一线｜百度李彦宏：跳出移动时代思维逻辑，避免掉入超级应用陷阱

李彦宏出席WAIC2024：AI跑分刷榜乱象不止，只有闭源才能带来商业发展

腾讯新闻《一线》作者刘雨点编辑刘鹏

“AI时代，‘超级能干’的应用比只看DAU的‘超级应用’更重要。”7月4日，百度创始人、董事长兼首席执行官李彦宏在2024世界人工智能大会暨人工智能全球治理高级别会议产业发展主论坛上表示，要跳出移动时代的思维逻辑，避免掉入“超级应用陷阱”，不是只有10亿DAU的应用才叫成功。同时，一线｜百度李彦宏：跳出移动时代思维逻辑，避免掉入超级应用陷阱李彦宏指出，智能体是开发最简单的AI应用，“也是我们最看好的AI应用的发展方向”。

演讲中，李彦宏再次谈及开源与闭源大模型，表示开源大模型在学术研究、教学领域等特定场景下有存在的价值，但并不适用于大多数应用场景。“当你处在激烈竞争的环境中，需要让业务效率比同行更高、成本比同行更低，这时，商业化的闭源模型是最能打的。”

没有应用，开源闭源模型都一文不值

李彦宏指出，今年以来，开源和闭源大模型是一个争议较大的话题，但很多人混淆了模型开源和代码开源的概念，他指出，模型开源只能拿到一堆参数，还要再做SFT、安全对齐，即使是拿到对应源代码，也不知道是用了多少比例、什么比例的数据去训练这些参数，无法做到众人拾柴火焰高，“拿到这些东西，并不能让你站在巨人的肩膀上迭代开发”。

他直言，同样参数规模下，开源模型的能力不如闭源，“如果开源想能力追平闭源，它需要有更大的参数规模，这意味着推理成本更高、反应速度更慢。很多人拿开源模型来做改款，以为这样可以更好地服务自己的个性化需求，殊不知这就变成了一个孤本模型，既无法从基础模型的持续升级中获益，也没办法跟别人共享算力。”

李彦宏承认，开源模型在一些学术研究、教学领域有存在价值，可以用于研究大模型的工作机制，形成理论。但开源模型并不适用于大多数应用场景，在激烈的商业环境中，想要让业务效率高于同行、成本低于同行，商业化的闭源模型是“最能打的”。他以百度在小说创作上的实践为例，当从开源模型转向轻量级模型、再转向文心大模型4.0后，小说生成的可用率和优质率得到极大提升，让网文作者如虎添翼。

在他看来，大模型的重点还是“卷应用”，“没有应用，光有基础模型，不管是开源还是闭源都一文不值。”

“超级能干”的应用比“超级应用”更重要

针对AI应用，李彦宏指出，AI时代，“超级能干”的应用比只看DAU的“超级应用”更重要，“我们要避免掉入‘超级应用陷阱’，觉得一定要出现一个10亿DAU的APP才叫成功，这是移动时代的思维逻辑。”他认为，只要能对产业和应用场景产生大的增益，整体价值就已大于移动互联网。

他以快递行业举例，利用大模型能力处理订单，快递公司做到了“一张图、一句话寄快递”，不再需要其他繁琐流程，时间从3分多钟缩短到19秒。“而且，90%以上的售后问题，也都由大模型来解决，效率提升非常显著。”

在代码生成等更通用的领域，李彦宏表示，百度的文心快码已经在各个领域逐步渗透，在百度内部，已有30%左右的代码由AI生成，代码采用率超过了44%。

“应用其实离我们并不遥远，”李彦宏说，基于基础模型的应用在各行各业和各个领域已开始逐步渗透。两个月之前，百度曾宣布文心大模型日调用量超过2亿，近期，该调用量已超过5亿。“仅仅两个月，调用量发生这么大的变化，足见它背后代表了真实的需求，是有人在用、有人真的从大模型中获益了，得到了价值。”

智能体是最看好的AI应用方向

在AI应用的发展方向上，李彦宏最看好智能体。他表示，随着基础模型的日益强大，开发应用也越来越简单，其中，最简单的就是智能体，只要用“人话”把工作流说清楚，再配以专有知识库，即可做出一个很有价值的智能体，“比互联网时代制作一个网页还简单”。

他认为，医疗、教育、金融、制造、交通、农业等各行业领域，未来都会依据自己的场景和特有经验、规则、数据等等，做出各种智能体，将会出现数百万量级的智能体，形成庞大生态。

“搜索是智能体分发的最大入口，”李彦宏举例说，高考后，有大量考生填报志愿，需要选学校和专业，会遇到各种问题，这时，百度的高考智能体就可回答考生的各种疑问，“高峰时期，百度的高考智能体每天要回答超过200万个考生问题，总共只有1000万考生，说明一天当中有大比例的人在利用这个智能体。”

演讲结尾，李彦宏再次谈及AI是否会替代人类工作的经典话题，他表示，AI目前更多是扮演Copilot的角色辅助人工作，而不是替代人，现在已经产生了一些全新的工作机会，如数据标注师、提示词工程师等。他强调，AI永远只是工具，不是人类的竞争对手，“我们构建和应用人工智能技术，是为了满足人的需求、增强人的能力，让人类的生活更美好。”

以下为李彦宏在2024人工智能大会上的演讲全文：

非常高兴来到上海参加世界人工智能大会。我是这个会议的常客，经常来参加。去年因为出国没能来，所以我上一次参加世界人工智能大会是在2022年。我记得那次大会的主题是元宇宙，主办方也希望我讲一讲元宇宙。但我说，我还是讲人工智能吧。

我当时讲的主题是人工智能生成内容（AIGeneratedContent）。我认为人工智能的技术发展路线发生了方向性的改变，从过去的辨识式人工智能转向了未来的生成式人工智能。这个观点是在2022年夏天提出的，而5个月后，大家都知道ChatGPT发布了。

之后发生的事情大家更清楚了。短短两年的时间，恍若隔世，整个世界都变了。人工智能可以说颠覆了绝大多数人的认知。2023年，国内出现了"百模大战"，造成了社会资源的巨大浪费，尤其是算力的浪费。但这也使得我们建立了追赶世界上最先进基础模型的能力。

去年10月，我宣布文心4.0发布时说，文心4.0的能力与GPT-4相比毫不逊色。当时很多同行还不以为然。但今天大家可以看到，国内已经有多款闭源模型声称他们已经追平或超越了GPT-4的水平。注意，我说的是闭源的大模型，不是开源大模型。

这也是今年以来争议比较多的一个话题。有些外行甚至混淆了模型开源和代码开源这两个概念。模型开源，你拿到的是一大堆参数。你还是要去做监督微调（SupervisedFine-Tuning，SFT），还是要去做安全对齐。你不知道这些参数是怎么来的，无法做到"众人拾柴火焰高"。即使你拿到对应的原代码，你也不知道它用了多少数据、用了什么比例的数据去训练这些参数。所以拿到这些东西并不能让你站在巨人的肩膀上去迭代和开发。

因此，同样参数规模之下，闭源模型的能力就比开源模型要更好。如果开源模型想要在能力上追平闭源模型，那么它就需要有更大的参数规模。这就意味着推理成本会更高，反应速度会更慢。很多人拿开源模型来改款，以为这样可以更好地服务自己的个性化应用。殊不知这样你就创造了一个"孤本"的模型，既无法从基础模型的持续升级中获益，也没办法跟别人去共享算力。

当然，我也承认开源模型在某些场景下是有价值的，比如一些学术研究或教学领域。大家想要研究大模型的工作机制，形成理论，那么这个时候开源模型可能是有价值的。因为大家可能也经常听到，我们觉得大模型能力很强，但不知道为什么能力强，因为背后没有理论来支持它。所以研究这个问题用开源模型我觉得没问题。

但是在大多数的应用场景中，开源模型并不合适。当你处在一个激烈竞争的市场环境中时，你需要使自己业务的效率比同行更高，成本比同行更低。这个时候，商业化的闭源模型是最能打的。

当然，这些都不是最重要的。没有应用，光有一个基础模型，不管是开源还是闭源，都是一文不值。所以我从去年下半年开始就在说，大家不要再纠结于模型了，要去关注应用。但是我看到我们的媒体仍然把主要的关注点放在了基础模型上，一天到晚到处去跑分刷榜。

今天这个震撼发布，明天那个史诗级更新，但是我要问：应用在哪里？谁从中获益了？其实，应用离我们并不遥远。基于基础模型的应用在各行各业、各个领域都已经开始了逐步的渗透。

两个多月前，我们宣布文心大模型的日调用量超过了2亿。最近我们又说文心大模型的日调用量超过了5亿。仅仅两个多月的时间，调用量发生了这么大的变化。这背后代表了真实的需求，是有人在用，是有人真的从大模型中获益了，得到了价值。

比如在快递领域，让大模型帮助处理订单，做到了"一张图一句话即快递"，不再需要其他繁琐流程。处理时间从三分多钟缩短到19秒，而且90%以上的售后问题也都是由大模型来解决，效率提升非常明显。

再比如在小说创作领域，一开始用开源模型做出过一些效果。后来改用文心的轻量级模型，经过10轮、上万组数据的监督微调和后训练，结果有了明显的提升。最近又转到文心4.0的版本，仅用了数百条数据，4.0就在情节和逻辑方面展现出了非凡的优势。生成的内容无论是可用率还是优质率，都大大超过了文心的轻量级模型，网文作者们如虎添翼。

在更通用的领域，比如说代码生成，文心快码这样的软件在各个领域也在逐步渗透。百度内部有30%左右的代码已经是用人工智能生成的，代码的采用率超过了44%。

不过，我们要避免掉入超级应用陷阱，觉得一定要出一个10亿的应用程序才叫成功。我认为这是移动互联网时代的思维，在人工智能时代，规律很可能不是这样。超级能干的应用比只看下载量的超级应用可能要更重要。只要对产业、对应用场景能产生大的增益，整体的价值就比移动互联网要大得多。

随着基础模型的日益强大，开发应用也越来越简单了。最简单的就是智能体，这也是我们最看好的人工智能应用的发展方向。制作一个好的智能体通常并不需要编码，只要用人话把智能体的工作流说清楚，再配上专有的知识库，一般就是一个很有价值的智能体了。这比互联网时代制作一个网页还要简单。

未来在医疗、金融、教育、制造、交通、农业等领域，都会依据自己的场景、特有的经验、规则、数据等做出各种各样的智能体。将来会有数以百万计的智能体出现，形成庞大的智能体生态。而搜索是智能体分发的最大入口。

刚刚过去的高考季，很多大模型公司热衷于去写高考作文，看看用人工智能写一个作文能得多少分。其实这个使用价值不大，人家不会允许你带一个大模型进去参加高考。但真正的需求是大量的考生在考完之后要报志愿，要选择学校、选择专业。他们对一所大学、一个专业会有各种各样的问题，而每一个考生的情况又是不一样的。这个时候就需要有一个智能体来回答每一个考生特有的问题。在高峰时期，百度的高考智能体每天回答的问题超过2000万个，而我们总共只有1000万的考生。

人工智能正在以前所未有的速度向各行各业渗透。很多人担心，如果我们日常的工作都让人工智能去做了，人是不是就没有工作机会了？这种担心不是没有道理，但是过去这段时间，我听到的担心、抱怨很多，听到的建设性意见比较少。很少有人去致力于发掘生成式人工智能带来的新的工作机会。

我觉得，一方面这次浪潮中，人工智能更多地在扮演"副驾驶"的角色。人工智能只是辅助人工作而不是替代人工作，它让人的工作效率更高、质量更好。另一方面，我们也看到有一些全新的工作机会开始出现。比如数据标注师，过去几年我们帮助全国20多个城市落地了数据标注中心，提供了大量的新就业岗位。

再比如提示词工程师，以后不用编程了，但是做好一个智能体还需要把工作流说清楚。这里面要有很强的逻辑性，要用提示词对模型进行调教。随着智能体的大量涌现，这种工作需求也会飙升。这些工作机会通常门槛并不高，你做得一般也能够养家糊口，做得好的话上限可以年薪百万。

自人类文明诞生以来，永不停止的创新就是刻在我们DNA中的。从石器时代的手斧到移动时代的手机，再到人工智能时代的大模型，人类不断创造各种工具来改善生活、提高生产力。但是它们永远只是工具，只有在被人类所使用的时候才有价值。我们坚定地相信，人工智能不是人类的竞争对手。我们构建和应用人工智能技术是为了满足人的需求，增强人的能力，让人类的生活更美好。

谢谢大家。