如果将一句话生成应用形容成L4级的“无人驾驶”，伙伴云的「AI搭建」则更像L2+级的“辅助驾驶”。
作者|斗斗
出品|产业家
2023年，AIGC下的低代码赛道“暗流涌动”。
“对于「AI搭建」的搭建效果，尤其是在场景覆盖的广度上，连我自己也感觉比较意外。”北京上地的写字楼内，产业家见到了伙伴云的CEO戴志康，但大家更喜欢亲切地称呼他“老戴”。
话多、能聊，却又字字斟酌，与其交谈中时不时带来关于低代码行业一些新的思考。
以皮革加工贸易行业为例，由于每块原材料都是独一无二的，一直以来是制造较为特殊的行业，数字化趋势下，很多企业想要以数字化的手段进行降本增效。
然而，目前还没有软件公司真正意义上针对皮具行业市场开发专业ERP软件，大部分都是以电子、塑胶为重点，行业差距太大，如果要按皮具客户需求改造耗时长、难度大且价格昂贵，而且不一定能满足皮具行业的管理运行特点模式。
因此，很多企业希望以低代码的模式，搭建符合自身业务需求的应用。在老戴的口述里，产业家了解到的伙伴云「AIGC+零代码」的第一个案例恰是关于此。
某皮革加工企业，一直困于无法找到适合自身需求的应用。前不久，因一个契机找到伙伴云，希望基于伙伴云零代码平台搭建出可以满足其需求的应用。老戴与其深入沟通后，发现其需求特殊之处在于，皮革面料SKU十分特别，并不是按照皮革种类进行编码，每张皮革都有自己的编号，且每个编号需要对应着不同的成品制作的某一部分。
这样特殊的需求其实对于老戴而言，也是第一次遇到。抱着试试看的心态，他转而将其需求输入到伙伴云当时还未发布的「AI搭建」平台，却意外地发现，搭建效果较为不错。
基于AIGC的加持，伙伴云所打造的[AI搭建]让交付流程，从“需求-建模-搭建-调试-应用”变成了交互式语言生成应用。复杂的需求可以直接被转化成复杂的表结构、字段类型、关联对应、流程逻辑和数据指标，无需搭建者动脑。
于此同时，「AIGC+低代码」也让零代码平台挣脱易用、满足复杂需求两难全下，“伪需求”的枷锁。从这一点来看，「AI搭建」似乎正在对零代码领域进行一种颠覆性的尝试。
颠覆背后，方向极为重要。在老戴看来，伙伴云生成式零代码是“辅助驾驶”，而不是“无人驾驶”。
一、零代码的“崎岖之路”
鱼和熊掌不可兼得。“易用”和“定制化”，单从字面上看，无法在一个软件中实现。但零代码厂商却不得不在这种复杂的市场环境中，上下兼顾。
现实问题是，很多零代码厂商，易用性上做不到零门槛、定制化上无法满足客户所有复杂需求。上也上不去，下也下不去，位置十分尴尬，导致其无法在“内卷”、打价格战的零代码赛道，形成自己的竞争优势。
究其原因，离不开零代码行业的痛点问题。
首先要明确，锚定零代码平台的厂商，意味着其更需要注重平台的易用性，对平台的标准化要求较高，通常情况下用户一般为业务人员。
但即使是易用性较高的零代码平台，门槛也并非想象中低。例如在建模环节，需要搭建者将复杂的需求转化成表格、统计图形，还需要设计出流程，所以仍需要搭建者具备一定的建模能力。对没有任何IT基础的“小白”来讲，这并不是一件易事。
所以，行业通用的做法是，零代码代码厂商会针对搭建者提供培训服务，这种服务模式基本是零代码平台的“标配”，例如伙伴云就有专门针对搭建者开办了伙伴学院，帮助搭建者更好地上手平台搭建。
“建模环节的门槛甚至可以挡住约80%的业务人员。”老戴对产业家说。
一个现实是，零代码平台对业务人员而言仍有门槛，影响落地的成功率，同时增加厂商的成本；另外，厂商面对没有服务过的冷门行业、特殊需求时，还可能面临无法尽快给出解决方案的窘境，或者直接通过咨询公司、外包公司解决。
这是零代码本身所带来的行业通病，导致这条路从开头就十分崎岖坎坷。
AI的进阶，让零代码的这个“顽疾”找到了“药引子”。
今年年初，ChatGPT的现象级爆发，让其底层技术AIGC的承载方OpenAI备受关注。作为其早期投资者，微软成为了赢面较大的科技巨头。
微软搭上OpenAI这辆快班车后，第一站驶向搜索引擎，第二站便是企业应用。其推出的辅助工具Copilot，通过自然语言描述应用，该工具可自动搭建应用程序，关键应用有数据、有流程、还能触达业务人员。
零代码与AIGC的本质都是将原本架构打散，重新组装。换言之，两者有着天然的契合度。
二、「AI搭建」锚定“副驾驶”
伙伴云，迈出了国内生成式零代码的第一步。
“直接生成一个应用是不现实的。”老戴眼中的「AIGC+低代码」模式，是尝试自己握住AIGC的“方向盘”。
2022年9月，老戴和其团队发现了ChatGPT、LLaMA这类大模型的能力优势，出于对技术的敏感性和当下零代码平台所面临的痛点问题，老戴和其团队开始基于大模型，在伙伴云零代码平台上做一些可行性的尝试。
要知道，ChatGPT 的原理是将大量的文字、图片、视频等“数据”进行集成，输入到深度学习的神经网络中进行学习、训练出智能决策。例如如果在对话框中输入“下雨天适合做什么？”，其技术路径可以概括为在大量“数据”中，学习到“下雨天适合做什么？”下一个字该接什么。数据量越大，对于“下雨天适合做什么？”后面一句预测就愈发准确。
而生成式低代码的模型，所需的预训练“数据”则是协同表格、流程表单、分析仪表盘的各种“表头”。例如在入库环节，协同表格的“表头”预设是商品名称、商品编码、入库数据、入库仓库、仓库编码、当前库位数、剩余库位等；流程表单预设是“申请人-采购审批-入库仓库-仓库管理员审批-更细库存数据......”。
通过不同行业的不同入库环节“数据”集成、学习、训练，当某一行业入库需求提出时，便可以迅速做出智能决策。
基于这种技术路径，老戴和其技术团队用了大半年的时间进行“数据”训练，打造了伙伴云的生成式低代码平台——AI搭建。
不同于以往复杂、烧脑的交付流程，业务人员可以直接在伙伴云零代码平台找到「AI搭建」入口，在对话框中输入语料，描述自己想要的应用，从而得到一个预搭建的效果，同时还能看到其他用户搭建的思维和灵感。
不仅如此，在细分行业个性化需求以及细分场景的特殊目的上「AI搭建」也可以轻松应对。
例如在「AI搭建」对话框中输入“营养配餐行业/食谱与客户管理”，点击生成系统，便会生成包括食谱表、订单表、库存表、客户表、营养跟踪表等专属方案，且在页面的最下方，搭建者可以选择“立即使用”或“不满意，详细描述实现目的”。
从这点来看，「AI搭建」的路径并不是普遍意义上的“一句话生成应用”，而是一个“辅助搭建机器人”的角色。
“我们并没有把它当做一个‘自动驾驶’，而是‘副驾驶’。”在老戴看来，目前「AIGC+低代码」的模式重点在于低代码平台去结合AI的能力，拉高平台应用上限，降低平台应用下限。
简言之，如果将一句话生成应用形容成L4级的“无人驾驶”，伙伴云的「AI搭建」则更像L2+级的“辅助驾驶”。能解决什么问题、解决到什么程度、能不能落地，老戴对于「AIGC+低代码」的应用边界，十分清晰。
对于老戴及其团队而言，以当前的技术，零代码“顽疾”还无法被真正解决。而锚定“副驾驶”下的交互式AI搭建却能够改善。“根据内部员工对近50多个场景进行测试，平均能达到70～80分左右。”老戴对产业家说。
而这仅是伙伴云第一代生成式零代码产品，当越来越多的数据被集成、学习、训练后，这一分数将持续提升。
「AI搭建」平台的落地，使得一些商业模式奔向颠覆性的改变。例如建模门槛大幅降低。“目前，「AI搭建」可以替代伙伴学院初中级培训课程的水平，预计将为伙伴云降低30%～40%的成本。”老戴直言。
这意味着，80%因建模被挡在零代码平台外的业务人员，或许会因「AI搭建」，逐渐成为伙伴云的客户，拉升伙伴云平台的留存率。
总体来看，伙伴云打造的「AI搭建」现在谈颠覆或许为时较早。但其一方面对于中小企业业务人员而言或将是一个创新性的产品；另一方面可使得伙伴云自身实现降本增效；另外在行业上，也是加速零代码回归零门槛本质、低代码奔向了零代码的一种新尝试。
站在这个角度来看，「AI搭建」向内、向外，实实在在的创造出了价值。这种价值正在推动伙伴云走向产业深处。
三、「AIGC+低代码」，产业数字化驶向深水区
「AIGC+零代码」模式下，伙伴云将AI的角色定位于“辅助”，正在不断加持产品力和服务力。
首先，伙伴云零代码平台的门槛将不断降低，易用性增强、成本降低，产品力不断加持。
其次，基于AIGC，伙伴云将衍生其他服务。“未来AI将成为低代码平台的标配，就像地图于汽车的重要性一样。”在伙伴云基于AIGC的未来展望中，老戴在其内部分享中表示，伙伴云还将继续在AI搭建上持续发力，提供越来越多的生产力价值。很多过往难以想象的AI助力，将逐步变成现实。例如，对话交互式界面操作、对话交互式仪表盘构建与数据分析、对话交互式系统定制与升级、数据解读、趋势与预测……
这种基于AI的产品力、服务力，在助力企业数字化转型的同时，也或将成为伙伴云这些率先进行尝试的低代码企业的新核心竞争力。
具体来看，在产业数字化的浪潮中，企业数字化转型需求急剧增长。Gartner预测，未来5年至少需要开发5亿个新应用才能满足企业转型需求，其中，65%将通过低/零代码的方式完成，75%的大型企业将使用至少四种低代码开发工具进行应用开发，且这一比例还在持续增高。
加之，目前国内IT人才资源十分匮乏，根据中国信息通信研究院最新发布的《数字经济就业影响研究报告》显示， 2020年我国数字化人才缺口接近1100万，且伴随全行业的数字化推进，需要更为广泛的数字化人才引入，人才需求缺口依然在持续放大。
「AIGC+零代码」或将更为快捷地满足企业数字化转型需求，弥补数字化人才缺口。从而推动企业数字化转型，使其成为产业数字化转型的有力助手。
不过，值得一提的是。从技术底层来看仍面临一些问题。这也是当下「AIGC+低代码」不能“一步到位”仅能满足部分交互式需求的关键。
站在全球的视角来看，由于低代码“数据”量较少，所以底层AI大模型在垂直行业的应用，并不像ChatGPT一样智能，“目前AI还是有些傻，并且无法完全避免一本正经胡说的问题。”老戴直言。
而从国内的视角来看，问题则更为明显，例如底层AI大模型训练的数据质量与国外相比较低，且在算力方面差距较大。
英伟达推出的A100/H100是目前性能最强的数据中心专用GPU，市面上几乎没有可规模替代的方案，是AI大模型芯片选择的第一顺位。但由于其供货量降低、价格高以及美国对其出口限制问题，较难买到。国内的大模型厂商一般会选择国产芯片或其他替代品，但在性能上也将大打折扣。
诸多因素下，导致「AIGC+低代码」有着较大的局限性，最为明显地便是，其无法满足十分复杂的业务逻辑下的业务需求。
不过，伴随着底层大模型不断对低代码领域大量“数据”进行学习、训练，将输出愈发准确的智能决策。对应的「AIGC+低代码」也将迸发更强大的能力。
「AIGC+低代码」仍有十分广阔的想象空间。对伙伴云，以及一众低零代码厂商而言，新的时代正在来临。
