關(guān)于百度，關(guān)于百度智能云，伴隨著AI大模型浪潮的帶來，外界一直以來的印象是“AI第一槍”、“先行者”、“領(lǐng)跑人”等等標(biāo)簽，但在這些“速度”的定語底層，這家在每個(gè)時(shí)代都保持進(jìn)化的互聯(lián)網(wǎng)巨頭還有另外一些表達(dá)，如扎實(shí)務(wù)實(shí)，如體系創(chuàng)新。
這些新的體系表達(dá)里對(duì)應(yīng)的是把技術(shù)轉(zhuǎn)化為生產(chǎn)力的工程AI能力，對(duì)應(yīng)的是在每個(gè)千帆平臺(tái)細(xì)小產(chǎn)品模塊上的對(duì)產(chǎn)業(yè)know-how表達(dá)的精益求精，也更是從需求到產(chǎn)品再到需求的系統(tǒng)進(jìn)化飛輪。
作者|皮爺
出品|產(chǎn)業(yè)家
“我們這些產(chǎn)品不是憑空捏造來的，而是根據(jù)企業(yè)真正的需求一個(gè)個(gè)打造出來的，包括我們千帆模型開發(fā)平臺(tái)、應(yīng)用開發(fā)平臺(tái)以及數(shù)據(jù)智能平臺(tái)。”林小琳告訴產(chǎn)業(yè)家。
作為百度智能云平臺(tái)產(chǎn)品事業(yè)部增長(zhǎng)運(yùn)營(yíng)負(fù)責(zé)人，她所說的是百度智能云千帆大模型平臺(tái)的三個(gè)核心產(chǎn)品。
對(duì)于千帆大模型平臺(tái)，外界并不陌生。從某種程度來看，這是繼2023年百度面向AI發(fā)布文心大模型后，打響的“第二槍”，而就全球范圍來看，這甚至是真正將“AI落地流程”進(jìn)行產(chǎn)品化呈現(xiàn)的AI工具層“第一槍”。
而林小琳所說的恰是這個(gè)工具層的內(nèi)部產(chǎn)品運(yùn)營(yíng)邏輯?！斑@些都是為了保障真正的落地，很多產(chǎn)品的具體功能都是我們和落地AI的企業(yè)深度共建的，也是真實(shí)‘趟’出來的?！?/p>
實(shí)際上，從更廣的視角來看，“AI落地”——這個(gè)百度智能云千帆核心“KPI”，如今也逐步成為一眾中國(guó)企業(yè)提升生產(chǎn)力的首要指標(biāo)。
但這并不是一件容易的事。根據(jù)不完全統(tǒng)計(jì)，在如今全部啟動(dòng)的AI項(xiàng)目中，有接近30%-80%的項(xiàng)目陷入困境，比如根據(jù)RAND智庫(kù)統(tǒng)計(jì)，有80%的AI項(xiàng)目失敗，失敗率是傳統(tǒng)IT項(xiàng)目的兩倍，再比如根據(jù)2025年Gartner報(bào)告顯示，有30%的生成式AI項(xiàng)目因成本高昂、數(shù)據(jù)質(zhì)量差和商業(yè)價(jià)值不明確被擱置。
AI作為注定引領(lǐng)生產(chǎn)力革命的技術(shù)手段，其正確的打開方式和落地SOP應(yīng)該是怎樣的？以及即使對(duì)2025年的如今而言，這些工程化的“基座”是否已經(jīng)準(zhǔn)備好了？這些問題，在數(shù)據(jù)體系構(gòu)建不完整的中國(guó)土壤上也更被無限放大。
這些問題，也是過去2年多時(shí)間千帆平臺(tái)的進(jìn)化主線——從技術(shù)到產(chǎn)品，從基座模型到行業(yè)模型，從數(shù)據(jù)體系到Agent。這些被拆解的工程化模塊在幫助一個(gè)個(gè)企業(yè)完成AI大模型落地的同時(shí)，也更構(gòu)建著千帆平臺(tái)的最新進(jìn)化。
關(guān)于創(chuàng)新，谷歌聯(lián)合創(chuàng)始人拉里·佩奇曾有這樣一個(gè)說法，“創(chuàng)新的本質(zhì)不是創(chuàng)造新奇，而是讓復(fù)雜的技術(shù)變得簡(jiǎn)單可用?！?/p>
800天，千帆正在交出一份屬于產(chǎn)業(yè)AI的創(chuàng)新答卷。
一、中國(guó)產(chǎn)業(yè)AI落地，走到哪了？
首先，一個(gè)毋庸置疑的信號(hào)是：在中國(guó)產(chǎn)業(yè)土壤里，嘗試AI企業(yè)的企業(yè)在明顯增多。
根據(jù)一份2023年的相關(guān)《白皮書》統(tǒng)計(jì)，在當(dāng)時(shí)進(jìn)行的一份市場(chǎng)調(diào)查問卷中，積極落地AI的企業(yè)僅僅占到53.7%；而在2025年，根據(jù)貝殼財(cái)經(jīng)的調(diào)查數(shù)據(jù)顯示，這個(gè)口徑對(duì)應(yīng)的數(shù)據(jù)則是增長(zhǎng)到了91%。
但與這個(gè)“熱情”形成鮮明對(duì)比的還有另外一組數(shù)據(jù)，即居高不下的AI落地失敗率，即在2023年Gartner的報(bào)告統(tǒng)計(jì)口徑中，AI項(xiàng)目的失敗率高達(dá)63%，而根據(jù)2025年這一權(quán)威報(bào)告機(jī)構(gòu)的最新報(bào)告統(tǒng)計(jì)口徑，也更是有超過80%的AI項(xiàng)目未達(dá)預(yù)期。
AI落地，到底難在哪？
在回答這個(gè)問題之前，可以先來看當(dāng)下AI落地的整個(gè)鏈路，總體來說分為三步，即“選擇基座模型—精調(diào)企業(yè)模型—Agent相關(guān)產(chǎn)品開發(fā)”。
在這三個(gè)大的節(jié)點(diǎn)中又分為一些小的節(jié)點(diǎn)，比如在這個(gè)鏈條之前，企業(yè)需要選擇API公有云接入還是本地私有化部署，在“選擇基座模型”環(huán)節(jié)，是選擇直接部署基座模型還是選擇在某個(gè)基座模型的基礎(chǔ)上蒸餾小模型，以更具性價(jià)比的方式進(jìn)行部署。
比如在“精調(diào)企業(yè)模型”環(huán)節(jié)，企業(yè)需要優(yōu)先構(gòu)建好自身的企業(yè)數(shù)據(jù)和對(duì)應(yīng)的行業(yè)數(shù)據(jù)集，基于此進(jìn)行模型的精調(diào)；再比如Agent開發(fā)環(huán)節(jié)，企業(yè)需要明確定位好自身需要使用AI的場(chǎng)景，以選擇將AI能力嵌入原來的軟件，還是單獨(dú)打造Agent產(chǎn)品等等。
如果想要做好AI落地，對(duì)企業(yè)而言，這些節(jié)點(diǎn)都必須完成。但從現(xiàn)實(shí)的情況來看，這些節(jié)點(diǎn)也可能是一個(gè)個(gè)“難點(diǎn)”。
從最底層的模型部署來看，許多企業(yè)對(duì)調(diào)用模型API接口比較熟悉，但由于自身業(yè)務(wù)性質(zhì)特殊，部分企業(yè)需要本地化部署模型。然而，本地部署后的模型運(yùn)維（如蒸餾、精調(diào)等）與公有云版本存在差異，這就要求企業(yè)具備相應(yīng)的部署和運(yùn)維經(jīng)驗(yàn)。
首先，在模型蒸餾方面，2024年年中之前，相關(guān)技術(shù)尚未完全成熟，企業(yè)很難基于基座模型高效地蒸餾出小參數(shù)模型。這不僅導(dǎo)致部署成本較高，模型效果也受到明顯限制。
其次，在模型精調(diào)環(huán)節(jié)，由于國(guó)內(nèi)大部分企業(yè)仍處于數(shù)字化建設(shè)的早期階段，數(shù)據(jù)體系尚未完善，知識(shí)庫(kù)等基礎(chǔ)設(shè)施也相對(duì)薄弱。因此，企業(yè)往往缺乏足夠的數(shù)據(jù)支撐，難以通過精調(diào)讓模型適配自身的工作場(chǎng)景和業(yè)務(wù)流程。
最后，在Agent部署階段，場(chǎng)景匹配成為關(guān)鍵挑戰(zhàn)。目前業(yè)內(nèi)的共識(shí)是“AI落地，場(chǎng)景為王”。企業(yè)在構(gòu)建Agent之前，需要先梳理自身業(yè)務(wù)，明確哪些內(nèi)部流程或行業(yè)特性最適合優(yōu)先引入AI技術(shù)，以確保實(shí)際應(yīng)用效果。
但對(duì)大部分中小企業(yè)，乃至大型企業(yè)而言，這種“診斷”體系并不存在，一方面大部分企業(yè)對(duì)于AI能發(fā)揮的價(jià)值點(diǎn)到底在哪并不清晰，另一方面對(duì)不同產(chǎn)業(yè)、不同內(nèi)部流程的企業(yè)而言，這更是一個(gè)極具“行業(yè)know-how”的推進(jìn)動(dòng)作，需要結(jié)合“AI+產(chǎn)業(yè)”的屬性進(jìn)行定位。
除了這些顯而易見的挑戰(zhàn)之外，AI落地還面臨著諸多隱性難題。比如居高不下的算力成本，從模型層到數(shù)據(jù)層再到應(yīng)用層的一站式需求缺口，以及持續(xù)性的模型優(yōu)化和智能體升級(jí)等需求。這些"看得見"和"看不見"的挑戰(zhàn)共同構(gòu)成了AI技術(shù)落地的完整難題圖譜。
從當(dāng)前市場(chǎng)服務(wù)商的布局來看，針對(duì)AI落地過程中的單個(gè)技術(shù)瓶頸，其實(shí)并不缺乏解決方案。例如在數(shù)據(jù)體系建設(shè)方面，已有眾多服務(wù)商提供從數(shù)據(jù)標(biāo)注到治理的全流程服務(wù)；在Agent開發(fā)環(huán)節(jié)，也不乏宣稱能夠構(gòu)建通用型或行業(yè)專屬Agent應(yīng)用的軟件供應(yīng)商。
但實(shí)際情況是，這種碎片化的單點(diǎn)服務(wù)模式，反而可能給企業(yè)帶來更多實(shí)施障礙。由于各服務(wù)模塊之間缺乏有效銜接，導(dǎo)致模型與數(shù)據(jù)、數(shù)據(jù)與Agent等關(guān)鍵環(huán)節(jié)難以協(xié)同，最終形成新的"技術(shù)孤島"，加重了企業(yè)的落地負(fù)擔(dān)。
那么，真正有效的解決方案應(yīng)該是什么？或者說，一個(gè)既深諳行業(yè)know-how，又具備前沿AI技術(shù)實(shí)力的工程化平臺(tái)，究竟需要具備哪些關(guān)鍵特質(zhì)？
二、 “從需求出發(fā)到產(chǎn)品，到組織”
“千帆三個(gè)產(chǎn)品分別對(duì)應(yīng)著企業(yè)不同層面的需求?！绷中×崭嬖V產(chǎn)業(yè)家，“每一個(gè)產(chǎn)品都是從‘需求’倒推出來的?！?/strong>
這是百度智能云交出的一張答卷。即從產(chǎn)品構(gòu)成來看，在如今千帆大模型平臺(tái)上，三個(gè)核心的產(chǎn)品線為模型開發(fā)平臺(tái)、應(yīng)用開發(fā)平臺(tái)、數(shù)據(jù)智能平臺(tái)（此次百度Create大會(huì)發(fā)布），從具體功能來看分別對(duì)應(yīng)的是企業(yè)落地的三個(gè)核心節(jié)點(diǎn)，即模型部署、數(shù)據(jù)治理、應(yīng)用部署。
林小琳告訴我們，這三個(gè)產(chǎn)品對(duì)應(yīng)的恰是企業(yè)真正AI落地過程中需要的三個(gè)核心能力。
比如模型開發(fā)平臺(tái)，現(xiàn)在已經(jīng)提供了100多個(gè)模型，既包括剛剛在Create大會(huì)上Robin發(fā)布的文心4.5 Turbo等一系列百度自研模型，也包括像DeepSeek、Llama、通義、Vidu等等第三方模型，客戶真正用得上、效果好的模型在千帆上都能找到，而且服務(wù)穩(wěn)定、可靠，并且通過提供完整的工具鏈來幫助大家開發(fā)模型，為企業(yè)定制專精模型等。
再比如在應(yīng)用開發(fā)平臺(tái)，企業(yè)可以基于零代碼/高代碼的方式，快速生成自身的Agent應(yīng)用，并且完成一鍵部署，以及基于最新發(fā)布的數(shù)據(jù)智能平臺(tái)，通過多模態(tài)數(shù)據(jù)管理、多模態(tài)數(shù)據(jù)處理、彈性AI計(jì)算、統(tǒng)一在線協(xié)同開發(fā)四項(xiàng)核心能力，將企業(yè)把原本散落在各處的數(shù)據(jù)統(tǒng)一管理和治理，發(fā)掘數(shù)據(jù)的價(jià)值，實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)并提升業(yè)務(wù)的決策效率。
在顯性的這些能力模塊之外，千帆的更大價(jià)值點(diǎn)還更在隱藏的“產(chǎn)業(yè)屬性”?！?/strong>我們從最開始就一直和行業(yè)里的客戶共創(chuàng)行業(yè)解決方案，包括在不同產(chǎn)業(yè)、不同場(chǎng)景內(nèi)該用怎樣的方式進(jìn)行落地，以及如何精準(zhǔn)落地發(fā)揮價(jià)值?！绷中×毡硎?。
以考試寶為例，在百度智能云千帆的加持下，這家擁有6000萬用戶的成人教育平臺(tái)如今已經(jīng)可以做到千人千面的教學(xué)輔助。根據(jù)考試寶CTO介紹，原來人工制作解析一道題成本平均1.5元，現(xiàn)在基于AI成本降低至3厘，整個(gè)內(nèi)容生產(chǎn)效率較傳統(tǒng)人力模式提升了超1000倍。更結(jié)果側(cè)的一個(gè)數(shù)據(jù)是，在接入AI能力后，其產(chǎn)品營(yíng)收迎來了大幅增長(zhǎng)，產(chǎn)品付費(fèi)率增長(zhǎng)超過百分之百，營(yíng)收增長(zhǎng)更是超過240%。
這其中涉及到的不單純是模型側(cè)的調(diào)用，更包括一系列小參數(shù)模型生成、模型調(diào)優(yōu)等等一系列工程落地服務(wù)。
實(shí)際上，不僅考試寶，也不僅教育，在金融、能源、汽車等多個(gè)最新嘗試AI落地的行業(yè)，都能頻繁看到千帆的身影。數(shù)據(jù)顯示，百度智能云是目前國(guó)內(nèi)大模型項(xiàng)目中標(biāo)最多的企業(yè)之一。
根據(jù)三方統(tǒng)計(jì)，2024年全年大模型中標(biāo)項(xiàng)目共910個(gè)，在中標(biāo)項(xiàng)目數(shù)、行業(yè)覆蓋數(shù)、央國(guó)企中標(biāo)項(xiàng)目數(shù)這三個(gè)維度里百度智能云均為第一，此外，從行業(yè)來看，在能源、政務(wù)、金融這三個(gè)行業(yè)，百度智能云中標(biāo)項(xiàng)目數(shù)也更是位于所有廠商第一。
這些廣泛的落地也恰構(gòu)成著百度智能云對(duì)于大模型落地的深入理解，而這些理解的最直接能力轉(zhuǎn)化點(diǎn)正是千帆上的一系列模塊，比如模型蒸餾/精調(diào)、RAG能力、推理加速、Agent部署等等。
而這些真正的工程化模塊能力也恰構(gòu)成了千帆在模型工具層的真實(shí)成績(jī)——截至2025年3月，百度智能云千帆企業(yè)客戶數(shù)量40萬+，百度智能云千帆企業(yè)應(yīng)用開發(fā)數(shù)量100萬+，百度智能云千帆組件數(shù)量1000+。
從某種程度來看，這恰是一個(gè)先進(jìn)AI服務(wù)和先進(jìn)AI生產(chǎn)力的良性飛輪。即基于真實(shí)AI需求出發(fā)的產(chǎn)品構(gòu)成和產(chǎn)品進(jìn)化邏輯推動(dòng)了千帆在AI工程落地能力上的持續(xù)成型，而這種工程能力的成型也反向構(gòu)成著百度智能云在越來越多市場(chǎng)項(xiàng)目中的被選擇和被投票，進(jìn)而再反向推動(dòng)千帆內(nèi)不同產(chǎn)品模塊的升級(jí)。
“我們其實(shí)不怎么談虛的事情，核心訴求就是幫助企業(yè)在TO B側(cè)用好大模型，真正能做到AI落地，和生態(tài)伙伴一起做好行業(yè)解決方案?！绷中×照f道。
她還告訴我們，“百度智能云千帆始終秉持開放共贏的理念，我們深知在豐富的產(chǎn)業(yè)場(chǎng)景中需要與生態(tài)伙伴深度協(xié)同，打造更貼合行業(yè)需求的方案與服務(wù)，共同推進(jìn)AI技術(shù)在產(chǎn)業(yè)端的創(chuàng)新落地“。
三、產(chǎn)業(yè)AI爆發(fā)潮里，
我們需要怎樣的基建角色？
在大模型發(fā)展3年時(shí)間的如今，一個(gè)必須思考的問題是，我們到底需要怎樣的產(chǎn)業(yè)AI平臺(tái)？或者說，在中國(guó)這個(gè)特殊的產(chǎn)業(yè)土壤上，到底怎樣的產(chǎn)業(yè)AI平臺(tái)可以成為真正的基建者和助力者？
客觀來看，百度智能云千帆正在提供一個(gè)答案。
即在這個(gè)如今仍然在加速迭代的答案里，能看到的是從真實(shí)產(chǎn)業(yè)需求到產(chǎn)品滿足的良性倒推，是對(duì)真實(shí)先進(jìn)的AI技術(shù)的產(chǎn)業(yè)工程化拆解，是和一個(gè)個(gè)真實(shí)的大型企業(yè)不斷共建、共創(chuàng)的行業(yè)AI方案，也更是集合優(yōu)質(zhì)AI生態(tài)伙伴的共同發(fā)力，這些都在構(gòu)成著千帆平臺(tái)上一個(gè)個(gè)具備真實(shí)AI落地能力加持的組件和解決方案。
如今，這個(gè)具備良性循環(huán)的AI工程平臺(tái)如今還在持續(xù)迭代。除了前文提到的在本次Create大會(huì)上發(fā)布的數(shù)據(jù)智能平臺(tái)之外，固有的模型開發(fā)平臺(tái)和應(yīng)用開發(fā)平臺(tái)也被再次升級(jí)。
前者模型開發(fā)平臺(tái)更加多維開放，支持上百個(gè)模型服務(wù)；此外，新增多模態(tài)、深度思考模型工具鏈，并且成為國(guó)內(nèi)首個(gè)把RFT、GRPO等領(lǐng)先強(qiáng)化學(xué)習(xí)方法產(chǎn)品化的平臺(tái)；“一鍵蒸餾”功能，讓企業(yè)客戶更方便地用小參數(shù)模型“學(xué)”到大參數(shù)模型，解決特定問題的推理能力，降低大模型的使用成本。
后者應(yīng)用開發(fā)平臺(tái)則在Agent智能體側(cè)有更為亮眼的升級(jí)，比如在原來的Agent全流程服務(wù)之上，其邏輯推理、多模態(tài)、工具調(diào)用和多智能體協(xié)同能力再次升級(jí)，比如RAG能力升級(jí)為Agentic RAG，再比如在工具調(diào)用和多智能體協(xié)作上，其提供超過100個(gè)官方精品組件和1000+MCP組件，讓Agent可以像團(tuán)隊(duì)一樣配合完成復(fù)雜任務(wù)。
此外，在最前沿的MCP協(xié)議側(cè)，千帆還在國(guó)內(nèi)率先實(shí)現(xiàn)了MCP協(xié)議的全生態(tài)兼容，發(fā)布MCP組件廣場(chǎng)，企業(yè)可以基于自己的需求自行調(diào)用MCP組件，以更成熟的組件搭建自身的Agent產(chǎn)品。
這些升級(jí)共同傳遞出來的一個(gè)信號(hào)是，千帆正在加速把過去幾年百度智能云的產(chǎn)業(yè)實(shí)踐和技術(shù)積淀轉(zhuǎn)化為更可視、可用、可組合的模型、Agent等分子化能力，搭建出一個(gè)能讓企業(yè)更好落地AI大模型、打造自身AI體系的土壤環(huán)境。
關(guān)于百度，關(guān)于百度智能云，伴隨著AI大模型浪潮的帶來，外界一直以來的印象是“AI第一槍”、“先行者”、“領(lǐng)跑人”等等標(biāo)簽，但在這些“速度”的定語底層，這家在每個(gè)時(shí)代都保持進(jìn)化的互聯(lián)網(wǎng)巨頭還有另外一些表達(dá)，如扎實(shí)務(wù)實(shí)，如體系創(chuàng)新。
這些新的體系表達(dá)里對(duì)應(yīng)的是把技術(shù)轉(zhuǎn)化為生產(chǎn)力的工程AI能力，對(duì)應(yīng)的是在每個(gè)千帆平臺(tái)細(xì)小產(chǎn)品模塊上的對(duì)產(chǎn)業(yè)know-how表達(dá)的精益求精，也更是從需求到產(chǎn)品再到需求的系統(tǒng)進(jìn)化飛輪。
這一切也恰構(gòu)成了百度集團(tuán)執(zhí)行副總裁、百度智能云事業(yè)群總裁沈抖在這次大會(huì)上所說的那句話——系統(tǒng)的價(jià)值，不僅是解決某一個(gè)問題，而是讓企業(yè)擁有創(chuàng)造“創(chuàng)造的能力”。
奔跑800多天的千帆，恰在成為這句話的最佳側(cè)寫。
熱門跟貼