闭源模型在产业级应用场景中更具效率和经济性，而智能体作为AI应用的发展方向，其制作门槛低，潜力巨大，未来将广泛应用于医疗、金融、教育等领域，形成庞大的智能体生态系统。

“一天到晚就是跑分，刷榜，谁谁谁又超越GPT4了，OpenAI又出来sora了，又出来GPT-4o了等等。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？”

在今年WAIC产业发展论坛上，李彦宏在演讲里表达的非常直接。

根据斯坦福大学发布的2024年AI指数报告，Google 的 Gemini Ultra 模型的训练成本为 1.91 亿美元，而 OpenAI 的 GPT- 4 模型的训练成本约为 7800 万美元。我们这里不能将国产模型的训练成本和它们直接划上等号，但在“百模大战”的背景下，想必这些模型的算力消耗及其他成本加在一起也是一笔天文数字。

但另一方面，正如李彦宏所抛出的应用之问，虽然未有明确统计，但其实大家都能感受到：目前使用过大模型产品的，仍只是少数人，保持高频使用的更是凤毛麟角。

一句话：今天百模大战的盛况，和他们实际为社会创造的价值，是非常不相称的。

从去年西丽湖论坛开始，李彦宏就多次在公开场合表达“模型本身并不直接产生价值，基于基础大模型开发出来的AI原生应用才是模型存在的意义”这一核心观点，呼吁大家重视应用，而非模型。而他描述的问题，也在成为越来越多从业者的共识：无论基础模型多么强大，只有当普罗大众能够真正接触、感受到并使用这些模型时，其价值才能得以体现。

从近期行业已经逐步从注重“卷模型”转向注重“卷应用”的变化来看，李彦宏更早从模型应用侧出发的思考颇具前瞻性。越来越多的企业和用户开始关注哪些模型能够在特定场景中实际应用，并带来实际价值、解决现实世界中的问题。

在狂卷应用的热烈气氛下，人们也开始期盼在AI领域诞生一个个“超级应用”，就像移动互联网时代的微信、抖音一般，拥有庞大的DAU数字和极强的用户黏性，就像一个人工智能综合体，覆盖我们工作生活方方面面。

这一次，李彦宏点出了一个核心问题，如果走不出上一个时代的惯性思维，可能会掉入 “超级应用陷阱”。

一、“超级能干”的应用比“超级应用”更重要

“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。”

不同时代，应用的发展路径和模式等是不一样的。AI和大模型时代，我们不能再完全拿移动互联网时代的逻辑去类比，一定要达到亿级、10亿级别这样超级大规模的DAU才算是超级应用。

这其实也是因为不同时代技术发展背后的场景差异。

移动互联网时代超级应用们的最大共性，是这些应用大多数都是用来“消费内容”的，追求的是综合性和便利性。无论是公域、私域社交，还是长短视频，只有用户规模达到一定数量级，才会给用户带来源源不断可被消费的内容。而反过来看，相比“内容生产”，“内容消费”无疑更符合移动产品的天然特性——例如即便曾经被唱衰多年，但PC依然牢牢把持着最佳生产力工具的位置。

但是AI应用的出现，需要解决的往往是产业里更加实际的问题，覆盖的是生产力场景，更追求是效果、效率和专业性。哪怕是在传统生产力领域，也很少存在超级应用。比如视频剪辑这个领域，上到达芬奇、premiere、final cut pro，下到美图秀秀和各种自带快剪工具，覆盖不同人群、不同需求，每个应用都有各自擅长解决的问题。

一个垂直领域都尚且如此，更不用说出现一个软件能同时解决文字排版、视频剪辑、绘画设计、代码编写，并且在每个领域都做到最好了。

这就是“生产”与“消费”应用最大的不同：在消费领域，只要样本量（用户数）足够庞大，准确性差一点也无妨，用户划掉就是；但在生产领域，效率低一点、效果差一点，影响的都是真金白银，各位“打工狗”都是不干的。所以生产场景的应用本身较难有规模效应，大家各自挑最适合自己的工具就好。

大模型所具备的理解、生成、逻辑、记忆等强大的技术通用性，使得它天然更适合产业场景，能化身强大的生产力引擎。

不久前，李彦宏曾谈到一个观点，他认为大模型对于To B业务的改造会非常深刻和彻底，比互联网对TO B的影响要大很多，大一个数量级。今天看，大模型在B端的影响，已经大于C端了。

与这一思考相承接，李彦宏再进一步点出核心关注点， “超级能干”的应用比只看DAU的“超级应用”要更重要。他认为，只要能对产业和应用场景产生大的增益，AI应用的整体价值就已大于移动互联网。

他口中“能干”的应用其实离我们并不遥远：比如在快递领域，大模型处理订单，开局一张图、一句话就可以寄快递，时间从3分多钟缩短到19秒。并且大多数售后问题也可以通过大模型解决，一句话就可以多家快递比价，降本增效极为明显。

相信，只要始终从模型应用的核心价值出发，这种“超级能干”的AI应用，也必将很快在千行百业里喷涌出现。

二、闭源模型，在产业级应用场景更能打

在开发应用之前，如何选择适合的模型，是企业面临的首要问题，也是难点之一。采用开源模型和闭源模型作为两种主要的应用方式，是近期行业内热议的话题，备受关注。

李彦宏认为，从概念上，很多人对模型开源和代码开源的概念有所混淆。“模型开源，你拿到的是一大堆的参数，你还是要去做SFT，还是要去做安全对齐，你不知道这些参数是怎么来的。即使你拿到对应的源代码，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，你是无法做到众人拾柴火焰高的”。

在这样的背景下，开源模型不仅无法像开源代码一样，通过全网开发者共同维护一个项目来提高产品性能，无法实现“站在巨人的肩膀上”进行迭代开发。也会让拿开源模型为基础改款的模型成为“孤本模型”，无法从基础模型持续升级中获益，还会带来算力浪费、二次开发的成本上升等问题。

因此李彦宏认为，尽管在学术场景，开源模型有着较为重要的研究价值。但在激烈的商业背景下，商业化的闭源模型“最能打”，更适合广泛的应用场景，显然有着更高的效率与经济性，能够让企业业务效率提升，同时成本也能降低。

他提到了以百度在小说创作上的实践案例，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，让网文作者有了强助攻。

三、下一个应用方向，李彦宏选择了智能体

“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AI应用的发展方向。”

就像智能手机替代了相机，让留存美好回忆这件事变得轻而易举一样。智能体的制作门槛和难度也将非常低。李彦宏提到了这一开发过程的简单程度 — 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，就能做出来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。”他说。

而正得益于技术门槛的降低，智能体具备了爆发的潜力。根据李彦宏的畅想，未来的医疗、金融、教育、制造、交通、农业等领域，将会依据各自的场景、特有的经验、规则和数据，打造出各种各样的智能体。未来，数以百万计的智能体将会出现，形成一个庞大的智能体生态系统。

试想，这数以百万计的智能体汇聚起来，将会成为千行百业里一股强大的生产力引擎。因为智能体自身，就是具备超级能干特征的“多边形能力战士”，它不仅仅有基础的对话能力，还会有反思、规划、甚至是多智能体协作能力。多智能体规划如若实现，其能力将会倍增。此前李彦宏曾提到，在一些复杂系统中，让不同的智能体互动，相互协作，能更高质量地完成任务。

李彦宏的这些思路也早已不是停留在理论侧。百度在今年4月推出了文心智能体平台，其基于文心大模型能力，能够支持更多企业和开发者低门槛的去批量化创建智能体。统计显示，目前已有16万多名开发者和超5万家企业入驻，覆盖了100多个应用场景。其中一些企业的探索已经走在了前面，诸如知了爱学、启德教育、索菲亚等企业，不但在平台上创建出了自有场景的智能体，还正在初步试水跑通商业模式。

当然，当市面上的智能体像曾经的网站一般成千上万地出现时，搜索显然是一个更高效的分发入口。WAIC现场，李彦宏表示，“搜索是智能体分发的最大入口。”如今在百度搜索上，已经能看到很多智能体在上面提供内容服务，百度搜索也上线了“AI助手”频道，为企业创建的智能体打通分发渠道。

拿最近大家关注的高考填报志愿为例，在高峰时期，百度的高考智能体每天要回答超过两百万个考生问题。考生的个人情况、大学、专业的情况都很复杂，很适合有一个智能体来为每一个考生针对性解答。类似这样的刚需场景，其实远比让大模型去写高考作文实际得多。

四、机遇与隐忧

可以看到，无论对技术路线的争议几何，百度依然有着自己的节奏，坚持大模型实用主义，并在这场应用落地的长跑中给出了自己的答案：

“两个多月前我们宣布文心大模型的日调用量超过了2亿，最近我们又说文心的日均调用量超过了5亿！仅仅两个多月的时间，调用量发生了这么大的变化，足见它背后代表了真实的需求，是有人在用，是有人真的从大模型当中获益了，得到了价值。”在WAIC现场，李彦宏亮出了百度大模型应用落地的最新成绩单。

作为一家最早就投入人工智能研究的中国公司，从十多年前埋头干到今天成为大模型浪潮中的领跑者，这样的成果算是功不唐捐。

最后对于用户层在AI时代的一个经典担忧— AI如此快速的发展之下，自己会不会被AI取代。李彦宏现场分享了自己的看法，他认为，一方面AI更多只是辅助人的工作，而不是替代人工作。另一方面AI也带来了很多全新的工作机会，例如提示词工程师和数据标注员的需求规模会越来越庞大。

“从石器时代的手斧，到移动时代的手机，再到AI时代的大模型，人类不断创造各种工具来改善生活，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。”

他很坚定地相信，AI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。

尽管今天的AI行业人声鼎沸，但在行业中积累更深、理解技术更透彻的企业，他们的看法和洞察可能始终会潜移默化地影响着潮水的走向。这不断增长的应用生态和指数级增长的调用量，都是在行业发展的不确定性中，迈向繁荣的指路信号。