如今，我们每天都能看到各种 AI 新成果出炉，尤其是生成式 AI 和大模型领域，几乎每隔几天就有更强大的模型问世。

然而在这样的大背景下，坐拥 ChatGPT、DALL-E 等流行应用（模型）的 OpenAI 却仍未找到合适的商业盈利模式。

不久前，就有知情人士透露 OpenAI“烧钱太狠”，今年或面临高达 50 亿美元的巨额亏损。

因此，在 ToC 端（面向消费者）寻找“杀手级”应用困难重重的时刻，许多科技巨头都将目光放在了 ToB 端（面向企业），试图在企业 AI 市场找到能真正创造利润的商业模式。

在企业 AI 市场竞争日益白热化的背景下，包括微软、IBM 和谷歌在内的科技巨头正在加速推出新产品和解决方案。

与此同时，一项来自谷歌的最新研究也证实了 AI 工具对提升企业生产力，尤其是编程效率的积极影响。

微软和 IBM 接连布局企业 AI

当地时间 10 月 21 日，微软宣布将在其 Dynamics 365 平台（企业级应用套件）上一口气推出 10 个自主 AI 智能代理（Agent）。

微软副总裁布莱恩·古德（Bryan Goode）对媒体表示：“我们将这些智能代理视为 AI 时代的应用程序。如今，每个业务系统都将被重构为基于 Copilot 的代理系统。”

这些新推出的 AI 代理超越了传统的聊天机器人，能够基于更广泛的数据进行判断和推理。微软希望它们能代表 AI 技术在企业应用场景中的深度整合。

这 10 个自主 AI 代理的功能覆盖面极为广泛，涉及企业运营的多个核心环节。

（来源：微软）

例如，在销售领域，销售资质代理（Sales Qualification Agent）可以帮助销售人员研究和优先处理潜在客户，提高销售转化效率。

在客户服务方面，客户意图代理（Customer Intent Agent）能够持续分析来自各个渠道的客户对话，发现新见解并提升服务质量。

再比如，在财务管理领域，财务协调代理（Account Reconciliation Agent）可以帮助团队准备和清理数据集，简化财务报告流程。

在日常运营中，时间和支出代理（Time and Expense Agent）能够自主管理时间录入和支出跟踪等工作流程，从而大幅提升管理效率。

微软对媒体表示，按照一些企业反馈的数据统计，使用现有的 Copilot 服务“可以为企业每年节省高达 5000 万美元的成本，相当于增加 187 名全职员工的产出”。

与此同时，IBM 也正在企业 AI 领域发力。

据IBM 高级副总裁兼首席商务官罗布·托马斯（Rob Thomas）透露，该公司目前在生成式 AI 领域的业务规模已达 20 亿美元。

他强调：“在 IBM 工作的 25 年中，我从未见过任何业务能以如此快的速度发展。”

最近，IBM 新发布了 Granite 3.0 系列模型，试图构建一个全面的企业 AI 生态系统，其中包括了 20 亿和 80 亿参数的通用模型，以及专家混合模型和优化了安全防护的 Guardian 系列模型。

IBM 对媒体表示，新模型的训练使用了 12 万亿个数据 token，包括多语言数据和代码数据。

这些模型将通过 IBM 的 watsonX、亚马逊的 Bedrock 和 Sagemaker，以及 Hugging Face 等多个平台提供服务。

不过，在推进企业 AI 发展的策略上，两家公司的选择有所不同。

微软侧重于将 AI 无缝集成到现有的企业工具中，利用其在办公效率工具和云计算领域的优势。

而 IBM 选择将 Granite 3.0 模型以开源的方式发布，这一决定为企业合作提供了更大的灵活性，有助于培养更广泛的生态系统。

AI 工具能否真的提升工作效率？

**
**

从企业的角度来看，是否在内部推广 AI 工具，更多地取决于它们的应用实际效果，能带来多大的效率提升。

近日，一项针对软件开发领域的最新研究提供了相关数据支持。这项涉及 96 名谷歌软件工程师的随机对照试验深入研究了代码自动补全、智能粘贴和自然语言转代码等三种 AI 功能对开发效率的影响。

这项研究来自谷歌研究团队，相关论文发表在预印本网站 arxiv 上。

图丨相关论文（来源：arxiv）

研究发现，相较于未使用 AI 的情况，使用 AI 辅助工具的开发人员完成任务的速度提升了约 21%。

特别值得注意的是，经验丰富的人和每天投入更多时间编写代码的人在使用 AI 工具时获得了更明显的生产力提升，这表明 AI 工具能够与专业人员的工作方式相融合。

不过作者也指出，虽然 AI 可能加快了开发速度，但仍有必要进一步研究 AI 生成代码的质量，尤其是当 AI 应用于大型系统和企业级项目时，确保高质量代码的产生至关重要。

“未来的 AI 工具需要更个性化，以满足不同开发人员的需求。”作者总结道，“对于资历较浅的开发人员，AI 工具可能需要更好地引导他们进行复杂任务，而对于资历较深的开发人员，工具应提供更高阶的功能，进一步提升其生产效率。”

值得一提的是，IBM 正在构想一种生成式计算新范式。这种方式将允许通过开发者通过示例和提示来编程，而不用逐行敲出代码。

这一理念与谷歌研究中验证的 AI 辅助开发方法不谋而合，二者都指向了软件开发范式的重大转变。

IBM 高管对媒体表示：“通过示例来编程，这是一个根本性的转变，我们刚刚才在与大模型的交互中体验到这种感觉。”

可以肯定的是，随着这场 AI 革命的深入发展，企业软件领域正在经历前所未有的转型，AI 技术正以前所未有的方式重新定义我们未来的工作方式。

那么，如何系统的去学习大模型LLM？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

篇幅有限，部分资料如下：

👉LLM大模型学习指南+路线汇总👈

💥大模型入门要点，扫盲必看！

💥既然要系统的学习大模型，那么学习路线是必不可少的，这份路线能帮助你快速梳理知识，形成自己的体系。

👉大模型入门实战训练👈

💥光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉国内企业大模型落地应用案例👈

💥《中国大模型落地应用案例集》 收录了52个优秀的大模型落地应用案例，这些案例覆盖了金融、医疗、教育、交通、制造等众多领域，无论是对于大模型技术的研究者，还是对于希望了解大模型技术在实际业务中如何应用的业内人士，都具有很高的参考价值。 （文末领取）

💥《2024大模型行业应用十大典范案例集》 汇集了文化、医药、IT、钢铁、航空、企业服务等行业在大模型应用领域的典范案例。

👉LLM大模型学习视频👈

💥观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。 （文末领取）

👉640份大模型行业报告👈

💥包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

👉获取方式：

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓