（原标题：容联云从“理念”到“实施”，大模型应用“新标杆”）

出品 | 子弹财经

作者 | 白华

编辑 | 闪电

美编 | 倩倩

审核 | 颂文

在刚刚落幕的2024世界人工智能大会（WAIC）上，中国大模型应用如井喷般涌现，演了一场“上新盛宴”，不仅在应用落地上遍地开花，展现出令人瞠目的多元化与繁荣，更在技术上锋芒毕露，以势不可挡之势向全球发起冲锋。在此，我们看到了中国科技创新的磅礴力量，正重新定义全球AI版图！

例如网易展示了基于“易生诸相”大模型，多模态智能体助手“丹青约”全面升级；蚂蚁带来了百灵大模型的最新研发成果，多模态能力全面提升；百川智能则带来了全新的AI医疗应用——AI健康顾问；学而思携九章大模型、学而思学习机两大主打产品亮相......

其中，7月6日的WAIC上，容联云也成功举办了主题为“数智聚合 产业向上”的生成式应用与大模型商业化实践论坛。

容联云发布了容犀智能大模型应用升级，覆盖了从营销、销售、服务到企业业务的核心场景，为企业打造全面、高效的营销服务智能化生态系统。同时，现场还发布了大模型赋能下的以客户为中心的运营中台ELITE MOS，为企业提供更精准的决策支持与营销策略支持。

这标志着大模型应用落地的标杆再添一例。

作为云通讯领域的资深先驱，容联云早已毅然踏上智能化征途。

那么，随着大模型的不断进步和市场扩大，容联云在智能化方面还有怎样的战略布局？大模型具体如何落地到企业营销、销售、客户服务等场景？未来将如何继续深耕，为更多企业带来更加高效、智能的解决方案？

1、大模型生成式应用元年已至，挑战仍不断

2024年大模型生成式应用的元年已至，其发展呈现出多元化和深入化的趋势，已在多个行业及场景落地。助力企业重塑关键业务场景，推动了业务流程的革新。

例如在企业内部场景，主要是在研发、运营、资产管理和合规等关键领域；在企业外部场景则主要智能营销、智能销售、用户运维、智能客户服务等领域。

此外，还有自动代码生成、虚拟助理、计算机辅助艺术和摄影、视频和音频制作以及写作助理等领域，也都将成为大模型的重要应用场景。这些领域的发展，将进一步推动大模型软件市场的增长。

（图 / 摄图网，基于VRF协议）

据Omdia《人工智能软件市场预测》报告，生成式AI软件收入自2023年起将以53%的CAGR激增，至2028年市场规模将突破580亿美元。2024年，GenAI软件收入增长率更是预计飙升至124%，远超先前预期。

「界面新闻·子弹财经」发现，大模型的生成式应用正逐步融入医疗、金融、制造业等各行业的自动驾驶、个性化营销、智能客服等领域，通过微调、集成与行业定制，精准对接企业需求，实现AI技术从“云端”到“实地”的跨越。

正因为提前洞察到，大模型将带来技术性的革命与新时代浪潮，容联云早就以其深厚的技术积淀和前瞻布局，力求破局。

在2023年7月，容联云就发布了面向企业应用的垂直行业多层次大语言模型“赤兔大模型”，比较早的跟进技术，并聚焦金融行业进行落地。

“深入行业应用一年后，我们在感叹新技术应用的同时，也发现面临着很多问题。”容联云产业数字云VP兼诸葛智能创始人孔淼坦言。比如真实沟通场景的幻觉控制问题，大模型的算力成本问题，以及新技术融入企业业务流程里面的改造和管理成本等问题。

孔淼介绍，尤其是和金融客户讨论大模型落地过程中发现，大模型仅有智能化能力还不够，因为最后面向企业时，他们并不是需要新的技术颠覆原来的业务，而是需要用新技术改造原有的业务流程。这个改造既要兼容旧的流程体验，也要融合新的流程体验。“所以我们在新的大模型背后还要替客户考虑更多，它背后还有海量的工程要做。”

容联云大模型产品负责人唐兴才也表示，大模型应用落地时经常面临落地周期长、资源消耗大、效果评估难等行业共性问题。

这也表明，大模型作为一种技术本身，并不能直接助力企业前进，企业真正需要的是基于大模型构建的产品或应用。那么，企业应当如何有效运用这一新兴技术，实现应用的成功落地，从而切实提升企业的价值呢？

2、实战落地：容犀智能大模型应用五大升级

市面上很多厂商目前都在卷大模型，或是把应用做得很薄，只是在大模型上面做所谓对话机器人，但这样的产品在企业真实使用时，回答准确率、业务提效率并不出色。面对这些问题与挑战，容联云如何避免“薄应用”陷阱，构建深厚、高效的生成式应用体系？

7月6日，容联云发布了容犀智能大模型应用升级，该系列应用包括容犀Agent Copilot（容犀AC）、容犀Knowledge Copilot（容犀KC）、容犀Coach Agent（容犀CA）、容犀Insight Agent（容犀IA）和容犀Virtual Agent（容犀VA）等，覆盖了从营销、销售、服务到企业业务的核心场景，为企业打造全面、高效的营销服务智能化生态系统。

以容犀KC和容犀IA的产品功能及效果为例。

容犀KC旨在重塑复杂的知识管理与应用流程。通过深度集成大模型技术，高效运行知识库，为企业用户提供前所未有的产品管理体验，极大地简化了知识处理的复杂性。可以实现知识构建成本十倍的下降，同时知识的应用效率从原来非常复杂的客户等待几十秒分钟级、实现提升到3—5秒。

孔淼表示，在企业内部知识管理的实践中，主要面临四大难题：一是构建成本高，传统知识库的构建高度依赖训练师的手工整理和录入，这一过程耗时费力，成本高昂。二是检索效率低下，现有的知识库系统多基于关键字匹配，缺乏对知识内容的深入理解，导致检索速度慢、准确率低，难以快速响应客户需求。三是优化难度大，在客户访问过程中，难以有效收集并利用用户反馈来优化知识库内容和检索效果，形成闭环优化的机制缺乏。四是应用场景局限，面对复杂多变的业务场景，传统知识库难以提供精准、高效的回复支持，影响客户服务体验。

而容犀KC作为一款创新的知识管理解决方案，可以显著降低管理成本，提升知识应用效率。

第一步，一键生成与智能拆分，实现从训练师到知识库管理的一键化操作，利用大模型自动拆分知识片段，进行语义切分，极大地降低了构建成本。

第二步，多模态向量化处理，对文档中的文字、图片等多模态内容进行向量化处理，提升知识库的智能理解能力，确保检索的准确性和速度。

第三步，大模型+RAG技术融合，在人工客服场景中，采用大模型结合RAG（Retrieval-Augmented Generation）技术，不仅能够理解用户上下文，还能快速定位并生成精准回复，保障服务的高效性和专业性。

第四步，数据飞轮优化机制，构建用户反馈驱动的数据优化循环，根据用户实际使用反馈不断优化数据和模型，实现知识库的持续迭代升级。

通过容犀KC，企业可以构建一个高效、智能、可优化的知识管理体系，为提升客户服务质量和运营效率提供有力支持。

而容犀IA则引入了智能体技术，将传统的会话洞察推向智能化新高度。不同于以往的事后分析与处理，容犀IA能够实时利用大模型的智能意识，深入理解会话内容，挖掘潜在需求，诊断服务流程，为营销策略的制定提供精准推荐，实现了从被动响应到主动优化的转变。

根据与客户合作的效果来看，容犀IA可以实现营销转化率5%—8%的提升，客诉率10%—30%的下降，优化我们体验和服务的质量。

过去，客户对于会话的洞察主要聚焦于会话的标注与BI分析之后的执行与评估，然而，会话数据中蕴藏着丰富的价值，直接映服务短板与资源低效利用的问题。当前，人工抽查虽精准却受限于全面性和效率，而小模型训练的高成本亦不容忽视。容犀IA应运而生，它以智能体的形式，旨在重塑并增强企业的核心竞争力。

孔淼在活动现场展示了实现路径：“首先，我们通过Prompt明确业务目标，随后采用多Agent协同策略，不仅辅助优化业务流程，更在工作台内敏锐捕捉潜在需求与客诉先兆。每一环节，均依托Agent的智能力量得以实现。”

以潜在需求挖掘的Agent为例，该智能体依托大模型构建，其运作模式宛如拥有记忆与规划能力的大脑。它能够从记忆中提取理解目标，规划行动路径，并借助各类工具执行具体任务。这一范式颠覆了传统软件模式，实现了端到端的自动化工作流程优化，是业务服务领域的一大革新。

容犀CA在模拟对话与陪练领域展现了其独特的魅力。它利用Agent的强大能力，结合大模型对真实会话的学习，生成高质量的陪练对话，极大地提升了训练过程的真实性与有效性。

刚刚升级的五款系列产品，其背后是容联云构建的坚实模型底座——一个融合了大型模型（如赤兔大模型）与模型管理模块的生态系统。该系统不仅支持多种主流模型（如智普、千问等）的适配，还配备了丰富的工具集，以满足多样化的需求。

3、聚焦场景：做透、做深“营、销、服”

在容犀智能大模型系列应用落地场景的选择上，容联云并没有“面面俱到”，而是专注营销、销售、服务等场景。

据悉，大模型在“营、销、服”行业的应用场景有20+，而容联云选择聚焦业务价值高、技术可行性强的四大业务应用场景。其中在营销场景中，容联云已经围绕大模型结合各行业进行了很多的探索。

以金融营销业务为例，优秀的营销话术能够有效提升业务转化率。但是，传统话术库是靠主管听完大量录音后总结话术给到营销员，这种方法费时费力，且不能穷尽和全面获得金牌策略。虽然之后引入了小模型AI算法提取话术，解决了量的问题，但因为算法缺乏业务经验和对话术有效性的判断，质量受限。

唐兴才以保险这一金融细分行业的具体案例为切入点，进行了深入分享。保险行业每天承载着大量的电话交互，包括400呼入及电销外呼，产生了海量录音文件。以往，这些录音主要服务于话务量的统计分析，如通话次数与时长，却忽视了其内在蕴含的丰富价值——潜在需求、投诉预警等宝贵信息。受限于技术与产品能力，这些深层信息往往难以被有效挖掘和利用。

问题的症结在于两方面：一是录音数量庞大，人工处理效率低下且难以覆盖；二是人工分析缺乏标准化流程，难以保证高效与精准。相比之下，采用模型理解录音内容则展现出显著优势，能够深入挖掘客户需求、预测投诉倾向、识别服务断点等，为提升服务质量、优化产品与增强企业竞争力提供有力支持。

具体而言，通过模型分析，容联云可以及时捕捉客户的潜在需求与不满情绪，这些信号往往早于正式投诉出现，为企业提供了宝贵的反应时间。例如，客户可能对保单续期政策表示不满，若能在其转化为正式投诉前发现并妥善处理，将极大减轻客诉压力。同时，模型还能学习并提炼优秀座席的应对策略，为面对类似情况的客服人员提供建议与指导，进一步提升客户满意度。

唐兴才在活动上强调，在实际应用中，某客户采用A100卡处理每日上万会话，配合14B参数模型，不仅实现了效率20倍的提升，还成功降低了约10%的潜在投诉率。更为重要的是，大模型能够精确指出客户对产品特定方面的反馈，为企业产品改进提供了明确方向。

尽管大模型很火，但从入局到真正落地，并规模化地推向市场，其间难度不小，合格的玩家也不多。经过一年多的打磨，容联云的大模型生成式应用已从概念跨越到实践，在多行业多场景进行了落地，真正在应用层面“秀出了肌肉”。

未来，容联云会持续深耕“通讯+智能+数据”领域，帮助企业构建更加智能化、高效化的“营、销、服”生态系统，推动整个行业的数智化转型。

*文中题图来自：摄图网，基于VRF协议。