梦晨衡宇发自凹非寺
量子位公众号 QbitAI
好家伙，现在随便打开一个大模型应用，支持的文本都有那————么长。
最新消息，7 亿人在用的钉钉也加入战局，一出手就是长文本、多模态和工作流三大能力升级，全是最热门的 AI 迭代方向。
专门提一下，钉钉 AI 助理的长文本这次能轻松拿捏几十万字的文档，甚至放话单文档理论上无上限。
钉钉那边倒是没避讳，直言当然也进行了文本上限的限制，目前考虑到工作场景的实用性，单文档还是限制在上限 500 页（小声说，可能也是要考虑成本？）。
讲道理，普通人应该很少有需要大模型吃超长文本的时候……但是作为用户和体验者，咱就一个原则：我可以用不上，你不能不提供（手动狗头）。
除了“量子速读”，钉钉 AI 助理在文档细节上也对答如流。
一份文档喂进去，你得到的不是只读了一遍的助手，而是研究了千百遍的专家。
再者，除了祭出长文本能力，钉钉还全面升级，继续在集成 AI 能力上整大活。
多模态速读：不只是文档、图片的理解，还支持解析网页、书籍、视频的摘要速度。在钉钉知识库中，如果你的文档比较多，甚至可以一次性解析几百万甚至几千万字的文档，也能做到跨文档的解析、问答。 自定义工作流：可视化配置 AI 的工作流程，把 AI 能力真正用到业务流程里。能写会看，还能自定义工作流，在钉钉，用户完全可以拥有新造的 AI 同事。
同时也可以从这件事上看出一些市场动向。目前，做 AI 的公司逐渐划分出两派。
以技术为出发点的公司，去寻找场景，目前主要在长文本、多模态等纯技术能力上狂卷。
以场景为出发点的公司，去集成技术，已经陆续放出来了一些不一样的东西。
书归正传，下面就来实测一把，看看集 AI 能力大成的钉钉，到底实力如何。
实测钉钉 AI 助理：实用玩家
钉钉功能这么丰富，AI 助理入口在哪？
其实不用去找它，像平常一样把工作需要的文档、网页丢给同事或群里，AI 会主动来找你的。
接下来轻轻一点，万字长文就被总结成了几个要点，缓解信息爆炸焦虑真是一绝。
除了网页、文档速读，多模态速听速看也是钉钉 AI 这次更新的一大重点。
先上最基础的图片。
一张投资机构整理的 AI 视频产业全景图，信息非常丰富。
如果想提取其中信息，先来看传统选手——OCR 的效果：格式混乱不说，还容易把公司 Logo 识别成奇奇怪怪的符号。
把图发给钉钉 AI 助理，就省心很多了。
不用多余的解释，它不仅能识别其中的公司名称，还把分类给整理出来了。
视频也是同样的配方，同样的味道。
大神 Andrej Karpathy 在红杉的活动上讲了 36 分钟，钉钉 AI 助理看完只需要 3 分钟。
伴随着一声清脆的“钉”，大段听着头疼的英文演讲就变成中文总结了。
目前市面上的多模态 AI 产品，往往都在强调视觉能力。但是可别忘了，表格模态才是日常工作中更常用的。
钉钉 AI 助理对于表格的处理非常有主动性，无需额外交代，直接画出适合展现数据的图表，还有一些自己的见解，有智能体 Agent 那味儿了。
这些还都只是单点的 AI 模型能力产品化，更值得一试的还是自定义工作流。
可能很多用户不太理解什么是工作流，其实字节扣子的 workflow 方式也是这一逻辑。
这是一种执行编排方式，给 AI 提供灵活可组合的节点，甚至支持自定义代码，来实现复杂且可控的 AI 任务流需求。当任务场景包含较多的执行步骤，或者对输出的准确性或者格式有明确要求时，可以规划 AI 助理的工作流，来更好地保证输出符合期望的结果。
简单讲，本质上是把过去的 RPA 自动化执行流程，应用到了 AI 上，一定程度上人工做了 AI 的推理，一来让大模型有指向、有选择的执行任务，更准确，解决现在全球 AI 面临的意图识别问题；二来让大模型可以在工作流中，插入更丰富的行动能力。
一句话总结，就是让 AI 执行任务更准确，行动也更丰富了。
先看最终效果：只需提供一个话题，AI 自动生成小红书文案不说，连发布都代劳了。
要制作这样一个自定义 AI 助理也非常简单，不会编程没关系，只需要点点鼠标，输入你的需求。
并且在钉钉 AI 助理市场，已经有不少制作好的现成助理，一般常见需求都覆盖了。
如果有更进阶的需求，也可以把他们当成示例模板，学习其中的提示词和流程编排技巧。
就这样，除了好用、实用之外，在钉钉上用 AI 还有一种特别的体验：顺滑。
特别是对于本来就在钉钉上办公的朋友来说，不用切换窗口到各路复杂的 AI 工具，复制粘贴文档了。
无论是同事、合作伙伴发来的文件还是钉钉文档里的内容，都可以一件转发给 AI 助理。
而 AI 的输出结果也可以再次转发给其他联系人，甚至传送到钉钉文档，借助“斜杠”的 AI 能力进一步加工处理。
甚至，只要你有开放 API，不管是让钉钉 AI 用微信、Notion、腾讯会议，还是让 AI 打通公司原有的生产、销售、选题各类系统，都成！
总之，在已经成熟的办公平台使用 AI 能力，信息的流转更顺畅了。
大模型下一战场：实际落地、实用价值
2024 年，AI 战事转为应用爆发，瞄准百业千行进行落地，产生实际效益。
对于渴望 AI 进入工作、进入生活的普通人来说，亲手用上 AI Native 的应用比在新闻上见证技术的变革更有趣，体感上也好得多。
人们期待的不再是高大上的概念，而是切切实实的上手用起来。
在万众期待下，AI 应用发展趋势愈发明显。
一方面，大模型的技术愈发完善，涌现出惊人的强大能力，尤其是多模态能力方面。
放眼当下，以 GPT-4、Gemini、Claude 3 为代表的大模型，不再局限于处理单一类型的数据或执行单一类型的任务，而是能够整合多种模态的数据，如文本、图像、声音等，提供更加丰富和深入的分析和理解。
搭建在这样日渐强大模型基础上的 AI 应用，也愈发着重多模态功能。
另一方面，那些以“皇帝的金锄头”为目标场景的 AI 应用，逐步被市场需求证伪，淹没在时代的浪潮里。
被冲刷留下的，都是那些更贴近实际需求、有应用场景的 AI 应用。
这些应用的共同特点，就是不仅仅是将大模型能力作为一项新颖的展示技术，而是以模型技术为基础，开始狂卷处理复杂任务的能力。
工作场景，大模型能力被用于编写代码、建立自定义工作流，省时提效，作为处理工作事宜的帮手；医疗领域，大模型能力被用于辅助诊断、制定个性化治疗方案、研发药物；金融行业，大模型能力被用于帮助分析市场趋势、管理风险、提供个性化的投资建议；而在制造业，AI 大模型能力参与了从产品设计、供应链管理、预测性维护等关键环节。
类似的例子不胜枚举。
总而言之，AI 应用展现的处理复杂任务方面的能力正在逐步得到认可和应用，已成为明显的行业趋势。
既然是行业趋势，大家都看得到，为什么钉钉在速度上又领先一步？
量子位调研总结，钉钉至少手里有三张王牌。
第一张，坚实的技术功底。
作为阿里巴巴的重要产品，钉钉能直接用上阿里在大模型领域的最新成果——通义千问。据介绍，通义千问不仅是国内首个千亿级中文大模型，在多模态理解、长文本处理等方面已是国内大模型佼佼者。
在图片理解上，钉钉 AI 助理基于通义千问 Qwen-VL-Max 视觉理解模型，在多个权威测评中获得佳绩，比肩 OpenAI 的 GPT-4V 和谷歌的 Gemini Ultra。

而且钉钉对通义千问不是简单套用，反而是进一步打造了一套完整的 AI 框架，其 AI 助理构建在 3 个系统之上：
感知系统：负责感知，进行 prompt 的输入。特点是钉钉这个工作场景的上下文，如会议纪要、工作任务，授权后也可以被感知，而不只是对话的上下文。；
行动系统：低代码、钉钉的各个功能、SaaS 应用，将成为 Agent 核心系统的手和脚，完成生成、问答、调用、分析等系列行为；
思考系统：接入通义千问模型，让 Agent 拥有快思考和慢思考的能力。
这种全栈式的技术架构，保证了钉钉 AI 从需求理解到任务完成的端到端闭环。
第二张，在大模型元年早期就洞察趋势，抢先入局，积累经验。
基于对 AI 发展趋势的精准判断，钉钉早在 23 年 4 月就率先推出 AI 产品“钉钉魔法棒”。
在国内办公平台之中动作最快，成为首个走向智能化的生产力工具。
抢先入局让钉钉积累了宝贵的实战经验，这次 AI 大升级很多功能设计其实就是不断迭代改进的结果。
如当初还需要使用文档资料提前训练的“问答机器人”，就进化成了随时把文档、网页链接丢到任何一个聊天或群聊，就能随时、随地调动 AI 能力。
这些功能还被放到 AI Agent 里，与行动能力相协同，相当于有了知识之后，又有了手和脚。
第三张，场景积累在我，过去还积累了无代码低代码平台。
据数据统计，钉钉在全球范围内已服务了 2500 万组织。
这意味着，各行各业海量的办公协同场景被钉钉收入囊中，为其 AI 应用提供了极其丰富的应用土壤。
而在平台能力上，钉钉此前发力的智能化 OA、RPA、宜搭等产品，也都成为此次 AI 助手的有力补充。
所以在自定义 AI 工作流刚上线，不仅有官方预先制作好的常用模板，热心用户也能迅速把自己的个性化工作流搬上来，突出一个轻车熟路。
可以说，钉钉多年的战略性投入，借着 AI 这波 AI 新浪潮又开花结果了。
一年前这个时候，所谓 AI 应用还大多是“大模型技术演示”，远远称不上产品。
当时我们曾预言，只有准确把握 AI 时代的交互模式，应用于大量的应用场景，才能让 AI 能力在反馈中不断提升、应用层不断创新，形成新的增长飞轮。
如今看来，钉钉 AI 一年多来的实践正是沿这个方向给大家趟出一条更具体、更容易摸着走下去的路。
“AIGC 一天，人间一年”，我们离真正的第一个 AI 超级应用，已经不远了。
