奔馳、茅台、中車都來百度上“AI補習班”？_風聞

8月15日，百度發起的AICA首席AI架構師培養計劃（以下簡稱“AICA”）在北京舉辦第九期開學典禮。

讓人意想不到的是，很多學員都是世界知名企業的技術高管，包括茅台、麥當勞、奔馳等行業龍頭。

奔馳學AI似乎還能理解，茅台和麥當勞這種傳統食品企業，為什麼也要學AI呢？

其實，時代的改變，早已經開始。

兩年前，埃隆·馬斯克就表示，“AI自動化將取代所有工作。”科技企業家亞歷克斯·芬恩近期也發文警告説：“未來五年內，不擁抱AI的人，將完全被社會邊緣化。”

傳統巨頭們去學AI，不只是好奇心驅動，而是變革已來。

儘管是傳統企業，但AI的賦能作用，是讓人意想不到的。

當下的白酒市場正在面臨轉型，茅台需要通過深度學習，更精準地瞭解到消費者的需求，並迅速調整其營銷策略，讓每一分的投入產出更大的回報。

同時，AI大模型的應用，也能夠幫茅台預測原材料和市場的價格波動，幫助企業更有效地管理供應鏈。

AICA主要培訓一些什麼內容呢？一方面是技術開發，另一方面是項目落地。

想要用好基礎大模型，就需要針對性地對模型進行定製化，注入特定的行業、企業數據，才能更好地服務特定場景。

當然，進入大模型領域，也需要找對師傅，百度在這一點上恰好具有優勢。

百度是全球為數不多實現芯片-框架-模型-應用四層技術棧的全棧自研的企業。

從崑崙芯到飛槳深度學習框架，再到文心大模型，各個層面都有領先業界的關鍵自研技術，自主可靠的同時，也大幅提升了效率。

像茅台一樣，中車這樣的行業龍頭企業，也一直在積極佈局AI，比如中車研究院就基於飛槳框架，僅用幾個月就完成了虛擬傳感器模型的搭建、訓練和部署。

作為動車、軌道交通的龍頭企業，中車承載了中國人的出行安全，過去檢測軌道安全，需要很多人手排查，而多在深夜作業。

但通過百度飛槳的使用，實驗驗證顯示，其虛擬傳感數據與實際傳感器數據同等有效，且在算法優化後，故障檢測準確率整體提升了10%，更有效地保障了軌道交通裝備的安全。

百度AI賦能的企業還有奔馳。

奔馳車出廠前，都要經過漆面檢測的工序，過去這個工序是依靠傳統機器和人工來檢測，成本非常高，一套檢測系統大概在1500、1600萬左右，但帶來的收益又微乎其微。

怎麼把成本打下來？百度AICA第八期的一位奔馳學員，就用飛槳等百度AI技術做了一個漆面檢測的系統，讓檢測的成本大大減少，同時提升了準確率。

現在這套系統已經在奔馳很多工廠落地了，每一套成本都比原來降低了數百萬。

奔馳的工程師還特地提到，當時他們對比了大概幾十個模型，百度提供的算法收斂會更快，效果也是測試下來最好的。

學好AI，立省幾百萬，正是這種誘惑，讓越來越多的企業，開始關注AI的產業化應用。

百度的李彥宏曾説，應用驅動是第一性原理，大廠不要卷模型，要卷應用。

由此可見，大模型的價值不在參數競賽，而在於能否真實成為產業的賦能工具。

麥當勞團隊在開學典禮上表示，過去他們開發的智能體“麥麥巡警官”存在很多問題，比如遷移到其他場景時需要重複進行提示詞，過於繁瑣，在多項任務執行時，智能體也容易錯亂，這就需要通過更好的模型和訓練方法賦能。

而本次AICA 9期班，特別新增了文心開源、MCP前沿技術、多模態、數據等模塊，以及百度重點技術的實戰案例，對當前AI應用的主流技術路線，實現了全覆蓋。

與往期相比，AICA第九期特別攜手了頭部高校產教融合平台、國家重點實驗室等，帶領學員交流訪學，直指產業之間缺乏互動的痛點，杜絕紙上談兵。

同時還首次試點“共創小組”模式，鼓勵產業上下游企業自由組隊，聚焦產教融合、產業鏈協同等合作模式，彌補行業上下游交流不足的難題。

金拱門AI研發工程師韋文澤提到，“大模型幫助我們提升我們的工作效率，提升我們員工的幸福度，我覺得這就是一個非常大的貢獻。”

愉悦家紡信息技術總監胡健也提到了大模型對企業賦能的案例：

大家都把紡織行業叫成“夕陽行業”，但愉悦卻認為，這是“朝陽行業”。

過去的紡織行業，非常依靠紡織老師傅的印染經驗，但這很難轉化為結構化的數據。

想要構建工藝知識圖譜，將手感、色差等模糊指標數字化，就需要AI的幫忙。

胡健提到，之前他們和紡織協會信息中心合作過一個AI的項目，用自己20多年的畫稿素材積累，實現了AI生圖，在7個月時間內，將效率提升了20多倍。

AI的應用，不僅讓傳統手工業有了新的科技玩法，對於科技行業來説，更是極大縮短了實驗週期。

能不能用AI採集到電流電壓的震動數據？（物理限制無法加裝傳感器）如果可以，具體用什麼樣的模型？

如何在高鐵上立硬幣，硬幣的1.0、2.0版本，或者立一個雞蛋能保證它的平穩？

中車研究院人工智能所副所長劉琦提到，今天的AI落地趨勢，已經從單點試水向深水區拓展，尤其是在高價值領域，如動車組設計、故障預測、懸掛控制優化等，都需要對其進行系統性的規劃產業變革路徑，通過構建大模型與小模型協同，強化落地性和人機協同機制，提升投入產出比。

AI在高端製造業的核心價值，就在於以技術確定性應對產業不確定性。

百度AI追求的不是技術炫技，而是紮根研產供銷服的高價值問題——用不斷完善的模型去解決企業的實際痛點，用生態協作去放大創新效能。

AI的好，全球的科技界都知道，但能不能將AI貫穿到企業的實際應用，關鍵還要看人。

尤其是懂AI，能把AI用好的人。

劉琦就在最近的分享中提到，她從2020年就參加了AICA的第三期，她認為，現在的企業發展，非常需要創新技術的人才：

“AICA在2019年開始從創設之初，我們那時候就會發現複合型的人才，就是既懂AI新技術又懂行業。”

AI是一個體系化、系統化的工程，靠一個人或者靠一件事情其實是很難做到的。

就拿中車來説，動車組從設計到落地，再到檢修要考慮到上百種應用場景，分批分步驟實施，比如工業設計、審圖、質檢、安防、故障預測等。

怎麼解決那麼多的工程難題呢，這就需要一個堅實的技術底座，既能實現多模態數據融合感知、虛擬傳感，又要對時空關係進行深度理解，多個智能體之前，還要有人機協同控制。

在這基礎上，還要進一步考慮方案應用的落地，比如怎麼和雲邊端結合，哪些適合放在雲端，哪些適合放在邊或者端側來進行應用。

總之，要想實現整個系統的AI化，就需要一個“懂場景、有技術、真實踐”的AI團隊去推動，完成從“單點場景”的突破到“協作深水區”的攻堅。

所以中車也正在籌劃一個AI+裝備製造的聯合創新體，來聯動高校、科研機構以及民營企業一起加入，共同把工業人工智能發展起來。

愉悦家紡也是深刻認識到AI對系統的整體賦能作用，今年以來，從董事長層面到所有公司高層和中層管理人員，都在全面學AI，全面用AI。

企業的升級，往往始於微小突破：一顆螺絲的質檢精度提升1%，一句客服應答快0.5秒，一次漆面掃描省100元。

正是這些微觀層面的積累，才能匯聚成了茅台重構消費服務、中車創新研發、麥當勞重寫運維的宏觀產業變革。

所以説，AICA的這些學員帶回企業的不僅是代碼工具，更是讓AI在鋼鐵、糧食、布料中紮根生長的能力。

而在2025年的AI競賽中，百度也是逐步明確了自己的方向定位：

不做炫技的參數王者，做產業轉型的“水電煤”。

從芯片層到框架層，從模型層到應用層，再到AICA培養計劃，讓AI真正“降得下成本、扎得進車間”，將“有用且好用”的AI基因植入到中國製造的毛細血管。

好的智能，不是替代勞動者，而是讓每個勞動者，都成為AI的駕馭者。

這便是百度的價值觀。

AICA首席AI架構師培養計劃第十期預報名鏈接🔗：https://iwenjuan.baidu.com/?code=787mjf&user=AILive