百度李彦宏最新预判：大模型应用，最看好这个方向！

人工智能是新一轮科技革命和产业变革的重要驱动力量。百度创始人、董事长兼首席执行官李彦宏先生在2024世界人工智能大会上进行了分享。

1、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。

2、同样参数规模之下，闭源模型能力比开源模型要更好。

3、没有应用，大模型将一文不值。大家不要卷模型了，要去卷应用。

4、一天到晚到处跑分刷榜，谁又超越GhatGPT4，Open AI又出来Sora，今天这个发布，明天那个更新。但是我要问，应用在哪里？谁从中获益了？

5、百度内部我们有30%左右的代码已经是用AI生成了，代码采用率超过44%。

6、我们要避免掉入超级应用陷阱。不要觉得一定要出一个DAU超级应用APP才叫实用，“超级能干”的应用比只看DAU的“超级应用”更重要。

7、智能体，是我们最看好的AI应用发展方向。将来会有数以百万量级智能体出现，形成庞大的智能体生态。

8、AI更多是在扮演Copilot角色。

以下为李彦宏分享内容，进行了编辑后：

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。

2022年的世界人工智能大会的主题是元宇宙，当年我讲的主题就是AIGC。当时我认为，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生成式人工智能。

讲这个话是在2022年的夏天，5个月之后的事情大家都清楚，GhatGPT发布了……

2023年，国内出现百模大战，造成社会资源的巨大浪费，尤其是算力浪费。但也使得我们追赶世界上最先进的技术模型能力得到建立。现在，国内有很多闭源模型都声称已经追平或超越ChatGPT的水准。

01

回应“开源闭源之争”

有一些外行混淆模型开源和代码开源两个概念。

模型开源拿到一大堆参数，你还是要SFT（监督微调），还是要做安全对齐。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。

同样参数规模之下，闭源模型能力比开源模型要更好。

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。

当然，我也承认开源模型在某一些场景下是有它的价值的。比如，一些学术研究或者在教学领域，大家想要研究大模型工作机制、形成理论，这个时候是有价值的。

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市场环境当中的时候，你需要让自己业务的效率比同行更高，成本比同行更低。

02

没有应用，大模型将一文不值

当然这都不是最重要的。

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。

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，我们媒体把主要关注点放在基础模型身上。

一天到晚到处跑分刷榜，谁又超越GhatGPT4，Open AI又出来Sora，今天这个发布，明天那个更新。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，基于基准模型应用在各个领域，各行各业，开始逐步渗透。

两个多月前，我们宣布文心的模型调用量超过2亿，最近我们又说文心大模型调用量超过5亿。仅仅两个多月时间，调用量发生这么大变化，足见背后是代表了真实的需求，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：

**1）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，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。

**2）小说创作领域，**一开始用开源模型，后来用文心轻量级模型，经过上万组数据的SFT结果有了明显提升。最近转到文心4.0版本，仅用数百条数据，4.0在逻辑上面展示出了非凡优势。生成的内容，无论是可用率还是优质率都大大超过了文心的轻量级模型，网文作者文如虎添翼。

**3）代码生成领域，**百度内部我们有30%左右的代码已经是用AI生成了，代码采用率超过44%。

03

最看好的方向：智能体

不过，我们要避免掉入超级应用陷阱。

不要觉得一定要出一个DAU超级应用APP才叫实用，“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。

随着基础模型日益强大，开发应用越来越简单了，最简单就是智能体，这个也是我们最看好的AI发展方向。

制造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，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、农业等领域，都会依照自己场景，自己特有经验规则、数据等，做出各种各样智能体。

将来会有数以百万量级智能体出现，形成庞大的智能体生态。

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写高考作文，我用AI写一个作文得多少分。其实这个实用价值是不大的，人家不会允许你带大模型进去参加高考。

真正需求是大量考生在考完以后，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，而每一个考生情况又是不一样的，这个时候就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200万个考生的问题。

04

AI在扮演的是Copilot角色

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做了，人是不是就没有工作机会了？

这种担心不是没有道理，但是过去这一段时间我听到了很多担心，听到了很多抱怨。听到建设性的意见比较少，很少有人去致力于发掘生成式AI带来的新的工作机会。

我这里算是抛砖引玉。

AI更多是在扮演Copilot角色，副驾驶，还要人来把关。AI只是辅助人工作，不是替代人工作，它让人的工作效率更高，质量更好。

我们也可以看到，有一些全新的工作开始冒出来了，比如说数据标注师，过去几年我们帮助全国20多个城市落地了数据标注中心，提供了大量的新的就业岗位。再比如说，提示词工程师，以后不用编程，但是做好一个智能体还需要把工作流说清楚，这里头有很强的逻辑性。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，你做的一般也能够养家糊口，做的好可以年薪百万。

自人类文明诞生以来，创新刻在我们DNA当中，从石器时代的文字，到移动时期的手机，再到AI时代大模型。

人类不断创造各种工具改善生活提高生产力，但是他们永远只是工具，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，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，让人类生活更美好。

---

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

以上的AI大模型学习路线，不知道为什么发出来就有点糊，高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。