AI“百模大战”现状：大模型太多，原生AI应用太少_风闻

在日前的西丽湖论坛上，百度创始人兼CEO李彦宏发表了演讲，他指出中国的大模型众多，但AI原生应用的发展尚显不足。基于大模型开发出来的AI原生应用具有巨大的发展前景。

截至今年10月，国内已经发布了238个大模型，而在6月份这个数字还只是79个。相比之下，海外市场已经涌现出上千个AI原生应用。然而在中国，尽管大模型的数量在不断增加，但真正的原生应用却寥寥无几。

大模型是AI原生应用的底层驱动力，但是不能代表AI原生应用。基础大模型的研发，属于人工智能细分的垂直领域，既需要技术、财力、人力做后盾，也需要有对应的原生应用，完善其产业生态。因此，入局门槛必然很高，而且实现商业化的成功率也将会很低。

李彦宏强调，基础大模型就像PC时代和移动时代的操作系统的地位一样，为开发者提供了开发各种原生应用的机会。如果中国产业政策能够鼓励基于大模型的AI原生应用的发展，那么一定能够构建起一个繁荣的AI生态，并推动新一轮的经济增长。

AI技术栈分为四层：芯片层、框架层、模型层和应用层。最上面一层是原生应用，而其他三层都需要AI应用驱动。只有通过更多的场景落地应用，形成更大的数据飞轮，才能让芯片更加适用、好用。目前全球范围内，AI原生应用已经成为主要趋势。

全球来看，AI原生应用正在成为主要的趋势。比如，微软跟OpenAI合作的，目前最成功的AI原生应用Office365的Copilot，用户需要支付30美元一个月。

此外，李彦宏还提到了百度新搜索的特点，包括极致满足、推荐激发和多轮交互等。这些新功能都是基于AI原生应用实现的，可以为用户带来更好的使用体验。他还展示了百度文库的功能，可以在一分钟内生成一个20多页的PPT，包括图表和格式美化等，成本几乎为零。这显示了AI技术在提高生产力方面的潜力。

为了更好地适应AI原生时代，百度对旗下各个产品线进行了AI原生的重构。新搜索具有极致满足、推荐激发和多轮交互的特点。例如，用户只需输入关键词，搜索结果就会根据用户的需求和兴趣推荐相关的内容，同时还可以通过多轮交互进一步细化用户的需求。此外，新搜索还支持语音搜索和图像搜索等功能，更加方便用户的使用。

除了新搜索外，百度还推出了新文库和新代码助手等AI原生应用。新文库具有从内容工具到生产力工具的转变，用户可以在文库中创建、编辑、分享文档，同时还能够通过智能推荐功能发现更多相关内容。新代码助手则是一款智能编程助手，它可以帮助程序员快速生成代码，同时还可以检查代码中的错误并提供解决方案。

在近期，百度近期正式上线了大模型插件平台，这一创新性的平台为个人和企业用户提供了将数据和能力转化为插件的机会，如法律助手、简历助手、装修助手等。

插件被视为一类特殊的AI原生应用，不仅易于上手，还能帮助企业在确保私有数据安全的前提下，更便捷地利用大模型的能力。此举无疑降低了开发者门槛，为构建AI原生应用生态注入了新的活力。目前，百度拥有超过800万的AI开发者，这一数字预计在未来还将继续增长。

API成为了AI原生应用调用大模型的关键方式。在制造业、能源、电力、化工、交通等实体产业中，大模型和AI原生应用找到了极为重要的落地场景，同时也成为推动数实融合的主战场。百度智能云千帆大模型平台已吸引了超过17000家企业参与产业模型的开发和解决方案的制定。

自从8月31号开放以来，文心大模型的API调用量呈现了指数级的增长。李彦宏在演讲中提到，根据数据统计，文心大模型一家的调用量就已经超过了另外200多家大模型的调用量总和。

更大的想象空间在于大模型催生出过去从来没有过的AI原生应用。

李彦宏表示，未来将会有更多的AI原生应用出现，这些应用将会改变人们的生活和工作方式。百度也在孵化全新的AI原生应用，例如智能代码助手Comate。Comate可以帮助程序员快速生成代码，同时还可以检查代码中的错误并提供解决方案。它还能够根据用户的反馈不断优化自身的功能，提高编程效率。

除此之外，百度还积极推广人机协同的理念。李彦宏提到，通过人机协同的方式，可以帮助大幅提升研发效率。这意味着人类工程师将能够更高效地与AI进行合作，充分发挥各自的优势，实现更高效的工作方式。例如，在开发过程中，工程师可以通过与AI进行对话，获取更多有关代码的建议和指导，同时也可以将更多的时间和精力投入到创新和优化工作中。

以下是11月15日百度李彦宏的主题为《AI原生时代：“冷”思考和“热”驱动》的演讲全文：

《AI原生时代：“冷”思考和“热”驱动》

（2023年11月15日，深圳）

尊敬的各位领导、各位嘉宾，大家好！很高兴来深圳参加西丽湖论坛。我想借此机会，跟大家分享我对大模型和AI原生应用的一些思考。我演讲的主题是《AI原生时代：“冷”思考和“热”驱动》。现在人工智能很热，但我想首先分享两个“冷”思考。

第一个，中国的大模型很多，但是基于大模型开发出来的AI原生应用却非常少。有报道说，截止10月份国内已经发布了238个大模型，而6月份的时候这个数字是79个，相当于4个月就翻了3倍。

但中国有多少AI原生应用呢？我想在座的各位，很少有人能说出一二个来。如果我们看国外，除了有几十个基础大模型之外，实际上，已经有了上千个AI原生应用，这是在中国市场上没有的。而我认为，人类进入AI时代的标志，不是产生很多的大模型，而是产生很多的AI原生应用。为什么这么说？我们看PC时代，基本上只有Windows一个操作系统，但是基于Windows系统开发的软件有很多；移动互联网时代，主流操作系统也只有安卓和iOS两家，而移动应用有800万之多。大模型时代其实也是类似，大模型本身是一个基础底座，类似操作系统，那么最终开发者要依赖为数不多的大模型来开发出各种各样的原生应用。所以，不断地重复开发基础大模型是对社会资源的极大浪费。

AI原生时代，我们需要100万量级的AI原生应用，但是不需要100个大模型。如果我们的产业政策能够更加鼓励基于大模型的AI原生应用，我们一定能够构建起一个繁荣的AI生态，推动新一轮的经济增长。

第二个冷思考，由于没有智能涌现能力，专用大模型的价值其实非常有限。我看到一个现象，很多行业、企业，甚至很多城市都在买卡、囤芯片，建立智算中心，想要从头训练自己的专用大模型。殊不知这样炼出来的大模型是没有智能涌现能力的。

因为，只有当你的模型的参数规模足够大，训练数据量足够多并且能够不断投入，进行迭代，才能够产生智能涌现，大模型才能具有触类旁通的能力。也就是说，你没教过的东西，它也会了。所以，大模型的产业化模式，应该是把基础模型的通用能力和行业领域的专业知识相结合。也就是大模型套小模型，专用的小模型反应快，成本低，大模型更智能，可以用来兜底。

自从8月31号开放以来，文心大模型的API调用量，呈现了指数级的增长。国内有200多个大模型，上了这个榜单、进了那个排名，但其实调用量是很小的。文心大模型一家的调用量比这200多家大模型的调用量加起来还要多。

刚才说了两个“冷”思考。作为一个在AI领域工作超过十年的从业者，我对大模型和AI原生应用的巨大价值和影响力，都深信不疑。所以我想说一说，AI原生时代的三个“热”驱动。

第一，强大的基础模型，会驱动AI原生应用爆发。中国有领先的基础大模型，这是AI原生应用发展的坚实基础，是底层的能力。3 月16日，百度率先发布了基于文心大模型3.0的文心一言产品，之后快速迭代。

上个月，我们又发布了文心4.0版本，在网站和APP上叫做文心一言专业版。4.0是迄今为止最强大的文心大模型，在理解、生成、逻辑和记忆各方面能力，都有了明显提升。比如，在生成能力上，文心一言除了生成文字内容，还包括图片、视频、数字人等等多模态内容，可实现的创作体裁超过200种，你让他写一首李白风格的诗，写出来就像李白，你让他写一首杜甫风格的诗，写出来就像杜甫，涵盖了几乎所有的写作需求。

在逻辑和记忆能力上，相比之前的版本也有了成倍的提升。而AI原生应用，就是基于大模型智能涌现后产生的理解、生成、逻辑和记忆能力而开发出来的应用。这些能力是过去的时代所不具备的，因而才能打开无限的创新空间。作为基础底座，大模型可以支撑无数AI原生应用的开发。但是，直到今天，无论是中国也好，美国也好，我认为最好的AI原生应用还有没出现。就像移动时代诞生了像微信、抖音、Uber这样的“mobile-native”的应用一样，AI原生时代一定会有优秀的AI原生应用是基于这些大模型开发出来的。而深圳有着丰富的场景和深厚的产业基础，在AI原生时代深圳一定会再次成为创新创业的沃土。

第二，拥抱AI时代，需要由CEO、一把手来驱动。今天，大模型和生成式人工智能所带来的机遇是堪比工业革命的大机遇，这一点已经成为行业的共识，每一家企业、每一个组织，都在思考如何拥抱这个新时代，如何利用这一新技术来提升自己的竞争力。

如同任何新鲜事物都有一个接受过程一样，最早接受的是C端用户和创业企业，之后是中小企业，最后接受的才是大企业，因为大企业天然保守，对新生事物不敏感，不愿意冒风险。我见到很多企业，上上下下都非常重视这次机会，但是对问题的本质理解不深，CEO把这个任务交给IT负责人，IT负责人和工程师天天被那些所谓的“震撼发布”、“史诗级的更新”、“iPhone时刻”、“炸裂”这些说法所忽悠，都想去自己搞个基础模型，或者按照网上传播的评测方法来挑选一款评分高的大模型，大家就以为这就是拥抱AI时代了，殊不知大模型本身不仅不产生任何价值，还造成了对公司资源和社会资源的巨大浪费。

拥抱AI时代，为什么需要一把手来驱动？因为只有CEO才会关心新技术对自己业务的关键指标是不是产生了正面作用。比如对于互联网企业来说，大模型有没有对你的DAU、时长、用户留存这些指标产生正面的影响。

其实对于所有企业来说，更简单、更直接的是对你的收入和利润增长有没有产生影响，对你成本的降低有没有产生影响。这才是问题的本质。小公司一把手什么都管，就更容易开发出适合自己的原生应用，大公司分工明确，CEO如果不主动引领这个变革，就很容易被带偏。

在百度我们坚决地对旗下各个产品线进行了AI原生的重构，给大家带来了前所未有的智能体验。比如，新搜索具有极致满足、推荐激发和多轮交互的特点，当用户提出一个问题时，新搜索不再是提供一堆链接，而是通过对内容的理解，生成文字、图片、动态图表等多模态的答案，让用户一步获得满足。

再比如，以前准备一场演讲，要耗费好几天时间制作讲稿和PPT，刚刚也讲了，写文章3000字可能一分钟就完成了。现在，百度文库可以在1分钟内生成一个20几页的PPT，包括图表生成，格式美化等，成本几乎是零。新文库也实现了从内容工具到生产力工具的转变。因为有了这样的原生化改造，文库的付费率有了明显的提升，这就是我说的AI对业务关键指标的促进作用。更大想象空间在于，大模型催生出过去从来没有过的AI原生应用。

百度也在孵化全新的AI原生应用。比如智能代码助手Comate。今天百度有上万个工程师，百度现在每新增100行代码，就有20行是AI生成的，而且这个比例还在快速增长中。这样的AI原生应用，通过人机协同，帮助我们大幅度提升研发效率。而AI原生应用带来的改变，我认为，才刚刚开始。

第三，繁荣的AI原生应用生态，会驱动经济增长。好的应用会带动市场，倒逼市场变化。类比来看，中国新能源车在全球的市场份额达到65%。这主要是因为国家政策的扶持拉动了应用端，拉动了市场的需求，比如对于新能源车的车辆购置税减免，不限号不限行等等这些手段，都有效拉动了新能源汽车产业的快速增长。AI产业也是需求驱动，所以应该是在需求侧、应用层发力，就像补贴新能源汽车用户一样，鼓励企业调用大模型来开发人工智能原生应用，用市场手段推动产业发展。

我之前说，AI时代的技术栈分为四层，也就是芯片层、框架层、模型层和应用层。无论是芯片也好、框架也好、模型也好，都是需要AI应用来驱动的。只有通过更多的场景落地应用，才可以形成更大的数据飞轮，才能够让芯片做到够用、好用。全球来看，AI原生应用正在成为主要的趋势。微软其实并没有自己的基础大模型，它是跟OpenAI合作的，但是它有最成功的AI原生应用，大家知道就是Office365的Copilot，30美金一个月。百度从做AI的第一天起，就非常重视生态的建设，目前已经拥有了超过800万AI开发者。