全国服务热线
欢迎到rng电子竞技俱乐部官网。 官方网站 ！
举个例子，印刷术的发明是一次信息传播的巨大革命。中国唐朝就发明了雕版印刷术，随后宋朝活字印刷术的出现大幅度提高了印刷效率。然而，尽管技术理论先进，但缺乏有效的载体——超级应用，这些技术并未迅速普及。以至于在元明清三朝，书籍仍然昂贵，不知道大家还有没有印象，鲁迅描写过的孔乙己工作就是抄书。
技术虽然是中国发明，但15世纪古腾堡改良活字印刷术并发明印刷机，更快实现了技术的广泛应用，极大地促进了启蒙运动和工业革命。
无论是印刷机、纺织机、蒸汽机、内燃机等每个超级应用的诞生速度都非常缓慢，动辄间隔几十年甚至上百年。原因也很明显，人们需要尝试成千上万的应用才能做出一个超级应用。而在近代之前，资源稀缺、人才匮乏，加之受限于技术传播缓慢，超级应用诞生的条件只能完全看运气。
但是今天，随着人工智能技术的快速的提升，我们正迎来一个全新的时代——AIGC（Artificial Intelligence Generated Content）时代。这个时代的特征是，人工智能不再仅仅是工具，而是成为创造应用的主体。
近期国际数据公司（IDC）发布的白皮书显示，2024年也就是明年，数字化的经济的发展将在全世界内孕育出超过5亿个新应用，相当于过去40年间出现的应用数量的总和，超级应用的诞生速度大大加快。甚至有可能，明年就会跑出大模型的超级应用。
从IDC报告的前两条预测来看，应用创新将会成为2024产业高质量发展确定方向，人们也更期待把大模型技术变成提效工具。
为什么比起以前，这一次应用发明速度如此之快？生成式AI就是最为关键的变量。
从一定程度上说，大模型因其具备生成、记忆、逻辑、推理等能力，为新一代应用的研发的提供了强劲的源动力。另外，大模型还能最大限度的降低开发门槛，简化开发流程，提高开发效率的质量。在生成式大模型能力的加持下，无论是有经验的开发者，还是无经验的开发小白，都能轻松上手，定制一款自己的应用。
以融合数据治理的智能化场景为例：在代码生成环节，AI能够支持数据一致性校验，生成代码的质量管控，完成数据仓库的建模及构建，还能轻松实现代码审查和漏洞修复。在程序运行过程中，AI能帮助完成数据审核、特征处理、客户行为识别、因素保护和风险识别等操作。
这一现象在国外表现尤为明显，以Open AI的GPTs为例，在该平台上，无需代码能力，仅通过自然语言交互就可通过你自己的需求创建一个应用，从时间层面，早期研发一款应用可能需要一周，一个月甚至更长的实践，但是通过GPTs，3分钟就能搭建一个，该功能上线一周后，就能发出了上万个应用。
当然，国内亦是如此，随着大模型的火爆程度，较自研大模型厂商外，基于大模型做上层应用的厂商也慢慢变得多，并逐渐向办公、医疗、金融、教育等行业渗透，且在不少场景中已经有了较成功的落地应用。诸如金山办公、钉钉等，而与之类似的企业也已经不是少数。
一项新技术出现时，人们最大的期望就是提高生产力。在数字化大势所趋的今天，即便是农业和工业的改良创新，往往也都是发生在办公环境当中。IDC白皮书的第三、四、七、九条预测，描述的都是大模型对公司生产办公方面的改变。
由此可见，AIGC技术的崛起预示着一场办公革命的到来，超级应用的诞生将在办公场景中发挥巨大的潜力，极大提升生产和创新效率。
据IDC一项针对全球企业的GenAI调研结果为，知识管理型应用是AIGC最受组织青睐的应用场景，此外在搜索、智能对话、推荐以及业务流程的优化等场景中也表现出了巨大的潜力。
目前全球最大的办公服务提供商微软，它在这方面的敏锐度要早于别的企业，早于2019年微软就与Open AI确定了合作伙伴关系，并在四年内将 OpenAI 工具与自有产品不断进行深度集成。
国内业界，以钉钉为例，作为中国用户顶级规模的办公平台，钉钉是最积极拥抱 AI 浪潮的企业之一，有超过 2300 万家企业组织、6 亿用户在钉钉上做智能协同办公和应用开发。
从IDC白皮书第八条预测来看，大模型和AIGC驱动正在重新定义基础设施，AI原生设计思想也正在渗入各行业的应用开发过程中，形成软件开发新范式。
这个预测下面的第一条分析就是，应用“+AI”向“AI+”转变，AI定义场景成为新范式。
无论是办公界的超级应用，还是营销、教育、金融、金融等领域的超级应用，要想真正落地，解决企业经营中的实际问题，开发出来的应用一定是AI原生的，这就从另一方面代表着要重构，而不是缝合怪。
在这方面，国内有很多负面的例子。比如某视频勇于探索商业模式的公司为了抢占大模型的风口，只是在原有视频产品的基础上加了一个AI端口，很多用户亲测后大跌眼眶，而国内诸如此似的厂商比比皆是。
究其原因，产品只是缝合“+AI”，并没有实现从场景出发的AI+原生重构。
在这方面，钉钉就是一个为数不多的正面案例，一方面，基于通义千问，钉钉已经实现了17条产品的重构，重构后的钉钉现已经具备了摘要总结、创作生成、数据分析、信息提取、客服咨询等新能力。
另一方面，为了加快大模型的落地应用，钉钉还将智能化底座（AIPaaS）开放给了生态伙伴。目前，与钉钉共创的生态伙伴在持续不断的增加，并陆续推出了相关新产品，诸如，铁骑力士与钉钉的AI PaaS及Chat AI产品做合作共创，利用智能化技术处理外部客户的海量、复杂知识咨询和内部业务系统的使用培训需求；
艾为电子在引入钉钉AIGC方案后，成功解决了5大类、几十个子类、几千个产品SKU、数万种参数的专业化客服困境。
目前，大部分企业都在围绕如何让大模型快速落地做文章。与此同时，超级应用何时诞生，以什么样的形式出现，也成了业界讨论最多的话题。
从IDC报告中的调研来看，大部分企业都认为AI Agent是AIGC发展的确定性方向。所谓 AI Agent指的是具有智慧性、能独立思考、主动达成目标的人工智能实体。说简单点，就是普惠性的智能助理。
当前，50%的企业已经在某项工作中进行了AI Agent的试点，另有34%的企业正在制定AI Agent的应用计划。甚至有些企业慢慢的开始针对自己擅长的场景做相关的研发工作了。而且从第九条预测来看逐步普惠化，更低成本的融合足够多场景也是大势所趋。
在这方面，钉钉也可当作例子，因其AIPaaS战略，目前已经与多加合作伙伴开展了相关合作，比如与一号直聘合作实现了HR领域的数字员工应用，融合AIGC技术自动化完成招聘、人才管理流程中的一系列任务。
由于AI Agent是一个很新的概念，另外，涉及的场景繁多复杂，诸如工作场景中的日程提醒、差旅安排、会议室预定、文字助理、会议速记、知识问答等功能；生活场景中的餐饮娱乐订购、日程安排、健康管理、旅行规划等都需要做相对应的研究开发，所以就很想要做落地也并非坦途。
一项技术从发明、到发展、到最终转化成生产力，被大众广泛接受，其中必然会涌现很多应用模式，但是其中最重要的载体必然是超级应用。
正如IDC白皮书第六条预测所言，AIGC加速超级入口形成，“no app”理念将重塑应用形态，应用功能将被碎片化地融入到超级应用中。
在这个过程中，两件事至关重要：一个是探索革新之心，从业者坚持不懈，并找到出路；另一个是降低技术门槛和商业普惠应用，二者持续转化循环，逐步的提升生产效率。
在上一轮的科技革命中，电子信息产业链的顶端无疑就是半导体技术，并且最终形成了超级应用芯片。《芯片战争》作者米勒曾说：“芯片创造了现代世界。”
他在书中也深刻揭示过这件事的启发，与传统上政府作为主导的某些项目相比，芯片产业的独特性就在于它是商业为主导的产业。
在近百年的发展过程中，芯片越来越薄，投入慢慢的变大，包括政府在内的一切实体都不能坚持，唯有残酷的商业竞争会促进企业们前赴后继的投入。
曾经的霸主也会被赶超，没有谁能长期处于领先的地位。只有不断地投入研发，接受风险，把效率提升到极致，不完全被眼前利益支配，才能抢占先机。
AI也是如此。当前大模型爆火，说明现阶段AI技术取得了阶段性的突破，但再先进的技术，若无法为社会，融入生产工作场景，也不能体现出其真正的价值。
这也是大模型出现后，业界的讨论为什么逐渐从技术本身转向如何通过大模型孵化超级应用的话题上来。各家大模型竞争者看得非常清楚。
为什么前文总用钉钉举例？因为在办公场景里，其他家还没放开，钉钉是目前为止，唯一一个开放AI测试的国民级应用，能够测试最大的用户规模、最多的使用场景、最丰富上下游生态，能够充分展示AI降低门槛的社会意义和效率第一原则。
这里再用钉钉举个例子，钉钉作为智能办公平台，在面对AIGC这波浪潮时，率先突破了自己的天花板，在保持原有产品能力的前提下，基于通义千问发布了“斜杠”功能，并围绕聊天、文档、音视频会议等4大高频场景推出了智能化应用。在超过50万家企业内测后，钉钉也正式推出了智能化办公方案「AI 魔法棒」。
对一项新技术保持“探索精神、创新精神”固然重要，却不足以支撑技术最终落地，降低技术准入门槛，实现商业转化，也是关键所在。
否则玩家会慢慢的少，更不利于技术的落地。为降低大模型的技术门槛，钉钉面向生态合作伙伴推出了AI PaaS底座，向下连接大模型能力，包括模型调度平台、模型训练平台和插件开发平台等，向上连接千行百业的用户真实需求，能极大降低大模型技术的门槛，实现AI普惠。
目前，包括有成CRM、易鲸云、i人事等在内的首批生态合作伙伴已经基于AI PaaS开发了多个数字员工，并上架到钉钉智能应用市场，可以说，给生态伙伴也提供了一条可商业化的最佳路径。
总的来说，从IDC报告中的十项预测来看，对于大模型技术的超级应用，已经是一个近在咫尺的未来。
