。
例如，在智能制造赛道上，AnyShare认知助手可以实现客户/合同画像的系统整理，可以为各类繁杂设备建立知识图谱，能够实现智能的营销管理等等，最终实现全链条的数据驱动。
在数字政府领域上，AnyShare认知助手能够有效提高办文办事办会的效率，实现辅助撰写公文、辅助阅读产业政策、智能化一网通办等。
类似的，还有智慧校园领域帮助实现教学科研一身轻，在金融数字化方面推动投研工作智能化提效，等等。
总之，领域大模型深入垂直场景，承担了很多过去AI无法承担的工作，让大模型在“分工协作”上更进一步，这实际上也推进了人在工作中的价值展现，远离“低价值的重复劳动者”，让业务执行更有意义和成就感。
内容管理的“分工协作”，AnyShare认知助手进行了一次全覆盖
AnyShare认知助手是作为AnyShare Family 7 智能内容管理平台的一大特性出现的，让后者实现了智能化升级。
细化到内容管理的具体业务上，可以发现AnyShare认知助手在三个闭环的环节都实现了“分工协作”的覆盖，只不过实现的方式和侧重各不相同。
1、在信息获取环节，智能搜索实现“人找内容”到“内容找人”
搜索是内容管理最首要的环节，而通常来说，类似大众搜索引擎那样输入一个需求得到一个对应的反馈，同样是组织内部员工在内容管理方面的“常规操作”。
但是，如果信息量十分庞大，这种传统搜索方式就会面临很多问题。例如，要得到尽可能全面的信息，就必须大量重复搜索的动作，不断地“找”到信息并自己整合起来。而且，因为系统只反馈用户发送的搜索指令，用户得到的信息是否全面与系统，完全依赖个人经验。
AnyShare认知助手的智能搜索，解决了这个问题。
如果说过去的点对点搜索是“人找内容”，那么AnyShare认知助手的智能搜索就是“内容找人”，一个搜索诉求下，系统会反馈一整套相关的知识内容。
不再需要重复的搜索动作，不再需要思考有没有没兼顾到的维度，这些通通甩给了AnyShare认知助手，“分工协作”进一步深化，人只需要思考究竟什么才是业务最需要的知识即可，将精力聚焦到企业发展和业务创新之上，下达最恰当的搜索指令。
2、在知识吸收环节，辅助阅读帮助用户快速找到真正需要的关键点和关联点
在搜索结果给到后，通过海量的阅览找到重要的、关键的信息点，是必要的动作。
在过去，能够快速阅览并准确摘出信息点往往被视为一项“能力”。但是，从来没有人想过，也许这种“能力”原本就是不必要的，人的精力不应该花在对繁杂信息的消化吸收上，而应该更聚焦于获得关键点和关联点之后，如何将它们应用好、推动业务。
AnyShare认知助手借助领域大模型等能力，同样在“接手”这类工作，让人从长时间的阅览动作中解放出来。
任何一个文本内容，AnyShare认知助手都能快速帮助人识别出其中关键信息点，以及信息点之间有什么关联。
对用户而言，AnyShare认知助手等于将最重要的内容干货呈现在了面前，内容阅览的效率大大提升，可以快速找到想要的知识应用到相关业务中去。
3、在创作输出环节，以全程协同的方式手把手推动优质内容产出
列一个大纲，需要什么信息，左翻翻、右找找，自己整理、呈现并汇入一个逻辑点下，一步步完成一个文稿的创作……
这是过去内容创作输出的通常做法。
可以发现，除了核心观点的呈现，创作的大部分的精力都不得不花在人工知识的整理与分析上，且依赖个人经验进行观点萃取和结论提炼，难以保证分析的客观性和全面性，这显然是不合理的。
AnyShare认知助手让内容引用等大量“体力劳动”不再需要，且给到最恰当、最合理的知识内容提炼，用户可以集中精力输出优质工作成果，呈现最核心的价值内容。
一份报告，核心观点和意见才是创作者最应该聚焦的地方，也只有让精力都集中在这里，才能最大程度保证内容创造的价值。
过去，缺乏通用能力的AI难以在这方面有所作为，现在，领域大模型来了，AnyShare认知助手让这种“分工协作”成为现实。
“分工协作”的深化只能来源于“机器”能力的长期积累与提升
很明显，没有“机器侧”能力的提升，“人工侧”就无法将那些重复而繁重的工作分配出去，“分工协作”的深化也就无法实现。
AnyShare认知助手之所以能够实现前文一系列场景价值，与爱数建立的“领域认知智能”架构密不可分。
目前，在大模型兴起的大背景下，爱数以AnyDATA领域认知智能框架为统一AI框架，为AnyBackup、AnyShare、AnyRobot、AnyFabric的全域数据能力提供起了智能支撑。围绕全域数据，帮助客户实现数据资源化、数据知识化乃至业务智能化，挖掘数据资产价值，助力数据资产变现交易。
在这里，领域大模型、私域数据、领域知识网络互补共存，政企组织将实现类似人一样的高级认知能力，这也是领域大模型的目标所在。
AnyShare认知助手在几个内容场景的出色表现，离不开这个架构下的各项能力支撑。
在实际技术实现上，爱数围绕领域认知智能已经完成了一套包含基础层、认知层、能力层、产品层的统一架构：
在这个体系中解读，就会发现能力层的AnyShare认知助手，受到了认知层AnyDATA的支撑。
例如，就智能搜索而言，在一系列能力的加持下，AnyShare认知助手得以更准确理解用户意图，获取更精准、相关性更高的系统化搜索结果。这其中，领域大模型与搜索引擎结合能够快速准确地处理亿级以上数据量，并高效查询与匹配，最终生成人类可理解的答案。
从整个行业角度看，对在整体上深耕人工智能场景化应用的厂商而言，大模型创新不是并不一定要是刻意为之的事，在原本的体系之上平滑引入大模型能力，以领域大模型创新就能快速催生类似AnyShare认知助手这样的特性，让大模型在场景中的应用直观地展现出来。
这种从场景出发的领域大模型路线，更能让人与机器的“分工协作”加速深化，让大模型更高效、更深入地改变千行百业。
*本文图片均来源于网络
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
