文：任澤平團隊

1、 AI應用驅動下一輪洗牌：跨越AI發展冷靜期，發展AI向實

人工智能領域正在進入大模型浪潮以來第一段“冷靜期”。

一方面，OpenAI的下一代語言模型Orin遭遇重大瓶頸，效果不及內部預期。其2024年初主推的多模態模型Sora的發布日期也持續推遲。

另一方面，AI行業的“Scaling Law”似乎正在失效，大模型的性能不再隨著參數量、數據量、計算資源的增加而產生指數提升。

AI需要新驅動力，應用驅動將成為第一性原理。進入“冷靜期”符合行業發展的規律，就像歷史上許多次技術浪潮一樣，在度過最初的高期望階段之后，泡沫不可避免產生。當技術沒有達到高期望時，行業會進入一段冷靜期，等待新技術和應用變革帶來大洗牌。

2、 海外和中國兩條路線發展，以AI應用殊途同歸

海外AI發展曾經以技術驅動，實現AGI（通用人工智能）等同于實現AI企業的終極商業價值。ChatGPT讓產業界看到了以AGI為目標的技術驅動的潛力，但經過兩年發展，行業意識到AGI仍然遙遠，純技術驅動還不具備客觀條件。海外AI巨頭在2024年逐步調整方向，開始以應用開發、產業結合為當前階段重點。OpenAI轉向盈利性商業化運營，谷歌、微軟等都開始以To C、企業端、開發者社區合作為聚焦點。

中國AI發展特點是應用驅動。2023年ChatGPT浪潮掀起“百模大戰”，積累了早期中國AI市場基礎。根據《全球數字經濟白皮書》，截止2024年11月，中國的大模型數量高達478個，約占全球總數量的36%。中國市場投入大量資源開發基礎大模型，在一定程度上導致AI深層技術發展整體滯后。但另一方面也提高了生成式AI的社會認知和接受度，進而促進個人和企業去關心AI產品與市場的契合度，打下了應用驅動AI發展的“彎道超車”基礎。

原生AI企業是推動行業技術進步和產業化的引擎。2024年11月，沙利文發布《2024年全球AI生態全景概覽》，其中原生AI巨頭有谷歌、百度、OpenAI三家。通過原生AI企業的技術、產業創新實現“冷靜期”跨越有跡可循。比如，谷歌在2017提出了Transformer架構，成為推動預訓練模型進化為大模型落地的最關鍵技術。2023年OpenAI發布ChatGPT，通用大模型首次進入公眾視野，喚醒沉寂多年的AI賽道。2024年百度世界大會召開，開創性主張“AI應用向實”，中國AI發展正式進入彎道超車階段。

3、 重視AI行業的“新三要素”：幻覺消除、開發加速、智能體發展

3.1 大模型欠缺真實感，消除智能幻覺是首要任務

大語言模型（Large Language Model）中的“幻覺”現象指的是模型生成的內容雖然看似合理，但實際存在事實錯誤；或者AI生成的文字、圖片、視頻在直覺上不符合人類認知，欠缺真實感。“幻覺”主要有邏輯謬誤、捏造事實、數據偏見三類。通常是因為模型的推理能力欠缺，算法框架存在漏洞，數據壓縮、數據不一致性等原因導致。

多模態大模型領域興起，圖像、音頻、視頻類模型也出現幻覺現象。比如，OpenAI的Sora大模型雖然在視頻生成領域表現優異，但也存在生成的視頻違背物理規律，時空關系錯亂等情況。這也是正式版Sora無法上線的主要原因之一。

業內解決“幻覺”問題的方式是采用RAG技術，（Retrieval-Augmented Generation）即檢索增強生成，通過結合階段和增強生成，減少學習數據中的“負樣本”，以此來減少大模型的幻覺現象。但這也僅限于在LLM領域。在多模態領域，百度開發了基于圖像的iRAG（Image based RAG）技術，將搜索引擎的億級圖片資源與文心基礎模型能力進行結合，在強化學習生成下，輸出各種真實的圖片，整體效果遠超傳統的“文生圖”的原生系統，有效的消除了“AI味”。未來，以iRAG技術為代表多模態RAG將成為業內緩解AI“幻覺”現象的主要方向，為更成熟、更真實的多模態應用發展提供更準確的能力。

3.2 編程AI應用加速行業走向下個爆發奇點

AI編程應用將加速AI迭代進程，賦予企業和個人更強的開發能力。全球AI企業已經進入“效率時代”，由于軟件應用開發的成本高、周期長，算法工程師昂貴且稀缺，通過開發輔助編程AI來提高開發者效率、縮短開發周期成為方向。

一種是企業內部用AI直接輔助開發任務。比如，亞馬遜將Amazon Q用于公司內部的軟件升級任務，為其節省了相當于“4500 名開發人員一年的工時”，并且還提高了準確性和安全性，降低了基礎設施成本。

或是與開發者社區聯合開發編程AI助手，提高個人寫代碼效率。比如，GitHub Copilot由GitHub、OpenAI和微軟Azure團隊聯合推出，可以提供代碼建議和自動補全功能，幫助開發者更快地編寫代碼。

甚至是直接省去人工代碼步驟，由AI完成開發全流程。2024百度世界大會發布的“秒噠”是里程碑式的開發工具，不同于前兩種輔助編程工具，使用秒噠不需要任何代碼能力，通過自然語言就能實現軟件開發，人人都將擁有程序員的能力。其實現是通過將任務拆解成核心需求、內容結構、工程開發、數據需求四個步驟，再采用多個智能體協同來完成，這也是迄今為止，最復雜的多智能體協作工具。以后隨著基礎模型能力提升，以及智能體本身的技術能力迭代，秒噠將能完成更復雜的開發訴求，實現系統級開發能力。

百度在AI編程應用上邁出的這一步，不僅消除了未來成為開發者的門檻，更是對AI時代商業模式的一次革新。這意味者實現商業創意或不再需要組織人員架構，智能體就能充當項目經理、設計師、開發工程師，憑借AI工具和創意，個人就能開發產品和創造商業模型。

3.3 智能體是LLM的進化，是可以反思、進化、使用的工具

智能體會變成AI時代內容、信息和服務的新載體，是下一個爆發點。大模型是AI應用的初期形態，具備一定的通用性，但在深度方面欠缺。大模型作為應用發展的下一步是智能體（AI Agent），不但能基于LLM進行任務推理和解決，還具備記憶、規劃功能和更強的自我學習能力，并且能使用特定的行業知識完成更復雜、更高質量的任務。

第一類具身智能體（Embodied AI），典型代表有智能駕駛汽車、通用人形機器人。如英偉達CEO黃仁勛所言，具身智能體是AI進入物理世界的超級智能形態。L3以上的高階智能駕駛是第一步，目前以國內的百度Apollo和美國的特斯拉RoboCab為代表。第二步是通過自動駕駛的大范圍應用鋪開，積累智駕算法的數據和經驗，再構建虛擬環境去訓練人形機器人算法，幫助其實現量產落地。比如人形機器人領域領先的特斯拉Optimus，采用的就是其FSD智能駕駛算法。

第二類是平臺智能體（Platform AI），為工具、企業、角色、行業、產業等提供AI賦能升級和定制化解決方案。

工具智能體，在個人的工作和興趣應用場景中擁有強大的創造力和價值，將成為AI界的新質生產力代表。如AI寫作、Canva設計助手、logo生成器等等，都是典型的代表。工具智能體的核心在于AI的“自由性”——能通過連接公域（公開數據、搜索引擎內容、社交平臺內容）和私域（個人數據、音頻、圖像、文字）來生成符合用戶期望的內容，解鎖“創造性”和“獨特性”。比如，百度發布的自由畫布就是由文心多模態大模型加持的創造力工具，具備輸入自由、編輯自由、創作自由三大屬性，覆蓋從創意繪畫、AI寫作到專業報告領域等使用場景，幫用戶完成從找資料、到編輯、再到生成和分享的全部任務。

企業類智能體，相當于人工智能時代的公司官方AI，具備官網+服務一體的系統化能力。由于傳統的企業官網通常信息龐雜、專業術語難懂、視覺觀感上易疲勞，檢索方式復雜、服務效率較低，已無法滿足用戶的需求變化。而AI企業智能體則具備了定制化推薦、及時化響應、高效化服務的能力。在汽車零售領域，比亞迪官網是成熟的企業智能體案例，對于不懂術語的用戶，智能體能像人類客服一樣為用戶找出匹配的參數，一鍵式提供清晰明了的對比，省去手動篩選步驟，給出符合用戶期待的建議。

角色類智能體，也就是AI數字人，擁有自己的背景、設定、知識庫。可以是基于現實真人、特定職業進行在線服務的AI角色，也可以是虛擬角色。以往的虛擬數字人，大部分存在聲音口型不匹配、肢體動作機械、神情呆板等問題。在LLM和多模態的技術加持下，角色智能體能呈現出更高度擬人化的表情、神態、情感。可以充當輔導老師，健康咨詢師，網絡娛樂主播等，通過與人互動提供知識和價值。實際上，當前的數字人直播在許多場景下已經超過真人直播的轉化率，具備可觀的商業價值。

行業類智能體，為用戶打破信息不對稱，提供對應領域的專業服務，在法律、醫療健康、金融、體育、旅行等領域潛力巨大。比如，法律行業的智能體——法行寶就是普通人的專業法律助手，從案件分析、條文引用、賠償計算、訴訟起草，實現了全流程免費服務。上線半年多以來，百度推出的法行寶為940萬多人提供了高效、可信的法律服務。

產業類智能體，為不同產業中、不同分工的公司，提供商業決策中各環節解決方案。比如，餐飲產業的選址和售后服務是兩大難題。國內的餐飲龍頭百勝集團選擇與百度合作，基于大模型能力進行選址評估，提高了上千家門店的選址效率與銷售效果。初期的賦能成功后，百勝又對全線業務進行了數字化升級，大模型每天調用量的峰值達到數百萬，AI客服的問題解決率提升到了90%。為傳統行業轉型提供AI升級，還只是產業類智能體的應用探索第一步，未來隨著模型學習能力更具深度，數據訓練更龐大，產業類智能體甚至有潛力成為公司戰略的核心決策者。

4、 立足于AI浪潮之中：理想主義、聚焦人才是AI進步的引擎

科技進步的原力是理想主義，前沿的技術浪潮最早都是由少數個人的理想主義來推動的，這一點在AI領域尤其突出。2024年的諾貝爾物理學獎頒給了約翰·霍普菲爾德和杰弗里·辛頓，一方面表彰兩位學界先驅對于AI理論研究和產業化的貢獻；另一方面，是對兩位在深度學習路線受到冷落的30余年，仍然堅定該研究方向的理想主義精神致以敬意。

30年來，推動美國AI產業發展成型是學術界的辛頓團隊和產業界的微軟、谷歌團隊，將這一成果轉換為商業化浪潮的是OpenAI和英偉達。其背后根本是以辛頓、伊利亞、蘇萊曼等為代表的學者和以馬斯克、奧特曼、黃仁勛為代表的企業家以個人理想主義推動行業進步。

中國的AI產業發展和未來趨勢亦是如此，有AI理想主義的企業家是推動行業進步的關鍵。早在2012年，李彥宏就瞄準人工智能領域，率先意識到AI發展的轉折點到來，發起計劃收購剛完成AlexNet的辛頓團隊。該團隊中還包括了后來的“ChatGPT之父”伊利亞·蘇茨克維。彼時參與拍賣的還有谷歌、微軟、DeepMind，而百度在競標中一直出價最高，直漲到4400萬。盡管因為辛頓的身體條件等原因，最終未能與百度合作，但這場改變人工智能革命的舞臺上，中國企業的世界眼光和視角高度讓AI學術界感嘆。“AI教父”、深度學習發起人之一楊立昆感嘆：百度是最早部署商業化深度學習系統的大型公司之一，甚至領先于谷歌和微軟。

十年來，李彥宏作為企業家一方面將百度的十年布局聚焦在AI領域，另一方面作為個人也在不斷傳播他的理想主義，無論是對國家領導、企業家、媒體，還是對朋友、學生、極客，他從不放過任何“布道”AI的機會。在連續8年的“兩會”中，李彥宏提出了13份AI相關提案。在堅持十年的“布道”和產業落地中，越來越多的企業也看到了AI技術的價值并開始重視對AI的投入，互聯網科技公司轉向發展人工智能的信心也更加堅定。

AI理想主義從理念到落地，根基是聚焦人才培養。2013年，李彥宏組建了成立百度深度學習實驗室，擔任院長。這是世界上首個以“深度學習”命名的企業級實驗室。至此，中國AI領域開始招賢納士，打穩根基，踏上10年的探索之路。2014年，谷歌貓牽頭人吳恩達加入百度深度學習，擔任首席科學家，負責百度大腦項目，培養了眾多中國AI界的核心技術骨干。2017年，王海峰接棒吳恩達，搭建AIG（AI技術平臺體系）后來發展為深度學習技術及應用國家工程研究中心。2023年，王海峰發布百度人才培養星河計劃，宣布為社會再培養500萬大模型人才的愿景。

十年來，百度不但實現從0到1的AI技術人才骨架逐漸成型，打穩了中國AI發展的人才基本盤，也讓人工智能的理想主義隊伍不斷壯大，為中國AI行業在下一次變革性浪潮中做好了準備。2021年，李彥宏在致股東信中提到：“百度有定力，有耐心。因為我們深知，最前沿的技術浪潮是等不來的，你必須提前10年、20年去布局”。當下看，不僅提前10年布局的百度做到了生態領先，中國AI行業也做到了立足于全球人工智能的大浪潮中。