2024年11月12日舉辦的百度世界大會上，探討“什么是有價值的AI應(yīng)用”成了主題。
百度集團創(chuàng)始人、董事長兼CEO李彥宏提到，將大會主題定為“應(yīng)用來了”，代表百度對于當(dāng)前大模型和生成式人工智能時代的認(rèn)知和判斷。
△文心大模型的日均調(diào)用量變化。
目前，文心大模型的日均調(diào)用量已經(jīng)超過15億。李彥宏認(rèn)為，如果文心大模型調(diào)用量一年能漲10倍，意味著市場需求確實存在。他提到，事實上，文心的調(diào)用量，在半年內(nèi)的增長就接近10倍。
在會上，李彥宏提到了幾個共識：
首先，檢索增強（RAG）成為了行業(yè)共識，因為消除“幻覺”，是模型行業(yè)落地的必須。李彥宏認(rèn)為，過去24個月，大模型的最大變化是基本消除了“幻覺”。
其次，智能體是AI應(yīng)用最主流的形態(tài)，是AI原生時代內(nèi)容、信息和服務(wù)的新載體。
“智能體”，無疑是世界大會上出現(xiàn)最高頻的術(shù)語。李彥宏將智能體比作PC時代的網(wǎng)站和移動時代的自媒體，區(qū)別在于，智能體更像人、更智能。
他提到了智能體的4個應(yīng)用方向：公司類（如銷售客服）、角色類（如數(shù)字人直播）、工具類（如行業(yè)報告智能生成）、行業(yè)類。
技術(shù)的商業(yè)價值，也是李彥宏在發(fā)言中反復(fù)提起的主題。
比如，他認(rèn)為iRAG的商業(yè)價值在于無幻覺、超真實、沒成本、立即可取。
具體到0代碼開發(fā)工具“秒噠”的發(fā)布，李彥宏認(rèn)為產(chǎn)品價值在于實現(xiàn)了生產(chǎn)力的無限擴張。用他的話來形容，這是“一個前所未有的只靠想法就能賺錢的時代”。
在產(chǎn)業(yè)落地層面，李彥宏提到，大模型帶給行業(yè)的價值增量，體現(xiàn)在兩個層面：降本和增效。
目前，百度智能云千帆大模型平臺已經(jīng)精調(diào)了3.3萬個模型，開發(fā)了77萬個企業(yè)應(yīng)用，一半以上的央國企都是千帆的用戶。
文庫和網(wǎng)盤融合了
在2024年9月的架構(gòu)調(diào)整中，百度網(wǎng)盤回歸了MEG，被劃分到了文庫BU——這也為兩個內(nèi)容工具型應(yīng)用的生態(tài)打通，埋下了伏筆。
百度副總裁、百度文庫兼百度網(wǎng)盤負(fù)責(zé)人王穎看來，以往文庫和網(wǎng)盤的用戶具有以下兩個痛點：
一方面，不同形式、品類、格式的素材，無法在同一個平臺上編輯操作，也無法生成任何形式、格式的內(nèi)容；
另一方面，文庫中的公域知識，和網(wǎng)盤中的私域知識，是分開存儲的，無法協(xié)同形成完整的知識。
百度文庫上線的“自由畫布”功能，就成了打通文庫和網(wǎng)盤內(nèi)容的橋梁。在李彥宏看來，自由畫布本質(zhì)上就是一個工具類智能體。
就像一個智能白板，用戶能夠通過點選、對話、框選，自由選擇和組合文庫和網(wǎng)盤上需要操作的內(nèi)容。
基于背后的MoE（混合專家模型）架構(gòu)和多模態(tài)模型，自由畫布可以支持文字、圖像、視頻等文件的跨模態(tài)處理，最后也能生成圖文等跨模態(tài)內(nèi)容。
而這些經(jīng)自由畫布生成的多模態(tài)內(nèi)容，適配的是微信朋友圈、小紅書的圖+文、視頻+文內(nèi)容生態(tài)，也能生成帶圖表的研報等專業(yè)領(lǐng)域內(nèi)容。
△自由畫布根據(jù)要求生成了孫悟空來現(xiàn)代探險的小說、漫畫和視頻。
在AI工具型產(chǎn)品苦尋變現(xiàn)模式的當(dāng)下，王穎卻認(rèn)為，網(wǎng)盤和文庫的商業(yè)模式天生與大模型產(chǎn)品非常匹配。
她告訴《智能涌現(xiàn)》，文庫和網(wǎng)盤的收費模式，本質(zhì)上是和用戶分潤，產(chǎn)品通過給用戶帶來價值、幫他們掙到錢，來提高用戶的留存率和付費率。
“AI能力能夠拓展產(chǎn)品功能的邊界，組合出來的產(chǎn)品變得更多，給用戶帶來更多的權(quán)益，也會讓付費轉(zhuǎn)化率變高。”王穎對《智能涌現(xiàn)》表示。
做Sora之前，先解決“幻覺”
即便李彥宏提到，目前文字和RAG（檢索增強）技術(shù)的結(jié)合已有成效，但他也指出，圖像和RAG技術(shù)的結(jié)合還遠(yuǎn)遠(yuǎn)不夠。
“多模態(tài)模型目前沒有大規(guī)模應(yīng)用，是由于幻覺問題還沒有解決。”李彥宏在發(fā)言中指出。
這一認(rèn)知，也決定了百度面對Sora的態(tài)度。李彥宏提到，在Sora出現(xiàn)時，百度的決策不是跟進(jìn)，而是著手解決多模態(tài)的幻覺問題。
在會上，百度發(fā)布了iRAG，一項基于檢索增強的文生圖技術(shù)。用李彥宏的話來說，iRAG可以去除生成圖像的“機器味”。
△基于iRAG生成的圖片。
百度CTO王海峰在會上介紹了iRAG實現(xiàn)可控生圖的技術(shù)鏈路：
首先，大模型對用戶的需求進(jìn)行分析理解，自動規(guī)劃精確或者泛化的方案，比如對哪些實體進(jìn)行增強；
接著，在增強階段，對需要增強的實體進(jìn)行檢索，并且選擇對應(yīng)的參考；
最后，在生成階段，百度自研了多模態(tài)可控生圖技術(shù)。一方面，通過局部注意力計算，大模型能夠在保持實體特征不變的情況下，實現(xiàn)圖像的高泛化生成；另一方面，通過整體注意力計算，實現(xiàn)圖像的高精確生成。
小度做了副AI眼鏡
2023年換上大模型“大腦”的小度，這次推出的不再是音箱，而是百度的第一副眼鏡：小度AI眼鏡。
在硬件層面，這幅眼鏡自重僅45g，低于行業(yè)平均重量49g。為了提高成像效果，眼鏡搭載了1600萬像素超廣角鏡頭和AI防抖算法；為了提高聲音識別準(zhǔn)確率、降低漏音，眼鏡采用了四麥陣列和開放式防漏音揚聲器設(shè)計。
在續(xù)航能力上，小度AI眼鏡用30min就能充滿電，實現(xiàn)56小時待機，超5小時連續(xù)聆聽。這三個指標(biāo)均超過了行業(yè)標(biāo)桿水平。
將小度AI眼鏡與普通眼鏡進(jìn)行區(qū)別的，還是在“AI”上。
基于文心大模型和DuerOS AI原生操作系統(tǒng)，小度AI能夠?qū)崿F(xiàn)第一視角拍攝、邊走邊問、識物百科、視聽翻譯、智能備忘、歌單等功能。
據(jù)百度集團副總裁、小度科技CEO李瑩介紹，小度AI眼鏡將在2025年上半年上市。
一個0代碼開發(fā)工具，就是一支智能體團隊
會上，百度還官宣了“秒噠”，一個將在2025年Q1上線的0代碼應(yīng)用開發(fā)平臺。
相較于其他的0代碼開發(fā)平臺，秒噠的特色是，應(yīng)用的開發(fā)過程，由多個多智能體進(jìn)行協(xié)作。
比如，在網(wǎng)頁制作過程中，網(wǎng)頁的代碼編寫和部署由程序員智能體完成，網(wǎng)頁中的文案由寫作智能體完成，文案中最新的資料由檢索機器人上網(wǎng)查詢，其中的配圖又由擅長生圖的智能體實現(xiàn)。
最后，負(fù)責(zé)質(zhì)檢的智能體，還會利用反思能力，運行測試代碼，發(fā)現(xiàn)其中的bug，并與程序員智能體進(jìn)行配合修改。
多智能體協(xié)作，不僅應(yīng)用在了針對小白開發(fā)者的“秒噠”上，還運用在了針對專業(yè)程序員的文心快碼Comate上。
王海峰介紹，Comate已經(jīng)迭代到了3.0版本。在開發(fā)全流程中，Comate 3.0中的不同智能體可以實現(xiàn)自動代碼質(zhì)檢、代碼補全等功能，目的是提高程序員的工作質(zhì)量和效率，讓其把更多精力投入到探索和創(chuàng)新。