莫卡李国兴：大模式向SaaS转型需要持续增量创新，先发者抢占先机

在大模型的淘金热中，除了平台机会，更多科技公司正在努力挖掘大模型在软件应用方面的机会和可能性。

SaaS行业也正在迎来新一轮的创新浪潮。 国际领先的SaaS公司Salesforce于今年3月推出了生成式人工智能（AI）工具Einstein GPT，创造了全球首个生成式AI客户关系管理（CRM）技术。 其中，Einstein GPT将Salesforce现有的AI模型与OpenAI的GPT-3.5大规模语言模型相结合，不仅可以为销售人员生成个性化电子邮件，还可以自动回复以帮助销售和营销人员，同时还赋予开发人类自动生成代码。

越来越多的SaaS企业正在利用大模型的新能力，探索产业创新应用。 例如，Notion基于OpenAI的GPT-3开源模型推出了Notion AI（Alpha）写作助手，并将其作为单独的产品出售。

种种现象表明，无论是技术路径、产品创新，还是商业化可能性，大模式正在全面开启SaaS行业的新想象。 国内不少企业也加入了这项新技术的淘金热。

Moka是国内SaaS领域最早推出基于大规模模型技术的创新产品的公司之一。 今年6月，Moka的探索成果正式揭晓。 公司推出基于大规模模型技术的HR SaaS行业原生AI产品Moka Eva。 其功能包括对话式BI、员工Chatbot、智能简历筛选、定制面试题、AI写作等。 评级帮助企业和组织全面提高人力资源相关工作的效率。

初创公司在前沿技术上的探索和实践与创始人自身的技术认知密切相关，Moka的新技术实践背后同样如此。 李国兴将Moka Eva定义为“未来职场专属AI HR伙伴”。 他们希望为管理者、HR和员工带来AGI时代的新体验。 目前，Moka已正式启动试用客户招募，希望与客户一起打磨和优化产品体验。

创业之前，摩卡创始人李国兴也与人工智能有着深厚的渊源。 本科期间，他在上海交通大学/密歇根大学完成了计算机科学双学位。 之后，在斯坦福大学攻读计算机科学硕士学位期间，他也专注于人工智能，涵盖自然语言和计算机视觉。 在此期间担任cs229机器学习课程助教和老师的正是著名AI大师吴恩达。

此次，《甲子光年》独家对话李国兴，畅谈他眼中新技术带来的机遇与挑战。

以下为对话全文：

1、谈产品：新技术下的新创新

甲子光年：具体说说最新的Eva吗？

李国兴：EVA是拟人化的设定。 在我们的环境中，它是人力资源合作伙伴。 它可以像HR一样对工作有帮助。 它不是要取代HR，而是要大大提高HR的生产力。

企业需要结合新技术来解决当前组织管理中的挑战：组织管理的复杂性、人事流程的繁琐、绩效考核等一直是企业的痛点，大家都渴望找到更多降低成本、更高效的解决方案。提高效率的解决方案，用于优化管理流程、提高生产力并最大限度地发挥人力资源的潜力。

EVA面临着更加复杂的情况。 我们正在尝试看看工作中的哪些流程可以简化，哪些流程可以被 EVA 等新工具覆盖。 我们将持续覆盖更多场景，从多方面帮助客户。

Moka Eva可以实现对话式BI、员工Chatbot、智能简历初筛、定制面试问题和AI撰写面审五大能力，可以极大提高HR的工作效率。 未来，Moka将尝试在HR SaaS领域推出更多AI产品应用，帮助企业提升招聘效率、优化员工体验、赋能管理者决策。 这些功能的规划源于Moka对企业真实人力资源场景的长期洞察。

甲子光年：这次怎么能这么快推出新的大模式+HR SaaS产品？

李国兴：感谢Moka多年来在AI领域的探索和研究。 2018年，我们成立了自己的算法团队，当时招了一些人，当时我自己写了一些代码。 当时我们认为人工智能的发展将极大地提高招聘领域的效率和生产力。

虽然这几年技术还处于比较不成熟的状态，但我们仍在不断投入和优化，在一些个性化场景中也赢得了客户的认可。

甲子光年：当时我们的产品中用到了哪些AI技术？ 分享一个具体案例。

李国兴：举个简历匹配的例子。 比如我们现在要招聘一名记者，如果有大量的简历进来，我们的产品可以帮助HR做初步的筛选或者排序，通过算法来匹配人才和职位。

在幕后，算法技术会分析公司过去招聘记者的行为数据，最终自动筛选或推荐简历。 根据数据，系统可以设置淘汰或自动推荐到下一个招聘阶段。 同时，HR可以根据匹配程度，安排工作的优先顺序。

另一个产品是人才库推荐。 这是我们自2018年以来借助AI算法对人才库产品的升级。比如有的企业使用系统时间较长后，会积累大量的简历数据，但对于企业来说，这是一个“沉睡”的资产。 他们希望不断盘活和利用候选人信息来优化招聘成本。 因此，借助我们的人才库系统，如果企业有岗位需求，就会在人才库中优先推荐。

另外，今年我们借助大规模模型技术推出了一个新功能，可以让HR用几句话描述该职位的招聘需求。 从一些清晰硬性的描述信息中，我们的AI模型可以自动分析这些简历，进行排序，同时生成推荐理由摘要，输出自己的观点，让HR更快的获取信息。

甲子光年：新的大模型技术是否改变了我们之前的AI算法路径？

李国兴：当然，很多知识图谱能力我们并不需要从头开始。 但我们并没有完全用大模型技术取代之前的算法路径。 其中有两个关键因素：成本和性能。

之前，在一些具体任务中，我们通过数据不断优化算法模型，使其在具体任务和领域变得更好，但这个模型并不是特别大的模型。 我们现在说的大模型具有泛化能力的优势，在通用知识方面可以很好的拆解，但是在具体的业务场景下，大模型的行业知识和成本会是一个挑战，而通用能力无法直接解决。 取代原来的技术做法。

当我们用大模型来改进和创造一个产品时，我们需要综合考虑：性能是什么，成本是什么，效果是什么，必须在三者之间找到一个平衡点。

在此过程中，保证信息安全是重要前提。 我们有义务保证这些个人信息和企业信息的安全，不能做有损所有者利益的事情，更不能做不允许的事情。

2.谈行业：SaaS+大模式=？

甲子光年：大车型流行之后，您觉得目前行业对于新技术的态度是怎样的？

李国兴：大家基本上还处于摸索阶段。 目前经常看到HR用它来提高工作效率，但我还没有看到以产品为基础的公司从头开始定义新的产品环节。 硅谷的公司会跑得更快，现在有各种各样的产品。

新技术与特定领域的应用相结合还需要一段时间，我们还处于非常早期的阶段。

技术肯定会越来越好，但我们也需要看技术的成熟度。 目前确实已经进入加速阶段，各行业也很快达成了共识。 各种资源、资金、人才正在投入，探索大规模模式的落地。 几乎每天都在发生新的变化，但实现商用还需要一段时间。 影响更多企业。

特别是，目前我们看到，GPT-4虽然通用能力很强，但其成本、性能、效率可能并不是特别适合一些实时行业场景。 比如在HR领域，它不是绩效专家，也不是Recruiting专家，所以需要更垂直的公司对数据进行分类，让产品更加深入。

甲子光年：您认为在大模式的机遇下，HR SaaS行业会出现颠覆性的产品创新吗？

李国兴：一个组织未来10年的竞争力取决于组织中“人+AI”结合的深度。 如何将人工智能技术应用到各个工作领域，需要组织的积累和早期行动，构建组织壁垒和优势。

SaaS虽然是一种新的商业模式和产品服务模式，但本质上是解决企业的效率和管理问题，帮助企业更精准地运营和维护数据，帮助企业实施决策、制度、流程，帮助企业提高效率。内部运作效率。 这些本质不会改变，企业永远需要降本增效。

人工智能本质上是一种生产力，必将更深层次地影响企业的工作流程。 它将与企业软件集成，深入业务细节。

大模型到来之后，一方面，人机交互的形式发生了变化，从以前的图形界面等交互方式转变为自然语言交互。 另一方面，它可以做以前只有人类才能做的事情。 随着技术的发展，我们会越来越多地在各种产品中看到AI的影子。

这种重新定义工作流程的模式可能不太可能。 技术变革出现后，是否会出现新物种颠覆之前的企业或模式，本质上取决于现有企业的认知。 如果每个人都拥抱新技术，就会有先发优势。

当然，肯定有一个需求，如何通过新技术来优化这个过程，AI肯定会发生转变，但我认为这是一个渐进的过程，不会突然完全改变。 随着技术的成熟，大家都会结合技术来做深度应用。 莫卡也全在这件事上。 我个人至少投入了40%的精力进行相关探索。

甲子光年：目前企业用户对于大模型+HR SaaS这个新产品的态度如何？

李国兴：大量客户对大型模型技术和新产品表现出浓厚的兴趣，这让我们感到惊讶。 大家都对这个东西很感兴趣，很多客户来找我们谈他们的想法。

一个月的时间里，我沟通的30多个客户，几乎每一位都在谈论大型模型相关的话题。 大家不仅关注新技术，更关心如何利用新技术帮助提高工作效率。 其中一位客户还专门写了一份详细的ppt，讲述他们希望大模型如何帮助他们在招聘过程中的各个场景、环节、流程上提高效率。

客户需求是企业创新的动力之一。 他们正在帮助我们更深入地理解应用场景，凝聚我们对技术的理解，共同探索改造现有工作流程和场景的可能性。 如果做得好，我们将能够在人工智能新时代获得非常领先的优势。

3、畅谈未来：大模型的一万种可能性

甲子光年：大型模型技术有什么让您惊叹的？

李国兴：你会发现这个阶段，真的和人很相似。 例如，人们经常使用机器来帮助他们做事。 GPT-4也是如此，它会越来越能够使用下游工具，成为智能体，充当大脑，使用各种知识、工作和能力。

这是一个非常令人兴奋的未来，它也有局限性，但局限性并不是一个大问题。 技术的局限性可以通过使用工具来解决。 同时，在很多时候它的情绪比人更加稳定和客观。

例如，在招聘过程中，在面试过程中，很多面试官的判断标准不一致，有时会因为面试官自身的面试状态、情绪等而出现一些变化，随机因素也很多。 但如果 GPT-4 能够完成面试工作，它可能比人类面试官更准确。

甲子光年：您预计未来技术会有哪些发展？

李国兴：我特别兴奋的是，大模型确实带来了生产力的巨大释放。 过去我们需要很多人、很多精力来做这件事，这样才能快速降低成本，让更多的人来做剩下的工作。

未来的组织拥有无限的可能性。 有可能大量的资本和很多人组成像现在这样的庞大组织。 也有可能一两个人就能生产出非常适合某个客户群体的产品和服务。 不需要大量的成本，成本也大大降低，还可以让公司健康运行。 这种想象力是非常广阔的。

当然，优秀的人才会越来越稀缺，因为更简单的思维和脑力工作会被AI模型淘汰，但相对跨领域、更具战略思维方法的人才会稀缺。 未来很可能会出现更加灵活的就业模式。

甲子光年：有人认为现在对现有产品进行全大型化改造还为时过早。 你怎么认为？

李国兴：我个人认为这个大型模型技术和过去的每一次技术变革都是相似的。 它刚出现的时候，一定有一些机构看好它，也一定有人不看好它。 这并不重要。

回过头来看，一些不那么乐观或者不那么关注新技术的企业和组织最终会错失机会。 未来的AI时代，这一次必将是一场新的技术革命。

在这样的大变革中，哪家企业能够真正抓住机遇呢？ 必须是整个组织从上到下能够深刻理解和拥抱这项新技术的人。 你做的越早，你对这个东西的理解就会越深入，你的积累就会越深，你肯定会比其他公司跑得更快。 目前，国内企业家和企业的热情并不亚于美国。

甲子光年：您如何看待此时机器与人类之间的新合作、新关系？

李国兴：看起来AI确实取代了一小部分，但从长远来看，它的影响其实是广泛的。 例如，我们看到了第二次工业革命，它使许多工作岗位消失了。 当计算机出现后，许多离线计算工作消失了，但也创造了许多新的机会。

本质上，它是一种新的生产力工具。 人类要不断迭代自己的工具。 从这个角度来看，就看谁能够多快地适应这种新技术的变化。

但在情感层面上，如果你正在做一项工作并且你喜欢做它，突然有一天，机器已经比你做得更好了，那个人如何重新获得这种意义感？ 我们所做的任何技术工作，其实都是为了让整个人类变得更好，生活得更好，工作得更好。 虽然会很辛苦，但如果这些快乐的部分从工作中被拿走，如何重新找到新的意义，是一个需要思考的问题。

现在最重要的是，每个人都真正想要拥抱新技术，真正使用它，思考它会如何影响他们所做的事情，让自己变得更有价值。 这是最重要的一点。

我很乐观。 在我的有生之年，看到技术进步到这个水平是非常令人兴奋的，并且在可预见的未来将会有非常快速和持续的发展。

这是任何企业家都希望达到的状态。 好在我在这方面有一些积累，我们会义无反顾地走向新技术的创新。