「核心提示」
清晨的港口，沉浸在一片蓝紫色的宁静之中，太阳尚未跃出海平面，日照港的红色吊机已经忙碌起来。
不同于其他主要处理标准集装箱的港口，日照港专注于“件杂货”，即那些按件计数、形状多样、大小不一、重量不均的货物。这种货物的装卸工作向来充满挑战，流程复杂且效率低下，给港口运营带来了不少难题。
随着AI“助手”的加入，这一切开始发生转变。工作人员不再需要手动录入货单信息，大幅提高了数据的准确性；厘米级的地理信息采集使得数字化堆场系统能够实时监控货物，让业务人员可以远程高效作业；系统在获取货物信息后，会自动推荐最佳的存放位置，这不仅使得堆场空间得到了充分利用，还为货物找到了最高效的装船路径。
这仅仅是AI大模型在实际应用场景中的一个侧写。据统计，仅基于百度智能云开发的企业级应用已达到77万个之多。2024年三季度，市场上公开的大模型中标项目至少有369个，比今年上半年的整体数据还要高出30%。
人工智能行业的“百模大战”，已经明显从“卷模型”转向了“卷应用”，且加速趋势明显。这与百度创始人李彦宏的预测不谋而合：AI对现有业态的改造，将比超级应用的诞生更早到来。
在11月12日召开的2024百度世界大会上，李彦宏宣布：“基础模型的能力已经就绪，接下来就是‘AI应用的群星闪耀时刻’。”
AI应用将如何塑造产业的未来？
从“超级应用”到“超级有用”
在过去两年里，李彦宏在多个场合反复强调“不要卷模型，要卷应用”，因为如果没有实际应用，基础模型的价值几乎为零，单单卷模型是一种巨大的算力浪费。
百度正是按照这一理念行动的。在2024百度世界大会上，百度展示了其在推动AI应用落地方面的最新成果——100大产业应用案例，涉及制造、能源、交通、政务、金融、汽车、教育、互联网等多个领域。
为了将这一理想变为现实，杭州全诊通团队与百度智能云千帆平台合作，开发了一款“超级AI医助”。该系统通过AI导诊、预问诊及自动病历书写等功能，不仅能够为患者提供精准的科室推荐，还能在患者等候期间为医生准备一份预诊病历。
患者与医生面对面问诊的过程中，它还可以从对话中提取关键信息，快速生成病历初稿，极大地减轻了医生的工作负担。据全诊通统计，AI医助为医生节省了75%的病历书写时间，AI生成的病历被引用率达到了90%。
为了进一步提升病历的质量和准确性，全诊通还用20万份精心标注的病历数据，做了模型精调。正如百度集团执行副总裁、百度智能云事业群总裁沈抖所说：“在千帆平台上，通过精调一个参数规模较小的基础模型，只需要几小时，客户就能够在特定业务场景中，获得比参数规模大很多的基础模型还要好的效果。”
从某种程度上来说，精调模型的数量反映了大模型与产业结合的深度。目前，光是百度内部的业务，每天就有200次模型精调。而千帆平台上每天15亿次的大模型调用中，超过半数来自这些经过精调的模型。
随着“AI助手”在各行各业的普及，越来越多的企业和个人感受到了技术带来的便利。那些根植于行业内部的难题，也正在被AI化解。
调用量的快速增长，不仅体现了企业对AI技术的真实需求，也为提升工作效率、降低运营成本开辟了新的途径。目前，百度智能云已经构建了中国最大的大模型产业落地规模，与超过六成的央企和大量民营企业共同探索AI创新之路。
效率革命：常规业务如何重塑？
在AI领域中，大语言模型无疑是目前最为先进的技术之一，尤其在文字交流和对话场景下，展现了显著的优势，帮助企业大幅提高了常规业务场景中的效率。
李彦宏在百度世界大会上透露，百度提供的客服应用和解决方案已经覆盖了百胜全线业务，大模型每天调用量的峰值达到数百万次。百胜中国CTO张雷也表示，目前，AI客服的问题解决率提升到了近90%。
此外，AI客服系统通过不断优化，能够更加精准地识别用户意图，支持多轮对话，同时在人工客服辅助方面，大模型能够快速总结沟通历史，整理归纳诉求，提供建议回复话术，支持一键发送，人工客服的生产效率也因此提升了10%。
另一个典型的应用案例是基于百度千帆平台打造的AI招聘助手。智联招聘CTO王昊形象地描述了这一流程：“从岗位对外发布开始，AI就帮你托管了。”AI招聘助手不仅能够自动筛选合适的候选人，回答候选者的基本问题，还能将符合条件的候选人推荐给HR，并安排面试时间和地点。
这意味着HR可以从繁琐的筛选和沟通工作中解脱出来，直接获得高质量的候选人名单，从而极大地提高了招聘效率。王昊认为，这不是简单的20%或30%的时间节省，而是质的飞跃，是“从0到1”的变化。
对于AI行业来说，这样的优化是细节上的，甚至容易被忽视，但对于每一家企业和每一位使用者来说，却是具有革命性意义的转变。“无数的AI原生应用，正在重新定义我们与数字世界乃至物理世界的交互方式。”沈抖在百度世界大会上如此评价。
此前，沈抖在接受媒体采访时曾表示，2022年末至今的“百模大战”，让越来越多的企业意识到，更好的技术效果不完全等同于“榜单第一”。“他们（客户）关心的是你们有什么样的成功经验、做过什么案例、在我的场景里怎么用起来、能帮到我什么东西。今天客户对大模型的认知成熟多了。”
这种认知的转变，有点类似飞轮效应，随着成功案例的积累，客户对百度智能云的信任度不断提升，推动了更多企业的加入。一旦飞轮开始转动，速度将会越来越快，形成良性循环，从而推动整个AI行业的快速发展。
深入核心：AI应用的下一步往哪走？
在基础业务场景取得初步成效后，百度智能云已经开始进一步将大模型技术应用到对数据精度、安全性要求更高的核心生产环节，推动智能化转型从简单的流程自动化，向核心业务的智能化优化迈进。
尽管AI直接控制生产系统仍面临挑战，但它已经在生产计划、调度、质量管控等决策方面提供了重要的辅助和支持，特别是在港口、能源电力、金融等行业。
例如，国家电网与百度智能云合作，基于文心大模型和千帆平台，结合电力行业的高质量数据，共创电力行业大模型基础底座，在调度、设备、营销等六大专业领域深入探索AI原生应用。目前，已经在电力设备运检、供电服务等电力行业核心场景成功完成应用落地，标志着AI技术在电力行业的关键转型和智能化升级。
百度的千帆平台致力于协助客户开发和部署大型AI模型及其应用，而百舸平台则专注于为这些企业提供强大的算力支持。在大模型的实际部署中，算力扮演着至关重要的角色。百舸平台不仅展现了其成熟的工程化能力，还在大模型的训练和推理阶段提供了企业所需的稳定性和高效率。
沈抖曾表示，虽然从表面上看，算力部分似乎只是堆机器那么简单，但实际上技术门槛非常高，不同平台之间的差异很大。以大模型训练为例，任务需要在多台机器和GPU上并行执行；一旦其中一台机器或GPU发生故障，整个训练任务就必须从从上一个记忆点重新开始。因此，对于企业而言，"有效训练时间占比"成为了一个不容忽视的隐性成本。
沈抖指出，业内的平均有效训练时间占比大概是70%到80%，但百度万卡集群能够做到99.5%。从这一点来看，尽管百度的算力产品价格未必最低，但其性价比无疑是最高的。
2023年，邮储银行为了加速AI应用的落地，新增了大量来自不同厂商的GPU资源。在百度百舸算力服务平台的支持下，邮储银行顺利完成了不同型号GPU资源的部署和上线，保障了300多个大小模型、6000多次训练任务的顺利进行。模型的迭代时间也从过去的90天大幅缩减到了半天。目前，AI技术已经为邮储银行的18个核心业务系统和30多家分行的金融业务提供了强大支持。
好未来与百度百舸的合作，则是人工智能深度融入教育领域的典型案例。基于百舸平台，好未来的自研大模型成功解决了早期大模型应用中流程启动的难题。
目前，好未来自研的“九章大模型”在百舸的加持下，能够简单、迅速地创建千卡级别的训推任务集群，大幅提升了训练任务的时效。数据显示，好未来的模型算力利用率达到了60%-70%，在有限的算力条件下，训练时间大幅减少，展现了AI技术在教育领域的巨大潜力和实际效益。
如果说，AI上半场的标志性事件是“百模大战”，那么现在，全球都在期待一个超级应用的诞生。这是一种远眺，包括创业者、投资人在内的诸多从业者，需要一个里程碑来证明AI对全人类的意义。
人和机器共创的过程，虽然看起来没有制造一个超级应用那么性感，但对于提升个人和企业的效率、降低成本、打开新的可能性，影响更为深远。
超级应用或许会在某个时刻浮出水面，相比而言，AI带来的产业革命是静默而深刻的。当我们回头望去，才会意识到，这场变革已经走了很远。
「核心提示」
清晨的港口，沉浸在一片蓝紫色的宁静之中，太阳尚未跃出海平面，日照港的红色吊机已经忙碌起来。
不同于其他主要处理标准集装箱的港口，日照港专注于“件杂货”，即那些按件计数、形状多样、大小不一、重量不均的货物。这种货物的装卸工作向来充满挑战，流程复杂且效率低下，给港口运营带来了不少难题。
随着AI“助手”的加入，这一切开始发生转变。工作人员不再需要手动录入货单信息，大幅提高了数据的准确性；厘米级的地理信息采集使得数字化堆场系统能够实时监控货物，让业务人员可以远程高效作业；系统在获取货物信息后，会自动推荐最佳的存放位置，这不仅使得堆场空间得到了充分利用，还为货物找到了最高效的装船路径。
这仅仅是AI大模型在实际应用场景中的一个侧写。据统计，仅基于百度智能云开发的企业级应用已达到77万个之多。2024年三季度，市场上公开的大模型中标项目至少有369个，比今年上半年的整体数据还要高出30%。
人工智能行业的“百模大战”，已经明显从“卷模型”转向了“卷应用”，且加速趋势明显。这与百度创始人李彦宏的预测不谋而合：AI对现有业态的改造，将比超级应用的诞生更早到来。
在11月12日召开的2024百度世界大会上，李彦宏宣布：“基础模型的能力已经就绪，接下来就是‘AI应用的群星闪耀时刻’。”
AI应用将如何塑造产业的未来？
从“超级应用”到“超级有用”
在过去两年里，李彦宏在多个场合反复强调“不要卷模型，要卷应用”，因为如果没有实际应用，基础模型的价值几乎为零，单单卷模型是一种巨大的算力浪费。
百度正是按照这一理念行动的。在2024百度世界大会上，百度展示了其在推动AI应用落地方面的最新成果——100大产业应用案例，涉及制造、能源、交通、政务、金融、汽车、教育、互联网等多个领域。
为了将这一理想变为现实，杭州全诊通团队与百度智能云千帆平台合作，开发了一款“超级AI医助”。该系统通过AI导诊、预问诊及自动病历书写等功能，不仅能够为患者提供精准的科室推荐，还能在患者等候期间为医生准备一份预诊病历。
患者与医生面对面问诊的过程中，它还可以从对话中提取关键信息，快速生成病历初稿，极大地减轻了医生的工作负担。据全诊通统计，AI医助为医生节省了75%的病历书写时间，AI生成的病历被引用率达到了90%。
为了进一步提升病历的质量和准确性，全诊通还用20万份精心标注的病历数据，做了模型精调。正如百度集团执行副总裁、百度智能云事业群总裁沈抖所说：“在千帆平台上，通过精调一个参数规模较小的基础模型，只需要几小时，客户就能够在特定业务场景中，获得比参数规模大很多的基础模型还要好的效果。”
从某种程度上来说，精调模型的数量反映了大模型与产业结合的深度。目前，光是百度内部的业务，每天就有200次模型精调。而千帆平台上每天15亿次的大模型调用中，超过半数来自这些经过精调的模型。
随着“AI助手”在各行各业的普及，越来越多的企业和个人感受到了技术带来的便利。那些根植于行业内部的难题，也正在被AI化解。
调用量的快速增长，不仅体现了企业对AI技术的真实需求，也为提升工作效率、降低运营成本开辟了新的途径。目前，百度智能云已经构建了中国最大的大模型产业落地规模，与超过六成的央企和大量民营企业共同探索AI创新之路。
效率革命：常规业务如何重塑？
在AI领域中，大语言模型无疑是目前最为先进的技术之一，尤其在文字交流和对话场景下，展现了显著的优势，帮助企业大幅提高了常规业务场景中的效率。
李彦宏在百度世界大会上透露，百度提供的客服应用和解决方案已经覆盖了百胜全线业务，大模型每天调用量的峰值达到数百万次。百胜中国CTO张雷也表示，目前，AI客服的问题解决率提升到了近90%。
此外，AI客服系统通过不断优化，能够更加精准地识别用户意图，支持多轮对话，同时在人工客服辅助方面，大模型能够快速总结沟通历史，整理归纳诉求，提供建议回复话术，支持一键发送，人工客服的生产效率也因此提升了10%。
另一个典型的应用案例是基于百度千帆平台打造的AI招聘助手。智联招聘CTO王昊形象地描述了这一流程：“从岗位对外发布开始，AI就帮你托管了。”AI招聘助手不仅能够自动筛选合适的候选人，回答候选者的基本问题，还能将符合条件的候选人推荐给HR，并安排面试时间和地点。
这意味着HR可以从繁琐的筛选和沟通工作中解脱出来，直接获得高质量的候选人名单，从而极大地提高了招聘效率。王昊认为，这不是简单的20%或30%的时间节省，而是质的飞跃，是“从0到1”的变化。
对于AI行业来说，这样的优化是细节上的，甚至容易被忽视，但对于每一家企业和每一位使用者来说，却是具有革命性意义的转变。“无数的AI原生应用，正在重新定义我们与数字世界乃至物理世界的交互方式。”沈抖在百度世界大会上如此评价。
此前，沈抖在接受媒体采访时曾表示，2022年末至今的“百模大战”，让越来越多的企业意识到，更好的技术效果不完全等同于“榜单第一”。“他们（客户）关心的是你们有什么样的成功经验、做过什么案例、在我的场景里怎么用起来、能帮到我什么东西。今天客户对大模型的认知成熟多了。”
这种认知的转变，有点类似飞轮效应，随着成功案例的积累，客户对百度智能云的信任度不断提升，推动了更多企业的加入。一旦飞轮开始转动，速度将会越来越快，形成良性循环，从而推动整个AI行业的快速发展。
深入核心：AI应用的下一步往哪走？
在基础业务场景取得初步成效后，百度智能云已经开始进一步将大模型技术应用到对数据精度、安全性要求更高的核心生产环节，推动智能化转型从简单的流程自动化，向核心业务的智能化优化迈进。
尽管AI直接控制生产系统仍面临挑战，但它已经在生产计划、调度、质量管控等决策方面提供了重要的辅助和支持，特别是在港口、能源电力、金融等行业。
例如，国家电网与百度智能云合作，基于文心大模型和千帆平台，结合电力行业的高质量数据，共创电力行业大模型基础底座，在调度、设备、营销等六大专业领域深入探索AI原生应用。目前，已经在电力设备运检、供电服务等电力行业核心场景成功完成应用落地，标志着AI技术在电力行业的关键转型和智能化升级。
百度的千帆平台致力于协助客户开发和部署大型AI模型及其应用，而百舸平台则专注于为这些企业提供强大的算力支持。在大模型的实际部署中，算力扮演着至关重要的角色。百舸平台不仅展现了其成熟的工程化能力，还在大模型的训练和推理阶段提供了企业所需的稳定性和高效率。
沈抖曾表示，虽然从表面上看，算力部分似乎只是堆机器那么简单，但实际上技术门槛非常高，不同平台之间的差异很大。以大模型训练为例，任务需要在多台机器和GPU上并行执行；一旦其中一台机器或GPU发生故障，整个训练任务就必须从从上一个记忆点重新开始。因此，对于企业而言，"有效训练时间占比"成为了一个不容忽视的隐性成本。
沈抖指出，业内的平均有效训练时间占比大概是70%到80%，但百度万卡集群能够做到99.5%。从这一点来看，尽管百度的算力产品价格未必最低，但其性价比无疑是最高的。
2023年，邮储银行为了加速AI应用的落地，新增了大量来自不同厂商的GPU资源。在百度百舸算力服务平台的支持下，邮储银行顺利完成了不同型号GPU资源的部署和上线，保障了300多个大小模型、6000多次训练任务的顺利进行。模型的迭代时间也从过去的90天大幅缩减到了半天。目前，AI技术已经为邮储银行的18个核心业务系统和30多家分行的金融业务提供了强大支持。
好未来与百度百舸的合作，则是人工智能深度融入教育领域的典型案例。基于百舸平台，好未来的自研大模型成功解决了早期大模型应用中流程启动的难题。
目前，好未来自研的“九章大模型”在百舸的加持下，能够简单、迅速地创建千卡级别的训推任务集群，大幅提升了训练任务的时效。数据显示，好未来的模型算力利用率达到了60%-70%，在有限的算力条件下，训练时间大幅减少，展现了AI技术在教育领域的巨大潜力和实际效益。
如果说，AI上半场的标志性事件是“百模大战”，那么现在，全球都在期待一个超级应用的诞生。这是一种远眺，包括创业者、投资人在内的诸多从业者，需要一个里程碑来证明AI对全人类的意义。
人和机器共创的过程，虽然看起来没有制造一个超级应用那么性感，但对于提升个人和企业的效率、降低成本、打开新的可能性，影响更为深远。
超级应用或许会在某个时刻浮出水面，相比而言，AI带来的产业革命是静默而深刻的。当我们回头望去，才会意识到，这场变革已经走了很远。
