圖片unsplash

當技術變革裹挾著嶄新的時代撲面而來，我們是謹慎觀察，還是張開雙臂擁抱它？

在AI大模型時代，沒能先人一步享受技術的紅利，就可能錯過一次業務躍升的良機，這樣的焦灼尤為明顯。但另一面，在企業的語境中，任何決策都是高度理性的行為。

正如一位消費領域CIO在體驗了大模型驅動下的機器人后，發出喟嘆：“它比閨蜜還能帶來情緒價值，但很可惜，不是業務價值。”

于是我們看到，在ChatGPT橫空出世600天后，大模型驅動下的廠商軍備競賽進入應用層。去搭橋鋪路，讓無論傳統還是新興企業，和AI時代的距離“天塹變通途”，成為云廠商的新賽點。

實際上，大模型產業化落地早已進入加速度。據公開數據，截至今年8月，國內大模型相關中標項目達到驚人的475個，是2023年全年的5倍之多。而其中，央企、國企訂單超過62%。對于身系國民支柱產業的老牌央企來說，新質生產力下，實現數字化轉型的需求尤為迫切。

拿下這一賽段頭籌的，是百度智能云。從大的數據來看，根據IDC發布的最新報告，2023年百度智能云以26.4%的市場份額與阿里云并列公有云市場第一，而在平臺市場層面，百度智能云更是以19.9%的市場份額拿下2023年頭名；據公開數據，截至2024年上半年，文心大模型日均調用量已經突破了6億次。

從具體的服務企業來看，文心大模型在能源、電力、制造、金融、交通、政務、互聯網、教育、電商等幾十個行業，上百個場景中落地；其中，超過一半的央企聯合百度云進行AI創新。

“調用背后意味著它在給應用產生價值”，上個月，李彥宏在接受媒體采訪時表示，作為國內最有可能誕生大模型超級應用的廠商，這位百度創始人卻認為：“超級能干”的應用，比超級應用更為重要。

而橫跨大量產業與具體場景，意味著百度智能云逐步跳出了云廠商劃江而治，各有側重的垂直行業的窠臼。在云計算借助AI時代換擋升級的過程中，靠具體場景的務實解法，拿下了新的賽點。

讓產業的智能化躍遷落到實處，讓AI不僅停留在“缸中大腦”，而是實打實的成為“生產力工具”，百度智能云成為“央國企嚴選”的背后，做對了什么？

大模型到產業中去，從具體場景中找答案

谷歌CEO桑達爾曾說：“人工智能是人類正在從事的最為深刻的研究方向之一，甚至要比火與電更加深刻。”實際上，大模型加持下的人工智能，正悄然顛覆原有的能源運用，在具體的生產場景中，賦予火與電更高的效率。

圖片unsplash

以電力為例，新能源供電的占比逐年增加，今年3月，根據南方電網的公開數據，南部五省的新能源單日發電量創歷史新高，達到10.4億千瓦時，占區域內總發電量的25.7%。

隨之而來的問題是，風能和太陽能等新能源發電具有間歇性和不可預測性，這對電力系統的調度能力提出了更高要求，推動了電力系統和大模型廠商的融合共創。

去年9月，南方電網人工智能公司發布了首個自主可控電力大模型，其中最為核心的電力調度場景功能——電力調度值班助手，就是通過百度智能云千帆大模型平臺，基于文心大模型打造。

“助手”如何讓被稱作電力大腦的調度中心更聰明？

其一是提高人效，它大大縮減了電力調度員進行繁瑣重復工作的時長。借助文心大模型加持的超強語言及對話生成能力，無論是故障處置案例的文章整理、知識沉淀，還是日度報告的梳理規整，都可以快速自動生成。

其二，是對調度效率的提升。據南網相關負責人介紹，借助電力值班助手，過往需要15分鐘處置的告警需求，提升到了2分鐘左右的水平。員工不需要投入大量精力去死記硬背常規內容，只需要說一句話，“助手”就可以秒級生成處置方案。

萬家燈火、吃穿住行，電力是民生所系，而如今，大模型輔助下的智慧能源，正賦予其更穩定、更便利、更安全的運行前景。

百度智能云和南方電網的合作不止于此，在管理場景，通過百度智能云企業知識管理平臺「甄知」的高效賦能，南網技術標準數字化平臺已經實現了國標、行標、企標等標準文檔的線上化高效管理，查閱標準效率提升50%以上；在客服場景，南網廣東電網智能客服每天幫助坐席完成近5000個工單，平臺每個工單摘要生成時間僅為5.86秒。

正如李彥宏所說：大模型本身并不直接產生價值，最終一定是在應用場景中，百度智能云正通過多年積淀，讓大模型逐步滲透到研發、生產、經營、管理各個環節。

在這個過程中，Know-How是基礎，創新則是不竭動力。

而在化工行業，大模型則帶來了新的創意切口。

中化信息技術有限公司（簡稱“中化信息”）作為中國中化控股有限責任公司的直屬數字科技公司，隨著業務拓展與決策復雜度上升，需進一步提高員工從碎片化的多源信息系統中快速獲取信息的效率，提升員工辦公體驗。在科研領域，則亟需提升從分散在各網站文獻、業務系統中專業信息的獲取效率，輔助專家快速準確做出研發決策。

通過聯手百度智能云，雙方共同探索利用大模型進行新型材料的研發，打造了“化小易”知識助手，能夠基于自然語言提問，快速檢索并回答分子特性、分子合成路線等專業知識，替代了傳統的人工查詢方式。目前，特定分子的檢索效率能夠提升5倍以上，極大提高了研發工作效率。

從電力到化工，大模型的“大”不再局限于數據的規模，更體現在跨行業的普世價值上。在數據龐大繁雜，效率至上的港口行業，同樣不缺乏關鍵的成果涌現。

作為國家“六五”期間重點建設的沿海主要港口，山東港口日照港2022年完成貨物吞吐量超過5億噸，位居全球第8位。和其他碼頭不同的是，這里主要做件雜貨，這意味著，相比集裝箱標準的外形和尺寸，這里貨物的種類、包裝、外形尺寸完全不固定。

如何讓無法裝進集裝箱的貨物，通過調度讓人、機、貨、船、場等生產要素快速流動，高效運轉？

百度智能云的工程師和日照港團隊共同創新推出的“智慧運營助手”，通過OCR視覺識別技術，將龐雜的貨物實體，抽象成普世的數學邏輯，避免手工錄入的失誤；將整個港口的堆場，進行厘米級的信息采集，實現人員、車輛、設備、船舶的精準定位，也就是一張“綜合地圖”，助理業務人員實時監控、遠程作業。此外，調度優化大模型提供了包括智能堆場計劃、智能泊位計劃和智能配載計劃等最優調度計劃策略，再通過實時人員排班調度、港機作業調度和水平運輸車輛調度等，實現了碼頭的自動化、智能化的運轉。

據了解，通過百度智能云打造的智能化系統，日照港碼頭整體運轉效率提升10%，設備利用率提升20%，堆場周轉率提升20%，堆場利用率提升15%。

百度智能云如何成為“央國企嚴選”？以上種種，皆是回答。

率先突破大模型“卡點”，百度智能云做對了什么？

正如2008年，企業第一次開始「上云」需要越過巨大的數字鴻溝，在大模型時代的智能躍遷，要面臨更多的卡點，克服更多的難關。在表層，我們看到了百度智能云幫助產業端做了什么，而在里層，我們更為關注，它是如何做到的？

第一重卡點，在算力。2020年，OpenAI提出了Scaling law定律，指出大模型的最終性能與計算量、模型參數以及訓練數據量的大小密切相關。

一方面，要提升大模型的能力，就需要不斷增加模型參數與訓練量，這帶來的是訓練成本的指數級增長。

而另一方面，是高昂成本之下的巨額浪費，百度智能云AI計算部負責人王雁鵬曾給出數據，目前企業訓練大模型的算力有效利用率不足50%。要想在AI時代這場軍備競賽中有所突破，對企業來說，優化算力效率和技術本身一樣重要。

百度智能云給出的解決方案可以概括為：一云多芯，異構算力，訓推加速，極致穩定。

百度集團執行副總裁、百度智能云事業群總裁沈抖曾說過：“一云多芯是中國企業的必然選擇。”它意味著在智算集群中混合使用多家廠商芯片來進行大模型訓推任務。可以包括百度昆侖芯、華為昇騰、海光DCU、英偉達等主流AI芯片，最大程度上屏蔽芯片之間差異，幫助企業擺脫單一芯片依賴，打造更有性價比、更安全、更具彈性的供應鏈體系。

為了達到這一目標，百度智能云連續三年升級百舸AI異構計算平臺，根據公開數據，百舸提升的訓推一體技術，實現推理和訓練之間的算力自由無縫切換，能夠將算力資源利用率提升到90%。百舸將萬卡級模型任務的有效訓練時長提升到了99.5%，遠高于業界普遍水平，最大限度避免集群因故障等原因產生的無效運轉，大幅降低使用成本。

圖片pixabay

以長安汽車為例，以百度百舸·AI異構計算平臺為底座，長安汽車打造了支持從數據采集、處理、標注、訓練、評測到模型部署全流程的“星環平臺”，可對跨集群智能算力、存儲資源實現統一調度和管理。系統上線以來，GPU資源利用率提升40%以上，截至目前，長安汽車基于該平臺已累積近億幀的高質量標注數據，累計完成超3萬次的智能AI算法模型訓練。

算力是基礎，而工程化能力則是階梯，如何將AI大模型的能力轉化成實際應用和服務的能力？這對于產業客戶而言，要越過的數字鴻溝不遜于多年前第一次“上云”，這也就是第二重卡點。

百度在AI領域有超過10年的長期布局，得益于此，百度智能云積累了豐富的Know-How能力，在產業側，從小模型做起，從初步的單一場景做起，逐漸過渡到大模型和整體解決方案，系統性提高客戶的大模型工程化能力。

“在沒有大模型的時候，我們就圍繞安全生產做一些數字化的基礎設施，可能是門檻相對沒那么高的，如視覺分析系統，幫助監測員工是否佩戴安全帽”，百度智能云能源電力行業總經理李超表示，“大模型來了之后，就可以圍繞CV大模型和大語言模型，在存量客戶方面，實現對整個解決方案的系統化升級。”

以國家能源集團最大的風電二級公司——龍源電力為例。幾年前，百度智能云曾為其打造了一個傳統的解決方案，包括200多個風場的一萬多臺風機的生產安全監視、分析、告警、處理的閉環工作。

就在上個季度，百度智能云中標了這個項目的升級版，在原有的基礎上，增加大語言模型和CV模型應用場景的系統落地。小模型就像是AI時代的急先鋒，而大模型則是散兵游勇的統帥，他們共同成為了AI時代的大腦，讓智能躍遷不再是一句口號。

不積跬步，無以至江海。從小模型過渡到大模型，故事的另一面，是眾多企業面臨的第三個卡點。如果此前沒有進行相關部署，缺少大模型的數字化基座，該如何降本增效、快速趕上呢？

百度智能云給出的方案是，通過應用層面的試點，把實踐做成模板，搭配通用大模型，幫助用戶快速開發出專屬行業應用，實現研發快、成本低的目的。

圖片unsplash

如果說2023年是大模型元年，那么2024年就是大模型走向產業化落地的元年，在這一年里，大模型能力被企業真正地用起來了，據了解，截至今年上半年，除了文心大模型日均調用量狂飆至去年年底的10倍，百度智能云帆大模型平臺累計服務了15萬家客戶，還幫助客戶精調了2.1萬個大模型，開發出55萬個AI原生應用。

百度和百度智能云多年積累的飛輪效應，已經初現端倪。

搞基建、降門檻，賦能千行百業找到增長點

時也，勢也。中國企業擁抱AI大模型時代，政策支持、地緣紅利、頭部效應，缺一不可。

互聯網時代，中國有得天獨厚的人口優勢，而在AI時代，龐大且齊全的產業鏈成為了又一重紅利。一方面，數字經濟有很強的復用性和通用性，人口和產業的基礎帶來強大的“乘積效應”，疊加出可觀的整體效益；

另一方面，國家政策給予科技企業重要的指引和支持，“十四五”規劃提出要利用人工智能技術對傳統產業進行全方位改造。而且今年以來，北京、上海等很多地方政府給企業發放了“模型券”“算力券”，真金白銀鼓勵企業落地“人工智能+”。

國家給出資源，頭部企業要用這些優勢，去完成AI時代的“造橋鋪路”，給產業企業提供新一代的基礎設施。

最直觀的、幾乎所有國產大模型廠商都在努力的方向，是大規模降價。今年618期間，有超過20款大模型參與降價。今年5月，百度文心大模型兩大主力模型全面免費開放，據了解，半個月內，其日調用量翻了10倍。

“這樣做是希望把企業使用大模型的試錯成本降到最低，企業可以通過AI和大模型找到新的增長點。”百度智能云相關負責人表示。

簡單粗暴的價格力之外，更重要的是在應用層面實打實做到降本增效，并通過創新實踐找到業務增長點。

如上海巨閑教育開發的考試寶，作為面向超過1000多個行業提供職業教育在線學習的APP，考試寶擁有超過百萬套精選考試題庫，也帶來了巨大的人工成本和龐雜的操作流程。

而通過提示詞工程和調用文心大模型，不僅將原來1.5元/題的解析成本大幅降低到3厘，還可以輕松應對用戶每天上傳的數百萬道題目，在解放了專家人力的同時，大模型基于錯題和解析結果的分析，構建個性化的用戶畫像，可以針對性地鞏固對應知識點，這對于如建筑工程、醫學、藥學、特種作業、安全生產等長尾培訓行業來說尤為有利，無疑給考試寶帶來了新的業務增長方向。

模型的應用與開發，不可能讓每個企業都重新做一遍，而百度智能云現如今的積累和探索，將成為千行百業的模板，給客戶帶來AI時代的助手，也給自己創造了先發優勢。

根據百度2024年Q2財報，智能云業務營收達到51億元人民幣，同比增長14%，AI收入占比提升至9%，毫無疑問，百度智能云扛起了百度新的增長曲線。

大模型對于人類世界的貢獻，最初的印象來自C端，但最先創造價值的，可能在B端，在生產場景中。正如李彥宏所說：“大模型的應用已經逐步在浮現出來，它對于現有業態的改造，比從0到1的顛覆作用更早到來、更明顯、甚至也能創造更多價值。”

正因如此，讓我們對即將在9月25、26日舉辦的2024百度云智大會充滿好奇，大模型技術創新與產業落地之間如何結合？諸如上文所提到的百舸·AI異構計算平臺、百度智能云千帆平臺等，又將有怎樣的進展？

所有人都拭目以待。（本文首發于）