为何说AI原生应用是最大机会？李彦宏这场对谈说得很清楚

原文来源：硅星人

图片来源：由无界 AI生成

12月中旬的周末，北京处在一场持续的寒潮里。每天的最高温度在-5度以下，积雪变成冰层结在路面上，车辆很少。我出门前问了问文心一言今天该如何出门，它说尽量选地铁，因为我大概率打不到车。

打车有点晚了。12月16日在751的大烟筒旁边，有一场大模型的创业大会。大模型仍然很热，聚集了上千名创业者，还有几十位企业CEO来了现场，台下是更多的想找一个跨向AI时代的正确姿势的开发者。李彦宏也去了。

在ChatGPT发布一年之后，文心一言升级到了4.0版本，它现在在网站和APP上叫做文心一言专业版，比起最初的版本，现在它能够完成一些多模态的任务，在逻辑和推理能力上已然不可同日而语。而这一年时间里，整个中国大模型的业态也发生了巨大变化，ChatGPT的惊艳变成一场场躬身入局。到了12月的这场降温里，我们似乎正在经历一场大模型过热。

截止今年10月，Hugging Face上已经有接近3万个文本生成模型可供下载，国内发布的大模型数量已经达到238个。6月份的时候这个数字是79个，相当于4个月就翻了3倍。但人们到现在仍然只记得那不超过10个大模型的名字。

一个围绕大模型的新产业正在形成，但李彦宏发现这个新产业里大部分人都用错了力，这让大模型进入一场资源盲目浪费的怪圈。

更直观明了的创新路径，原本应是在模型上开发AI原生应用，或者是用模型改造自己的现有产品，这却在疯狂烧钱、跑分的大模型热中被忽视了。应用才是大模型的价值所在，就像我们最初是从ChatGPT的惊艳故事里认识了OpenAI和它的大模型，而不是相反，或者从任何榜单跑分上。

李彦宏有些“着急”，关于大家仍然在卷基础模型，而还没有开始卷AI原生应用这件事。

现在不是大力出奇迹的阶段了

这也不是李彦宏所经历的第一次AI浪潮。AlphaGo在2016年左右引发了全世界的关注，随后计算机视觉的火热又孵化出了一大批新的创业公司。但此前的百度一直保持着定力，飞桨的框架在形成，文心大模型在2019年拿出了第一个版本，但百度过去这十几年从来没有做过任何和用人工智能来下围棋有关的事，而对于计算机视觉带来的人脸识别或者智能巡检的想象空间，李彦宏又有所保留。

“即便你能够下得过全人类的围棋冠军，但这件事能产生的价值是很小的。而人脸识别或者智能巡检这样的场景又很分散，各种各样的场景你都要单独去做一套，一旦场景分散了，就意味着很难有标准化的产品出现。”

图源：百度

李彦宏从未像这次生成式AI的出现一样兴奋。

“这次大模型技术浪潮，我觉得不一样之处就在于它的通用性。我们讲叫“智能涌现”，没有教过的它也学会了。有了这个特点之后，当你有一套基础技术能够做得非常好、非常领先的时候，它在各种各样的场景都能够迅速做出有价值的应用来。这是AI过去70年从来没有过的事情，所以它是完全不一样的机会。”

技术终究是为应用服务的，而花费大量资源来打榜，甚至过分聚焦模型的基础能力都在某种程度上偏离了这样的原则。

“模型技术的先进性与否，更多的要看这个模型在什么应用场景下，能干什么。把这个东西想清楚了之后，才能够去评判模型的好坏。有时候我觉得模型好坏的评估能力是一个大模型公司的核心竞争力。你知道什么叫好，什么叫不好，你才能够做出好的来，如果你都不知道，你要靠第三方给你做评价，给你打个分，这个事儿是不靠谱的，你自己都不知道你在干啥？”

一篇论文做过统计，美国所有大学的GPU数量集结起来，都训练不出一个GPT-3.5。OpenAI用巨大的资源成本完成了生成式AI从0到1的探索，而在一年之后，李彦宏认为对于大部分大模型产业的参与者来说，现在已经过了“大力出奇迹”的阶段了，甚至更多走向它的反面。

“大模型到最后价值会落在应用上。这跟所有商业竞争规律都是一样的，谁的效率高谁胜出。你可以融资，我也可以融资，最后我用10块钱做出来100分的效果，你用10块钱做出来120分的效果，久而久之你就赢了。”

这也是百度内部在大模型应用研发时所坚持的一条效率路线，李彦宏拿百度文库的PPT生成能力举了个例子。