<mark id="oztn4"></mark>
0
落地大模型的速度和質量正成為企業在智能化浪潮中搶占產業制高點的關鍵勝負手。
據《2024中國企業AI大模型應用現狀》調研報告顯示，AI大模型落地總體上仍處在探索孵化階段，滲透率不足1%，但在已部署大模型的企業中，超半數企業感受到了大模型落地帶來的業務價值。
割裂感充斥在這場智能化變革之中：一端是洞察價值的企業持續加碼投入，另一端則是受限于技術、資金與人才的企業，無奈將技術浪潮視為“行業泡沫”。二者間存在的認知差距與行動鴻溝，折射出大模型落地從“試點紅利”邁向“普惠深水區”的行業陣痛。
技術斷層與能力失衡，則是橫亙在企業智能化轉型路上的雙重障礙。不具備技術能力的企業面臨桎梏，而具備一定研發實力的企業，也難以規避單一能力短板引發的“木桶效應”。
某大型集團曾斥資3000萬下場研發企業大模型，重金聘請技術專家，卻因技術落地難、數據隱私風險及商業模式模糊等問題，一年內耗盡預算，項目最終擱淺。
實踐表明，企業大模型落地需要與擁有全棧大模型技術基因的產業專家深度協作。在大模型中標項目數、行業覆蓋數、央國企中標項目數三個維度皆“領跑”的百度智能云，正是企業大模型落地的產業專家。正如百度集團執行副總裁沈抖表示，百度智能云系統級智能基礎設施正助力企業大模型高效落地。
全棧基礎設施作為大模型落地的剛需底座，通過自研芯片、算力調度、模型訓練及應用部署的技術閉環，百度智能云正解決企業從 “模型可用” 到 “業務見效” 的多個障礙。例如，百度智能云與招商銀行合作推進大模型落地，以昆侖芯 P800芯片為底層算力支撐，結合千帆大模型平臺與招行具體業務場景，在智能客服、多模態數據分析等領域落地實踐。
大模型競爭下半場，全棧能力將成關鍵看點。百度如何打造從底層硬件、算力優化、模型技術到應用落地的全棧服務能力？其產業落地成效又如何？
算力資源利用率提升50%，百舸平臺釋放昆侖芯性能
“我們自主可控人工智能技術走在央企前列。”南方電網公司數字化部副總經理余蕓表示。
據悉，南方電網研發的電力行業大模型“大瓦特”聚焦電力行業應用場景，通過整合電網運行數據、設備狀態信息、行業知識規則等，提升電力系統的智能化水平。其中， “南網調度值班助手” 可秒級生成故障處置預案，識別效率是傳統算法的10倍；變電站巡檢機器人將人工6小時的巡視任務自動化，準確率顯著提升。
而效率躍遷的背后，離不開百度智能云全棧算力能力的深度支撐。
昆侖芯P800芯片作為“大瓦特”的算力底座之一，采用了完全自研的XPU-P架構，僅需32臺服務器即可完成千億參數模型的全參數訓練，幫助南方電網在大模型訓練上顯著降低了成本。
“AI芯片是高度敏感的硬件。隨著集群規模擴展，故障率會呈指數級上升。這個難題，即使是全球最領先的芯片廠商，也無法避免。”沈抖說，“在硬件之上，必須有一套強大的軟件平臺，保障集群的穩定運行。”
百度智能云混合云總經理杜海同樣認為，獲得行業重要客戶的信任，基礎能力是關鍵因素。對于集群穩定性以及使用效率的關注，已經成為了行業的新趨勢。
國內具備萬卡集群建設能力的公司屈指可數，能同時兼具高效算力統籌與算力優化能力的企業更是鳳毛麟角。這類企業不僅需要突破芯片性能、集群架構等硬件瓶頸，還需在算力調度算法、資源利用率優化、多模態任務適配等軟件層面實現深度創新。
憑借全棧自研能力，百度成功點亮自研三萬卡集群。自研驅動的模式消除了硬件、軟件與生態融合的壁壘，使昆侖芯算力集群成為性能領先的單體集群。沈抖表示，這是國內首個如此大規模采用昆侖芯P800和海光CPU全國產方案的集群。
當算力集群規模觸及當前技術邊界時，擁有強大的軟實力才能發揮出硬件的潛能。百舸平臺是支持一云多芯及國產開源模型的算力管理平臺，其可以有效提升集群訓練推理效率，保障集群穩定性的同時，突破利用率瓶頸。
“百舸平臺是百度自主研發的核心組件，百舸4.0支持多種異構芯片、不同的高速網絡互聯技術，以及高性能存儲和相關存儲架構技術。”杜海說，“在這之上，我們通過全套云原生組件解決通信問題，百舸平臺不僅支持單一的英偉達芯片或昆侖芯，還能兼容多種芯片的不同通信協議與算力規則，實現統一調度。”
目前，百舸平臺實現了超高的穩定性，3萬卡集群有效訓練時長占比超95%，且具備秒級故障感知與定位能力，通過自動回滾機制可快速恢復集群運行，保障了業務的無間斷。同時，百舸平臺創新性采用混合云形態進行集群交付與運營，通過全局優化計算節點和存儲資源，資源利用率提升50%，大幅降低算力成本，提供“快、穩、省”的算力服務體驗。
集群利用率方面，百舸平臺已具備成熟的10萬卡集群部署和管理能力，且在萬卡集群上實現了99.5%以上的有效訓練時長，能夠將不同的芯片混合訓練大模型的效率折損控制在5%以內，達到業界最領先的水平。
“最能打動客戶的，正是百舸平臺把集群穩定性以及算力利用率不斷調至更優狀態。”杜海說，“百舸平臺的設計理念是從應用、模型、框架到芯片，自上而下地將四層體系深度融合，只有這樣端到端的體系，才能讓集群效能最大化。”
百舸平臺的兼容性與自主性也非常出色，得益于百舸平臺踐行的“一云多芯”策略，除昆侖芯外，還適配多種主流國產芯片，滿足企業在不同算力架構下的自主部署需求，讓客戶的算力選擇自主可控。
在算力選擇自主可控的基礎上，百舸平臺還具備對不同規模算力的兼容性。杜海表示，百舸平臺支持在一體機部署輕量化版本（百舸 Lite）；同時，針對百卡、千卡等不同集群規模，平臺提供差異化的集群化組網方案，確保業務開展過程的平滑性。
在對AI部署非常關鍵的模型支持方面，百舸平臺向上適配主流大模型框架，對包括DeepSeek在內的國產開源模型的訓練與推理均表現穩定且性能優異。以DeepSeek R1滿血版為例，基于百舸+昆侖芯的方案，昆侖芯P800單機8卡配置可實現2437tokens/s吞吐，而百舸DeepSeek一體機在支持500人團隊并發使用時，推理延遲平均在50毫秒以內。
開發超100萬個企業級AI應用，千帆平臺正在成為「智能體」工廠
昆侖芯與百舸平臺的深度協同，為大模型提供了直接的硬件支撐與平臺保障。在此前提下，一站式企業級大模型平臺千帆為大模型能力的整合和場景落地提供有力支撐。
4月25日的Create2025百度AI開發者大會上，文心大模型4.5 Turbo及文心大模型X1 Turbo正式發布。
文心4.5 Turbo作為多模態大模型，源自文心4.5，大幅提升了跨模態學習效率及多模態融合效果，多模態理解效果提升超過30%，在多個測試集上追平甚至部分超越了OpenAI的旗艦模型GPT-4.5。
文心X1 Turbo則是基于文心4.5 Turbo的深度思考模型，側重于深度思考，尤其擅長推理和工具調用，具備更先進的思維鏈，在問答、創作、邏輯推理、工具調用和多模態能力上均有進一步增強。在信通院最近公布的大模型推理能力評估中，文心 X1 Turbo的綜合評級獲得了當前最高級“4+級”，是國內首款通過該測評的大模型。
基礎模型具備強大的性能是落地應用的必要條件，而非充分條件，由于“通用”與“專用”的先天隔閡而導致落地效果大打折扣，只有足夠“懂業務”的大模型才能夠深入行業深水區。正如沈抖所言，基礎模型能力再強，放到具體的行業場景中，效果往往不達預期。
基于對行業大模型落地的深刻理解，百度首次發布金融行業大模型“千帆慧金”，該模型基于海量金融語料深度訓練，構建金融專用合成數據管線，優化算法策略，并提供知識增強大模型和推理增強大模型兩類模型，每類模型分別提供8B和70B兩個版本，支持最長32K上下文輸入，覆蓋金融行業多數場景。
在金融領域Benchmark評測中，千帆慧金金融大模型綜合表現領先，百億參數模型得分超過千億參數的通用模型。在金融銷售賦能場景中，相比通用模型，千帆慧金金融大模型能更完整地列出貸款材料清單、拆解工作流程，并明確風險管控要點，展現出深厚的行業知識與推理能力。
對于智能體的落地，強大的模型固然重要，但讓更多企業負擔得起、用得起來，才是推動普及的關鍵。
文心4.5 Turbo以及文心X1 Turbo均已上線千帆平臺并對外提供服務，在千帆平臺上，文心 4.5 Turbo的百萬token價格僅為DeepSeek V3調用價格的40%，而文心X1 Turbo價格只有DeepSeek R1的四分之一。
除文心大模型外，千帆平臺還提供超過100個模型服務，市場上效果好的模型，都可以在千帆上找到。除模型服務外，千帆平臺還提供模型開發、應用開發的全套工具鏈，在應用開發方面，千帆平臺已累計幫助用戶開發出100多萬個企業級應用。
經過大量落地案例積累與多次技術迭代，千帆平臺已成為功能完備、高效易用的 “智能體工廠”。企業可直接調用百度提供的成熟智能體，包括行業智能體，以及智能客服、內容審核等通用智能體，快速開發并構建智能體生態。
伴隨著大模型部署進入深水區，千帆平臺在智能體開發領域也將進一步向行業廣度與企業深度延伸。
未來，企業既可通過A2A等協議調用集團內部及上下游合作伙伴的第三方智能體，打通跨組織業務流并以最優策略協調智能體分工協作；也能開發企業自有智能體，通過MCP協議連接企業內部服務，激活過往數字化積累的 IT 與數據資產，讓智能體成為企業業務流程的有機組成部分。
而千帆平臺支持所有市場上主流大模型的策略，也讓企業在智能體開發過程中，能將自身的業務匹配到合適的模型，并且企業還能根據千帆平臺上真實的用戶反饋對模型進行微調，提升智能體的落地效果。
此外，千帆平臺的能力還支持“私有化部署”， 模型以及工具的更新都將在一周內上架到千帆平臺上。
全棧自研，百度智能云跑通AI落地的「最后一公里」
從硬件基礎設施到模型及應用開發平臺，百度智能云在不斷探索及夯實智能化轉型的全流程，提供了從算力、模型開發、應用開發以及數據管理的全套人工智能基礎設施，與企業沉淀的行業數據資源相結合，真正跑出能落地、能夠深入行業的模型及智能體。
超65%央企選擇與百度合作探索智能化轉型之路，而百度智能云也以行業場景為錨點，打造深入行業的智能體矩陣。
“輕量定制行業智能體，正在成為大模型產業落地的最快路徑。”沈抖說，“它會根據場景的特點，選擇合適的大、小模型，并給出最佳的協作方式；通過知識庫等方式激活企業的專屬數據，拓展智能體的專業知識；還可以根據業務流程要求，自動編排任務；同時與企業現有系統打通，實現從數據到應用的閉環。”
由人民日報文化傳媒、百度公司聯合主辦的 “2025 智能經濟論壇”全新發布了 “精選行業場景智能體家族”，包含能源、醫療、交通、政務等領域，覆蓋B端企業、C端用戶及G端政務場景，推動AI從通用技術向行業生產力轉化。
企業辦理用電相關業務效率低？百度智能云營銷供電方案智能體讓業務辦理提質增效。
傳統的供電方案制定工序繁瑣，需填報上百項數據并經過多個部門進行勘查，辦電效率低下容易影響企業正常經營活動的開展。為此，百度智能云聯手國家電網推出“營銷供電方案智能體”，通過多輪對話識別需求、大模型自動生成方案并動態調整優先級，實現客戶辦電效率的提升。
“智能體已經全面掌握了整套流程，能準確地調動行業知識和工具系統，實現企業辦電流程的全面智能化。”沈抖說。
在醫療領域，百度智能云的智能體致力于提升患者的就醫體驗。
2024年上海市公立醫療機構病人滿意度調查顯示，在2224人次的門診病人反饋意見中，31.74%的改善意見與 “等候和排隊時間” 有關，門診等候時間位居門診病人改善建議的前列。
對此，百度智能云推出智慧就醫智能體，在就診前便通過大模型收集病情信息，并利用多模態語義融合解析技術，自動生成患者“病情卡”。這一功能落地武漢協和醫院，病情卡加上專家模型判斷患者是否符合加號要求，審核準確率達95%以上，并節省專家篩選時間85%以上。
而在和民生密切相關的的政務領域，百度推出的行業智能體同樣讓業務的開展提質增效。
公路交通事故的發生往往會引發系列的連鎖反應。相關研究表明，當車輛駛入飽和狀態的道路，會使其他所有車輛速度降低約0.7%，這種 “蝴蝶效應” 在高峰期可能讓整體通行時間延長20%以上。
百度智能云推出的公路應急指揮智能體嵌入“事件感知-事件播報-應急處置預案生成-預案選擇-預案執行-處置結束”全流程，將檢測準確率提升到95%以上，讓監控人員介入處置的工作量降低50%。利用大模型實現部門及設備聯動，并生成應急處置報告，實現突發事件應急響應效率提升30%。
環境管理是綠色及可持續發展的核心，而智能化則讓環境管理變得高效。沈抖表示：“今天，AI 正在讓生態環境的監測和治理變得可感、可行。”
百度智能云聯手中國環境監測總站打造生態環境監測智能體，依托環境監測總站高質量的環境監測數據，面對復雜的氣候條件，能生成環境質量分析報告并出具精準預測，其在空氣質量問答、水監測站點信息問答、污染源答疑等場景下回答準確率超95%，為環境管理決策提供數據支撐。
百度智能云“全棧自研”的智能基礎設施，直擊人工智能時代算力與算法面臨的瓶頸，通過昆侖芯芯片與百舸平臺構建高效算力底座，依托文心大模型探索算法創新邊界。在此基礎上，百度智能云深度融入行業場景，背靠企業的高質量數據資產，讓智能化轉型發生。
雷峰網(公眾號：雷峰網)獲悉，受AI驅動，百度智能云業務在2025年第一季度增長強勁，同比增速達42%。
“這是一場長期的接力。我們會堅定投入，打造更先進、高效的人工智能基礎設施，服務更多的中國企業，加快推動大模型產業化發展，釋放更多場景價值。”沈抖說。
全棧自研的技術實力以及持續投入的決心，將讓百度在智能涌現的時代不缺席
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
