01, 距離2022年11月30日，ChatGPT正式上線，馬上2周年了。AI大模型的幻覺，治好了嗎？
這兩年，AI落地速度慢，跟2個難關脫不開關系：
一個是幻覺，或者說，AI能力到底有沒有用，能否在産業級場景通過考驗；一個是價格，AI帶來的降本增效、商業價值，能否對沖部署AI的成本。
在百度2024世界大會上，李彥宏提出：大模型的幻覺正在消失。
「過去18個月到20個月的時間裏，大模型領域最顯著的變化，是回答問題的准確性。」李彥宏講到。
打個比方，在一年前，你向聊天機器人提問，不管是查資料、訂票、曆史，你不敢完全相信它的答案。
因爲AI有幻覺，可能“已讀亂回”、胡說八道。這個問題怎麽解決的？
在今年，大模型普遍聯網，並應用RAG等檢索增強技術。你會發現，現在AI機器人的答案，他們一般會援引內容來源，答案是經過多方信息驗證的。
在實際使用裏，你能明顯感知出AI的准確度、可信任度在優化。
那麽圖片生成呢？
AI生成的圖片、視頻等多模態內容，也存在幻覺問題。比方說，生成的畫面不夠准確，不符合邏輯，風格無法統一。總之，就是一眼AI畫風。
像這張AI生成的天壇圖片，乍一看像模像樣，但細節哪看哪不對。
世界大會上展示了一個，愛因斯坦在天壇前。
這是他們通過iRAG檢索增強技術，將億級圖片資源用來加持大模型，得出的升級版文生圖模型。
這樣的圖片，AI畫風一下淡了，多了寫實感、人味兒。
不僅如此，圖片中的物品、人物、品牌logo……都可以精准生成，實現定制。這意味著什麽呢？跟拍攝海報大片、廣告比起來，AI制作成本幾乎接近于0，對于行業的顛覆才敢剛開始。
我抓緊體驗了一把，讓文心生成 ：馬斯克和特朗普，在中餐廳吃火鍋。然後這張圖就水靈靈出來了。大家可以評判下 ：
沒有幻覺，AI的能力將真正在産業中開始裂變。
這2年，李彥宏是國內最活躍發聲的AI企業家之一。他做出的一些“反常識”判斷，在今天看，基本都被驗證。比如說：
- 2023年8月，「百模大戰」正如火如荼的時候，李彥宏指出：中國現在有好幾百個基礎模型，這是對社會資源巨大的浪費。尤其在我們算力還受限制的情況下，更多資源應該放在去探索跟各行各業的結合。
- 2024年7月，世界人工智能大會，他又說：避免掉入超級應用陷阱。不是只有10億DAU的應用才叫成功，“超級能幹”應用，比超級應用更加重要。在基礎模型之上，應該能夠誕生數以百萬計各種各樣的應用。
- 2024年9月，在百度內部講話裏，李彥宏又質疑：一天到晚跑分刷榜，誰又超越GPT-4了，明天又史詩級更新了。但是我要問，應用在哪裏？誰從中獲益了？
他的判斷，跟本輪AI大模型爆發的時間線，3個階段的演變基本吻合：
1、從ChatGPT發布到2023年年中，是第一階段，特征是百模大戰；
2、2023年年中到2024年年中，是第二階段，AI應用初步探索落地，行業掀起了價格戰；
3、2024年下半年至今，是第三階段，AI應用深度融合、落地爆發，開始産生顯著回報。
過去近十年，百度all in AI的戰略布局，也終于在這兩年迎來時代機遇，百度切換到了新的增長軌道。
從透露的最新數據看，百度文心大模型的日調用量已超15億次，文心一言的用戶規模突破4.3億。
8月百度的Q2財報顯示，百度智能雲季度營收51億元，同比增長14%，AI和大模型收入占比提升到9%。這也意味著，百度智能雲是國內極少數能實現盈利的雲廠商。
根據IDC統計，2024年上半年，百度智能雲以32.4%的市場份額，位居中國MaaS市場第一；在2023年，百度智能雲以26.6%的市場份額， 連續5年居AI公有雲市場第一。
本次百度世界大會，主題詞是“應用來了”。李彥宏說，我們即將迎來AI應用的群星閃耀時刻。
在他的預判裏，接下來AI應用如何落地爆發、如何創新呢？
02, AI應用的爆發，李彥宏講到了兩個方向：一個是智能體，另一個是産業應用。
我們先看智能體。
李彥宏預判，智能體會是AI應用的最主流形態。
我認爲，做智能體很像在PC時代做網站，或者是移動時代做自媒體賬號。不同之處是智能體更像人，更智能，更像你的銷售，像你的客服，像你的助理。智能體可能會變成AI原生時代，內容、信息和服務的新載體。
這個判斷是有數據支撐的。在百度的文心智能體平台上，已經聚集了15萬家企業和80多萬名開發者。
這一次，他們根據使用度、用戶喜愛度，把TOP100名的智能體也公布出來，讓大家瞧瞧。
他們將智能體分爲了4類 ：公司、角色、工具、行業。
在TOP100的圖譜裏面，有情感聊天智能體，有工具類應用，有娛樂型，還有像農民院士這樣的專家角色智能體。
而公司類智能體是什麽呢？比如說，比亞迪就有自己的智能體，它就像一個會說話的公司官網，能解答關于比亞迪和他們汽車的一切問題。
李彥宏說，智能體最明顯的特點是門檻足夠低，誰都能上手，天花板又足夠高，可以做出非常複雜、非常強大的應用。
好，再看百度另一個AI應用大方向，産業應用。
目前，百度智能雲千帆平台，已經幫助客戶精調3.3萬個大模型，開發了超過77萬個應用。
從具體服務的産業來看，百度智能雲的AI已經在金融、工業、交通、電力、政務、教育、汽車等幾十個行業落地。
目前，有超六成的央國企和大量民營企業正在使用百度智能雲做AI創新；同時，像中小企業、高校科研機構，以及創業團隊，也在借助百度AI轉型。
百度在率先探索，一條AI落地、商業化閉環、協同創新的路徑。
就拿大家關心的就業來說，AI能幫你更好地找工作嗎？
智聯招聘是國內最大的招聘平台之一。上面有3.6億用戶，1375萬的企業客戶。這是一個什麽概念呢？
找工作的人，可能或多或少都和智聯打過交道。
智聯招聘的工作，簡單說，就是讓合適的人，找到合適的崗位。
在過去，這個工作是靠人工來完成的。所有的簡曆、崗位數據靠人工標注，求職者和HR每天時間都花在了篩選和溝通上。AI能幫這個環節做什麽呢？
智聯招聘和百度合作，通過百度智能雲千帆大模型平台，打造出AI招聘助手。求職者和AI直接自然對話可以做到及時響應、回複；企業將崗位需求發給AI，馬上就能篩選出符合要求的簡曆。
通過這種方法，智聯招聘的人崗匹配平均准確率，高達93%，遠超行業平均水平。
他們在成爲最懂找工作的平台。
比如，大家常去吃的肯德基、必勝客，背後其實都是一家叫百勝中國的公司。
餐飲企業，如何使用AI大模型？百度幫百勝做了這幾件事：
首先，就是利用AI分析市場數據，對門店選址進行評估。百勝旗下數千家門店的選址，都是由AI輔助完成。
在手機上，肯德基和必勝客的5.1億會員，他們的浏覽、點餐、會員服務，都靠數字化和AI幫助。
找過客服解決問題的，是不是都迫不及待“轉人工”？因爲機器客服太僵硬、模板化，無法處理千奇百怪的實際問題。
而百勝通過文心大模型，打造了自己的AI客服機器人，它最大的特色就是像“人”，能理解找上門用戶的真實意圖，給出相應的回複和對策，溝通也很自然。
百勝的AI客服現在每天要處理超過15萬次的消費者溝通，而問題解決率高達90%。
這些都是實際的，通過AI降本增效、體驗優化，直接創造的商業回報。
如果要再上點難度，AI的想象力邊界在哪裏？能否做出從無到有的創新？
今年10月，谷歌DeepMind創新人獲得了諾貝爾化學獎，因爲AlphaFold在蛋白質結構預測方面的貢獻。
AI for Science的討論一下火爆出圈。
但在大模型時代，所有的科研機構，都面臨算力不足的困境。斯坦福大學的李飛飛曾說，美國高校所有算力加起來，還不夠造一個GPT-3.5，這已經是好幾代之前的版本了。
百度怎麽解決這個問題？百度內部也有類似的蛋白質結構預測、藥物分子和疫苗研發的AI算法。
但他們是和上海交大，以及生物醫藥公司合作，把算法、算力賦能給科研機構，讓專業的人去做化學、醫藥、新材料等技術研發。
在世界大會上，百度直接發布了基于大模型的100大産業應用。
這個圖譜裏，涵蓋了制造、能源、交通、政務、金融、汽車、教育、互聯網等衆多行業。是多年以來，百度跟各個行業合作，積累下的産業級的解決方案。
這其實，百度表明了自己的態度：
他們不是要當那個通吃一切的“超級應用”，反而是要把能力賦予出去，幫助更多行業和企業打造出數百萬的“超級有用”應用。
03, 從百度的上升軌迹，我們可以看到一個趨勢 ：大模型廠商之間，已經從模型之戰，轉變爲工具平台之戰。
意思是說，AI應用的落地已經有了路徑，商業化得到了初步驗證，之前轟轟烈烈的價格戰也讓成本一路下探。
接下來是AI應用快速爆發的階段。誰能把大模型底座做厚，提供完善的AI基礎設施、工具和服務；誰能把大模型應用做實，提供真正能幹的應用生態。
這可能，比參數、刷榜的競爭，要更加關鍵。
一直以來，百度都是從底層硬件，到框架、模型和應用，進行全棧布局，並提供各個層面的能力。
百度能不能在做好工具平台，做好“賦能者”的角色？我們可以從三個層面去看。
一是算力的問題。
這個現實的困境無法避開。國外OpenAI、特斯拉和Meta，都已經在用英偉達的H和B系卡，建幾十萬卡級別的集群，代差會不會越拉越大？我們如何應對?
百度智能雲的算力平台，是百度百舸，目前是具備了成熟的10萬卡集群部署和管理的能力。
並且從用卡來看，百舸內是具有多種算力，憑借一雲多芯、十萬卡集群的部署和管理能力，可以爲廣大企業提供穩定、彈性、高效的算力。從數據來看，百舸能做到算力資源利用率高達90%，萬卡級模型任務的有效訓練時長提升到99.5%。
典型代表，就是汽車行業。在智能汽車的進程下，自動駕駛的推理和訓練對算力要求極大，車企本身涉及生産制造、管理、研發、銷售等環節也都在引入AI輔助。
二是模型應用的層面。
之前講到，百度智能雲的千帆大模型平台，提供完整的工具鏈、模型服務、産業應用。可以做到只需注入少量數據，只需低代碼能力，就可以快速、低成本、大規模形成AI應用。
這個是靠百度過去十年，在各個行業裏深耕，去解決具體場景、具體問題，所積累和抽象總結的經驗、數據和know-how。什麽意思呢？
比方說，在醫療行業，在工業制造裏的很多場景，他們是高度專業的。行業本身也沒有專門的數據，能夠去訓練開發。這存在的問題就是，哪怕要做一個工業巡檢的應用，檢查零部件，檢查安全生産，看上去是很簡單的場景，但需要專門訓練視覺CV的小模型。用的時間很長，成本也很高，大部分工廠沒有能力去做。
而現在，百度通過多年積累，在各個行業場景裏，都積累了自己的解決方案，並可以通過大模型快速變成能力。現在要做一個巡檢應用，直接用對應AI給少量工廠數據，馬上就能規模化應用。
百度智能雲總裁沈抖，就在現場基于千帆平台工作流Agent，快速打造了一個“車保金牌銷售”。
比如說，購買車險，是一個車主們共同的麻煩，往往需要很長時間、細致、專業的車險咨詢服務。
但是大部分保險銷售，很難讓車主滿意，金牌銷售畢竟是極少數。
那麽好，國內有一家保險公司，就大膽使用百度的工作流智能體，把保險公司關于車險的知識、流程、銷售經驗，全部灌輸給智能體。只用一個小時，就能複刻出一個有金牌銷售知識的AI銷售。在大會現場，沈抖就和這位AI銷售進行了一場酣暢淋漓的討價還價。
三是在更加長尾的，生態協同的層面。
這一點其實被很多人忽視了。
百度作爲一家AI和互聯網領域的公司，他們給自己定位是賦能者，提供工具和平台。
在這麽多年和衆多企業的合作，其實，就等同于是陪伴成長。這個過程裏，各個行業、企業會形成自己的人才團隊。
這批人才，既懂使用AI開發，又懂自己的業務和場景。
做研發的，可以專心搞實驗；做銷售的，服務好客戶；做制造的，管理好每個環節……
讓專業的人幹專業的事。給他們AI基礎設施、算力、開發工具，他們自己就能開發出真正滿足行業需要的AI原生應用。
國內AI在技術突破上，速度並不慢，更可貴的就是我們全球獨有的産業縱深、應用場景和企業規模。
隨著AI應用的爆發，AI基礎設施的完善，除了大企業在轉型，我相信一定會出現很多「10個人開公司，幹出現象級大生意」的案例；像蛋白質這一類創新研發的速度，也會加快；靠想法就能賺錢的時代，可能真的來了。
百度在押注自己最擅長的賽道，讓AI技術普惠到更多行業，真正變成大家的技術紅利。---來源 : 智谷趨勢 -
