社区

科技云报道原创。 如果你最近办过银行业务，一定有过这样的体验：一边和电话客服聊着天，一边手机短信就收到了刚刚咨询过的内容。这种爽感不禁让人感叹，现在的银行服务真的太贴心了。 事实上，不仅仅是银行，像这样的客户服务细节，已经出现在越来越多的行业中，证券、保险、汽车、电商、零售......一切与消费者营销和服务相关的场景体验都在快速升级。 这种市场竞争带来的变化，正在倒逼企业客服中心背后的技术平台更新换代。如何通过技术进一步提升客服和营销的工作效率和用户体验，已经成为企业重塑竞争力的核心命题。 那么对于客服和营销中心来说，什么样的平台才是解放生产力的“神器”呢？   全渠道协同实现营销服一体化 在今天的中国，消费者触达品牌的渠道已经多达数十种。无论是电话、H5、官网、微信、小程序、邮件，还是抖音、美团、快手、大众点评、小红书等APP，一切用户使用的媒介渠道，都是企业开展营销和服务的重要阵地。 但坐席想要在这么多的渠道上与用户沟通，在聊天的同时还要兼顾填写工单、查询记录、关联数据等操作，实在是一个很大的挑战。因为不同的渠道和工具分散在不同的系统里面，坐席需要切换多个系统才能实现。 不仅是坐席工作起来手忙脚乱，用户也得长时间等待才能完成整个咨询流程，这导致用户体验不佳，对于营销、销售这样的业务场景来说，用户转化效率也不高。 基于这样的痛点，新一代的客服和营销平台正在全面革新。例如，容联云旗下的“容犀Desk”就创新性地打造了“全渠道统一工作台”，将“接入渠道、沟通界面、智能协作工具、流程管理工具”统一收纳进一个简捷高效的平台中。坐席不用再切换任何界面，就可以沉浸式地工作，为用户提供高效暖心的沟通体验。 一方面，容犀Desk打通全渠道，让坐席可以在一个界面内处理不同的渠道消息，无论是通过电话、H5、官网、微信、小程序、邮件、社交媒体还是移动应用，都可以快速响应。 不仅支

科技云报道原创。 每逢淘金热，最后的赢家都是卖铲人，而非淘金者。在近两年的大模型风口下，向量数据库就成了这把铲子。 随着大模型快速发展，向量数据库正在成为企业便捷使用大模型、最大化发挥数据价值的关键工具。据IDC调查数据显示，全球在AI技术和服务上的支出2023年将达到1540亿美元，到2026年将超过3000亿美元。其中，向量数据库为AI的开发、增强内容生成的准确性提供了重要技术支撑。 在今年数据库领域所有的技术趋势中，向量数据库无疑成为了最受资本热捧的一个。随着5月份大模型厂商掀起一轮又一轮价格战，接连调低大模型API的价格，高性价比的大模型+向量数据库，在行业应用、企业市场又显现出了商业价值。 为什么向量数据库会随着大模型的发展而爆发？它又将给AI行业带来怎样的机会？ 大模型的必经之路 首先，我们需要厘清向量数据库在大模型当中扮演了什么角色。 大模型解决的是计算问题，而向量数据库则解决存储问题。这是从2023年初向量数据库崛起开始，至今为止行业内公认的看法。 人们常常把大语言模型比喻成大脑，但这是一个被切除了颞叶的大脑，缺乏记忆，并且常常出现幻觉。为了解决这些问题，常常需要借助向量数据库。 现实生活中两人进行对话，大致需要三步流程：一方首先抛出话题作引子；另一方会先调动记忆判断自己是否了解这个话题，然后再分析给出应该做出何种回答。如此循环往复直到互动结束。 为让计算机完成这样的互动过程，并持续在一对一或一对多的情况下变成日常，AI科学家提出了CVP结构，即“ChatGPT（以ChatGPT为代表的大模型）+Vector Database（向量数据库）+Prompt（提示词）”，分别承担计算机分析、记忆、引子的功能。 放到大模型上，针对其有可能出现的幻觉问题，可以将所需领域的专业知识存入向量数据库，当要prompt时，系统自动的从向量数据库中根据相似度查找最相关的专业

科技云报道原创。 人类距离第一个AGI的出现已经越来越近了！ 马斯克在今年早些时候预测，AGI可能会在2026年投入使用。DeepMind联合创始人、首席AGI科学家Shane Legg在一次访谈中认为，2028年，人类有50%的概率开发出第一个AGI。然而百度CEO李彦宏的观点则更加审慎，他认为AGI还需要10年以上的时间才能出现。 自1956年达特茅斯会议提出“人工智能”这一概念以来，实现人类水平的智能一直是AI领域的圣杯。去年上半年，有主流研究者提出，大语言模型已经表现出“通用人工智能的火花”（sparks of AGI）。这似乎表明，AGI已经从哲学猜想变成了将来的未来。然而，关于AGI的观点众说纷纭，大语言模型也常有愚蠢行为出现，这些都引发了对AGI的质疑。 在此背景下，我们离实现真正的AGI还有多远？如何预防AGI带来的潜在风险？ AGI，未到的黎明 从性能强度和通用性两个维度，可以将人类和AI的关系划分为6个阶段：无AI、智能涌现、胜任、专家、大师、超人类。而现在大语言模型的出现，正属于第一个AGI的阶段：AGI雏形。 AGI（Artificial General Intelligence），即通用人工智能，其目标是实现人类般的通用智能，这意味着AI可以像人类一样理解任意通用任务，并以人类的智力水平执行完成。基本上，除了“自我意识”的生成，AGI就是人类对人工智能的终极梦想了。 AGI是要让智能体像人一样，不仅能够独立感知环境、进行思考、作出决策、学习新技能、执行任务，还能够与人类或其他智能体进行有效的协作。同时，智能体能够理解人类的情感，并且遵循社会伦理和道德规范。 一个完整的AGI需要具备三个基本特征：第一，必须能完成无限的任务，而不是只能完成人定义的有限几个任务。第二，要在场景中自主发现任务，这是通常所说的要做到“眼里有活儿”。第三，要有自主的价值来

科技云报道原创。 随着大模型从理论探索走向实际应用，大模型的落地正在考验千千万万的企业。首要且核心的关注点，无疑是从数据做起。 数据，作为大模型的“燃料”，其质量、多样性与规模直接决定了大模型性能的天花板。因此，建立一套高效、可靠的数据处理流程，确保数据的质量与合规性，成为了大模型落地的基石。 然而，构建大模型的数据能力并不容易。如何找到合适的存储来承载海量数据？如何清洗加工原始数据？如何有效地进行数据治理？如何将现有数据快速结合模型产生独特价值？ 种种问题横亘在企业和大模型之间，成为生成式AI时代的数据挑战。   大模型时代的数据挑战 如今基础大模型遍地开花，开源大模型更是随处可见，每个企业都能访问相同的基础大模型，但能够利用自己的数据构建生成式AI应用的企业却并不多见。 很重要的一个原因在于，从数据利用到大模型应用，中间还需要大量的准备工作。 一是，企业基于自身数据去定制基础模型，不同的应用场景需要不同的数据处理方式。 比如，在检索增强生成(RAG)场景中，企业将自身的知识库、数据库等与生成式AI模型相结合，在生成过程中需要实时检索和利用企业内部的相关数据，从而提高生成结果的准确性、一致性和信息量。 RAG需要GB级企业数据，数据来源是企业内部文档库、数据库、数据仓库、知识图谱。技术要求上，RAG需要向量检索来迅速查找让模型能快速准确地进行响应。 在微调场景中，企业使用与目标任务相关的数据对模型进行进一步训练，以提高其在特定任务上的性能。 微调需要GB级人工标的高质量数据，数据来源为私域知识，技术上要求选取和检验符合业务需求的高质量数据集。 在持续预训练场景中，企业利用自身专有数据(如内部文档、客户记录等)对模型进行持续预训练。这种持续预训练门槛较高、成本较大，但可以得到一个企业自身定制的行业大模型。 持续预训练需要TB级未标的原始数据，数据来源为公开的数据

科技云报道原创。 云计算价格战的硝烟尚未散去，全球AI大模型也卷出了“骨折价”。 今年以来，OpenAI、Mistral AI、通义千问、智谱AI、文心一言纷纷祭出降价“撒手锏”。 在海外，法国人工智能企业Mistral AI大模型Mistral Large的输入、输出价格比GPT-4 Turbo便宜约20%。OpenAI推出新一代旗舰AI模型GPT-4o，其API价格下降50%。 国产大模型在降价上也“不甘落后”。通义千问2.5性能基本追平GPT-4 Turbo，个人用户可从App、官网和小程序免费使用。 智谱AI将入门级大模型GLM-3 Turbo调用价格下调80%，1元就可以购买100万tokens。字节跳动豆包大模型开启对外服务，根据火山引擎公布的价格计算，1块钱就能买到豆包主力模型的125万Tokens。 究竟是什么原因引发了大模型这轮波澜壮阔的降价潮？降价后大模型将往何处去？值得我们研究。   全球大模型掀起降价潮原因几何？ 任何技术最终的落脚点都是实用性、易用性和性价比的三者统一，没有例外。 无论是当初的电商、外卖、手机，还是如今的新能源汽车、大模型，当技术发展到一定阶段，竞争到最后都会遵循价格第一的铁律。目前，全球大模型产业不约而同地掀起“降价潮”，也正印证了一个规律：性价比是商业最高真谛，贵不等于值得，划算才是。 在新技术或新产品追求大规模商业化落地过程中，“降价”策略得以使新技术和产品得到最快速度、最大限度的普及，也成为科技企业技术商业化的必然路径。 全球大模型头部企业OpenAI于近日宣布最新GPT-4o多模态大模型，其在保持与GPT-4同等智能水平的基础上，实现了文本、图像和语音处理的全面提升，同时GPT-4o将免费开放给所有用户，整体API价格相比于前代也下降了50%。 事实上，这已不是OpenAI在商业化道路上的第一次降价。以GPT-

科技云报道原创。 你用过国产桌面操作系统吗？相信大多数人对于这个问题的回答都是“没有”。 也许你曾凭兴趣了解过国产桌面操作系统，知道有统信、麒麟、红旗等国产品牌，但依然使用的是Windows或macOS，对国产桌面操作系统的印象还停留在功能简陋、操作卡顿的阶段。 事实上，中国在操作系统领域的探索已长达三十余年，近年来在信创政策的支持下，一些知名的国产桌面操作系统已完成了对主流CPU和架构的适配，并逐步应用于信创、金融、电信、医疗等领域。 现阶段的国产桌面操作系统早已不是当年的模样，不再是“有和无”、“能不能用”的问题，而是“好不好用”的问题。 近日，统信发布了一年一度的功能版本更新，最新的桌面操作系统V20专业版（1070）在设计、智能化及操作等诸多方面再次带来升级。 那么，全新的国产桌面操作系统到底能不能平替Windows？   全新升级的国产桌面操作系统 经过40年的发展，Windows桌面操作系统在中国市场形成了近乎垄断的地位。不可否认，在消费级市场，国产桌面操作系统与Windows仍存在差距。但是在企业级市场，国产桌面操作系统的表现已经当仁不让。 比如统信UOS专业版，对标的就是Windows政府采购版本或Windows企业版，面向的是政府、国央企、金融等政企行业用户。 目前，在功能方面，统信UOS已基本追平了Windows 7，部分赶超Windows 10。 例如，在最新发布的统信桌面操作系统V20（1070）版本中，文件管理就支持以树形结构展开文件夹，同时还拥有更加灵活的文件管理视图，方便提升用户在成百上千个目录中找文件的效率。 协同方面，在建立跨端协同之后，发起方的键鼠可直接控制接收方，鼠标可按照设置的方向穿透到另一台设备，同时鼠标所在设备也能够响应键盘输入。此外，处于跨端协同中的两台设备可以共享一个剪贴板、完成文件传输。 桌面上的任务栏也进行

科技云报道原创。 2023年，中国服务器市场经历了一场耐人寻味的变局。   全球经济波动和中国市场不确定性的相互交织，让整个服务器行业感受到了前所未有的压力。《IDC 2023第四季度中国X86服务器市场报告》数据显示，2023年中国x86服务器市场的单位出货量同比下降13.1%，即便是头部服务器厂商也无法独善其身。 然而，一些前瞻性的服务器供应商却在困境中觅得了新机。IDC数据显示，超云无论从出货量还是业务收入均稳居国产服务器市场Top 10，并且以全年销售额增速59.5%位居第一。 在这样的逆境中，超云反而跑出了加速度，强势宣告着国产服务器新势力的崛起。这不禁这让人好奇，超云做对了什么？其高速增长是否会重塑服务器市场的版图？ 洞察AI趋势，抢跑智算服务器 服务器作为数字经济的关键基础设施，市场需求仍在持续增长。但值得注意的是，随着宏观经济和市场需求的变化，服务器市场正在发生结构性的改变。 相较于通用服务器市场走势偏弱，近年来AI技术快速演进赋能各个行业，智能计算需求正在成为服务器领域新的增长驱动。 一方面，国家已出台十余项智算中心相关政策，大力推动智算中心发展；另一方面，ChatGPT及多模态大模型技术的爆发，使得各行业对智算基础设施的需求迅速增加。 越来越多的用户将预算从通用服务器转移到AI服务器。作为国内专业的算力基础设施供应商，超云的市场表现正好印证了这一结果，2023年其业务最大的增量就来自AI，加速计算产品销量同比增长388%。 在超云智算事业部总经理田锋看来，AI可以开创下一个云计算时代，为整个服务器市场带来10倍的增长。“2010年云计算在国内刚起步，那时候中国服务器市场大约200亿规模，到了2023年已经达到2000亿，整个市场涨了10倍。在AI时代，我们预估也将出现10倍的市场增长，达到20000亿规模”。 超云智算事业部总经理 田锋 在

科技云报道原创。 在如今的现代企业中，映入眼帘的可能不再是灯火通明、人声鼎沸的工作场景，取而代之的是成百上千个执行自动化流程的“数字员工”——RPA机器人。随着越来越多的企业面临着市场经济环境波动、效益增长乏力等挑战，RPA技术正在重塑各行各业的新质生产力。 但仅仅是将简单重复的流程实现自动化，还远远不够，企业渴望更加智能、更加效率的业务流程来打造深层次的竞争优势。在RPA基础上将多种技术手段融合在一起的超自动化，正在提供这种可能性。 与此同时，随着ChatGPT掀起大模型的发展热潮，RPA厂商也开始基于大模型拓展自动化应用的边界。 近日，中国超自动化领域领导厂商艺赛旗就重磅发布了“企业级智能超自动化平台”，将RPA、超自动化和大模型技术融合起来，实现了一个端到端的自动化平台，完成从“发现问题”到“解决问题”的完整闭环。 如此多的新技术融合，智能超自动化平台能否真的为企业带来业务全流程的优化与重塑？艺赛旗的技术创新又会为RPA领域带来什么样的想象力？ 融合创新领跑超自动化 近年来，RPA作为一种强大的自动化技术，在执行重复性、规则性任务上，为企业带来了降本增效的显著价值。在产业升级的过程中，RPA也在持续融合新的技术，如：AI、IPA/JA、PM、iBPM等，为企业提供更加多元化的自动化解决方案。 然而，技术的不断涌现，也不可避免地出现了“自动化烟囱”现象：异构应用间交互困难、数据隔离等，这使得企业在面对跨部门、跨系统的复杂业务流程时，难以实现从局部优化到全局最优的跨越。 在这样的业务需求牵引下，“超自动化”概念应运而生。作为一种涉及RPA、低代码、流程挖掘、任务挖掘、机器学习、AI等多种技术的合集，超自动化涵盖了自动化技术的发现、分析、设计、实现、监控、评估全过程。 Gartner预测，到2024年，组织通过超级自动化将降低30%的运营成本。到2025年，超级自动化市

科技云报道原创。 自ChatGPT问世后，国内互联网和科技领域迎来了久违的“狂欢”。 BAT引领潮流，京东、360、网易紧随其后，商汤科技、科大讯飞、出门问问等AI企业纷纷入场。在狂飙突进的AIGC大潮中，字节跳动是相对低调的那个。2023上半年，国内几乎所有大厂都争先推出自家AI大模型产品，包括百度文心一言、阿里通义千问、腾讯混元、华为盘古大模型、360智慧大脑、科大讯飞星火等等，谁都想在这次技术革命中抢占一席之地。 然而，大模型在国内的应用门槛较高，很难实现“开箱即用”。但在国产大模型开发中，也有很多不错的简单易用的AI软件。 比如2023年8月字节跳动推出AI工具“豆包”，具有强大的语音识别和自然语言处理能力，能够理解用户的意图和需求，并且支持多种语言交互，可以同时处理多个任务，不仅大大降低GPT类应用的操作门槛，更让GPT飞入了寻常百姓家。   即时搜索+文案创作只要一个“豆包”就够了 相比国内其他从名字上看起来充满上古玄学色彩的大模型产品，字节用“豆包”来命名其首款AI类产品，似乎并不那么聪明讨巧。 但另一个角度看，从“豆包”这个很Q很可爱的名称以及它的虚拟形象来看，字节更希望做一个亲切、贴近用户实际使用需求的产品。豆包看似稀松平常，但老少皆宜、营养健康，这也正映衬了这款产品的定位和初衷：适用于大多数人，且简单、易用、灵活、聪明的AI工具。 对于任何一款软件，体验决定一切，想要成为优秀的软件则必须兼顾易用性和实用性。通过此次与“豆包”的初次相识，让我们看看这个“豆包”到底口味如何？ 与大多数AI应用一样，“豆包”也有PC端、APP端，注册/登录均可使用手机号、抖音号一键登录。进入主页后，可自主编辑个人资料，只需填写昵称、豆包号，以及上传头像，效率非常高。 “豆包”的主界面一眼看上去比较简洁，采用拟人化设计，聊天框顶部设置一个对话头像，仿佛与真人正在交

科技云报道原创。 “广播电视转播技术拯救了奥运会”前奥委会主席萨马兰奇这句话广为流传。 奥运会、世界杯、亚运会这样的全球大型体育赛事不仅是体育竞技的盛宴，也是商业盛宴，还是技术与人文的融合秀。随着科技的进步，技术在体育赛事中扮演的角色越来越重要。 80年代，电视完成普及，时任洛杉矶奥委会主席的尤伯罗斯开启了“独家转播权”的模式。2022年北京冬季奥运会是百年奥运首次实现核心系统全面上云，这是奥运科技创新的一个里程碑事件，云计算成为奥运创新的关键技术。 2023年杭州亚运会，来自全球130多个国家的1.05亿的亚运数字火炬手，以数实融合的方式点燃了主火炬，创造了新的吉尼斯世界纪录，而这其中云计算再次向世界展现了技术魅力。 大型国际赛事是云计算的演武场，证明了数字时代最重要的生产要素是数据，核心的生产力是算力，蕴含着无法计算的巨大价值。 历史上很多先进技术都是在亚运会或奥运会后向社会大范围普及，普惠大众。 大型赛事向云端迁移 1896年，第一届现代奥运会在雅典点燃了新时代的第一把圣火，有来自13个国家的运动员和近8万名观众现场见证了这个神圣的时刻。彼时，人们只能通过报纸、图片的形式，参与到奥运会之中。 直到1964年（第18届夏季奥林匹克运动会），卫星转播被首次应用到了奥运会之中，这是一个巨大的转折点，奥运会的观众大幅增加。 当时电视转播重要的基础设施是电视转播车，而“卫星+电视转播车”的转播模式，在奥运会的发展历程上有着重要意义。 2020东京奥运会（第32届夏季奥林匹克运动会），奥运会首次使用云上转播的形式进行赛事转播，并减少了电视转播车的数量；2022年的北京冬奥会更是开始尝试云上4K甚至8K的转播形式，将画质提升了一个档次。 2023年的杭州亚运会成为史上第一届通过云转播进行赛事直播的亚运会，而云转播与卫星转播相比又有哪些优势呢？ 在很长的一段时间内，大型体育赛事等专