如果你相信人类的知识与能力基本上是通过学习得到的，那么DeepSeek和我们的差别等价于三体人和地球人的差别，站在DeepSeek的角度，我们都是虫子。

 

2025年6月14-15日，网易云商AI技术负责人冯旻伟受邀参加A2M大会，并发表主题演讲《从大模型到Agent，生成式服务营销落地实践》。此次演讲不仅介绍了AI算法领域多种技术的演进和能力，也分享了网易云商在智能体领域的前沿探索和成功实践，为AI行业的发展提供了宝贵的思路和参考价值。

 

 

嘉宾档案

冯旻伟在2017年加入网易，担任网易云商AI技术线负责人，负责自然语言处理和语音算法能力建设及产品赋能。他拥有十余年AI算法行业从业经验，曾在德国亚琛工大人类语言研究所、IBM Watson实验室、阿里巴巴达摩院等知名机构和企业任职，参与过DARPA GALE/BOLT、EU Quaero等多项顶级NLP学术/政府项目，并在DARPA/NIST、WMT、IWSLT、NTCIR等多个NLP测评中名列前茅。

 

DeepSeek的成功与影响力

DeepSeek的成名之路，自不必多说。

而对于DeepSeek的成功，冯旻伟总结为：

东西好，顶级；

开源，免费用；

时也，势也。

 

 

DeepSeek的出现和规模化使用，让普罗大众真正意义上感受到AI对时代的影响，但同时也再次划出了人类与AI之间的效率鸿沟。

 

熟知AI的人都知道，数据是真正的护城河。人类也需要不断地汲取最新的信息，更新认知。然而，相关技术报告涉及引用的高质量数据多达14.8T，换算成汉字字数大约是24.6T，这个数字是什么概念？

 

冯旻伟做了个有意思的换算。

 

假设一本典型的中文小说平均有20万个汉字，24.6 万亿汉字 = 1.23亿本书。

人民文学出版社的《三国演义》通行版约77万字，24.6 万亿汉字 = 3200万本《三国演义》。

普通中文阅读者的无声阅读速度约为每分钟 300-400 汉字，取中间值 350 汉字/分钟。假设每天阅读 8 小时（480 分钟），则每日可读 350×480=168,000 汉字。阅读 24.6 万亿汉字需要401174（约40万）年；如果每天只阅读 2 小时（120 分钟），每日可读 42,000 汉字，总时间将延长至约 1604697 （约160万） 年。

 

于是，我们得出了开篇那个看似争议的结论——如果你相信人类的知识与能力基本上是通过学习得到的，那么DeepSeek和我们的差别等价于三体人和地球人的差别，站在DeepSeek的角度，我们都是虫子。”

 

不过，DeepSeek毋庸置疑地让AI发展往前走了一步。

 

不论是大众从“不知道”变成了“全民皆知”，还是企业从“看得见却用不起”变成了“用得起也用得好”，DeepSeek极大的加速了AIGC的落地，并且推动AI来到了新的阶段——以AI Agent 的形式落地。

 

从大模型到Agent  

广义上，智能体是任何可以通过传感器感知环境并通过执行器作用于环境的事物。现代人工智能领域强调智能体具有自主决策能力，并以实现特定目标为导向。

 

大模型时代的Agent，上述特点则是通过大语言模型来实现的；实践中，Agent = LLM + 一层软件逻辑（实现与企业业务系统，与整个互联网打通）。没有这层壳，LLM无法在特定的封闭场景发挥作用。Agent之所以火，正是因为大家都想用LLM的AI能力解决业务问题。

 

关于这点，冯旻伟详细分享了如何通过角色设定、工具库调用、工作流编排、知识库上传等进行智能体的编排与搭建，并且从多个维度进行效果调优。

 

 

针对大模型的“幻觉问题”，也可以通过智能体的编排进行约束和解决。对于不同的问题，可以通过NLP+LLM融合、建立QA索引、知识库扩充等方式降低大模型幻觉，提高回答正确率。

 

 

在从大模型到Agent的跃迁过程中，冯旻伟强调了RAG（Retrieval-Augmented Generation）核心技术的重要性。RAG技术通过智能解析 自动分段、精准索引、动态召回、片段精排、多模式输出等技术，使Agent能够更精准地理解和生成内容。基于多模态的文档解析技术能够处理多种类型的文档，如PDF、Word、PPT等，提取关键信息并进行语义理解。

 

 

落地实践

对于AI的关注，企业已经从声量转向结果；同样对于AI技术，企业除了关注技术先进性本身，也看重落地的效果。

 

网易云商得益于智能客服领域的多年积累，以及在鞋服美妆、商超商综、游戏娱乐等行业与客户的深度共创，在Agent推出后也达成了令人满意的效果。冯旻伟重点分享了Agent在商品咨询、商品对比、获取优惠、门店查询等售前场景的应用。并通过运动鞋服、商综、电子消费3个行业头部品牌的实际案例，分享企业在落地Agent过程中遇到的问题、如何解决、效果怎样。

 

 

在知识引擎工具平台方面，网易云商开发了全套工具用于文档解析，包括设置解析方式、分片策略、查看解析状态、解析错误日志、解析进度、预览切片以及修改切片等功能。这些工具为企业的知识管理提供了便捷高效的解决方案，使Agent能够更好地理解和利用企业知识库中的信息。

 

当然，在与企业共创过程中，网易云商也总结出了一些共性。

 

企业将使用AI、Agent的目标定在生成个性化内容、提升转化率、减少重复劳动、提升满意度等方面，将会收获不错的反馈，针对具体业务指标的提升通常是可以达成的；但想实现业务流程无人化，意味着准确率要接近100%，超出了现阶段LLM的能力。

 

举个最简单的例子，单个节点准确率即便高达99%，3个节点的准确率就会降为97%。

 

冯旻伟总结，Agent项目成功的关键在于：

 

一方面，甲方投入不止于采购成本；另一方面乙方则需要提供持续服务的能力。

双方设定合理的目标，用共创的心态来推进项目往往能得到扎实的业务收益。

 

 

 

—End—