博鰲觀察|對話百度沈抖：豐富的應用場景是中國AI趕超的最大機會_風聞

既要仰望星空，更要腳踏實地。在被巨大的技術風口裹挾了一年多後，我們與大模型的“相處方式”越來越清晰了。

3月28日，在博鰲亞洲論壇2024年年會現場，我們與百度集團執行副總裁、百度智能雲事業羣總裁沈抖進行了一次深度交流。

在參與和觀察了國內企業過去一年落地大模型的實踐後，沈抖分享了自己的思考。他認為，大模型的產業落地不能用爆款思維，企業要儘快把大模型用起來，但不能冒進，潛移默化式的滲透才能從量變到質變。他多次提到“應用”才是大模型的真正價值，企業要到研、產、供、銷、服每個環節中去找落地場景。在現階段，但凡與“信息流通”有關的環節，都應該加入大模型提效。

當談到給企業智能化升級的建議時，他説：想多了都是問題，做起來全是答案。

以下是對談部分精華內容。

大模型產業落地一年情況如何？

大模型正在化身新質生產力

1、目前大模型在國內的產業落地如何？您如何看待中國在發展新質生產力方面的進展？

**沈抖：新質生產力，我認為最核心的是創新。**而人工智能和大模型，毫無疑問是創新最前沿的領域之一。

過去一年，生成式AI已經被企業真正用起來了。從百度的數據來看，百度文心一言C端用户已經超過了1億；而在B端，用百度智能雲千帆大模型平台開發應用的客户已經超過了8萬，開發出了16萬個應用。

具體來説，例如互聯網、教育、電商、政務等數字化程度較高的行業，更適合大模型落地，在落地速度上也更快。

比如河南、重慶的一些縣級政府，基於文心大模型開發了“居民助理”，把AI政務問答做進微信小程序，村民可以在微信羣裏問AI各種各樣的問題，如醫保繳費、婚姻登記、户籍辦理等等。春節期間，它每天的調用量能達到60-70萬次。以前沒有這樣的助手，村民想找到這些問題的答案，很麻煩，而大模型可以提供一種便捷的解法。在很多類似的場景，甚至更廣泛的智能客服場景下，大模型都可以幫助滿足用户的需求。

還有一些傳統行業，大模型落地速度比我們想象的要更快，潛力巨大。比如製造業，大模型已經在質量管控、安全生產、智能調度這些核心場景上用起來了。

比如説，中天鋼鐵基於我們的大模型平台，打造了“智能問數”，把過去老師傅的經驗灌給大模型，就能幫助新員工及時發現、處理關鍵設備的故障問題，還能幫助企業管理層時刻掌握生產經營裏的關鍵數據指標。比如你問他“最近一週幾條生產線的產量怎麼樣？”，或者“相比上週有啥變化”，它可以快速分析、決策和調整生產線。

從這些案例可以看到，無論是我們的日常生活還是工業生產，大模型都在發揮作用了，幫助提高生活的便利度、生產的效率，實際上是靠創新推動了生產力的發展。

2、您認為，在AI領域新質生產力如何才能更好的發展，惠及更多人？

沈抖：首先，我覺得AI和大模型的技術還得持續提升，歸根結底，科學技術是第一生產力。

其次，我覺得一定要做到技術普惠。所謂普惠，就是得有好的工具鏈、好的AI人才培訓培育機制等，能讓更多的人蔘與進來。我們最終應該實現的是機器和人之間的“乘積效應“，而不是機器和人之間相互替代的“零和博弈”，只有這樣AI才能發揮更大的價值，讓更多的人因此受益。

另外，我覺得**要抓住當前人工智能產業落地的窗口期和機遇期。**今年的政府工作報告中也提出要做“人工智能+”，國資委也召開了央國企會議來推進人工智能在各場景落地，號召央國企打開場景，讓更多的人來用，這些利好政策會加速大模型滲透到各個行業裏去。

現階段企業該如何使用大模型？

與“信息流通”有關的環節，都應加入大模型提效

3、“人工智能+”未來是每個企業都要做的事，在現在這個階段，企業應該如何做智能化升級？您有什麼建議。

**沈抖：第一是，千萬不能冒進。**有的企業覺得大模型什麼都能解，所以要先花大價錢做一個底座。而且現在很多人認為大模型越大越好，參數百億不行，非得上千億、萬億，而且確實有企業會迎合這樣的需求，反正你要多大的參數我都有。我覺得這是不夠客觀、不夠實事求是的。在解決行業問題的時候，一定要根據自己的需求，絕對不是模型越大越好；而且一些小模型，針對特定的場景經過微調之後，出來的效果比大模型還要好，而且成本低。

**第二，也不能不積極，不能只想着做爆款。**大家都在聊大模型要到產業裏面去、到場景裏面去，其實很多場景是靠挖掘出來的。大模型出來後，我們發現它能力很強，但它也不是神器，不是妙藥，不是放到哪裏它就能立刻生效。其實它應該是在研、產、供、銷、服的每個環節，但凡與信息流通有關的環節，都應該把大模型加進去提效。

我覺得，大模型的產業落地不是“爆款思維”，反倒我認為大模型的能力最後就像氧氣一樣，深入到我們生活的方方面面，就是這樣一個過程。

**第三，我覺得還是要有一點耐心。**其實我們拉長週期來看，任何一個新技術出現以後，你回頭看當時的改變都是疾風驟雨似的，但是當時身在其中的時候反而沒太感覺到。大家感覺大模型現在真的影響了我們很多嗎？也沒太感覺到。但是從百度過去一年的實踐看，很多企業在核心場景中都在使用大模型，你會發現它其實已經潛移默化在我們生產生活的不少環節中發生作用了。

所以我覺得既不能做技術的冒進，也不能坐在這裏等，而應該把生成式AI應用到自己的研、產、供、銷、服的各個環節裏面去，實現降本增效。

4、中小企業如何實現數字化、智能化升級？

**沈抖：**因為中小企業的需求很分散，過去講數字化和智能化升級的時候，很多中小企業會覺得成本高，不值得，我覺得這也正是大模型出現之後可以馬上改變的。

過去的AI要想實現產業落地，還是要用舊的研發範式，每次都要端到端的重新訓練一遍。而今天有了大模型就不用了，大模型變成一個很厚的技術底座，**只要用少量數據微調一下就能達到很好的效果，這樣就能把產業智能化最後一公里的事變得越來越簡單，讓更多人蔘與開發。**這個問題解決了，中小企業就可以把AI用起來了。

5、大家都使用生成式人工智能了，算力需求會大幅增加嗎？

**沈抖：**算力是一個永恆的話題，隨着人工智能的發展，對算力的需求肯定會持續擴張。目前國內算力還是緊張的，但是相比去年理性了很多，去年其實是存在着恐慌式屯卡的現象，為了做大模型，很多人瘋狂採購，今年大家都回到了理性消費的階段。卡的資源還是緊張，但是相對於去年，有所緩和。

大模型真的規模化用起來之後，算力需求會很大，甚至不只是算力，將來電力需求也會很大。所以現在國內外的科技企業都在持續推動芯片、算力的迭代和進步。

另外，異構算力這件事，我覺得從技術上是可以突破的。百度已經實現了GPU卡和幾款國產芯片，不同卡放在同一個計算集羣裏，去訓練同一個模型。這個我覺得是可以在技術上實現的，也會變成一個趨勢。**將來卡的多元化、異構化是一個必然。**因為也很難一家壟斷，大家只用一款芯片。

中國的人工智能產業挑戰在哪？

中國機遇大於挑戰，AI應用有反超機會

6、一個多月前Sora發佈出來後，很多人都覺得很震撼，您怎麼看？

沈抖：大模型迭代的速度的確越來越快，步步突破我們想象的天花板。這次Sora出來，大家都覺得很驚豔，也有人指出它存在的一些瑕疵。我認為Sora確實比已有的文生視頻模型提升了不少。

**但這類模型，如果最終就是用來生成視頻的話，它的應用範圍和價值還是非常有限。關鍵是看，能不能因為技術突破讓模型更好地理解物理世界的規律和邏輯。因為它一旦突破了，就可以打通信息世界和物理世界之間的關係，這樣一來，應用的場景也將更加廣泛。**因此，我覺得歸根結底要看這些技術用在什麼地方，不僅僅是技術本身的進步，而是技術應用產生的價值的變化。

**在視覺模型領域，中國的科技企業還是有很多機會。**以百度為例，比如在自動駕駛領域，百度一直在用同類方式訓練視覺模型，將道路上捕獲的圖像和視頻轉換為特定任務，讓自動駕駛更智能、更安全。

7、從AI產業整體來看，和國外相比，您覺得我們有什麼差距和超越的可能？

**沈抖：**從1956年AI的概念首次被提出以來，我覺得中國的學者、企業都在持續跟進。在這個過程中，中國已經在AI領域沉澱了大量積累和儲備，無論是技術、產品上，還是人才上。

以百度為例，百度在人工智能的投入上非常早，而且是持續、高強度、系統性地在投入。百度在人工智能技術棧的四層架構（芯片層 — 框架層-模型層-應用層）都有佈局，在芯片層有崑崙芯，在框架層有飛槳深度學習框架，模型層有大家熟知的文心大模型，再到上面的應用層，我們既有基於大模型改造的百度產品，也有在各行各業用上的產品。我們已經有了完整的人工智能技術棧，而且在這四層，我們還在持續迭代。

在與國際的競爭和差距上，我覺得一旦國內企業認知到差距後，大家還是非常勤奮、執着的，而且精益求精。中國企業對大模型的投入力度很大，我們在很快地迭代模型，並且在技術領先性上快速跟上來。

**最重要的一點，中國有非常豐富的應用場景。**就像在移動時代，我們雖然不是最早的移動技術發源地，但在中國打磨出了最完善、最豐富的移動應用和生態。同樣的道理，大模型在中國也能找到大量的落地場景，而這種場景反過來，又會推動大模型的發展。

我認為**最終還是應用決定了技術的價值，決定了技術發展的動力。**如果沒有用的技術，最終也不會走多遠。大模型在中國還有很大的空間，而且現在已經看到這個趨勢和苗頭，還是非常令人興奮的。

8、您認為，應該怎樣幫助AI行業更好更快地發展？

沈抖：我覺得**第一是該做基礎設施建設，包括算力基礎設施，以及模型微調、應用開發的工具鏈建設。**只有把這些基礎設施建好後，才能更方便地使用和迭代大模型。而且隨着大模型應用深入，對底層算力、工具鏈的需求只會越來越大。所以我們首先要把基礎設施建好，無論是百度這類科技企業提供基礎設施，還是應用大模型的企業來擁抱這些基礎設施，基建的動作都應該加速推進了。

第二，我覺得**還是得大膽地打開場景、放開場景，去擁抱大模型。**不論是央國企打開場景使用大模型和人工智能，還是任何一個企業在生產中可以用大模型改進的點滴流程，都應該積極擁抱。可能在最初，大模型不一定立刻能帶來多大、多顯著的收益，但一旦它有效運轉起來，就可以明顯地降本增效。

大模型時代的“打工人”何去何從？

“AI指令師”將成為一項必備技能

9、您去年在博鰲預言，許多人的職業將成為AI指令師，現在也確實看到很多相關課程在教大家成為指令師。一年後來看，您覺得，這個觀點有沒有得到大家普遍的認可？AI指令師會成為一個獨立的工種，還是人人都要具備的一種素養？

沈抖：大模型雖然通用性很強，但它也得“到什麼山上唱什麼歌”，這就需要有一個適配、微調的過程，要麼用特定數據進行模型微調，要麼就優化指令，讓它能理解、遵循指令去執行。

**從實際落地的情況來看，現在能用好大模型的人很少。**這也是為什麼市面上出現了很多培訓班，教大家用大模型的原因之一。

我們經常有很多客户找過來説，你能不能先告訴我大模型能幹啥，然後在我的場景裏，怎麼用起來。當我們看了客户的業務後，發現真的是改幾個指令，大模型在客户場景用的效果就變好了。這也説明，對很多企業來説，“學會用”是“用好”的前提。

百度在大模型相關的培訓上，也投入了比較大的精力。例如我們推出了首個大模型實訓營“千帆 AGIHouse”，給高級別技術人員進行大模型培訓；我們也跟工信部的教育考試中心聯合制定了國內首個“生成式人工智能應用師”崗位人才標準，並有配套的培訓課程和資格認證考試。

當大模型應用的廣度和深度擴展開來，就需要有更多的人能夠調教大模型。未來，“指令師”可能未必只成為一個獨立的工種，也會成為一項大家必備的技能。就像司機是一個工種，但其他很多人出於方便工作生活的需要，也得會開車。在未來的工作中，具備“指令師”技能的人才，需求量會越來越大。

10、這種指令師的技能，具有通用性，還是針對各行各業，會有獨特性？

**沈抖：**首先，大模型有比較強的通用性，比如格式、流程、規範等，指令師的指令也相應地有一定的通用性。但到具體一個行業裏，我們在給大模型進行Prompt（提示詞）工程時，通常會給它舉幾個例子，如少樣本提示，這些例子舉得好不好就跟行業非常相關。如果能將行業經典的例子、邏輯和解題思路告訴大模型，那它以後解這類題目就比較有優勢。因此，指令師也要具備行業特徵，得有某一行業的know-how才能提供出好的例子來，否則模型也學不會。

11、很多“打工人”有很強烈的“AI焦慮”，因為不論是文本生成、文生圖、文生視頻都給他們的崗位產生了衝擊。您覺得，大模型會對哪些行業的從業者帶來影響？

**沈抖：**我認為可能最危險的是中間的那批人。比如，做很多重複工作的白領崗位受到的挑戰會很大，藍領不太受影響，精英型的人才也很難取代。

“打敗你的不是AI，而是比你更先掌握AI的人。”我很同意這句話。**AI一定會創造很多新的職業，大模型還在滲透的過程中，很多人還沒有完全掌握，一旦掌握了這些AI工具，就能率先成為新職業的受益者。**但如果大家沒有轉變思路，沒有掌握新的工具，那麼當這個行業被顛覆後，可能很多工作不需要做了。為什麼“死守”在那兒？就像趕馬車，更先進的汽車出現後，真的不需要車伕了。