我們在WAIC碰到阿里副總裁,他説最多的一個詞是:Agent。

市場資訊
23小時前

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

(來源:網易科技)

如果在去年,還有人懷疑 AI 到底是不是資本的陰謀,到了今年,無論是業內還是路人,都已經徹底明白了:

AI 時代,已經到來。

昨天差評君在 WAIC(世界人工智能大會) 的現場,更感覺到這種未來已來的態勢,甚至在去之前就有感覺了,因爲今年 WAIC 的票價從 168 一路被黃牛炒到了天價。。。

而且,WAIC 現場的氣氛也有所變化,去年我們還在苦惱各個展臺都是千篇一律,全是蹭 AI 的熱點大模型、行業大模型。

到了今年,大家就更接地氣了,無論是 AI 硬件還是 AI 解決方案,都需要拿出真正的落地效果,是驢子是馬,先遛遛再說。

而且,我們在現場也看到了,有已經做出挺不錯成績的企業。

比如阿里國際就憑藉着跨境電商 AI 解決方案 Marco,成爲了本屆 WAIC 上,跨境電商領域唯一一個獲得了 2025 世界人工智能大會 SAIL(Super AI Leader)之星的 AI 技術代表。

根據查到的信息,阿里國際的所有電商平臺,都已經用上了 AI,目前已經服務超過 50 萬賣家了。

趕巧的是,我們還在現場撞見了阿里副總裁、阿里國際AI Business 負責人張凱夫(花名:凱夫)。

有機會可以和凱夫大佬正面對話,差評君當然就藉機刨根問底,看看真正圈內是怎麼看待這次 AI 浪潮的。

首先可以確定的是,在凱夫看來,AI 和前兩年的 Web3、元宇宙這樣號稱技術風口壓根不是一回事兒。

之前的所謂風口最終並沒有非常好的落地, AI 可就不一樣了,凱夫覺得與其說是一個新風口,不如說是又一次“互聯網浪潮”

雖然凱夫很早就覺得 AI 這波牛大了,但讓凱夫真正覺得世界變天了,還是在今年 5 月 23 號,當時 Claude 4 一發布,試用完後,他就覺得行業奇點來

我們也趕忙追問了一句,在 AI 勢態已成、行業大方向都已經確定的情況下,他本人到 WAIC 上,有沒有想見到的新思路、新想法。

他告訴我們,自己是來看看各行各業的 AI 應用點都有什麼新方向、新點子,他覺得在海外這些信息會比較透明,國內難得有這樣一個機會,可以觀察一下,國內現在的應用和硅谷驅動的AI應用中有什麼區別

另一邊,雖然現在行業內對於 AI 顛覆 toB 領域和代碼能力已經成爲共識,但在 toC 方向,有沒有更新更突破的應用方向,所以凱夫也想借着這個機會觀察一下,不過他看了一圈後,發現並沒有自己特別喜歡的。

至於爲什麼現在看起來 to B 的大模型賽道熱鬧得多,凱夫告訴我們,在 2023 年的時候,AI 項目至少一半都是 to C 的,但後面才發現這玩意兒不是陪伴 APP 就是陪伴 APP,真正價值並沒有被挖掘出來。

至少在現階段,還是猛攻企業端更合適。

而今年大熱的通用型 Agent 或者是大模型的 Deep Research,對於需要一定行業深度的企業場景,仍舊不適用。

這些通用型 AI 產品,容易進入一個場景過於開放的尷尬局面。

這裏凱夫也有一個自己親身體驗的例子,當時他們用通用型 Agent 搜索數據材料,看看某個商品出口到海關 HS code 應該是多少。

它一通深度思考,所有該查的網站都查了,不該查的也查了,然後生成一個巨長的報告,等你看完萬字解析,然後發現正確率只有 5%。。。

在凱夫看來,或許專攻垂類的AI 通用能力不如 OpenAI 們,但是完全有機會在垂類領域比 OpenAI 們強。

因爲很多時候加上各種限定條件,並且做減法,反而能讓AI更準確更有效率。

有意思的是,凱夫也向我們透露,剛剛在 WAIC 上拿獎的 Marco的核心技術包括大語言模型 Marco LLM、翻譯大模型 Marco MT、多模態大模型 Ovis,多模態理解與生成模型 Ovis U1 等都開源了。

這也是我們今年在 WAIC 上的一大感受,去年的這個時候,大家還在吵着說着到底開源好還是閉源強。

但今年似乎是東風壓倒了西風,開源派成爲了大多數。

凱夫給我們解釋道,通過開源可以在一些業界比較標準的評測、評價的榜單和benchmark上做測試。

同時,模型開源後,能夠受到所有外部同行,包括用戶的審視,可以更好地看清到底有幾斤幾兩,然後找到問題和前進的方向,像是一些用戶反饋以往模型裏出現的問題,迭代也會更方便。

而在包括像推特和有的 AI 社區裏,會有用戶拿開源後的東西編一些非常好玩的場景和應用,也大大拓寬了企業的思路。

當然了,凱夫他們認爲,企業們不吝嗇地開源,能夠大大提升整個AI進化的速度,這是整個AI社區非常正確的方向。

我們也好奇地問了下凱夫,阿里國際這麼開源,是不是也歡迎同行比如 Temu、Shein 們也來用他們家的模型。

凱夫只簡單地說了句:“都開源了,任何人用都可以”。

而當我們問到,類似阿里國際,像是亞馬遜等同行其實也在高舉着擁抱 AI 的大旗,那阿里的優勢是什麼?

凱夫表示自己並不喜歡宏大敘事,他覺得能解決一些問題、能帶來價值,就值得做,和行業不行業的並沒有太大關係。

而且,他還覺得 AI 領域不同於一些比較成熟的方向,它不是一個追隨式的東西,可能跨行業的互相學習、借鑑反而更多,“我非常有信心,這個事如果沒人幹過,我認爲是這個世界幹得最好的人之一”,凱夫說到,不過他們也不是完全不關注亞馬遜的動向,甚至也一起聊過。

但雙方產品有什麼問題,孰優孰劣,這個得看後續發展。

也就是在凱夫的判斷下,阿里國際從 2023 年開始,就開始着手計劃利用 AI 整頓行業,從最簡單的生成式內容,再到工作流的 Agent,他們也是這麼一步步走的,纔有瞭如今的成果。

凱夫告訴我們,目前阿里國際 AIB 團隊,已經從生成式大模型進入到了 AI Agent 時代

比如智能退款 Agent,可以快速靈活地讓用戶完成退款的訴求,也極大地降低商家的售後成本。

擱以前,如果消費者發起退款,商家往往只能選擇接受。

而接入阿里國際 AI agent後,AI 客服將根據具體場景,快速給出更合理的解決方案。

例如,如果消費者是因爲不會使用該商品而要求退款,AI會提供詳盡的使用說明;如果消費者是因爲覺得有色差,AI會可能不會直接給全額退款,而是給出 20% 退款的協商方案。

據瞭解,有了智能退款 Agent 後,類似的退款糾紛處理時長節約了 30%,降低退款成本 15%。

另一個HScode(海關編碼)Agent 也是現在出海電商們的心頭好

這個 HS Code 其實就是國際通用的商品分類編碼,你在全球做生意的時候,都得給自家商品打上合適的編碼,這樣才能方便在世界各國確定關稅、稅率,以及匹配交易地的政策管制。

阿里國際就利用大模型的推理能力,結合實際工作鏈路,不斷探索優化。

如今,藉助 HScode Agent,跨境商家們的 HS Code 填寫準確率提成了 23%。

還有一個在線招商 Agent,目前也成了小二們的日常工具。

它利用大語言模型推理能力,大大提升檢索效率,招商有效郵箱獲得率比人工查找提高了四分之一。

當然了,除了這些 Agent 以外,還有積累了33種語言共約10億+高質量雙語句對的專業翻譯大模型;可以一鍵給模特穿上自己的衣物,大大節省了真實拍攝的時間和成本的虛擬試衣功能;至於一鍵換膚、一鍵生成商品標題、詳細描述啥的,都不在話下。

凱夫向我們透露,阿里國際關於 AI 的平均日調用量已經突破 10 億次,而且這個數字在去年 7 月是 5000 萬,在 2023 年更是隻有 100 萬次,短短 2 年時間足足增長了 1000 倍,上漲的速度基本上是兩個月翻一番的節奏,大大超過隔壁小黑胖的尿酸指標增長速度了。

在我們看來,有這麼高的驚人增長速度也很合理,畢竟,阿里國際現有的 AI 工具,可以說基本覆蓋了整個國際電商的全流程。

這種有手就行的感覺,着實可讓不少阿里國際的商家爽到了。

而且數據顯示,AIB 所提供的 AI 能力,可以幫中小企業解決 60 多個電商場景中遇到的問題,並在不同環節,帶來最高 30% 的顯著提升,越是中小企業,越能從 AI 的應用中獲益

隨着阿里國際不斷根據行業情況,充分結合如今大模型的能力,做出的各類工具切切實實地幫助商家們實現了降本增效。

隨着在商家圈口碑的不斷髮酵,阿里國際電商平臺的 AI 使用量可不得坐上直升機嗎。

總的來說,自從 2022 年底 Chat GPT 的爆火,已經過去足足 3 年半時間了。

大模型已經在各行各業開始展露自己的威力,差評君在這幾個月,也密集地參加了很多行業的 AI 進化之路。

如果說這三年多,我們見證了 AI 從一個令人驚豔的玩具,演變成一個初具規模的生產力工具,可以說大模型已經初步兌現了自己的狀元天賦。

但從 WAIC 上阿里國際等企業的規劃和現實的普及度來看,真正的變革或許纔剛剛開始。

這麼算下來,大模型的火爆也才三年多,可以說這場 AI 帶來的變革風暴遠比你我想象中的迅猛。

或許只需再給他三年, 它就已經能從“提效工具”,變成像內燃機、電腦和電一樣,深度重塑每個行業的基礎設施。

撰文:八戒

編輯:江江 & 面線

海量資訊、精準解讀,盡在新浪財經APP

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10