风风火火的AI浪潮，已经进行近两年了。虽然仍有担忧与质疑，但种种迹象表明，趋势已不可逆转。在海外，可以看到AppLovin、Palantir等公司，因着AI的应用带来业绩和市值的增长。在国内，百度也在率先提出，AI应用已经来了。
AI应用爆发，已经渐行渐近。因而，也有个问题需要思考：
如果说丰富的应用，如茂密的森林；那么，孕育森林的生态系统应该是什么样呢？
01 企业级应用，如何高效开发？
AI应用，除了在C端提供各类有趣高效的工具之外，要形成真正的浪潮，也必须可以为企业提供生产级的服务。只有进入到企业的业务流里，才能成为企业提升竞争力的关键要素。
因此，这些AI应用，更严格点说，是“企业级”应用，可靠、稳定、安全、高效。所谓，好马配好鞍。这些企业级应用，又要求支撑应用开发的平台，也应该是“企业级”的。
Agent被称为AI应用落地的最佳形式。能否快速开发一个好用的Agent，就是检验开发平台的重要指标。百度智能云千帆大模型平台，提供了丰富的工具链，用户只需要进行一些简单操作就可以生成Agent。
在世界大会上，千帆平台发布了工作流Agent。面向的正是企业的刚需---流程智能化。流程，对每家企业而言都是必不可少的。越专业、越复杂的工作，就越需要流程来保障。针对流程提效，可以说是“事半功倍”。
工作流Agent，基于大模型强大的意图理解和泛化能力，可以像行业专家一样，无论面对多么复杂的局面，总能做出明智决策并最终完成目标。
比如，在车险领域，售前流程非常复杂，如果培养一个金牌销售，至少需要一两年。但基于千帆平台，只需要一个小时，就能生成一个熟练掌握售前宝典的智能体。而且可以集成到微信公众号、官网或业务系统等任何需要触达用户的地方，大幅提升企业效率。
Agent是“立等可取”，但许多行业应用需要“定制开发”。
为了达到更专业效果，需要深入模型层，做行业模型或者场景模型的定制。然而，从头训练模型，则面临成本高、周期长的问题，而且效果也未必好。不妨在千帆平台上，对预训练好的模型进行精调。
小，未必不如大。在参数规模较小的模型上，只需要几小时、完成精调，就会发现，效果，比参数规模大很多的基础模型还要好。这也充分说明，质量和规模，一样重要。
为了更加便于用户使用，千帆平台上线了DPO、KTO等训练方法，也提供了业内独家的高质量通用语料数据，以及开箱即用的模型精调样板间。
比如全诊医学是一家医疗AI创新公司，他们打造了一款AI智能医疗助理，用20万份精标病例数据进行了模型精调，从而让病例生成的准确度提升了45%。
然而，如果没有足够的人工精标数据该怎么办？
千帆平台也提供了模型蒸馏解决方案。在实践中，比如数字人直播，可以实现只用旗舰级模型成本的10%，却提升效果5倍。
对于企业而言，要快速，有立等可取；要定制，有工具、有数据，还有精调、蒸馏等低成本方案。应用开发，不再是高门槛的事儿。
02 自研企业级应用，轻松集成
如果不想做应用开发、或者能力还不够，有没有更低门槛的方案呢？当然有。
千帆也发布了曦灵数字人平台4.0、客悦智能客服平台、文心快码、百度GBI、一见、甄知等多个成熟“应用样板间”，每个都是开箱即用、可以轻松集成、快速上手。
比如，曦灵4.0，不但可以一句话生成符合不同行业场景特色的3D数字人形象，还可以让这些数字人动起来、生成专业灵动的视频。
这个功能正当其时。因为在电商领域，短视频是品牌“种草”和转化的有效方式。但视频内容的制作难度、成本并不低，因此很多店铺往往只有少数主推商品才能配短视频。即使有好的销售方式，也有心无力。
现在，有了大模型和数字人，短视频的制作周期，可以从几天压缩到分钟级。用户只需要输入一些需求文字给曦灵即可。而且曦灵不仅满足品牌的需求，也严格遵循品牌的内容规范，展现“企业级”的标准。
曦灵的应用，不只体现在电商营销领域，教育、文旅等行业，也可以发挥作用。更加真实、有趣的互动，可以提升学生、游客的体验。
关于这些“应用样板间”，我曾询问过百度智能云同事，是否要做大做强自研应用。对于这个问题，百度智能云的回答是“只有亲自走过用户要走的路，才能设计出更懂用户的产品”。
这些成熟应用，一方面可以加速AI应用普及，另一方面更重要的是，激发更多企业、产生更多有趣、有效的创意。毕竟，一花独放不是春，万紫千红春满园。
03 算力平台，要高效且面向未来
如果说千帆平台提供了森林所需的水、空气和阳光，那么，算力平台，就是应用爆发的土壤。而且随着应用爆发增长，算力的成本和使用效率，就会变得更加重要，直接影响模型的创新速度、以及规模化AI应用的成本效益。
百度智能云前段时间发布了百舸AI异构计算平台4.0。它可以支持用户大模型全旅程算力需求，包括集群创建、开发实验、模型训练、模型推理。而且，不仅立足当下，也面向未来，率先具备了成熟的10万卡集群部署和管理能力。
10万卡能力，意味着什么呢？
首先，可以有效应对必然的“一云多芯”。一方面，国内企业在发展过程中，必然形成了多种芯片共用的局面；另一方面，在当前环境下，企业要确保供应链安全和弹性，也必然会采购多种芯片。因此，应对一云多芯，既可以利用资源，也可以支撑未来的扩展。
把不同型号的芯片统一管理，尤其混布成一个集群支持单一训练任务，并不是一件容易的事。百舸目前可以在万卡规模上，将两种芯片混合训练下的效率折损控制在5%以内。
其次，应对“分布式”需求。十万卡集群，通常采用跨地域机房部署的方式，从而会面临更长的时延、以及芯片间的传输带宽等瓶颈。百舸提供了更高效的拓扑结构，可以把训练性能折损率控制在4%以内。
百舸不仅为百度自身业务提供服务，也可以满足公有云或者自建智算中心、初创企业或成熟企业等算力需求。
前段时间，马斯克刚建好10万卡的集群，未来几个月还会扩张到20万卡。大规模显卡集群，势在必行。因此，领先的集群管理能力，也是企业选择合作伙伴的硬标准。算力资源的领先，才能更确保业务走在行业前沿。
04 结语
贝索斯提出了著名的企业增长“飞轮理论”。而AI应用的浪潮里也会如此。
当企业AI应用上线后，就会产生许多宝贵的数据。把这些数据反馈给模型后，经过持续的精调、迭代后，模型效果会越来越好，应用也会越来越好。企业的竞争优势也会不断增强。
这就是“数据飞轮”。千帆也是业界首个提供完整数据飞轮解决方案的大模型平台。
而唯有此，才能为企业带来更低成本、更高效率，让企业更放心、安心地利用大模型，在AI浪潮里，探索业务创新。
---全文完，欢迎交流
理工/金融 复合背景，
百亿私募/头部自媒体 双重经历
懂商业更懂科技，前瞻发现新机遇