百度沈抖：AI“超級周期”啟動，10萬億產業從里到外被徹底重塑

“AI超級周期啟動，智能經濟機會無限。”

正當我們討論AI浪潮時，一個被忽視的宏大背景正在展開：AI不僅是一個獨立的技術賽道，它正站在一個高達10萬億的基礎產業之上。這意味著，我們今天所見的AI趨勢，將是下一輪對現有工種和組織形態進行 “徹底改變”的巨大力量。

百度集團執行副總裁、百度智能云事業群總裁沈抖博士在江陰飛馬水城帶來了《智能，生成無限可能》的分享，從趨勢、原理、場景、基建、變革五方面帶領我們透視智能經濟的整個面貌，包括深入淺出的技術解析與豐富生動落地實踐分享。

此次分享是一份面向未來的生存指南，幫助創業者抓住這波以大模型為核心的技術浪潮，實現企業的高效、變革與增長。

本文僅為部分內容，打開混沌APP，觀看完整版課程《智能，生成無限可能》。

AI 的價值會遠超互聯網

我們正在AI超級周期的起點，智能經濟帶來的機會是無限的。

等AI進一步發展的時候，不但會使得自身的規模變得更大，而且會把整個產業做得更大。所以，盡管今天AI可觸達的市場雖然只有200 億，但它實際上改造的會是10萬億的市場。——從注冊護士、軟件開發師到銷售、教師，今天的人工智能會徹底地改變每一個工種，包括為其賦能，或者幫助其找到新的機會，總之是給各行各業都帶來變化。

離我們最近的技術浪潮是互聯網。從PC互聯網到移動互聯網，我們大多數人無非是上網刷刷帖子、看看文章、看看小視頻。厲害一點的，可能會寫點文章、拍點視頻，讓別人來刷你的內容。

但除此之外，互聯網究竟對我們企業帶來改變，其實大部分變化集中在營銷層面，而在其他環節的幫助相對有限。正因如此，互聯網時代真正賺錢的是信息平臺。對實體產業的賦能，其實并沒有那么深入。

而到了人工智能時代，情況發生了根本性的變化。AI不再停留在信息層面，而是深入到“研、產、供、銷、服”的每一個環節。

什么是大模型？

那么什么是大模型？簡單來說，參數規模大的模型，就是大模型。我們經常把大模型和人腦做類比。人腦大約有860億個神經元，它們通過軸突和樹突相互連接，傳遞電信號，形成復雜的神經網絡。人工智能從誕生之初，就一直在試圖模仿人類的思考方式和思維過程。所以我們可以做一個類比，人工智能本質上是基于模型的。模型參數不斷擴大，量變帶來了質變，智能開始涌現。

訓練模型，就是大家常講的三大要素：足夠多的數據、足夠強的算力，以及足夠好的模型架構。模型架構，就是大腦結構，它內部還在不斷迭代。而算力和數據，基本上就是“大力出奇跡”。

大模型的整個訓練過程大致是這樣的，就像小孩上學一樣：

首先，要“讀萬卷書”。就像小孩熟讀熟讀《唐詩三百首》，不用自己創作，但也可以順下來。大模型也需要海量閱讀，通常要把互聯網上幾乎所有的文本都看一遍。這時，你隨便開個頭，它就能根據之前看過的內容，自己順下去。

但問題在于，這時候它接出來的內容常常是毫無意義的，只是機械地統計下一個最可能的詞是什么，然后順下來，并不理解其中的意義。

所以，接下來就需要“后訓練”來調教它。通過人工標注和指令微調，告訴它應該用什么方式、什么風格來輸出內容，讓它變得更符合我們的需求。

從數量上看，預訓練通常需要消耗約25萬億文字。后訓練階段則需要大量的人工標注數據。

這也解釋了為什么現在算力如此緊張。美國常說因為訓練大模型連電力都短缺了，原因就在于訓練一次的代價極其巨大。如果把一次訓練的計算量換算成人力來打算盤，大概需要全球80億人不間斷地打上1000萬年才能完成。從這個角度說，機器智能確實是以一種極其龐大的能量代價換來的。

掃描海報二維碼，立即學習完整課程

智能體是大模型產業落地的最佳形態

接下來，我們重點看看落地場景。

智能體(Agent) 是大模型產業落地的最佳形態。因為在企業里，一個通用大模型通常無法直接解決你的具體問題，因為你需要的是大量的企業專屬知識。這時，你可以通過RAG（檢索增強生成），提高AI模型回答的準確性、時效性和相關性，也可以設計自己的專精模型，或為內部工具增加外圍一些系統，整合搭建出一個能夠自主處理任務的智能體。

Agent已經加速進入產業高價值場景。我們來看幾個例子。

編程領域

我想絕大多數人經過紅綠燈路口都會煩惱：明明兩邊沒車，卻偏偏是紅燈。現在大多數路口的紅綠燈其實都做過優化，加入了一定的人工調優。比如早高峰東西向車流多，就讓綠燈時間長一點。通過這種方式，大概能減少8%的等待時間。如果再用上一些更先進的算法，還能再優化到15%。

很多高校的專業課上，教授和學生常常花費大量精力去研究早上車流的通行分布。但如果你把同樣的問題交給大模型，它會給出不同的思路。當它思考到第1400輪時，已經產生了很多個方案，這時候就能在人類最優解的基礎上，再優化11.9%。如果還不停，讓大模型想到 2500多輪的時候，它的效果會比人類解法優化18.9%。

我們總以為自己想得足夠充分了，但大模型往往能做得更好。今天遇到難題，我們的第一反應是去找全世界最好的專家，請每人出一個方案，再從中挑最好的。而大模型現在做的就是這件事，把問題拋給它，告訴它；“給我最好的想法，一遍不行就想兩遍，不斷地想。” 可能在2500輪的思考后，最終得到一個令人滿意的答案。而且，可能還有進一步優化的空間。

實際上就是這樣一個簡單的過程，人把問題定義好，把這個東西丟給大模型。

那它為什么能想出解法呢？核心就在于它的編程能力——寫代碼。代碼寫完后，通過一個評估器，比如這個路口有一個模擬器，你把新算法放進去，按照它的邏輯控制紅綠燈，看最終能省下多少時間。評估完成后，再把結果反饋給大模型，讓它一輪一輪不斷優化。

這個過程在眾多領域都適用，大家使用大模型可以借鑒這樣的思路。

數字員工

前段時間，我們和羅永浩合作，他在百度做了幾場直播，我們就此為他生成了一個數字人。如果你去看那個視頻，真正厲害的地方不在于模仿他的聲音和形象，而在于直播間里回答粉絲問題的互動。羅永浩非常幽默，很多梗都是在和粉絲互動時即興創作的。而這正是大模型能力的優勢所在。

我們做了一系列實驗，發現數字人在直播間的帶動效果非常好。可能直播前半小時，真人的帶貨量確實比數字人好；但半小時后，真人就不行了。原因很簡單，他喊累了，而數字人完全沒問題。

更何況，現在很多時候數字人全程表現都比真人好。因為數字人的知識幾乎是無限的，風格也可以隨意配置。你可以根據粉絲的實時反應，不斷迭代它的狀態和回應。

AIGC生成內容

現在3D技術很受歡迎，但3D建模本身是件很復雜的事。我們的合作伙伴VAST，在百度百舸AI計算平臺上完成了他們Tripo 3D大模型的訓練，大大提升了3D模型的生成效率。有了這樣的能力，無論是打印3D物品，還是開發3D游戲都會變得容易很多。

制造與能源

我們與三一能源裝備合作了一個關于井架二層臺伺服電機控制器加熱器安裝SOP安裝。即便是這樣一個相對標準化的操作，在實際生產線上，工人要完全按規程一步步執行也極易出錯。尤其是在產線復雜、產品頻繁更換的情況下，錯誤率更高。

這時，大模型就能發揮作用。

當前的人工智能可以讓這個過程變得非常簡單。只需一鍵進入百度一見平臺，上傳一段正確的操作視頻，系統就能自動拆解操作步驟，生成SOP。當然，關鍵工序還是需要人工把關。核對完成后，就可以發布這個SOP技能。

規則設定好之后，我們可以把它部署到攝像頭上。在攝像頭識別下操作，系統就能實時提醒哪一步錯了，工人在操作時就能隨時獲得提示。這不僅保障了出廠產品的質量，還能從中發現哪些環節容易出錯，進而從生產流程上做出改進，避免問題重復發生。

這種應用場景遠不止于工業制造。實際上，在餐飲行業，很多后廚已經采用這種方式，確保食品制作過程符合標準。尤其是在外賣訂單多的時候，經常出現漏放勺子、配錯餐等問題，這類錯誤都可以通過這樣的控制系統來避免。

AI時代的企業

現在我們看到市場很大，空間很大，成功案例很多，工具也都很齊全。但問題在于，我們是否真的能把這些用起來？這是就涉及到組織的問題。如果推動變革，打造AI原生組織。

吳曉波引用過一句話：“我們也許是最后一代只管理人的管理者”。未來數字員工和人類員工并存，我覺得這大概率已經是一個不用再爭論的命題了，但這確實會給我們未來的管理帶來巨大的變量。

這也是為什么現在很多地方都在談論“One Person Company”（一人公司）。我認為，這種現象確實會越來越多。就像我前面講的很多案例，如果你把它們看作一個創業公司，那么你確實有可能做到一個人就讓整個公司運轉起來。

對于現有企業來說，未來的組織會變成這樣的形狀。

未來中層干部很有可能大幅縮減。我們只需要強有力的領導層和決策層來指明方向，下面則由一堆智能體來落實。這樣一來，中間管理層收縮，既不影響執行效率，還能促進高層與基層員工的直接對話。這種結構會大幅提升整個組織的創新速度，但也更需要自上而下地推動落地與執行。

尤其對創業公司和創業者而言，AI戰略必須是自上而下推動的。這主要有兩個原因。

第一，AI的落地是有成本的。雖然試錯成本在降低，但短期內投入不一定立刻見效。長期來看這是必然趨勢，可短期內效果未必明顯，因此很多人往往不愿主動試錯。

第二，也是更重要的一點，任何一次技術變革，在創造新就業機會的同時，也一定會淘汰傳統的崗位。當前AI的落地，很大程度上正具有這樣的效應。

這是為什么當你去跟一個客服經理說，我可以用數字人幫你做客服的時候，他第一反應就是這東西不能用，因為要用了，我就沒事了。當你告訴CTO，他可以用AI去寫代碼的時候，他第一反應就是不好用，我們還是得招人類員工。之所以AI落地是一把手工程，正是因為它在真正落地的過程中會面臨很多挑戰。

所以，這必須是一個自上而下的決策。

在智能時代，從我所分享的案例來看，我們最需要的其實不是算法專家，而是那些能夠定義需求、定義評估標準的人。

掃描海報二維碼，立即學習完整課程