来源：技术领导力
前些日子，谷歌收购了 Character.AI；更早一点，微软收购了 Inflection、亚马逊收购了 Adept…那些曾风头无两的 AI 独角兽公司，仿佛一夜之间光环不再，难以为继，卖身巨头成了他们最终的归宿。国内的情况也同样不乐观，不少被一度看到好的 AI 创业公司纷纷倒下。然而，K 哥却发现，那些深耕垂直赛道、做 To B 大模型场景应用的公司，却逐渐跑通了商业闭环，发展越来越顺利。K 哥有幸访谈了小择智能创始人李国山，通过和他的深入交谈，对这个赛道有了更深层次的认识，也有了不少新启发。相关内容，今天分享给大家。
比技术更重要的是，行业 Know-how
K 哥和国山是多年的旧相识，对他在企业数字化建设领域坚持深耕 10 多年的这份执着非常钦佩。在让国山谈谈对这一领域的理解时。技术出身的他，说出了一个不那么“站”技术的观点：他认为做好企业 IT 服务的关键不在于技术本身，而是对行业的深刻理解和洞见。国山先是回顾了我们这一代 IT 人，在 ERP 领域国产替代那波浪潮中的状态。那时候由于国内相关业务尚未完全成型，所以当时大家不仅要照搬国外 ERP 的系统本身，还要去学人家的管理理念、管理方式、治理决策这些更深层的“Know-how”。在国山看来，当前的状态和当初那个时候有很多相似之处。
根据国山的观察，无论是 ChatGPT 爆火后引发社会关注，还是今年元旦后国内外 AI 应用项目的大规模落地，都充分证明以 ChatGPT 为代表的 AI 新生产力范式已经出现，而这也必将带来了一场效率革命。但和当初的 ERP 替代一样，如今国内的企业 IT 服务领域，并没有成熟的模式和答案，大家都在新浪潮中摸着石头过河。更为关键的是，当前国内企业的发展节奏，要比国外快得多，这就在客观上要求我们要更迫切“死磕”Know-how。要能深刻洞察社会变革的演进趋势，在做好技术迭代、工程控制这些“本分”的同时，研究并掌握新的行业治理、经营管理等层面的变革。国山举了电商的例子，他认为如果从事企业服务，思维还停留在过去几年的电商、移动互联网思维时代，就会很容易感到事倍功半。相反，如果能紧跟 AI 2.0 时代的趋势，围绕着生成式 AI 来打造和升级产品，服务于企业的智能化升级，就能更容易获得产业的认同。
Know-how 重于技术，技术要服务于业务。这是国山结合自己多年企业服务经验，并通过长时间观察思考，得出来的结论。作为技术老兵和创始者，他认为，企业服务不能单纯追求技术本身，而是要以用户需求为中心，提供有价值的解决方案。技术和业务，也不应该是非此即彼的对立面，而是要深度融合，只有这样才能让技术真正解决问题，实现价值最大化。相反，如果不以服务业务为目标，无论技术多先进，都很难真正渗透到社会中去，其价值和影响力都会大打折扣。
因此，国山也呼吁技术人员要不断刷新思维，提高业务敏感度，从根本上正确处理技术和业务之间的关系。同时还希望大家能认识到在新的时代下，掌握行业 Know-how 的重要意义和必要性，当前激烈竞争的环境下，只懂技术已不足以找到一份长期稳定的工作。从长远来看，具备行业 Know-how，才能更有竞争力，也才能为自己创造持续研究技术的现实环境和物质条件。
从“工程师”到“业务操盘手”的华丽转身
做工程师和做管理者的差距有多大？一位好的工程师，就如同拉着马车前行的 8 匹大马中的“头马”，能力最强。而管理者则像车夫，他的视角和头马是完全不同，不仅要关注速度，还要考虑平衡、方向等一系列因素。李国山这位资深工程师，又是如何转变角色，成为驾驭全局的“业务操盘手”的呢？
据国山介绍，之所以有这个跨越，一方面和他上学时就有的“技术改变生活”的梦想志向有关，但更重要的还是源于一个偶然的契机，把他赶鸭子上架，“逼”上了管理岗位。那是他的上一家公司，当时的李国山负责技术和产品平台的运维工作。但一场突如其来的变故，让整个公司的核心团队只剩下他一人能坚守岗位。没有别的选择，此时的国山只能挺身而出挑大梁，担负起了公司的全面管理工作。
起初，临危受命的李国山认为自己不过是顶几天班，但几天后他就意识到，这样的想法对公司对团队来说，是不负责任的，并随即改变了想法，“既然背后没人，我要是仅仅顶班，工作结果会大打折扣，不如转变心态，认真负责到底。”回顾那段经历，李国山深有感悟。他认为，当一个人被推到一个位置时，你只有舍命狂奔，不断学习、不断提高，做最好的自己。这不仅是对个人能力的挑战，更是对心态和意志的考验。尤其是面对新的领域，就像是用快 N 倍的速度在生活，一切都高度浓缩，激动、沮丧、开心、失望都囊括其中。
这段经历带给国山的另一个收获，就是懂得了用结构化的思维方法，将复杂的问题拆解成小块，逐一攻克。而且他还认识到，拆解问题的过程不能仅凭个人摸索，更需要借鉴过来人的经验。这一思维方式，不仅提高了国山解决问题的效率，也加速了他在管理岗位上的成熟和成长。正如他所言，“跳到水里边喝了几口水，然后教练再告诉我怎么样去切分这件事情，怎么样划水，怎么样伸展胳膊，怎么样放松去干，那我还真的慢慢的就能摸到里边的关键。”有了这层认知，国山从“工程师”到“业务操盘手”的转变，也就此迈入了正轨。
被低估的赛道：大模型 To B 应用
在这一轮 AI 浪潮中，似乎整个业界关注的焦点都是基础大模型、AI 的 C 端应用场景。一时间能写诗会画画这样的“才艺”，让大模型抢尽风头。但作为资深 IT、以及多年的企业管理工作者，K 哥反倒认为，AI 大模型最不应该干的事情就是写诗画画，真正属于他们的应用场景应该是在 To B 端，借助 AI 提质增效、业务模型创新。大模型应该作诗还是应该做事？在这方面，国山的观点和 K 哥非常一致。他也坚信大模型 To B 大有可为，会有更大的发挥空间。并大力践行，躬身入局，一手创办了小择智能。
李国山的创业之路始于 2022 年年终。那时他和团队在智能制造领域取得了阶段性成果，准备开启新的业务。凭借在企业服务的丰富经验，他们把目光放在了数据分析、BI、深度智能等方向上。在探索的过程中，李国山注意到了生成式 AI 的震撼力和惊人潜力，并敏锐地发现，这一新技术生成式 AI 的能力远远超出了传统的固定格式、程式流程规范之外的能力，它更像是一个能理解和创造的“人”，因此具备了强大的 “预测分析”能力，而这些能力恰恰对企业信息化和智能化，至关重要。
关于 AI“惊人”的理解力，国山举了一个自己身上的小例子。他平时有随手记灵感、写大纲的习惯。往往是有了想法，随手写几个字或一句话备忘，其逻辑性、条理性和完整度都是远远不够的。有一次，国山试着直接把这些“零散”的备忘信息，丢给了 AI，没想到 AI 竟然 get 到了他的意思，把他散落在备忘信息中的意图，“拼凑”了个十之七八。
这种强大理解力，直接应用在为企业赋能上，当然也是效果非凡。他们有个客户是做旅游线路的产品设计批发的，因为涉及签证、交通认证、酒店餐饮、本地化服务等多种事宜，该公司需要组建大量的销售团队，来响应用户的各种需求和咨询。在用户回复的“尺度”把握上，旅游公司也很头疼，因为虽然有让销售人员参考的“话术”，但在回答客人时，也需要一定的“灵活度”，而不能简单的照本宣科。为此这家公司还要不断投入大量的培训，整个销售团队规模，一度超过 300 多人。
后来，这家企业用上了小择智能的销售助手。这款产品充分利用大模型的理解能力和检索能力，可以更好的理解用户的问题，预测其背后的真实意图，更快更准确地做出回应，大大提高了服务效率。更重要的是，旅游公司还可以提炼出团队中金牌销售们的“业务回答范例”，把它们作为素材“投喂”给大模型，让大模型理解、消化这些最优的回答思路，并切实应用到对客户的回复中，大幅度提高了用户满意度和业务转化率。如今，旅游公司的销售团队大大缩编，只保留了 100 多人就能很好的满足业务需求，大大降低了企业的运营成本，提高了市场竞争力。
小择智能，企业数智化转型专家
在谈到小择智能的定位时，国山的回答充满自信。在他看来，小择智能的定位非常清晰，就是要做 AI 时代的企业赋能者，并成为一家国际化的 top 级品牌企业。国山进一步表示，他的公司将继续以技术和大模型的演进为基础，把 AI 技术深度融入客户的业务场景中，帮助企业实现全面的智慧化升级。在这个过程中，小择智能不仅会为客户提供系统和方案，还提供全方位的 AI 相关咨询，“有点儿类似于 2000 年以后开始兴起的 IBM 那一套咨询+系统”，国山轻描淡写的讲述，却不经意间流露出了对小择智能的信心和厚望。当然，国山的自信跟小择智能自身强大的技术竞争力、雄厚的外部科研团队资源支持有关，同时也跟客户对其产品和服务能力的满意和认可有关。
一个典型的客户案例是某芯片设计企业，该企业拥有一支规模庞大、薪资成本高昂的 IC 工程师团队。在这些工程师的日常工作中，每天大约有 60%至 70%的时间要花费在信息检索上，而实际编写代码的时间仅占约 25%。这一现象在芯片设计领域并不罕见，工程师在编写代码前的确需要确保所有技术细节和参数的准确性，但这样也确实大大影响了工作效率。
小择智能针对这一现象，利用大模型强大的理解和检索能力，开发了一套能够辅助工程师信息检索的系统。该系统通过预先加载芯片设计相关的模块和接口逻辑，当工程师在设计特定模块时，系统能够根据工程师的需求，快速提供相关的技术文档和设计细节。如果工程师需要更深入的信息，系统还能进一步提供详细的针脚和逻辑电路链接等数据。这一过程大大减少了工程师在信息检索上的时间消耗，大幅度提升了代码编写的效率。
小择智能的另一个客户，是南方某城市的数据中心。该数据中心需要处理大量的市民投诉和工单数据。这些数据不仅数量庞大，而且涉及多个领域，如社区问题、建筑安全、以及可能由自然灾害引发的隐患等。传统的数据分析方法耗时且效率低下，需要算法工程师和数据分析师手动提取和分析数据，严重限制了响应速度。为解决这一问题，小择智能通过大模型技术，把复杂的自然语言指令如“请帮我分析一下大雨过后会有哪些隐患”，转化为具体的数据分析任务。这不仅涉及从大量数据中检索和挖掘信息，还包括识别和确定分析过程中的关键要素和指标，从而确保分析的深度和准确性。
聊了那么多关于 AI 的“美好”，K 哥也和国山谈到了大模型目前存在的一些问题。国山坦率地指出，首先是基础大模型的能力提升速度，并未达到预期，这就很大程度限制了像小择智能一样，定位于应用层面的企业的创新和效率提升。其次，中间件和服务平台的成熟度，也直接影响了应用层的实施效率和服务质量。
虽然有这样那样的问题，国山还是很乐观地展望了未来：他期待未来能够看到像 OpenAI GPT-5 这样的新一代模型，它们不仅能够提供更好的 C 端体验，也能在 B 端服务上展现出更高的服务质量和效率。同时，在应用层面，国山也希望应用团队可以更深入地理解客户的业务需求，在更广泛的业务场景中，充分运用拆解思维，最大程度发挥大模型长处，避免其短板带来的负面影响。
巴菲特说过：“当大潮退去，才知道谁在裸泳”。AI 浪潮来势正猛，尚未褪去，就已经让我们在看到各种可能的同时，也看到了四处散落的泡沫。但李国山却能带领他的小择智能，深耕企业服务，以客户需求为目标，在技术上自我迭代，在认知上与时俱进，最终逆风飞翔，一路成长。祝福李国山和小择智能，祝福那些有担当、有追求、有抱负的创业者们。
添加新评论