大模型價格為何走向“厘時代”？

趙何娟：很高興今天能夠請到火山引擎的總裁譚待來到「何謂2024」的節(jié)目，火山引擎的大模型發(fā)布會，可以說引起了行業(yè)非常大的一個反響。其中最重要的一條就是開始卷價格戰(zhàn)了，大家可以看到最大的一個亮點，就是價格比同行能低到99%，為什么你們一開始選擇以最低價的方式來做市場的引爆？

譚待：我們發(fā)現(xiàn)，企業(yè)在AI應(yīng)用創(chuàng)新上會面臨兩大挑戰(zhàn)，一個就是模型的質(zhì)量，目前市場上主流的模型基本能達到“可用”的質(zhì)量水平；另一個就是以模型為首的創(chuàng)新成本。

目前AI還是一件很不確定的事情，失敗概率會比較高，如果用AI去做企業(yè)的創(chuàng)新通常90%會失敗?，F(xiàn)在很多企業(yè)去做一個AI驅(qū)動的創(chuàng)新項目，可能至少要100億Token起，而且用完之后可能才能知道是否可行，如果按以前的價格來說，可能需要將近100萬元成本，但是如果能降成1萬塊錢，企業(yè)的創(chuàng)新門檻就大幅下降。

ToC的商業(yè)模式是把用戶規(guī)模做大，通過別的方式來變現(xiàn)，比如說廣告。但ToB的企業(yè)服務(wù)講究的是持續(xù)性，企業(yè)在乎的是能夠持續(xù)得到持續(xù)且質(zhì)量好，價格也穩(wěn)定的服務(wù)。因此即使一方面市場有需求，但另外一方面如果做不到，這個事也很難持續(xù)。所以實際上火山引擎是在整個模型的成本優(yōu)化上做了非常多的事情。

有的芯片內(nèi)存是瓶頸，有的芯片算力是瓶頸，把這兩類芯片組合在一起成本就能下降。因為規(guī)模非常大，調(diào)用量非常大，把不同的調(diào)用量混合在一起就可以降低成本。

再比如有的人是白天工作時候用，有的人是晚上娛樂的時候用，還有人是大家都睡著的時候用，但是有些科研，有些這種離線的任務(wù)也可以來用，我們把這些不同的對大模型的調(diào)用負載混合在一起，成本又可以降低很多。所以我們做了這么多優(yōu)化之后發(fā)現(xiàn)我們可以做到這個事，從技術(shù)上我們可以做到，同時市場也需要你做到，那就應(yīng)該這么來做。

還要提供很多應(yīng)用的工具，包括插件，還有低代碼的扣子平臺，它可以讓你不會寫代碼，也能夠去開發(fā)自己的Agent，還包括一些腳手架的工具等等。

總體來說，需要持續(xù)做好三件事：更好的模型、更低的價格和更易落地的方案。

趙何娟：國內(nèi)的云服務(wù)廠商中火山云因為入場是最晚的，因為入場晚，就意味著規(guī)模肯定不如先發(fā)者，比如說阿里云。為什么阿里云規(guī)模效應(yīng)更強，但它的價格做不到那么低？你們現(xiàn)在能把價格做到這么低，本質(zhì)上來說還是有利潤的，并不是在倒貼錢給客戶？

譚待：其實做云這個事情，最大的壁壘就是規(guī)模，規(guī)模大彈性就能好，彈性好成本也能低，也可以有資源，去讓更有更強的團隊去不斷優(yōu)化成本。

火山雖然對外做得比較晚，但是其實火山是字節(jié)的一部分，對內(nèi)自用部分的時間和規(guī)模是可以綜合進來的，當(dāng)時我加入字節(jié)的時候，就在討論說要不要進入云這個市場？戰(zhàn)略團隊就顧慮，我們做得比較晚，可能在規(guī)模上追有點難，但我說不應(yīng)該這么算。在技術(shù)上，我們可以把自有的規(guī)模和外部客戶的規(guī)模在安全可控的情況下做一定隔離，但是可以在資源上做混合的調(diào)度。所以這個時候去算規(guī)模，就不是去看純外部的規(guī)模，而是看整個所有的負載的規(guī)模。所以火山堅持技術(shù)上一定要內(nèi)外統(tǒng)一。所以可以認為不管是我們外部的客戶，比如說手機、汽車、零售、金融的客戶，還是內(nèi)部的，比如說抖音、頭條，其實都跑在火山引擎上。這樣綜合起來算，我們的服務(wù)器數(shù)其實就是中國第一，我們整體的服務(wù)器數(shù)，也看到了友商公布的服務(wù)器數(shù)。整體通盤有這個規(guī)模，自然就有把云，包括后面比如說現(xiàn)在把AI推理做好的底氣，只需要技術(shù)上不斷去優(yōu)化，去把這個規(guī)模的優(yōu)勢做好。

倒貼這個事情，其實是不可持續(xù)的，如同前面說過的，ToC模式往往是“羊毛出在豬身上”，就是把用戶免費地拿過來之后，可以通過別的變現(xiàn)方式來做。ToB不是這樣的，售賣的是一個服務(wù)，而這個服務(wù)它得不管是從品、性能、服務(wù)的質(zhì)量，還是說價格上，都得是一個穩(wěn)定的。特別是云，它是一個可持續(xù)的。因為可能客戶簽了個3年的合同，這中間是不能變的。所以要去定一個價格的時候，一定要是保證這個事情是有毛利的。當(dāng)然在這個階段的時候，最重要的是說我們其實想讓AI被更多的人能用起來，能有更多的創(chuàng)意，更多的創(chuàng)新出來，所以即使有利潤我們也不會把它定特別高。

趙何娟：當(dāng)初為什么字節(jié)要進入到云這個市場？畢竟字節(jié)是做ToC起家的，ToB業(yè)務(wù)邏輯完全不同。在當(dāng)時“后發(fā)”的情況下，你們是怎么說服張一鳴？我們雖然進入公開市場晚，但是綜合基礎(chǔ)不差，一定能做成這個市場的？

譚待：首先是看這個市場重不重要，大不大？任何數(shù)字化底座一定是云，包括現(xiàn)在AI也是數(shù)字化的一部分，底座也是帶來大量的云的消耗，這個市場是非常大的，中國未來的云市場會占全球17%-18%，，這個比例非常高了，而且現(xiàn)在保持著一個非常高速的增長。，有數(shù)據(jù)顯示，2025年后，全球整個云市場就要超過在線廣告的市場，所以這個空間是很大的。

而且云市場并不是一個贏者通吃的市場，馬太效應(yīng)不明顯，大企業(yè)一定會采取多云政策。一方面避免被一家“綁定”，無法拿到好價格，另一方面，每家云都有自己擅長的地方。如果只用一家的話，就沒辦法采各家之所長，也不利于企業(yè)的技術(shù)的創(chuàng)新。也就是說在空間很大的云市場，后來者也是有機會的。

這個市場值得做。但是怎樣才能做好？核心是戰(zhàn)略一定要有定力，因為ToB是一個很長的事情，跟客戶合作，可能有的客戶得需要一年、兩年才能真正去做得比較深。所以戰(zhàn)略一定要穩(wěn)定，要知道能創(chuàng)造的價值是什么，擅長是什么，不擅長什么，什么是自己做，什么是伙伴來做，給客戶傳遞的是什么價值。

AI，云服務(wù)市場的下一個驅(qū)動力

趙何娟：提到火山的戰(zhàn)略定力，哪些方向是火山比較明確的戰(zhàn)略方向？公有云應(yīng)該算一個吧？AI這個方向火山發(fā)聲比較早，是不是也算一個？

譚待：公有云肯定是火山的戰(zhàn)略方向之一，因為規(guī)模化是共有用發(fā)展的基礎(chǔ)，前面也提到，這正好我們的優(yōu)勢，此外火山引擎確實花了很多精力去想什么是驅(qū)動云技術(shù)變化和發(fā)展的下一個關(guān)鍵因素。上一個關(guān)鍵因素是互聯(lián)網(wǎng)，特別是移動互聯(lián)網(wǎng)下一個大的關(guān)鍵點是什么？在自動駕駛領(lǐng)域，其實已經(jīng)從以前的小的視模型、視覺模型或什么模型轉(zhuǎn)向Transformer，典型的就是以前可能是用那些小的算力卡，后面當(dāng)時開始用A100，生信也是一樣的，生信制藥想再把Alpha Fold出來，大家也在做這個事情，雖然那時候大模型，大家沒有看那么清楚，但是明顯已經(jīng)感到Transformer大量的應(yīng)用，AI會成為云的下一個驅(qū)動力。

所以在2022年的時候火山其實就在深度地做這個事情。第一要把供應(yīng)鏈做好，要把算力的基礎(chǔ)建好。第二算力規(guī)模變大之后，需要好的平臺配合調(diào)度。所以火山在整個GPU的調(diào)度、優(yōu)化上做了非常多的事情，比如算子的優(yōu)化，整個平臺的調(diào)度能力的提升，整個MFU提升。一個是要堅定不移地把規(guī)模優(yōu)勢發(fā)揮好，把模型成本和平臺穩(wěn)定性做好。第二則需要把握住大的技術(shù)變革。比較幸運的是火山在這些方面還是看得比較早，也非常準(zhǔn)確的。

趙何娟：我聽說在2022年的時候，國內(nèi)有很多大廠都準(zhǔn)備要放棄掉AI這個方向，或者說覺得看不到希望，而且把已經(jīng)采購的或者囤積的GPU的A100的卡可能直接都要準(zhǔn)備退還，據(jù)說退的這幾萬張卡都被字節(jié)給接了是嗎？

譚待：2022年的時候確實發(fā)生過這樣的事情，因為有些友商大量地去做退訂。但是那個時候我們很堅定不移地看好AI這個方向，認為AI是驅(qū)動云很重要的一塊。

當(dāng)然同時也需要結(jié)合自身情況做技術(shù)層面的判斷。因為剛好我本身技術(shù)出身，所以這個選擇可能需要結(jié)合技術(shù)，也要結(jié)合商業(yè)來判斷。因為那時候大模型沒有發(fā)展起來，那個時候如果有誰說我已經(jīng)看到了大模型未來的爆發(fā)？他肯定是在騙人。但是我們可以看到的是，自動駕駛是很確定的事情，而且除此之外至少有一兩個行業(yè)已經(jīng)有很大的體量能夠支持大模型的發(fā)展。其實放到現(xiàn)在汽車行業(yè)在自動駕駛領(lǐng)域也投入非常大，并且在這個領(lǐng)域算力儲備也比較雄厚。只不過聚光燈可能更多的看到是大模型的公司，比如說2022年火山和毫末建立了一個駕駛領(lǐng)域最大的算力集群。所以這個領(lǐng)域相當(dāng)于是火山不僅從技術(shù)上有所判斷，而且從客戶的需求上也驗證了這一點。

既做裁判員又做運動員？

趙何娟：現(xiàn)在國內(nèi)的做大模型的企業(yè)和團隊非常多，包括像月暗、智譜、百川，在國內(nèi)來說相對來說有一些知名度的大模型，基本上還是在火山引擎上跑。作為一個行業(yè)底層服務(wù)的提供商來說，你會覺得國內(nèi)現(xiàn)在的“百模大戰(zhàn)”“千模大戰(zhàn)”優(yōu)勢在哪里？或者有一些什么問題？

譚待：首先我覺得這些公司和團隊其實做得都非常好，每家也有自己的特色，行業(yè)認知水平也在不斷提升。

當(dāng)然這個行業(yè)還需要讓更多人參與進來：第一模型要好，第二成本一定要低，把100萬的成本降低到1萬，那進入這個行業(yè)的人可能就不是多100倍，而是多1000倍了。可能10個項目里里面，雖然9個項目不一定能成功，但只要有1個項目成功了，可能前期的所有投入就都回來了。

火山做了很多插件平臺，做了方舟2.0，以及扣子這個低代碼的平臺，就是讓更多的人能夠更便捷地使用大模型。

所以通過這個平臺，通過好的模型，通過低的價格，把整個做創(chuàng)新的門檻一降再降，就能看到行業(yè)的繁榮。

趙何娟：你覺得做大模型的平臺，有必要什么應(yīng)用都自己去開發(fā)嗎？既做大模型的底層基座，又在上面去做各種各樣的專有模型，會不會給行業(yè)造成火山既做裁判員，又做運動員的感覺？

譚待：豆包這個模型，有一個對應(yīng)的同名的APP，就像OpenAI有個ChatGPT，因為平臺需要有一個對應(yīng)的一個產(chǎn)品，去讓用戶能很直觀地感受到這個模型的好和壞，模型本身是開放的，火山引擎也是開放的。

比如說字節(jié)內(nèi)部也會產(chǎn)生平臺的客戶，比如說抖音想用這個模型能力做些事情，抖音其實也就成為了火山的一個客戶。外部比如說快手也想用，道理也是一樣，對于火山來說，就是要保持一個開放性和中立性，只要是客戶，就提供同樣的優(yōu)質(zhì)的服務(wù)。

算力之外，大模型的增長動能在哪？

趙何娟：在2022年底ChatGPT發(fā)布，全行業(yè)爆火之后，據(jù)說2023年整個火山引擎的財務(wù)業(yè)績翻了好幾番。2023年現(xiàn)在的整個的業(yè)績規(guī)模和2024年現(xiàn)在半年過去的增長，讓你們的財務(wù)模型又已經(jīng)進入了新的平衡點。有沒有可能接下來的規(guī)劃中會更考慮利潤的提升？

譚待：我們覺得什么最重要？是有毛利的規(guī)模是最重要的，不是只看規(guī)模，也不是只看利潤。而是要看是帶毛利的規(guī)模。帶毛利的規(guī)模決定了可持續(xù)性。比如說要做語音，需要組建一個非常大的團隊，然而人力成本是非常高的，因為只有很強的團隊，才能把技術(shù)和產(chǎn)品做好，所以人力投入肯定是最大的開銷之一。只要看重和堅持帶毛利的規(guī)模，最終就可以做到平衡、盈利。

趙何娟：可以說現(xiàn)在火山引擎的算力儲備是非常充分的，可以說是前兩年的準(zhǔn)確的戰(zhàn)略判斷帶來的，那么算力用完了怎么辦？可能這兩年的財務(wù)增長和爆發(fā)都是基于之前的儲備帶來的。未來的持續(xù)性如何保證？會不會受到美國制裁的影響？

譚待：首先規(guī)模是正循環(huán)的，規(guī)模大，對未來就有預(yù)期，就有信心做更大的投資。更大的投資又能帶來更大的規(guī)模。所以如果之前的增長是基于我們判斷得早，以及我們內(nèi)外復(fù)用的規(guī)模優(yōu)勢。我們在這個領(lǐng)域就一直很會很有先機和優(yōu)勢。

第二其實現(xiàn)在算力在當(dāng)下的這個情況下，是一個異構(gòu)算力的系統(tǒng)，因為可能每一個團隊有不同的芯片的選擇，而且不同的芯片有不同的擅長的地方，有的內(nèi)存很大，有的算力很強，有的兼容性很好，所以就對技術(shù)平臺本身要求很高，技術(shù)的打磨也是很重要的。

第三其實也在看和各家廠商，比如下游的芯片廠商如何合作。我不僅只是說在算力層面，讓大家一起能合作得更緊密。比如說我們最近和英偉達一起在中國發(fā)布了Omniverse，這樣企業(yè)可以在中國通過火山引擎來使用Omniverse，這個合作也很重要，第一就是未來物理世界和真實世界可以連接在一起，這樣可以用AI通過仿真或者其它方式，不僅改變虛擬世界、數(shù)字世界，也能去改變物理世界，所以一方面平臺做這個事情。另外一方面通過合作，其實雙方也加強了合作的深度和廣度，可能關(guān)系會更加緊密，也會在其它層面的合作上也會有更多的幫助。

趙何娟：從美國的芯片的出口的規(guī)則限制來說，可能中國企業(yè)過去還能正常購買A100或者H100這樣的芯片?？赡軐磉@種高制程的芯片都是不允許被中國公司購買的，在這一點上來說，可能之前的護城河或者說壁壘，事因為規(guī)模在早期帶來的壁壘，但這種壁壘可能再經(jīng)過兩三年就被別人取代了。這種前提下，對于火山來說，是不是相關(guān)的壁壘就不存在了？

譚待：規(guī)模優(yōu)勢是始終存在的。所以不管說會不會涌現(xiàn)出更多的底層的供應(yīng)商，都會第一時間想到和字節(jié)、和火山來合作，所以這個優(yōu)勢是持續(xù)的，規(guī)模的好處就在這一點。所以我們這一次能把推理的成本做低，也是因為用了異構(gòu)的芯片，去把它們的特點都發(fā)揮出來，所以就能通過分布式推理來做這個事情。

趙何娟：所以從這個角度來說，開源大模型更好？還是閉源大模型更好？。

譚待：不管是開源還閉源，目的都是讓大家更多地來使用。

第一開源有開源的商業(yè)模式，閉源有閉源的商業(yè)模式，大家只是不同商業(yè)模式而已，開源有很多成功的公司，閉源也有很多成功的公司。所以第一就是你自己這家公司怎么來選擇，不能簡單說開源和閉源誰更好。

第二也要看企業(yè)的具體需求，企業(yè)選開源、選閉源，背后的需求是說，第一性能好不好？第二安不安全？當(dāng)然開源有安全的解決方法，閉源也有安全的解決方法。

第三就看成本，用開源就代表著底層的算力沒有辦法在云的池子里面來混合，如果云平臺沒做好，肯定還是用開源便宜一些。所以對企業(yè)來說，要決定自己的戰(zhàn)略路線是什么，用什么樣的商業(yè)模式來做這個事情？但整體上沒有必要去爭論這個事情?，F(xiàn)在豆包是閉源的，但我們將來肯定也會推出豆包某一些系列的開源的模型，我們肯定是這樣的一個邏輯。

大模型落地的應(yīng)用場景和挑戰(zhàn)

趙何娟：互聯(lián)網(wǎng)革命來自C端的爆發(fā)，然后逐步延伸至B端，你覺得AI或者大模型的這波2.0的浪潮更可能在C端還是B端率先爆發(fā)？

譚待：我覺得可能會是在B端和C端同時開始爆發(fā)。

移動互聯(lián)網(wǎng)可能先是在C端也就是手機端爆發(fā)，但如果我們看PC互聯(lián)網(wǎng)，其實最開始也是工作場景和生活場景不分的。比如郵箱和搜索，用戶也是為了獲取知識而非娛樂。剛開始軟件誕生的時候，很多也是給B端使用。比如70年代時候的軟件巨頭其實都是做ToB的事情。所以我覺得一個技術(shù)的提升，是不一定先從C端爆發(fā)，或者先從B端爆發(fā)的。

AI能夠提升生產(chǎn)力。所以AI在B端有很多天然場景。但實際上當(dāng)AI能帶來很多能力之后，C端用戶也就開始在日常生活中使用了。比如說ChatGPT其實有很多付費用戶，他們也是同時在工作場景和生活場景中使用。

趙何娟：豆包模型也有ToC和ToB的模型，你們在做這個模型，或者在推出相關(guān)模型應(yīng)用的時候，有什么樣的區(qū)別？

譚待：首先我們要有一個通用模型，這個通用模型應(yīng)該是最強的。

比如說豆包通用模型Pro就干這個事情的。豆包通用模型Pro就是可以同時解決C端和B端的需求。而且支持長文本128K可精調(diào)。尤其在B端使用的時候，需要讓模型做一定的優(yōu)化，所以能不能可精調(diào)是很重要的。

在此基礎(chǔ)上，再看哪些場景是很垂直，規(guī)模又很大，就可能會把它做一定的特化。比如說角色扮演，看起來可能是C端的使用場景，這個情況下就需要通過AI去和用戶在場景中進行交互娛樂，所以我們有一個專門的角色扮演模型。

所以整體核心就是最底層通用的強大，如果沒有把最強的底層大模型做出來，后續(xù)做專有模型大概率就不會做得好。

趙何娟：下半年你會認為有很多應(yīng)用出來，從應(yīng)用場景上來說會有哪些判斷？比如說哪些行業(yè)可能會跑得更快一些？

譚待：首先終端上肯定還能做出很多創(chuàng)新出來。比如手機、汽車、PC、IOT，這就是為什么我們這次搞兩個大聯(lián)盟，一個是手機的大模型聯(lián)盟，還有一個是汽車的大模型聯(lián)盟。還有一些場景，比如說C端的一些助手類的應(yīng)用，包括Agent，包括搜索。

在企業(yè)內(nèi)部，大模型對于企業(yè)就整個知識的管理，包括數(shù)據(jù)的分析肯定是有很大的輔助。比如說我們做Chat BI，以前CEO問一個問題，底下人不知道，馬上就找人去查，查完以后截個圖再反饋過來就很慢，CEO說我還想看看別的，就需要再走一次流程。其實這些數(shù)據(jù)BI里面都有。管理就是一個很大的效率題，我們有個理念叫數(shù)據(jù)飛輪，以前大家看數(shù)據(jù)中臺講的是說要積累多少數(shù)據(jù)，但數(shù)據(jù)不用是沒有意義的，所以應(yīng)該看數(shù)據(jù)飛輪每天消耗了多少數(shù)據(jù)，用了多少數(shù)據(jù)，消費了多少數(shù)據(jù)，就要想各種方法去把消費的便捷性和體驗做好，Chat BI就是這樣，以前信息傳遞靠口口相傳，現(xiàn)在是直接向Chat BI提問，這樣就把數(shù)據(jù)消費的實時性和便利性都提升了非常多。

比如說有個職業(yè)叫打字員，也是一個白領(lǐng)，以后可能就再也沒有這個職業(yè)了，取而代之的可能是一個更智能的“打字員”，它能做擴寫，做很多其它的事情，但是我自己還是一個樂觀主義者，我認為人類最精髓的部分始終還是在人的這個地方，而且也許人可以跟AI共同進化，而不是說AI取代人。

趙何娟：2022年11月底推出ChatGPT的時候，12月初我們就組織了一個討論，那個時間段感覺行業(yè)里面對這件事情關(guān)注度和熱度還是非常高的，但是大眾領(lǐng)域還沒有那么關(guān)注，大眾領(lǐng)域一直到2023年，可能1月份、2月份才開始爆發(fā)性地關(guān)注ChatGPT。那個時間OpenAI推出的ChatGPT對你的沖擊有多大？

譚待：因為我一直在做云，所以當(dāng)時我最大的感受是太好了?？磥硪郧跋氲煤軐?，比如說我們當(dāng)時內(nèi)部在討論說為什么OpenAI可以做出來ChatGPT，因為不是說中國做不出來，美國反而做出來，其實是OpenAI做出來，別人都沒做出來。

ChatGPT比我們想象來得更早。我們本來覺得可能還再晚一點點，比如我們再布局幾年，可能會有類似的模型出現(xiàn)，而且也在推測比如生信領(lǐng)域會不會更快一些？但沒想到大語言模型是最快來的，我想知道下一個是什么，大模型的概念一直都有，但放在那個時間看到ChatGPT你沒想到能做到這么大。

趙何娟：有一個典型的應(yīng)用場景，我們鈦媒體自己現(xiàn)在也在做科股數(shù)據(jù)的大模型。我們也有自己的數(shù)據(jù)庫。我們就想著基于我們自己的自有的數(shù)據(jù)業(yè)務(wù)再做一些預(yù)訓(xùn)練的嘗試，而且能夠基于這個大模型還能開發(fā)我們自己的應(yīng)用產(chǎn)品。從場景上面來說可能還不是那么簡單的事情，這一點我不知道你是怎么來面對這種像我們這樣很具體的場景應(yīng)用的需求的？

譚待：我們認為大模型落地有三個核心關(guān)鍵挑戰(zhàn)：更好的模型、更低的成本和更易落地的工具。其實剛好你這個例子就可以講講我們對以上這三個挑戰(zhàn)的理念：

首先有比較好的模型，比如說用豆包，可能都不一定要用精調(diào)，做一些提示工程就好了。因為豆包的底座能力是很強的。這樣其實基礎(chǔ)功能就可以滿足了，但是要把這個應(yīng)用做好，其實還要做很多事情，比如說需要聯(lián)網(wǎng)，因為財經(jīng)的數(shù)據(jù)，是需要有很多實時的數(shù)據(jù)更新。所以我們方舟推出了聯(lián)網(wǎng)的平臺，而且它能拿到獨有的內(nèi)容，這樣你就可以更好地去獲得信息和內(nèi)容。

第二是知識庫的搭建，自己積累的知識庫是很重要的，可以去幫助這個模型在應(yīng)用的時候減少幻覺，提高精準(zhǔn)度。這個是很重要的，比如有些東西已經(jīng)在知識庫做好了，就從這個受限的知識庫里面出內(nèi)容，而且做到有一些東西讓它不要瞎說。

第三就是考慮到用戶的交互，用戶使用的時候可能只有文字的內(nèi)容是不夠的，還需要有一個視頻，所以我們還做了一個內(nèi)容插件，這樣一方面去讓大模型去回答問題，出數(shù)據(jù)報告的時候，還可以去把相應(yīng)的視頻內(nèi)容播放出來。

除此之外用戶在很多使用過程中有很多細碎的需求。這些細碎的需求可能需要做一個對應(yīng)的Agent，來去解決它，通過扣子平臺。比如說用戶需要了解和體育相關(guān)的公司的財經(jīng)知識，不需要寫代碼，只需要編輯或者是其他業(yè)務(wù)人員，用扣子平臺很快就能搭建一個這樣的一個小助手一個Agent。讓它和應(yīng)用放在一起，當(dāng)用戶來的時候，小助手就可以自動調(diào)出來回答用戶的問題。

最后，我們還配了一個叫算法BP團隊，就是算法服務(wù)團隊。因為他們有很多經(jīng)驗，他們其實就是火山AI相關(guān)的算法人員。有需求的客戶團隊所以可以和算法BP團隊的技術(shù)人員先對接一次，幫助把這套基于AI基于大模型來開發(fā)和應(yīng)用的流程建立起來。未來就可以不斷去更新它來運轉(zhuǎn)起來。這樣操作會讓整個服務(wù)更易落地，同時還能夠有一套配套的服務(wù)體系來幫助客戶完成既定目標(biāo)。