过去一年，AI大模型，历历在耳、炙手可热，更是给协同办公市场带来智能新风潮，从传统OA三巨头到“钉飞书”，都推出自己的智能办公新品。

2024年，将是真正“智能涌现”的一年，蓝凌研究院整理10个小趋势，供大家参考。

1、AI原生全面加速

Gartner预测，2026年超80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用，而在2023年初这一比例不到5%。

智能应用将从 “+AI” 向 “AI+” 转变，不再被视为模型能力的搬运工，而是一开始设计就思考AI融入的产品，这将能满足更多企业的深层行业需求。AI原生，作为一种数智生产力新范式，将成为越来越多的企业、个人的共识，驱动协同办公市场创新应用，在更深、更广的行业领域实现价值。

2、小模型渐唱“主角”

小语言模型（SLM）的兴起正逐步挑战大语言模型（LLM）主导地位！IDC调研显示，目前60%的企业使用大模型公开版本，2年后会降至17%，更多企业会将AI应用建立在私有、专属模型上。企业专属大模型，及运行在手机、汽车、物联网等端上的小模型等将成为新热点。越来越多人认为：做小模型的本质，其实是在做离用户更近的模型。

效率高、成本低、易于定制。这些特点使得SLM在多种应用场景下，成为LLM的理想替代者。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示：企业如果基于行业大模型，再加上自身数据进行精调，可以建构专属模型，打造出高可用性的智能服务，而且模型参数比通用大模型少，训练和推理的成本更低，模型优化也更容易。

3、超级助理纷上岗

大模型为数字人“注入灵魂”。从微软的Copilot到蓝凌的“蓝博士”，从飞书的智能伙伴到钉钉的AI Agent超级助理，未来企业将迎来越来越多不同岗位的“数字员工”，AI在协同办公领域的落地正全面加速。

过去，企业办公大多依赖图形界面，随着功能按钮越来越多，界面变得超级复杂。AI超级助理或助手的出现，让通过自然语言交互，使用文字或语音输入就能完成工作成为可能，就像一位真实的“同事”。AI超级助理是“感知系统+行动系统+思考系统”的三位一体，感知系统基于各种丰富场景输入各种类型数据，行动系统借助于低代码的手与腿；思考系统支撑长短期数据、互联网公开数据，同时具备行动规划能力。

AI超级助理可以随需构建，像工作助理、学习助理、公文助理、低码助手等，能让任务执行更主动、知识获取更直观、问题解决更彻底，让智能工作在每个岗位上发挥更多价值。

4、专属语料库提速

语料数据、算法、算力是人们熟知的大模型发展三大要素。企业专属大模型语料库，对于企业AI应用的价值体现为：高度针对性的语言学习材料，确保训练出的大模型，能够精准地理解和生成与企业业务相关的语言内容；也能为企业创造独特竞争优势，例如提高客户服务满意度、提升内部工作流程效率以及创新业务模式，更能确保证数据来源的合法性和隐私保护，有助于排除潜在的合规风险。

专属语料库的构建，涉及到组织内外部数据与知识采集、预处理与清洗、数据标注与增强、数据划分与验证、语料训练与优化等工作，企业如果具备知识库规划、构建及运营经验，将大大方便语料库建设。

▲ 蓝凌基于知识图谱的智能知识管理平台

知识图谱提供了一种从海量文本和图像中抽取结构化知识的手段，让知识获取、整理、应用更智能……基于知识图谱的知识管理平台，覆盖知识智能入库、智能入图、智能编写、智能采集等应用，将大大提升企业构建专属语料库的效率与质量。

5、数据安全加“护栏”

在一个AI无处不在的世界里，数据是一项至关重要的资产，为AI模型和应用程序提供养分。清华大学互联网治理研究中心主任、伏羲智库创始人李晓东教授认为：AIGC发展，带来数据跨域流动和流量入口的重新分配，数据作为数字经济时代的关键生产要素将发挥更基础性的作用。另一方面，AI产业发展所高度依赖的数据资源的确权和开放也越发重要，在发挥人工智能作用提升生产力和商业效率的同时，也要注意关注人工智能潜在的安全风险。

从国家政策到企业行为，数据安全被高度重视。AI TRiSM作为提供用于模型运维、主动数据保护、AI特定安全、模型监控（包括对数据漂移、模型漂移和/或意外结果的监控）以及第三方模型和应用输入与输出风险控制的工具，正受到越来越多企业关注。IDC调研发现，73%的企业表示会制定全公司AIGC范围适用的标准规范。

6、数智空间新升级

智能助手将成为组织内协同办公的核心交互界面，员工可以通过自然语言对话方式获取信息、安排日程、管理项目等，大大提升了人机交互体验，也将重塑移动互联网时代形成的办公入口和应用格局。

数智化工作空间（MK-workplace）也将不断进化，将传统信息化“基于流程做系统”的模式，升级为“基于空间做赋能”的模式，支持多维组织自维护；融合门户、空间、群、场景等不同空间管理能力，实现对员工的有效赋能，和更极致的用户丝滑体验。

7、AI增强代码开发

AI增强开发指使用生成式AI、机器学习等AI技术协助软件工程师进行应用设计、编码和测试。AI辅助软件工程提高了开发人员的生产力，使开发团队能够满足业务运营对软件日益增长的需求。这些融入了AI的开发工具能够减少软件工程师编写代码的时间，使他们有更多的时间开展更具战略意义的活动，比如设计和组合具有吸引力的业务应用等。

据Prosper Insights & Analytics的最新调研显示，在不同年龄段的群体中，大约有8%到14%的人正在使用ChatGPT进行开发工作。据低代码专家：蓝凌软件表示：AI将为低代码技术插上“超自动化”新翅膀。AI加持，能让蓝凌低代码的高效再提升30%以上。

8、流程超自动化

据爱分析的定义：超自动化指利用 RPA、iPaaS、AI、低代码、BPM、流程挖掘等自动化技术，实现组织端到端流程自动化以及新业务流程快速编排，帮助组织提升效率、创新能力和客户体验的平台产品或解决方案。

智能时代，AI由工具升级为超自动化“大脑”，用来控制运营自动化阶段的“神经系统”。软件工程师们的大部分职责由AI担任，AI决定选择哪些自动化工具以及如何组装流程。用户直接把新流程甚至新业务诉求传递给超自动化智能交互机器人，机器人自动把业务流程按照推理得到的规则进行快速编排，成为CXO的高效助手。

9、AI商业化探索

2024，AIGC的商业化将呈现更多可能，涉及基于Token计费、按月订阅收费、广告收入、按调用次数收费以及定制化“软件+硬件”服务等。

微软的AI编程工具GitHub Copilot已拥有150万用户。对于个人客户，GitHub Copilot的订阅费用为每月10美元；对于企业客户，订阅费用为每月19美元。根据微软最新的财报，这家互联网巨头通过大模型技术推动了周边业务的营收大幅增长。

在中国，一些厂商将大模型商业化与现有服务相结合，推出了按照调用次数收费的落地应用场景商业化方案。而对于大型企事业单位，如银行、保险公司和高校等，更倾向于选择定制化或一站式服务。这些服务不仅涵盖大模型系统，还涉及服务器等硬件综合解决方案。

10、生态可持续建设

未来，组织内人人都可能成为系统或应用的开发者，软件公司将变成智能系统运行商，应用之间广泛的调动与协同，将塑造全新的生态格局。平台公司、ISV、国企数科公司、大型集团三产公司、咨询公司，甚至自由职业者等，都可能在一个生态里碰撞出意想不到的“火花”，如何共创共享，让生态可持续发展成为关键。

目前，AIGC浪潮，正从大模型涌现、应用层快速创新，步入深度业务场景应用阶段，联合更多距离业务一线更近的伙伴，一起共创AI原生应用，将为客户创造更多价值，也将带来生态的共赢新局面。