门槛

“门槛还是太高。”

大模型狂热继续，但今天依然沿着一条路或者一个路线图前进的公司或产品却并不多了，有的“模型”公司做着做着没模型了，有的从情感到生产力再到视觉做了个遍，有的干脆从c转到b，也不再批评过往b端必做的项目制了。这些都没什么可批评的，毕竟就连OpenAI也做黄了GPTs，然后新模型更是直接改名o1系列而不再死磕GPT的迭代了。

但钉钉却算是其中一个异类。

它的追求跟其他公司都不太一样，它从一开始自己就不做模型，但铁了心要用模型能力改造自己。拿自己的产品动刀。

它是最快速开始反应的产品，去年在ChatGPT之后，先是喊出要用AI把自己重做一遍，然后真的就开始了大改造，先是发布了钉钉自己的copilot，之后提供自定义agent的平台，再到最近融合了AI搜索等功能的365会员，在落地模型的方向上不停有新动作。而在一年的“折腾”下来，你发现搞了多次功能更新的钉钉，其实都还是围绕着一个最初搭建的结构和路线在前进：

这个结构以生产力创作平台 ，也就是提供Agent搭建能力的底座为核心，不停向钉钉自有的已经建设的所有功能和能力蔓延。

而这个不变的路线就是，要让它的用户应用AI时的门槛超级低。

于是开头这句话几乎就是每次钉钉改造产品的“动机”。

“会创作的人还是少，都处在非常早的阶段。对AI有感觉的人已经开始尝试，但比例还是少。在这个基础上我们为了让更多的客户感受到AI给他带来的直观的改变，我们就又做了改进，找场景、找行业高频问题，抽象出来做标准化。”钉钉CTO程操红对硅星人说。

“门槛还要再低。”

把封装进行到底

于是为了让门槛继续降低，钉钉最近又做了重要更新。它分为三个维度，首先在个体用户的体验上，一个新的“个人的专属AI助理”出现。

它整合了此前钉钉推出的多种AI功能里最普遍的需求，提供AI会议速记，问答，你重点关注的人和信息等功能，进一步给用户更直接的使用体验。

让人印象深刻的是它的实际效果。钉钉一直在死磕的agent化的这些功能的可用性真的提高了很多，到了可以被依赖使用的程度。比如用自然语言去直接让个人助理找到某个人管理的团队并每个人发一份邀请，比如像聊天一样让助理把某个员工所有的周报做总结。

同时，面向B端客户，它也再次做了功能的封装打包，提供了企业常用场景的AI助理工具包，把前置工作再次做足。

首批上市的6个高频场景 AI 助理包括：工单助理、Excel AI 助理、法务 AI 助理、口碑 AI 助理、行政 AI 助理和审批 AI 助理。它们是与各行业的企业共创出来，面向企业高频场景，跟钉钉场域深度融合，由钉钉官方开发，针对特定场景提前配置AI技能，实现开箱即用。

“这是我们高度封装，高度匹配过的，避免了你去反复去做深度融合的工作，我们把钉钉很多的能力节点，都打包在里面，这个很关键。”程操红介绍。

钉钉也分享了一些实际案例。在智能工厂和智能仓储公司金石机器人的案例里，公司拥有产品种类丰富包括自动装车、伺服堆垛机和空间物流机器人等，钉钉工单AI助理可以帮助金石的经销商随时随地提交各种产品问题工单。

当工单进入AI的“视野”，AI会根据学过的特定专业知识进行自动回复，遇到未解决的事项，可一键生成工单并自动指派给对应负责人。

据介绍，这款助理通过为金石全国1000多家经销商提供了标准化的售前咨询和售后服务，提高了经销商的产品销售反馈效率，在服务商运营环节节省了30%的人力投入。而且，它在过程中也为业务沉淀了大量有价值的产品改进建议。

“以前很多都是拍脑袋决定，现在这些数据第一次被收集起来了。”

目前6个高频场景AI助理已正式上线，在钉钉搜索对应的助理或直接搜索精选AI助理即可免费试用。

另外是行业化，让AI拥有解决行业真问题的能力。钉钉也联合生态伙伴发布了行业AI解决方案中心，包括AI大模型一体机——也就是钉钉AI的一站式私有化解决方案。今天依旧有很多企业有私有化部署的需求，但他们担心成本问题，这个一体机的方案是一个从服务器、算力、模型、数据库、到AI助理应用开发和场景部署一并解决的产品，满足了这些真实存在的需求。

同时，钉钉也发布了涵盖医疗、制造、教育、零售、互联网、金融、交通基建、航空行业等行业的行业AI解决方案中心，通过和这些行业里有大量经验和知识的公司共创，来提供标杆案例。

一些行业客户已经在这些案例里展示出大模型落地上的真实价值。

在长龙航空，他们使用航班信息管理助理来打通数据大屏实时看数据。这家浙江唯一的本土总部主基地航空公司，有超7000人的员工，开通700多条航线，覆盖172个城市。

通过钉钉AI平台，长龙航空创建了“航班信息管理助理”，实现了航班数据的实时分析和高效管理。工作人员不仅可以与 AI 助理直接对话，还可以与 AI 智能问数交互大屏进行数据咨询、数据问答和数据分析，大幅提升了航空运营的智能化水平和决策效率。

这一切都很钉钉。没有夸张宏大的理念，而是集中精力于具体的应用场景和深挖行业特定需求，然后把大模型的确定性的能力和需求里确定性的场景结合起来，解决真问题。

70%的长尾问题，超级应用的另一条路

在这些钉钉的客户们的使用案例里，你会察觉到它们和那些“想象”中的案例气质十分不同。一些用例并不是那些所谓追求“全能”的模型会在意的角落，但是它们同样重要。在这些深入泥土里的场景，是钉钉眼里AI真正产生价值的地方，是大模型应该用来发挥作用的目标。

“AI能够让我们对所有未来组织治理和业务运营的场景覆盖的更加完备。如果把数字化看作100%的场景，软件只覆盖了可能 10% 不到，后来低代码又多覆盖了 20% ，但还有 70% ，这里非常长尾，但无人问津。今天数字化场景覆盖的比重是完全不够的。”程操红说。

他举了个例子，在企业的销售订单获取中，往往可以知道这个订单来了，但不知道订单具体怎么来的。谁在里面真正起到了作用。

“以前的方式没有这个数据，对吧？谁在客户门口曾经蹲守了三天三夜没吃饭？你没记下来。你只知道这个订单最后进了销售系统。你不知道，有人为了获取客户晚上睡不着觉，瘦了 8 斤。这个都没有记下来。”

而大模型带来了改变的可能。

“我们认为因为有AI对非结构化数据的处理能力，推理能力和本身的这种行动能力，agent 的能力，包括非常低门槛的用自然语言来创作的能力等，其实能够把数字化企业经营的场景覆盖的更加广泛，当覆盖更广之后，整个组织的经营就会呈现一个完全不同的新的模式。”

当目标不同，以真实的应用价值为目的去研究作为新技术的大模型，对这个技术的理解也变的更接近本质。在飘渺的AGI之外，当抛弃掉那科幻的部分来想象它的具体成分时，最终无外乎落在数据，交互，和因此而来的新的数字化处理能力上。

大模型是数据的最佳压缩器，通过压缩而产生智能，而从产业落地的角度对照着看，它要产生实际价值的话，这些数据就必须是真正与业务有关的数据；在交互上，则必须要满足业务的逻辑，它用来处理的问题必须要是有产业价值的问题。这也逐渐成为许多要把大模型技术落地商业化的公司们的共同选择。

据公开报道，OpenAI如今已经有一半收入与企业以及API的服务有关，而这家公司正在为客户提供更加定制化的方案，把自己的最强模型提供给企业，让企业用自己的真实数据和业务逻辑来真正把它用起来。一个没有进入实际生产场景里与真实环境互动的模型，本身是再强的“世界模拟器”，可能也无法产生产业价值。

而作为一款基于IM即时通信的拥有复杂丰富协作网络的生产力平台，这些要素却已经都聚集在钉钉上，而且会不停流动和产生。这也是钉钉死磕“开箱即用”的原因，它提供的基于模型技术的应用能力更直接和触手可得，这些用户和客户就更不需要自己重新“搬迁”自己的数据和数字资产，可以更早从这场技术革命里“尝到甜头”。

“我们总结钉钉AI的特点，就是和场景的结合、和数据的结合、和技能的结合以及和协作网络的结合。这是钉钉的差异化竞争力，我们会坚持做下去。”

根据钉钉的数据，已经有超过220万家企业在使用钉钉的AI应用，它自己也在这个过程里开始变的标准化、即插即用，成为一种新的底座，一种追求把AI能力尽可能复用给更多产业场景的底座。

大模型的落地需要更多这样的“钉钉”。

在人们都在渴求一个超级app时，还有人在脚踏实地为每一个细分行业抽象出来的需求做服务，誓要死磕那未被覆盖的70%的场景，而这可能也是另一种超级应用的路线：

当那些不同领域的应用，长尾而又复杂的应用们，长在同一个底座上，它们一起构成的可能才是那个新的“超级应用”。