11月12日，在百度世界2024大会上，百度创始人李彦宏以《应用来了》做主题演讲，他表示，“百度不是要推出一个‘超级应用’，而是要不断地帮助更多人、更多企业打造出数百万‘超级有用’的应用。”
上一个时代的中国互联网，普遍被认为是互联网应用公司，譬如百度的搜索、阿里的电商、腾讯的游戏等，互联网巨头们的招牌都是应用，中国成为互联网应用最发达的地区之一。
大模型时代，这些企业也被视为是杀手级AI应用的候选人，可能没有人比他们更清楚需求在哪、应用如何打造，以及具备充足的人才和资本，而李彦宏却说要帮其他人和企业造数百万应用。
这透露出李彦宏对于大模型的认知和态度。大模型带来了技术范式转换，百度已经不再是上一个时代只需考虑应用层的互联网公司，若要成就于大模型时代，百度自己得先入局做硬件、生态以及基础设施，某种程度上这才是当下大模型企业最应该关心的事。
这并不代表百度不做应用了，李彦宏也表示，“我们（百度）做的应用，同时做十款应用或者最多一百款应用，外界可能有一万个创业公司在试各种各样不同的赛道。”
只是在当下的时间节点，百度需要扮演一个垂直整合的角色。OpenAI和微软联手，AWS投资众多大模型创业企业，meta做开源生态，谷歌将自家大模型与云做垂直整合，终极目的都是让更多AI应用根植于自己的平台和生态上，百度也不例外。
AI应用，走到哪了？
“我们正处在AI的iPhone时刻！”去年，英伟达CEO黄仁勋做出这一著名预判。对于英伟达来说可能的确如此，英伟达面向的是芯片客户，ChatGPT现象级热度之后，AI芯片行业迎来了大爆发。
对于C端消费者应用和B端企业应用客户而言，还未达到同样的阶段。作为对比，2010年是移动互联网的“iPhone时刻”，当时iPhone4正式推出，虽然黑莓手机在美国还占据43%的市场，iPhone只超过10%，但是AppStore的应用数量达到了13万，并且在未来几年走出了一条陡峭的曲线，移动互联网应用极大繁荣，如今我们使用的微信、头条、快手等，都诞生于这条曲线。
有意思的是，李彦宏在会上也给出了一条陡峭的曲线——文心大模型的日均调用量变化曲线图。
李彦宏表示，到今天这个数字已经超过了15亿次，代表着过去两年中国大模型应用爆发。6个月之前，当文心大模型日均调用量达到两亿的时候，他还在思考，如果日均调用量一年之内涨10倍，也就是从2亿涨到20亿，我认为就成了，就说明大家是真需要大模型。
为何大家愿意用大模型了？一言以蔽之，支撑大模型应用发生的前提条件越来越成熟。据Gartner预测，到2027年，企业使用的AI 模型中将有一半以上具有特定行业或业务功能，而在2023年这一比例仅为不到1%。
大语言模型的能力已经基本满足应用场景的需求，同时精调和推理等成本在急速下降，加之众多企业分工构成的大模型生态也正在快速演进，加速了大模型不同层级的创新和融合，大模型应用生态朝着健康的方向发展。
李彦宏就提到，过去24个月，行业最大的变化是大模型基本消除了幻觉，它回答问题的准确性大幅提升，这让AI从“一本正经的胡说八道”，变得可用、可被信赖，采用RAG技术后，大模型会利用检索到的信息来指导文本或答案的生成，从而极大地提高了内容的质量和准确性。
针对大模型落地成本高的问题，百度智能云今年将文心主力大模型ERNIE Speed、ERNIE Lite全面免费开放，对文心旗舰大模型ERNIE 4.0、ERNIE 3.5进行了大幅降价，大幅降低大模型使用门槛和试错成本。
造大模型应用，难在何处？
尽管大模型应用的基础设施和生态演进加速，但大模型毕竟是一次革命级的更新，我们还处在应用繁荣的早期阶段，不少企业还没有适应新的大模型应用开发模式。
李彦宏认为，开发者可能已经逐步适应了怎么在大语言模型上开发应用，突然搞出来一个新的方向（比如o1），又得适应一遍。百度也很希望大家赶紧适应这种新的思维逻辑，怎样慢思考，调用工具，大家有学习和适应的过程。
“今天虽然我们发了多智能体协作这些东西，但让一个开发者开发一个多智能体协作的应用，其实难度还是很高的，成本很高，反应速度很慢，各种各样的能力怎么调用，有一个接受的过程。我们得逐步逐步得让大家学习这种新的能力，接受然后再把它利用好。”他说。
过去，传统应用开发流程复杂，需要先进行高层设计，再分解为子模块开发，最后集成到一起，这一过程耗时不少且风险高。在大模型时代，AI原生应用在产品形态上显著变化，依托大语言模型的理解、生成、逻辑、记忆四大核心能力，应用交互从传统的表单和按钮，转变为自然语言对话。
目前，通过工具进行大模型应用开发主要有三大类：
第一类是原来有一套 APP 或者一套应用系统，能够将大模型作为 Copilot 优化交互体验。这是最常见的形式；
第二类是原来的业务流程还在，能够用大模型降低成本提升效率、节省时间；
第三类是能够做到原来做不到的事情，比方说用大模型去生成一个 CAD 的图纸，产生更大的创新生产力。
同时，各行各业的企业在应用大模型落地过程中，在准确可靠性、与内部系统关联性、安全性、使用门槛上仍有许多问题。
具体来看，百度智能云总结了大模型应用落地的问题，第一，用户怎么选模型；第二，如何优化模型在应用场景的效果；第三，基于大模型怎么低成本做应用开发。
结合实际情况看，企业意识到不是尺寸越大、越先进、参数量越大，模型就适合自己的需求，既要有效果，也要成本低，才能够规模落地。同时，在很多应用场景当中，企业不止一个大语言模型，需要多个大小模型协同，另外，仅有大模型本身无法构建应用，企业还需要一些周边的人工智能能力与大模型匹配。
百度集团执行副总裁、百度智能云事业群总裁沈抖表示，AI应用正率先在B端爆发。由企业级大模型工程平台、异构算力平台组成的新型AI基础设施，将替代传统云计算，为大模型应用在企业生产力场景中的规模落地提供关键支撑。
大模型时代的“应用工程化”
如果说文心大模型的目标是追求大模型的技术革新，百度智能云就要做大模型的应用工程化，李彦宏的原话是“百度智能云是我们构建智能产业生态的主要依托”。
沈抖表示，过去一年余，企业大模型应用已经深入到“研产供销服”的各个环节，传统的云计算已经无法支撑大模型应用的快速发展，百度智能云在做的，就是打造一套全新的基础设施，围绕大模型及其应用，帮助企业加速实现智能化升级。
据介绍，百度智能云目前拥有中国最大的大模型产业落地规模。超过六成的央企和大量的民营企业，正在联合百度智能云进行AI创新。百度智能云千帆大模型平台已经帮助客户精调了3.3万个模型、开发了77万个企业应用。
千帆和百舸即是百度智能云提供的工程化平台，千帆平台帮客户做大模型和应用的开发和服务；百舸平台为客户提供大模型相关的算力服务。
首先看千帆，可以从三个方面优化大模型应用效果，一是直接调用模型，也就是模型推理；第二种是模型应用效果优化，包含了提示词优化、模型精调以及模型能力增强；第三种则是大模型应用开发。
千帆大模型平台提供了大量模型服务，包括ERNIE 4.0、ERNIE Speed、ERINIE Lite等主力模型，适用于不同垂直场景定制训练、构建行业模型、垂直场景调用。
提示词优化方面，千帆大模型平台还优化了Prompt，并预置了近300个行业场景的prompt模版；模型精调方面，千帆提供了数据洞察、清洗和回流能力，独家的高质通用语料数据以及量化压缩工具链，内置了最佳实践精调样板间；模型能力增强方面，千帆提供了RAG以及各类工具的使用结合能力。
在本次大会上，千帆还发布“工作流Agent”功能，可帮助企业快速开发出面向复杂对话场景的AI应用，快速拥有专业水平的“数字员工”。
再看百舸，百度表示，目前百舸已具备了成熟的10万卡集群部署和管理能力，客户包括中国石化、中海石油、长安汽车、上海交通大学、地平线等，主要解决从集群创建、开发实验，到模型训练、模型推理的全程算力需求。
百舸平台可兼容昆仑芯、昇腾、海光DCU、英伟达、英特尔等国内外主流AI芯片，支持同一智算集群中混合使用同一厂商不同代际芯片、不同厂商芯片，屏蔽硬件差异，帮助中国企业摆脱单一芯片带来的高溢价和供应链风险。
据了解，在万卡规模集群上，百舸能够将两种芯片混合训练大模型的效率折损控制在5%以内，另外，通过设计高效的网络拓扑结构，结合模型切分优化和跨地域无拥塞高性能网络方案，百舸能够在横跨几十公里的多机房组成的万卡规模的集群上，将单一模型训练任务的性能折损控制在4%以内，达到业界最领先水平。
大模型的科学创新固然重要，但要规模应用于现实场景，做好大模型应用工程是必经之路，在基础设施和产业生态相互促进的过程中，企业可以选择做“2011年的微信”，也可以选择做“2016年的抖音”。
“很多美国同行，他们做法是当做一个Science（科学），我有一个终极目标，就想尽各种办法解决它，这个问题可能用工程的方法也可能用其他的方法、用数据驱动，最后解决下来。现在诺贝尔奖都授给公司CEO了，很多非常有意义的，即使是从science的角度很有意义的事，最后是靠工程的方法解决出来。所以做工程不丢人，做工程很有可能是比科学更早发现机会、发现规律的。”李彦宏在对谈中表示。（本文首发于，作者 | 张帅，编辑 | 盖虹达）
