大家都在等10億級DAU超級應用，李彥宏卻找到了更重要的事_風聞

從 ChatGPT 爆火算起，AI 引發的全球熱潮已經持續兩年多的時間了。

整個行業的焦點，也從“ 我們要有大模型 ”，到“ 我們要做大模型應用 ”，再到如今，國內爭論不休的新焦點是“ AI 超級應用在哪？”。

面對各種未解的行業之問，在 7 月 4 號於上海召開的世界人工智能大會上，國內 AI 的頭部玩家李彥宏給出了許多全新的判斷。

在十幾分鐘的演講中，讓編輯部印象最深的點，就是李彥宏對於本文開頭提到的**“ 超級應用 ”**的解讀。

他表示，AI 時代，“ 超級能幹 ”的應用比只看DAU的“ 超級應用 ‘ 更重要 ’，” 我們要避免掉入‘ 超級應用陷阱 ’，覺得一定要出現一個 10 億 DAU 的 APP 才叫成功，這是移動時代的思維邏輯。”

這其實和很多人的認知有所不同。因為在移動互聯網時代，DAU 破億往往被認為是 APP 發展的轉折點，也是超級應用的門檻之一。

以往的經驗使得我們很容易陷入移動互聯網時代的****思維陷阱中，在 AI 熱門應用逐漸浮現之後，很多人拿着億級別、10 億級 DAU 來判斷 AI 超級應用有沒有出現。

百度也是從億級 DAU 時代蹚過來的，但李彥宏卻覺得不能完全以上個時代的邏輯類比 。

我們會發現，在移動互聯網時代，超級應用主要面向 C 端，目的為了方便用户日常生活工作中的一切需求，所以儘可能做的一應俱全、應有盡有。一些滿足用户全面需求的很多超級應用往往非常龐大，DAU 達到億級、10 億級。

現在 AI 時代，大模型在 B 端的影響，其實會大於 C 端。在不久前的亞布力計劃走進百度活動中，李彥宏曾表示，大模型對於 To B 業務的改造，會非常深刻和徹底。他覺得比互聯網對於 To B 的影響要大很多，要大一個數量級。他也提到，所謂的 AI 原生應用，DAU 都不是很大，跟移動互聯網時代沒有辦法比，反而在 B 端看到太多的例子，在業務上產生很大的增益。

現在，大模型更加深入在 TO B 業務的改造中。李彥宏現場以快遞行業舉例，利用大模型能力處理訂單，快遞公司做到了“ 一張圖、一句話寄快遞 ”，不再需要其他繁瑣流程，時間從 3 分多鐘縮短到 19 秒。“ 而且，90% 以上的售後問題，也都由大模型來解決，效率提升非常顯著。”

如今像快遞等各行各業的企業對於大模型能否在自己的實際業務量用起來、用好的需求其實非常強烈。對於企業來説，他們要的不是龐大的應用，而是足夠強的工作能力的應用。

李彥宏覺得只要能對產業和實際場景帶來大的增益，AI應用創造的價值就已經大於移動互聯網。

李彥宏的這一觀點，其實也讓我們把問題重新拉回到本質問題上：我們選擇用大模型的根本原因在於其帶來的實際價值？

大模型的出現之所以讓我們這麼興奮，就是因為它具有強大的技術通用性，包括理解邏輯生成記憶等強大基礎能力，使之能夠勝任比以往更多的通用性任務，能夠解決更多的實際問題。

再強大的技術只有應用起來，解決實際的問題，才能形成強大生產力。所以李彥宏才特別強調需要“ 超級能幹 ”。

其實類似於超級應用的方向爭論，一直存在於這個探索中的行業。李彥宏對不少從業者迷茫和困惑的諸多問題，帶着自己的思考，為大家點明瞭方向。

比如爭論不休的開閉源之爭，在李彥宏看來，大模型開源的開發者們“ 並不能站在巨人的肩膀上。”

他點出了一個很多人容易忽略的地方，大模型的開源和軟件的開源，並不相同。

不同於以往的軟件開源，很多大模型其實並沒有開放源代碼。模型開源只能拿到一堆參數，還要再做 SFT、安全對齊，即使是拿到對應源代碼，也不知道是用了多少比例、什麼比例的數據去訓練這些參數，無法做到眾人拾柴火焰高。

並且，基於開源大模型二次改款後獲得的模型，儘管可以服務自己的個性化需求，但會變成孤本模型，開發者們沒辦法從基礎模型的持續升級中獲益，也沒辦法跟別人共享算力。

所以，很多人幻想的蓬勃的開源模型生態，可能並不如想象般美麗。Llama 雖然也鼓勵大家貢獻代碼，但到頭來，最主要的開發者依然是 Meta。

李彥宏相信大模型應用的混戰裏，商業化的閉源模型就是最能打的。

一方面，閉源模型依託於成熟的商業模式，有更多的資金和人力，研發的成果也可以得到保護。

而且，根據李彥宏的説法，閉源反而更節省成本，推理成本更低、響應速度更快。得益於技術能力持續升級，文心一言的推理成本還在不斷壓低，自 2023 年 3 月至 12 月底，推理成本基本降低至原有的 1%。

總的來説，李彥宏肯定了開源模型在一些學術研究、教學領域有存在價值，可以用於研究大模型的工作機制，形成理論。但開源模型並不適用於大多數應用場景，在激烈的商業環境中，想要讓業務效率高於同行、成本低於同行，商業化的閉源模型是“ 最能打的 ”。

除了對於開閉源的思考之外，李彥宏還用百度實打實的實踐，替大家摸索 AI 應用如何從 TPF（ Technology-Product Fit ）階段走向 PMF（ Product Market fit ），最有前景的方向到底是什麼？

對此，AI****Agent 智能體就是他最看好的應用方向。智能體不僅是具備對話能力，還有反思、規劃和協作能力，更擅長於處理複雜的任務。

像最近百度和中國工程院朱有勇院士團隊共同打造的“ 農民院士智能體 ”。它學習了朱有勇院士的研究成果以及農業知識，從旱地稻種植，到病蟲害防治等一系列農民實際遇到的問題，就都能得到最專業的解答。

而這樣一個專用的智能體，在百度的文心智能體平台（ AgentBuilder ）上，不需要編程，我們只需説出自己的工作內容流程，加上專業的知識庫，能迅速調試出一個匹配個人工作習慣的智能體。

“**這比互聯網時代製作一個網頁還要簡單 ”，**李彥宏説。

從一開始就堅定的做最強大的基礎大模型，並堅守應用才是模型的真正價值所在，在到現在對於大模型超級應用核心價值的判斷，以及對於下一個前沿應用方向智能體的認知，我們不難拼湊出李彥宏對於 AI 實用主義的一個個思想錨點，以及百度在 AI 領域一直在一步一個腳印地用實踐描繪藍圖。這些實打實積累下來的經驗，無疑為行業內的人指明瞭方向。

讓編輯部覺得挺意外的是，作為移動互聯網時代的老玩家，李彥宏對新時代的趨勢判斷總是那麼具有前瞻性，並且一直在迭代自己的 AI 應用思想。

在早期大家都在卷模型，大打百模大戰、消耗算力的時候。李彥宏就表達過，對於 AI 創業者來説，核心競爭力本就不應該是模型本身，並多次發生呼籲鑽研 AI 應用。

一年多過去了，行業從“ 要有模型 ”，轉變到“ 要有 AI 應用 ”，無疑印證了上述判斷的準確性。

李彥宏的這些思考，也早就落在了百度的動作上，這也使得百度可以在 AI 行業慢慢進入深水區之後，依然做出精準的判斷。

包括這次提出的新思考，當大家都聚焦在 DAU 上的時候，他把思路迴歸到了大模型的本質價值上：要催生能解決實際問題、解放生產力的應用，打造“ 超級能幹 ”的應用。

知危編輯部也認同，只有讓更多人應用上、應用好大模型，助推各行各業爆發出數以萬計“ 超級能幹 ”的應用，才能把大模型的價值充分釋放出來。