「一天到晚就是跑分，刷榜，誰誰誰又超越GPT4了，OpenAI又出來sora了，又出來GPT-4o了等等。今天這個震撼釋出，明天那個史詩級更新，但是我要問，套用在哪裏？誰從中獲益了？」
在今年WAIC產業發展論壇上，李彥宏在演講裏表達的非常直接。
根據史丹佛大學釋出的2024年AI指數報告， Google 的 Gemini Ultra 模型的訓練成本為 1.91 億美元，而 OpenAI 的 GPT- 4 模型的訓練成本約為 7800 萬美元。 我們這裏不能將國產模型的訓練成本和它們直接劃上等號，但在「百模大戰」的背景下，想必這些模型的算力消耗及其他成本加在一起也是一筆天文數位。
但另一方面，正如李彥宏所丟擲的套用之問，雖然未有明確統計，但其實大家都能感受到：目前使用過大模型產品的，仍只是少數人，保持高頻使用的更是鳳毛麟角。
一句話：今天百模大戰的盛況，和他們實際為社會創造的價值，是非常不相稱的。
從去年西麗湖論壇開始，李彥宏就多次在公開場合表達「模型本身並不直接產生價值，基於基礎大模型開發出來的AI原生套用才是模型存在的意義」這一核心觀點，呼籲大家重視套用，而非模型。而他描述的問題，也在成為越來越多從業者的共識：無論基礎模型多麽強大，只有當普羅大眾能夠真正接觸、感受到並使用這些模型時，其價值才能得以體現。
從近期行業已經逐步從註重「卷模型」轉向註重「卷套用」的變化來看，李彥宏更早從模型套用側出發的思考頗具前瞻性。 越來越多的企業和使用者開始關註哪些模型能夠在特定場景中實際套用，並帶來實際價值、解決現實世界中的問題。
在狂卷套用的熱烈氣氛下，人們也開始期盼在AI領域誕生一個個「超級套用」，就像行動網際網路時代的微信、抖音一般，擁有龐大的DAU數位和極強的使用者黏性，就像一個人工智慧綜合體，覆蓋我們工作生活方方面面。
這一次，李彥宏點出了一個核心問題，如果走不出上一個時代的慣性思維，可能會掉入 「超級套用陷阱」。
「超級能幹」的套用比「超級套用」更重要「要跳出移動時代的思維邏輯，避免掉入「超級套用陷阱」，不是只有10億DAU的套用才叫成功。」
不同時代，套用的發展路徑和模式等是不一樣的。AI和大模型時代，我們不能再完全拿行動網際網路時代的邏輯去類比，一定要達到億級、10億級別這樣超級大規模的DAU才算是超級套用。
這其實也是因為不同時代技術發展背後的場景差異。
行動網際網路時代超級套用們的最大共性，是這些套用大多數都是用來「消費內容」的，追求的是綜合性和便利性。無論是公域、私域社交，還是長短視訊，只有使用者規模達到一定數量級，才會給使用者帶來源源不斷可被消費的內容。而反過來看，相比「內容生產」，「內容消費」無疑更符合行動產品的天然特性——例如即便曾經被唱衰多年，但PC依然牢牢把持著最佳生產力工具的位置。
但是 AI套用的出現，需要解決的往往是產業裏更加實際的問題，覆蓋的是生產力場景，更追求是效果、效率和專業性。 哪怕是在傳統生產力領域，也很少存在超級套用。比如視訊剪輯這個領域，上到達芬奇、premiere、final cut pro，下到美圖秀秀和各種內建快剪工具，覆蓋不同人群、不同需求，每個套用都有各自擅長解決的問題。
一個垂直領域都尚且如此，更不用說出現一個軟體能同時解決文字排版、視訊剪輯、繪畫設計、程式碼編寫，並且在每個領域都做到最好了。
這就是「生產」與「消費」套用最大的不同：在消費領域，只要樣本量（使用者數）足夠龐大，準確性差一點也無妨，使用者劃掉就是；但在生產領域，效率低一點、效果差一點，影響的都是真金白銀，各位「打工狗」都是不幹的。所以生產場景的套用本身較難有規模效應，大家各自挑最適合自己的工具就好。
大模型所具備的理解、生成、邏輯、記憶等強大的技術通用性，使得它天然更適合產業場景，能化身強大的生產力引擎。
不久前，李彥宏曾談到一個觀點，他認為 大模型對於To B業務的改造會非常深刻和徹底，比互聯網對TO B的影響要大很多，大一個數量級。 今天看，大模型在B端的影響，已經大於C端了。
與這一思考相承接，李彥宏再進一步點出核心關註點， 「超級能幹」的套用比只看DAU的「超級套用」要更重要。他認為，只要能對產業和套用場景產生大的增益，AI套用的整體價值就已大於行動網際網路。
他口中「能幹」的套用其實離我們並不遙遠：比如在快遞領域，大模型處理訂單，開局一張圖、一句話就可以寄快遞，時間從3分多鐘縮短到19秒。並且大多數售後問題也可以透過大模型解決，一句話就可以多家快遞比價，降本增效極為明顯。
相信，只要始終從模型套用的核心價值出發，這種「超級能幹」的AI套用，也必將很快在千行百業裏噴湧出現。
閉源模型，在產業級套用場景更能打在開發套用之前，如何選擇適合的模型，是企業面臨的首要問題，也是難點之一。采用開源模型和閉源模型作為兩種主要的套用方式，是近期行業內熱議的話題，備受關註。
李彥宏認為，從概念上，很多人對模型開源和程式碼開源的概念有所混淆。「模型開源，你拿到的是一大堆的參數，你還是要去做SFT，還是要去做安全對齊，你不知道這些參數是怎麽來的。即使你拿到對應的原始碼，你也不知道它用了多少數據，用了什麽比例的數據去訓練這些參數，你是無法做到眾人拾柴火焰高的」。
在這樣的背景下，開源模型不僅無法像開原始碼一樣，透過全網開發者共同維護一個計畫來提高產品效能，無法實作「站在巨人的肩膀上」進行叠代開發。也會讓拿開源模型為基礎改款的模型成為「孤本模型」，無法從基礎模型持續升級中獲益，還會帶來算力浪費、二次開發的成本上升等問題。
因此李彥宏認為，盡管在學術場景，開源模型有著較為重要的研究價值。 但在激烈的商業背景下，商業化的閉源模型「最能打」，更適合廣泛的套用場景，顯然有著更高的效率與經濟性 ，能夠讓企業業務效率提升，同時成本也能降低。
他提到了以百度在小說創作上的實踐案例，當從開源模型轉向輕量級模型、再轉向文心大模型4.0後，小說生成的可用率和優質率得到極大提升，讓網文作者有了強助攻。
下一個套用方向，李彥宏選擇了智慧體「 隨著基礎模型的日益強大，開發套用也越來越簡單了，最簡單的就是智慧體，這也是我們最看好的AI套用的發展方向 。」
就像智慧型手機替代了相機，讓留存美好回憶這件事變得輕而易舉一樣。智慧體的制作門檻和難度也將非常低。李彥宏提到了這一開發過程的簡單程度 — 只要用‘人話’把智慧體的工作流說清楚，再配上專有的知識庫，就能做出來一個很有價值的智慧體了。
「這比互聯網時代制作一個網頁還要簡單。」他說。
而正得益於技術門檻的降低，智慧體具備了爆發的潛力。根據李彥宏的暢想，未來的醫療、金融、教育、制造、交通、農業等領域，將會依據各自的場景、特有的經驗、規則和數據，打造出各種各樣的智慧體。未來，數以百萬計的智慧體將會出現，形成一個龐大的智慧體生態系。
試想，這數以百萬計的智慧體匯聚起來，將會成為千行百業裏一股強大的生產力引擎。因為智慧體自身，就是具備超級能幹特征的「多邊形能力戰士」，它不僅僅有基礎的對話能力，還會有反思、規劃、甚至是多智慧體協作能力。多智慧體規劃如若實作，其能力將會倍增。此前李彥宏曾提到，在一些復雜系統中，讓不同的智慧體互動，相互協作，能更高品質地完成任務。
李彥宏的這些思路也早已不是停留在理論側。 百度在今年4月推出了文心智慧體平台，其基於文心大模型能力，能夠支持更多企業和開發者低門檻的去批次化建立智慧體 。統計顯示，目前已有16萬多名開發者和超5萬家企業入駐，覆蓋了100多個套用場景。其中一些企業的探索已經走在了前面，諸如知了愛學、啟德教育、佐菲雅等企業，不但在平台上建立出了自有場景的智慧體，還正在初步試水跑通商業模式。
當然，當市面上的智慧體像曾經的網站一般成千上萬地出現時，搜尋顯然是一個更高效的分發入口。WAIC現場，李彥宏表示，「搜尋是智慧體分發的最大入口。」如今在百度搜尋上，已經能看到很多智慧體在上面提供內容服務，百度搜尋也上線了「AI助手」頻道，為企業建立的智慧體打通分發渠道。
拿最近大家關註的高考填報誌願為例，在高峰時期，百度的高考智慧體每天要回答超過兩百萬個考生問題。 考生的個人情況、大學、專業的情況都很復雜，很適合有一個智慧體來為每一個考生針對性解答。類似這樣的剛需場景，其實遠比讓大模型去寫高考作文實際得多。
機遇與隱憂可以看到，無論對技術路線的爭議幾何，百度依然有著自己的節奏，堅持大模型實用主義，並在這場套用落地的長跑中給出了自己的答案：
「兩個多月前我們宣布文心大模型的日呼叫量超過了2億，最近我們又說文心的日均呼叫量超過了5億！僅僅兩個多月的時間，呼叫量發生了這麽大的變化，足見它背後代表了真實的需求，是有人在用，是有人真的從大模型當中獲益了，得到了價值。」在WAIC現場，李彥宏亮出了百度大模型套用落地的最新成績單。
作為一家最早就投入人工智慧研究的中國公司，從十多年前埋頭幹到今天成為大模型浪潮中的領跑者，這樣的成果算是功不唐捐。
最後對於使用者層在AI時代的一個經典擔憂— AI如此快速的發展之下，自己會不會被AI取代。李彥宏現場分享了自己的看法，他認為， 一方面AI更多只是輔助人的工作，而不是替代人工作 。另一方面AI也帶來了很多全新的工作機會，例如提示詞工程師和數據標註員的需求規模會越來越龐大。
「從石器時代的手斧，到移動時代的手機，再到AI時代的大模型，人類不斷創造各種工具來改善生活，但是它們永遠只是工具，只有在被人類所使用的時候才有價值。」
他很堅定地相信，AI不是人類的競爭對手，我們構建和套用人工智慧技術，是為了滿足人的需求，增強人的能力、讓人類的生活更美好。
盡管今天的AI行業人聲鼎沸，但在行業中積累更深、理解技術更透徹的企業，他們的看法和洞察可能始終會潛移默化地影響著潮水的走向。這不斷增長的套用生態和指數級增長的呼叫量，都是在行業發展的不確定性中，邁向繁榮的指路訊號。
