做房产的网站电子商城 网站开发 支持手机端

做房产的网站,电子商城 网站开发 支持手机端,网络营销方式的优缺点,做科技汽车的视频网站“AI超级周期启动#xff0c;智能经济机会无限。”正当我们讨论AI浪潮时#xff0c;一个被忽视的宏大背景正在展开#xff1a;AI不仅是一个独立的技术赛道#xff0c;它正站在一个高达10万亿的基础产业之上。这意味着#xff0c;我们今天所见的AI趋势#xff0c;将是下一…“AI超级周期启动智能经济机会无限。”正当我们讨论AI浪潮时一个被忽视的宏大背景正在展开AI不仅是一个独立的技术赛道它正站在一个高达10万亿的基础产业之上。这意味着我们今天所见的AI趋势将是下一轮对现有工种和组织形态进行 “彻底改变”的巨大力量。百度集团执行副总裁、百度智能云事业群总裁沈抖博士在混沌2025AI应用成果大课带来了《智能生成无限可能》的分享从趋势、原理、场景、基建、变革五方面带我们透视智能经济的整个面貌包括深入浅出的技术解析与丰富生动的落地实践分享。此次分享是一份面向未来的生存指南帮助创业者抓住这波以大模型为核心的技术浪潮实现企业的高效、变革与增长。*扫描下方二维码领域专属课程包在混沌APP观看完整版课程《智能生成无限可能》AI的价值会远超互联网我们正在AI超级周期的起点智能经济带来的机会是无限的。等AI进一步发展的时候不但会使得自身的规模变得更大而且会把整个产业做得更大。所以尽管今天AI可触达的市场虽然只有200亿但它实际上改造的会是10万亿的市场。——从注册护士、软件开发师到销售、教师今天的人工智能会彻底地改变每一个工种包括为其赋能或者帮助其找到新的机会总之是给各行各业都带来变化。离我们最近的技术浪潮是互联网。从PC互联网到移动互联网我们大多数人无非是上网刷刷帖子、看看文章、看看小视频。厉害一点的可能会写点文章、拍点视频让别人来刷你的内容。但除此之外互联网究竟对我们企业带来什么改变其实大部分变化集中在营销层面而在其他环节的帮助相对有限。正因如此互联网时代真正赚钱的是信息平台。对实体产业的赋能其实并没有那么深入。而到了人工智能时代情况发生了根本性的变化。AI不再停留在信息层面而是深入到“研、产、供、销、服”的每一个环节。什么是大模型那么什么是大模型简单来说参数规模大的模型就是大模型。我们经常把大模型和人脑做类比。人脑大约有860亿个神经元它们通过轴突和树突相互连接传递电信号形成复杂的神经网络。人工智能从诞生之初就一直在试图模仿人类的思考方式和思维过程。所以我们可以做一个类比人工智能本质上是基于模型的。模型参数不断扩大量变带来了质变智能开始涌现。训练模型就是大家常讲的三大要素足够多的数据、足够强的算力以及足够好的模型架构。模型架构就是大脑结构它内部还在不断迭代。而算力和数据基本上就是“大力出奇迹”。大模型的整个训练过程大致是这样的就像小孩上学一样首先要“读万卷书”。就像小孩熟读《唐诗三百首》不用自己创作但也可以顺下来。大模型也需要海量阅读通常要把互联网上几乎所有的文本都看一遍。这时你随便开个头它就能根据之前看过的内容自己顺下去。但问题在于这时候它接出来的内容常常是毫无意义的只是机械地统计下一个最可能的词是什么然后顺下来并不理解其中的意义。所以接下来就需要“后训练”来调教它。通过人工标注和指令微调告诉它应该用什么方式、什么风格来输出内容让它变得更符合我们的需求。从数量上看预训练通常需要消耗约25万亿文字。后训练阶段则需要大量的人工标注数据。这也解释了为什么现在算力如此紧张。美国常说因为训练大模型连电力都短缺了原因就在于训练一次的代价极其巨大。如果把一次训练的计算量换算成人力来打算盘大概需要全球80亿人不间断地打上1000万年才能完成。从这个角度说机器智能确实是以一种极其庞大的能量代价换来的。智能体是大模型产业落地的最佳形态接下来我们重点看看落地场景。智能体Agent是大模型产业落地的最佳形态。因为在企业里一个通用大模型通常无法直接解决你的具体问题因为你需要的是大量的企业专属知识。这时你可以通过RAG检索增强生成提高AI模型回答的准确性、时效性和相关性也可以设计自己的专精模型或为内部工具增加外围一些系统整合搭建出一个能够自主处理任务的智能体。Agent已经加速进入产业高价值场景。我们来看几个例子。编程领域我想绝大多数人经过红绿灯路口都会烦恼明明两边没车却偏偏是红灯。现在大多数路口的红绿灯其实都做过优化加入了一定的人工调优。比如早高峰东西向车流多就让绿灯时间长一点。通过这种方式大概能减少8%的等待时间。如果再用上一些更先进的算法还能再优化到15%。很多高校的专业课上教授和学生常常花费大量精力去研究早上车流的通行分布。但如果你把同样的问题交给大模型它会给出不同的思路。当它思考到第1400轮时已经产生了很多个方案这时候就能在人类最优解的基础上再优化11.9%。如果还不停让大模型想到2500多轮的时候它的效果会比人类解法优化18.9%。我们总以为自己想得足够充分了但大模型往往能做得更好。今天遇到难题我们的第一反应是去找全世界最好的专家请每人出一个方案再从中挑最好的。而大模型现在做的就是这件事把问题抛给它告诉它“给我最好的想法一遍不行就想两遍不断地想。” 可能在2500轮的思考后最终得到一个令人满意的答案。而且可能还有进一步优化的空间。实际上就是这样一个简单的过程人把问题定义好把这个东西丢给大模型。那它为什么能想出解法呢核心就在于它的编程能力——写代码。代码写完后通过一个评估器比如这个路口有一个模拟器你把新算法放进去按照它的逻辑控制红绿灯看最终能省下多少时间。评估完成后再把结果反馈给大模型让它一轮一轮不断优化。这个过程在众多领域都适用大家使用大模型可以借鉴这样的思路。数字员工前段时间我们和罗永浩合作他在百度做了几场直播我们就此为他生成了一个数字人。如果你去看那个视频真正厉害的地方不在于模仿他的声音和形象而在于直播间里回答粉丝问题的互动。罗永浩非常幽默很多梗都是在和粉丝互动时即兴创作的。而这正是大模型能力的优势所在。我们做了一系列实验发现数字人在直播间的带动效果非常好。可能直播前半小时真人的带货量确实比数字人好但半小时后真人就不行了。原因很简单他喊累了而数字人完全没问题。更何况现在很多时候数字人全程表现都比真人好。因为数字人的知识几乎是无限的风格也可以随意配置。你可以根据粉丝的实时反应不断迭代它的状态和回应。AIGC生成内容现在3D技术很受欢迎但3D建模本身是件很复杂的事。我们的合作伙伴VAST在百度百舸AI计算平台上完成了他们Tripo 3D大模型的训练大大提升了3D模型的生成效率。有了这样的能力无论是打印3D物品还是开发3D游戏都会变得容易很多。制造与能源我们与三一能源装备合作了一个关于井架二层台伺服电机控制器加热器安装SOP安装。即便是这样一个相对标准化的操作在实际生产线上工人要完全按规程一步步执行也极易出错。尤其是在产线复杂、产品频繁更换的情况下错误率更高。这时大模型就能发挥作用。当前的人工智能可以让这个过程变得非常简单。只需一键进入百度一见平台上传一段正确的操作视频系统就能自动拆解操作步骤生成SOP。当然关键工序还是需要人工把关。核对完成后就可以发布这个SOP技能。规则设定好之后我们可以把它部署到摄像头上。在摄像头识别下操作系统就能实时提醒哪一步错了工人在操作时就能随时获得提示。这不仅保障了出厂产品的质量还能从中发现哪些环节容易出错进而从生产流程上做出改进避免问题重复发生。这种应用场景远不止于工业制造。实际上在餐饮行业很多后厨已经采用这种方式确保食品制作过程符合标准。尤其是在外卖订单多的时候经常出现漏放勺子、配错餐等问题这类错误都可以通过这样的控制系统来避免。AI时代的企业现在我们看到市场很大空间很大成功案例很多工具也都很齐全。但问题在于我们是否真的能把这些用起来这就涉及到组织的问题。如何推动变革打造AI原生组织。吴晓波引用过一句话“我们也许是最后一代只管理人的管理者”。未来数字员工和人类员工并存我觉得这大概率已经是一个不用再争论的命题了但这确实会给我们未来的管理带来巨大的变量。这也是为什么现在很多地方都在谈论“One Person Company”一人公司。我认为这种现象确实会越来越多。就像我前面讲的很多案例如果你把它们看作一个创业公司那么你确实有可能做到一个人就让整个公司运转起来。对于现有企业来说未来的组织会变成这样的形状。未来中层干部很有可能大幅缩减。我们只需要强有力的领导层和决策层来指明方向下面则由一堆智能体来落实。这样一来中间管理层收缩既不影响执行效率还能促进高层与基层员工的直接对话。这种结构会大幅提升整个组织的创新速度但也更需要自上而下地推动落地与执行。尤其对创业公司和创业者而言AI战略必须是自上而下推动的。这主要有两个原因。第一AI的落地是有成本的。虽然试错成本在降低但短期内投入不一定立刻见效。长期来看这是必然趋势可短期内效果未必明显因此很多人往往不愿主动试错。第二也是更重要的一点任何一次技术变革在创造新就业机会的同时也一定会淘汰传统的岗位。当前AI的落地很大程度上正具有这样的效应。这是为什么当你去跟一个客服经理说我可以用数字人帮你做客服的时候他第一反应就是这东西不能用因为要用了我就没事了。当你告诉CTO他可以用AI去写代码的时候他第一反应就是不好用我们还是得招人类员工。之所以AI落地是一把手工程正是因为它在真正落地的过程中会面临很多挑战。所以这必须是一个自上而下的决策。在智能时代从我所分享的案例来看我们最需要的其实不是算法专家而是那些能够定义需求、定义评估标准的人。*扫描下方二维码领域专属课程包在混沌APP观看完整版课程《智能生成无限可能》AI治堵畅行三秦SaaS信控嘹咋咧一路畅的很点击“阅读原文”立即合作咨询