以下是一些适合搭建应用的 AI 相关信息:
生成式AI应用当前有三个核心用例与强大的产品市场契合度:搜索、合成和生成。Menlo Ventures投资组合公司如[Sana](https://menlovc.com/portfolio/sana-labs/)*(企业搜索)、[Eve](https://menlovc.com/portfolio/eve/)*(法律研究副驾驶)和[Typeface](https://menlovc.com/portfolio/typeface/)*(内容生成AI)在这些类别中都是早期突破性的代表,其中心是LLMs的少样本推理能力。但是生成式人工智能的承诺远远超越了这第一波核心使用案例。能为您阅读和写作的人工智能很棒,但更令人兴奋的是能够代表您思考和行动的人工智能。为此,我们已经看到领先的应用程序构建商如[Anterior](https://www.anterior.com/)、[Sema4](https://sema4.ai/)和[Cognition](https://www.cognition.ai/)正在建立解决方案,来处理之前只能由大量人力来解决的工作流程。借助多步逻辑、外部内存以及访问第三方工具和API等新型构建块,下一波智能体正在拓展AI能力的边界,实现端到端流程自动化。在我们深入探讨人工智能体领域的过程中,我们将概述Menlo对新兴市场的论点——首先定义什么是智能体以及什么使它们成为可能。我们将追溯[现代人工智能技术栈](https://menlovc.com/perspective/the-modern-ai-stack-design-principles-for-the-future-of-enterprise-ai-architectures/)从少量样本指令到检索增强型生成(RAG)再到完备的智能体系统的架构演化过程,然后探讨这一范式转变对应用和基础设施层面的影响。
会议时间:20:00-21:30(GMT+8)会议ID:936197591会议链接:[vc.feishu.cn/j/936197591](http://vc.feishu.cn/j/936197591)[heading5]阿里云百炼[content]是基于通义系列大模型和开源大模型打造的一站式大模型服务平台,提供「生成式大模型的应用编排搭建能力」和「企业大模型的全链路训练部署能力」。是企业AI时代的首选。[heading5]核心能力和优势[content]1.大模型API服务---高可用,高性能,高性价比提供通义闭源和开源系列大模型,以及图片、语音等多模态大模型和国内优质三方大语言模型。主推规格:qwen-plus、qwen-turbo等。[heading5]目标客户群体:有开发经验的企业或独立开发者[content]1.AI应用搭建---可观测,可干预,可追踪提供RAG智能体应用、工作流编排和智能体编排三类使用场景的应用构建能力,以及包含插件能力、运营工具箱等适配工具,实现10分钟拖拉拽快速搭建AI Agent。[heading5]目标客户群体[content]期望通过“企业知识+大模型”降本增效的企业期望搭建“AI应用”实现商业化的企业或独立开发者1.模型在线训练部署---一站式模型管理,弹性扩缩容提供模型训练、部署、调优和评测,支持全参/高效等多种在线调优方式,同时配备多元化的大模型效果评测能力。[heading7]目标客户群体:有算法和技术人力,有丰富的企业数据,期望拥有专属大模型的企业[content]阿里云百炼携手?WaytoAGI手把手跟学带做,通过3节共学课程,与百万开发者共同探索一站式大模型服务平台,带你成为AI应用开发行家
企业的重点主要放在自主构建应用程序上,目前企业更倾向于自主开发应用程序,而不是从外部购买。这主要是因为市场上缺乏经过严格测试、能够在特定领域内取得决定性成功的企业级人工智能应用程序。毕竟,目前还没有像这样的应用程序的“魔法象限”(Magic Quadrants)。基础模型的出现使企业更容易通过API来构建自己的AI应用程序。企业现在正在构建自己版本的常见应用,如客户支持和内部聊天机器人,同时还在尝试更新颖的英语,如编写消费品配方、缩小分子发现范围和进行销售推荐。关于“GPT wrappers(GPT套壳)”的局限性已经被讨论过很多了,例如,初创公司利用大型语言模型(LLM)已知能力(例如文档摘要)来构建用户熟悉界面(例如聊天机器人),我们认为这些公司将面临的一个困境是,AI进一步降低了企业内部(in-house)自主构建类似应用的门槛。然而,目前尚不清楚当更多面向企业的AI应用上市时,情况是否会发生变化。虽然一位企业领导者提到尽管他们正在内部开发许多应用,但他们乐观地认为“将会有新工具出现”,并且更愿意“使用市面上最好的工具”。其他人认为,GenAI越来越成为一种“战略工具”,允许企业将某些功能内部化,而不是像传统上依赖外部供应商。鉴于这些情况,我们相信那些能在“LLM+UI”公式之外进行创新,并显著重新思考企业的基本工作流程,或帮助企业更好地利用自己专有数据的应用,将在整个市场上表现特别出色。