在引领AGI的新时代，大模型不再是最“一流的存在”，将大模型与生产力场景联系起来是更激动人心的叙事，因此AI智能助手时代的号角正在逐渐吹响。
AGI餐逐渐“摆在桌面上”。
去年 11 月，在 OpenAI 发布由 GPT-3 提供支持的 ChatGPT 后，AGI（通用人工智能）历史的齿轮从那时起一直在旋转。 行业火爆空前，随后GPT-4、谷歌的Bard、Meta的Llama等大模型相继问世，展现了AGI的无限潜力。
但与此同时，业内主流观点认为，来来去去的大模型标志着AGI迈进了一大步，但还没有走到尽头。
根据 DeepMind 联合创始人 Shane Legg 最近发表的一项研究**，LLM 仍然是 AGI 的原型，是“初级 AGI”，即使是 GPT-4，在更广泛的任务上具有更高的性能水平，也只是二级 AGI 的冰山一角。 Shane Legg 提出了 AGI 的六级标准，最终形式是让 AI 成为超级智能体。
如果LLM只是一个开始，那么在通往AGI的道路上还需要什么？
要回答这个问题，我们只需要看看科技公司目前正在开发什么。
我们先说OpenAI，它因为“闭源”策略屡遭马斯克“攻击”，并在上个月的首届开发者大会上推出了用户定制版的GPTS。 该功能上线一个月来，据第三方GPTSHUNTER**统计，开发者已经打造了数以万计的“助手”，涵盖智能文本处理、信息查询、个性化建议指导、自动化任务、趣味娱乐等方面。
不仅如此，OpenAI本身也推出了多款GPT助手，据悉，目前排名靠前的GPTS都是由ChatGPT官方开发的，其中最知名的就是文生图模型Dall·E，其绘图生成效果已大大超过Midjourney。
业界对GPTS的总结是，通过“提示+内存+web链接代码解释器”自动生成智能助手。 如果套用 Shane Legg 的标准，GPTS 已经直接被推到了 AGI 的第一级甚至第四级，至此属于 AGI 的“主餐”已经逐渐端上来。
国内先行者解决了这个问题，将AI转化为生产力
而几乎在GPTS之风吹回中国之前，一站式AI技术领军人物百融云创（Bairong Yun-W， 6608HK）宣布在大规模BR-LLM基础的基础上开发一系列智能产品。即将推出的第一代工具br-coder，标志着公司部署人类和AI协同工作的Copilot模式进入了一个新阶段，即AI不再只是一个工具，而是可以作为代理人参与商业组织的业务流程，并可以根据用户的需求提供建议和解决方案。
鉴于调用工具的能力是智能体的基础，为了提升模型的性能，百融云创组建了企业AI中台，提供包括大模型在内的各种模型训练、部署和统一的API服务接口，从而实现对公司AI算力的统一管理， AIOPS全流程的AI资源和AI服务。
与通用产品开发不同，百融云创专注于企业级GPTS，公司也是国内最早部署B端GPTS的AI科技公司之一。
在百融云创看来，GPTS的场景开发非常符合其一直坚持的价值交付理念，即通过帮助企业快速提升业务效率和决策绩效，赋能数智化转型，进而提升商业机构的资产运营效率。
以百融云创在存量客户运营场景中的应用为例：首先调用模型对存量客户进行分类，匹配不同的运营策略其次，根据运营策略，自动生成个性化文字等营销素材，通过智能语音机器人等工具，在不同时间、不同渠道触达、互动、唤醒各类客户最后，对唤醒效果进行持续监测和分析。 通过上述闭环流程，可以帮助垂直行业以更低的成本交付解决方案，帮助商业组织盘活和转化现有客户。
MaaS将成为AGI生态系统的核心
虽然LLM不是AGI的终极形式，但Shane Legg强调LLM是实现AGI目标的基石，也就是说，所有更先进的智能系统都是建立在LLM之上的。 百融云创近期推出的赛伯坦平台就是基于大模型，在此基础上对模型进行优化和微调，开放的API接口帮助商业组织快速生成内部机器人。
简单来说，塞伯坦平台生成的机器人相当于为商业组织加载了一个“企业级助手群”，由AI员工、客服数字人等创新产品组成。 企业内部员工可以自由部署专属助手，帮助对接企业内部知识库和工具库，对外提供AI Copilot和AI代理服务。
以大模型为技术基础，在垂直行业不同生产力场景下实现了模型服务，并已应用于数字员工、数字助理、数字人、编程助手、自助数据分析等领域。 “百融云创副总裁冯勇说。
同时，随着AGI生态建设的逐步深化，新的商业模式也在催生。 根据毕马威最近的一份报告，AGI的核心商业模式将是MaaS（模型即服务）模型。
MaaS模式被业界认为是一种“云智融合”服务模式，“智能”是不言自明的，它是将AI技术封装后提供给服务商，“云”是测试开发者在云计算方面的核心能力，这也是为什么现在市场上的MaaS模式，都是由阿里、百融云创等具有云计算基因的企业落地的。
例如，百融云创基于决策AI驱动的MaaS云平台开发模型产品，客户可以根据自己的查询需求，通过MaaS云平台的标准化API自由部署各种模型，包括调用现成的模型产品进行直接工业应用或者在大模型的基础上“微调”自己的产品，快速为用户进行KYC（Know Your Customers）和KYP（Know Your Products）评估，大大提高了易用性。
在MaaS模型中，需求方用户可以专注于自己的业务逻辑和用户体验，而不是底层的技术细节，这将有助于解决AI行业的瓶颈在供给侧，基于模型的大规模生态将推动AI在千行百业的增长，最终实现AGI。 毕马威报告称。
在毕马威看来，MaaS模型下AGI的基本业态将按照以下路线演进：基础层包括以ChatGPT、文心一彦等为首的领域大模型，以及多模态基础模型中间层是百融云创等公司研发的行业模型;应用层覆盖纯软件服务和软硬件一体化生态。 相较于基础层，毕马威的报告称，行业大模型之所以能够更直接地渗透到垂直行业，是因为在模型训练方面会与稀缺的行业知识接通，预计未来将出现工具化、平台化的趋势。