如今，我们每天都能看到各种 AI 新成果出炉，尤其是生成式 AI 和大模型领域，几乎每隔几天就有更强大的模型问世。
然而在这样的大背景下，坐拥 ChatGPT、DALL-E 等流行应用（模型）的 OpenAI 却仍未找到合适的商业盈利模式。
不久前，就有知情人士透露 OpenAI“烧钱太狠”，今年或面临高达 50 亿美元的巨额亏损。
因此，在 ToC 端（面向消费者）寻找“杀手级”应用困难重重的时刻，许多科技巨头都将目光放在了 ToB 端（面向企业），试图在企业 AI 市场找到能真正创造利润的商业模式。
在企业 AI 市场竞争日益白热化的背景下，包括微软、IBM 和谷歌在内的科技巨头正在加速推出新产品和解决方案。
与此同时，一项来自谷歌的最新研究也证实了 AI 工具对提升企业生产力，尤其是编程效率的积极影响。
当地时间 10 月 21 日，微软宣布将在其 Dynamics 365 平台（企业级应用套件）上一口气推出 10 个自主 AI 智能代理（Agent）。
微软副总裁布莱恩·古德（Bryan Goode）对媒体表示：“我们将这些智能代理视为 AI 时代的应用程序。如今，每个业务系统都将被重构为基于 Copilot 的代理系统。”
这些新推出的 AI 代理超越了传统的聊天机器人，能够基于更广泛的数据进行判断和推理。微软希望它们能代表 AI 技术在企业应用场景中的深度整合。
这 10 个自主 AI 代理的功能覆盖面极为广泛，涉及企业运营的多个核心环节。
（来源：微软）
例如，在销售领域，销售资质代理（Sales Qualification Agent）可以帮助销售人员研究和优先处理潜在客户，提高销售转化效率。
在客户服务方面，客户意图代理（Customer Intent Agent）能够持续分析来自各个渠道的客户对话，发现新见解并提升服务质量。
再比如，在财务管理领域，财务协调代理（Account Reconciliation Agent）可以帮助团队准备和清理数据集，简化财务报告流程。
在日常运营中，时间和支出代理（Time and Expense Agent）能够自主管理时间录入和支出跟踪等工作流程，从而大幅提升管理效率。
微软对媒体表示，按照一些企业反馈的数据统计，使用现有的 Copilot 服务“可以为企业每年节省高达 5000 万美元的成本，相当于增加 187 名全职员工的产出”。
与此同时，IBM 也正在企业 AI 领域发力。
据IBM 高级副总裁兼首席商务官罗布·托马斯（Rob Thomas）透露，该公司目前在生成式 AI 领域的业务规模已达 20 亿美元。
他强调：“在 IBM 工作的 25 年中，我从未见过任何业务能以如此快的速度发展。”
最近，IBM 新发布了 Granite 3.0 系列模型，试图构建一个全面的企业 AI 生态系统，其中包括了 20 亿和 80 亿参数的通用模型，以及专家混合模型和优化了安全防护的 Guardian 系列模型。
IBM 对媒体表示，新模型的训练使用了 12 万亿个数据 token，包括多语言数据和代码数据。
这些模型将通过 IBM 的 watsonX、亚马逊的 Bedrock 和 Sagemaker，以及 Hugging Face 等多个平台提供服务。
不过，在推进企业 AI 发展的策略上，两家公司的选择有所不同。
微软侧重于将 AI 无缝集成到现有的企业工具中，利用其在办公效率工具和云计算领域的优势。
而 IBM 选择将 Granite 3.0 模型以开源的方式发布，这一决定为企业合作提供了更大的灵活性，有助于培养更广泛的生态系统。
AI 工具能否真的提升工作效率？
**
**
从企业的角度来看，是否在内部推广 AI 工具，更多地取决于它们的应用实际效果，能带来多大的效率提升。
近日，一项针对软件开发领域的最新研究提供了相关数据支持。这项涉及 96 名谷歌软件工程师的随机对照试验深入研究了代码自动补全、智能粘贴和自然语言转代码等三种 AI 功能对开发效率的影响。
这项研究来自谷歌研究团队，相关论文发表在预印本网站 arxiv 上。
图丨相关论文（来源：arxiv）
研究发现，相较于未使用 AI 的情况，使用 AI 辅助工具的开发人员完成任务的速度提升了约 21%。
特别值得注意的是，经验丰富的人和每天投入更多时间编写代码的人在使用 AI 工具时获得了更明显的生产力提升，这表明 AI 工具能够与专业人员的工作方式相融合。
不过作者也指出，虽然 AI 可能加快了开发速度，但仍有必要进一步研究 AI 生成代码的质量，尤其是当 AI 应用于大型系统和企业级项目时，确保高质量代码的产生至关重要。
“未来的 AI 工具需要更个性化，以满足不同开发人员的需求。”作者总结道，“对于资历较浅的开发人员，AI 工具可能需要更好地引导他们进行复杂任务，而对于资历较深的开发人员，工具应提供更高阶的功能，进一步提升其生产效率。”
值得一提的是，IBM 正在构想一种生成式计算新范式。这种方式将允许通过开发者通过示例和提示来编程，而不用逐行敲出代码。
这一理念与谷歌研究中验证的 AI 辅助开发方法不谋而合，二者都指向了软件开发范式的重大转变。
IBM 高管对媒体表示：“通过示例来编程，这是一个根本性的转变，我们刚刚才在与大模型的交互中体验到这种感觉。”
可以肯定的是，随着这场 AI 革命的深入发展，企业软件领域正在经历前所未有的转型，AI 技术正以前所未有的方式重新定义我们未来的工作方式。
那么，如何系统的去学习大模型LLM？
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。
但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~
