報告關鍵發現
大模型支撐的生成式AI，讓人類社會有望步入通用人工智能時代，擁有廣闊的應用前景，有望賦能千行百業。
當前生成式AI的落地整體處于初級階段，不同模態的落地時間表差異明顯，企業需求主要集中在數字化程度高、容錯率相對較高的領域，以借助中間件調用大模型能力為主要方式。數字內容產業、客戶服務是生成式AI滲透的典型行業和場景。
AIGC+數字內容：數字經濟快速發展，帶來國內數字內容消費需求的持續快速增長，但國內數字內容產業面臨需求變化快、供給側內容整體過剩而優質供給不足的問題。以長音頻數字內容生產為例，AIGC能夠助力內容生產的工程化、高質量、個性化。
AIGC+客戶服務：大模型依托自身強大泛化能力優勢，有望給國內智能客服領域的服務前、服務中、服務后各環節帶來效能提升。但由于存在效果不明、數據安全等問題，短期內大模型很難對現有智能客服體系實現完全替代和顛覆，廠商需要探索如何在融合大模型能力的同時實現模式突破。報告典型案例
靈伴智能：呱呱有聲AIGC長音頻內容生產平臺實踐案例
容聯云&國內某知名車企：新一代數智化客戶聯絡體驗中心案例
01 報告綜述
大模型主導的生成式AI，尤其是GPT-4的發布，讓人類社會看到了通用人工智能時代的曙光。這意味著，作為生產力工具甚至是數字時代的“新基建”的人工智能技術，不用再局限于單一或有限場景，而是能夠在眾多領域像人類一樣進行思考、解決問題，并進行持續、快速的自我進化，因此，大模型主導的生成式AI，將擁有極為廣闊的應用前景，有望賦能千行百業。
1.1 政策端：中央定調，地方跟進，協力推動產業發展
人工智能產業已成為全球新一輪科技革命和產業變革的核心驅動力之一，對制造業、金融、醫療等國民經濟的諸多行業有著深刻影響。黨中央、國 務院歷來高度重視人工智能產業的發展，近5年來，幾乎每年都會有相應政策出臺，以持續推動我國人工智能產業的高水平發展和應用。
2023年4月28日，中央政治局會議提出，“要夯實科技自立自強根基，培育壯大新動能。要重視通用人工智能發展，營造創新生態，重視防范風險”。區別于以往會議和文件中泛指“人工智能”產業，這是中央政治局首次提及通用人工智能，為我國人工智能產業尤其是通用人工智能的發展奠定了總基調。
在中央會議精神的指引下和產業發展需要的驅動下，地方政府政策積極跟進，促進人工智能產業政策的進一步落地。
2023年5月末，北京、上海、深圳三地政府接連發布人工智能產業政策文件。例如，5月30日，北京市發布《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023—2025年）》，強調要加快推動人工智能場景建設，牽引創新成果落地應用，打造一批標桿型示范應用場景，促進新技術迭代和新應用增長。5月31日，《深圳市加快推動人工智能高質量發展高水平應用行動方案（2023—2024年）》，強調要提升產業集聚水平，打造全域全時場景應用, 推進“公共服務﹢AI”、“城市治理﹢AI”、“千行百業﹢AI”，實施人工智能軟件應用示范扶持計劃，鼓勵金融、商務、工業、交通等行業企業基于人工智能技術對現有生產、服務和管理方式進行升級。
1.2 技術端：文本、語音模態先行，多模態或成人機交互終極狀態
從技術構成來看，生成式AI包括基礎層、模型層和應用層。基礎層主要聚焦算力、數據集、Transformer及CLIP等基礎生成算法，為模型層提供基礎的資源支撐；模型層主要包括通用大模型和行業大模型兩類，是整個AIGC技術生態的核心，為上層應用提供智能化能力；應用層主要是大模型在行業、價值鏈上的具體展開，是AIGC真正落地和實現價值創造的場景和窗口。
圖1：AIGC市場全景地圖
人工智能的中遠期目標，是模擬人類的認知和思維，進行多維度、多感官信息的攝入和思考。而作為AIGC生態的核心，當前，大模型本身可根據可交互對象的類型進行分類，分成不同模態，包括文本、音頻、圖像、視頻等不同的單模態以及跨模態。例如，專注進行文本和語言文字交互的大語言模型（LLM）、可在文本-圖片-視頻等模態間進行跨模態內容交互的多模態模型。
從國外最新的技術進展來看，Open AI的GPT-4可進行文本、圖像兩種模態輸入，Meta開源的跨感官AI模型ImageBind甚至可實現文本、圖像、視頻、熱點圖、深度數據、IMU等6種模態的輸入，更多的模態，則意味著更多的交互和應用場景組合。
國內AIGC產業目前尚處于發展初期，各項技術發展進度不盡相同，技術側的成熟度在一定程度上決定了當前應用場景的選擇范疇與效果上限。目前，以文本生成、音頻生成應用相對廣泛，比如，TTS語音合成技術已經在國內有比較廣泛的應用，此外，從國內當前公布的大模型類型主要以進行文本和語言文字交互的LLM為主，便可見一斑。圖像、視頻、跨模態等，當前要么是在技術醞釀與突破期，要么目前還只是在有限場景下進行局部嘗試，尚未規模化展開。
從發展趨勢來看，與人類與外界交互最為接近的多模態一定是未來的發展方向，甚至是終極狀態。
1.3 需求端：落地側重于借助中間件進行能力調用，企業規模及屬性決定具體落地策略
AIGC的核心在于大模型。大模型引爆市場后，需求端不乏觀望搖擺者，但很多行業已開始躍躍欲試。據愛分析調研，目前能源領域落地進展相對靠前，證券等金融領域也在政策的驅動下，開始嘗試AIGC的應用。
首先，從需求方向來看，高昂的算力成本、超大規模的數據集要求等高壁壘，加之市場上第三方大模型云集，考慮到專業性、效率及ROI，目前甲方的AIGC需求主要是與大模型廠商或中間件供應商進行合作來調用大模型能力，在傳媒、教育、營銷、客服、數字人等數字化程度更高、容錯率相對較高的領域，需求旺盛，而在醫療等容錯率低的領域進展則相對緩慢。
其次，從需求落地目標來看，甲方當前階段主要目的是新技術嘗試、用于組織內部的提效降本，待技術成熟或對內實驗取得一定效果后，才會繼續向終端用戶側的價值創造及傳遞場景轉移。
最后，不同規模的組織落地生成式AI的策略不同。總體來看，組織獲取AI能力無非自建、調用、直接用SaaS三種方式。企業具體的AIGC落地路徑勢必會結合自身規模、屬性進行綜合考量來做出選擇。從企業規模來看，大中型企業傾向于自建大模型、基于中間件（思維鏈提示chain-of-thought prompting+微調等）進行能力調用，且采用能力調用方式者居多；小微企業資源有限，則更傾向于集合了底層大模型能力的SaaS，以最低成本實現大模型能力的直接應用、快速落地。從企業屬性來看，金融行業企業、央國企等對于合規及數據安全極為重視，即使不選擇自建大模型，也會要求大模型以私有化部署方式來賦能自身應用。
圖2：AIGC落地需求分解
綜上，本報告選取當前受AIGC影響最為明顯的數字內容產業、客戶服務兩個市場作為重點研究對象，圍繞相關組織的生成式AI應用實踐展開研究。
02 AIGC+數字內容
2.1 數字內容產業發展現狀
數字內容產業雖然在全球尚無統一定義，但核心是數字技術與內容創意的融合，是以信息化、數字化手段對文本、圖像、聲音、視頻等信息素材進行生產、傳遞、消費的新興產業，包括游戲、文化出版、影音產品、圖像圖形等諸多細分領域。
近年來隨著移動互聯網為代表的數字經濟的快速發展，國內數字內容的消費需求持續快速增長。分別由專家、用戶所主導的PGC、UGC數字內容生產模式，已逐漸無法完全滿足數字內容的多樣性、效率需求，基于人工智能技術的AIGC，能夠深刻、廣泛賦能數字內容生產的各類場景和內容創作者，將對數字內容生產產生顛覆性影響。
當前，數字內容發展主要面臨以下問題：
一方面，需求側變化加速。隨著Z世代群體逐步成為消費主力，作為互聯網原住民的Z世代群體，更加追求個性、喜歡互動，對產品及服務的品質與顏值有更高要求，這使得需求側的變化周期進一步被縮短，需求變化加快。
另一方面，內容整體過剩，但優質內容的有效供給相對不足，存在結構性供需錯位。互聯網平臺、短視頻平臺、長音頻平臺等內容分發平臺的崛起，為每個人都提供了低門檻內容制作和展示的渠道，在提升內容豐富度的同時，也客觀上降低了內容質量。
上述需求側與供給側的不匹配，極大考驗數字內容生產方的需求響應及驗證能力。與文字、短視頻等數字內容的細分領域不同的是，長音頻數字內容很大程度上還處在PGC、PUGC階段，能否在激烈的市場競爭中快速適應市場需求，對長音頻數字內容創作者而言，尤為重要。同時，長音頻是“知識+娛樂”的復合性數字化內容，市場下一步有望迎來指數級增長。因此，本報告將以長音頻數字內容生產為例進行重點分析。
2.2 長音頻數字內容生產發展歷程
長音頻數字內容的典型場景是有聲書的制作，有聲書早已成為我國居民的重要閱讀媒介。隨著4G/5G網絡的普及、智能手機等為代表的移動互聯網技術與產品的持續快速滲透，滿足了消費者多場景化、碎片化閱讀和交互需求的有聲書市場在國內取得了長足的發展。《2022年中國在線音頻市場分析》報告顯示，越來越多的用戶轉向收聽有聲讀物來填充碎片時間，大約三分之一成年人會定期收聽有聲書。因此，近年來，國內有聲書市場以兩位數的速度穩步增長。公開資料顯示，2022年，國內有聲書市場規模已接近百億。和大多數行業類似，在經歷了一系列無序競爭后，國內有聲書市場開始步入精細化內容主導的質量競爭新階段。
從發展過程來看，國內的長音頻數字內容生產經歷了傳統人力驅動、AI為核心的技術驅動兩大階段。
圖3：國內的長音頻數字內容生產發展歷程示意
在AI被深度融合到長音頻數字內容生產領域之前，國內的有聲書制作，相對傳統。
一方面，從作業流程視角，傳統的有聲書包括畫本/選角、錄音、對軌、后期、審聽及上線等眾多流程，各環節基本依靠人力和經驗來推動。例如，導演需要花整段時間通讀話本，并梳理出整本有聲書的角色及其關系，同時，包括旁白在內的所有內容均由真人配音演員按劇本按角色各自錄制完成。
另一方面，從協作視角，傳統模式下，不同環節、各角色分散使用不同工具軟件，在成果整合與信息共享方面，需要強有力的組織協調。有聲書的創作劇組通常包括導演、眾多配音演員、后期專業技術人員等多種角色。各角色間工具不統一、工作進度和效率情況也并不透明，溝通協調任務艱巨。
由于效率偏低，傳統人力驅動階段，業界也有一些對于局部工具的嘗試，以提升局部產出效率，但都沒有對業務流程及產出效率有實質性的改善。
隨著自然語言理解、語音識別等AI技術的不斷成熟，業界開始嘗試通過AI技術，尤其是通過行業大模型，來大幅提升整體作業效率。比如，可以通過AI來自動完成畫本/選角的工作，大幅節省導演的時間；通過TTS語音合成技術，配置個性化的旁白音色，來智能、快速完成原來時間占比最高的旁白工作等等。也有機構嘗試通過引入經過預訓練的、面向有聲書行業的大模型，來進一步提升各環節工作的效率、精準度與質量。
2.3 長音頻數字內容生產目前面臨的主要問題和挑戰
進入新發展階段后，長音頻數字內容生產需求標準的持續抬升與現有供給側之間的矛盾日顯突出，很多依賴傳統模式的中小工作室在失去平臺扶持和補貼的大背景下，經營開始變得吃力。
1）作業模式嚴重依賴人力、經驗驅動，難以應對需求的爆發、高質量、個性化趨勢。傳統模式下，整個作業方式是典型的“作坊式”生產，產能天花板明顯，且依賴人工經驗，內容質量容易產生明顯波動，難以將生產過程工程化，無法對快速變化的受眾口味進行試水和內容的快速調整，以快速適應市場變化。
2）整體生產過程有待重新定義和優化。原有傳統模式下，作業流程并沒有結構性調整和優化，容易“按下葫蘆浮起瓢”，局部優化后，在全鏈條的其他環節容易形成“堵點”，影響整體產出效率。為擴大營收，隨著項目的增多，管理鏈條及難度大幅增加，經營問題疊加管理問題，使得問題更加突出。
2.4 長音頻數字內容生產當前的主要解決方案
從業界實踐來看，目前國內長音頻數字內容生產領域主要有以下兩大應用實踐方向，其中創新性突破實踐，將AI等先進生產力工具與作業流程深度融合，在生產力工具、作業流程兩方面雙管齊下，有望引領國內長音頻數字內容生產領域實現實質性效能提升。
1）漸進式優化：即基于以前傳統的人力驅動，在不改變整體作業流程與協作模式的前提下，通過引入一些新的技術手段，來提升局部、單點環節的長音頻數字內容產出效率與質量，但提效相對有限。比如，內容共享通過云存儲方式來實現，內容審聽與質檢，通過引入一些獨立的質檢軟件來提高審聽的覆蓋度、糾錯質量。
2）創新性突破：充分利用行業大模型為代表的AI技術及大數據技術等新興技術，基于對行業作業流程及痛點的系統認知，形成顛覆原有作業流程的長音頻數字內容生產軟件平臺，不僅可以調用行業大模型能力進行場景/環節效率提效，還可以通過作業流程優化、數據沉淀及分析，來進行結構性提效，進而實現長音頻數字內容生產的高效、精細化運營。
典型案例1：AI驅動，靈伴智能助力國內某知名長音頻工作室重塑內容生產流程，突破發展瓶頸
一、傳統生產模式發展受阻，國內某頭部長音頻工作室尋求突破
某長音頻工作室（以下簡稱“該工作室”），于2017年前后進入有聲書行業，憑借創始人作為配音演員的富有感染力的表演、高水平的編劇和精心地制作迅速走紅，打造出一個有聲書領域的知名IP。在國內某大型音頻內容平臺上，該工作室擁有近百萬聽眾，同時擁有數千名私域鐵桿粉絲。該工作室通過購買或合作方式獲取小說版權內容，改編并錄制成有聲讀物，通過對外分發、展播獲取收入。
發展初期，該工作室以創始人為核心，由創始人任總導演，飾演主角及旁白，組建了一個小型制作團隊，由該團隊負責項目策劃、劇本編輯、后期制作、審聽校對，以及劇組統籌協調，同時通過與全國范圍內大量兼職配音演員合作，進行版權內容的錄音與制作。得益于對內容的精準選品以及精益求精的改編制作，疊加近年來我國有聲書市場每年30%+的高速增長，該工作室乘風而起，一鳴驚人，部分作品在某大型音頻內容平臺上播放量甚至破億。
圖4：該工作室的業務邏輯示意
初嘗勝利喜悅后，該工作室迅速加大投資，購買了大量版權內容。鑒于自有團隊產能有限，因此，除少部分內容由自有團隊制作外，該工作室將其余大部分版權內容通過版權合作模式委托其他工作室進行有聲書改編制作。但由于合作方水平參差不齊、品控不足等因素，大部分版權內容的投資難以達到預期收入水平。
經過復盤，該工作室發現，自有團隊在垂直領域業務經驗和對制作過程的精細管理，對高質量作品的生產非常重要，然而采用傳統的“手工作坊式”的生產模式的自有團隊，很難快速實現團隊人員產能的規模化，其主要痛點在于：
圖5：該工作室的主要需求痛點
1. 制作工序多：有聲作品制作分為劇本改編、導演選角、演員錄音、音頻對軌、后期制作及質檢審聽等6個步驟。在傳統模式下，各步驟順序進行，無法并行提速，在任何步驟都可能發現之前步驟中的問題并返工修改；
2. 參與角色多：一個多人播講有聲劇的劇組一般包括導演（1）、編輯（1）、配音演員（20+）、對軌（1+）、后期制作（1）、審聽（1+）、財務（1）等共二十余人。其中多數人員通過互聯網在異地兼職；
3. 信息傳遞難：傳統模式下，上述二十余人通過QQ群溝通任務安排和工作進展，利用文本文件傳遞作品內容，通過網盤傳遞音頻數據，靠人力管理劇組工作進度；
4. 生產周期長：旁白是有聲劇中的主要角色，其錄音時長占整部作品的6-7成，然而，一個旁白配音演員每天只能產出2-3小時的音頻內容，這導致長篇作品的錄音工作常常持續一年左右，大部分其他環節的進度均受旁白錄音進度制約。此外，在導演選角環節，導演須親自閱讀小說內容并人為梳理出作品中所有角色及角色對應特點，才能根據角色特點選擇合適的配音演員，而長篇作品的文字內容常常超過200萬字，導演的閱讀總結工作量巨大，嚴重阻礙后續工作展開；
5. 管理難度大：由于工序多而復雜，同時缺乏制作流程的數字化和可視化，劇組管理全憑主觀感覺和經驗。加之人員多而分散，在超長的生產周期中常出現團隊成員拖延任務、離職等意外情況，項目進度常常難以把控，人員工資計算糾紛多；
6. 質量不可控：由于內容生產依賴人工經驗，生產過程缺乏統一的技術標準和平臺支撐，該工作室難以通過優化管理實現高效穩定的內容規模化生產。
針對以上業務痛點，該工作室希望通過技術手段尋求突破。在所有痛點中，該工作室首先考慮解決作為配音演員的創始人的個人產能問題。該創始人的個人音色和播講風格是其粉絲認同的核心，因此，該工作室希望通過高擬真的語音合成（TTS）技術實現該創始人的個人TTS模型定制，并利用TTS實現高效高質量的旁白播講，將該創始人的時間精力從旁白播講中釋放出來，從而更好地投入到主角的表演以及工作室人員的培訓和管理中。為實現上述目標，該工作室開始在主流語音合成技術提供商中進行選型，考察范圍包括老牌廠商、各大互聯網公司以及靈伴智能。
靈伴智能（即北京靈伴即時智能科技有限公司）是一家專注于人工智能基礎技術研發以及智能技術產業落地的公司。公司核心智能技術包括語音合成、語音識別、語言理解等。基于其領先的語音合成技術，靈伴智能推出了長音頻制作領域首個深度融合AI技術的數字內容生產開放平臺——呱呱有聲。
呱呱有聲利用智能技術徹底重構有聲書制作流程，突破了傳統劇組面臨的多種效率瓶頸，實現數倍的顛覆性生產效率提升。呱呱有聲以AI旁白+真人對白的形式，在保證產品質量的前提下，將傳統劇組平均1本書1年的制作周期降低到1個月；在畫本、錄制、后期、審聽階段，引入智能語音、語言理解等AI技術，大幅降低使用門檻，提高制作效率。呱呱有聲平臺廣泛賦能了眾多音頻內容平臺、小說閱讀平臺以及有聲制作工作室。
鑒于此，該工作室在對長音頻數字內容服務商進行選型考察時，在充分考慮長音頻數字內容行業Know-How、AI技術自主與先進性、SaaS產品成熟度與易用性等多種因素后，最終選擇靈伴智能作為本次項目的合作伙伴。
圖6：靈伴智能呱呱有聲AIGC長音頻數字內容生產平臺界面示意
二、領先技術+深厚行業Know-How，靈伴智能助力該工作室完成蛻變升級
隨著該工作室的核心訴求的演進，在靈伴智能的協助與配合下，雙方整體按照“工具導入-整體方案導入”兩個階段展開合作。
該工作室創始人與靈伴智能有過多次研討及前期的業務調研與溝通。在雙方合作早期，鑒于其核心訴求是定制音色，靈伴智能通過領先的自研TTS技術，為該工作室創始人打造了一個擬真度很高，并且具有豐富的情感表現力的合成聲音，以提升其音頻內容產出效率。
隨著雙方溝通、合作的深入，該工作室經過一段時間的探索后發現，單純引入TTS工具，無法從根本上解決其規模化過程中遇到的生產效率瓶頸、管理問題和產品質量問題。因此，在靈伴智能的建議下，該工作室進一步擁抱呱呱有聲開放平臺提供的智能化人機結合生產模式，徹底放棄傳統生產模式，從“作坊式”生產走向“工廠式”生產，極大提升了數字內容產出效能，極大降低了成本，有效控制了版權內容經營風險，取得了出色的項目成效。
圖7：該工作室數字內容生產項目合作步驟示意
具體過程如下：
階段一：單點工具導入
在傳統內容制作模式下，由于作為配音演員的創始人自身配音工作產出有限，該工作室每年最多完成5部長篇作品的改編制作。該工作室通過分析，決定抓住“旁白”這一占用創始人配音工作時間最多的卡點，希望通過AI技術，讓機器人模仿創始人的音色和風格，代替創始人配音，釋放創始人的時間和精力，讓創始人可以分配更多的時間給重要角色進行配音，以及進行工作室人員的培訓和管理，從而拉高工作室整體產能。
靈伴智能運用自身成熟的TTS技術，結合該工作室創始人對旁白音色的具體需求，基于自身獨創的語音建模體系、高自然度的韻律模型和音色學習方法，僅通過該工作室提供的少量樣本語料庫進行訓練，便快速為該工作室定制出了優質的合成聲音。
該工作室創始人認為定制的合成聲音十分自然流暢，貼近該創始人真人發音，語氣、語調、情感等方面也十分出眾，超出了自身的心理預期。其后，該工作室迅速利用靈伴智能提供的技術平臺，用定制的AI聲音進行旁白的演繹配音，在保證旁白效果的前提下，大幅提升了配音環節的作業效率。
這一過程中，雖然靈伴智能也全面介紹了呱呱有聲數字內容生產開放平臺，但由于該工作室初期需求明確而直接，因此并未完全理解和接受呱呱有聲數字內容生產開放平臺的核心價值。
階段二：整體方案導入
在傳統模式下，當旁白配音環節產能拉高后，一方面并行開展工作的劇組數量增加，工作室管理與合作的人數大幅增加，另一方面劇組內部的工作節奏也大幅加快。這兩方面的變化導致傳統模式的劣勢快速凸顯，工作室創始人明顯感覺到管理難度和人員成本的提升帶來的新瓶頸，工作室整體產能并未能像預想中一樣和旁白產能同比例提高。經過大概2-3個月的探索與磨合，在靈伴智能持續的深度服務與溝通下，該工作室終于意識到，先進生產力工具與傳統作業方式不匹配，才是當前階段的問題關鍵。
于是，該工作室創始人帶領團隊再次赴靈伴智能的數字內容生產工作環境進行實地考察。當時靈伴智能已經依托呱呱有聲數字內容生產開放平臺建立了按照全新人機結合模式運作的、成熟的自營導演團隊，團隊年產能超過100部長篇作品。通過現場觀摩靈伴智能自營導演團隊的工作方法，以及多次深入的技術和業務交流，該工作室創始人最終完全理解了新模式的價值，決定將制作業務全部切換到呱呱有聲數字內容生產開放平臺。這一切換過程主要包括以下步驟：“全員培訓-流程切換-陪跑優化”。
圖8：呱呱有聲數字內容生產開放平臺項目合作主要步驟示意
1. 全員培訓。靈伴智能自營導演團隊擁有非常豐富的行業經驗，已經運用自身呱呱有聲數字內容生產開放平臺產出了大量內容，且已發布至國內知名的大型音頻內容平臺。在成長過程中，靈伴智能自營導演團隊開展了大量的新員工和兼職合作人員培訓，積累了非常豐富的業務培訓經驗，具備系統的客戶培訓能力，也形成了完備的培訓課程體系。
1) 技術培訓：由靈伴智能產品研發團隊對該工作室進行呱呱有聲數字內容生產開放平臺的具體功能使用培訓，用時約半天。
2) 業務培訓：由靈伴智能自營導演團隊以及商務銷售團隊，結合靈伴智能自身數字內容生產與內容運營過程積累的經驗，對該工作室進行智能化時代長音頻數字內容行業新玩法的全面培訓。例如，在新模式下團隊人員的組織結構應當如何調整、如何基于呱呱有聲平臺實現自有團隊和外部兼職團隊之間的高效協作、如何利用平臺提供的業務數據分析和可視化功能實現精細化的項目進度管理和財務管理以及在更高的整體產能下，如何調整各流量平臺的合作玩法及運營策略等。
3) 管理輔導：由靈伴智能的創始人團隊結合自身的行業洞察、行業經驗，與該工作室的創始人進行深度溝通，幫助其進一步梳理清楚戰略定位、經營策略，并且對業務切換到呱呱有聲數字內容生產開放平臺后的工作室產能、成本、利潤建立基本的預測模型。
2. 業務切換。經過業務培訓后，在靈伴智能團隊輔助下，該工作室逐步將制作業務切換到基于呱呱有聲數字內容生產開放平臺的智能化生產流程上。
1) 業務流程切換：由靈伴智能自營導演團隊以及商務銷售團隊負責，詳細梳理原有業務流程和新業務流程的區別，給出詳細的業務流程切換方案，同時輔助該工作室重構人員組織結構，對于暫時緊缺的新業務角色，采用靈伴智能自營團隊已有良好合作的外部兼職人員及時補充，使得該工作室可以快速切換到新的業務流程。
2) 數據切換：由靈伴智能技術團隊負責，與該工作室一道，將該工作室常用的素材、現有在產的內容數據上傳并同步到對應功能模塊，從而實現工作平臺的平穩、完整切換。
3) 后臺輔助功能切換：由靈伴智能技術團隊負責，協助該工作室將現有自有配音演員、合作配音演員的工作時長、結算標準、已結算情況等財務數據以及該工作室自有人員、兼職配音演員的基本信息等財務與人力后臺數據進行上傳和功能切換。
3. 陪跑優化。靈伴智能團隊將各環節及整體的最優人員配比、月產能等模型和經驗數據分享給該工作室后，對該工作室針對新模式的應用、運營進行持續的跟進、陪跑。同時，該工作室結合當地的人才供給、人員成本實際情況進行業務模型優化，靈伴智能團隊提供相應的建議，協助該工作室在當地跑通整個新模式。
三、全流程多角色實時在線協作，AI技術賦能內容高效生成，該工作室快速進入穩定運營狀態
靈伴智能幫助該工作室重塑了整個業務流程，以“AI+生產模式”的系統升級，顛覆了傳統版權內容的數字化制作過程，激活了該工作室的產能，使得生產過程標準化、平臺化，可以實現長音頻內容的高效生成，大幅降低了運營風險。該工作室經過一段時間的運作，規模已由最初的幾個人，擴張至幾十人并持續穩定運營。
1. 在新技術、新模式之下，該工作室不僅可以基于呱呱有聲數字內容生產開放平臺這個SaaS產品，實現全流程、多角色在同一平臺上的在線高效協作，還可以讓主播與導演在線實時溝通對戲；
2. 該工作室通過AI技術，可智能判斷版權內容并生成角色列表及角色關系，智能生成旁白并內置相關音效或給出后期音樂及音效使用建議，大幅縮短了后期制作時間；同時，還可利用AI技術，進行智能審聽；
3. 最后，基于協作過程數據，進行智能可視化分析，讓該工作室的導演對劇情、各參與方工作量與工作進度、效率情況一目了然，便于強化對內管理、快捷計算人工成本。此外，呱呱有聲數字內容生產開放平臺還納入了各大平臺播放與訂閱數據、輿情數據，可為該工作室提供運營決策參考。
靈伴智能的AIGC長音頻數字內容生產開放平臺，不僅注入了靈伴智能領先的語音合成、自然語言處理等人工智能技術，更重要的是內化了靈伴智能調研抽象出來的行業業務Know-How，并通過自有團隊的實踐進行了第一視角的迭代和優化，因此產品技術領先、行業適用性、實用性極強，為長音頻數字內容的生產提供了強有力的AI工具和新生產模式。
未來，靈伴智能基于呱呱有聲數字內容生產開放平臺的出色體驗，有望賦能更多的長音頻數字內容生產者，構建起一個大型音頻內容平臺和長音頻數字內容生態，可提供多版本、個性化的長音頻數字內容，為終端消費者提供更優質、更多元的數字內容體驗。
03 AIGC+客戶服務
3.1 客戶服務領域的技術發展及應用現狀
客戶服務是組織與客戶進行聯絡交互的重要窗口，業界在客戶服務方面也在不斷探索，從最開始的純人工客服到后來進入智能客服+人工客服的組合服務模式，以尋求服務成本、服務效率的最大平衡。在大模型爆發前，智能客服主要是小模型為主，以短文本處理、單輪對話、簡單多輪對話見長，能夠應對特定行業的有限業務問題，容易引起“答非所問”、“選項有限并且答案死板不變通”等眾多“不夠智能”的問題，客戶體驗天花板較低，近年來逐步進入技術瓶頸期。
我們認為，大模型在生成自然語言文本內容時，更加準確、流暢和自然，將會給智能客服為代表的客戶服務領域帶來以下主要變化：1）在服務前的坐席培訓方面，有望結合原有行業專業知識庫，實現更靈活更真實地交互，提升培訓效果；2）在服務中的智能機器人環節，可以提供更加準確、流暢、個性化的交互能力，以強大的翻譯能力賦能跨語言客服；在智能輔助方面，有望打破原有單輪、有限輪對話的局限，真正實現多輪對話，提供高效精準的話術引導、優化，提升輔助效果、效率；3）在知識庫管理方面，利用大模型優勢，替代人工標注，協助某些行業智能客服進行冷啟動，或進行行業知識的快速抽取和結構化，甚至輔助生成大量近似問法，破除原來人工拆解、構建和維護知識圖譜的模式效率效果難題，加速知識圖譜的構建，降低知識圖譜構建成本等。
然而，大模型要真正的在各行業智能客服領域進行落地，也面臨諸多問題。首先，必要性角度，原有的智能客服+人工模式已運行多年，對人工成本的優化已經達到一定程度，大模型的接入所帶來的體驗提升能否與其成本相對應、是否有合理的ROI，目前尚不確定。其次，可行性角度，ChatGPT由于政策原因，在未來可預見的相當長的時間內，可能無法直接進行商用。即使接入國內的通用大模型，想要在客服領域有比較好的結果表現和可控性，勢必需要進行模型的再訓練，而再訓練的關鍵在于垂直領域數據，但客戶服務數據多在甲方企業側，智能客服廠商難以說服甲方企業“共享”自身數據去訓練一個面向整個特定行業的行業模型，而私有化部署又會帶來成本的大幅提升，對于大部分企業而言，項目ROI難以平衡。據愛分析調研，目前國內智能客服領域，甲方側依舊在初步嘗試和觀望，廠商側還在進行內部測試，尋求如何融合大模型能力并實現模式突破。因此，單純的大模型，短期內很難對現有智能客服體系實現完全替代和顛覆。
但面對技術“革命”，客戶服務領域需認真思考，如何利用大模型為代表的人工智能技術去進行自身產品、服務的迭代升級，為客戶提供更高價值，為用戶提供更好使用體驗。
本次研究，我們選取了客戶服務領域的核心載體——客戶聯絡中心，進行研究。
3.2 客戶聯絡中心的功能及定位發展演進
整體來看，客戶聯絡中心發展至今，已經發生了多個版本和形態的迭代。
從最開始的以人工坐席+電話為典型特征的初始形態，到后來接入全渠道客戶服務訂單，其后通過融合CTI與云計算技術，將智能路由、工單協同等常見功能進一步整合和云化。近幾年，客戶聯絡中心開始逐步引入AI技術，落地形成諸如外呼機器人、文本對話機器人、智能質檢、智能輔助等具體工具形態。與此同時，隨著數據的持續沉淀和數據技術的引入，在AI技術和數據技術的合力驅動下，通過AI算法將數據匯聚成數據集，并據此進行大數據分析，形成客戶的標簽畫像，進而在企業與客戶取得聯絡和溝通時，能夠基于客戶畫像、需求畫像，進行更加精準的服務。
圖9：國內客戶聯絡中心發展的主要節點回顧
首先，傳統呼叫中心，主要是企業被動響應客戶咨詢、投訴等服務需求的一種純成本化企業職能部門。發展初期，主要目的是為客戶提供7*24小時的不間斷服務，采用的也是傳統的電話機或有排隊功能的小型交換機。這一階段主要是人力和經驗驅動，企業對客服人員的培訓以及客服人員處理復雜問題的經驗都十分關鍵，客服水平層次不齊、整體效率低下。傳統呼叫中心通過引入IVR等技術、CRM等軟件系統，幫助實現客戶分流、有限場景的交互應答及信息補充等功能，降低了坐席的工作強度，大幅提升了整體服務效率和坐席人員的服務能力。
其次，智能手機的出現，使得企業的觸客渠道與形式也日趨多元化，客戶通過電話、線上渠道等多種方式，以圖片甚至是視頻等富媒體形式與企業進行交互聯絡，業界開始引入CTI（計算機電話集成）技術，來對呼叫中心進行升級，綜合電話與計算機各自的優勢，并充分發揮計算機強大的信息控制、存儲和處理能力，通過整合各類軟硬件資源及信息，實現多渠道信息同步、在線與語音的無縫切換。同時，呼叫中心開始逐步“軟件化”甚至“云化”。
再次，伴隨云計算技術在國內進入快速發展階段，業界開始出現大量云呼叫中心服務商，通過融合CTI與云計算技術，將智能路由、語音導航、工單協同等常見功能進一步整合和云化，向企業提供SaaS服務，作為企業人工坐席的一站式工作臺，賦能企業人工坐席與客戶聯絡的全流程。例如，智能化的IVR導航技術，可以基于坐席的過往服務表現以及客戶優先級、客戶問題的復雜程度，自動智能匹配最佳接待人員，確保客戶服務滿意度。
最后，人工智能與大數據技術的交匯融合，以及客戶對服務預期的不斷提升、客服人力成本的持續攀升，使得業界在客戶畫像、智能化服務等方面進行持續探索。尤其是隨著自然語言理解（NLU）、語音識別（ASR）、知識圖譜等技術的發展，一方面使得智能客服機器人的應用場景越發廣泛；另一方面，也在智能輔助、智能質檢等方面，發揮了重要作用。例如，智能化坐席輔助工具，不僅可以在客服人員上崗前輔助新員工快速掌握標準話術，實現快速上崗，還可以為坐席人員拉取客戶畫像、分析客戶意圖，進而基于知識圖譜和標準作業流程，給出流程引導和最佳話術建議，提升服務效率的同時，最大程度的提升客戶聯絡過程中的客戶滿意度。
3.3 客戶聯絡中心的發展趨勢
回顧國內客戶聯絡中心的發展歷程，不難看出，其背后主要有“兩明一暗”三條線在推動行業持續向前演進發展。“兩明”：分別指技術方向的數智化程度、功能定位方向的價值貢獻度，而背后的“暗線”，則反映的是企業在客戶聯絡問題上經營理念的轉變，從原來“以產品為中心”逐步向“以客戶為中心”轉變。
圖10：國內客戶聯絡中心演變邏輯維度示意
近年來，企業也越來越意識到，原本單純作為客戶聯絡與服務的客戶聯絡中心，在與客戶大量、持續的溝通、交互過程中，有大量接觸到最前沿、最真實的客戶反饋的機會，也有大量向客戶推薦自身產品及服務的場景和機會，通過提升客戶滿意度及客戶體驗，推動客戶進行增購、復購，進而對企業的業績增長做出貢獻。因此，客戶聯絡中心絕不是單純的成本中心和“救火隊長”，隨著企業內部對于客戶聯絡職能定位的重新思考，在企業的具體實踐中，客戶聯絡中心已逐步由成本中心向“價值創造中心”方向去過渡，在客戶聯絡與服務過程中，逐步去擴展營銷的一些職能。因此，“服務營銷一體化”得到越來越多企業的重視，并成為客戶聯絡中心在功能定位維度上的新發展方向。
在數智化維度上，大模型的爆發為客戶聯絡中心的智能化升級提供了強大助力，有助于大幅提升現有客戶聯絡中心的智能化程度，進而在坐席輔助、智能質檢、智能客服多輪對話等客戶聯絡全生命周期場景中，提供相較于原來更強大的技術助力和智能化交互體驗。
典型案例2：AI助力，某大型車企實現客戶聯絡能力的換代躍升
一、傳統架構無法適應業務發展需要，某車企亟需客戶聯絡中心智能化升級
國內某大型車企（以下簡稱“該車企”），經過20余年發展，目前該車企擁有3個生產基地、3座整車工廠，年產能力超過百萬輛，員工總數超萬人。作為中國汽車市場的主流車企，該車企銷售及售后服務網絡遍布全國，可為消費者提供最優質的購車和售后服務。截止目前，該車企共計推出車型達三十余款，在售車型十余款，涵蓋了A0級、A級、B級、SUV、新能源等主流細分市場，已累計實現整車產銷超千萬輛。
2017年后，人工智能技術在中國開始進入快速發展期，智慧城市、智能音箱、刷臉及指紋支付等應用場景持續爆發。然而，隨著業務的快速發展，至2018-2019年前后，該車企原有的呼叫中心整體上還相對傳統，主要還是數百名坐席通過傳統的電話接入方式來進行客戶接待，投入產出比、服務效能不高，客戶聯絡中心的功能已經明顯滯后于業務發展速度。
相比之下，已有部分國內同類汽車主機廠在嘗試探索對話機器人、智能語音機器人等AI技術在汽車領域的應用，率先采用智能化方式進行服務與營銷，提升服務與營銷效能。因此，該車企的IT部門經過調研和評估，認為對系統的改造升級勢在必行。具體來看，該車企的主要需求痛點如下：
圖11：該車企的主要需求痛點
1. 客戶聯絡中心現有系統架構老舊，拓展性、兼容性較差。該車企現有的系統架構是非常傳統的呼叫中心架構，無法融入最新的AI及大數據等技術和功能、無法與周邊相關業務系統進行很好的兼容打通，致使該車企的客戶聯絡與服務的很多流程是出現斷點、碎片化，工單無法順利及時地被傳遞給產品研發、營銷等部門，致使客戶聯絡中心整體服務效率不高，客戶體驗也受到影響。
2. 客戶智能化運營能力偏弱。該車企的客戶觸達仍舊以人工方式為主，缺乏用戶畫像，客戶運營流程并非基于客戶全生命周期進行了打通與貫穿，因此，無論是系統架構能力還是業務知識及流程，該車企尚未構建起客戶智能化運營的支撐體系，客戶運營效率、精準性不高。
3. 客戶服務與營銷脫節。該車企客戶聯絡中心一直以來主要以售后服務為主，客戶觸達手段以傳統的短信、問卷調研為主，主動、智能化觸客工具缺乏，致使該車企的客戶聯絡中心的營銷功能偏弱，服務與營銷功能脫節，在營銷服趨于一體化的大背景下，單純的售后服務，無法及時把控營銷機會。
針對以上業務需求痛點，該車企決定順應技術演化、行業客戶聯絡及服務模式升級的大趨勢，于2018年底-2019年初啟動智能客戶聯絡中心項目。
在對客戶聯絡中心服務商進行選型考察時，經過嚴格的招投標程序，經過對容聯云產品的體驗、關鍵技術的驗證，在充分考慮行業Know-how、AI技術自主與先進性、產品關鍵功能體驗、行業應用情況及服務能力等多重因素后，最終選擇容聯云作為本次項目的合作伙伴。值得一提的是，2019年底，該車企宣布容聯云中標后，由于恰逢國內新冠疫情突發，致使容聯云項目組無法到場實施，期間雙方保持密切溝通，至2021年，疫情相對穩定時，項目才得以重啟并于2021年完成交付上線。
北京容聯易通信息技術有限公司（以下簡稱“容聯云”），是全球智能通訊云服務商，致力于為全球客戶提供領先的智能通訊與營銷科技服務。依托自主創新且行業領先的人工智能、云計算、大數據技術和深度行業Know-How，容聯云整合自身“通訊+智能+數據”的核心能力，打造了全面且高效的數智化產品矩陣，實現了從生產和管理、到市場營銷、運營服務等完整業務數智化轉型的能力閉環，為全球多個國家和地區的政府機構、企業組織和開發者，提供安全、可靠、可信、高效的數智化解決方案和企業服務，助力各行業組織營銷與服務數智化轉型。
經過容聯云售前團隊與該車企IT部門、客戶聯絡中心等部門的多次現場調研、溝通，針對該車企的核心需求痛點，在容聯云的建議下，該車企決定引入整合了容聯云核心AI技術、云原生技術、全信創的智能聯絡中心平臺——“容犀聯絡云·AICC”一體化解決方案，實現與周邊業務系統的功能和數據貫通，實現了全渠道智能化服務、工單流程再造、服務效能改善、規范化管理、客戶感知、營銷拓展等典型業務應用，在功能擴展和運維管理方面也表現優異，大幅提升了該車企基于客戶全生命周期的智能化客戶運營服務效能。
圖12：智能聯絡中心系統架構示意
二、架構升級+流程重塑+AI賦能，容聯云助力該車企完成服務與營銷的智能化、一體化升級
經詳細溝通評估，結合自身的項目實施與質量控制流程，在容聯云的建議下，該車企的智能客戶聯絡中心項目按照“業務需求調研-項目規劃設計-項目實施與集成-試運行-正式割接”五大步驟，遞進實施。最終成功上線“容犀聯絡云·AICC”一體化解決方案，并取得了顯著的業務成效。
圖13：該車企智能聯絡中心項目合作步驟示意
具體過程如下：
1. 業務需求調研：此類大型項目，在標前階段并非所有需求、接口都會表述的特別明確。國內疫情平穩后，項目重啟，容聯云的交付團隊深入該車企業務一線，同該車企的IT部門、客服等部門進行高頻次會議及溝通，對該車企本次項目的業務需求、技術需求進行了進一步的明確，同時結合汽車行業的特點、該車企當下的技術現狀以及項目周期和時間要求等要素，協助該車企完善了部分項目功能規劃，給出合理且可行的技術方案建議，產出了技術規格書、集成和與設計方案等文件，便于雙方就項目目標、范圍、方案達成一致。容聯云項目實施團隊還就整個實施過程向該車企IT、客服部門負責人做了匯報，容聯云嚴格按照公司項目實施的標準流程，對重點大客戶項目，還有項目管理條線、項目技術條線的“雙線”支持和監督，針對重大資源協調、關鍵問題進行牽頭保障，以便進行項目實施、質量控制。
圖14：容聯云項目管理及質量控制機制示意
2. 項目規劃設計：首先，基于上一步達成的項目目標、范圍及方案，容聯云以擬交付的項目成果為導向，形成明確的WBS（Work Breakdown Structure）；其次，基于全渠道、全生命周期客戶觸達與運營、營銷服一體化的理念，結合汽車行業業務場景特征，容聯云幫助該車企進行了客戶服務、營銷業務的流程梳理、優化與重塑；最后，針對新流程要求及該車企比如坐席工作臺、數據報表等相關業務場景要求，進行部分定制功能的開發、配置，以便下一步的項目現場實施。容聯云的低代碼坐席工作臺，使得項目交付團隊不用改變底層代碼，就可以快速幫助客戶配置好個性化的坐席工作臺。
3. 項目實施與集成：準備工作就緒后，容聯云項目交付團隊赴該車企的工作現場進行項目實施。
圖15：該車企客戶聯絡中心項目實施與集成階段主要工作示意
1） 系統架構升級。容聯云幫助該車企引入軟交換、基于云原生技術的微服務架構，從系統架構層面幫助該車企實現了一個大的一個飛躍。新的架構更開放，可以去完美融入最新的AI技術、大數據技術，便于該車企具備長期的客戶聯絡中心的功能演化及生長能力，也便于其智能化功能的上線。此外，微服務架構，對 IT部門而言，也更容易去運維和管理。
2） 流程適配。容聯云基于前述階段所梳理、重塑的流程以及開發的功能，結合現場工作需要，進行細分場景功能模塊設計、通信接口定義、模塊間接口配置、模塊間調用及邏輯關系、數據結構、人機界面等的系統梳理和適配，完成對新流程下所有業務環節、場景的功能覆蓋。
3） AI智能化。容聯云結合自身的AI核心技術能力和對該車企業務流程、業務場景的理解，將各種智能化的應用穿插在整個AICC 的服務流程和解決方案當中。
a） 業務知識梳理。憑借容聯云多年服務各行業客戶積累起來的一套針對大客戶的智能化服務和運營優化體系，與該車企一道快速構建起面向智能咨詢、智能營銷、智能化客戶運營等環節場景的領域知識庫和知識圖譜、行業文檔知識，用以支撐主要場景下的智能化服務。
b）數據挖掘。運用大數據分析及智能化方式，幫助該車企去識別不同客戶的身份、標簽特征、生命周期階段，通過上述智能化手段幫助該車企判斷特定客戶的購買意向、會員等級與權益等。并根據交互內容，持續進行數據沉淀與閉環更新。
c）多渠道智能交互。容聯云一直在智能對話算法前沿進行探索和嘗試，比如基于pre-training大模型的自動語料擴展、小樣本數據訓練、分布式機器學習、強化學習、利用模型能力的數據聚類、智能糾錯、主題抽取、知識圖譜、文檔生成等很多AI核心技術的研究。
在上述觸達和會話過程中，基于客戶標簽，依賴容聯云多年來經過驗證的AI核心算法、模型調優方法、出色的語音技術和語義理解技術來進行用戶意圖理解、用戶情感判斷，實時抽取用戶畫像、領域知識庫和知識圖譜、行業文檔知識，幫助該車企自動生成針對不同場景的互動內容，并針對不同生命周期階段客戶，實時生成更加富有個性化的業務話術推薦以及深度結合用戶需求的業務推薦，通過外呼機器人、智能語音、在線智能客服等多個渠道，進行調研關懷、活動邀約、產品推廣、復購營銷等系列服務營銷一體化動作，大幅提升了該車企客戶觸達渠道豐富性、觸達精準性、觸達效率，提升智能對話的體驗和效果。
圖16：容聯云智能服務核心能力示意
4） 周邊系統融合與功能貫通。基于本次項目所要達到的全渠道、全生命周期、營銷服一體化的項目目標，容聯云將新升級的系統架構與該車企的工單系統、CRM系統等周邊系統進行打通對接，實現多系統協同作業、客戶信息收集和客戶感知、客戶標簽畫像、工單流轉等功能，提升服務效率。
5） 測試環境、灰度環境搭建。在主體功能開發配置完成后，容聯云快速結合該車企的實際情況，搭建了測試環境、灰度測試環境、生產環境，便于“容犀聯絡云·AICC”一體化解決方案后期進行功能測試、小范圍上線、整體上線。
4. 試運行。考慮到該車企有大量的存量客戶需要服務，為確保客戶聯絡中心的平穩運行，容聯云采取同步運行的方式進行過渡。一方面，保持該車企之前的客戶聯絡中心 7* 24H正常運行；另一方面，對客戶聯絡中心的各項功能，按照使用頻次排序，在測試環境、灰度測試環境下進行逐項測試和試運行，并對通過測試和驗收的功能，逐項進行功能割接。
5. 正式割接。待所有關鍵功能測試、驗收完畢后，容聯云協助該車企將“容犀聯絡云·AICC”一體化解決方案整體在生產環境中完成部署，實現從現有傳統架構向新架構的整體躍遷，客戶聯絡中心的所有功能正式上線。
三、云通訊技術與AI深度融合，該車企客戶聯絡中心實現智能化能力的突破躍升
該車企的智能聯絡中心項目重啟后，容聯云按照預定的產品方案和流程，如期快速實現了交付，目前系統運行平穩，智能化應用也都達到了預期效果，滿足該車企當初所制定的各項項目目標，實現了一體化、智能化客戶聯絡能力的躍升。比如，由于智能化工具的接入，坐席方面至少降低了了40%-50%的人工坐席成本。
在智能化應用的模型訓練方面，容聯云采用了很多大模型的算法能力，如語料擴展和低樣本訓練、半監督學習，數據聚類、智能糾錯等，取得了不錯的效果。同時，通過該車企智能聯絡中心的項目實踐，容聯云也進行了產品的一些功能迭代，可以說取得了雙贏的效果。
穩定、可靠、智能的企業云通訊應用，是容聯云始終堅持的方向，容聯云將結合核心產品功能和客戶行業，重點投入一些更實用、更貼合項目實戰的算法研究。面向垂直行業領域的模型的建立、算力資源優化、精調將是容聯云后續會強化投入的地方，目前，基于容聯云正在與多家銀行共同探索大模型在智能客服場景中的落地應用。此外，容聯云也非常重視和高校/創新型組織/開發者社區之間的生態合作，借助伙伴的力量更快速迭代。未來，容聯自研大模型將會不斷融入到容整個產品架構中，賦能客戶更多業務場景及應用。
04 結語
愛分析認為，尚處于發展初期的生成式AI，其當前發展的重心在于“落地生根”，需要廠商、甲方、生態合作伙伴等多方的深度協作，以實現產業供需的良性循環，加速產業落地。
具體來看：
4.1 自B端切入，在C端蓄勢，以超級入口方式變現
從目前國內的大模型廠商公布的公測產品來看，主要面向B/G端市場，在預算、應用場景的共同驅動下，將通過大模型與傳媒、金融、能源、制造等領域企業應用場景的深度融合，來促進大模型的進一步落地，目前也主要是集中在文字處理、文檔生成、文生圖的相關場景。
不同于國外的訂閱模式，B端市場在經過大模型賦能后，其價值創新或效能提升最終反應在C端也需要一個過程，且不同行業進程不盡相同，因此，國內在C端市場上的剛需應用場景需要持續探索，最終很可能會通過超級入口的方式實現變現，比如智能家居中的某些入口級硬件，或者個人辦公方向的入口級軟件。同時，C端用戶對于大模型相關付費所對應的產品及服務的預期可能更高，互聯網乃至移動互聯網時代的免費習慣的扭轉和教育需要較長時間。
4.2 MaaS將成標配，融合了大模型能力的SaaS將是小微企業首選
人工智能，尤其是通用人工智能對各行業、各類型組織的智能化改造，將是未來各行業和各類型組織數字化轉型的主旋律。但各行業、各類型組織的數字化需求、數字化資源與程度各不相同，加之底層大模型能力是一個極高壁壘的領域，從資源可行性、必要性、ROI等角度看，“運用好”大模型較“擁有”大模型對企業而言更為重要，因此，便捷調用大模型能力進行自身應用的開發，將成為眾多中大型企業的首選。而長尾企業，則更希望能夠直接應用融入了大模型能力的SaaS服務去直接解決業務及管理問題，以便用最低的成本享受技術紅利。
4.3 生態化，將是大模型時代商業模式的核心特征
無論是行業、場景的碎片化，還是大模型的應用本身的較高壁壘特性，抑或是商業化落地所需的各種資源，我們認為，大模型時代仍將具有云計算時代的生態化特征，并且生態化特征將被進一步強化，甚至成為核心特征。一方面，從底層基礎層到中間的模型層再到上層應用層，本身就是一套生態體系；另一方面，大模型作為工具，其安身立命的關鍵在于實現價值落地。而大模型的落地，至少有prompt+調優、大場景的進一步細分、SaaS等潛在路徑，這些顯然都需要更加貼近客戶側的專業團隊來幫助大模型去實現“場景”賦能，因此，大模型價值落地的過程勢必是一個生態協作的過程。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
關鍵詞：
