◎智谷趨勢 | 傅斯特

2000年前操作花樓機進行紡織作業的人一定不會想到，2000年后的今天，雖然紡織市場需求依舊存在，但產業已經從根本上被自動化和智能化所徹底重塑。

(資料圖片)

AI的重構能力，正在讓中國各行各業迎來“興奮時刻“。

9月5日，百度智能云宣布升級工業解決方案開物——基于文心大模型重構，新開物將實現從“產線智能” 到 “企業智能” 再到 “產業鏈智能” 的“三步走”策略，為企業帶來質的跨越和提升。

“在深耕工業領域的這幾年，我們發現，很多工業企業在推進智能化升級時，面臨著場景定制化開發成本高、使用門檻高的問題。”百度集團執行副總裁、百度智能云事業群總裁沈抖講道，“大模型的出現，為我們提供了全新的解決方案?！?/p>

這次升級，也意味著百度開物平臺AI應用從聚焦于垂直行業的特定場景化賦能轉向為全產業鏈賦能，被投放于更加廣泛的應用場景中，要用大模型和AI，對工業流程進行重構。

多年來，開物工業平臺在質量管控、安全生產、工藝優化、生產調度，以及能耗管理這五個大的場景中積累了非常多的應用能力。

圍繞企業現實，洞察根本需求，用AI的方式從端到端去為企業解決工作場景的問題，是過去百度和企業慣常的合作方式。

然而，大模型的出現，為產業重塑帶來了新的機遇。

依靠大模型，企業不僅可以對過去單一場景進行統一調度，還可以將企業的經營數據、工藝管理、生產管理都可以通過人工智能的方式進行統一控制。當這種智能革新從根本上改變所有工業生產、管理和運營方式之時，全產業鏈的智能調配也將得以成為現實。

這是大模型賦能能力的質變，也是人類生產力的一次飛躍。

從普通用戶感知較強的To C領域，快速下沉到To B的產業端，大模型正在從人們討論的話題中走出來，實踐于各個行業的賽道。

用AI全方位地開拓企業應用空間，已成為AI應用的全新價值錨點。

能力越大，責任越大;賦能越多，需求也就越多。

大模型的出現，讓企業看到了更多的可能性，它們的需求也在產生變化。

如果對當下的企業大模型應用市場進行梳理，不難發現，市場在大模型上的需求主要分為三大類：

第一類是從效益出發的。

過去，在企業智能化的過程中，AI是否能夠給各條產線帶來效率的提升，是很多實體企業關注的重點。

實體企業做數智化轉型，繞不開4個問題：

誰來承擔成本?轉型周期有多長?轉型后的易用性怎么樣?能帶來多大效益?

對于很多實體企業來說，在當下的經濟環境下，務實永遠是第一位的。

因此，它們在使用大模型的時候，更加看重能效比，大模型能夠為企業的生產和管理帶來多少直接收益，是他們最為注重的要點。

在大模型誕生前，行業內比較普遍是小模型這種專注于“死磕”單一場景、單一任務的私人定制方案：比如質量檢測、安全巡檢等。它的優點是技術較為成熟，企業容易計算出投入產出比，缺點則是在成本上沒有優勢。

這也是過去很多實體企業遲遲沒有進行智能化轉型的關鍵。

第二類是在第一類的基礎上，利用大模型對企業全部生產環節、經營數據、工藝管理進行統一調度，從而達成企業的真正完成智能化轉型。

很多人可能會認為，這不就是一個由局部到總體的過程嘛，有什么特別?

正所謂聚沙成塔，集腋成裘，積羽沉舟，群輕折軸。

站在企業全局看AI大模型為企業的全生態智能化賦能，我們才能發掘其中的革命性意義。

大模型將會為企業帶來智能生產的新范式：

首當其沖的，它會將員工從機械的勞動的中解放出來，這一點不言自明。

憑借引入大模型，員工不再需要投入大量時間去死記硬背常規內容，有問題只要問大模型，就能快速獲得高質量的解答。同時，將大量的事務性工作交由大模型去完成，也可以將專家真正專注于高質量、富有創新性的工作。

而更重要的是，AI進入生產環節后，將會徹底將企業的知識體系從零構建并沉淀下來。

對于傳統企業而言，最大的財富無疑是人。人不僅僅是生產力，還是創造力，是財富，也是知識。

一旦人離開企業，那么企業所積累的知識也將無疑被帶走很一大部分。

與大模型深度結合后，企業可以憑借大模型強大的理解和生成能力，整合不同領域的知識，形成一個個獨立的知識單元。

通過對企業全局數據和流程的有機整合，為創新團隊提供完整的分析數據，幫助其快速獲取知識，幫助員工非?？焖俚卦趧撔铝魉€中循環和反饋，在拉高效率的同時，也拉高創新的可能性。

而第三類，則是在前面的基礎上，百尺竿頭更進一步。

當企業的AI數智化轉型徹底成型，政府將會對產業鏈的分布有更為全面的認識，可以幫助地方政府在招商引資中補足和增強產業鏈決策，提出更為全面的指引性意見，AI將成為產業大腦，促進產業鏈的全局優化。

可以預見，大模型的普及將會成為智慧城市工業未來式的重要抓手。

眼下，所有人都在對大模型競相追逐。

技術側，巨頭、中小企業和初創公司爭相賽馬，一場激烈競逐的“千模大戰”正在上演。

而在產業端，許多企業則需要從大模型的千軍萬馬之中尋覓符合自身需求的那一個。

總的來說，當前B端企業對大模型的需求主要有兩類：

一類是用好大模型，另一類是做好大模型。

目前市場上數量最為龐大的企業，其實都是“用好大模型”的企業。

對于它們而言，拿來大模型就能來用是最直接的需求。更加深入一點的，大多是借助大模型來直接開發垂直領域的AI應用，或是結合自身掌握的行業數據，用基礎大模型精調出更貼合實際場景的行業大模型。

如何找到適合自己的大模型，是他們首先要面臨的問題。

要想挑選到一個適合自己的大模型，模型效果、迭代速度和工具鏈三個方面是關鍵，而百度提供的公有云服務提供了非常有針對性的解決方案。

在模型效果上，目前百度智能云千帆平臺上已經入駐了42個主流的大模型，企業可以根據自己業務的需要和場景來選擇一個或多個大模型。

作為一個開放平臺，千帆不僅僅是收納了足夠多的模型，還對這些模型進行了增強，比如：

針對像Llama2這種英文效果較好而中文效果欠佳的大模型，百度智能云進行了中文語言增強，重點提升國外主流大模型在中文場景的表現效果。

性能增強，可以全面提升大模型訓練和推理效率。訓練Llama2的總體吞吐可以提升25%，推理性能甚至可以提升2倍以上。

千帆平臺還對開源模型提供了長上下文的增強，滿足包括知識增強、長期記憶增強、文檔知識問答在內的各種長上下文場景的推理需求。

此外，千帆平臺上已經預置了41個高質量有行業特色的數據集，用戶只要點擊幾個按紐就可以完成微調提高模型的效率。

針對AI芯片迭代速度快的特點，千帆平臺在底層做了大量的適配和驗證工作，兼顧了國內外的這些主流的芯片和操作系統，這樣不同廠商不同代際的算力資源就可以混合部署在同一個平臺里，高效的配合使用。更重要的是客戶的算法不需要大量改動，只需要少量修改就可以在硬件上運行。

而針對門檻較低的普通用戶在調用大模型時效果不好的問題，千帆平臺則在數據集上下了足夠的功夫。

目前，在千帆平臺上提前內置了103套高質量的prompt模板，也提供了自動化prompt功能，可以幫助客戶快速生成優質的prompt。以前光是調試接入、驗證評估就需要算法團隊投入一星期的時間，現在基于千帆一站式的工具鏈，客戶當天就可以跑通一個模型并且看到效果，把真正的時間快速投入到應用的開發階段。

而且，這些通過大模型微調出來的垂直類AI，完全托管在百度智能云的云端，無需操心復雜的算力部署和日常運營的管理維護問題。

另一類想要做好大模型的，是希望自建大模型的企業。

這類客戶數量并不多，但又足夠重要，往往都是大企業居多。

很多大企業不僅是買一個大模型，而是希望獲得一種能力，最終擁有一個“只屬于自己的大模型”。

雖然訓練大模型的成本和技術壁壘都非常高，但技術可控、數據安全和功能定制才是大企業關注的重點。

針對這部分用戶的核心需求，百度研發了高效的集群組網故障的管理機制，可以快速完成故障的定位和恢復，使得這個模型有效訓練的時間占比超過了95%以上，極大降低了訓練的成本。

大模型訓練的多卡運行中，還面臨一個問題怎么樣保障GPU集群的性能，基于分布式的并行訓練策略，千帆大模型平臺在萬卡規模的集群中加速可以達到95%，這樣整個集群的整體算力就可以充分發揮出來。

針對這類用戶所關注的數據安全問題，千帆平臺為每個客戶提供了企業級的安全，在模型安全方面千帆為不同的模型廠商設計了可信的專用隔離域，重點保護模型資產的安全。在內容安全方面千帆預置了安全模塊可以有效控制輸入輸出的安全風險，在數據安全方面，千帆提供了從模型到數據到日志的全鏈路加密，為模型廠商和用戶提供可信的執行環境。

而且，千帆平臺還特別為此提供純軟件平臺交付與軟硬一體交付兩種私有化部署模式，充分滿足用戶的隱私和安全需求。

借助大模型的賦能，企業從此不再重復造輪子，而是把精力聚焦在最核心的業務邏輯上。

每一次科技革命，都是通過改變生產力和生產方式，從根本上改造了我們所生活的世界。

當人們都在說科學技術是第一生產力的時候，所有人都把技術的落地都當作理所當然。

但是，當我們有一天真的站在技術革命風暴來臨之前的海岸，人們才發現，原來科技和工業的結合，從來就不是順其自然，而是分屬于不同邏輯的耦合。

科技公司對現實的洞察，才是讓科技與工業、大模型與制造業結合的關鍵。

在百度智能云智慧工業總經理常城看來，現在的大模型真正解決的是工業當中的決策性問題。

要解決此類問題，就要從系統層面看如何整體的做決策和調度。

因此第一步，要構建完整的數字化底座能力和跨越多場景的比較完善的智能化的應用產品矩陣，要到毛細血管當中去，數據必須是真實可靠可用的，應用也得是真正能解決問題的，是能控制到設備的;

第二步，大模型要和行業的數據結合，要增強通用大模型對于行業知識的理解能力，這樣的話才能真正做到系統級的決策。

作為文心大模型面向企業市場的統一界面，千帆大模型平臺正在實實在在地服務企業，改變工業生態。

目前，百度已聯合行業客戶發布了涵蓋電力、燃氣、金融、航天、傳媒、城市、影視、制造、社科等領域的行業大模型。全棧技術積累，以及超多應用場景覆蓋，百度已經展現超強的生態先發優勢。

在2023百度云智大會的智慧工業分論壇上，不少百度智能云的合作伙伴分享了一些令人印象深刻的案例。

在百度過去深耕的產線智能賽道上，百度智能云已經是駕輕就熟。

人效和能耗的優化，往往是最普遍也最能立馬見效的。

比如在3C行業，傳統的人工智能質量檢測，都是做小模型，通過一個機器識別技術解決某一個產品、某一個場景問題，但是不同的板型、不同工藝，幾乎存在220種缺陷。

如果用傳統方式就需要做一個又一個小模型。模型不僅要求高，而且交付周期也很長。如今，通過CV大模型技術加持，可以快速建立起一個模型，面對所有缺陷。

蘇州的一家合作伙伴，就使用了這樣的技術，卡點率下降86%，質檢效率大幅提升。中電互聯總工程師朱達平在分論壇上講述了聯合百度智能云發布的PCBA產業基于輕量化5G專網的AOI質檢大模型，這是首個AI質檢行業模型，降低了每條生產線的成本，實現了綜合產能的大幅提升。

如今，具有全棧優勢的百度智能云，在大模型重構開物之后，加速將自己的賽道延展到了企業智能方面。

港口是一個比較復雜的應用場景。貨物來到港口后，首先要在堆場進行麻紡，之后有人員理貨，之后放到船邊，通過門機、暗橋放到船上做配載，之后還有船位的泊位計劃。

在大模型落地前，流程如此復雜的多個應用化場景，企業通常需要做數字化堆場，做配載計劃，對于人員進行自動排班，還可以港機上做調度，在內外集卡上做車輛智能化調度……通過引入大模型，可以將多個復雜應用場景的小模型融合到一起，基于大模型對港口作業流程的深度理解，實現各流程嚴絲合縫的完美調配。

目前在山東的日照港已經成功落地了數字化堆場整體調度的一套平臺軟件，使設備利用率、場地利用率、周轉率和整體作業效率都得到了顯著的提升。

港華集團高級副總裁席丹介紹了聯合百度智能云打造的智慧運行平臺情況，提升了燃氣行業的數字化運營和安全運營水平。目前已有十幾家企業上線。席丹表示，期待未來大模型可以在燃氣行業發揮更大作用。

大模型不再是一個單選題，而更是一個綜合題。在這個新的時代帆船上，產品、服務、安全等全部都需要成為必需品，甚至是從企業的層面來看，也更是剛需品。

就在上個月底，OpenAI 推出了面向大型企業的 ChatGPT 企業版(ChatGPT Enterprise)，并號稱這是迄今為止最強大的 ChatGPT 版本。而在 ChatGPT Enterprise 之后，OpenAI 未來還將推出適用于較小型企業的 ChatGPT Business。

一切都發生得太快了。

人們倏然間發現，百度早已在B端布局。

作為中國人工智能領域的先行者與領導者，百度在過去十年一直保持著壓強式的研發投入，累計超過1400億元，是少有實現應用、模型、框架與芯片四層全棧布局的人工智能公司。

其從“產線智能” 到 “企業智能” 再到 “產業鏈智能”的改造工業路線圖已經日漸清晰，憑借強大的AI技術能力、豐富的行業經驗，龐大的用戶規模，完善的生態建設，百度已經率先進入了大模型落地的深水區。

無論是美國的亞馬遜、微軟與谷歌，還是中國的百度，他們都已經受益于B端客戶在大模型領域的AI算力需求或場景應用需求增長，實現了頗為可觀的業績增長。

當千帆過盡，人們方始對世界的重構與重塑后知后覺。

其實百度從未離開，他們只是提前感知了先驗的召喚，轉向了他方——那被稱為不可見的世界。

關鍵詞：