广告
加载中

4000个模型和500家独角兽 AI竞争新面孔背后

赵艳秋 2025/09/02 09:53
赵艳秋 2025/09/02 09:53

邦小白快读

文章介绍了AI领域的快速演进和实用进展,重点关注模型爆炸、智能应用落地和基础设施升级等核心干货。

1.模型数量和独角兽企业激增:自ChatGPT诞生后33个月,全球涌现4000多个大模型和近500家AI独角兽,榜单更换频繁,无模型能霸榜超过五周,显示激烈竞争和快速迭代趋势。

2.具身智能突破:北京人形机器人创新中心的“天工”机器人实现从遥控到全自主奔跑的跃迁,跨越非线性瓶颈(如场景泛化)和线性瓶颈(如稳定性和续航),出货数百台,与李宁合作在运动测试和电力巡检等场景落地。

3.Agent应用广泛普及:数字员工在金融、保险等行业落地,如工商银行上线1000多智能体;多模态技术如VAST的AI 3D模型快速建模,成本降至0.0001元;AI陪伴机器人LOOI全球出货3万台,应用案例丰富。

4.基础设施革新:百度智能云百舸平台通过解耦和优化提升训练效率三倍,昆仑芯芯片支持超大规模模型;MoE稀疏模型架构成主流,强化学习实现数据飞轮,推动AI持续进化。

5.数据重要性凸显:百度DataBuilder平台解决数据治理痛点,实现600%处理提效和30%成本降低,数据成为Agent落地的核心。

品牌商可抓住AI技术带来的营销创新、产品研发契机和消费趋势变化,以强化品牌竞争力和用户连接。

1.品牌营销和渠道建设多模态化:数字员工如吴彦祖教英语和罗永浩直播带货掀起热度,提升用户信任度和亲和力;AI陪伴机器人销售火热,覆盖国内外市场,显示消费偏好向智能交互转移。

2.产品研发受AI启发:具身智能如“天工”合作李宁探索运动测试;多模态模型如VAST的AI 3D改变工业管线,建模成本大幅降低;企业正基于开源模型迭代小模型方案,提高性价比和场景适配性。

3.消费趋势反映用户行为:AI机器人全球热销表明情感陪伴需求上升;数字员工在金融和保险业落地提升交易效率,显示用户对自动化服务接受度高;开发者AI写代码占比增至30%~40%,预示技术普惠化推动消费升级。

4.品牌竞争格局重塑:企业护城河焦虑凸显,如保险公司问“护城河在哪”,需通过AI原生应用重构价值;多智能体协作提升专业度,结合真人交互增强用户信任。

卖家面临政策支持下的增长市场和风险机会,需关注应用案例、合作模式和新商业机会。

1.政策解读与合作扶持:百度智能云提供政府智算方案,支持具身智能国家队;平台如千帆4.0推出预制行业模型,降低落地门槛;地方政府和平台方在浙江、广东等地合作创新中心,推动AI赋能。

2.增长市场需求旺盛:多模态应用如VAST的AI 3D服务全球企业;AI 3D建模成本降至0.0001元,显示巨大商业空间;金融领域智能体数量迅速增长,工商银行上线1000多智能体,应用场景爆发。

3.事件应对措施和可学习点:数字员工解决信任问题,提升保险邀约意向率近一倍;风险提示如技术冲击传统壁垒,企业需通过Agent重构竞争力;机会提示如强化学习数据飞轮,持续优化应用。

4.正面影响和合作方式:百度百舸平台优化训练效率三倍;具身智能出货扩大,与20家产业链企业合作;AI搜索API调用量激增,可实时补充信息;最新商业模式如多Agent协同,规划者执行者模式灵活高效。

工厂可从AI中获取生产设计创新、效率提升和商业机会,推动数字化转型和电商进程。

1.产品生产和设计需求:AI 3D技术如VAST实现建模秒级完成,从手工雕琢到AI自动化;具身智能在电力巡检等工业场景落地,优化检测流程;昆仑芯芯片适配主流模型,支持智能制造。

2.商业机会和效率提升:MoE架构扩展参数规模;强化学习训推一体方式降低反馈延迟;百度DataBuilder处理数据提效600%,节省30%成本;具身智能如“天工”出货数百台,为制造业提供新价值。

3.推进数字化和电商启示:工业管线革新如AI 3D服务全球企业;数据智能平台管理多模态数据生命周期;平台如百度智能云提供绿碳方案,支持电商领域Agent应用,如多语种智能客服。

服务商可关注行业趋势、新技术方案和痛点解决,以优化客户服务和创新方案。

1.行业发展趋势:AI Agent成落地主角,多Agent协同处理复杂任务;基础设施从稠密模型转向MoE稀疏架构;数据成为智能核心,50%~80%时间用于治理。

2.新技术和解决方案:强化学习实现训推一体,形成数据飞轮;百度百舸5.0优化MoE训练效率;多模态RAG升级,支持智能客服如九号电动车诊断;AI搜索API满足实时信息需求。

3.客户痛点和应对:模型训练验证周期长,百舸平台提升效率三倍;视觉模型准确率低(仅20%~30%),通过流程优化可超90%;DataBuilder一站式引擎降低80%检索成本。

平台商需响应商业需求,优化平台做法、招商管理,同时规避风险。

1.商业对平台的需求:模型快速迭代需高效算力,如昆仑芯超节点降低通信时间;长上下文和多模态融合挑战基础设施;平台如百度千帆4.0提供预制模型pipeline和Agent编排工具。

2.平台的最新做法和招商:百舸5.0引入模块解耦提升利用率;全面支持具身智能开源模型,培训速度提升一倍;招商如支持北京、上海等创新中心及产业链20家企业;数字员工在100多行业场景落地应用。

3.运营管理和风险规避:百度智能云管理1500P算力;数据平台DataBuilder确保数据安全治理;风向规避如自主可控方案,避免技术垄断。

研究者可聚焦产业动向、新问题和商业模式,发掘政策建议和研究启示。

1.产业新动向:Agent接管价值创造,从封装信息到交付结果;大模型数量激增至4000多个,独角兽企业近500家;基础设施发生范式变革,如强化学习兴起。

2.新问题和政策建议:护城河焦虑反映传统壁垒被打破;行业模型建设需谨慎投入,性价比导向;政策启示如政府智算方案赋能地方发展;商业对数据治理依赖性提高。

3.商业模式和启示:模型发展从SFT转向RFT自我进化;多智能体协作如规划者执行者模式高效;基于数据的Agent持续迭代,Know-how沉淀成核心竞争力;AI原生应用重构企业管理范式。

{{loading ? '正在重新生成' : '重新生成'}}

返回默认

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

在北京人形机器人创新中心的实验场里,CTO唐剑和团队正在加速冲刺。今年春天,他们的机器人“天工”还需要工程师遥控才能跑完半程马拉松,而几个月后,在世界人形机器人运动会田径场上,它已能完成全自主奔跑。

唐剑总结,具身智能的突破要跨越两类瓶颈:一类是“非线性”的,比如场景泛化和大模型的飞跃,一旦突破,就会迎来“具身智能ChatGPT”时刻。虽然这在时间上不可预测,但他坚信,一两年内行业会出现重大突破。另一类是“线性”瓶颈,比如稳定性、负载能力、续航和安全性,只要假以时日就能提升。

为此,行业正在展开激烈竞逐。而竞速并不局限于机器人。自ChatGPT诞生的33个月以来,全球已出现4000多个大模型,催生近500家AI独角兽。没有一个模型能在榜单上停留超过五周。

这些也推动AI基础设施进行范式性变革,业界比以往任何时候,都需要更快的模型迭代和更强的计算平台。行业焦点从单一追求规模,转向追求效能。

百度集团副总裁侯震宇直言:“我们正站在价值爆发的前夜,谁能把握住AI应用最佳实践和基础设施效能的提升,谁就能在未来AI格局中脱颖而出。”

01

“我们的护城河,还在吗?”

尽管年初Deepseek引发一波应用探索热潮后,整个行业依然在摸索落地路径,但从上周举办的百度云智大会上看,大模型应用蓬勃演进的速度,超出想象。

去年,大模型应用主力军是互联网、智驾、央国企和科研教育行业。“今年,除了KA客户,出现了很多新型创企,像具身智能,还有从大语言模型转向多模态类的,场景更丰富。” 百度智能云AI计算首席科学家王雁鹏告诉数智前线,他将这些归结于开源模型浪潮和产业蓬勃,点燃了更多需求和应用。

具身智能在经历快速演进。北京人形机器人创新中心的“天工”,在今年春天的半程马拉松上夺冠后,目前已开始出货,今年可能销售几百台。中心与李宁等头部企业探索在运动学测试、导购、电力巡检等落地。“大家很快应该看到一些落地案例。”唐剑透露。中心也发布了具身世界模型、跨本体VLA模型等大模型的阶段性进展。

多模态创新是今年另一类引人注目的方向。创业公司VAST是一家成立仅两年的AI 3D大模型企业。AI 3D技术两年多前才被发明出来,VAST迅速将其商业化落地,已服务了全球超300万专业建模师、4万多家企业和700多家大客户。

“我们正在改变很多工业管线。”VAST创始人兼CEO宋亚宸说。过去建一个游戏模型要靠艺术家手工慢慢雕琢,现在用AI 3D只需几十秒钟、0.0001元。

大量AI陪伴类产品已悄然上市,售价从数百到数千元不等。AI陪伴机器人LOOI相关人士对数智前线说,上市几个月,他们已在全球出货3万台,其中海外60%,国内40%。

除了新市场,传统行业也在快速被改变。在金融领域,工商银行已上线了1000多个智能体,尤其今年智能体数量增长迅速,让交易形式、内部协作、风险经营等都发生了变化。

一家大型保险集团引入“数字员工”进行短期险邀约,意向率提升近一倍。百度副总裁阮瑜分析,结合多智能体以及真人级数字人交互体验,基于慧播星数字人技术的百度数字员工效率与专业度显著提升,交互还更具亲和力,能建立更强的用户信任。

数字员工一经推出,已迅速在100多个行业场景落地。像吴彦祖教英语、罗永浩直播带货,都掀起了不小的市场热度。

开发者对大模型的体会更深,现在,几乎所有程序员都在用AI写代码。根据百度工程效能部总监臧志的数据,AI Coding工具的代码生成占比已从20%提升至30%~40%,未来可能达到80%~90%。

值得注意的是,随着大模型智力上限不断拉高,各行业格局正被悄然重塑。7月,百度智能云金融业务部总经理徐旭拜访一家头部保险公司副总裁,分享智能体应用场景时,对方抛出一个问题:“我知道这能做,但在这个时代,我们的护城河在哪?”

这折射出头部企业的焦虑,技术创新正冲击传统壁垒,竞争格局正在改写。徐旭认为,关键在于让大模型直抵核心业务场景,用AI原生技术和新的管理范式重构竞争力。

正如百度集团执行副总裁、百度智能云事业群总裁沈抖所说,AI创造的价值,会远超互联网。互联网时代,网站和App封装的是信息,交付的也是信息;而智能时代的核心是Agent,封装的是智能,交付的是结果。一定会有大量的Agents去接管从生产到经营的各种环节,直接创造价值。而业界看到,AI全栈技术也正围绕Agent加速重构。

02

十万卡不是终点

格灵深瞳技术副总裁、算法研究院院长冯子勇,带领团队研发了视觉基础模型Glint-MVT,并将Glint-MVT作为视觉编码器训练出多模态模型Glint-VLM,用于各种多模态理解任务和推动世界模型发展。他们计划在9月底左右将新一代Glint-VLM全量开源,这是一个达到商业级应用水平的模型,不仅放出模型,还公开训练数据和代码,让学术界和产业界真正理解模型的生成方式和安全性。

探索并不轻松。冯子勇坦言,过去在模型训练与实验迭代中,整个验证周期较长,亟需更强大的基础设施支撑。与百度智能云百舸平台合作后,百舸帮助其优化VLM训练框架,训练效率提升三倍,两天内就能完成一次训练,加快了实验迭代速度。而对于工业场景99%甚至99.9%准确率的需求,他们还需要依赖专业场景数据,从真实反馈中迭代。

随着模型规模、多模态、精度以及Agent的演进,对基础设施的需求已大为不同。全球算力竞赛仍在持续,科技巨头在大模型上不断“摸高”,Scaling Laws推动参数与算力快速增长。同时,Agent进入深水区后,上下文更长、多模态融合、强化学习和“训推一体”范式,对AI基础设施带来了新得范式性变革。

业内也将目光投向高效Scaling方向,从稠密模型转向MoE稀疏模型架构,MoE在保持计算量不变的情况下,可大幅扩大参数,万亿参数MoE模型已成普遍趋势。

今年以来,云大厂围绕MoE做了大量工作。比如百度智能云百舸5.0,围绕MoE架构做了全栈优化。

MoE对算力的要求是之前稠密模型的5到10倍。王雁鹏说,仅仅一个PD分离还不够,百舸5.0引入更系统的解耦,将视觉与语言、Attention与MLP等模块也解耦,大幅提升算力利用率。这种更细力度的分离正成为演进趋势。

强化学习同样正在兴起,成为最重要的计算范式变革。它采用“训推一体”方式,模型在推理时不断接受反馈并实时更新,形成数据飞轮,让AI持续逼近真实需求。但训练和推理在计算特性上完全不同,统一架构极具挑战。年初DeepSeek R1推出时,市面上的强化学习框架尚难支撑。为此,百舸通过多轮实验与工程创新,打造出新框架。

为进一步提升集群的效能,超节点成为行业竞相投入的产品,用以降低通信时间、提升吞吐。百度4月发布的昆仑芯超节点,在性能与经济性之间取得平衡。

过去外界担心国产芯能否支撑超大规模模型,侯震宇介绍,昆仑芯P800已在3.2万卡集群点亮应用,训练效率超过98%,并在多行业落地验证。它让百万tokens推理成本降至几块钱,同时适配主流模型和框架,成为真正覆盖训练与推理的国产芯片

具身智能的崛起,也是基础设施必须全力支撑的方向,百舸已全面适配主流开源具身VLA模型,并在WM世界模型和VLM模型上实现训推提效,北京人形机器人创新中心基于此,将强化学习训练速度提升了一倍多。百度智能云已支持北京、上海、浙江、广东创新中心等的具身智能“国家队”,并为产业链上超20家重点企业提供支撑。

面向各级政府、超级大型企业,百度智能云提供自主可控、绿色低碳、产业赋能的全栈AI智算方案,目前完成了1.2万P算力建设并管理运营1500P算力,在IDC智算服务市场中排名国内第二。

03

Agent infra,越用越有价值?

除了算力基础设施,Agent要落地,必须有进一步支撑。Agent正在成为大模型落地的主角。从最初的简单应用,已发展为多Agent协同处理复杂任务。

Agent需要好模型。要不要行业模型、场景模型,很多行业存在“非共识”。百度智能云AI与大模型平台总经理忻舟告诉数智前线,他们与企业在行业大模型上的探索,经历了三个阶段。

最初,企业提供几十GB数据做后训练,但很快发现效果有限,一个新的基础大模型就能覆盖原有成果,因为数据量不够大。此后,企业开始结合具体场景,如设备维护,做数据标注,再在开源模型上做SFT或强化学习,训练量小、效果更好。

而在当下,他们的实践是先选择效果较好的基模,参数规模大可先蒸馏压缩;若效果不足,则补充标注数据训练小模型,还可以将多个小模型融合实现更好的效果,并在生产中持续迭代优化。

值得关注的是,在这个过程中,基座模型可灵活替换,企业在过程中真正沉淀下来的,是标注数据、应用know-how和Agent开发经验。

像智联招聘在人岗匹配场景中,采用了第三种模式,其在人岗匹配场景中,基于百亿参数规模模型,只用少量数据,就媲美千亿模型DeeSeek R1的效果。CTO王昊称,这是未来一段时间,垂直场景的“王道”方案。

忻舟告诉数智前线,从行业实践看,贸然建设行业大模型,投入大、效果不确定,性价比不高。但行业模型的价值已被验证,尤其是对于成本、精度和速度有考量的企业。此外,视觉、多模态基础模型,准确率通常只有20%~30%,通过上述流程,在特定场景下准确率可超过90%,性价比极高。在新升级的千帆4.0中,提供了预制好的行业场景专精模型,以及一个为专精模型深度定制的pipeline。

在这个过程中,大模型的微调从SFT(监督微调)走向RFT(强化微调),也就是模型的自我进化。RFT通过提供评估标准或奖励函数,让模型在业务场景中自我探索,只要结果符合目标即可。这种方式尤其适合目标明确、标准清晰的场景。

有了模型基础,下一步是如何让Agent协作完成任务。业界主要有三种编排方式,其一是自主规划,依赖大模型能力拆解任务,快速生成简单Agent;其二是工作流,优势是稳定可靠、结果可预期,目前在千帆平台上占到80%以上;其三是最新流行的一种多智能体协作,千帆采用“规划者执行者”模式,更灵活高效,还最先在国内云厂商中支持A2A协议,实现跨平台、跨企业的Agent互通。

智能体编排好后,还需要“手脚”去执行,高质量能力组件变得非常重要,其中最关键的两类是RAG和AI搜索。

千帆4.0的RAG已升级为多模态版本。九号电动车用五年登顶全球智能电动车销量第一,借助多模态RAG打造了多语种智能客服,车主只需拍照,就能获得实时多语种的诊断和指导处理。

百度AI搜索则满足了大模型的实时性需求。它是市场上呼之欲出、需求量非常高的API。大模型训练基于历史数据,如GPT-5的数据是截至2024年9月底的,难以覆盖最新信息,而AI搜索可实时补充这一缺陷。忻舟介绍,这一功能上线三天,调用量就从十几万飙升到千万级。最近,智联招聘已在校园场景中应用,帮助学生实时获取企业薪酬和面试经验。

Agent是未来最重要的研发范式,但是在这个研发范式背后数据的作用是无比重要的,无数据无智能。“我们发现工程师50%–80%的时间花在数据治理上。”百度智能云数据平台部总经理刘斌说,此次千帆4.0推出的数据智能平台DataBuilder,就是为了解决这一门槛。

产品覆盖了从多模态数据采集、转换、处理、检索、服务等数据治理的全生命周期,解决了模型训练和AI应用数据处理过程中,从数据管理,数据开发到数据生成处理全链条诉求。

通过多模态管理和一站式AI计算引擎,帮助客户实现600%数据处理提效和30%的计算成本降低,通过Data+AI一体化和面向场景化和行业化模板,帮助业务整个开发提效30%,同时通过多模态检索引擎帮助业务降低80%的检索成本。

随着Agent和大模型的深度融合,AI开始接管生产、经营和服务环节,成为新的价值创造者。无论是“天工”的全自主奔跑,还是数字员工的落地,都在印证AI已从实验室走向社会。下一个智能时代的竞争,将不只是比拼模型和算力规模,而是比拼谁能更快、更稳、更高效地把智能封装进Agent,嵌入到产业链与社会运行之中。而企业真正的护城河,正从传统资源禀赋,迁移到用AI原生应用构建和新的管理范式重构上。

注:文/赵艳秋,文章来源:数智前线,本文为作者独立观点,不代表亿邦动力立场。

文章来源:数智前线

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0