chattype,chat it up,chat support,chat per
“我们面临的是对社会的彻底重新定义，以及人类即将过时。”美国学者、专栏作家弗兰克，深入研究ChatGPT后发出了深深地感叹。2022年春节档电影《流浪地球2》为亿万观众奉上了一场科幻盛宴。“MOSS，人类能活下来吗？”电影中刘培强与具备自我意识的AI机器人MOSS的对话，让人产生无限遐想。而ChatGPT的横空出世，令人惊叹MOSS，是否要成真了？我们与ChatGPT的一问一答，已非提问和搜索，更像是一场跨物种的对话。ChatGPT并不完美，但正以超出人类想象的速度进化，新的世界徐徐降临。情商和智商均在线从AI发展的角度，应用基本几年一轮回。在谷歌AlphaGo掀起的AI应用热因缺乏商业模式落下帷幕后，ChatGPT的出现无疑再次重振了AI产业界的信心。ChatGPT是2022年11月由OpenAI推出的生成性人工智能，支持多轮对话，甚至具备承认错误等类人的特点。由天文地理到人文经济，ChatGPT强大到吓人，“搜索引擎+社交软件”的结合让市场用户新奇不已。仅仅2个月，月活用户已然突破1亿，而同样的用户量，TikTok耗时9个月，Instagram花费30个月。这成为了AI界具有里程碑性质的大事件。回望过去，在ChatGPT出现之前，小冰、siri、小艺等聊天机器人在对话回复中虽然“情商”在线，但“智力”有些拉胯，时常答非所问，有时直接能把天聊死。ChatGPT的降临打破了尬局，它根据聊天的上下文进行互动，真正像人类一样聊天交流，展现出前所未有的泛化能力和高情商。通俗来说，就是“举一反三”。如果你问它：“中国男足赢得世界杯的可能性有多大？”ChatGPT幽默地回复：自己是个AI，没有预测能力，并且还鼓励男足继续努力。当你向它提问‘满江红好看么？’虽然ChatGPT的训练数据截至2021年，它是没有学过满江红相关数据的，但根据‘好看么’这个关键词，它能推测出‘满江红’可能是部文学或影视作品。由于之前被‘喂’进去了有关文学及影视评论的海量高质量数据，模型就能基于以往所学，生成一个合理的回答。ChatGPT并非“从天而降”“ChatGPT实现‘智力’飞跃背后，是宝剑锋从磨砺出的写照。”萨摩耶云科技集团创始人、董事长兼首席执行官林建明指出，ChatGPT是基于GPT-3.5架构开发的对话AI模型，GPT系列又称为生成式预训练语言模型，是一种NLP超大规模统计语言模型，其通过输入语句，根据语言/语料概率来自动生成回答的每一个字。用通俗的话语，它的回复是通过词组的概率性分布建模生成的，即选中关键词通过概率判定关键词前后的词组。在GPT-3.5之前，OpenAI先后推出过GPT-1、GPT-2和GPT-3，训练数据量爆炸式增长，从亿级飞升到千亿。而在GPT-3.5中，训练模型中再度加入人类反馈强化学习技术。ChatGPT得以在技术能力上进一步强化：1.可通过海量网络数据进行预训练，学习语言模型的基础知识；2.在预训练过程中同时学习语言模型、问答系统、机器翻译等多种自然语言处理任务；3.具备理解上下文关系及语义推理的能力，并生成相应的回答；4.可在预训练好的大语言模型上进行微调，并使用新的数据更新模型参数。那么强大的ChatGPT究竟是如何被训练出来的？OpenAI给出了三步走策略：第一步，教ChatGPT回答问题。第二步，收集比较数据并训练奖励模型。第三步，使用PPO强化学习算法针对奖励模型优化策略。不断重复第二第三阶段，使得LLM模型能力越来越强，按照人类意图行事。“会推理、能决策”ChatGPT掀起的技术狂潮，在生成内容方面无疑是革命性的，开启AI新纪元。中信证券研报认为，ChatGPT可被广泛应用文字模态的AIGC应用、代码开发相关、图像生成领域、智能客服四大板块。决策智能是当前全球AI发展竞争的焦点之一，推动人工智能向高阶跃迁。2022年国务院发布《“十四五”数字经济发展规划》强调，有条件的大型企业要形成数据驱动的智能决策能力。8月，科技部发出《关于支持建设新一代人工智能示范应用场景的通知》，明确运用优化决策等技术，实现生产过程等领域的智能决策。IDC预计，到2025年，超过60%的中国企业将把人类专业知识与人工智能相结合，做智能预测与决策，并使员工工作效率和生产力提高25%。ChatGPT引领的大模型正在让AI技术从五年前的“能听会看”，走到今天的“能思考、会创作”，未来有望实现“会推理、能决策”的重大进步。 林建明判断，ChatGPT通过与决策智能技术的融合发展，或将推动决策模型进化，迈向“全人格化”超级决策智能阶段，辅助人类做出更优决策。多年来萨摩耶云科技集团在决策智能技术攻坚已取得重要原始性突破，端到端云原生科技解决方案将AI决策技术能力输送到金融、物流、电信、跨境电商等关乎国计民生领域，帮助企业完成数字化转型。“ChatGPT给全球用户带来了最直观的感受和震撼冲击，在金融场景、跨境电商等领域具备强大应用潜力，这将是我们探索的主要方向。”林建明说。服务有温度，降本又增效数字化发展的深入，促使大多数金融机构已经构建了客户标签体系用于个性化运营。但在提供营销服务时，仍然需要内容标签体系的搭建。这就需要投入大量算法工程师进行内容理解模型的构建训练，而人工打标和训练成本高，泛化性低的问题随之凸显。林建明指出，基于个性化推荐、实时计算能力以及AutoML等技术，ChatGPT可能解决线上线下协同营销过程中的自动化断点问题，实现营销策略自动生成和迭代、自动AB实验、渠道自动分流，让千人千面的精准营销真正得以落地实现。同时，结合金融机构语料进行适应性训练，将促进营销内容生成和用户转化效率的提升，实现降本增效。“以ChatGPT作为自动客服系统的核心技术，并利用NLP和对话生成技术，训练类似于ChatGPT的语言模型，再叠加个性化推荐模型，结合业务知识库以及业务流程API，打造营销和客服机器人，可帮助金融机构进行营销获客提升客户服务质量。”萨摩耶云科技集团试图在营销和客服场景中建立新的人机协作模式。ChatGPT类机器人在营销上承担人群和标签划分以及个性化推荐工作，在客服上执行问题理解、对话管理、问题推荐、答案生成。人工客服则专注于话术推荐和会话摘要生成。数字科技不断催生新应用同时，金融机构亟需完善风险防控能力。“如果把机器学习、知识图谱、决策引擎人工智能技术和LLM模型技术融合，会进一步优化模型的智能性，改变信贷服务的人机交互体验，使得金融服务更有温度。”在知识图谱引擎原有的隐性集团识别、深度链扩散、子图筛选等能力基础上，ChatGPT可扩展出更高维度、更大范围的隐性关系识别。萨摩耶云科技集团给出的方案是，探索接入类ChatGPT能力，通过对用户信用数据、历史借款记录、还款记录等数据分析，评估用户风险等级，实现对关键要素提取、资料自动化审核、风险点提示等风控领域的业务流程自动化水平的提升，向金融机构提供全方位智能风险管理服务，大幅提高风险识别能力。在跨境电商场景中，人力成本高昂、人工客服沟通效率低、无法收集大数据进行数据分析及精准营销等痛点，让中小卖家很“受伤”。ChatGPT在多轮对话上取得重大突破，邂逅跨境电商后擦出别样火花。在技术实现上，萨摩耶云科技集团探索提供基于ChatGPT的AIGC产品方案，通过OpenAI提供的语料上传/模型微调/模型调用接口，上传训练语料对GPT模型进行微调，达到定制化模型的效果。未来，ChatGPT在产品编写/优化listing、提升跨境电商平台店铺和产品排名、输出丰富优质的邮件营销内容、提供即时客户服务改善客户体验、开展智能广告投放提升转化率等方面，将有着很大的应用空间。AI大潮浩浩荡荡，ChatGPT的“出圈”，意味着一个大规模商业化浪潮的涌来。“每个人都应积极尝试使用ChatGPT提升价值创造力，在AI改变世界的大潮上乘风破浪、奋楫远航。”林建明说。

微软云业务成功率 微软云架构

微软云收入继续高歌猛进但windows部门有些失落,微软云业务 收入分析,微软云服务收入,微软云解决方案
微软和AWS在营业利润方面的差异，有几点可以探讨：1：营业利润要扣除销售管理等费用，微软的费用可以分摊到智能云，流程生产力和个人计算三个业务单元，而AWS和亚马逊零售业务差别太大，而且比重小，管理销售费用无法分摊。（AWS占比亚马逊收入的15.6%）2：2014年微软智能云收入是AWS4.7倍，8年后AWS持平微软智能云，AWS的市场份额应更具有规模成本优势。3：因为智能云业务包括了Azure平台加服务器端产品，是许可证业务和云的组合。许可证业务拉高了多少整体的利润率，还需要单独拆分Azure来对比。拿截止到2022年12月份数据分析，基于AWS的2022 Q4和微软的2023 Q2财报，AWS的3个月收入214亿，营业利润52亿，利润率24.3%。微软的财报比较复杂，不明确Azure的收入，不过可以通过三个维度数据大致推算。（利润为营业利润，美元）1：微软2季度10-K报告给出2季度 Server product+ Azure是196亿2：2季度总收入527亿，包括165亿产品和362亿服务+其他，又给出了Windows 和Device分别是48亿和14亿，可以算出 Office 许可+服务器许可大致为103亿（165-48-14），按照6：4比例推算，服务器部分许可大概为40亿收入。这样就可以估计出Azure的收入是156亿（196-40）。（6：4是经验推算，不影响结果输出）3：报告明确智能云215亿，对应89亿利润，利润率41.3%。扣除Enterprise service以后的利润估算是81亿。（服务占比8%，忽略）假设Azure的利润率和AWS一样也是24.3%，那156亿的收入应该贡献38亿的利润，那剩余的是43亿（81-38），这部分应该是服务器许可贡献的利润，可是我们估算的服务器许可的收入才是40亿，不可能产生43亿利润。所以微软的Azure利润率肯定大于AWS的24.3%。如果按照许可证部分的利润率80%估算（2015年报有类似数据），40亿许可收入贡献32亿利润，那对应的Azure的利润应该为49亿，利润率要超过30%，但低于41.3%。利润率高于AWS。按说AWS的市场份额大于微软，基础设施成本可以被更多地分摊，营业利润应该更高。但事实不是。这说明AWS和微软在云的战略定位不同，AWS通过成本领先推动普惠的云计算能力，发力点是IaaS，而IaaS相比PaaS价格敏感而粘性低。而微软凭借销售团队更多地亲近客户，通过PaaS获取溢价并推高客户逃逸成本，选择了差异化的方向。微软后续很多市场操作都是基于差异化战略押注Azure，包括ChatGPT 。(四）微软传统的许可证模式是锚定在用户数量上的，基本是企业内部的用户数，称为PCIB（PC Install_Base)，无论是桌面端产品还是服务器端产品都是。而企业的员工相对稳定，弹性不大。从这个角度讲，微软在企业的营收是有上限的，这限制了华尔街对微软成长的想象空间。这也是为什么微软传统业务现金流满满而股价低迷，因为华尔街看不到增长的预期。而Azure是基于用量的模式，比如虚机的时长，存储的容量，网络的带宽，服务的调用等，都是按照使用量付费。理论上完全打破了收入上限的边界，尤其在数字化时代，一个200位员工的企业基于互联网运营所带来的收入远超基于用户数的收入。模式变了，边界变了，这也是微软在云时代脱胎换骨，成为万亿公司的核心逻辑。从微软历年的财报可以看到，Business division (office家族）一直是微软收入的最大贡献者，但是从2020年起，Azure代表的智能云反超M365, 成为收入的最大贡献者。在华尔街眼中，Azure是微软增长预期的第一指标。微软是以B端业务为主的企业，这点与亚马逊不同。亚马逊的C端主业可以依靠其生态来推动云（阿里也是类似），而微软是天然缺乏”市场流量“供给的，要依靠其庞大的销售体系去转化，庞大的销售体系效率慢而且难以通过生态体系形成裂变效应，AWS的先发优势树立了类似”office“在办公领域的标杆，吸引了众多的开发者云集；而越来越的开发者会带动更多企业形成正向反馈，这就是互联网的网络效应。网络效应会触发指数级增长，用户规模的增长既可以分摊成本，又可以形成竞争壁垒，所以互联网时代的跟随战略很难取胜，除非领先者连续犯错。对于微软来说，选择了不同的战略定位是明智的，基于此，就可以理解微软战略执行方面的意义所在了。1：销售团队的转型。云服务理想状态是用户自服务，但目前对于企业来说，厂商的服务必不可少而且是核心诉求之一。销售团队是微软庞大的资产。销售团队对大客户的“管家”式贴身服务，可以更好地理解客户需求并提供针对性的云架构方案。虽然销售团队的模式是成本最高的，但是对于大的客户更容易获取信任，建立长期的关系，而推动微软“全家桶”的渗透。从这个角度看，此成本值得。其实AWS也在构建销售团队，包括其他云的大厂。2：在Azure层面构建“行业云”。“行业云”可以说是PaaS上面的PaaS, 是带行业属性的定制服务。目的是帮助用户简化云的复杂性同时可以快速构建行业应用。用户即获得了行业方面的积累，又保留自身个性化的弹性，还赢得的时间，是一举三得的事情；对于微软来说，即加速了客户的决策流程，又构建了竞争优势，还因为加速上线而收获更多的云用量，也是一举三得。3：通过应用层面的交叉销售。应用层面包括M365,低代码平台和Dynamic家族。M365所代表的生产力一直是微软的垄断领域，虽然面临谷歌的竞争，但是全球仍旧绝对领先。（中国有可能不同）。应用层面除了本身带来的销售收入，一定会带动前端和后端的协同，包括流程和数据。而数据的协同又是微软Azure差异化的核心之一。前后端的协调扩展了竞争维度，复杂的B端销售场景利多微软而利空AWS/GCP。4：Linkedin的生态。溢价50%收购Linkedin是微软在社交领域的布局。社交领域一直是短板，曾经的MSN半路夭折，和Facebook竞争不是微软的基因所在，而且社交领域的竞争窗口已经关闭。不同于泛社交领域，一直致力于知识工作者的领英和微软的风格比较搭，而且这些职业人士往往是对企业有影响力的人员。同时Linkedin和Office, Dynamic, Azure的整合可以带来粘性。5：游戏。游戏，电商和广告是互联网最传统的变现模式，微软本身就带有游戏的基因，“模拟飞行”直到现在都有一批“铁粉”，“我的世界“等高品质游戏贡献了9%的应收。除了游戏本身所带来的Azure的用量，游戏的计算引擎，建模技术也是元宇宙的核心之一，而元宇宙是基于云平台的上层建筑。微软收购”暴雪“的意图超出游戏本身。6：Bing和Edge的导流。Bing还处于劣势，微软内部也没有刻意把Bing作为Azure的前端之一。Bing除了带来本身的广告收入外（收入占比6%），仍然和浏览器是承接流量的入口，虽然这个入口的地位愈加衰落。但是有一点我们要了解。Azure的增长需要生态，生态会带来指数的增长，微软只是技术平台公司，无法沉淀每个细分行业的经验。当Bing/Edge获取更多流量后，会导流客户需要到微软的生态，生态的合作伙伴有机会对接到更多的客户需求，而更多的客户需求会吸引更多的生态伙伴而形成正向网络效应。ChatGPT能力嵌入Bing和Edge, 一方面通过C端扩大影响，吸引客户；另一方面越来越多的用户互动会更好的提升ChatGPT能力，能力的提升又会吸引更多的用户使用形成正反馈循环，而基于能力的服务比基于基础设施的服务，客户的逃逸成本更高。除了ChatGPT本身也会带来大量的算力消耗，同时通过价值溢价来对抗竞争对手成本优势。（对应谷歌更会冲击其商业模式）。借助零售行业用语做个比喻，集成了ChatGPT的云服务即可以拉新，又能提高复购率，还可以提高客单价，一举三得。所以微软第一时间把ChatGPT能力嵌入Bing和Edge, 一是工程相当简单，二是带来两个正向反馈。云，尤其是Azure，带动了微软收入和利润的快速上涨。下面的两者图表分别展示了以2016年为界，前后6年微软收入和营业利润的CAGR，这是资本市场对微软的乐观预期，迅速推动突破万亿市值的根本所在。举报/反馈

chatgpt的商业价值 chat gpt可能带来的商业模式

商业价值体现,商业价值描述,商业价值 英文,商业价值模型
浙江大学管理学院创新创业与战略学系主任――郭斌，首位钛空讲书人、清华大学经济学博士――郭宇宽老师，一起来聊聊变革时代的商业模式创新。 在本次对话中我们将讨论一系列重要的话题： 1、“商业模式”这个概念第一次出现在50年代，但直到90年代才开始被广泛使用和传播，已经成为挂在创业者和风险投资者嘴边的一个名词。这个概念在中国是如何被从业者开始津津乐道的？目前还存在哪些热议的的新商业模式？ 2、以今年首次上榜《财富》世界500强的星巴克为例，介绍星巴克的商业模式和近些年的创新之举，从中我们可以得到得启发是什么？ 3、2021年9月字节宣布90亿人民币收购PICO，要知道当时市场认为PICO的合理估值约为20亿元左右，腾讯和字节竞价出到了50亿后放弃。而短短2年之后PICO的折戟，意味着字节在从流量到产业化的深入中再次遇挫。Pico作为业内领先的vr设备和内容提供平台，对于视频内容和游戏内容的需求是显而易见的，字节的传统优势基因在于信息流算法，目前无论是游戏还是vr业务，逃离“舒适圈”的业务尚没有一件可以复制抖音的奇迹，商业模式的创新真的会受制于公司既有的“基因”么？如何看待字节跳动这家公司的商业模式探索之路？ 4、有深厚内容和游戏业务基因的腾讯，同时宣布XR业务方向调整。加之之前已经被爆解散的NFT交易平台幻核的解散，腾讯似乎在元宇宙这个领域的探索同样不顺利，这到底是元宇宙本身的问题，还是腾讯的问题？元宇宙的经典商业模式是什么？ 5、从字节和腾讯的头显设备之争可以看出，腾讯将xr设备放置在了游戏业务为主的ieg事业群中，而pico则作为字节的独立业务单元开展，本质上对于腾讯而言，有了雄厚的游戏业务开发基础，元宇宙业务相当于是一种“锦上添花”，而字节则要有更大的勇气去探索一个未知领域，“在原有业务基础上的创新”以及在“原有业务基础之外的创新”，究竟哪一种更适合当下这个时代？商业模式的创新本质是什么？为什么说，商业模式创新是从“有限游戏”到“无限游戏”的变革？ 6、随着大模型和chatgpt的火爆，国内开始出现了很多高校，互联网巨头，甚至初创的创业公司加入到这个赛道中，在过程中，用户体验是否完善还不明确的情况下，微软这样的巨头已经提前宣布将会在类ChatGPT的产品中，加入广告，面对一种新技术，商业化变现的轻重缓急，企业应该如何把握？3年不能变现的好产品，还是好产品么？如何评估一个商业模式是“好”的商业模式？