4月22日，腾讯宣布旗下协作saas产品已全面接入腾讯混元大模型，包括企业微信、腾讯会议、腾讯文档、腾讯乐享、腾讯电子签、腾讯问卷、腾讯云ai代码助手等。
去年9月推出的腾讯混元，上线之初就强调“实用性”，从最初有超50个腾讯产品接入至今，腾讯内部已有超400个业务在内测腾讯混元。此外，腾讯混元也在零售、教育、金融和医疗等行业落地应用。
如今，随着腾讯旗下协作saas产品全部基于腾讯混元实现智能化升级，也意味着腾讯混元的落地脚步进一步提速。
不过从行业角度，大模型究竟如何落地并没有明确方向，各个企业也都是摸着石头过河。腾讯在产品优化以及商业模式上的思考，或许能给行业提供借鉴。
模型升级为moe架构
此前，腾讯混元完成了架构升级，从原先的dense架构升级为moe（mixture of experts）架构，并将模型扩展至万亿级参数规模。
腾讯混元模型应用负责人张锋向21世纪经济报道记者表示，相比原有架构，moe架构有两个优势：一是模型参数量更大，可吞吐更多tokens；二是实际激活量较小，可显著降低训练推理成本。
据其介绍，去年10月，moe架构效果就已超过dense架构。同年11月，腾讯混元开始把moe上线产品内测。目前，腾讯混元已经正式完成moe架构升级。
有技术人士向记者表示，moe架构是一种神经网络架构，它是通过多个专家（experts）模型来处理输入数据的不同任务。
简单来说，moe架构的核心逻辑就是将输入数据分配给最适合处理该数据的专家。而且这种架构允许模型通过增加专家的数量来扩展，从而提高了模型处理特定任务的能力。
中信证券在一份研报中指出，随着大模型体量增长，多模态能力和推理效率成为业界竞争新焦点。dense架构在处理图像、视频等非结构化数据时效率较低，预计未来1~2年moe等新型架构将成为主流。
在架构完成升级后，腾讯混元的能力也确实得到了提升。在今年3月份发布的财报中，腾讯提到，“在部署了moe架构等前沿技术后，我们的基础模型混元在多轮对话、逻辑推理和数字推理领域表现出色，这些对大型语言模型来说一直是个挑战。”
而这些获得提升的模型能力，也被直接应用到了腾讯产品中。张锋表示，腾讯业务使用混元模型，主要有两种方式，一个是直接api调用，另外就是基于混元一站式平台进行精调。
目前，腾讯混元对外开放了不同尺寸的模型，以满足不同业务的需要。腾讯乐享总经理周芝芝表示，乐享在接入混元时，只有智能出题功能是基于混元进行精调，剩下的很多功能，比如智能创作、智能提炼课程知识点、智能撰写活动方案等，都是用混元公开的api能力。
商业模式有待摸索
除了乐享，腾讯的其他协作saas产品也都推出了一些新功能。
比如腾讯电子签提升了合同起草、审阅效率，并可以智能筛查风险；腾讯ai代码助手向开发者提供了代码补全、代码诊断、单元测试等功能；腾讯会议推出ai小助手、智能录制、实时字幕翻译等功能；腾讯文档则让用户可以通过一句话指令即可快速处理各种文档。
在与记者交流时，这些产品的负责人都表示，他们在开发相关功能时，并没有硬靠ai，而是过去业务里本身存在的大量痛点，用原来的技术解决不了，现在用大模型技术进行解决。
虽然业界都期望大模型原生产品的出现，但现阶段，改造原有产品是大模型最可行的落地路径。因为原有产品的需求是明确的，通过解决这些需求，能够加速大模型技术的普及，进而推动大模型向更高阶的智能进化。
而在商业化方面，腾讯也没有急于将大模型能力变现。周芝芝向21世纪经济报道记者表示，乐享的ai助手主要是依附在原有版本之上。“ai只是乐享能力的升级，所以ai助手的定价是基于原有版本做增值，以增购项的方式来设计。”
比如现在乐享的收费模式是license方式，即按照每人每年多少钱来向客户收取费用。针对ai功能，如果一些功能是全员使用的，那乐享就会按照一定价格在原有的费用基础上向客户收取；如果一个功能不是全员使用，那这部分的收费模式将是一个单独模块。
“但整体来说，在乐享ai的产品建设进程中，用户体验优先级大于收费，当前我们还是希望用户先用起来。”周芝芝说。
同样地，腾讯会议的ai小助手等功能也是开放给付费版本的用户。腾讯会议云会议产品负责人朱莹表示，“会议是一个多人协作的场景，为了让用户降低使用ai的门槛，腾讯会议在商业模式上也做了些设计。当一场会议的主持人是付费版本时，所有的参会成员在主持人允许的情况下，都可以尝试使用ai小助手”。
与这些产品不同，腾讯云ai代码助手的商业模式则更清晰。腾讯云开发者ai产品负责人丁宁向记者表示，ai代码助手是一个插件形式的产品，所以它可以单独售卖。而且在市场上，像github copilot已经有几百万的付费用户，是按license的方式收费，腾讯ai代码助手也会采用类似的定价方式。
眼下，大模型正处于能力提升与商业落地并行的阶段。在模型能力上，继文生文之后，文生图片以及文生视频等多模态能力将是大模型下阶段发力的重点，而在商业落地方面，能否抓住用户真正的痛点，不让ai功能成为摆设，将是决定大模型应用成败的关键。