计算机行业：从GLEAN看GPT+2B应用未来趋势

　Glean 加速产品升级，GPT+2B 应用路径逐步清晰

    Glean 成立于2019 年，自创立之初始终聚焦企业级知识搜索与知识管理，在众多企业SaaS 应用的基础之上搭建Glean 平台，以实现企业内部的跨应用搜索。Glean 目前可实现100+ SaaS 应用的搜索连接，同时基于企业知识图谱可针对不同用户个性化生成答案和结果。2023 年Glean 积极拥抱大语言模型（Large language Model, LLM），上线Glean Assistant 功能，充分发挥LLM 的语义理解、知识学习、文本归纳等能力，实现了LLM 与企业私有化知识的深度整合，产品能力全面升级。我们认为，LLM+私有化知识有望成GPT+2B应用的重要落地方向，2B简单环节/应用或为最早切入角度。

    　　Glean Assistant 以可信知识模型为基础，打造企业级Chat 智能助手

    　　Glean 基于Glean 的可信知识模型与LLM 模型提供企业级Chat 助手。1）以可信知识模型为基础：Glean Assistant 具备公司知识背景（精准的上下文）、数据权限与治理（准确的数据访问权限与数据加密）、完全可参考（跨文档、跨应用搜索）三大特性，优化了通用人工智能模型无法保证的准确性与安全性问题；2）以大语言模型为支撑：得益于底层的可信基础，GleanAssistant 进一步发挥LLM 的强大学习能力，一是通过Prompt 约束为用户提供定制化的深入解答，同时限制不符合安全性的问答；二是发挥大模型的通用能力，提供搜索总结、结果溯源、深度探索、多轮对话等功能。

    　　GPT+2B 应用：LLM 的私有化知识Grounding 是重要趋势

    　　参考Microsoft 提出的Microsoft Copilot Stack 架构，应用与模型之间的调度层是保证LLM 安全、可控、准确的技术关键，调度层包括Prompt 和Grounding 两部分。1）Prompt：主要包括提示和响应的过滤，旨在保证LLM 输出结果的安全性问题；2）Grounding：主要为应用提供更加精准的上下文区间，保证LLM 的准确性与可靠性，基于私有化知识的Grounding在解决专有问题上更具优势。相较于C 端应用的通用需求，B 端应用的定制化需求更高，基于私有化知识的Grounding 是大语言模型在B 端实现应用落地的技术重点。同时，也对公司是否拥有AI 工程化实践提出挑战。

    　　GPT+2B 应用未来趋势：从简单到复杂，从后端到前端

    　　根据GPT+应用的客户属性与应用难度的不同，我们将GPT+应用划分为2C简单、2B 简单、2C 复杂、2B 复杂四大类。目前，GPT 应用正逐步实现从2C 简单到2B 简单的实践跨越，未来GPT+2B 应用有望沿从简单到复杂，从后端到前端的趋势继续演进。1）从简单到复杂：目前海外GPT+2B 主要发挥大模型的通用能力，聚焦人机交互模式的变化，未来有望向智能驱动、知识发现持续演进；2）从后端到前端：目前海外GPT+2B 主要赋能后端企业管理场景，未来有望向生产控制、研发设计等前端生产场景持续延伸。

    　　国内GPT+2B 应用相关公司梳理

    　　参考海外GPT+2B 应用在2B 简单场景的加速落地，国内相关企业有望复刻相关的技术路径。相关GPT+2B 应用公司包括：鼎捷软件、泛微网络、致远互联、普元信息等。

    　　风险提示：宏观经济波动；AI 应用落地不及预期；本报告基于公开客观信息整理，不代表提及公司的覆盖与推荐。