在之前的文章里我们反复聊过，AI 真正落地的场景将是最近这些年大家都致力于探索的关键。目前市面上的确有很多有意思的C端产品和应用，但不能说有可持续的用户价值。AI从玩具到工具，从单点场景到大规模应用，最终还是要落到提升生产力的场景中。

近期钉钉的朋友知道我对 AI 很关心，邀请我去他们新的生态大会感受了下他们在做的事情，也跟各位分享一下我觉得有意思的地方。

(资料图片仅供参考)

1.AI 作为基座

我们在之前的文章里（钉钉靠什么服务大客户？）聊过钉钉去年开始明确的战略方向，就是做更开放的生态，而非做封闭自建的平台。目前，钉钉上年营收超过千万的合作伙伴已经超过 25 家，并且钉钉每收入 1块钱，就给合作伙伴带去 9 块钱。

开放这件事在 AI 上，也是一以贯之的。

如果是封闭地做 AI，那就是简单围绕钉钉的基础设施建设，合作方没有机会参与共建，导致无法渗透进各行业的具体场景里去。而钉钉选择的，我理解下来，是 以AI 作为底座，是可插拔的能力，同时也能有自有的模型，自由度是高的。

具体而言，有两种方式：

其一，是将企业数据动态加载到大模型调度引擎，而非直接注入底模型训练，这是钉钉主推的一种方式，也是当前最务实的方案。

其二，企业也可以用自己的数据注入底模型训练一个专属模型，甚至可以私有化部署。

这种态度是很重要的，鲜明地表示：钉钉不是想用 AI 直接来赚钱，而是把 AI 当成一种 PaaS 的能力，让合作伙伴能低门槛地增强智能的模块，继而大家共同创造真正的 toB 客户价值，实现商业化共赢。

钉钉能这么做，也有三点优势：

其一，前面讲的，钉钉的生态战略一直是 PaaS 化，这是共赢的、也是长期看 ROI 更高的做企业产品的思路，AI 这么选择也是延续了这个思路；

其二，钉钉背后的大模型有这样的技术基础和对接能力，甚至不光是阿里系的大模型，直接搭建了一个行业大模型的PaaS服务；

其三，钉钉在这些年的积累里，有做平台化的基础，开放了大量的API 接口、插件体系、酷应用等等。

那 AI PaaS 具体指的是什么呢？

2.既是服务，也是入口

AI PaaS 可以理解为钉钉的智能化底座，给合作伙伴提供统一的服务。

这个底座中就中包含了模型调度平台、模型训练平台和插件开发平台三个部分。

模型调度平台基于AI原生的设计理念，可以从理解用户意图、制定执行计划、连接钉钉高频场域、融合记忆管理技术到插件执行调度的各种能力，降低开发AI应用的门槛。

模型训练平台，或者形象化称之为“炼丹炉”，可以让企业的专有数据更安全地进入调度平台，让大模型和企业的专属数据结合，变得更懂企业和相关行业的知识沉淀，增强模型调度平台的使用效果。

插件开发平台主要解决企业存量的应用和服务如何快速被AI使用的问题，通过插件平台，企业的存量应用和服务就可以快速接入调度平台。

用白话说，底层大模型有一些局限性，或者说钉钉在大模型基础上又封装了很多套件，既可以调用模型，也能接入插件。比如说在视频会议里，钉钉肯定有大量针对性的处理，才能更好地利用大模型，得到好的文本转换和摘要。对于这一点，可以听三五环的 No.121 跟通义听悟的负责人沟通的内容，聊了很多在大模型基础上的产品技术如何优化、为什么要优化的问题。

那么钉钉封装的各种能力，就可以称之为 AI PaaS，也就是前面提到的，开放的逻辑。

同时，AI PaaS所扮演的角色，也相当于是 AI 能力的一个超级入口，合作伙伴只需要在上面按照流程操作，开发更符合自家业务流的AI技能、训练自己的专属数据模型就可以了。

3.工具而非玩具

基于 AI PaaS，这次钉钉跟合作伙伴也落地了具体的场景。

1 号直聘是钉钉长期合作的在生态内做招聘的企业，他们依赖钉钉的 AI 底座做了一个招聘助手。

这个招聘助手当然不是那种有噱头的「AI 面试官」，直接帮你把所有招聘的工作都全包了，这还是科幻情节。

它主要能完成的，就是大量重复性的工作。

像我身边很多年轻管理者、有招聘需求的年轻 leader，是不太熟悉怎么写 JD（Job Description）的。招聘助手就可以帮忙提取岗位相关的信息，自动生成围绕实际需求的 JD。当然也会参考行业内常见的书写方法，不会露怯。

像撰写 JD、通过对话形式修改、一键发布等等，都是 AI 容易完成的。

JD 之外，还可以初步筛选候选人，帮助面试官和 HR 简要判断简历的内容。就像刚刚说的，它并不能替代人的工作，但可以大大节省这方面花费的精力。

这是一个对比简历的优劣势的案例：

从这些描述里，可以体会到，AI 的招聘助手就很像助理，它并不能完全替代某些工作，而是让某些工作先有初步的整理和处理，从而让我们的工作更丝滑，从大量重复劳动里能抽身出来。

以上这个招聘助手，钉钉官方称之为数字员工，可以进入通讯录，可以对话、可以艾特，可以使用工具，像真人员工一样。但从目前的能力来看，它更像是一个 AI 实习生。

类似的场景还有 AI 助教，这是 AI 与行业结合的典型案例。

这样的助理可以帮老师批改作业，可以分析单个学生的学情状况，还可以依据班级整体的错题分布，为老师生成备课建议，把错误知识点都自动整理出来。

还有工作中的高频场景也与 AI 做了结合，比如 AI 会议助理。

可以用自然语言唤起，帮你处理各种操作，打开美颜、字幕、共享屏幕等，解决对功能使用不太熟悉的用户的问题；甚至可以代替参会，解决会议时间冲突的问题，并可以在讨论到跟自己相关的信息或者关注的话题时，让AI主动提醒自己，等等。

以上的几个案例就沿用了前面说的逻辑，还是先能「帮上忙」。这也是 AI 要能快速落地迭代的关键：AI 不是参数量越大越好，反而是数据量越大越好。在专业领域内，有专业的公司去实践，才能更好地让 AI 理解场景、以「具身」的方式去成长。

4.AI PaaS 的意义

如果做个总结，那比起之前聊的钉钉开始落地 AI 的功能（比如文档、会议、群聊等，在上篇文章【实测钉钉 AI：我最喜欢的还是问答机器人】里有写到），这次最大的变化就是：钉钉落地 AI 不光落在自有的产品和功能上，也试图落在合作伙伴那里，有了更多的场景。

那合作伙伴为什么需要 AI PaaS 呢？

作为小公司和独立团队的创业者，深知自己做 AI 的难度，且不说搭建大语言模型，就是普通的小模型，耗费的财力和人力也很难支撑。AI 的杠杆效应到底如何、是否真的能提升生产力，仍是当前都在探索的、还没有明确答案的，更不敢贸然投入。那有一个生态平台能提供一些套件和解决方案先用着，就是性价比较高的选择了。

另外，从更实际运用的层面来说，大语言模型到真正可用还是有距离的，这个前面提到过了。能确保安全性和稳定性，这也是广大小公司的需要，而不是只用开源的模型就能搞定的。

这些是钉钉的 AI PaaS 对合作伙伴的意义：不仅可用，而且需要易用、敢用。

目前钉钉只是走出第一步，也算是国内同行里比较靠前的一步了。未来这些企业服务的场景中，是否能涌现出更多的 AI 落地案例，我们拭目以待。

总的来说，钉钉这次的 AI PaaS，以及数字员工的一套设计，还是奔着「从玩具到生产力工具」去的。从我们在大模型上感受到的惊艳，到真正融入到真实有价值的场景里，这是一次很重要的尝试。

END

题图由 Midjourney 绘制。

标签：