李彥宏：沒有應用，AI模型一文不值

2024/07/05

•

李彥宏在WAIC 2024上呼籲，不要卷模型，要去捲應用，超級能幹的應用比只看DAU的超級應用更重要，最簡單的就是智能體。

7月4日周四，2024年世界人工智慧大會（WAIC 2024）在上海正式開幕。本屆大會以“以共商促共享，以善治促善智”為主題，將聚焦全球人工智慧領域的前沿技術和創新應用，致力於展示人工智慧如何改變世界、塑造未來。

下午13:30開始的產業發展主論壇上，百度創始人、董事長兼CEO李彥宏出席發表主題演講。本文整理出核心觀點如下：

1、同樣參數規模之下，閉源模型的能力比開源模型要更好。當你處在一個激烈競爭的市場環境當中的時候，你需要使讓自己的業務的效率比你的同行更高、成本比你的同行更低，這個時候，商業化的閉源模型是最能打的。

2、沒有應用，光有一個基礎模型，不管是開源還是閉源，一文不值。所以我從去年下半年開始講，大家不要卷模型了，要去捲應用。

3、文心大模型的日呼叫量最近超過了5億，代表了真實的需求，說明有人在用、是有人真的從大模型當中獲益了，並得到了價值。

4、超級能幹的應用比只看DAU的超級應用恐怕要更重要，只要對產業、對應用場景能產生大的增益，整體的價值就比移動網際網路要大多了。

5、隨著基礎模型的日益強大，開發應用也越來越簡單了，最簡單的就是智能體，這也是我們最看好的AI應用的發展方向。

6、AI不是人類的競爭對手，更多的是在扮演副駕的角色，還要人來把關。目前，AI已經創造了一些全新的工作機會。

以下是李彥宏演講的主要內容：

各位下午好，非常高興再次來到上海參加世界人工智慧大會。我是這個會議的常客，但是去年因為出國沒有來，所以我上一次來參加WAIC是2022年，我記得當時大會的主題是元宇宙，我當時講的主題是AIGC，就是AI Generated Content（生成式人工智慧），我認為AI的技術發展路線發生了方向性的改變，就是從過去的辨別式人工智慧轉向了未來的生成式人工智慧。

這番話當時發表於2022年的夏天，五個月之後，大家都知道，ChatGPT發佈了。

後來的事情大家就更清楚，所以兩年的時間其實恍若隔世，就是感覺整個世界都變了，人工智慧可以說顛覆了絕大多數人的認知。

01 商業化的閉源模型“最能打”

2023年國內出現了百魔大戰，造成了社會資源的巨大浪費，尤其是算力的浪費，但是也使得我們追趕世界上最先進的基礎模型的能力得到了建立。去年10月我宣佈文心4.0發佈的時候，我說文心4.0的能力跟GPT-4相比毫不遜色，好多的同行還不以為然。

今天大家可以看到，國內已經有多款閉源模型聲稱他們已經追平或者是超越了GPT-4的水平。注意，我這裡說的是閉源大模型，不是開源大模型。

這也是今年以來就是爭議比較多的一個話題，有些個外行甚至混淆了模型開源和程式碼開源這兩個概念。模型開源你拿到的是一大堆的參數，你還是要去做SFT，還是要去做安全對齊，你不知道這些參數是怎麼來的，你是無法做到“眾人拾柴火焰高”的，即使你拿到對應的原始碼，你也不知道他用了多少資料，用了什麼比例的資料去訓練這些個參數，所以拿到這些東西並不能夠讓你站在巨人的肩膀上去迭代和開發。

所以同樣參數規模之下，閉源模型的能力就比開源模型要更好。而如果開源想要能力追平閉源，那麼它就需要有更大的參數，這就意味著推理成本會更高，反應速度會更慢。

很多人拿開源模型來改款，以為這樣可以更好地服務自己的個性化的應用，殊不知這樣你就創造了一個孤本的模型，既無法從基礎模型的持續升級當中獲益，也沒辦法跟別人去共享算力。

當然我也承認開源模型在某些場景下是有它的價值的，比如說一些學術研究，或者說在教學領域，大家想要研究大模型的工作機制形成理論，這個時候可能是有價值的。

因為大家可能也經常聽到，就是我們覺得大模型能力很強，但是不知道為什麼能力強，因為背後沒有理論來支援他，所以研究領域用開放原始碼的我覺得沒問題，但是大多數的應用場景開源模型並不合適。

當你處在一個激烈競爭的市場環境當中的時候，你需要使讓自己的業務的效率比你的同行更高、成本比你的同行更低，這個時候，商業化的閉源模型那是最能打的。

02 沒有應用，AI模型一文不值

當然這些都不是最重要的，沒有應用，光有一個基礎模型，不管是開源還是閉源，一文不值。所以我從去年下半年開始講，大家不要卷模型了，要去捲應用。

但是我看到我們的媒體仍然是把主要的關注點放在了基礎模型身上，一天到晚到處去關注跑分、刷榜，誰又超越GPT-4了？OpenAI又出來GPT-4o了等等，今天這個震撼發佈，明天那個史詩級更新，但是我要問：應用在那裡？誰從中獲益了？

應用其實離我們並不遙遠，基於基礎模型的應用在各行各業各個領域都已經開始了逐步的滲透。

兩個多月前，我們宣佈文心大模型的日呼叫量超過了2億，最近又超過了5億。其實僅僅是兩個多月的時間，呼叫量發生了這麼大的變化，它背後是代表了真實的需求，是有人在用、是有人真的從大模型當中獲益了，得到了價值。

比如在快遞領域，讓大模型幫助處理訂單，做到了一張圖、一句話，寄快遞不再需要其他的繁瑣流程，時間從3分多鐘縮短到19秒，而且90%以上的售後問題也都是由大模型來解決，效率提升非常的明顯。

再比如在小說的創作領域，一開始我們用開源模型做出過一些效果，後來改用文心的輕量級模型，經過10輪上萬組資料的SFT和Post-pretraining（後期預訓練），結果有了明顯的提升。

最近，我們又轉到文心4.0的版本，那麼僅用了數百條的資料，生成的內容無論是可用率還是優質率，都大大超過了文心的輕量級模型。網文作者們如虎添翼。

03 超級能幹的應用

比只看DAU的超級應用更重要

其實更通用的領域，比如說程式碼生成功能，文心、快馬這樣的軟體在各個領域也在逐步地滲透。

百度內部的話，我們有30%左右的程式碼已經是用AI生成的，程式碼的採用率超過了44%。

不過我們要避免掉入超級應用陷阱，覺得一定要出一個日活使用者10億的APP才叫成功。我認為這是移動時代的思維，AI時代的規律很可能不是這樣。超級能幹的應用比只看DAU的超級應用恐怕要更重要，只要對產業、對應用場景能產生大的增益，整體的價值就比移動網際網路要大多了。

04 看好智能體的應用發展方向

隨著基礎模型的日益強大，開發應用也越來越簡單了，最簡單的就是智能體，這也是我們最看好的AI應用的發展方向。

製作一個好的智能體通常並不需要編碼，只要用人話，把這個智能體的工作流說清楚，再配上專有的知識庫，一般就是一個很有價值的智能體了，這比網際網路時代製作一個網頁還要簡單。

未來，在醫療、金融、教育、製造、交通、農業等等領域，都會依據自己的場景，自己特有的經驗、規則、資料等等做出各種各樣的智能體，將來會有數以百萬量級的智能體出現，形成龐大的智能體生態。

而搜尋是智能體分發的最大的入口。剛剛過去的高考季，很多大模型公司熱衷於去寫高考作文：我用AI寫一個作文能得多少分兒？其實這個實用價值是不大的，人家不會允許你帶一個大模型進去參加高考。

真正的需求是大量的考生在考完之後要報志願，要選擇學校、選擇專業。他們對一所大學一個專業會有各種各樣的問題，而每一個考生的情況又是不一樣的。這個時候就是需要有一個智能體來回答每一個考生專有的問題。

在高峰時期，百度的高考智能體每天要回答超過200萬個考生的問題，而我們總共只有1000萬的考生。在一天當中，有這麼大比例的人在利用這個智能體，說明AI正在以前所未有的速度向各行各業滲透。