2024.07.05

本文字数：4532，阅读时长大约7.5分钟

---

导读：商业化的闭源模型是最能打的。

作者 | 第一财经 刘佳

百度董事长兼CEO李彦宏还记得自己第一次来参加世界人工智能大会（WAIC）是在2022年，那一次大会的主题和元宇宙相关，主办方传话给他，希望他讲一讲元宇宙。他回：“我还是讲AI吧，我讲不了元宇宙”。当时，他在演讲中提到自己对AI走势的判断：AI的技术发展路线发生了方向性改变，从过去的辨别式人工智能转向了未来生成式人工智能。

上述预判发生在2022年的夏天，5个月之后 ，GhatGPT发布，紧接着人工智能的又一波浪潮以前所未有的速度席卷全球。

“两年的时间恍若隔世，整个世界都变了，人工智能可以说颠覆了绝大多数人的认知。”李彦宏在今日的WAIC演讲中感慨。

2023年国内出现百模大战，在李彦宏看来这造成社会资源的巨大浪费尤其是算力浪费，但是也使得我们追赶世界上最先进的技术模型能力得到建立。

他说，去年10月百度宣布文心4.0发布的时候，提到文心4.0毫不逊色GhatGPT，大家不以为然，但现在国内很多闭源模型声称已经追平超越了GhatGPT。

他还指出一些外行混淆了模型开源和代码开源两个概念。“模型开源拿到一大堆参数，还是要做安全对齐，你不知道这些参数怎么来的，无法做到众人拾柴火焰高。即便拿到对应源代码也不知道用了多少数据，用了多少比例数据训练这些参数。所以拿到这些东西，并不能够让你站在巨人肩膀上去迭代和开发。”

7月4日的演讲中，他再次谈到大模型领域开源与闭源的路线之争。他认为，在同样参数规模之下，闭源模型能力比开源模型要更好。而如果开源想要能力追平闭源，那就需要有更大的参数，这就意味着推理成本会更高，反应速度会更慢。

“很多人拿开源模型来改款，以为这样更好服务个性化应用。殊不知这样创作的孤本模型无法在基本模型获益，也没有办法跟别人共享算力。”李彦宏说。

与此同时，他也承认开源大模型在学术研究、教学领域等特定场景下有存在的价值，但并不适用于大多数应用场景。“当你处在一个激烈竞争市场环境当中的时候，你需要让自己业务的效率比你的同行更高，成本比你的同行更低。这个时候商业化的闭源模型是最能打的。”

比起开源闭源路线，他认为更重要的还是应用的落地。他提到，现在业界的关注点都放在了基础模型身上，“一天到晚到处跑分刷榜，谁又超越GhatGPT4，OpenAI又出来Sora……”但事实上，没有应用，光有一个基础模型，不管是开源还是闭源都一文不值。

他呼吁行业不要卷模型了，要去卷应用。应用其实离大家并不遥远，基于基准模型应用在各行各业已经开始逐步渗透。他援引文心一言的调用量数据，两个月前还在2亿，现在已经到了5亿，说明大模型背后代表了真实的需求，有人真的从大模型当中获益了 。

他举个例子，在快递领域，让大模型帮助处理订单，做到了一张纸一句话寄快递而不再需要其他繁琐流程，时间从3分钟缩短19秒，而且90%以上的问题都是由大模型解决，效率提升非常明显。在小说创作领域，网文作者有了AI的助力“如虎添翼”。而类似于代码生成的软件，在各个领域也在逐步渗透。李彦宏透露，百度内部有30%左右的代码已经是用AI生成的，代码采用率超过44%。

因此，李彦宏提出业界要避免掉入“超级应用陷阱”，认为一定要出现一个10亿DAU的APP才叫成功，这是移动时代的思维逻辑。AI时代，规律可能不是这样的，“超级能干”的应用比只看DAU的“超级应用”更重要，只要对产业、对应用场景能产生大的增益，整体价值就比移动互联网要大多了。

智能体是他最看好的AI发展方向。他判断，未来在医疗、金融、教育、制造、交通、农业等等领域都会依照自己场景，自己特有经验规则数据等等做出各种各样智能体，将来有百万量级的智能体出现，形成庞大的生态。

AI正在以前所未有的速度向各行各业渗透。很多人担心，人类是不是就没有工作机会了？李彦宏说自己听到的抱怨很多，建设性意见很少，很少有人去致力于发掘生成式AI带来的新的工作机会。

他说，已经看到有一些全新的工作冒出来，比如提示词工程师。这个职业未来不用编程，但需要用很强的逻辑性把工作流说清楚，要用提示词对模型进行调教，随着智能体大量涌现，这种工作需求也会飙升。“这些工作机会通常门槛并不高，你做得一般也能够养家糊口，做得好的上限可以年薪百万。”

以下为演讲全文：

各位下午好，非常高兴再次来到上海参加世界人工智能大会，我是这个会议的常客了。去年因为出国没有来。所以我上一次来参加WAIC是2022年，我记得那年大会的主题是元宇宙，主办方也跟我讲，希望我讲一讲元宇宙，我说我还是讲AI吧，我讲不了元宇宙，所以我当时讲的主题是AIGC，就是AI Generated Content （Artificial Intelligence Generated Content）。

我认为AI的技术发展路线，发生了方向性的改变，就是从过去的辨别式人工智能，转向了未来的生成式人工智能。

讲这个话是在2022年的夏天，5个月之后，大家都知道，ChatGPT发布了，而后来的事情大家就更清楚，所以两年的时间，恍若隔世，感觉整个世界都变了，人工智能可以说颠覆了绝大多数人的认知。

2023年国内出现了百模大战，造成了社会资源的巨大浪费，尤其是算力的浪费。但是也使得我们追赶世界上最先进的基础模型的能力得到了建立。

去年10月，我宣布文心4.0发布的时候说，文心4.0的能力跟GPT4相比毫不逊色，好多的同行还不以为然，今天大家可以看到，国内已经有多款闭源模型声称它们已经追平或者是超越了GPT4的水平。

注意，我们说的是闭源大模型，不是开源大模型，这也是今年以来争议比较多的一个话题。有些外行甚至混淆了模型开源和代码开源这两个概念。

所谓模型开源，是拿到的只是一大堆参数，你还是要去做SFT，还是要去做安全对齐，你不知道这些参数是怎么来的，你是无法做到众人拾柴火焰高的。即使你拿到对应的源代码，你也不知道他用了多少数据，用了什么比例的数据去训练这些参数。所以拿到这些东西，并不能够让你站在巨人的肩膀上去迭代和开发。

所以，同样参数规模之下，闭源模型的能力就比开源模型要更好，而如果开源要想能力追平闭源，那么它就需要有更大的参数，这就意味着推理成本会更高，反应速度会更慢。

很多人拿开源模型来改款，以为这样可以更好的服务自己的个性化应用，殊不知，这样你就创造了一个孤本模型，既无法从基础模型持续升级当中获益，也没办法跟别人去共享算力。

当然，我也承认开源模型在某些场景下是有自身价值的。比如说一些学术研究，或者在教学领域，大家想要研究大模型的工作机制，形成理论，这个时候可能是有价值的，因为大家也经常听到，我们觉得大模型能力很强，但是不知道为什么能力强，因为背后没有理论来支持它，所以研究这个东西，用开源的我觉得没问题。

但是，大多数的应用场景，开源模型并不合适，当你处在一个激烈竞争的市场环境当中，你需要让自己的业务效率比同行更高，成本更低，这个时候商业化的闭源模型是最能打的。

当然，这些都不是最重要的，没有应用，光有基础模型，不管是开源还是闭源都一文不值。

所以，我从去年下半年开始讲，大家不要卷模型了，要去卷应用。但是我看到很多人仍然把主要的关注点放在基础模型上，一天到晚就是跑分，刷榜，谁谁谁又超越GPT4了，openAI又出来sora了，又出来GPT4o了等等。今天这个震撼发布，明天那个史诗级更新，但是我要问，应用在哪里？谁从中获益了？

应用其实离我们并不遥远，基于基础模型的应用在各行各业、各个领域都已经开始了逐步的渗透，两个多月前，我们宣布文心大模型的日调用量超过了2亿，最近，文心的日均调用量超过了5亿！

仅仅两个多月的时间，调用量发生了这么大的变化，足见它背后代表了真实的需求，是有人在用，是有人真的从大模型当中获益了，得到了价值。

比如在快递领域，让大模型帮助处理订单，做到了“一张图、一句话寄快递”，不再需要其他繁琐的流程，时间从3分多钟缩短到19秒。而且90%以上的售后问题，也都由大模型来解决，效率提升非常的明显。

再比如在小说创作领域，一开始也用开源模型做出过一些效果，后来改用文心轻量级模型，经过10轮上万组数据的SFT和post pretrain，结果有了明显的提升，最近又转到文心4.0版本，仅用了数百条数据，4.0就在情节和逻辑方面展现出了非凡的优势，生成的内容无论是可用率还是优质率都大大超过了轻量级模型，网文作者们如虎添翼！

其实更通用的领域，比如说代码生成，文心快码这样的软件，在各个领域，也在逐步的渗透，在百度内部，我们有30%左右的代码，已经用AI生成的，代码的采用率超过了44%。

不过，我们要避免掉入“超级应用陷阱”，觉得一定要出现一个DAU10亿的APP才叫成功，这是移动时代的思维逻辑。其实不一定，AI时代，“超级能干”的应用比只看DAU的“超级应用”恐怕要更重要，只要对产业、对应用场景能产生大的增益，整体的价值就比移动互联网要大多了。

随着基础模型的日益强大，开发应用也越来越简单了，最简单的就是智能体，这也是我们最看好的AI应用的发展方向。制作一个好的智能体通常并不需要编码，只要用人话把智能体的工作流说清楚，再配上专有的知识库，一般就是一个很有价值的智能体了。这比互联网时代制作一个网页还要简单。

未来在医疗、金融、教育、制造、交通、农业等等领域，都会依据自己的场景，自己特有的经验、规则、数据等等，做出各种各样的智能体。将来会有数以百万量级的智能体出现，形成庞大的智能体生态。

而搜索是智能体分发的最大的入口。刚刚过去的高考季，很多大模型公司热衷于去写高考作文，我用AI写一个作文能得多少分，其实这个使用价值是不大的，人家不会让你带一个大模型去参加高考，但是真正的需求是大量的考生在考完之后要报志愿，要选择学校，选择专业，他们对一所大学，一个专业，会有各种各样的问题，而每一个考生的情况又是不一样的。这时候就是需要有一个智能体来回答每一个考生专有的问题。

在高峰时期，百度的高考智能体每天要回答超过两百万个考生的问题，我们总共只有1000万的考生，在一天当中有这么大比例的人在利用这个智能体。

AI正在以前所未有的速度向各行各业渗透，很多人担心如果我们日常的工作都让AI去做了，人是不是就没有工作机会了，这种担心不是没有道理的，但是过去这段时间，我听到的担心，听到的抱怨很多，听到的建设性的意见比较少，很少有人去致力于发掘生成式AI带来的新工作机会。

我在这算是抛砖引玉吧，我觉得一方面这次浪潮，AI更多是在扮演copilot的角色，是副驾驶，还要人来把关，AI只是辅助人工作，而不是替代人工作，它让人的工作效率更高，质量更好；另一方面，我们也看到有一些全新的工作机会开始冒出来了，比如数据标注师，过去几年我们帮助全国20多个城市落地了数据标注中心，提供了大量新的就业岗位，再比如提示词工程师，以后不用编程了，但是做好一个智能体还需要把工作流说清楚，这里要有很强的逻辑性，要用提示词对模型进行调教，随着智能体的大量涌现，这个工种需求量也会飙升。这些工作机会，通常门槛并不高，你做的一般也能够养家糊口，做得好的话，那上限可以年薪百万。

自人类文明诞生以来，永不停止的创新就是印刻在我们的DNA当中的。从石器时代的手斧，到移动时代的手机，再到AI时代的大模型，人类不断创造各种工具来改善生活，来提高生产力。但是它们永远只是工具，只有在被人类所使用的时候才有价值。我们坚定地相信，AI不是人类的竞争对手，我们构建和应用人工智能技术，是为了满足人的需求，增强人的能力、让人类的生活更美好。

谢谢大家！