由大模型引发的技术变革正在快速推进。在这场旷日持久的大模型竞赛中，无论是数量还是技术水平，国产大模型与海外的差距正在逐步缩小。

截至2023年10月，国内大模型数量已达到238个。另据SuperCLUE发布的中文大模型10月排行报告，国内第一梯队大模型格局基本形成，部分中文大模型已经与GPT-3.5极为接近。

行业普遍认为，国产大模型基础层内卷即将进入收敛期，下一个关注点是AI原生应用。

AI原生应用的爆火，最初是以C端生产力工具的形式出现在大众面前，以内容生成为核心场景。相比之下，企业用户的需求，并不局限于单一场景，甚至需要AI贯穿到整个工作流程，提供组织协作功能，涉及数据、权限等多方面管理问题，复杂程度远超C端产品。

企业级AI原生是否出现？什么是企业拥抱GenAI的最佳路径？

一、国产Copilot起步

在企业落地大模型的各种模式中，和动辄百万起步的私有化部署相比，Copilot被认为是适合多数企业快速落地且最经济的方式。

作为Copilot风潮的海外引领者，微软先是联合行业领先大模型获得技术上的先发优势，同时凭借Windows11、Office 365、Bing、Edge等产品矩阵，切入高频应用场景，顺理成章地打通了商业化闭环。每人30美元/月的定价虽超出各方预期，仍获得企业用户的积极反馈。

在2024财年第一财季财报的电话会议上，萨提亚·纳德拉表示，40%的《财富》百强企业已经使用引入Copilot功能的Microsoft Office软件。

前段时间，微软将在中国大陆企业和教育机构推出名为Copilot的Web AI聊天功能的消息被辟谣。后经证实，该功能在中国（不包括香港特别行政区和台湾地区）和俄罗斯不可用，但支持简体中文与俄文。至于何时能进入中国市场，目前仍是一个未知数。

在微软Copilot摸索出成功路径之后，部分国内服务商也开始以不同的方式引入Copilot。

第一种：在现有产品的基础上添加Copilot功能，如金山办公；

第二种：在添加Copilot功能的同时，吸纳其他AI应用，丰富自身生态体系，如百度、钉钉等；

第三种：一站式、跨平台第三方Copilot，可集成到企业各个工作场景，如明略科技推出的小明助理Copilot。

相比前两种，以小明助理Copilot为代表的第三种形态在基础层、产品形态等方面都有着显著差异。

在基础层，采用多种大模型聚合的模式。在各家大模型技术此消彼长，飞速变化的当下，为了避免企业使用单一大模型的不稳定风险，同时在不同业务场景、不同任务下，调用更加适配的大模型，小明助理Copilot集成多种主流大模型，包含各种文本大模型、图像大模型，以及明略大模型。

其中，明略大模型是明略科技对不同行业的数据进行定制化训练自研的大模型，在营销文案生成、文案打分、营销圈层互动、数据分析等多个营销场景，结合旗下秒针系统数据训练优化过的模型/Agent，为营销人提供专业、精准的大模型工具。

在产品形态上，理念是Copilot Everywhere。以浏览器插件为主要形态，可以根据企业应用场景，提供移动端、企微侧边栏、工作流系统集成等灵活形态，实现跨平台、全平台的Copilot使用体验。

二、“人”依然是关键

不少企业在应用大模型时表示，大模型的通用能力强，但在具体业务场景下难以给出好的答案。抛开技术层面的讨论，Copilot副驾驶的定位，意味着人机协同的运转，仍离不开“人”驾驭新技术的能力。

一方面，Copilot的落地效果，考验着每一位员工的提示词工程能力。提出什么样的问题，决定了大模型能力发挥的上限。

另一方面，推动Copilot从个人生产力工具转变为组织生产力工具的核心在于on the same page，也就是说，需要组织内部把各个员工对业务的理解、对需求的认知，拉齐到同一个水平线。

一般情况下，企业在AI应用获得的反馈，来自于大模型自身数据集或联网搜索。实际上，在具体任务中，由企业主动提供知识，可以得到更加符合企业诉求的结果。在明略科技的小明助理Copilot中，on the same page理念，是通过分享优秀的Prompt模板给不同团队和个人，以及上传文档形成知识库等形式实现的。通过阅读企业提供的文档，或与员工当前工作的页面产生交互，Copilot可以辅助员工理解任务，并根据员工的提问输出对应的结果。

行业人士认为，在企业落地Copilot的过程中，如果仅仅依靠少数的大模型专家思考如何应用，大模型所能发挥的作用较为有限。当企业调动组织全员，激发集体智慧，则会实现1+1＞2的效果。所以大模型的落地并非技术本身的单一维度，还需要组织人才与技术不断磨合。

除此之外，还有一个途径是把成熟的方法论和流程凝结成一系列Agents。

明略科技高级副总裁、大模型产品负责人孙方超在2023营销科学大会表示，“当你使用Prompt和大模型交流时，大模型相当于你的助手，通过对话（Chat）的方式进行交流；当你使用大模型驱动的Agent时，大模型相当于大脑，基于某一项工作任务拆解。例如，通过搭建营销Agent，我们可以实现知识库外挂，调用企业内部的知识，输出更准确的洞察。”

明略科技目前已搭建一些营销Agent。Content Agent可以调取大量的社媒数据及社媒专有知识。例如，输出小红书文案时，可综合考虑这一季流行的是多巴胺还是美拉德，这一季需要面向的圈层有哪些，消费者在关心哪些热词。Knowledge Agent可以解决传统知识库答不准、答不好的难题，简单快捷地从知识库里抽取出想要的知识点。

三、不可忽视的数据安全

无论是通过Prompt还是Agent的形式，一个共识是企业数据资产的重要性正愈发凸显。

明略科技CEO吴明辉认为，“企业要用好大模型，首先要解决内部知识积累的问题。如果现有的数据与知识，大模型全都有，那么企业未来很难有大的价值。”这也带出了企业在大模型落地前的另一隐忧——数据安全。

针对部分大模型应用产品的隐私门事件，今年7月，《生成式人工智能服务管理暂行办法》出台，对相关数据乱象和知识版权问题予以约束。企业的数据资产保护与安全意识也随之提高。

除了借助数据加密、数据脱敏等技术以外，小明助理Copilot面向对数据保护要求较高的企业、行业提供了私有化部署方式，所有数据都可以沉淀在企业自己的服务器上。

明略科技认为，不同类型企业的数据安全需求，存在与之适配的解法。从企业数据商业机密的高低、推理复杂度的高低两个维度来看，可以分成四个象限，企业可以根据自身情况选择最佳方案：

若商业机密低、推理复杂度低，无论调用在线大模型还是私有化模型，建议企业以成本为中心，选择高性价比方案；

若商业机密低、推理复杂度高，企业可以放心调用在线大模型，选择技术实力强、切合自身需要的大模型产品；

若商业机密高、推理复杂度低，建议企业选择私有化模型进行调优，在私有云上调用；

若商业机密高、推理复杂度高，需要复杂的人类智力活动，企业可借助第三方做好数据脱敏后，再进行高级推理。

尽管大模型步入工作生活仅仅一年，但已经成为企业一号位ToDo List中的重要任务。据工信部赛迪研究院数据，今年我国生成式AI的企业采用率已达15%，市场规模约为14.4万亿元。赛迪顾问预测，2035年我国生成式AI企业的采用率将达到约85%。

当前人机协同正处于重要磨合期，Copilot的意义在于让企业先行使用大模型，提升组织在AGI时代的协同能力。正如Sam Altman所说，“Move fast. Speed is one of your main advantages over large competitors.”快速响应变化者，将更快与竞争者拉开距离。