大模型落地，从知识管理“助理”开始？

文 | 智能相对论

作者 | 叶远风

在李彦宏喊出要押注“AI原生应用”后，落地已经成为千模竞争下的行业共识。

但具体如何落地、做原生应用，行业内仍然八仙过海各显神通。

落地共识的推动者百度，最近又以一个动作，昭示了大模型场景落地最可能的“先行领域”——针对“泛内容管理”的“助手”类应用。

近期，百度智能云发布基于文心一言的伴随式Copilot——“超级助理”，这是国内首个面向办公场景，结合大模型的开放式浏览器插件。

直观上，这个插件的用途，在于让浏览器产品变得更加“聪明”，能够给用户提供更多的基于智能化能力的自动化辅助价值，比如文章翻译、文案创作、网页总结、知识问答等。

而在其背后，实际上是大模型的本质以及这种本质如何影响到大模型落地。充分抓住了这个本质的厂商，将更值得用户/客户选择。

大模型的本质，决定了“泛知识管理”式场景将最先落地

大模型是走向AGI通用人工智能的重要契机，即以“认知智能”的方式与过去AI深度耕耘的“感知智能”形成互补，让机器既有“大脑”也有“躯干四肢”。

在这个过程中，大模型最本质的意义之一，是在数据成为新型生产资料的情况下，实现了对“数据要素”的充分挖掘，从而获得认知与自主判断能力，可以自动化完成很多工作——就如同人因为不断吸收外界信息、转化成自身认知而有充分的自主性一样。

于是，最接近“数据要素”的领域，将最先体现大模型的“挖掘”价值。

“泛知识管理”首当其冲。

在企业内部，对日积月累的数据信息，对外部市场的各种信息报告进行总结、提炼，辅助业务能力提升，是典型的“知识管理”工作。但很多时候，例如一个在浏览器上寻找各种信息并需要达成某些目的的用户，也是在做着“知识管理”的事。

对广泛信息内容处理要求最为直接和集中的场景，都是“泛知识管理”的囊括范围。

这种场景落地，往往都是辅助性质、赋能性质的，因此常常以“助理”、“助手”等应用形式出现，但其本质更像是请了一个“副手”或者“副驾驶”，有自己的责任模块，不需要人为干涉就能自动化完成很多知识管理的配合工作（Copilot的含义来源就在于此）。

可以看到，百度智能云发布的“超级助理”一方面针对网页上繁杂的信息为生活和工作带来了困扰这个现实，为用户提供智能和高效的浏览器体验；另一方面，实际上这种对内容与信息的挖掘能力本身就契合企业知识管理类工作，可以集成到各类企业业务系统中，因此“超级助理”支持通过插件方式调起、串联多个业务系统，打造企业一站式超级入口，“让每个企业系统都轻松拥有自己的Copilot”。

目前，“超级助理”已经开放公测，用户可进入“百度智能云超级助理”官网下载插件进行安装，也可直接在Chrome、Edge、360浏览器的应用商店搜索“超级助理”安装。

下一步，“超级助理”走入企业将是大概率事件，浏览器插件更像是一个预演。

大模型“助理”价值呈现，遵循知识管理四步骤

用知识管理典型的四项工作来看待所有此类“助理”的价值呈现，关键点就变得十分清晰——从不同价值维度用智能化能力推动自动化工作。

1、前置的知识“入库”过程

海量的内容和信息要等着成为“数据要素”，首先要完成一个整理“入库”的过程。

加工、打标、编目……大模型能力将这一系列工作自动化，大大节约了人力、提升了效率。

“超级助理”提供给用户的有一个特别的能力：当一个求职者面对海量信息和繁琐的求职流程迷茫无助时，可以成为用户的“贴心小助手”，挖掘各种求职信息保驾护航。

例如，当用户想要了解面试公司情况时，“超级助理”能够像侦探一样帮助用户精装找到目标公司、总结相关情况，提供公司的背景、文化、业务等关键信息，让用户做好相关准备。

这背后，实际上就是“超级助理”在无形中已经对所有相关的信息完成了某种打标签的“入库”过程，为用户做好了“全网编目”，等待一个特定目标的匹配。

2、知识提取与挖掘过程

海量的内容和信息，在入库后，需要进行大量的人、项目、合同、事件、名词等的关系、事件知识的提取，将杂乱的内容变成有价值的知识点，去匹配、支撑业务的需求。

在“超级助理”这里，表现为帮助用户将某些内容或信息关联的知识联动起来，提升尤其是日常工作中使用浏览器的体验。

例如，当一个关注运营的用户划选网页中与运营活动相关的黑话（官方演示“从内核到外延”），“超级助理”将基于其知识提取与挖掘，提供通俗的解释：

当“超级助理”已经完成了知识提取与挖掘的工作，用户将可以更快速地获取知识、适应工作，这对很多新员工将十分友好。

3、知识运营过程

知识主题的定义、挖掘、聚合与关联是一件十分考验个人理解的事，而且需要大量的内容与信息浏览、吸收过程。

大模型的介入，让这一过程自动化解决。

如果用户需要精读一份冗长而专业的行业报告，原本需要数小时，现在在“超级助理”的支持下，几秒钟就能一键提取、总结出报告的核心、关键信息，快速吸收一份报告的重要信息，大大节约时间、提升效率，助力业务能力升级。

与此类似，“超级助理”还支持一键生成论文摘要，数十页的专业论文（可以是外文），原本一天时间才能看完，现在十秒就能把作者研究的问题、主要观点以及论文中的闪光点这些“精华”部分都能被捕捉到，帮助用户大大提升阅读效率。

这些Copilot能力的展现，说到底，都基于大模型能够成功做好知识运营，即知识主题的定义、挖掘、聚合与关联等工作。

4、知识创造与改进过程

在知识管理全周期中，除了吸收，用户还需要进行创造，要自主撰写一些工作文档。

这方面，大模型同样能够进行价值覆盖。

例如，当用户需要撰写某个领域的方案时，只是规划一个选题，“超级助理”就能以某种“头脑风暴”的方式给出多个灵感方向，帮助用户举一反三，甚至完成内容的扩写、续写、修改等工作。

可以看到，这其中，内容创造完成后的改进工作，大模型也实现了涉及。事实上，“超级助理”还可以对用户各种形势的文档进行改进，例如对用户的简历提供更有成功几率、更符合目标企业需求的修改建议，提升简历的吸引力。

总的看来，几乎所有的针对内容与信息的大模型“助理”，都离不开知识管理的这四个维度，而能够做好这些能力的产品，无疑将能够全面满足用户需求，更值得用户选择。

知识管理“助理”走入企业实现价值落地，还面临两道坎

在公测后，对“超级助理”的发展，百度方面透露了两个方向：

在能力上，将支持一键生成PPT、一键数据分析等更多功能（本质都是强化知识运营、知识创造能力），最终实现“让智能工作替代勤奋工作”。

在场景上，要“为工业、金融、政务、法律、教育、汽车等行业打造专属智能助理”，即“超级助理行业版”，推动“企业进行智能化升级”。

毫无疑问，“超级助理”将是百度进行大模型价值落地的重要案例。

当下，市面上类似的“助理”产品已经在冒出，而它们要走入企业被最终接纳，转化为商业价值，实际上还面临的两道坎——百度的自信满满，恰恰来自于这两个方面都已经做好了准备。

首先，是无论什么样的大模型产品，其智能化能力表现，或者自动化价值呈现，一定都离不开背后的大模型能力。

产品说得天花乱坠，Copilot的自主性、协同性，最终都依赖大模型这个“脑子”的能力，“够聪明”是基础的要求。

“超级助理”以及未来的各版本背后的重要“智力”支撑，来自于国内领先、国际上有话语权的文心大模型。虽然落地是当下的主旋律，但技术创新始终是一切价值的来源。

然后，作为知识管理应用，各种“助理”在形式上是智慧办公类应用的延展，还必须懂企业实际业务，与企业原本的数字化应用融合。

换言之，这可能并不是一个能够“白手起家”的领域，厂商必须先对企业数字化办公有长期的积淀，才能将一个Copilot无缝融入到业务流程当中。做不好数字化办公，也就一定做不好“助理”类产品。

这方面，百度的信心毫无疑问来自于如流等产品的长期深耕。

当下的百度，以AI、大模型为聚焦，正在集整个集团之经验与能力做好商业落地，这在过去可能是没有过的，也显示出百度未来深耕大模型的决心。

对用户而言，选择这样的厂商来上线“助理”类产品，无疑也是更好的选择。

*本文图片均来源于网络?

#智能相对论? Focusing on智能新产业新服务，这是智能的服务NO.257深度解读

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。

?AI产业新媒体;

?澎湃新闻科技榜单月度top5;

?文章长期“霸占”钛媒体热门文章排行榜TOP10;

?著有《人工智能 十万个为什么》

?【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。