如何在自动化基础上实现超自动化？大模型上大分！

ChatGPT作为大型语言模型（LLM）的应用，引爆了AIGC技术的奇点。作为基于深度学习和自然语言技术的语言模型，ChatGPT不仅是“译者”，还可充当“程序员”，更是数据处理方面的得力助手。

而与之对比传统时代的战略和数字化时代的战略，差异到底在哪里？ChatGPT这类技术，对行业的冲击是什么？我们接着往下看。

从战略的视角去看，最大的不同是从满足需求转向创造需求。整个工业时代，其实是在不断地满足需求的过程当中。如果我们按照满足需求的概念，大家都很清楚，一定是竞争的战略。我们要比较优势，考虑成本水平、差异化水平、效率水平，基本上就是竞争的概念。

但是都很清楚，因为技术的进步，企业的发展，现在几乎所有的行业都供大于求，如果还是按照满足需求的状态去做，你就会发现那是真真正正的红海。

但是我们也看到很多企业在数字技术的帮助下，产生了新的价值，新的空间，倍增的速度非常的高。有几个很有意思的数据，比如小米用了8年时间成为世界五百强企业，Google用了6年。传统的工业企业，没有几十年的积累是不可能进入世界五百强的。为什么这些新兴企业有这么高速的发展，因为它们完全不跟别人竞争，而是按照全新的需求创造出来。

例如ChatGPT这类生成式的大模型技术，对各个行业，恐怕我们又得重新定义一遍，前面互联网移动和我们讲的数字化已经让行业重新定义了一遍。这个大模型又会让它重新定义一遍。为什么每一次都给你重新定义的原因是因为它不是在回你现在的需求，它其实是给你在创造需求。创造需求实际上是没有边界的，满足需求是有边界的。

因此国内出现了百模大战，出现了国内最早一批探索AI的巨头，例如百度正式上线生成式AI文心一言；随后阿里巴巴的通义千问大模型、华为的盘古大模型等优秀大模型也陆续涌现出来。

在国内复杂的市场环境下，大模型在企业中有很多应用，例如财务领域可对财务报告中的要点给出文字描述，客户关系则可以为客户互动建议，在银行、金融机构、审计机构等文本相关岗位的审核工作中，有许多费时费力、重复枯燥、价值低的文档处理工作环节，可以准确地识别、提取和审阅文档内容等。因此，垂直领域的大模型更为吃香。在8月16日实在智能第七次发布会上，就将开源一个自研垂直领域的大模型——TARS塔斯，届时也会带来在TARS+下的全新的Chat系列超自动化产品。

或许当前国内的大模型还处于微创新阶段，谈赶超ChatGPT为时尚早，但在巨头们的百舸争流下，大规模已经不仅仅是一个工程问题，同时也是一个复杂的应用问题。各行各业与科技企业携手合作，才能有效推动大模型的发展，提高大模型的稳定性，有望形成两强格局。