STIF国际科创节暨数服会是科技创新与数字化服务领域最具影响力的年度盛会之一，活动设立于2020年，旨在通过构建多元、开放的交流与合作平台，全面展示科创成果，传递科创精神。聚焦科技最新发展趋势，以及全球范围内科技新技术、新应用，为助力科技强国贡献力量。

以下是第七在线中国区联合创始人CEO赵嘉程在第四届国际科创节 & 2023数服会的精彩讲话，由云现场整理。

大家早上好！跟刚刚的张总一样，我也经历了航班的取消，不一样的是我出发比较晚，所以刚刚才到会场。也没有迟到，所以也算是缘分。大家早上好，今天由我来跟大家分享一下，AI在全球范围内，特别是零售行业有哪些技术突破，包括在国内，有些什么样的落地场景。我先自我介绍一下，我是来自第七在线的赵嘉程，大家可能没有听过我们的公司，之前是在美国纽约，今年算是我们刚刚拓展国内市场。我们做的是一个二十多年的AI算法工作，聚焦旨在一个垂类行业，在零售行业，针对这样一个非常垂直的行业，做了很多算法的研究和赋能。

纽约的第五大道大家可能听过，所有的零售商都想把自己的旗舰店开在第五大道，第七大道是他们办公的一条街，我们公司就在第七大道上成立的，服务零售企业，用AI的技术，用数据分析算法红海行业做赋能。这是我们部分的客户案例，大家可以看一下，基本上都是头部的品牌，超百亿的品牌。北京有个品牌叫凌志，也是我们的客户，客户大概有一百多个国家，五十多万个门店的覆盖，所有商品的出货订货都通过我们的系统。

这么优质的客户进行了一些赋能，总结下来东西怎么在国内落地，这些是我想跟大家分享的。先总结一下，既然聊到了AI，现在AI的情况，其实前几年国内就开始出台政策来鼓励，包括大数据，人工智能的产业。在今年因为ChatGPT特别火，算出圈了，各行各业都来关注AI，都来讨论怎么跟AI做结合，怎么做赋能，包括刚刚院长分享的，如果不寻求变化的话，可能就会被淘汰。怎么样抓住机遇，在市场上更好的发展，是大家共同关注的。

我的理解，AI目前的情况，我认为AI分为强AI和弱AI两个领域，强AI是AI的完整阶段，人工智能基本上跟人的能力差不多，具备了学习能力，具备了适应能力，甚至在某些领域因为它的算法，算力的情况，超过了人，可以做一些人没办法做的判断和决策。弱AI是目前AI的状况，包括各个领域，包括ChatGPT叫做自然语言处理，包括机器学习，包括视觉，包括语音，包括自动驾驶，包括数学数据的分析，CBR。在零售行业，现在目前弱AI的技术，在零售行业有哪些场景可以运用呢？我也总结了一下，包括智能门店，我逛一个店可以给我选品，比如我看到一件衣服不用换了，一个VR打到我身上我就把衣服穿上，比如ChatGPT的智能客服，后面还有语音客服，AI跟你对话跟你推销，还有对流行趋势的分析，通过对图片得识别，通过对商品标签的处理，分析未来时尚的走向，包括AI制图，包括供应链的智能制造，再包括商品管理，库存，明年怎么样订货，预测销售等等。

在这样一个场景和技术前提下，零售行业的数字化现状，我认为相对来说是落后的，大家基本上都实现了数字化，但是智能化我的理解还不够。比如说以前我们供应链不够发达的时候，大家是以产定销，我能生产多少就能卖多少，商品是个供不应求的状况。现在随着供应链的发展，商品已经供过于求，基本上生产，只要有了东西都能满足，个别行业除外，芯片之类的除外，基本上都能覆盖。怎么以销去定产，到底未来能卖多少，不然生产出来都是滞销库存。我要分析未来的趋势，还要合力的打造供应链。这是后面可以追寻的。

我总结一下这个行业的痛点，以及怎么针对痛点给大家做赋能。比如说效率低的情况，因为现在平台数据特别多，怎么分析数据，处理数据，怎么做运算，人还需要休息，特别是算力得提高，这个达到了。包括处理的精度，全球有两万家门店，一年有两个季度的商品，在这两个季度中，怎么样把两万个门店的订单都下到，这个工作量是很大的，没有办法特别精确的下，只能把两万个门店打标签，可能有A门店，B门店，所有的订单是一样的。再精细化一点可能是分品类去打门店标签，其实系统化是做到了款，色，尺码，每一个门店做预算，做未来销售的预测。向上再去聚合，这样的话精细度达到最低，包括各个部门的协同，包括降本增效。

需求和痛点不是在一个环节下面解决的，我画了一个零售商品的流程图，从一开始战略的制定，到预算的拆解到各个品类，怎么样订货，包括下订单，采购，追单，包括门店的管理，配货，调货整个体系，我们在各个层级和场景上做赋能。所有蓝颜色是我们覆盖的，白色是没有覆盖的。这是更细节的一些场景，我就跳过了。

举两个案例，第一个是创新点，随着电商的发展，大家对电子商务的诉求越来越多，AI怎么赋能电子商务，之前覆盖的客户都是传统的线下品牌。线上跟线下玩法完全不一样，比如它的成本怎么样做计算，包括有象限级的直播间，有些爆款怎么追，AI逻辑模型都不太一样。这个客户是我回国前做的最后一个客户，它有350亿的销售额，但它没有一家实体门店，这个玩法是完全不一样的，包括传统的货架电商，怎么样做网站，哪一个渠道去推，包括新的电商Facebook，到国内的话就抖音，小红书，社群怎么搭建，哪些网红，怎么样合作，推流量，有一套体系。

第二个创新点包括国内有很多BI功能，把数字整合，各个层级的数据都可以看得到，收集到这些数据，看到这些数据之后怎么样做赋能，怎么把数字给利用起来影响商业决策，这个我认为是第二个突破。再分析一个案例，是一个做户外登山品牌，所有硅谷的程序员人手一件外套，他们的层级在所有客户里是做得最好的，颗粒度做的最精细。生意好的时候做一个订单，订单会是什么样的，生意不好的时候订单会怎么样，受到疫情影响会怎么样，提前18个月做订单，随着时间的推移慢慢精确到那一天，选一个最符合当前版本，拿下，这个精细度很多，它跟我们合作是2015年，当时只有25个亿的规模，截至去年达到了180亿，翻了七八倍，但商品团队从来没有变过，就是二十个人，七八年前是二十个人，现在也是二十个人，怎么实现的？系统给它赋能，提高工作效率，包括管理的精度。现在已经不满足十几个版本了，去年找我们要三十个版本的订货版本我们也提供给它。

最后一页，分享一下在国内具体我认为有哪些应用场景，AI可以做赋能，做落地，第一个是结合具体品牌的特点，打造自己企业，符合品牌设计理念的AI模型，叫做AI的说明书。第二个是结合国内得天独厚的供应链特点，跟国外不太一样，一些国际品牌要下订单，是国际工厂生产，光在集装箱上就有一个多月的时间，整个订单要3-6个月的生产周期，国内两三个星期快，慢的话四五个星期供应链完全能够反应过来。前期的投入可以减少很多，而且季中追的单，大概率不会有很多的积压库存，风险性也会降低。

第三点是现在比较火的跨境电商，因为我们有大量的海外客户，服务海外品牌经验以及AI的模型，可以助力跨境电商，给它做一些赋能。今天的分享就到这儿。

贾亦赫：非常感谢，能够在寒冷的冬日来跟大家分享，也是一种缘分。在此特别感谢主委会给我们这次机会。我是来自于开普云，今天主要是来分享一下关于生成式大模型，所谓的大模型相关的内容。我来自于开普云，首先简单介绍一下开普，时间关系，大家对公司也记不太清楚，我只用三句话介绍一下，第一句话开普云是一家在科创板上市公司，第二句我们是以AI大模型赋能数字化转型的公司，第三句话我们有三个数字，开普云已经服务了超过全国80%以上的省级政府，超过了60%以上的部委和中直机关，地市级覆盖超过了80%。开普云目前除了在政府领域覆盖度很广，还深入能源，教育，医疗等等领域，基于大模型来进行赋能。

今天我讲的内容是关于大模型的内容，特别感谢几位专家，针对大模型做了分享，能够让我们知道在不同的行业当中大模型是如何应用的。今天我讲的这个内容，大模型对于我们来讲，开普云原来是一家做传统的信息化的公司，大模型在2023年正式突破以后，也会认为人工智能的领域产生了突飞猛进的情况，以至于有人说，大模型时代所有的产品都是值得用大模型再做一遍的，这是别人说的，我认为这句话其实不是特别对，从我个人的观点来讲，从它的训练到应用，其实在大模型时代，整个的产业结构，生态和商业逻辑都将会发生变化。这种变化是非常大的。

正是因为有这样的认知，所以说对大模型做了深入的研究，包括整个生态，从算力，算法，数据到解决方案，以及到具体的产品应用到C端，B端，做了整个分析以后，做了整体的布局。目前开普云在大模型领域，第一是算力服务，目前我们是已经整合了有多个智能算力的中心，并且基于算力的能力，去为底层大模型公司提供算力服务。第二个因为我们要服务的是很多信息化公司，这些公司需要利用大模型来对外提供服务，怎么办？需要看不同的底层模型，需要对底层模型来进行微调，进行行业深入的研究，基于底层大模型的微调去向上游提供服务。

所以说有一套系统叫做大模型操作系统，基于这套系统为上层信息化公司提供服务。最上层可以为用户提供不同类型的解决方案，以及对应的产品。更多的是我们有不同领域的具体的优势，我就不在多讲了。

这是整个一套技术体系，从算力层到模型层，到操作系统层，到具体的应用层。今天主要分享的内容是基于实际的落地，看如何通过大模型来为行业进行赋能增效。我们为底层大模型的公司，提供算力服务。目前在很多地方都提供了智能算力的中心，提供标准入驻。第二是本身在业务的过程当中，有很多的数据基础，目前可以为用户提供PB级的数据，不仅如此，大模型的操作系统，可以为用户提供基础的调度平台，模型的微调平台，快速构建应用平台，并且在此基础上加入了网信办关于大模型具体的要求，提供了内容安全产品。

此外在上层的应用层面，目前是提供基于开物大模型上层提供一系列的内容。大家对这个行业比较了解，有一个很深入的情况大家明白，大模型大家都提得非常好，但是真正做大模型的公司，基本上没有人能够实现快速的盈利，目前全世界来讲，也就那么一家公司，能够实现盈利。这是为什么呢？其实有人会讲，当我们提供给用户的这些产品，更多是设计出来的需求，是我们基于大模型的能力我们认为应该是什么样的产品。但这些东西并不一定是用户真实的需求，用户真正需要什么？用户的场景是什么？这些东西是我们需要深入了解的。

前段时间其实中国的大模型公司，包括前端的应用公司，188家在上半年的时间大概走访了一百家左右，全面的了解了一下整个行业的内容，再加上对客户具体的了解，我今天的分享主要是真实的场景，真实的客户，用户是付费的。第一个是在数字人领域，可以为用户提供基于大模型的内容，跟真人是一样的。目前也是基于数字人的方式，为各类用户提供服务。这些人都是数字人的情况，当然我们是用多模态的大模型来进行生成。因为时间关系我就不再多讲。

第二个是基于数字人加大模型，去为用户提供智能问答服务，这也是在真实的案例，教育都有百万级的签单，基于数字人加大模型来提供服务。第三个是可以用大模型去叠加手语数字人，结合视网化。这是百万级的项目，目前可以利用大模型帮助用户进行专利检索，专利的翻译以及专利的撰写。除此之外还做了搜索和大模型进行相结合，原来我们的搜索，获取内容从谷歌，百度获取，其实是只有互联网上有这些信息能够通过自主匹配的方式看到。但是其实在搜索的时候要得是结果，这些时候可以用大模型和搜索进行结合，去直接给到用户具体的答案。

此外还为政府部门，为教育，医疗机构去提供公文撰写的能力。对于售前，有些人讲话没有问题，但是写PPT的挺费脑筋，我们可以为用户一键生成PPT，帮我写一个大模型项目进展PPT，需要简单说一下内容和要求是什么，可以把PPT一键生成出来。包括后续的阅读助手，这个是阅读长文，外文，只需要上传文件，就可以知道这篇文章写得到底是什么，这也是实际的场景。此外还有一些设计，比如在北京服装学院有具体的落地，给学生提供设计，这也是具体的学生，制作出来的具体内容。包括做一些文艺的创意，这些都是通过大模型来提供的。

因为时间关系，最后讲一下我对这个行业的理解。其实从我个人来讲，大模型公司目前实现盈利得非常少。如果存在着算力，算法，模型，应用不同的厂商到最终的用户，怎么能够快速的去在两年以内完成我们的商业逻辑呢？只能是做算力模型和应用一体化的服务。第二个是我个人认为，未来大模型的发展一定要符合行业特征的内容输出，做垂域领域的模型，需要对大数据进行分析，数据深度的挖掘，训练，微调，然后才能做内容的输出。

未来行业大模型一定要更符合行业价值观的对齐，这是非常重要的。所以最后一句总结，我个人认为大模型的应用，如果要实现盈利一定要真实场景下，挖掘用户的真实需求，去完成真实的项目。最后进行产品的落地，以上分析的都是在实际的用户当中，实际的付费用户当中去落地的一些场景，希望能够未来和大家有机会做一些分享，这是我的微信，如果说大家有愿意去做大模型深入交流的话，可以交个朋友。