做ToB产品定制开发，要么狠，要么滚！

ToB行业一直有个奇怪的难题

圈里厂商永远在

【定制化丨标准化丨盈利点】

三者之间寻求一个最佳平衡点

只要大客户一句话

“我们想这样…还想这样…再这样…”

乙方的产品交付

立马从“标准化”变成“定制化”

没办法，向现实低头、向业绩低头呗

做ToB项目，要么狠，要么滚

硬件厂商的困扰可能还好点

但软件厂商、SaaS厂商、系统集成商

交付的是上层五花八门的应用

定制起来那叫一个没完没了…

这种“纠结”模式，几乎无解

到底如何解决软件「定制化」问题？

之前，都是从0到1，重复造轮子

近几年，ToB软件领头羊钉钉喊了一句

“用PaaS化解决定制化问题”

对于这句话，圈里人深以为然

PaaS是啥？好比一个生厂组装车间

里面有各种原材料、生产工具、成熟方法论、过往成功样板

审批流程丨自动化任务丨数据集成

你只需要在车间里，进行下“组装”

就能快速搞出个应用，满足定制化要求

总之，有了PaaS车间

客户口味再多变，上菜速度也能快起来

如今，大模型来了

B端用户和厂商又神奇般地默契

迅速达成了一个共识

用大模型把所有系统“回炉重造”

给它们全部装上AI的脑子

可是问题来了

怎么给应用装上大模型的脑子？

如何又快又简单，还能出效果？

太阳底下没新鲜事儿

还是得用PaaS的思路去解决

这时候，钉钉又大喊了一声

“AIPaaS，能给你的产品和应用装上大模型”

为了搞定这件事

钉钉修了一条PaaS主干道，即

AI PaaS， 人工智能的平台即服务

通过提供「平台+工具集」

客户既可以容易地训练、部署和使用大模型

又可以“回炉”原有应用，用大模型来重塑

一、钉钉AIPaaS这个大模型车间到底能提供什么？

①强大的「工程化」能力

什么叫工程化能力？

一个工程建设，绝非想一出是一出

而是系统化、标准化、流程化

缜密高质量完成部署！

为了达到这种「工程化」

钉钉AI PaaS平台前期已经抽象出了

大模型各种功能的开发包和工具集

比如

上下文、记忆、推理、预处理等等

这些能力，简单易调用

让大模型开发变得超级简单

上下文:大模型的当前环境或情境信息；记忆:大模型存储和检索过去的信息的能力；推理:大模型的思考和决策制定过程；预处理:对大数据进行的清洗和转换。

②强大的「数据训练」能力

所有AI应用都绕不过数据训练

此时，钉钉AI PaaS又抛出一大堆工具和服务

让数据清洗、转换和标准化变得更加简单和自动化

③好用的「插件体系」，事半功倍

插件就像开箱即用的装备包

在数据预处理、模型选择、超参调整等环节

使用插件，可以简化开发流程

在文本分析、图像识别、语音处理等场景

使用插件，立刻具备专业技能

打开钉钉的插件包，你会发现

wow，不是零散的东一个西一个

而是成体系、成建制的

贯通了整个AI应用开发全流程

用起来那叫一个得心应手

钉钉插件体系：①数据处理插件②模型训练与开发插件③模型部署与推理插件④模型监控与维护插件⑤安全性和合规性插件⑥集成与扩展插件…

二、如何在钉钉AIPaaS车间干活？

干活姿势一：不造大模型

只调用大模型能力为我所用

把企业数据加载到

「大模型调度平台」进行训练

注意！不是直接加载到大模型本尊处

企业可以快速“回炉重塑”原有应用

给这些应用“+”上大模型的脑子

这个方案成本低，建设速度快

这样做，还有一个好处

底部大模型迭代了、变聪明了

咱们安装的“脑子”也能一起变聪明

干活姿势二：自己造个专属私享模型

此时，需要把企业数据

直接注入到底部大模型中去训练

得到一个自己专属的“大模型”

还可以进行私有化部署

这比较适合特殊场景的用户

三、生态伙伴为什么要通过钉钉来完成“+大模型”

有人问，市面上大模型这么多

我随便找个“顺眼”的对接下，不香吗？

为啥非要在钉钉这个“AIPaaS车间”里搞

ToB不是ToC

C端场景看上限

ToC的拿app调用一下大模型的API

搞几个炸裂的功能点就完事

B端场景看下限

ToB的产品和项目交付充满了不确定性

比如企业财务、合同审批、物料订单等等

都是极其严肃的场景，万万不能出错

再引入AI开发，不确定性就更多了

①让合作伙伴的【交付】更加有确定性

时间的确定性、质量的确定性

钉钉AI PaaS前期做了大量工程化处理

把“不确定性”变成“确定性”

只需按照AIPaaS标准操作手册，一步一步

就能够做到时间可控、结果可预测

②开发难度低，集成难度也低

钉钉PaaS“全家桶”威力巨大

这些PaaS之间，无缝打通、协同作战

比如，在AI开发中

酷应用bPaaS让对话更加友好

iPaaS提供更广泛的数据和插件连接

数字资产平台dPaaS让企业特有数据、实时数据和大模型有机结合

③业务有延续性，商机更多了

商机和市场规模、用户体量有极大关系

钉钉用户群广泛，意味着商机更多

很多合作伙伴手上的客户

之前都在用钉钉，而且是深度用户

在这个车间里，大家知根知底

客户有意向，伙伴有能力，一切水到渠成

四、通过钉钉AI PaaS获得“脑子”的应用能变成啥样？

浅浅举个例子吧

钉钉刚发布的数字员工

其实就是通过“+大模型”

让应用瞬间获得了脑子

①有“脑子”会办事，具备理解真人意图、解决复杂问题、直接获取结果的能力；②像人一样沟通，自然语言交互③能自定义岗位技能、职务权限、入职部门，以及在协同与业务流程中的卡位。

“数字员工”不同于“数字人”

就相当于“职业人”vs“社会人儿”

数字员工符合B端场景的严肃性

能够进企业通讯录，具备action能力

成为企业数字化环境下的好帮手

接下来，具体实操下

让大家看看教育行业的应用

有了“脑子”以后，搞事业是什么效果

老师打开应用，找个数字助教

怎么样，“有脑子”的助教软件

思维敏捷，条理清晰，绝不扯犊子

是不是有点神奇吧啦的

目前，钉钉与生态伙伴共创软件升级

通过AIPaaS平台

已经“+”出了各种技能的数字员工

好了，回到我们最初的问题

如何给严肃的ToB应用装上靠谱的脑子

不抽风、能干事、少踩坑，还成本低

钉钉AIPaaS平台无疑是个最佳“装配车间”

可以极大降低智能化应用的门槛

让广大软件开发商，轻松驾驭AI

让B端企业真正体会到AI普惠、大模型普惠