OpenAI大会大模型圈开卷， 实在智能布局＂AI Agent智体能＂前瞻已下“先手棋”

“平地起惊雷，至今有余音。”

去年的11月，OpenAI发布ChatGPT给科技圈劈下了一道惊雷，引爆了全世界的AI大模型热潮，全球科技巨头公司争先恐后地推出通用大模型，探索产业应用的可能。

短短一年后，北京时间11月7日凌晨2点，OpenAI在美国旧金山举行了其首届开发者大会，45分钟的密集输出，向我们展示了大语言模型赛道一只脚已踏入AIAgent智能体世界。

大会上，OpenAI创始人兼CEO萨姆·阿尔特曼公布了三大重磅信息：技术方面，推出GPT-4Turbo升级六大能力，同时API使用价格整体下调便宜一半多；开发方面，推出GPTs服务，让完全没有代码能力的用户用它打造专属于自己的GPT助手；生态方面，新推出API助手（AssistantsAPI），开发出类似于Agent的应用，另外将于本月上线“GPT应用商店”。

新鲜感逐步褪去后，ChatGPT的增长也在逐渐放缓，但如何解决生成式AI面临的诸多问题，OpenAI给出了相应的回答：更便宜、更深的定制化、更广的运用场景。

而大洋彼岸的实在智能却已成为国内外第一家将大模型与RPA融合，实现“所说即所得，你说PC做”的技术厂商，自2023年初利用其强大的AI自研能力，于8月份发布了实在自研垂直大语言模型“塔斯（TARS）”，实现了大语言模型跟RPA、IDP和其他AI技术更广与更深的融合，并推出业界首个基于大模型的TARS-RPA-Agent，即实在RPAAgent智能体产品，将智能体数字员工的应用门槛进一步大幅降低。

让大模型飞入寻常大众家-智能体数字员工让自动化看得见

自今年年初ChatGPT爆火以来，国内外企业对生成式人工智能结合其他AI自动化技术，来实现其产品的AI能力升级并成功在企业客户落地上充满了期待，而最新数据和研究趋势也表明，全球市场对大语言模型商用的需求是巨大的，但较高的大语言模型技术研发成本和人力成本限制了AI智能的大规模应用，如何让大模型飞入寻常百姓家，成为普罗大众真正意义上的智能体数字员工，自然成为了AIGC技术发展首先需要解决的问题。

“不会编程可以使用吗？”

“没问题，完全可以，你只需要向电脑说你要做什么，它就会为你做完所有任务。”

实在RPAAgent智能体就相当于一个懂你所有指令，并能够准确把你所给的指令自动拆解成方便后续自动化流程去执行的不同步骤的智能体数字员工。在智能体数字员工实现流程自动化的过程中，每个流程中的步骤对用户而言均是百分百可视，用户可以边查看实在智能体数字员工执行的每一个步骤，边判断整个自动化流程是否准确，如果不准确，还可随时进行调整。

“大语言模型如何在真实商业场景中快速、有效落地”成为技术厂商目前最关注的首要问题，实在智能最新推出的RPAAgent智能体数字员工真正做到将人机协同下的业务流程自动化生成提拔到了一个更智能，全可视，低门槛的‘平民化’高度。

为千行百业量身打造的实在垂类大语言模型优势

OpenAI在开发者大会上对其大语言模型的9大产品能力优化，反映出传统大语言模型要想实现真正的商用落地，必须克服的一些具体实际问题。而实在智能认为轻便落地的大模型，才是更好的大模型，所以“成本可控、效果可用、定制化训练、私有化部署”正是实在TARS大模型在真实场景商用落地的关键特性，实现在不同行业、垂直领域以及功能场景的流水线式部署。

在解决大模型的轻便性和易用性方面，实在智能做到了很多创新，而与湘财证券共建的“自研、有效、安全、可信任、可落地”的财经行业大模型TARS-Finance-7B，既保留了大语言模型的通用技能，更在金融财经领域得到了显著的加强和提升，并在多个中英文的通用基准测评集和财经领域基准测评集上均取得良好成绩：

•在财经领域，与同为60-70亿参数的Baseline模型相比，TARS-Finance-7B模型平均任务得分领先1%~20%；

•在通用领域，TARS-Finance-7B相较基座模型和其他同尺寸Baseline模型，旗鼓相当并在部分领域领先。

实在TARS垂直大模型，凭借强大的意图理解能力，自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验，通过文本指令或简单对话的方式直接生成数字员工，只需要通过聊聊天的方式，描述自己想要的内容给指令即可，无需编写任何编码，就可以让TARS大模型去帮助实现用户想达成的任务，让他们帮你做你想做的事，操作各种电脑软件自主完成任务，不仅能“听得懂，想明白”，更可以“看得见，动起来”。

国内超级自动化厂商实在智能深谙其道，通过长期的AI技术沉淀和行业经验积累，对RPA易用性不断探索和尝试，对传统RPA做一次次革命，使实在TARS-RPA-Agent成为有“大脑”，更有“眼睛和手脚”的超自动化智能体。

2018-2021，实在第一代专家模式RPA，实现可视化拖拉拽构建数字员工。

2021-2022，实在第二代简易模式IPA，基于首创ISSUT智能屏幕语义理解技术，跳出IDE技术模式，开启全球首个点选用模式RPA。

2022-2023，实在第三代对话模式RPA（ChatRPA），结合大语言模型基础，实现超自动化RPAAgent智能体，打造业界首款计算机视觉与大语言模型结合的智能体产品，以全新体验人机交互开启对话式流程创建时代。

作为强大的自然语言处理模型，一方面会有很多机遇，但同时也会面临一些挑战。如果大语言模型工具在源头上缺乏对信息的安全防护，就会导致一些敏感信息和数据的泄露。尽管OpenAI强调说定制化的GPT模型不会对第三方公布，但在应用时仍然需要从根本上加强对用户数据的安全性保护，避免信息泄露的风险，同时对于一些依赖该技术的企业和应用来说，可能会面临技术迭代、数据安全等方面的风险，需要评估其潜在的技术风险并进行相应的风险管理。

任何一款大语言模型产品想要成功实现商用落地，首当其冲需要解决的问题就是数据安全性保障的问题。实在智能从最初的大语言模型产品布局开始就将企业客户敏感数据的安全性防护列入了产品的SOP设计当中，目前已经为实在TARS垂直类大语言模型上了一道敏感数据过滤网，能够在源头上将企业客户的敏感数据进行过滤后再输出给到安全的数据，实在智能同时提供给企业客户一个可以对敏感数据库进行维护的权限，真正实现从企业客户内部就轻松实现数据安全的把控，让企业真正放心将智能体引入到整个企业数字化转型的各个阶段。

而面对国企政府信创需求的爆发式增长，实在智能在坚持不断强化“AI×RPA”核心能力，智能感十足的实在TARS大模型与超自动化产品矩阵的深度融合，全面支持国产信创，在创新自研及国产化适配方面快速发力，全系列产品已广泛兼容、全面适配行业主流的国产芯片、国产数据库、服务器及操作系统，这也是从另一方面的安全性防护去传递产品价值，并在应用层面拉开与其他国内技术厂商的差距。

在肉眼可见的未来，人们的生活将在AI和智能体数字员工的加持下，发生翻天覆地的变化。据Gartner最新研究表明，到2026年，生成式人工智能将显著改变70%的新网络应用和移动应用的设计和开发工作，而到2028年，75%的企业软件工程师将使用人工智能编码助手，而2023年初这一比例还不到10%。

现有的实在RPAAgent“智能体”已经接近人类水平的语言理解能力之上，而且也会随着大语言模型的不断发展而迭代更新到更人性化的水平，这既是目前智能体发展的必然阶段，也将在更长远的未来为构建AI智能体新生态体系做出更重要和必要的贡献。