我要投稿

大模型时代有了自己的「价值高速公路」

发布日期：2025-08-29 19:38:24 浏览次数： 1537

作者：豹变

微信搜一搜，关注“豹变”

「核心提示」

“修路”十年，百度智能云如何让AI成为企业利润引擎？

作者 | 陈法善

编辑 | 刘杨

从光伏、钢铁，到汽车、零售业，当反内卷的号角吹响时，各行各业光靠“卷”价格已经难以突破“成本优化”的瓶颈，企业亟须找到新的“价值创造”路径，去穿越周期。

以AI为代表的智能化技术，为企业解决“生存还是死亡”问题打开了思路。在能源领域，AI大模型实现对员工不规范作业行为、设备异常状况的实时分析、自动预警，大幅减少人工巡检工作量；在营销领域，AI数字员工用高度拟人化交互能力，精准响应用户需求，大大提高问题的自助解决率。

当Agent经济开启——AI不再只是辅助工具，而是能独立工作、直接为企业创造营收的“数字员工”时，云服务已经从可有可无的基础设施，变成了企业数字化转型和智能化升级的必需品。

作为“全球AI云首倡者”，百度智能云凭借十年深耕AI云赛道的技术积淀，连续六年中国AI云市场第一的成绩，不仅证明了其技术实力，更验证了其商业价值创造能力。当65%的央企、95%的主流车企、80%的系统重要性银行都选择百度智能云时，答案已经很明确了。

一桩桩营收增长实例证明，通过AI智能体降本增效已经不是概念，而是正在千行百业发生的商业现实，AI已经从企业的“成本中心”加速转变为“利润引擎”。

AI云真的能帮企业赚钱吗？

说到AI帮企业赚钱，很多人第一反应可能是“又在画大饼”，但当你走进那些已经用上百度智能云的企业，看到的却是实实在在的变化。

就拿钢铁行业来说，在钢铁厂里，探伤工要在炽热的钢坯表面捕捉比头发丝还细的裂纹，取样工要冲向钢花飞溅的浇铸区取样。这样的高温、高危环境，人工操作既困难又低效。

过去，在冶炼环节，每批矿石的品质成分都不同，需要调整冶炼配方和工艺流程，主要靠老师傅的经验，质量难免有波动；质检环节用肉眼检测，更是跟不上生产速度。好在老师傅们几十年来在工作日志上记录的配方、流程，成了训练AI大模型的最佳数据。

中国钢研作为央企，与百度智能云合作打造了冶金行业首个流程感知大模型，依据“千帆”“百舸”“一见”“甄知”等平台的核心能力，应用到金相分析、表面缺陷检测等生产环节中。

金相分析方面，过去需要专家通过显微镜分析金属内部的微观组织结构来判断材料性能，现在百度AI大模型的识别准确率达到97.30%，效率提升数十倍。表面缺陷检测方面，传统靠人工肉眼检查钢材表面是否有裂纹、气泡等问题，现在百度AI模型精确率超过95%，召回率达94%以上，质量控制更加可靠。

从依靠“老师傅经验”到百度AI精准制造，中国钢研不仅大幅提升了生产效率，更实现了产品质量的稳定提升。

大模型炼出的好钢，自然要用在“刀刃”上。眼下，用到钢铁最炙手可热的，要数人形机器人了。它们亟须聪明的大脑，去完成复杂的工作。传统机器人依赖预设程序，而具身智能通过“感知—思考—行动”闭环，实现自主决策，赋予机器人适应复杂多变环境与多样化任务的能力。

百度与北京人形机器人创新中心合作，共同构建机器人的具身“大脑”。通过使用百度智能云千帆大模型平台，和以文心大模型4.5为代表的领先模型能力，机器人可以“听懂”人类语言的精准指令，将复杂任务分解为可执行的子任务序列，提升决策效率和准确性。

在跟AI+机器人公司千寻智能的合作中，百度智能云具身智能AI Infra技术平台，可将集群有效训练时长提升到98.8%，几乎不浪费每一分算力成本，配套的大模型训推加速套件可分别大幅提升训练和推理效率30%和60%，实现机器人训练上的降本增效。

如果说冶金、机器人训练离普通人太远的话，下馆子、打游戏、上网购物就是很多人的生活日常，更容易感受到AI给这些场景带来的便利。

例如在打游戏时，团队“开黑”能让快乐加倍，但打工的“牛马”不可能随时找到游戏搭子。这时候，游戏陪伴类公司心影随形和百度打造了“逗逗游戏伙伴”等陪伴式产品，在实时语音“开黑”的过程中，提供AI伙伴的攻略指引和陪伴体验，突破了传统电子游戏互动方式的局限。

而在消费者下馆子时，百度智能云的“一见”大模型帮助某餐饮连锁企业打造锅底上桌、上菜检测、收台合规等场景算法，对全国1000+家门店服务质量进行量化管理，操作合规率提升10%，客户满意度超95%。

目前，在百度的AI+产业实践中，超65%央企、95%主流车企、80%系统重要性银行、超50%游戏厂商，以及全国200多重点城市及地区在落地大模型选择百度智能云，而这只是千行百业拥抱百度AI大模型的冰山一角。

如何构建“价值高速公路”？

用“黄金铺路、人马做墙”形容大模型训练十分贴切——想要得到高性能的模型，需要投入大量金钱、算力资源，“烧钱”的速度早就超出了绝大多数企业能承受的极限。

据《每日经济新闻》报道，OpenAI首席执行官奥特曼曾表示，GPT-4的规模庞大，培训成本超过1亿美元，未来训练大模型的成本将高于 10 亿美元。

IDC发布的《大模型应用落地白皮书》也显示，算力资源的消耗是当下阻碍AI大模型落地的最主要因素，给不少企业带来巨大的财务压力。调研数据显示，92%的企业认为在大模型工程化落地阶段，缺少算力资源是最大的挑战；细分来看，89%的高管认为模型训练成本高，81%的高管认为模型推理成本高。

同时，在瞬息万变的市场竞争中，企业抓住机遇的时间窗口非常有限，一旦错失或在大模型初始的选择时对其性能、适配度、应用能力等方面欠考虑，后期将付出巨大的试错成本，如不得不进行的模型切换、基础设施的改造升级等。因此，从成本、效率两方面，选择更靠谱的AI大模型合作，就显得至关重要。

百度智能云“云智一体”的全栈布局，在硬件、算力、模型、应用各层架构之间，做到端到端优化，层层领先，在降低成本的同时，更适配千行百业，助力企业抓住稍纵即逝的市场机遇。

例如，在成本方面，一个很直观的现象是AI大模型训练需要用到大量显卡，如一张英伟达H20显卡的价格就在1.2万-1.5万美元，价格昂贵不说，还“限售”。百度用自研的昆仑芯实现了国产替代，在降本的同时，大幅提升模型效率。

从整体看，今年2月，百度智能云已成功点亮昆仑芯P800万卡集群，这也是国内首个正式点亮的自研万卡集群；4月，再一次成功点亮国内首个全自研的3万卡集群，可同时承载多个千亿参数大模型的全量训练，支持1000个客户同时做百亿参数的大模型精调。

从局部看，昆仑芯超节点布局，将64张卡放到同一个机柜，用卡间互联代替机间互联，实现单卡性能提升13倍，单机训练性能提升10倍，一个机柜顶过去100台服务器。在实际应用中，昆仑芯超节点实例比上一代实例性能提升95%，吞吐比同类厂商旗舰产品高出15%。

在智能基础设施成本优势之外，百度智能云通过“百舸5.0”技术升级，实现了资源利用率最大化，大幅提高了计算效率。例如，通过“解耦”“自适应”和“智能调度” 三大核心策略，百舸5.0对AI推理的算力、内存、网络等资源进行极致精细化的管理和优化，实现性能（吞吐量、延迟）的数量级提升。

在百舸全新的推理系统下，DeepSeek R1的推理吞吐可以提升20%，也就是说在相同的时间和成本下，可以额外多做20%的思考、多干20%的活；强化学习效率提升900%，直接降低模型训练成本，让企业用更少的投入获得更好的AI能力。

“云智一体”的全栈布局，为企业构建通往大模型时代的“价值高速公路”。这条路不仅可通行的车辆多（大模型适应性好），还更省油（运行效率高）、过路费便宜（成本低），助力千行百业捕捉短暂的市场机遇，决胜千里之外。

为什么企业首选百度智能云？

7月22日，中国信通院正式发布《2025大模型云价值影响力矩阵》，就从这三个维度对大模型云服务商进行综合评估，百度智能云凭借在多项核心指标中的优秀表现，获评“全量领导者”，三大维度全面领先。

优异的性能表现，让百度智能云成了企业数字化转型的首选合作伙伴。8月18日，IDC发布的《中国AI公有云服务市场份额，2024：全面向生成式AI演进》报告显示，2024年中国AI公有云服务市场规模达195.9亿元，百度智能云以24.6%的市场份额稳居第一，连续六年、累计十次蝉联中国AI公有云市场冠军。

在细分榜单中，百度智能云跻身AI数字人市场第一、视觉大模型IDC评估总分第一、大模型平台连续2年第一。

此外，百度智能云的前瞻布局能力令人印象深刻。它不是简单提供算力和模型，而是真正懂行业——深入理解各行业痛点，提供定制化解决方案。千帆慧金金融模型、千帆视觉理解模型等行业专精模型，一见工序合规分析等贴近业务场景的创新功能，都体现了这种产业深度。

面对即将到来的Agent经济时代，百度智能云已经为客户准备好了工具和平台，这种持续创新能力意味着选择百度智能云的企业不用担心技术路线过时。

这些优势不仅让百度智能云成为AI云行业的标准制定者，也加速了大规模商业化落地的进程。2025年上半年，百度智能云以招投标48个项目、5.1亿元的双料冠军表现，在实战中验证了其解决方案的成熟度。

目前，百度智能云千帆平台上，已诞生了130万个智能体，服务于来自制造、能源、金融、汽车、教育等46万家企业，成为迄今为止功能最完备的企业级AI平台。

随着AI经济的到来，百度智能云成长为百度新的增长曲线。财报数据显示，2025年第二季度，百度总营收327亿元，核心净利润74亿元，同比增长35%，其中，受智能云业务增长带动，AI新业务收入超100亿元，同比增长34%，AI新业务首度突破百亿大关。“帮助客户创造价值→自身业务增长”的商业逻辑，再次被验证。

作为最早投身AI的中国公司之一，如今的百度，是全球为数不多、进行全栈布局的人工智能公司，从高端芯片昆仑芯，到飞桨深度学习框架，再到文心预训练大模型，各个层面都有关键自研技术。每一层之间都有很多反馈，通过不断获得反馈，实现端到端优化，大幅提升效率。这种AI全栈能力，无疑也驱动了百度智能云的高速增长。