#2碼
人均15元蓋碼飯,打工人新頂流?
北京白領林薇已經數不清這個月第幾次點蓋碼飯了。對她而言,蓋碼飯菜式繁多,多數都鮮香麻辣,價格也不貴,20來塊就能換來十五分鐘又辣又爽的味覺體驗,“讓人覺得煙火氣十足”。所謂蓋碼飯,就是把現炒的菜直接碼放在米飯上一起食用,且這些炒菜以湘菜為主。在社交媒體上,蓋碼飯被稱為“打工人新晉最強午餐”。像林薇一樣,成為蓋碼飯忠實粉絲的人並不少。這直接反映在蓋碼飯的銷量上,定位到北京某區域,某外賣平台上蓋碼幫、狀元派等蓋碼飯月售達2000+,霸碗蓋碼飯更是達到了月售4000+的銷量。圖源:淘寶閃購截圖蓋碼飯,怎麼突然就火了?蓋碼飯vs蓋澆飯說到蓋碼飯,很多人第一反應是,“這不就是蓋澆飯嗎”。蓋碼飯乍一看,確實和蓋澆飯十分相似,都是米飯和炒菜搭配著食用,但嚴格地說,這二者還真不一樣。蓋澆飯,顧名思義是“蓋著澆頭的飯”,蓋碼飯則可以理解成“蓋著碼子的飯”,重點是澆頭和碼子有什麼區別。首先,二者可搭配的主食不同。澆頭一般是配面和米飯吃的,事實上,時至今日,江浙地區依然把澆在面上吃的菜稱為澆頭。碼子則是粉、面、米飯,甚至米豆腐等都可以搭配,小說《芙蓉鎮》裡的湘西人吃米豆腐就加的是豬雜、辣椒等炒香的“蓋碼”。其次,澆頭和碼子各有特色,且吃法不同。整體看來,蓋澆飯的菜湯汁要多一些,蓋碼飯的菜則要乾爽一些。《淘詞十碼》一書也表示,蓋澆飯側重把湯汁澆灌到飯裡,蓋碼飯則強調把菜堆砌到飯上。而且,蓋碼飯還強調把碼子和米飯拌一拌再吃,蓋碼幫·長沙菜館的碗內側就寫著“碼子蓋滿飯,吃前拌一拌!”的字樣,澆頭則沒這個講究,不過實際上怎麼吃全看個人喜好。但不管是蓋澆飯還是蓋碼飯,早期都是打工族的選擇。蓋澆飯的具體起源說法不一,有說是上海的碼頭苦力創造的,有說是四川的沿江縴夫們創造的。不管怎樣,蓋澆飯早期都是一種“打工人”的吃食,主打的是量大、方便。蓋碼飯最早興起於湖南,後來被許多湖南人借打工機會帶到了廣州、深圳,成為當地的一種另類的“蓋澆飯”。蓋碼飯與蓋澆飯都是早已有之,但蓋碼飯大規模在一線和新一線城市開店,差不多是從2024年開始。以北京地區為例,根據大眾點評資訊,北京地區翠微印象城、領展購物中心的蓋碼幫·長沙菜館都是今年才被大眾點評收錄,還有不少分店是2024年被收錄。特色是用機器人炒菜的霸碗,北京世貿天階、知春裡、六道口等多地的門店均是今年才被大眾點評收錄。從全國門店數來看,創立於2018年的霸碗在2024年開了500家門店,今年以來,其開店速度加快,2025年9月底,霸碗官方帳號宣佈品牌已經擁有1000多家門店,而就在今年7月底,這一數字還是800多家。企查查資料也顯示,近五年,中國蓋碼飯相關企業每年註冊量整體快速增加。2023年全年註冊725家蓋碼飯相關企業,2024年全年,中國註冊655家蓋碼飯相關企業。2025年速度略有放緩,但新增依然不少,截至11月28日,中國已註冊416家蓋碼飯相關企業。[1]那麼,在餐飲行業競爭激烈的今天,為什麼是蓋碼飯“殺出重圍”,受到歡迎?為什麼是蓋碼飯?在餐飲連鎖顧問王冬明看來,蓋碼飯最吸引人的地方,就是便宜和夠辣。“餐品受歡迎的原因就是便宜、好吃,至於誰火,取決於當下的口味偏好。”王冬明說道。根據《2025有意思生活方式報告》,對“外出就餐或點餐時,更關注那些因素”這一問題,菜品口味、消費價格均位列前三名,而蓋碼飯在這兩方面確實頗有優勢。從價格來看,蓋碼飯確實不算貴。根據大眾點評資訊,北京某地區狀元派|長沙蓋碼飯、霸碗蓋碼飯人均消費均為25元,不同地區門店人均消費略有差異,但都不算太貴。如果是外賣店蓋碼飯,那價格甚至算得上便宜。一份蓋碼飯最低不到10元,雙拼蓋碼飯也不超過20元,部分蓋碼飯品牌門店推出的“一口價”產品,三拼蓋碼飯也只需要13.6元。圖源:淘寶閃購截圖從口味來看,辣,正成為近年人們最愛的口味之一。發佈於2023年的《中國辣文化報告》(後稱《報告》)顯示,中國食辣人口已經超5億人,對於“您喜歡吃辣嗎”這一問題,24.37%的人表示非常喜歡,36.9%的人表示比較喜歡,僅有6.65%的人表示不喜歡。龐大的食辣人群支撐起“辣味餐飲”,根據《報告》,79%的商家店內有辣菜,在美團外賣的美食訂單大盤中,48%的人買過辣菜,19%的訂單中含有辣菜。如今,中國食辣人群數量龐大並持續增長。根據弗若斯特沙利文《2024中國敢辣人群分析報告》,中國食辣人口超6億,在45歲以下的人群中,喜愛吃辣的比例超過60%。而蓋碼飯門店中,各種辣菜花樣繁多,辣椒炒肉、小炒黃牛肉、香辣雞雜,還有特意標註“燃爆味蕾”的爆炒豬肝……多到足夠消費者每天換著花樣吃。當然,蓋碼飯並非只有辣菜,對於不能吃辣或者想換換口味的人群,番茄炒雞蛋、糖醋裡脊、標註無辣的酸菜青豆炒肉末等,也能滿足其需求。更別提,蓋碼飯還是現炒為主。蓋碼幫打出了“只現炒 不預製”的標語,霸碗蓋碼飯也表示蓋碼飯有三不要,其中之一就是“不是新鮮現炒的我不要”。圖源:小紅書、大眾點評截圖價格實惠、口味多樣、出餐快,有些菜品還是火爆現炒、鍋氣滿滿,這幾條足夠讓不少消費者愛上蓋碼飯。“蓋碼飯的價格、口味等都能滿足城市消費人群的快節奏需求。而且蓋碼飯在本土化改良上也有優勢,它可以快速適配不同地區的口味偏好,加上資本的關注,蓋碼飯可以說是一個比較好的擴張賽道。”艾媒諮詢CEO兼首席分析師張毅進一步解釋道。能火多久那麼,蓋碼飯會一直火下去嗎?對此,凌雁管理諮詢首席諮詢師、食品及快消行業分析師林岳認為,蓋碼飯會一直存在,但不一定能長紅,如果能在菜品搭配上推陳出新,還是會掀起一陣熱潮,但是持續火爆很難,因為“蓋碼飯複製的門檻很低,一有火爆的做法很快就會有企業跟風,同質化是沒法杜絕的”。王冬明則認為價格也很關鍵,他調侃道,那天蓋碼飯要是不火了,也許是人們又找到了更便宜、好吃的餐品。“而且蓋碼飯有個問題,它必須現炒才好吃,成本現在已經是極限了。”王冬明說。為了控製成本,提高效率,霸碗已經開始採用機器人炒菜。北京某霸碗門店的店長告訴有意思報告,他的門店現在用了三個炒菜機器人,總體下來要比僱用廚師省錢很多。但炒菜機器人也存在侷限性。前述店長告訴有意思報告,在點餐高峰期,各大外賣平台的單子幾乎同時湧來,如果無法及時處理,門店的流量就會受到影響,但“機器人的程序是設定好的,一次能炒幾份,炒多長時間,都是固定的,留給打包的時間就很緊張”。再加上顧客有時會有個性化需求,一切都被設定好的炒菜機器人,很可能難以滿足這些需求。此外,在一線城市,蓋碼飯十幾元的價格很有競爭力,但到二三線甚至三四線,十幾元或許就不再是“性價比之王”。淘寶閃購上定位洛陽某地,搜尋“蓋碼飯”,價格也是十幾元|圖源:淘寶閃購如何在餐品類似,價格也相差無幾的情況下,依然能吸引消費者,是蓋碼飯商家們現在和將來都繞不開的難題。 (中國新聞周刊)
Gemini 3 Pro 封神的背後:Google致敬的那個男人,竟然是個“快樂的無業游民”
最近,Google 的 Gemini 3 Pro 徹底刷爆了技術圈。它之所以能從眾多大模型中殺出重圍,不僅僅是因為它的推理能力更強了,而是因為它帶來了一個革命性的功能——“生成式 UI”(Generative UI)。當你對它說“做一個貪吃蛇遊戲”時,它不再是像以前那樣給你吐出一大段冰冷的程式碼塊,而是直接在螢幕右側“畫”出了一個可以玩的、互動流暢的遊戲介面。這種“忽略過程,直達結果”的產品哲學,讓無數開發者驚呼“變天了”。但 Google 為什麼會有這個想法?如果你把時間軸撥回 2025 年 2 月,你會發現這個理念其實源於一條推特。當時,Andrej Karpathy 發推提出了 "Vibe Coding" 的概念:“未來我們不需要寫程式碼了。我們只需要沉浸在一種感覺(Vibe)裡,甚至忘掉程式碼的存在。”Google 聽懂了。他們把 Karpathy 這種“看不見程式碼”的終極幻想,做成了 Gemini 3 Pro 的核心。那麼,這個讓兆巨頭都要“偷師”理念的男人,到底是誰?AI 界的“六邊形戰士”:Andrej KarpathyAndrej Karpathy 這個名字,對於普通人可能有點陌生,但在 AI 開發者心中,他是神一般的存在。回顧他的履歷,你幾乎可以看到整個現代 AI 發展的縮影:1. 名師高徒的學術起點在史丹佛大學攻讀博士期間,他是 AI 教母 李飛飛(Fei-Fei Li) 的得意門生。在那裡,他設計並主講了傳奇課程 CS231n,這門課至今仍是全球無數電腦視覺工程師的“入行聖經”。2. OpenAI 的創始元老博士畢業後,他成為了 OpenAI 最早期的核心研究員之一,與 Ilya Sutskever 等人一起奠定了 GPT 系列的基礎。3. Tesla 的自動駕駛統帥隨後,他被 Elon Musk 挖走,擔任 Tesla 的 AI 總監。在那裡,他直接向馬斯克匯報,領導了 Autopilot 團隊,不僅一手搭建了 Tesla 的資料飛輪,更主導了那個當時備受爭議的決策——放棄雷達,轉向純視覺方案。4. 回歸教育與再出發功成名就後,他沒有選擇躺在功勞簿上,而是離開大廠,回歸初心。他在 YouTube 上開設了 《Zero to Hero》 系列課程,手把手教普通人寫大模型。如今,他創辦了 Eureka Labs,致力於用 AI 重塑教育,試圖打造一種全新的“AI 原生”學習方式。學術界、工業界、教育界,他不僅都去過,而且在每一個領域都做到了頂尖。5 個故事,看懂“頂級極客”的另一面如果光看履歷,你可能會覺得他是一個高高在上的精英。但實際上,Karpathy 之所以如此受歡迎,是因為他極其真實、有趣,甚至有點“奇葩”。01:周末隨手寫個程式碼,羞辱了整個行業(llama2.c 事件)2023 年,大家都覺得跑大模型(LLM)非常複雜,需要安裝幾 GB 的 PyTorch 庫。 Karpathy 有個周末閒著沒事,覺得現在的 AI 軟體棧太臃腫了。於是他用純 C 語言(不依賴 Python,不依賴 PyTorch)寫了一個推理引擎。 這個檔案只有 500 行程式碼,編譯完的可執行檔案只有幾 MB,卻能在 MacBook 上流暢運行 Llama 2 模型。 他用一個周末的“玩具”,狠狠打臉了那些把 AI 搞得過於複雜的框架,也讓無數人第一次真正看懂了 LLM 是怎麼跑起來的。02:把自己當成“神經網路”來訓練(生物駭客)Karpathy 是典型的**“工程思維入腦”**。他不只最佳化程式碼,還瘋狂最佳化自己的身體。睡眠實驗: 他通過 Oura Ring 監測資料,調節溫度、濕度、光線,測試不同變數對“深度睡眠分數”的影響。他在推特上像發佈模型訓練日誌一樣,發佈自己的睡眠資料分析。咖啡演算法: 他曾詳細分享過自己的咖啡攝入策略——不是為了好喝,而是為了維持血液中咖啡因濃度的恆定,以保持大腦 GPU 的最佳算力。這完全是把生理機能當成 Learning Rate(學習率)在調節。03:在 Tesla 的“豪賭”(切斷雷達)當時所有自動駕駛公司都認為必須用雷射雷達(LiDAR)。但 Karpathy 和馬斯克認為:人類只靠眼睛就能開車,所以車也應該只靠攝影機。他領導團隊重寫了 Tesla 的感知棧,建構了著名的 HydraNet,並推動移除了車上的雷達。據說他在 Tesla 工作時,為了處理海量資料,經常就在辦公桌下鋪個睡袋睡覺(這點倒是和馬斯克很合拍)。04:史上最“不務正業”的無業游民離開 OpenAI 和 Tesla 這種頂級公司後,大家都以為他要去融資幾億美金開公司。結果他回家錄 YouTube 視訊去了。他拒絕了無數投資人的電話,只是為了把極其複雜的 Transformer 模型講得連高中生都能懂。他在推特上自嘲說自己是"Funemployed"(快樂的失業者)。這種“視金錢如糞土,只想教書育人”的態度,也是為什麼很多開發者對他有類似“聖徒”般崇拜的原因。05:痛恨“臃腫”的潔癖Karpathy 有嚴重的程式碼潔癖。他非常討厭複雜的抽象層。如果一個任務可以用 100 行原生程式碼解決,他絕不會引入一個 100MB 的第三方庫。雖然他現在推崇 Vibe Coding,但他本人的基本功極其紮實。他在 Stanford 教書時,曾強制要求學生手動計算反向傳播的梯度,不准用自動微分框架。他的邏輯是:“如果你不知道引擎蓋下面發生了什麼,你就沒資格開這輛法拉利。”AI 時代,“懶”是一種稀缺的超能力看完 Karpathy 的故事,再回看 Gemini 3 Pro 的“生成式 UI”,你會發現一個有趣的核心:這些頂級的創新,往往源於一種“懶”。Karpathy 因為“懶”得處理臃腫的環境,寫出了極簡的 llama2.c;因為“懶”得處理多餘的感測器資料,搞出了純視覺自動駕駛;因為“懶”得寫重複的程式碼,提出了 Vibe Coding,最終啟發了 Google 的生成式 UI。在 AI 時代,我們從小被教育的“勤奮”——死記硬背、機械重複、拼手速——正在迅速貶值。相反,“懶”正在成為一種核心競爭力。這裡的“懶”,不是躺平,而是一種敏銳的需求洞察力:是因為對低效流程的不耐煩,你才會去想如何最佳化它;是因為不想把時間浪費在重複造輪子上,你才會去尋找更高級的工具。Gemini 3 Pro 這樣的工具出現,正是為了成全我們的“懶”。它把我們從“如何實現”的苦役中解放出來,讓我們有精力去思考“實現什麼”和“為什麼實現”。所以,像 Andrej Karpathy 一樣,做一個“聰明的懶人”吧。在這個時代,發現需求比解決需求更重要,定義問題比動手執行更珍貴。 (許良學AI)
OpenAI 發佈 GPT-5.1-Codex-Max,反擊 Gemini 3 Pro
OpenAI 於 2025 年 11 月 19 日發佈了 GPT-5.1-Codex-Max,本質上是在原有 GPT-5.1-Codex 之上,對“長程編碼任務”和 agent 化工作流做的一次定向升級:底層換成新版推理基座模型,訓練資料更貼近真實軟體工程過程,包括 PR 建立、程式碼審查、前端開發和技術問答,並在訓練階段顯式針對 Codex CLI 和 Windows 環境做了適配。官方同時將其設為 Codex 系列默認模型,經由 Codex CLI、IDE 外掛、雲端整合和程式碼評審等通道提供給現有使用者,API 計畫稍後開放。基準表現與長程任務能力從已公開的基準資料看,Codex-Max 相對上一代 Codex 的提升是具體且可量化的,而不是“版本號一加、能力翻倍”式的包裝。公開資料與社區整理結果顯示,它在 SWE-Lancer IC SWE 上從 66.3% 提升到約 79.9%,在 SWE-Bench Verified 上從 73.7% 升至 77.9%,Terminal-Bench 2.0 則從 52.8% 提升到 58.1%。這些測試運行在較高推理檔位,並結合所謂“compaction”機制:當上下文臨近極限時自動壓縮會話,僅保留關鍵要點,以便在單一任務中跨越百萬級 token。OpenAI 在產品文案和系統卡中反覆強調,Codex-Max 在內部環境下可以連續工作 24 小時以上,完成多階段重構、測試驅動迭代和自主演進式偵錯。這說明在 Codex 受控環境中,模型在多輪失敗和自我修正中仍能保持相對穩定的策略,而不僅僅是一次性給出答案。但這類長程任務的表現目前主要來自廠商自證和少量早期使用者反饋,在更複雜的企業程式碼庫和 CI/CD 流水線下能否復現,仍需要時間檢驗。OpenAI 同時表示,在中等推理強度下,Codex-Max 在保持或略微提升精準率的情況下,思考 token 消耗比上一代減少約 30%,理論上可以在不犧牲質量的前提下降低時延和成本。這些數字目前仍以官方披露為主,第三方系統化驗證尚不充分,更穩妥的做法是將其視為趨勢性訊號,而非精確定價依據。與 Gemini 3 Pro 的能力對比與 Gemini 3 Pro 的關係,比單純比較“誰更強”要複雜得多。DeepMind 的官方材料顯示,在 LiveCodeBench Pro 這類偏演算法競賽風格的基準上,Gemini 3 Pro 的 Elo 在 2400+ 區間,顯著高於此前的 GPT-5.1 系列;在若干長程、工具使用與博弈類任務中,Gemini 3 Pro 也有相對明顯的領先,被普遍視為“複雜推理 + 多模態 + agent 組合任務”上的強項。過去幾天的技術部落格與評測大多據此認為,Gemini 3 Pro 在“複雜推理 + 多模態 + agentic 任務”上,對 GPT-5.1 形成了階段性優勢。Codex-Max 引入後,這種對比出現了一些局部反轉。根據 OpenAI 自身資料和早期評測,在 SWE-Bench Verified 和 Terminal-Bench 2.0 這兩類更貼近真實工程和終端操作的基準上,Codex-Max 相對上一代 GPT-5.1-Codex 有明顯提升,並在部分設定下略高於當前公開版本的 Gemini 3 Pro。不過,這些對比往往使用不同 agent、不同終端環境和不同推理檔位,嚴格意義上的“同場雙盲”樣本並不多,目前更適合解讀為:在若干具體編碼基準上,兩者已進入“互有勝負”的狀態,而不是誰絕對壓制誰。更現實的判斷是:在日常“寫業務程式碼、修缺陷、補測試”這類任務中,兩者都足夠強,差異更可能體現在長任務穩定性、對特定平台和框架的適配程度,以及與現有工具鏈的整合深度。Codex-Max 更像是在 OpenAI / Codex 生態內部,把“工程 agent”這條線補足到不落於人,而 Gemini 3 Pro 則持續押注於“多模態 + 高階推理 + 超長上下文”的整體能力版圖。價格策略與“長任務經濟性”在經濟性方面,兩家目前採用的策略並不完全相同。Gemini 3 Pro 的 API 定價較為透明:在 200k token 內,每百萬輸入約 2 美元、輸出約 12 美元;超過 200k 之後分別翻倍到 4 美元和 18 美元,明顯通過價格對超長上下文收取溢價,同時在宣傳中頻繁強調“100 萬 token 上下文”的賣點。相比之下,OpenAI 尚未單獨公佈 Codex-Max 的 API 價格,而是強調通過 compaction 和思考 token 最佳化來降低有效成本,即在模型內部結構和推理策略上做文章,而不是在價格表上人為劃分“短上下文”和“長上下文”檔位。對真正會跑長任務的團隊而言,最終帳單會同時受兩類因素影響:模型本身的 token 效率,以及平台對長上下文的計費方式。現階段,大致可以預期 Gemini 3 Pro 在極長上下文、多模態場景的成本會相對更高,而 Codex-Max 在純文字 / 程式碼長任務中的“性價比”則需要依賴未來更多第三方使用資料來判斷。工具鏈與開發流程的策略差異從產品路線看,兩家在“工程 agent”問題上的回答明顯不同。OpenAI 的選擇,是儘量不觸碰開發者的主戰場:Codex-Max 深度嵌入 Codex CLI、傳統 IDE 外掛、雲端整合與程式碼評審流程,尊重現有的 Git / CI/CD 流程,只在原有流水線上引入更強的自動化能力。這種路徑的現實意義在於,企業不必在 IDE、原始碼託管或 CI 系統上做大幅遷移,只需要在權限和審計層面逐步提高對 agent 的信任度。Gemini 3 Pro 則試圖配合 Antigravity 直接重構開發環境。Antigravity 的設計圍繞多 agent 管理、Artifacts 記錄(計畫、執行證據、測試結果)以及自動UI 操作展開,把“agent 作為一等公民”的假設寫進 IDE 形態。這意味著,選擇這一路線的團隊,在獲得更激進自動化可能性的同時,也要面對 IDE 層級的範式遷移成本。短期內,OpenAI 路線的落地阻力顯然更小;但如果 Antigravity 這種模式在部分大廠內部證明有效,長期對開發工具和雲平台格局的衝擊可能更直接。安全、治理與不確定性在安全治理方面,OpenAI 的系統卡指出,GPT-5.1-Codex-Max 在網路安全方向已經“非常有能力”,但尚未達到其內部定義的“高能力”閾值,在生物安全方向則按高能力模型管理,配套更嚴格的使用限制和監控。為降低長程 agent 帶來的額外風險,OpenAI 在 Codex 產品層疊加了沙箱執行、可配置的網路訪問,以及行為監控與速率限制等機制。這些措施能在多大程度上覆蓋真實企業環境下的濫用場景,目前仍缺乏足夠公開案例,只能說方向合理,但效果有待觀察。Gemini 3 Pro 在官方材料中同樣強調安全評估與企業級控制選項,但在具體編碼任務下的攻擊能力、越權操作風險等方面披露更為克制,外部公開資料主要來自綜合評估和少量第三方測試。對有合規壓力的組織來說,一旦開始認真嘗試 24 小時等級的自治編碼任務,技術問題之外,很快會面臨審計、責任界定甚至監管層面的額外要求,這部分目前基本還處在“實踐先於規範”的階段。初步判斷與現實決策點綜合來看,GPT-5.1-Codex-Max 更像一場經過精心選擇發佈時間的防守反擊:在 Gemini 3 Pro 通過一系列基準與多模態能力佔據敘事高地之後,OpenAI 把“編碼專用”這一子類重新拉回到一個至少不落下風的位置,並在 SWE-Bench、Terminal-Bench 等對開發者更敏感的指標上爭取了部分優勢。然而,無論是 Codex-Max 還是 Gemini 3 Pro,目前都更適合被視為“強力助手 + 局部自治 agent”,距離可以完全接管軟體工程流水線、在企業環境中大規模無監督運轉,還有明顯距離。在這種背景下,對真正需要做技術選型的團隊來說,現在去糾結某個單一基準上差一兩個百分點的勝負意義有限,更現實的決策維度可能包括:現有工具鏈與那個生態的耦合程度更深,組織內開發者對那一套平台更熟悉,在安全與審計層面能接受怎樣的自治邊界,以及是否有意願為 Antigravity 這類新範式額外付出一輪遷移成本。至於長程 agent 是否真能在實戰項目中穩定跑完 24 小時以上任務,這件事大機率只能交給未來一兩年的真實項目和內部 A/B 測試來給答案。 (InfraNative)
【十五五】李彥宏人民日報撰文
百度公司創始人、董事長兼首席執行官李彥宏在人民日報發表署名文章《內化AI能力,加快形成新質生產力》。以下為全文:“十五五”時期經濟社會發展的主題是推動高品質發展。推動高品質發展,最重要是加快高水平科技自立自強,積極發展新質生產力。人工智慧(AI)作為引領新一輪科技革命和產業變革的重要力量,對於加快形成新質生產力、實現經濟社會高品質發展作用十分關鍵。過去幾年,中國在人工智慧算力基礎設施和大模型等關鍵領域取得顯著突破,形成了領先優勢。中國算力規模躍居全球第二,湧現出DeepSeek推理大模型、文心原生全模態大模型等廣受好評的基礎大模型,百度也建成了國內首個自研的P800三萬卡叢集。推動人工智慧更好賦能高品質發展,一個重要方面是讓千行百業內化AI能力、建構AI原生能力,使之成為企業發展的原生推動力。這既有助於智能產業發展壯大,也有助於傳統產業加快轉型升級。以場景出新帶動創新,提升人工智慧應用能力。數字人技術、程式碼智能體技術、無人駕駛技術等,已被應用驗證,產生了很好的效果。在電商直播、銷售客服等場景中,數字人成為超級能幹的“數字員工”。程式碼智能體也在科技公司中加速鋪開,一些外國科技公司的程式碼AI生成率甚至超九成。基於無人駕駛技術的百度蘿蔔快跑已在全球22座城市落地。企業可通過選擇合適的AI技術,積累一定的探索成果,並在總結經驗、複製推廣的基礎上加快發展步伐。“十五五”規劃建議提出,“推動科技創新和產業創新深度融合”“加大應用場景建設和開放力度”。瞄準重複勞動多、勞動力緊缺、崗位高危、流程瓶頸多、決策複雜度高等場景,用好AI在低成本內容生成、無人化、智能編碼、智能演算法最佳化等方面的優勢,能幫助企業降成本、提利潤、優決策、發現新增長點。以產業融合激發動能,做強人工智慧增長引擎。中國是世界上唯一擁有全部工業門類的國家,推進人工智慧與實體經濟深度融合,空間廣闊、潛力巨大。在實體經濟企業中內化AI能力,利用人工智慧技術賦能礦業、化工、輕工、船舶等重點產業,有助於進一步夯實實體經濟這個根基。當前實體經濟產業鏈自主可控水平的提升,有賴於在排產調度、資源最佳化、路徑規劃、交易決策等方面提供更優的解決方案。“伐謀”演算法智能體專注於尋找“全域最優解”,已在交通、能源、物流、港口等複雜系統中實現顯著提效。千行百業立足自身優勢和行業特性,內化AI能力、建構AI原生能力,更好激發通用模型與行業有機融合產生的“化學反應”,社會整體生產效率、創新能力將實現躍升。加強戰略規劃,讓“AI賦能”成為發展共識。新質生產力的顯著特點是創新,既包括技術和業態模式層面的創新,也包括管理和制度層面的創新。在人工智慧等新技術帶來系統性、結構性變革的背景下,探索人機協同的新型組織和管理模式變得更加迫切。抓住數字經濟轉型和人工智慧發展機遇,從決策到執行,從客戶到供應鏈,讓AI能力滲透到生產、經營、服務的每一個環節、每一個細胞,是企業必須做好的課題。各領域企業搶佔一個個“智高點”,加快融入全面推進人工智慧科技創新、產業發展和賦能應用的潮流大勢,社會生產要素將因智能化重組而更高效流動,科技創新成果將更快轉化為現實生產力,社會整體的創造潛能將被全面激發。百度作為中國人工智慧領域投入最早、佈局最全的企業之一,有責任、有能力也有信心走在這一變革前列。我們將持續加大投入,建構領先的智能基礎設施,研發更前沿的大模型技術,打造更開放的產業生態體系,助力千行百業內化AI能力、建構AI原生能力、加速智能化轉型,為中國經濟高品質發展作出新貢獻。 (科創日報)