以AI技术为核心的新质生产力正加速推进，各大创新企业在如火如荼地进行大模型、数字人、AIGC、智能体相关的“工程建设”，大量技术商也一头扎进去钻研产品和方案。但在热度之下，技术迭代难、运营乏力、落地执行能力差等隐忧也逐渐浮现，尤其在应用层面，也主要落地在低精度业务场景。
那么，AI生产力到底行不行？发展中都有哪些难题亟待解决？未来的业务方式又将会出现哪些变革？
针对上述问题，我们特别从大鲸榜调研中，挑选了七位企业/专家的一线观察，通过他们的真实感知去了解真实的AI应用。以下是观点实录：
WeShop唯象妙境GM吴海波：AI并非无所不能。
当下AIGC的发展，我认为既有积极的一面，也存在一些潜在的风险。
从宏观角度看，GPT的出现确实展现出了强大的穿透力，引发了公众对AI的高度关注和期待。这种强烈的势能使得在特定垂直领域中的应用得到了迅速的反馈和认可。例如，只要在某个垂直领域中应用还不错的，痛点切的足够精准，很快便能吸引大批关注者和潜在用户。这充分显示了此次AI革命的独特性，即不再受限于传统渠道的限制。与过去互联网时代的宽带安装、手机购买等门槛相比，现在每个人都可以通过手中的手机迅速接触到AI技术，例如在抖音上浏览到相关视频。这种即时性和普遍性无疑提升了客户参与的主动性和热情。
然而，随之而来的问题是公众对于AI的期待过高。由于GPT等技术的强大穿透力，部分企业认为AI已经无所不能。在实际应用中，这种期望与现实的差距可能导致一些误解和不满。例如，客户可能期望通过简单的拍摄就能将衣物直接应用到虚拟模特身上，尽管这是行业长期以来的追求，但目前仍难以实现。在这种情况下，如果AI应用出现任何小的失误或不足，客户可能会感到失望或被误导。
百果园集团果蔬产业四化研究院院长王筱东：AIGC领域的核心不仅在于算法，更在于数据的质量和数量。
当下AIGC在消费行业零售营销环节的需求和重点在于提高人效、客户满意度和优化数据质量。对于企业而言，更侧重于如何将技术与企业的实际数据相结合。无论是图像还是文本数据，其应用的核心在于数据的整理与利用。在实际操作中，我们面临的最大挑战在于如何确保数据的质量，以便AI能够为企业提供优质的服务。
企业在构建自己的知识库或语料库过程中，只有对数据进行有效的整理，才能用于预训练或精细调整模型。在过去，许多企业虽然拥有大量的非结构化数据，但这些数据往往以文档形式堆积，并未整理成适合模型训练或理解的格式，且需要投入大量的人力和时间。
与传统的机器学习、深度学习领域相似，当前AIGC领域的核心不仅在于算法，更在于数据的质量和数量。尽管我们的数据已经从结构化数据转变为非结构化数据，但数据的数量和质量仍然是决定应用效果的关键因素。因此，我认为企业在利用AIGC时，应更加关注数据的质量。由于模型更新换代迅速，如果数据质量不佳，无论采用何种模型，都难以达到预期效果。
信通院数字人领域资深专家许闻苑：AI数字人在零售消费大行业中应用处于初阶阶段。
AI数字人在零售消费大行业中广泛落地的产品有两种可能方向。
短期看，能解决产业实际痛点的产品有机会脱颖而出。主要指基于已有企业业务布局，助力企业降本增效、提升商业化水平的AI数字人解决方案，如涉及到客户服务、个性化交互、业务流程融合、线上与线下整合等场景的AI数字人产品。
长期看，能创造全新商业模式的解决方案将取得显著竞争优势。应用创新要求企业保持开放的眼界，除了关注技术迭代的速度、产品的性能改善，还需保持对市场需求迁移、用户偏好变化的敏感度，创造新的价值增长点。
决定AI数字人能否大规模的在全行业应用落地的关键问题是可信能力的建设和深度挖掘应用场景。
高速发展的市场机遇下面临伦理及法律等多重风险，如通过“AI 换脸”“AI 换声”以替换、伪造他人声音形象，形成高度写实逼真且肉眼难以分辨的音视频影像，从而开展虚假信息传播、造谣生事，甚至诽谤和诈骗等不法活动的案例频繁出现。AI数字人的相关软件产品需要提升可靠性、可追溯、生成内容安全等可信能力。
与应用场景的耦合深度仍需挖掘。AI数字人在零售消费大行业中应用处于初阶阶段，数字人在特定应用场景中的整合模式仍有探索空间，其适应性和实际效果亦有待进一步提升，尤其是在与真人的多模态交互深度层面，情感识别能力、表达方式多样性、基于个性化数据进行复杂对话等方面技术仍存在挑战。
谦语智能总经理助理苏元骏：数字人目前面临信息生命力、异质复制力和受众感知力三大难题。
直播的本质是内容信息的传播，数字人技术降低了内容生产的门槛却无法避免内容同质化，对于传播受众的管理更要求专业且持续迭代的直播方法论。因而一套优质可落地的数字人直播产品不仅从技术纵深，更重要是从场景宽度、内容池建设和互动验收上，解决数字人目前面临的信息生命力、异质复制力和受众感知力三大难题。
拓元智慧联合创始人、元分身平台总经理黄伟鹏：实现技术与运营的双线并进，是数字人行业突破发展瓶颈、实现长远价值的关键。
人工智能＋行动正加速推进，2024年数字人市场预计将更为繁荣，然而在这股热潮之下，技术迭代难、盲目入局及运营乏力等隐忧逐渐浮现。实现技术与运营的双线并进，是数字人行业突破发展瓶颈、实现长远价值的关键。未来，数字人将不再局限于单向输出，而是向双向互动进化，同时，数字人厂商也将从单点能力向行业解决方案全面拓展，以更科学高效的运营体系助力企业实现营销转化和业务价值提升。
云扩科技创始人兼CEO 刘春刚：现在大模型技术出现之后，会潜在改变原来自动化流程的实现方式。
底层技术的变革对RPA这个行业产生了重要影响。RPA产品的进化方向，一定是与大模型相结合。目前看来，主要是两个方面会让RPA变得更加智能化。
第一，能够通过自然语言的方法去理解人类意图，可以把这些意图转化成能够自动执行的动作，甚至是串联成一个自动执行的流程。不管我们把产品做的多么易用，自动化流程的创建本身还是要人去做的，其实也有学习的门槛，不是说所有的人能马上上手。有了大模型之后，可以依赖大模型去理解人类的动作意图，自动地把该做的步骤给自动生成。
第二，传统的RPA大概率只能去执行固定的流程，现在有了大模型的加持，机器人可以理解业务逻辑，更好地处理流程中的非结构化数据和非规则部分的判断，大大扩展了RPA的场景空间。
独立咨询顾问张佳：未来是不存在“低代码”、“无代码”这些概念的。
每个员工的核心价值是他工作的方法和流程，过去低代码、无代码、RPA 这些概念，其实都在尝试通过提炼员工的最佳实践做成标准化流程，来提高工作和协同的效率。
但掌握方法论和工作流的员工，并不擅长使用这些工具，即便它们都“低”甚至“零”代码。“自然语言”和“人类思考”与“计算机语言”和“机器操作”之间的鸿沟，并不是通过把“代码”隐藏起来就能填满的。
但是随着 AI 越来越强大，强大到可以理解工具的搭建方式、理解企业的提效需求，同时通过自然对话提取员工所掌握的方法论和工作流，将两者进行无缝的结合，这个问题就被解决了。
未来是不存在“低代码”、“无代码”这些概念的，甚至不需要去拖动、连接那些流程模块，告诉 AI 你想做什么就好了。RPA 类工具所做的工作，大部分都可以通过 Python 脚本来实现。当 AI 能够理解和整合更多信息，把它们转化一些列自动执行的 Python 代码时，RPA 也失去它的存在意义了。实际上，ChatGPT 的 Data Analysis 和 ChatGLM 的数据分析功能已经在吹响号角了。
......（未完待续）
4.18号，北京，来大鲸AI峰会 · 零售消费专场，现场听听他们怎么说？
我们邀请了多家行业甲方头部企业代表，目前确认出席的嘉宾，包括伊利集团、海底捞、绝味食品、万事利、元气森林、自然堂集团、百果园、肆拾玖坊、沪上阿姨、竹叶青、老百姓大药房、TATA木门、雅戈尔、中国连锁经营协会等企业与机构。
诚邀您的参与，参与活动抢购早鸟票，一同探讨AI与零售消费的最新技术实践与挑战！