作者 | 凌敏
自 ChatGPT 發(fā)布以來，圍繞大模型展開的競賽從未停歇。從最初的卷參數(shù)到卷落地應用，大家的關注點逐漸趨向務實。然而，高昂的算力成本、碎片化的 AI 應用生態(tài)，始終是扎在企業(yè)喉嚨里的一根“魚刺”——企業(yè)投入了大量資源，卻發(fā)現(xiàn)實際收益與預期相差甚遠，難以走出“ROI 困境”。
2025 年，隨著 MCP（Model Context Protocol，模型上下文協(xié)議）和 A2A（Agent2Agent，智能體交互協(xié)議）的興起，大模型應用開發(fā)迎來了新的轉折點。MCP 協(xié)議通過標準化接口打破數(shù)據(jù)孤島，讓大模型精準調用外部資源，數(shù)據(jù)能夠在不同系統(tǒng)和平臺之間自由流動；A2A 協(xié)議則進一步推動了 Agent 之間的無縫交互，讓不同的 Agent 進行協(xié)作與交流，形成有機整體。
從 MCP 到 A2A，不難看出，“開放”已經(jīng)成為大模型應用生態(tài)新的關鍵詞。這種開放性不僅體現(xiàn)在技術層面的互聯(lián)互通，更體現(xiàn)在理念層面的協(xié)同合作。從更宏觀的角度來看，這一轉變也反映了技術發(fā)展的普遍規(guī)律：從技術的狂熱到理性的應用落地，從孤立的技術創(chuàng)新到生態(tài)系統(tǒng)的協(xié)同進化。
過去，大模型的價值被過度聚焦于“參數(shù)規(guī)?！焙汀皢吸c能力”，如今，MCP 和 A2A 不僅解決了 AI 應用間的互聯(lián)互通問題，也重新洗牌大模型生態(tài)的競爭格局，大模型應用開發(fā)不再是傳統(tǒng)的“單兵作戰(zhàn)”模式，而是彼此緊密關聯(lián)。這也意味著，企業(yè) CTO 們需要重新審視 AI 的價值——不再單純地追求模型規(guī)模，盲目 All in，而是通過一個能鏈接多元 AI 能力的平臺，真正將 AI 能力有機嵌入現(xiàn)有業(yè)務流程和生產(chǎn)系統(tǒng)，并通過協(xié)同和標準化的方式提升整體效率，用最少的算力解決最關鍵的問題，讓大模型落地走出“ROI 困境”。
算力浪費與場景錯配，
正浪費企業(yè)千萬預算
在過去很長一段時間，大模型應用落地難以走出高投入、低產(chǎn)出的瓶頸。這一現(xiàn)象折射出 AI 產(chǎn)業(yè)發(fā)展的深層次矛盾：其一，算力浪費現(xiàn)象嚴重，有數(shù)據(jù)顯示，企業(yè)級通用算力中心的利用率僅在 10%-15% 之間，大量的算力資源處于閑置狀態(tài)；其二，場景錯配，模型性能與實際業(yè)務場景需求并不匹配。
一個典型的現(xiàn)象就是“用大炮打蚊子”，一些企業(yè)過度依賴通用大模型能力，將其應用于輕量級任務場景中。此外，由于業(yè)務場景存在特殊性，也有不少企業(yè)深陷兩難困境：若采用大模型，就要承受高昂的算力成本和較長的推理時間；若退而求其次采用小模型，又難以滿足業(yè)務需求。在那些需要專業(yè)領域知識的業(yè)務場景中，這一矛盾表現(xiàn)得尤為突出。
以招聘行業(yè)的人崗匹配場景為例，企業(yè)既需要模型具備深度推理能力，來理解簡歷與職位描述之間的復雜關聯(lián)，又對響應速度有一定的要求。尤其是在高并發(fā)的用戶需求下，通用大模型過長的推理時間嚴重影響用戶體驗。
為了更好地平衡性能與效率，模型蒸餾技術近幾年逐漸成為行業(yè)關注焦點， 隨著今年年初 DeepSeek-R1 的推出，該技術的應用價值愈發(fā)凸顯。尤其是在處理復雜推理任務方面，模型蒸餾技術能捕捉 DeepSeek-R1 的“思維鏈”模式，使輕量化學生模型能夠繼承其推理能力，而非僅僅模仿輸出結果。
以智聯(lián)招聘為例，其采用 6000 多億參數(shù)的 DeepSeek-R1 作為教師模型，將處理人崗匹配任務時的思維鏈和決策邏輯沉淀下來，通過百度智能云千帆模型開發(fā)平臺對教師模型做蒸餾，遷移到百億參數(shù)的 ERNIE Speed 模型（即學生模型）。不僅達到媲美教師模型的效果（DeepSeek-R1 的推理鏈路結果準確率達 85%，學生模型準確率達到 81% 以上），還將推理速度提升到業(yè)務可接受的水平，相較 DeepSeek-R1 滿血版，速度更是快了 1 倍，而成本僅為原來的三成。
當前，企業(yè)在技術路線上通常會采用兩種方式實現(xiàn)模型蒸餾：一是完全自建從基礎設施、GPU 到訓練框架的完整技術體系，二是采用千帆模型開發(fā)平臺或其他廠商提供的平臺化解決方案。智聯(lián)招聘 AI 應用專家姚思佳表示，智聯(lián)招聘內部擁有一套訓練框架，之所以最終通過千帆模型開發(fā)平臺實現(xiàn)模型蒸餾，主要有三點考量：
第一，千帆模型開發(fā)平臺在模型蒸餾領域提供了業(yè)內領先的完整支持，整個技術鏈條都圍繞著蒸餾場景進行了深度優(yōu)化；
第二，與自行購買和維護硬件相比，千帆模型開發(fā)平臺在成本控制方面也具有明顯優(yōu)勢，在資源分配上也更加靈活；
第三，百度專業(yè)的解決方案團隊能深入業(yè)務場景，能快速理解招聘領域對‘精準匹配’與‘高并發(fā)響應’的核心訴求，與企業(yè)共同探討解決方案。
據(jù)姚思佳介紹，下一步，智聯(lián)招聘還將繼續(xù)扮演 AI+ 招聘場景的拓荒者角色，利用千帆平臺的基于強化學習的微調技術（RFT）進一步提升模型性能?！耙环矫嫣剿鹘處熌Ｐ褪欠窨梢該碛羞M一步的提升空間，另一方面，看其是否可以通過更好的獎勵機制，優(yōu)化已經(jīng)蒸餾過的學生模型，提升模型準確率?！睋?jù)悉，千帆是國內首個把 RFT、GRPO 等領先強化學習方法產(chǎn)品化的平臺。通過將這些前沿強化學習方法轉化為可落地的解決方案，千帆為更多像智聯(lián)招聘這樣的企業(yè)，在模型性能優(yōu)化上提供了更多可能性。
不過模型蒸餾技術優(yōu)化的終歸只是單一模型性能，在一些復雜業(yè)務場景下，還需要將多樣化的 AI 能力與場景進行精準匹配。
以智能手機為例，在通話助手這類意圖識別場景中，通常采用輕量級模型，快速識別出用戶的問題；在天氣查詢、新聞資訊獲取這類通識問答場景中，通常采用中量級模型，快速給出用戶準確且具有一定信息量的回答；在數(shù)據(jù)分析、邏輯推理這類需要深度思考的場景中，通常采用重量級模型。
這也意味著，一臺智能手機需要在不同用戶需求場景下，靈活調用多款大模型。對手機廠商而言，一面是較高的模型選擇成本，一面是不同模型的接口協(xié)議等復雜調用流程。
針對這些行業(yè)痛點，千帆模型開發(fā)平臺對模型路由接口做了產(chǎn)品化，與直接使用原廠模型相比，其提供了定制開發(fā)、開盒即用的 API 調用產(chǎn)品能力，能夠幫助企業(yè)節(jié)省工程化工作量和開發(fā)時間，降低成本。此外，千帆模型開發(fā)平臺還能支持大規(guī)模用戶的靈活調用，面對高頻、高并發(fā)調用需求，也能做到又快又穩(wěn)定。
在模型層面，模型蒸餾、多模型調用等技術能力正幫助越來越多的企業(yè)優(yōu)化資源分配，讓 AI 能力精準匹配業(yè)務場景的同時，還能降低成本。在應用層面，時下備受業(yè)界關注的 MCP、A2A 則進一步打下 AI 試錯成本，幫助企業(yè)優(yōu)化應用協(xié)作范式的同時，也改變了傳統(tǒng) Agent 開發(fā)中“重復造輪子”的低效模式。
從模型到應用的一套“組合拳”，才是助力大模型落地走出“ROI 困境”的滿分答卷。
從封閉到開放，
AI 試錯成本一降再降
從 2023 年起，AI 應用落地的關鍵詞就已經(jīng)逐漸變成 Agent，到了 2024 年，幾乎所有企業(yè)都在探討 Agent 的應用與發(fā)展。但實際上，彼時的 Agent 缺乏真正的規(guī)劃能力，更多是基于工作流的角度，將大模型與基礎應用進行連接，通過專家視角的規(guī)則來拼接或流程化組件。
隨著近期 MCP 和 A2A 兩大協(xié)議興起，2025 年也成為真正的“Agent 元年”。尤其是 MCP，其對 AI 領域帶來的影響不亞于當年互聯(lián)網(wǎng)的 TCP/IP 協(xié)議。
必優(yōu)科技 CEO 周澤安在接受 InfoQ 采訪時表示，MCP 為 AI 領域帶來的核心價值體現(xiàn)在三個維度：
第一，MCP 實現(xiàn)了大模型工具調用的標準化。在過去，每家企業(yè)都有自己的 Function Call 實現(xiàn)，彼此間的差異巨大。MCP 通過建立統(tǒng)一的接入標準，使得客戶端與服務端之間的應用調度方案實現(xiàn)了真正的標準化。此外，通過 MCP，不僅可以在支持 Function Call 的大模型之間實現(xiàn)對接，還能與不具備該功能的大模型進行交互。
第二，MCP 解決了工具協(xié)同難題。MCP 協(xié)議的統(tǒng)一標準使得 Agent 服務的構建變得更加多元。開發(fā)者不僅需要考慮自身擁有的 Agent 和 MCP 服務，還可以思考如何整合外部能力，以實現(xiàn)更強大的 Agent 功能。
第三，MCP 能通過大模型串聯(lián)起整個上下文進行控制，交互形態(tài)更加友好。在搭建流程時，它可以使用更廣泛的數(shù)據(jù)源，解決一些此前無法實現(xiàn)的復雜任務。
“總的來說，MCP 協(xié)議顯著降低企業(yè)采用 AI 技術的門檻。過去企業(yè)在接入 Agent 時技術對接流程復雜，如今，企業(yè)不再需要深入理解復雜的技術實現(xiàn)細節(jié)，只需明確自身的業(yè)務需求即可?！敝軡砂脖硎?，必優(yōu)科技已經(jīng)將自研的人力資源行業(yè)垂類大模型“伯樂”的文檔處理能力通過 MCP 協(xié)議全面開放，包括合同、簡歷和 PPT 等，并成為首批將 MCP 組件上線到千帆應用開發(fā)平臺的企業(yè)開發(fā)者。目前，任何企業(yè)或個人開發(fā)者都可以在千帆平臺上直接調用其專業(yè)能力。
“百度將幫助開發(fā)者積極全面擁抱 MCP”。在 4 月 25 日舉辦的 Create2025 百度 AI 開發(fā)者大會上，千帆平臺正式推出企業(yè)級 MCP 服務，百度創(chuàng)始人李彥宏現(xiàn)場演示了千帆平臺擁抱 MCP 的案例，開發(fā)者在創(chuàng)建 Agent 時可以靈活接入包括百度 AI 搜索、地圖、文庫等在內的 1000 個 MCP Server。此外，千帆還推出了低代碼創(chuàng)建 MCP Server 的工具，開發(fā)者也可以在千帆上輕松開發(fā)自己的 MCP Server，一鍵發(fā)布到千帆 MCP 廣場。這些 MCP Server 也會被百度搜索及時索引，從而被更多的開發(fā)者發(fā)現(xiàn)并使用。
事實上，千帆在 MCP 協(xié)議興起之前，就已經(jīng)在持續(xù)解決 AI 落地最后一公里的難題，幫助企業(yè)高效、低門檻享受到 AI 技術紅利，并為多個行業(yè)提供成熟的解決方案。
例如在智能家居行業(yè)，過去企業(yè)普遍面臨一個共性難題：如何為海量產(chǎn)品型號提供精準的智能服務？隨著大模型應用加速落地，越來越多的企業(yè)開始通過 Agent，快速為用戶提供精準且個性化的回答。但與此同時，也帶來了一個新的難題：如何開發(fā)和管理眾多 Agent？智能家居品牌通常旗下?lián)碛斜姸嗖煌a(chǎn)品品類和型號，如果為每款產(chǎn)品單獨搭建一個 Agent，不僅開發(fā)成本高，后期的管理、維護成本也不容小覷。
以某智能家居頭部品牌為例，其通過百度智能云千帆應用開發(fā)平臺將文件名作為獨立切片，并將文件名切片信息嵌入到每個細分切片中。無需為每款產(chǎn)品單獨搭建 Agent，只需要梳理好對應的知識庫，并定義好產(chǎn)品型號名稱，即可通過千帆平臺的 RAG 框架自動解析策略，實現(xiàn)產(chǎn)品型號與知識點的精準匹配。
千帆應用開發(fā)平臺還為該品牌提供了一套運營工具，構建一個能持續(xù)進化的智能中樞——通過數(shù)據(jù)回流功能，所有用戶交互記錄都轉化為優(yōu)化素材，運營人員可以實時查看高頻問題，對未覆蓋的知識點進行即時干預，形成“運營 - 反饋 - 優(yōu)化”的閉環(huán)。此外，千帆應用開發(fā)平臺與小度 AI 助手聯(lián)合共建了語音交互框架，依托這套框架，品牌能夠讓硬件與用戶直接“對話”，實現(xiàn)更加自然、高效且個性化的交互體驗。
從 MCP 到 A2A，開放已經(jīng)成為大模型應用生態(tài)新的關鍵詞。而開放，也是千帆平臺的初心——從 2023 年發(fā)布的第一天起，千帆就以最開放的姿態(tài)，接入了豐富的三方大模型。目前，千帆已經(jīng)接入超 30 家模型廠商的 100 多個模型，覆蓋文本、圖像、深度推理等 11 類能力，如 DeepSeek、LLaMA、通義、Vidu 等三方模型；同時提供全系列文心大模型，包括最新發(fā)布的原生多模態(tài)模型文心 4.5 Turbo 和深度思考模型文心 X1 Turbo，以及稍早前發(fā)布的深度思考模型文心 X1。
對于那些希望快速實現(xiàn) AI 技術落地的企業(yè)來說，百度智能云正逐漸成為首選。市場數(shù)據(jù)就是最好的佐證。目前，千帆平臺已服務超 40 萬客戶，在央企滲透率超過 60%。另據(jù)中國大模型中標項目監(jiān)測與洞察報告 (2025Q1)，百度在第一季度實現(xiàn)了大模型中標項目數(shù)量和中標金額上的雙第一：中標 19 個大模型招標項目，項目披露金額超過 4.5 億元，且中標的大模型項目幾乎都來自能源、金融等行業(yè)的央國企客戶。
百度智能云的成績單也向外界傳遞出一個信號：在這場 AI 技術落地的持久戰(zhàn)中，唯有那些真正理解產(chǎn)業(yè)痛點、能夠幫助企業(yè)降低試錯成本的方案，才最具生命力。
熱門跟貼