在Open AI的ChatGPT的带动下，2023年已经成为公认的AI之年，Chat-GPT、Notion AI、Copilot等杀手级AI应用更是让大家认知到了AIGC的能力与潜力。AIGC在创新、效率等方面带来的颠覆性，让越来越多的数字化从业者感受到冲击与期待，部分有远见的CEO、CDO、CIO也开启了对于AIGC技术场景化应用的预研和探索。据调研，90%的企业表示，将会在12个月内导入办公、营销等场景的AIGC应用。体验优化、效率提升、创新加速成为AIGC的广泛期待。
不同于AIGC的“横空出世”，低代码赛道的供需两侧在过去的3-5年中已在逐步经历探索、洗牌。从供给来看，国内基本的竞争格局已经逐步形成；从需求来看，低代码已经成为中大型企业客户的选型共识，是企业数字化转型的必选工具链之一。低代码既满足了数字化转型过程中对创新业务、敏态业务落地的需求，又能大幅提升交付效率，进而实现成本降低和产能释放。「敏捷」、「创新」、「效率」、「赋能」，成为了低代码的关键词。
① 以ChatGPT为主流的AIGC技术，受限于其他技术机理，通过AIGC技术进行代码片段/算法逻辑等的生成是比较合适的，而工程级的代码生成和可靠性在短期内突破的概率不大；
② 在自动编程的深度应用，以及AIGC在toB场景的商业化落地（相比之下，toC场景问题要“温和很多”）过程中，商业伦理、数据/知识泄漏等问题是无法回避的，尤其是在共有大模型下，这类情况更为显性；
因此，AIGC对低代码短期内不会产生结构性的冲击、影响，长期来看，二者相互融合和互相赋能的空间更为广阔，且创新、效率提升两个核心元素的“交集”，更让人对低代码和AIGC的融合产生期待。我们也可以看到，不论是国内还是国外，诸多低代码/无代码厂商都在积极探索和拥抱AIGC，期待在AIGC能力的加持下，进一步提升低代码产品的能力，满足数字化应用高效构建的目标。
﹀
﹀
﹀
集成GPT、文心一言等大语言模型，允许用户按需选择使用，支持对话式交互，在企业数字化生产力「低代码」平台中更便利地消费大模型能力，从而在低代码应用构建过程中，能够快速实现业务导入、提升业务/流程理解力。在低代码平台进行模型能力引入时，除相对标准的大模型对接外，也需要考虑面向行业、场景的“小模型”以及企业专属（私有）模型的整合能力，我们预留了插件扩展能力，能够支持更多类型模型的接入、扩展。
由原厂对低代码平台的特性配置逻辑进行预训练，确保在特定提示词的前提下（转换为具体的配置，用户无感知），实现引导式地配置提示，例如：在业务事件（复杂逻辑编排）配置了对A表单的数据读取动作后，预判大概率下一配置会是数据组合逻辑，进而实现对应配置的高亮提醒，同理在流程配置等。此外，整合了知识库、操作文档、视频指南等，当用户进行配置或二次开发时，相关交互中能够自动定位对应内容，以辅助的方式提升应用构建效率。
﹀
﹀
① 已经集成了GPT、文心一言两种模型，正逐步探索与更多大模型的接入，以及部分私有/场景化模型的集成：
② 通过AI对话的方式，快速导入业务背景和应用结构，方便对于业务和业务系统结构的基础理解：
③
基于自然语义快速生成数据模型，并支持进行检查、调整，确保数据模型构建的准入质量：
④ 国际化特性的增强，支持针对文案的单独和批量的自动化翻译，允许人工校对、修改，极大提升效率：
截止至目前，AIGC的热度与落地情况已经远远超过了商业化的进程，以企业现有数字化体系为切入点，成为AIGC率先突破的存量和可行路径。而低代码在企业数字化应用的当下阶段，可以与AIGC形成良好的互补、互动，共同赋能企业客户和最终用户，互相助力推动商业化。因此，两者的持续、深度融合，以及AIGC对于低代码产品的持续影响（甚至改变）都让人期待，也让我们对于未来多了更多的想象空间。
以ChatGPT和文心一言为代表的国外、国内的大模型已经证明了其能力，在未来，除开放大模型外，细分领域模型、私有模型大概率也会是各大型企业客户商业化落地实践的主战场。因此，低代码与AIGC的融合，除整合大模型能力外，与特定领域的专业AI能力和模型的融合，以及在办公协同、营销、售后服务、供应链、信息安全、数据挖掘等垂直业务领域的深度探索应用，非常值得期待！
文章来源：得帆信息 如有侵权，请联系删除。
– END –
开发者大赛
报告下载
大佬观点
