代码生成、办公协作与AI Agent，2024年LLM落地重点
过去一年，经历过百模大战之后，由于没有出现杀手级的应用，人们倾向于保守。但Sora发布之后，文字生成视频将在今年被重点押注，毕竟国内有较成熟的短视频生态和仍未挖掘的庞大前景。
另一方面，企业内部其实在2023年重点投入到了ToB提效场景上，这个场景价值明确，同时更关注性能和成本。目前发展比较快速的应用场景更多在于内部协作，包括代码生成与办公协作。
代码生成方面，企业正在对各种开发功能进行封装，最大程度满足开发平台易用性和规模化的需求。如果按难度进行分级，前端代码和客户端的采纳率较高，而服务器端的采纳率较低，但也基本上是可用的状态。
另外，在开发办公提效上，部分企业会开发一个问答助手，来回答研发过程中开发人员对“这个API如何调用”、“这个字段是什么含义”等等的困惑，这个AI助手如今可以替换原有的值班人员。在电商场景中，企业也可以不再依赖于传统电商背后的人货场标签体系，而是可以通过挂载知识库来解决大量的问题，节省了很多运营成本。在操作系统层面，大家也会尝试利用一个AI Agent进行协议式或对话式的方式来进行工作。
但业内对大模型统一应用接口的可行性仍持保留态度，认为app仍然会继续存在，只是每一个app都会多出一个智能助手。
智能助手的核心在于Agent技术，而Agent的核心是planning，planning技术目前还没有得到很好的解决。业内也有人认为，Agent不一定是大模型最佳的应用方向，这个概念不适用于C端应用，而在企业内部协作中作为NLP工具更加适合一些，NLP工具在过去开发成本和难度很高，现在有了大模型，就极大加速了这一过程。
从数据集成、数据治理，到模型训练、模型推理，大数据与人工智能始终是紧密关联和作用的。秉持“数聚垂域，智领未来”信念，DataFunCon2024·上海站将继续顺应趋势，组织AI Agent、大模型训练推理与微调等论坛，邀请数据智能技术专家、行业专家，与你共同探讨数据智能落地的现在与未来。
议程详情