2024年11月12日舉辦的百度世界大會(huì)上，探討“什么是有價(jià)值的AI應(yīng)用”成了主題。
百度集團(tuán)創(chuàng)始人、董事長(zhǎng)兼CEO李彥宏提到，將大會(huì)主題定為“應(yīng)用來(lái)了”，代表百度對(duì)于當(dāng)前大模型和生成式人工智能時(shí)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(guò)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(chǎng)需求確實(shí)存在。他提到，事實(shí)上，文心的調(diào)用量，在半年內(nèi)的增長(zhǎng)就接近10倍。
在會(huì)上，李彥宏提到了幾個(gè)共識(shí)：
首先，檢索增強(qiáng)（RAG）成為了行業(yè)共識(shí)，因?yàn)橄盎糜X(jué)”，是模型行業(yè)落地的必須。李彥宏認(rèn)為，過(guò)去24個(gè)月，大模型的最大變化是基本消除了“幻覺(jué)”。
其次，智能體是AI應(yīng)用最主流的形態(tài)，是AI原生時(shí)代內(nèi)容、信息和服務(wù)的新載體。
“智能體”，無(wú)疑是世界大會(huì)上出現(xiàn)最高頻的術(shù)語(yǔ)。李彥宏將智能體比作PC時(shí)代的網(wǎng)站和移動(dòng)時(shí)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(gè)應(yīng)用方向：公司類(lèi)（如銷(xiāo)售客服）、角色類(lèi)（如數(shù)字人直播）、工具類(lèi)（如行業(yè)報(bào)告智能生成）、行業(yè)類(lèi)。
技術(shù)的商業(yè)價(jià)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(jià)值在于無(wú)幻覺(jué)、超真實(shí)、沒(méi)成本、立即可取。
具體到0代碼開(kāi)發(fā)工具“秒噠”的發(fā)布，李彥宏認(rèn)為產(chǎn)品價(jià)值在于實(shí)現(xiàn)了生產(chǎn)力的無(wú)限擴(kuò)張。用他的話來(lái)形容，這是“一個(gè)前所未有的只靠想法就能賺錢(qián)的時(shí)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(jià)值增量，體現(xiàn)在兩個(gè)層面：降本和增效。
目前，百度智能云千帆大模型平臺(tái)已經(jīng)精調(diào)了3.3萬(wàn)個(gè)模型，開(kāi)發(fā)了77萬(wàn)個(gè)企業(yè)應(yīng)用，一半以上的央國(guó)企都是千帆的用戶。
文庫(kù)和網(wǎng)盤(pán)融合了
在2024年9月的架構(gòu)調(diào)整中，百度網(wǎng)盤(pán)回歸了MEG，被劃分到了文庫(kù)BU——這也為兩個(gè)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(kù)兼百度網(wǎng)盤(pán)負(fù)責(zé)人王穎看來(lái)，以往文庫(kù)和網(wǎng)盤(pán)的用戶具有以下兩個(gè)痛點(diǎn)：
一方面，不同形式、品類(lèi)、格式的素材，無(wú)法在同一個(gè)平臺(tái)上編輯操作，也無(wú)法生成任何形式、格式的內(nèi)容；
另一方面，文庫(kù)中的公域知識(shí)，和網(wǎng)盤(pán)中的私域知識(shí)，是分開(kāi)存儲(chǔ)的，無(wú)法協(xié)同形成完整的知識(shí)。
百度文庫(kù)上線的“自由畫(huà)布”功能，就成了打通文庫(kù)和網(wǎng)盤(pán)內(nèi)容的橋梁。在李彥宏看來(lái)，自由畫(huà)布本質(zhì)上就是一個(gè)工具類(lèi)智能體。
就像一個(gè)智能白板，用戶能夠通過(guò)點(diǎn)選、對(duì)話、框選，自由選擇和組合文庫(kù)和網(wǎng)盤(pán)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(huà)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(huà)布生成的多模態(tài)內(nèi)容，適配的是微信朋友圈、小紅書(shū)的圖+文、視頻+文內(nèi)容生態(tài)，也能生成帶圖表的研報(bào)等專業(yè)領(lǐng)域內(nèi)容。
△自由畫(huà)布根據(jù)要求生成了孫悟空來(lái)現(xiàn)代探險(xiǎn)的小說(shuō)、漫畫(huà)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(pán)和文庫(kù)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(kù)和網(wǎng)盤(pán)的收費(fèi)模式，本質(zhì)上是和用戶分潤(rùn)，產(chǎn)品通過(guò)給用戶帶來(lái)價(jià)值、幫他們掙到錢(qián)，來(lái)提高用戶的留存率和付費(fèi)率。
“AI能力能夠拓展產(chǎn)品功能的邊界，組合出來(lái)的產(chǎn)品變得更多，給用戶帶來(lái)更多的權(quán)益，也會(huì)讓付費(fèi)轉(zhuǎn)化率變高。”王穎對(duì)《智能涌現(xiàn)》表示。
做Sora之前，先解決“幻覺(jué)”
即便李彥宏提到，目前文字和RAG（檢索增強(qiáng)）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(méi)有大規(guī)模應(yīng)用，是由于幻覺(jué)問(wèn)題還沒(méi)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(duì)Sora的態(tài)度。李彥宏提到，在Sora出現(xiàn)時(shí)，百度的決策不是跟進(jìn)，而是著手解決多模態(tài)的幻覺(jué)問(wèn)題。
在會(huì)上，百度發(fā)布了iRAG，一項(xiàng)基于檢索增強(qiáng)的文生圖技術(shù)。用李彥宏的話來(lái)說(shuō)，iRAG可以去除生成圖像的“機(jī)器味”。
△基于iRAG生成的圖片。
百度CTO王海峰在會(huì)上介紹了iRAG實(shí)現(xiàn)可控生圖的技術(shù)鏈路：
首先，大模型對(duì)用戶的需求進(jìn)行分析理解，自動(dòng)規(guī)劃精確或者泛化的方案，比如對(duì)哪些實(shí)體進(jìn)行增強(qiáng)；
接著，在增強(qiáng)階段，對(duì)需要增強(qiáng)的實(shí)體進(jìn)行檢索，并且選擇對(duì)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(guò)局部注意力計(jì)算，大模型能夠在保持實(shí)體特征不變的情況下，實(shí)現(xiàn)圖像的高泛化生成；另一方面，通過(guò)整體注意力計(jì)算，實(shí)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(wàn)像素超廣角鏡頭和AI防抖算法；為了提高聲音識(shí)別準(zhǔn)確率、降低漏音，眼鏡采用了四麥陣列和開(kāi)放式防漏音揚(yáng)聲器設(shè)計(jì)。
在續(xù)航能力上，小度AI眼鏡用30min就能充滿電，實(shí)現(xiàn)56小時(shí)待機(jī)，超5小時(shí)連續(xù)聆聽(tīng)。這三個(gè)指標(biāo)均超過(guò)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(wèn)、識(shí)物百科、視聽(tīng)翻譯、智能備忘、歌單等功能。
據(jù)百度集團(tuán)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(gè)0代碼開(kāi)發(fā)工具，就是一支智能體團(tuán)隊(duì)
會(huì)上，百度還官宣了“秒噠”，一個(gè)將在2025年Q1上線的0代碼應(yīng)用開(kāi)發(fā)平臺(tái)。
相較于其他的0代碼開(kāi)發(fā)平臺(tái)，秒噠的特色是，應(yīng)用的開(kāi)發(fā)過(guò)程，由多個(gè)多智能體進(jìn)行協(xié)作。
比如，在網(wǎng)頁(yè)制作過(guò)程中，網(wǎng)頁(yè)的代碼編寫(xiě)和部署由程序員智能體完成，網(wǎng)頁(yè)中的文案由寫(xiě)作智能體完成，文案中最新的資料由檢索機(jī)器人上網(wǎng)查詢，其中的配圖又由擅長(zhǎng)生圖的智能體實(shí)現(xiàn)。
最后，負(fù)責(zé)質(zhì)檢的智能體，還會(huì)利用反思能力，運(yùn)行測(cè)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(duì)小白開(kāi)發(fā)者的“秒噠”上，還運(yùn)用在了針對(duì)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(kāi)發(fā)全流程中，Comate 3.0中的不同智能體可以實(shí)現(xiàn)自動(dòng)代碼質(zhì)檢、代碼補(bǔ)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。