生成式AI的高速發(fā)展，不僅持續(xù)驅動著大模型本身的變革，更為各行各業(yè)創(chuàng)造了無數(shù)令人激動和無限想象的空間。

在生成式 AI 的驅動下，實時互動體驗正在邁向一個全新的高度。

企業(yè)新的競爭力=基座模型+組織+數(shù)據(jù)資產(chǎn)+業(yè)務場景。

AI 社交將成為社交新方式的補充。

IM產(chǎn)品有望借助大模型的能力，滿足用戶對社交產(chǎn)品的期望......

從情緒價值到新質生產(chǎn)力、從社交新方式到社交新構想。一場圍繞 AI 自身進化與賦能的 RTE2024 AI 專場10月25日在北京成功舉辦。聲網(wǎng) AI RTE 產(chǎn)品線負責人姚光華、阿里云智能集團 通義千問高級產(chǎn)品架構師辛曉劍、智譜解決方案負責人吳同、MiniMax 商務總監(jiān)王蘇、Soul App AI算法技術總監(jiān)劉忠亮、環(huán)信 IM 產(chǎn)品負責人王璨等嘉賓齊聚一堂，分別站在RTE行業(yè)、大模型廠商、B端以及C端視角，帶來了他們對AI大模型發(fā)展的分享和預判。

實時互動進入AI+RTE的全新時代

作為離生成式 AI 最近的行業(yè)，實時互動正在邁向一個全新的高度。在RTE2024 AI 論壇上，聲網(wǎng) AI RTE 產(chǎn)品線負責人姚光華表示，在生成式AI的驅動下，實時互動帶來的體驗上將從“聽得到”到“聽得清”到“聽得懂”再到今天的“聽得心”，產(chǎn)品技術上也將完成從QoS、QoE到 MM QoE的標準革新。

圖：聲網(wǎng) AI RTE 產(chǎn)品線負責人姚光華

據(jù)介紹，2014-2019年期間，聲網(wǎng)專注于使用技術手段提升服務質量（QoS），聚焦確保文本、音頻和視頻等多模態(tài)內容能夠進行高保真?zhèn)鬏?，進而利于終端用戶進行內容消費，這一階段被稱為“SLA時代”。從2020年起，聲網(wǎng)的產(chǎn)品從RTC轉變成了RTE，重心從也服務質量轉向了體驗質量（QoE），并在2020年提出了“XLA”。在XLA時代，聲網(wǎng)更關注用戶在使用服務時感受到的流暢性、延遲和清晰度（音質、畫質）等體驗因素。

姚光華指出，實時互動正在進入AI+RTE的全新時代，生成式AI技術將實現(xiàn)跨模態(tài)的數(shù)據(jù)傳輸與體驗優(yōu)化。在未來的跨模態(tài)的 MM QoE，我們將看到音頻、視頻、文本模態(tài)互相轉換成為可能。多模態(tài)交互和生成式AI技術的結合，將徹底改變用戶的內容消費的體驗方式。

從行業(yè)的情況來看，生成式 AI 時代的到來已經(jīng)不同程度上刺激了需求的暴增，具體的需求內容也 RTE 轉變成了AI+ RTE。據(jù)姚光華介紹，為了攜手各行各業(yè)共創(chuàng)AI+ RTE未來，聲網(wǎng)也正式推出了業(yè)內首個、為大模型設計的人類意圖預測產(chǎn)品——Human Intention Prediction，其產(chǎn)品矩陣也逐漸演進到包含AI Streaming Service、Linux Server SDK for AI 以及 HIP（Human Intention Prediction）在內的基建、核心產(chǎn)品、核心服務、對外API的組合形態(tài)。

通義、智譜、MiniMax：大模型廠商談企業(yè)級落地

自ChatGPT發(fā)布以來，全球大模型廠商的發(fā)展就邁入了百花齊放、你追我趕的歷程。放眼國內市場，以通義、智譜、MiniMax 為代表的大模型廠商在技術創(chuàng)新與場景落地上的探索也在持續(xù)。

論大語言模型的發(fā)展速度，通義算得上首當其沖。自從阿里云發(fā)布“通義”系列模型以來，其就以驚人的速度屢次刷新行業(yè)認知。2024年9月推出了新一代模型——千問2.5，千問2.5也成為了整個開源應用技術最為廣泛的模型之一。據(jù)悉，通義在很早之前就已經(jīng)開始布局多模態(tài)，尤其是視覺多模態(tài)領域。不僅推出了包括音頻理解、視頻生成在內的多個大模型，還在模型基礎之上，拓展了對話機器人等大模型原生應用。

阿里云智能集團通義千問高級產(chǎn)品架構師辛曉劍表示，通義的強大不止表現(xiàn)在大模型本身，在圍繞企業(yè)級落地層面，通義千問也有著自己獨特的優(yōu)勢。他指出，架構是否安全可信、效果如何優(yōu)化、成本如何降低是大模型在企業(yè)級落地方面存在的普遍問題，針對這些問題，通義有著自己獨特的解法。

圖：阿里云智能集團通義千問高級產(chǎn)品架構師辛曉劍

在安全問題上，辛曉劍從內容安全、傳輸安全、數(shù)據(jù)存儲安全三個方向進行了解讀。內容安全上，通義千問會在模型訓練環(huán)節(jié)就把原始訓練語料里偏違規(guī)、有害的內容去除，并在訓練后期用 強化方式做偏好對齊。此外，千問還會通過內容安全的產(chǎn)品去做輸入/輸出的安全內容攔截。傳輸安全上，通義千問不僅采用了私網(wǎng)隔離的內容傳輸方式，還結合了其他內容加密形式以保證傳輸?shù)男始版溌钒踩?shù)據(jù)存儲上，通義千問還增加了一個審計環(huán)節(jié)，用于保障端到端的傳輸安全。在效果以及成本優(yōu)化上主要有兩點，混合數(shù)據(jù)訓練的方式將帶來更顯著的微調能力提升，按 Tokens 計費的形式也進一步降低了推理應用成本。

智譜解決方案負責人吳同也認為，大模型時代下，企業(yè)新的競爭力=基座模型+組織+數(shù)據(jù)資產(chǎn)+業(yè)務場景。大模型將在企業(yè)降本增效、構建新的產(chǎn)品和競爭壁壘層面發(fā)揮不可或缺的價值。

圖：智譜解決方案負責人吳同

據(jù)悉，智譜已經(jīng)形成了包括語音大模型、代碼大模型、多模態(tài)大模型和超擬人大模型在內的智譜大模型矩陣，其全產(chǎn)品矩陣可以對標 OpenAI。

吳同介紹到，為了讓更多企業(yè)在使用通用模型之外能更好的進行微調，智譜發(fā)布了新一代MaaS平臺，客戶僅需準備訓練數(shù)據(jù)、創(chuàng)建微調任務、部署微調模型三個步驟就可以輕松完成模型微調。另外，智譜還發(fā)布了一款面向企業(yè)的AI Agent開發(fā)工具——智譜清流。智譜清流基于智譜全自研大模型架構底座，孵化企業(yè)級大模型Al應用開發(fā)平臺，整合了多Agent的構建、工作流編排設計、開發(fā)、使用和管理，及知識沉淀功能，使得企業(yè)能夠迅速定制企業(yè)級AI Agent，讓企業(yè)無需專業(yè)編程即可快速構建高效行業(yè)應用，推動業(yè)務智能化和效率提升。

除了通義、智譜之外，MiniMax 也面向企業(yè)客戶推出了大模型應用解決方案——MiniMax 開放平臺，為企業(yè)和開發(fā)者提供安全、靈活、可靠的 API 服務，助力快速搭建 AI 應用。MiniMax 商務總監(jiān)王蘇介紹到，除了MiniMax 開放平臺之外，MiniMax 還為企業(yè)級用戶打造了專屬的云上專區(qū)，為企業(yè)提供安全性及整體維度上的保障。

據(jù)介紹，MiniMax成立于2021年12月，是一家專注于推動通用人工智能技術突破的科技創(chuàng)業(yè)公司，致力于與用戶共創(chuàng)智能。MiniMax 自主研發(fā)了不同模態(tài)的通用大模型，其中包括萬億參數(shù)的 MoE 文本大模型、語音&音樂大模型以及圖像、視頻大模型?；诓煌B(tài)的通用大模型，MiniMax還推出生產(chǎn)力工具海螺AI、沉浸式AI內容社區(qū)星野等原生應用。

圖：MiniMax 商務總監(jiān)王蘇

Soul App、WPS： AI賦能 C 端場景探索無限可能

在AI的賦能之下，C 端應用又發(fā)生了哪些實踐與革新呢？Soul App AI 算法技術總監(jiān)劉忠亮和金山辦公 WPS會議 產(chǎn)研負責人吳偉濤分別從社交和辦公的角度，為我們解讀了C 端場景下，AI 所帶來的無限可能。

在社交層面，劉忠亮認為，未來一定存在AI社交的必然。在傳統(tǒng)關系鏈接方式減弱、個體原子化的趨勢下，AI將成為社交新方式的補充。對象多元化會讓人會更注重情感質量，AI將更高效、更高質的提供情緒價值?？萍计栈輰⒆孉I社交的成本急劇下降，AI可以為用戶提供更個性化、更定制化的服務。 在這樣的社交趨勢洞察下，Soul 在AI方面的探索一直走到前列。

圖：Soul App AI 算法技術總監(jiān)劉忠亮

據(jù)劉忠亮介紹，自Soul 的AIGC研發(fā)工作啟動以來，Soul X 垂類多模態(tài)大模型就持續(xù)在超人化、情感化、個性化和多模態(tài)方向不斷升級迭代。值得一提的是，Soul 自研多模態(tài)交互系統(tǒng)升級到第二代后，該模型就擁有了類 GPT-4o 端到端實時音視頻通話能力，且擬人化大幅度提升至接近真人程度。得益于聲網(wǎng)RTC搭建的全雙工架構，第二代自研系統(tǒng)可以實現(xiàn)用戶側端到端的延遲平均1.4秒，最快僅需1秒的效果。

劉忠亮表示，Soul未來在應用探索上將主要圍繞人機協(xié)同和人機互動兩大塊。人機協(xié)同上，不擅長聊天破冰的用戶可以借助Soul提供的AI聊天助理、AI分身等，更好、更快的聊起來，高質、高效的建立關系。人機互動上的探索主要集中在社交類、游戲類以及智能伴侶、智能房主等智能體上。

AI的大有可為不僅僅局限在社交領域，在辦公協(xié)作上，WPS會議也在不斷深挖AI能力，并用其驚人的能力表現(xiàn)為辦公場景提質增效。金山辦公 WPS會議產(chǎn)研負責人吳偉濤表示，目前大語言模型賦能在線會議的主要路徑是將會后音頻錄制、會中實時音頻通過離線/實時ASR模型轉換為轉文本信息，再利用LLM能力進行文字處理，最終轉換為我們所看到的會議總結、智能章節(jié)、待辦提取、發(fā)言人觀點的提取等。

據(jù)悉，WPS會議在實踐過程中已經(jīng)支持云錄制、AI智能章節(jié)、AI精華紀要、對話詳情、智能問答等功能。為了讓在線會議更輕松的被發(fā)起，WPS還在去年發(fā)布了全新的WPS 365辦公新質生產(chǎn)力平臺，并提供了WPS協(xié)作、WPS日歷、WPS云文檔、WPS郵箱在內的工作臺，讓使用者在這些場景下都可以做到輕松發(fā)起一場會議，會議的信息也可以在這些應用場景底下很輕松地流轉和訪問。與此同時，WPS 365辦公新質生產(chǎn)力平臺還為企業(yè)提供了各種可靠的方案，幫助他們完成靈活的部署。

吳偉濤認為，AI驅動會議協(xié)作應用場景未來的發(fā)展趨勢是，大廠發(fā)揮平臺作用，做好基礎功能、開放能力和生態(tài)。小廠依托平臺的開放能力，深入垂直場景，實現(xiàn)AI增值。

圖：金山辦公 WPS會議產(chǎn)研負責人吳偉濤

AI如何重新定義即時通訊

作為互聯(lián)網(wǎng)上最為流行的通訊方式，IM 產(chǎn)品在生活中的應用價值無可替代。盡管如此，但IM產(chǎn)品在應用過程中，仍舊存在著諸多痛點。譬如，C端上歷史數(shù)據(jù)利用率低 、未讀消息積壓 、重要信息難以查找 、群組活躍度低等問題。在B端上的主要表現(xiàn)為高人力投入和低運營效率 、內容管控難度大 、跨語言溝通障礙等。

針對這些問題，環(huán)信IM產(chǎn)品負責人王璨認為，在生成式AI時代下，IM與AI的結合一定會帶來更多的創(chuàng)新，并且能夠有效地幫助我們提升溝通效率。

圖：環(huán)信IM產(chǎn)品負責人王璨

在RTE2024 AI論壇上，王璨不僅分享了環(huán)信助力星野業(yè)務成長的案例以及涵蓋云市場、PaaS 服務、應用場景在內的環(huán)信 IM PaaS 開發(fā)工具包，還詳細介紹了環(huán)信借助大模型去解決社交產(chǎn)品C端、B端用戶痛點的解決方案。他指出，在C端的效率維度上，環(huán)信IM借助AI實現(xiàn)了對話摘要、日程安排、消息編寫以及語言翻譯等場景助力。在情感維度，AI還可以實時提供表情建議、虛擬陪聊以及回復建議等功能。在B端上，環(huán)信IM主要提供了暖場機器人、智能回答、智能推薦、智能管理員等幫助企業(yè)降本增效的選項。

王璨表示，我們完全有理由相信，IM產(chǎn)品有望在未來借助大模型的能力連接數(shù)字世界與實體世界，滿足用戶對社交產(chǎn)品的期望。

從多位專家和從業(yè)者的分享中不難看出，生成式 AI 正在幫助各行各業(yè)的期待從想象變?yōu)楝F(xiàn)實。我們也相信，無論是新質生產(chǎn)力的賦能，還是新社交方式的革新，聲網(wǎng)與 RTE 都將在其中發(fā)揮至關重要的價值，攜手共創(chuàng)新時代的繁榮。