大模型落地千行百业绕不开定制化问题，生成式AI变革软件范式，使低成本、快速的大规模个性化定制和交付成为可能。本文主要介绍一种产品化的AI应用定制模式，即产品是由“大模型+ Copilot/Agent”驱动的，本身具有定制能力，体现为高度的可配置性、可扩展性和丰富的自定义功能，企业可以结合自身业务场景、流程、角色、知识库、权限等特点，零代码按需配置、搭建AI应用，不同于以往项目制一对一的定制开发，是一种低门槛、高效、可复用、智能化的客户需求响应模式。以产品方式解决定制化问题，是现阶段人工智能厂商探索大模型ToB规模化落地的重要方向之一。
三个典型产品
1. Amazon Q：通用的企业级生成式AI助手定制平台，是Copilot as a Service模式落地的重要尝试
Amazon Q基于亚马逊云科技自身多年积累的知识和经验训练而成，专为办公场景和工作辅助而设计，企业用户仅需四个步骤即可完成与职业角色相结合的对话式AI助手（web应用）的创建，通过互动聊天、插件联动等方式，帮助员工简化任务、学习技术、加速决策、解决问题等。用户可通过多种方式唤醒Amazon Q，包括亚马逊云科技管理控制台、文档页面、IDE、第三方应用界面等。
图1 Amazon Q 产品的主要功能及优势特点
Amazon Q的优势主要体现在三个方面：
一是支持内外部多种数据源。Amazon Q支持用户自己选择模型（包括自有和第三方托管模型）和定义数据源，可以连接40+个流行的企业应用和文档库，包括Amazon S3、Salesforce、Google Drive、Microsoft 365等，从中获取数据，也能将这些应用连接成工作流，实现互联互通。
二是能与亚马逊其他产品配合使用。Amazon Q既可以使用企业私有知识独立完成任务（ChatBot），也可以嵌入亚马逊云其他产品中使用（Copilot），如商业智能分析工具QuickSight、编程工具CodeWhisperer、客户联系工具Connect，通过强化这些产品的效能及形式，提升用户体验。
三是可基于用户角色和权限进行访问控制。Amazon Q可以理解用户的身份、角色和权限，并根据这些信息对交互进行个性化设置，确保用户能够得到与其工作职责相符的定制化结果，保证数据隐私和安全。
图2 Amazon QuickSight+Amazon Q应用示例
Amazon Q目前只提供预览版，面向开发人员（构建者版）和非开发人员（企业版）量身定制两款套餐，定价分别为20、25 USD/月/用户，现有落地案例如，亚马逊内部团队利用Amazon CodeWhisperer工具中Amanzon Q的代码转换功能，实现两天内将上千款应用程序从Java 8升级到Java 17；宝马公司正在使用Amazon QuickSight中的Amazon Q优化库存管理，帮助分析师构建数据仪表板，从以往需要几天时间缩短至几小时；埃森哲利用Amazon CodeWhisperer和Amazon Q为多达5万名软件开发者和IT人员提供支持。
2. AskXBOT：集Agent与工作流设计、开发、使用、管理、知识沉淀于一体的一站式平台，支持企业私有化部署
AskXBOT是初创公司澜码科技自主研发的基于大语言模型的AI原生企业级Agent平台，由Agent设计器、知识中心、使用端、管理平台四个核心模块构成，用户可以通过对话方式提出需求，快速创建Agent，并通过不断积累专家知识和行业经验，持续提高模型输出精度。AskXBOT具有三个优势特点：
一是“标准化+个性化”按需灵活创建：平台预置标准化的模板动作库，内含智能会话、知识检索、数据查询、数据分析、任务执行等多个通用型Agent，用户仅需简单输入、点选，最快2分钟即可创建Agent，同时，平台也开放多项配置能力，为企业用户在非标准业务场景的个性化定制需求提供支持。
二是支持复杂工作流设计：平台搭载工作流设计器，通过提供多种多模态模型集成（如LLM、文生图）、常用能力和组件封装等，支持企业快速定制个性化AI工作流，既能实现多Agent的串联，也能基于API、RPA等技术连接企业原有软件系统（如CRM），实现复杂流程操作。
三是端到端的软件管理逻辑：平台管理功能覆盖Agent全生命周期，既能管理与调度Agent及各种工作流，同时，也可对Agent使用效果进行评估，实时记录用户与Agent的互动，对Agent进行持续优化和迭代。
图3 AskXBOT平台财报生成流程创建过程图
AskXBOT平台目前在法律、保险、教育等领域均有落地案例。如，澜码科技基于AskXBOT平台为某市监局打造法律知识问答Agent，已沉淀200余件现行有效法律目录，可对相关案例进行查询、总结和复杂推理，准确率达90%以上。又如，基于AskXBOT平台为某人寿保险公司打造保险产品营销顾问与销售培训两款Agent，已沉淀超过10万行的寿险产品与销售专家知识，可以为代理人提供包括寿险行业知识问答、产品卖点介绍、条款解释、客户跟进建议等涵盖销售各个环节的辅助，使用满意度达到90%。
3. 360智能营销云：基于“大模型+Agent+知识库”架构的垂域产品解决方案，致力于构建营销全链路赋能模式
360以自研的AI大模型360智脑为底座，融合工作流设计、数字人制作、知识库训练、3D建模等多项技术能力，打造360AI数字员工、360AI数字人、360智绘（AI生图）三个核心产品，面向零售电商、医美、传媒、医疗、文旅、金融、政务等行业，围绕智能营销、智能办公、智能客服三大场景提供AI应用定制服务。如，企业可以结合自有知识库，借助AI数字员工生成适用于小红书、朋友圈、知乎等不同平台风格的创意营销文案，或者为直播、短视频、电商店铺、跨境出海工作快速生成适用的文字和图片。
图4 360智能营销云解决方案
360智能营销云致力于以生成式AI赋能品牌营销，推动企业实现从策略洞察、产品研发、到营销推广，再到销售转化、用户运营的营销全链路智能化升级。例如，360采取“AI产品组合+场景化定制+行业/企业知识库”的方式，助力海盗虾饭（100家门店）新品开发实现从“需求收集->新品研发->单店测试->全门店推广”的全流程提效，以品类需求收集环节为例，360AI数字员工在读取大量行业报告及品牌经营数据后成长为行业专家，能有理有据的给出新品品类建议。
图5 360智能营销云AI产品多环节赋能“海盗虾饭”新品开发
启示与建议
生成式AI正在改变ToB软件定制化的实现方式，推动AI开发模式从以专用小模型定制训练为主的“作坊式”，向以通用大模型预训练为主的“工业化”转型升级，基于“大模型+ Copilot/Agent+企业知识库”框架的AI应用规模化定制能力，成为大模型厂商构筑新竞争优势的关键发力点，尽管目前仍处于探索阶段，存在一定局限性，但趋势和方向确定，电信运营商也需把握时机，加快布局相关产品和服务能力。
1. 以重塑AI软件定制模式为导向，做好产品顶层设计和规划
一是明确产品定位和目标，是面向通用行业场景还是垂直行业场景，是否支持企业私有化部署等；二是明确大模型配置策略，是使用自有的还是合作引入的，是否支持用户自定义；三是明确人与大模型的交互载体和形式，是选择较成熟的Copilot，还是仍在探索中的Agent，如何跟随大模型技术迭代调整产品升级节奏；四是明确生态渐进式扩张路径，不同发展时期需要引入哪些类型的合作伙伴、集成哪些软件能力和知识源、采取哪种合作模式等。
2. 剖析大模型技术与行业需求结合点，找准场景切入点
选择容错率高的客户共性、关键性、趋势性、痛点场景优先切入，是大模型厂商的普遍做法。如，亚马逊云科技研究发现，75%的行业应用集中在市场、客户、软件工程和研发四个方面，并且企业经常面临信息源多而杂、数据收集与整合分析耗时等痛点，Amazon Q正是围绕这些通用场景和问题而设计。360则是抓住了营销领域碎片化、变动快、个性化程度高的特点，选择从垂域场景切入。
3. 强化知识管理能力，把企业知识库建设作为产品标配
企业知识库是实现AI应用个性化、差异化的关键，AI厂商不仅要为企业提供应用定制服务，还要能够帮助企业强化数据治理能力，如澜码科技的知识中心，通过不断沉淀行业专家、文案达人、设计高手的经验和技能，借助AI应用将其转化为结构化的工作流程，进而把专家级的能力赋予每一个使用者，这才是大模型独特优势和价值的真正体现。
本文作者
孙丽娟
战略发展研究所
副主任分析师
工学硕士，长期从事ICT新兴业务领域的产业与竞争研究，近年来专注于5G行业应用、产业数字化等相关研究。
方义松
战略发展研究所
主任分析师
硕士，专注于科技产业分析、企业竞争战略及商业模式研究。 
