新媒网 · 跨境数据社区

随着全球经济格局的不断演变，数字技术正深刻影响着各行各业，尤其在中国，跨境电商、智能制造等领域对效率和客户体验的追求从未停止。在这一背景下，人工智能，特别是大语言模型（LLM）的快速发展，无疑为企业带来了前所未有的机遇和挑战。近日，美国人工智能初创公司Sierra的首席执行官兼OpenAI董事长布雷特·泰勒（Bret Taylor）在一次活动中，分享了他对当前AI浪潮的看法，以及Sierra如何利用AI智能体（AI Agent）重塑客户体验。他的洞察，对于正在探索智能化转型的中国企业和跨境从业者而言，具有重要的参考价值。

一、Sierra的诞生与AI的“奇点”感知

时间回到2023年初，布雷特·泰勒做出了一个重要的决定：离开Salesforce，开始新的创业旅程。几乎就在他宣布这一决定的同时，ChatGPT横空出世，这一巧合让他深感技术变革的到来。他坦言，作为一名技术爱好者，他对大语言模型展现出的“人情味”和拟人化交流能力感到震惊，仿佛触及到了一个全新的技术“奇点”。

在此之前，尽管他一直关注人工智能，但对大语言模型的具体概念并不熟悉。然而，与领英（LinkedIn）联合创始人里德·霍夫曼（Reid Hoffman）交流并体验了GPT-4的早期版本后，他意识到这项技术将彻底改变世界。这让他回想起当年互联网刚兴起时，那种一切都将被重塑的兴奋感。

随后，泰勒与相识二十多年的克莱·巴沃（Clay Bavor）一拍即合，决定共同创业。他们坚信，技术的重大变革总会带来巨大的商业机会，重新洗牌消费者需求、企业痛点以及软件服务商的市场格局。如同互联网催生了亚马逊（Amazon）、谷歌（Google）等巨头一样，大语言模型也将彻底改变软件工程、客户服务等众多市场。

因此，他们创立了Sierra，专注于为客户体验构建AI智能体。目前，ADT家庭安防、纽约的Ramp、以及SiriusXM等公司都已开始使用Sierra的AI智能体，它们不仅能通过电话或数字平台与客户对话，还能处理从计划升级到警报响应等一系列复杂任务。

二、Sierra与客户的独特合作模式

Sierra在与客户合作时，采取了一种有别于传统软件公司的商业模式：他们只为“结果”收费。这意味着，只有当AI智能体完全自主地解决客户来电或在线咨询的问题时，客户才需要付费。如果智能体需要转接人工客服，则不收取任何费用。

泰勒认为，这种模式与“智能体（Agent）”一词的本义——“代理”——相契合，体现了其一定程度的自主性。他预测，未来大多数先进的智能体都将能够独立完成任务，无论是为销售团队开发新线索，解决客户服务问题，还是进行法律分析。当AI智能体能够高效完成任务时，按结果付费的模式便显得顺理成章，它不仅能确保供应商与客户之间的利益高度一致，也符合商业合作的初衷。

这种基于结果的定价模式，也促使Sierra与客户建立起更紧密的合作关系。传统的软件实施项目，如大型ERP系统部署，往往耗时冗长、成本高昂，且责任归属不清。但在Sierra的模式下，由于只有成功解决问题才收费，Sierra必须确保其产品易用且能够真正帮助客户实现预期结果。

为此，Sierra投入大量精力提升产品易用性，不仅为技术团队提供专业工具，也为运营团队设计了无需技术背景即可构建智能体的平台，旨在赋能更多客户体验专业人员。同时，他们也提供强大的“智能体开发”支持，确保客户能顺利部署和应用智能体。泰勒强调，这种清晰的价值衡量标准，让客户能够明确看到Sierra所带来的价值，这种合作的简洁性和高效性令他深信不疑。

三、深耕头部客户，探索AI变革的深层价值

Sierra选择重点服务营收超过10亿美元甚至100亿美元的大型企业客户。泰勒解释说，这是因为“大公司有大问题”。他从第一性原理出发，指出对于拥有数千万乃至数亿全球消费者的品牌而言，在缺乏大语言模型技术支持时，根本无法实现与所有客户进行有效对话。

他提到“单次联系成本”这个概念，即回答一次电话或聊天所需的劳动力和技术总成本，通常在10到20美元之间。对于许多消费品牌而言，单个用户的平均收入甚至低于这个成本，使得一对一的客户服务在经济上不可行。因此，许多消费者品牌难以提供便捷的电话服务。

然而，大语言模型的出现彻底改变了这一局面。它能将单次电话沟通的成本降低一个甚至两个数量级，极大地改变了客户对话的经济模型。Sierra选择大型企业客户，正是因为这些公司面临着庞大的客户基数和与之相关的客户体验升级需求。

泰勒认为，尽管许多人将AI智能体首先联想到呼叫中心自动化，但其更深层次的价值在于，企业能够以同样的成本，与客户进行数量级上更多的对话。这对于那些在激烈市场中争夺客户的企业（如移动通信公司）来说，意义非凡。如果能将客户留存率提升100个基点，或将流失率降低500个基点，都将为企业带来巨大的终身价值回报。

因此，更具前瞻性的公司正在思考：“我们能否借此抢占市场份额？”这便是Sierra致力于为全球顶尖品牌所做的努力。它不仅仅是成本优化，更是重塑客户关系、提升市场竞争力的关键。

四、AI智能体的实际应用与技术挑战

目前，Sierra的AI智能体已能在无需人工干预的情况下，为客户处理许多复杂事务。泰勒举例说明：

• 零售行业：消费者可以通过上传损坏商品的照片，立即完成保修索赔，智能体将自动连接库存系统，并发货新产品。
• 金融服务：基于Sierra平台构建的AI智能体，可以全程无人工参与地帮助客户完成房屋再融资流程。

他强调，这些智能体的能力远超传统聊天机器人。虽然将ChatGPT与知识库结合以回答问题已是相对普遍的技术（泰勒戏称三年前还是科幻小说，现在工程师周末就能完成），但真正的挑战在于构建能够处理复杂、受监管流程的AI智能体。

Sierra的服务涵盖了健康保险、医疗服务提供商、银行以及财产和意外险公司等领域。在这些行业中，处理索赔等流程涉及高度复杂的对话和严格的监管。这需要AI平台具备：

• 强大的“安全护栏”：无论是AI驱动的监督模型，还是基于确定性规则的保障，都必须确保在监管框架下准确无误。
• 多语言、高准确度转录：在40多种语言环境中，AI智能体需要精准识别关键信息，例如账号数字，而非仅仅是日常词汇。
• 复杂场景处理：例如，在路边救援服务中，AI智能体需区分背景的汽车鸣笛声与用户说话声，避免误判和中断对话。

泰勒承认，尽管这些技术在几年后可能变得“简单”，但目前仍是需要深厚技术积累才能攻克的难题，这也是Sierra产品广受欢迎的原因。

五、语音技术：AI应用的新蓝海

泰勒指出，语音技术在Sierra平台上的应用已超过文本交互，这是一个显著的趋势。他认为，语音是最符合人体工程学的交互方式，所有人天生就会说话，使其成为一种低摩擦、高可及性的接口。尤其在跨越“数字鸿沟”方面，语音交互能让更多人轻松接触数字技术，特别是多语言、有耐心的AI语音助手。

他观察到，在电信、健康保险等行业，大量客户服务仍然通过电话进行。AI的出现首次将传统模拟渠道——公共交换电话网络——数字化。过去，许多公司致力于引导客户使用网站自助服务，但现在，同一个AI智能体可以在网站和电话上提供服务，这使得“打电话咨询”也变得高效便捷。

泰勒形象地将这比喻为“将互联网搬到电话上”，让电话成为数字技术的新渠道。他用“止痛药而非维生素”来形容这项技术，因为它解决了客户服务领域最昂贵、最繁琐、最令各方厌恶的痛点。无论是消费者漫长的等待，还是企业高昂的呼叫中心成本，AI语音技术都能提供有效解决方案。

展望未来，泰勒认为语音交互的潜力巨大。他提到了在巴西和印度等市场，WhatsApp被广泛用于抵押贷款等复杂业务的办理。未来，每个企业或许都会拥有一个对话式AI智能体，无论是通过WhatsApp提供服务，还是通过智能音箱、车载系统（如CarPlay）实现邮件分类、个人助手对话等功能，让通勤时间变得更高效。

他特别提到，年轻一代与数字技术的互动方式已与以往大不相同。他们从小就习惯于电脑能理解带有细微差别和讽刺意味的语言，并期待拥有能够帮助他们完成各种任务的个人AI智能体。这种思维模式的转变，将催生出更多超越我们想象的应用场景。

泰勒对此充满期待，他认为未来软件将逐渐融入背景，许多繁琐的流程（如电话等待、查找电话号码）都将通过AI技术消失。他相信，AI能够帮助全球企业更好地应对未来的挑战，从提供个性化、受尊重的客户服务，到布局对话式商务，以及在新的信息获取模式（如在OpenAI上进行消费研究而非搜索引擎）下保持竞争力。

六、Sierra的核心技术秘密与模型发展趋势

在技术层面，泰勒明确表示Sierra不预训练自己的大模型。他认为，对于像Sierra这样的应用型AI公司来说，预训练模型的成本高昂，且模型资产贬值速度快，难以产生可观的股东回报。Sierra的核心在于大量的“微调（fine-tuning）”工作。

他透露，在Sierra平台上，AI智能体处理一条信息可能需要进行20多次推理调用（inference calls）才能生成一个响应。这背后是一个复杂的模型协同系统，涉及多种提供商、不同参数规模的模型。泰勒将这比作数据库的选择：就像针对不同用例选择不同的数据库一样，应用型AI公司需要根据速度、成本和质量等需求，灵活选择和组合不同的基础模型。

他预测，未来应用型AI领域的从业者将更侧重于如何有效地“使用”这些模型来构建应用，而非“开发”模型本身。随着模型上下文窗口的扩大和规则遵循能力的提升，甚至模型微调的重要性也可能逐渐减弱。届时，构建基于大模型的应用，将类似于“知道如何使用数据库”而非“知道如何编写数据库”——两者所需技能大相径庭。

对于模型是否正在“商品化”的观点，泰勒并不完全认同。他承认，对于许多日常任务而言，现有模型的智能水平已足够高，后续模型的提升可能感知不明显。然而，对于某些特定且复杂的任务，例如：

• 编程：GPT-5在编程性能上相较于GPT-4.0或4.1有显著提升。
• 药物研发：在药物发现等科学研究领域，AI仍需更强大的模型来推动突破。
• 复杂软件开发：开发复杂的自主软件，也需要模型持续的“阶跃式”进步。

泰勒认为，模型提升的感知程度，将越来越取决于我们试图用它们解决的问题的复杂性。他相信，若要实现通用人工智能（AGI），模型仍需继续在推理能力、解决数学难题等领域取得重大进展。

七、对通用人工智能（AGI）的理解与展望

作为OpenAI的董事长，泰勒对通用人工智能（AGI）的定义有着深刻且不断演变的理解。他坦承，他个人对AGI的定义在过去几年中已经改变，甚至认为当前AI模型的表现已经超越了许多人三年前对AGI的设想，例如图灵测试早已被“通过”。他笑称，由于AI技术的飞速发展，我们不得不不断“移动目标”，因为AI已经多次超越了我们集体的预期。

他目前对AGI的理解是：在数字技术和概念领域，这些模型能否在几乎所有方面超越人类智能或达到人类智能水平。他特意强调“数字领域和概念领域”，因为他认为发明新的数学理论属于AGI和超级智能的范畴，而与物理世界的互动（例如进行临床试验）则是另一个独立的问题，与智能本身并非同一概念。他关注的是智能的衡量标准。

AGI中的“通用性（Generalization）”也是一个关键点。泰勒表示，研究界对此仍有分歧。一些研究者认为，如果AI在数学等基础推理领域表现出色，其能力将泛化到其他领域；而另一些人则持怀疑态度。泰勒本人倾向于相信，只要模型并非专门针对某个任务（如数学奥赛）训练，而是其能力自然涌现的副产品，那么它将具备一定的泛化能力。

他乐观地表示，随着OpenAI及其他研究实验室持续取得进展，我们有望在未来几年内看到AGI在科学领域的首次真正突破。例如，OpenAI研究员塞巴斯蒂安·布贝克（Sebastien Bubeck）在X平台上分享的一篇数学论文，展示了AI在数学方面新颖且创造性的方法，预示着AGI在推动基础科学发展方面的巨大潜力。

八、超级智能：更高的门槛与安全考量

当谈及Meta公司首席执行官马克·扎克伯格（Mark Zuckerberg）等行业领袖提出的“超级智能”概念时，泰勒解释说，超级智能的字面意思就是“比人类更智能”。如果说通用智能（AGI）是达到或媲美人类智能，那么超级智能则是一个更高的门槛，意味着AI的能力将真正超越人类。

他认为，从研究和安全的角度来看，讨论超级智能是很有必要的。因为一旦模型的推理能力超过人类自身，如何对其进行有效监控和确保其安全，就成为了一个严峻的课题。届时，我们必须依靠技术来监控技术本身。这就像飞机或汽车上各种传感器和系统，它们监控着人类无法理解或处理过快的情况。因此，超级智能相关的安全研究领域至关重要。

泰勒强调，这并非简单的“品牌重塑”，而是为了明确AI发展可能达到的更高境界，以及随之而来的深层挑战和安全考量。

给中国跨境从业者的启示

布雷特·泰勒的分享，无疑为我们描绘了一幅AI技术赋能企业，特别是重塑客户体验的未来图景。对于中国跨境行业的从业者而言，这其中蕴含着丰富的机遇：

1. 客户服务智能化升级： 无论是在跨境电商平台处理海量订单咨询，还是为全球客户提供多语言支持，AI智能体都能显著降低运营成本，提升响应速度和用户满意度。国内企业应积极探索将AI智能体融入客服体系，实现更高效、更个性化的客户互动。
2. 市场拓展与差异化竞争： AI驱动的客户体验能够帮助企业在激烈的全球市场中建立差异化优势，提高客户留存率，甚至实现市场份额的增长。这对于希望“走出去”的中国品牌而言，是提升国际竞争力的关键。
3. 拥抱语音技术： 语音交互作为一种自然、便捷的接口，在海外市场尤其是在新兴经济体中具有巨大潜力。中国跨境卖家可以考虑在App、网站或社交媒体渠道中集成AI语音助手，提供更无缝的沟通体验。
4. 关注底层技术发展： 虽然不建议盲目追逐大模型预训练，但了解模型的发展趋势、不同模型的特点及其适用场景，对于选择合适的AI解决方案至关重要。国内企业可以借鉴Sierra的经验，通过微调和多模型协同，打造符合自身业务需求的智能应用。
5. 积极探索AI前沿应用： 从智能营销、市场调研到供应链优化，AI智能体有望在跨境业务的各个环节发挥作用。中国企业应保持开放心态，探索AI在创新业务模式、提升运营效率方面的更多可能性。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/openai-chair-ai-cs-cost-100x-xborder-grab-opp.html