--- title: "DeepInsight王守彦：基于AI原生的开发模式颠覆了传统IT开发模式｜非凡挚友" id: "20240116A05W4O00" publicationAccount: "非凡产研" originalPublishedAt: "2024-01-16T16:00:00+08:00" canonical: "https://ffcap.cn/research/20240116a05w4o00" source: "https://view.inews.qq.com/a/20240116A05W4O00" sourceAccount: "https://news.qq.com/omn/author/21759984" language: "zh-CN" tags: ["模型与基础设施","AI Agent","营销增长","办公协作","多智能体","开源与本地部署","商业化"] --- # DeepInsight王守彦：基于AI原生的开发模式颠覆了传统IT开发模式｜非凡挚友 文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。 ‍ ![DeepInsight王守彦：基于AI原生的开发模式颠覆了传统IT开发模式｜非凡挚友 · 原文图片 1](https://inews.gtimg.com/om_bt/O1MB8dSBw79uxHJa3G5yKjQnhR0xwJI000RhO2Ts4f6oEAA/1000) ##    ******嘉宾介绍****** 王守彦：DeepInsight创始人，原百度大数据基础平台创始人。 DeepInsight是一家专注于使用AI进行数据分析和挖掘的公司，通过AI重新定义商业BI，产品命名为DeepBI。在AI时代，真正的BI是指AI完全替代人类进行数据分析和挖掘的能力。DeepInsight不仅依赖大模型解决Learning问题，更强调协作和思考的重要性。 通过构建多智能体，DeepInsight力求具备吸收知识、逻辑推理、协作和思考的能力，将这四项能力集成，使我们朝着AGI的目标迈进。 BI的终极目标是获得Deep Insight，而这只能通过Deep Thinking实现。DeepInsight以基于LLM的智能体进行无限深度思考为探索起点，尽管DeepInsight从事BI领域，但目标不仅止于此。 ##    ******快问快答****** **1、能否介绍下你们的产品和核心应用场景？** 我们的产品叫DeepBI，用于商业场景下的数据分析和数据挖掘。 **2、目前产品研发和市场拓展情况是什么样？2023年遇到的最大挑战和收获有哪些？** 目前产品主要模块开发已经完成，并且已经在GitHub上开源，目前正在进行更多行业的数据测试，以适应各行业数据分析和数据挖掘的需求，同时提升产品性能。营销和运营同步在推进，我们的商业化使用的是Marketing驱动的方式。 2023年面临的最大挑战是：当我们在用AI重新定义一个存在数十年的商业BI市场时，如何做的比传统BI好10倍，否则作为新来者根本没有机会。 我们的到最大收获是：**AI的基础能力发生的质的跃迁，使我们能做出来传统BI领域想能不敢想的产品，而且基于AI原生的开发模式也颠覆了传统IT开发模式，使我们能在不超过10个人核心开发人员的条件下做出传统IT需要数十人甚至上百人的开发的产品。** **3、生成式AI和大语言模型为创业者带来了哪些机遇？这波创业浪潮和过往有哪些不同？** 以AI原生为基础的IT开发模式会重构传统的以Code为基础的开发模式，这意味了各行业的软件都会被AI原生重构一遍，这是计算机发明以来在软件层面最大的革命，也是软件行业最大的机会。 **4、目前国内市场环境落地AI应用面临哪些挑战？** AI原生需要以大模型为基础，能赶上GPT4能力的基础大模型还比较少，目前只能完全使用GPT4，或者通过API路由的方式混合使用GPT4和其他模型，完全不使用GPT4在复杂场景下可用性不高，国内还没有完全可替代的基础大模型产品。 **5、您认为AI创业公司在产品研发和市场推广策略制定与执行方面应该考虑哪些关键因素？** 一定要做出比使用传统软件好10倍的产品，否则在产品推广上不足以驱动用户尝试和迁移。AI原生应用成功的关键点是产品能力，如同GPT4就是比传统软件好10倍的产品，他的营销成本就很低。 **6、面对巨头可能带来的“降维打击”风险，AI创业公司应该如何保持竞争力？** 在ToC产品领域，确实可能会面临巨头的降维打击，因为这些巨头之所以成为巨头就是因为他们在ToC领域做得好。但ToB领域不一样，行业比较多，巨头很来难覆盖各种行业，在客户服务上往往带有巨头的傲慢，只要产品能力好，机会很多。 **7、一些创业者认为大语言模型目前能力还不够，限制了AI应用/产品的发展。您对此怎么看？** 从我们实践的经验来看，GPT4支持我们这种复杂的数据分析和数据挖掘是足够的，其他基础大模型如果能在1年内达到GPT4的水平，对AI原生应用来说是可用的。虽然，在使用过程中GPT4也会出现幻觉、能力下降或者在某些场景下能力不足的现象，但这些情况都可以通过工程方法弥补。 不管是现在还是将来，我们都不期望大模型能完成需要协作或深度思考才能完成的工作，大模型只要在知识的理解和输出以及逻辑能力上强大，对我们来说就足够了。 **8、如何看待大模型和GenAI 带来的“人机协同”新范式？企业如何适应和革新自动化流程业务升级的变化趋势？** 以我们为例，我们在开发产品过程中的原则是：具体的产品功能都是AI自助完成的，我们的工程师只是AI的教练和陪练。比如遇到一个新的行业的数据，我们的方法论是让AI自己找到分析这个行业数据的方法，自己制定流程，自己写代码并Debug，自己分析结果数据，甚至自己写PDF报告，**我们的工程师主要是提升AI自主解决问题的能力，而不是为AI制定工作流程。** 这些变化导致我们对人才的需求更偏重思考能力，因为我们在训练AI自主思考，所以需要比AI更聪明的人。同时我们的组织结构中也没有传统IT中的所谓产品经理、UI、前端、后端、测试这样的分工，实际上这种具体的工作大部分都被AI替代了。 **9、2024年还有哪些新技术趋势值得关注？** 我最关心的是其他国内闭源或开源的大模型产品能否赶上目前GPT4的能力，这样我们在商业化是选择范围会更大一些。 ##    ******报名通道****** 作者：王守彦 编辑：Qiuping --- 原始发布版本：https://view.inews.qq.com/a/20240116A05W4O00 本站阅读页：https://ffcap.cn/research/20240116a05w4o00