當100個智能體同時在熒幕上出現時，百度創始人李彥宏口中所說的“AI應用的群星閃耀時刻”第一次有了實感。11月12日，在百度世界2024大會上，李彥宏高調宣布，文心大模型的日均調用量超過了15億，并發布了包括檢索增強的文生圖技術iRAG、多智能體協作工具秒噠等一系列新的大模型工具。
在這背后，是過去24個月中，大模型消除了基本的幻覺，回答問題的準確性提升，行業基礎模型能力的準備完畢。“基礎模型能力就緒，我們即將迎來AI應用的群星閃耀時刻�！痹诶顝┖甑脑O想里，AI應用的兩大方向，分別是智能體和產業應用。前者代表一個更智能、更成熟的多模態綜合調用能力，而后者則是依附于產業，挖掘行業潛力的應用工具。
“其實今年上半年的時候，整個大模型行業除了Sora之外，都有種‘不溫不火’的感覺�！眲⒎澹ɑ┦前俣绕煜翧IGC創意生產平臺擎舵的工作人員，在他看來，“不溫不火”恰恰是大模型祛魅的表現，“在過去一年中，探索大模型的應用已經基本成為了我們的共識。只不過，和各個行業合作，一起探索大模型的潛力仍然需要時間”。
根據百度集團執行副總裁、百度智能云事業群總裁沈抖分享的數據，百度智能云千帆大模型平臺已經幫助客戶精調了3.3萬個模型、開發了77萬個企業應用。
“對于智能體來說，最直觀的應用效果是降低了企業的成本�！眲⒎甯嬖V記者，以角色類智能體為例，當大模型運用到虛擬的數字人(19.850, 0.80, 4.20%)角色智能體身上時，真人的布景、拍攝、妝造等多個環節的成本都有大幅削減�！皬奈覀兊膬炔繑祿䜩砜�，在一定的產品生命周期內，平均能夠為企業降低80%左右的成本�！�
同時，對于企業來說，將前置的消費者詢問固定，并將消費線索轉換成特定的成交，需要更快、更貼心和更智能的服務，而大模型與公司特定行業結合，并生成的公司類智能體能夠在應用中執行這一點。根據百度披露的數據，聯想AIPC智能體在9月份的互動率提升了89%，銷售線索轉化率增長了80%，比亞迪(300.810, 1.52, 0.51%)的官方智能體上線后，銷售線索轉化率提升了119%。
既能夠降本，也能夠增效，大模型和行業的結合落地應用似乎順理成章。但在另一面，一些從業者認為，目前大模型的行業應用，仍然停留在表層。
“大部分的大模型應用，還在人機交互層面�！痹诖髸F場，一位機器人(19.700, -1.03, -4.97%)企業的工作人員向第一財經記者坦言，在科技行業，大模型自上而下滲透還需要更長的時間，“大部分機器人企業在應用大模型的過程中，還只是進行了一些微調，把它當成一個更智能的交互系統，在整體的軟硬件嵌入方面還有很大空間”。
該工作人員向記者解釋，AI大模型在未來應該是能夠與機器人大腦結合，但在此之前，二者的結合需要海量的數據采集和投喂，才能夠完成一系列的訓練。“在語言大模型爆發之前的三十年，物理世界的語言和其他知識都已經完成了線上的數字化。大模型與不同行業的應用結合，也需要經歷這個階段�！�
不難看出，盡管大模型行業在為各行各業極力勾勒出一個美好的愿景，但在部分行業，大模型的落地仍然有一些客觀問題亟待解決�！拔覀兌贾来竽Ｐ蛯τ诰唧w的業務層面來說一定是好的，但它只是一個工具，我們會從綜合的研發、投入成本來判斷是否要用這個工具。”一位機械企業的工作人員對記者表示，在大模型有深度的行業應用落地之前，他依然會保持一個樂觀的觀望態度�！�
一位算力平臺的負責人也向第一財經記者表示，如今業界對于算力的需求更多是訓練為主，推理較少，一個重要的原因就是AI落地應用還不夠多。“其實在很多應用場景當中，我用到的不是一個大語言模型，需要用到的是多個大小模型需要去協同�！痹谙挛绲摹爸悄苘S遷 產業加速”分論壇當中，百度副總裁謝廣軍表示，在實際的產業應用當中，對小模型進行不斷的訓練完善，搭載大模型底座是更為常見的做法。
“我們已經解決了從0到1的問題，想要解決從1到100的問題，行業仍然需要時間�！眲⒎逭f道。
