图片unsplash

当技术变革裹挟着崭新的时代扑面而来，我们是谨慎观察，还是张开双臂拥抱它？

在AI大模型时代，没能先人一步享受技术的红利，就可能错过一次业务跃升的良机，这样的焦灼尤为明显。但另一面，在企业的语境中，任何决策都是高度理性的行为。

正如一位消费领域CIO在体验了大模型驱动下的机器人后，发出喟叹：“它比闺蜜还能带来情绪价值，但很可惜，不是业务价值。”

于是我们看到，在ChatGPT横空出世600天后，大模型驱动下的厂商军备竞赛进入应用层。去搭桥铺路，让无论传统还是新兴企业，和AI时代的距离“天堑变通途”，成为云厂商的新赛点。

实际上，大模型产业化落地早已进入加速度。据公开数据，截至今年8月，国内大模型相关中标项目达到惊人的475个，是2023年全年的5倍之多。而其中，央企、国企订单超过62%。对于身系国民支柱产业的老牌央企来说，新质生产力下，实现数字化转型的需求尤为迫切。

拿下这一赛段头筹的，是百度智能云。从大的数据来看，根据IDC发布的最新报告，2023年百度智能云以26.4%的市场份额与阿里云并列公有云市场第一，而在平台市场层面，百度智能云更是以19.9%的市场份额拿下2023年头名；据公开数据，截至2024年上半年，文心大模型日均调用量已经突破了6亿次。

从具体的服务企业来看，文心大模型在能源、电力、制造、金融、交通、政务、互联网、教育、电商等几十个行业，上百个场景中落地；其中，超过一半的央企联合百度云进行AI创新。

“调用背后意味着它在给应用产生价值”，上个月，李彦宏在接受媒体采访时表示，作为国内最有可能诞生大模型超级应用的厂商，这位百度创始人却认为：“超级能干”的应用，比超级应用更为重要。

而横跨大量产业与具体场景，意味着百度智能云逐步跳出了云厂商划江而治，各有侧重的垂直行业的窠臼。在云计算借助AI时代换挡升级的过程中，靠具体场景的务实解法，拿下了新的赛点。

让产业的智能化跃迁落到实处，让AI不仅停留在“缸中大脑”，而是实打实的成为“生产力工具”，百度智能云成为“央国企严选”的背后，做对了什么？

大模型到产业中去，从具体场景中找答案

谷歌CEO桑达尔曾说：“人工智能是人类正在从事的最为深刻的研究方向之一，甚至要比火与电更加深刻。”实际上，大模型加持下的人工智能，正悄然颠覆原有的能源运用，在具体的生产场景中，赋予火与电更高的效率。

图片unsplash

以电力为例，新能源供电的占比逐年增加，今年3月，根据南方电网的公开数据，南部五省的新能源单日发电量创历史新高，达到10.4亿千瓦时，占区域内总发电量的25.7%。

随之而来的问题是，风能和太阳能等新能源发电具有间歇性和不可预测性，这对电力系统的调度能力提出了更高要求，推动了电力系统和大模型厂商的融合共创。

去年9月，南方电网人工智能公司发布了首个自主可控电力大模型，其中最为核心的电力调度场景功能——电力调度值班助手，就是通过百度智能云千帆大模型平台，基于文心大模型打造。

“助手”如何让被称作电力大脑的调度中心更聪明？

其一是提高人效，它大大缩减了电力调度员进行繁琐重复工作的时长。借助文心大模型加持的超强语言及对话生成能力，无论是故障处置案例的文章整理、知识沉淀，还是日度报告的梳理规整，都可以快速自动生成。

其二，是对调度效率的提升。据南网相关负责人介绍，借助电力值班助手，过往需要15分钟处置的告警需求，提升到了2分钟左右的水平。员工不需要投入大量精力去死记硬背常规内容，只需要说一句话，“助手”就可以秒级生成处置方案。

万家灯火、吃穿住行，电力是民生所系，而如今，大模型辅助下的智慧能源，正赋予其更稳定、更便利、更安全的运行前景。

百度智能云和南方电网的合作不止于此，在管理场景，通过百度智能云企业知识管理平台「甄知」的高效赋能，南网技术标准数字化平台已经实现了国标、行标、企标等标准文档的线上化高效管理，查阅标准效率提升50%以上；在客服场景，南网广东电网智能客服每天帮助坐席完成近5000个工单，平台每个工单摘要生成时间仅为5.86秒。

正如李彦宏所说：大模型本身并不直接产生价值，最终一定是在应用场景中，百度智能云正通过多年积淀，让大模型逐步渗透到研发、生产、经营、管理各个环节。

在这个过程中，Know-How是基础，创新则是不竭动力。

而在化工行业，大模型则带来了新的创意切口。

中化信息技术有限公司（简称“中化信息”）作为中国中化控股有限责任公司的直属数字科技公司，随着业务拓展与决策复杂度上升，需进一步提高员工从碎片化的多源信息系统中快速获取信息的效率，提升员工办公体验。在科研领域，则亟需提升从分散在各网站文献、业务系统中专业信息的获取效率，辅助专家快速准确做出研发决策。

通过联手百度智能云，双方共同探索利用大模型进行新型材料的研发，打造了“化小易”知识助手，能够基于自然语言提问，快速检索并回答分子特性、分子合成路线等专业知识，替代了传统的人工查询方式。目前，特定分子的检索效率能够提升5倍以上，极大提高了研发工作效率。

从电力到化工，大模型的“大”不再局限于数据的规模，更体现在跨行业的普世价值上。在数据庞大繁杂，效率至上的港口行业，同样不缺乏关键的成果涌现。

作为国家“六五”期间重点建设的沿海主要港口，山东港口日照港2022年完成货物吞吐量超过5亿吨，位居全球第8位。和其他码头不同的是，这里主要做件杂货，这意味着，相比集装箱标准的外形和尺寸，这里货物的种类、包装、外形尺寸完全不固定。

如何让无法装进集装箱的货物，通过调度让人、机、货、船、场等生产要素快速流动，高效运转？

百度智能云的工程师和日照港团队共同创新推出的“智慧运营助手”，通过OCR视觉识别技术，将庞杂的货物实体，抽象成普世的数学逻辑，避免手工录入的失误；将整个港口的堆场，进行厘米级的信息采集，实现人员、车辆、设备、船舶的精准定位，也就是一张“综合地图”，助理业务人员实时监控、远程作业。此外，调度优化大模型提供了包括智能堆场计划、智能泊位计划和智能配载计划等最优调度计划策略，再通过实时人员排班调度、港机作业调度和水平运输车辆调度等，实现了码头的自动化、智能化的运转。

据了解，通过百度智能云打造的智能化系统，日照港码头整体运转效率提升10%，设备利用率提升20%，堆场周转率提升20%，堆场利用率提升15%。

百度智能云如何成为“央国企严选”？以上种种，皆是回答。

率先突破大模型“卡点”，百度智能云做对了什么？

正如2008年，企业第一次开始「上云」需要越过巨大的数字鸿沟，在大模型时代的智能跃迁，要面临更多的卡点，克服更多的难关。在表层，我们看到了百度智能云帮助产业端做了什么，而在里层，我们更为关注，它是如何做到的？

第一重卡点，在算力。2020年，OpenAI提出了Scaling law定律，指出大模型的最终性能与计算量、模型参数以及训练数据量的大小密切相关。

一方面，要提升大模型的能力，就需要不断增加模型参数与训练量，这带来的是训练成本的指数级增长。

而另一方面，是高昂成本之下的巨额浪费，百度智能云AI计算部负责人王雁鹏曾给出数据，目前企业训练大模型的算力有效利用率不足50%。要想在AI时代这场军备竞赛中有所突破，对企业来说，优化算力效率和技术本身一样重要。

百度智能云给出的解决方案可以概括为：一云多芯，异构算力，训推加速，极致稳定。

百度集团执行副总裁、百度智能云事业群总裁沈抖曾说过：“一云多芯是中国企业的必然选择。”它意味着在智算集群中混合使用多家厂商芯片来进行大模型训推任务。可以包括百度昆仑芯、华为昇腾、海光DCU、英伟达等主流AI芯片，最大程度上屏蔽芯片之间差异，帮助企业摆脱单一芯片依赖，打造更有性价比、更安全、更具弹性的供应链体系。

为了达到这一目标，百度智能云连续三年升级百舸AI异构计算平台，根据公开数据，百舸提升的训推一体技术，实现推理和训练之间的算力自由无缝切换，能够将算力资源利用率提升到90%。百舸将万卡级模型任务的有效训练时长提升到了99.5%，远高于业界普遍水平，最大限度避免集群因故障等原因产生的无效运转，大幅降低使用成本。

图片pixabay

以长安汽车为例，以百度百舸·AI异构计算平台为底座，长安汽车打造了支持从数据采集、处理、标注、训练、评测到模型部署全流程的“星环平台”，可对跨集群智能算力、存储资源实现统一调度和管理。系统上线以来，GPU资源利用率提升40%以上，截至目前，长安汽车基于该平台已累积近亿帧的高质量标注数据，累计完成超3万次的智能AI算法模型训练。

算力是基础，而工程化能力则是阶梯，如何将AI大模型的能力转化成实际应用和服务的能力？这对于产业客户而言，要越过的数字鸿沟不逊于多年前第一次“上云”，这也就是第二重卡点。

百度在AI领域有超过10年的长期布局，得益于此，百度智能云积累了丰富的Know-How能力，在产业侧，从小模型做起，从初步的单一场景做起，逐渐过渡到大模型和整体解决方案，系统性提高客户的大模型工程化能力。

“在没有大模型的时候，我们就围绕安全生产做一些数字化的基础设施，可能是门槛相对没那么高的，如视觉分析系统，帮助监测员工是否佩戴安全帽”，百度智能云能源电力行业总经理李超表示，“大模型来了之后，就可以围绕CV大模型和大语言模型，在存量客户方面，实现对整个解决方案的系统化升级。”

以国家能源集团最大的风电二级公司——龙源电力为例。几年前，百度智能云曾为其打造了一个传统的解决方案，包括200多个风场的一万多台风机的生产安全监视、分析、告警、处理的闭环工作。

就在上个季度，百度智能云中标了这个项目的升级版，在原有的基础上，增加大语言模型和CV模型应用场景的系统落地。小模型就像是AI时代的急先锋，而大模型则是散兵游勇的统帅，他们共同成为了AI时代的大脑，让智能跃迁不再是一句口号。

不积跬步，无以至江海。从小模型过渡到大模型，故事的另一面，是众多企业面临的第三个卡点。如果此前没有进行相关部署，缺少大模型的数字化基座，该如何降本增效、快速赶上呢？

百度智能云给出的方案是，通过应用层面的试点，把实践做成模板，搭配通用大模型，帮助用户快速开发出专属行业应用，实现研发快、成本低的目的。

图片unsplash

如果说2023年是大模型元年，那么2024年就是大模型走向产业化落地的元年，在这一年里，大模型能力被企业真正地用起来了，据了解，截至今年上半年，除了文心大模型日均调用量狂飙至去年年底的10倍，百度智能云帆大模型平台累计服务了15万家客户，还帮助客户精调了2.1万个大模型，开发出55万个AI原生应用。

百度和百度智能云多年积累的飞轮效应，已经初现端倪。

搞基建、降门槛，赋能千行百业找到增长点

时也，势也。中国企业拥抱AI大模型时代，政策支持、地缘红利、头部效应，缺一不可。

互联网时代，中国有得天独厚的人口优势，而在AI时代，庞大且齐全的产业链成为了又一重红利。一方面，数字经济有很强的复用性和通用性，人口和产业的基础带来强大的“乘积效应”，叠加出可观的整体效益；

另一方面，国家政策给予科技企业重要的指引和支持，“十四五”规划提出要利用人工智能技术对传统产业进行全方位改造。而且今年以来，北京、上海等很多地方政府给企业发放了“模型券”“算力券”，真金白银鼓励企业落地“人工智能+”。

国家给出资源，头部企业要用这些优势，去完成AI时代的“造桥铺路”，给产业企业提供新一代的基础设施。

最直观的、几乎所有国产大模型厂商都在努力的方向，是大规模降价。今年618期间，有超过20款大模型参与降价。今年5月，百度文心大模型两大主力模型全面免费开放，据了解，半个月内，其日调用量翻了10倍。

“这样做是希望把企业使用大模型的试错成本降到最低，企业可以通过AI和大模型找到新的增长点。”百度智能云相关负责人表示。

简单粗暴的价格力之外，更重要的是在应用层面实打实做到降本增效，并通过创新实践找到业务增长点。

如上海巨闲教育开发的考试宝，作为面向超过1000多个行业提供职业教育在线学习的APP，考试宝拥有超过百万套精选考试题库，也带来了巨大的人工成本和庞杂的操作流程。

而通过提示词工程和调用文心大模型，不仅将原来1.5元/题的解析成本大幅降低到3厘，还可以轻松应对用户每天上传的数百万道题目，在解放了专家人力的同时，大模型基于错题和解析结果的分析，构建个性化的用户画像，可以针对性地巩固对应知识点，这对于如建筑工程、医学、药学、特种作业、安全生产等长尾培训行业来说尤为有利，无疑给考试宝带来了新的业务增长方向。

模型的应用与开发，不可能让每个企业都重新做一遍，而百度智能云现如今的积累和探索，将成为千行百业的模板，给客户带来AI时代的助手，也给自己创造了先发优势。

根据百度2024年Q2财报，智能云业务营收达到51亿元人民币，同比增长14%，AI收入占比提升至9%，毫无疑问，百度智能云扛起了百度新的增长曲线。

大模型对于人类世界的贡献，最初的印象来自C端，但最先创造价值的，可能在B端，在生产场景中。正如李彦宏所说：“大模型的应用已经逐步在浮现出来，它对于现有业态的改造，比从0到1的颠覆作用更早到来、更明显、甚至也能创造更多价值。”

正因如此，让我们对即将在9月25、26日举办的2024百度云智大会充满好奇，大模型技术创新与产业落地之间如何结合？诸如上文所提到的百舸·AI异构计算平台、百度智能云千帆平台等，又将有怎样的进展？

所有人都拭目以待。