每经记者：可杨 每经编辑：张海妮

大模型技术在过去一年飞速发展，人们对大模型的恐惧和空想逐渐褪去，理性、务实的需求愈发凸显。在各类大模型层出不穷的同时，如何用上、用好大模型，带来业务增长，实现降本增效，也成为企业真正关心的问题。

3月27日，百度智能云在北京首钢园召开“AI Cloud Day：大模型应用产品发布会”。

百度智能云副总裁喻友平在接受包括《每日经济新闻》记者在内的媒体记者采访时指出，大模型的应用落地竞争一定异常激烈，关键在于谁能更快、更贴近实际需求，以及谁能实现技术、场景与需求的完美连接。“重心慢慢会从技术转向业务，转向产品，转向应用，这是一个必然的趋势。”

喻友平 图片来源：企业提供

大模型应用与传统企业软件之间相辅相成

喻友平在采访中谈到，过去一年里，百度智能云持续探索将大模型应用于各类通用场景，并逐步深化应用过程。

与此同时，推动产品化进程，持续实现产品的便捷使用，仍需经历一系列步骤。“今天，我们所有产品已经SaaS化，各位现在都可以直接使用它，这个过程并不容易，因为要让这个产品达到可用的状态，要有一定的稳定性，需求的满足度等等”。

其次，企业在具体业务流程中使用大模型时，并非简单地一键部署。喻友平认为，对于多数企业而言，未必需要搞懂大模型的底层技术，而是需要一个真实的To B企业环境，包括企业的内部数据、流程、实际要解决的问题。这是To B与To C应用的区别。To C大模型主要用于社交和角色扮演等，无需额外数据。而在企业环境中，若没有真实数据和实际问题，大模型将难以发挥作用。

喻友平认为，目前大模型在解决实际问题、产品直接面向企业的使用等方面已取得了长足的进展。然而，大模型的应用仍处于早期阶段，未来预计还有更快的产品迭代。他表示，在产品SaaS化之前，迭代的速度相对受限。但SaaS化以后，能够收到更广泛的需求，产品迭代周期将以“周”的“颗粒度”向前跑。

喻友平称，随着技术迭代的不断加速，各种应用场景层出不穷。在推动这些场景发展的同时，也要深入考虑与合作伙伴之间的协同关系，探索在哪些场景中能够发掘出具有深厚潜力的商业机会。“如果一定要说2024年的重点方向，（那就）还是要着重基于大模型的核心特点，找到真正有高价值的场景。”

喻友平表示，新技术出现后的应用之路一定是坑坑洼洼的。要判断它在什么地方价值最大，还需要一定的时间来观察和验证。“也有一种说法，To B未必有那么大一个‘坑’，可能就是很多小的场景，然后去提升效果，可能就是这一波的特点，我在一定程度上也有这个感觉。”

过去，百度智能云尝试提供一个大模型平台，希望合作伙伴能够基于这一平台进行开发。但想实现生态繁荣，其中仍存在一定的距离。

“即使我今天发布了这么多应用级别的产品，这些产品就不需要伙伴了吗？就可以所有企业直接拿来用了吗？”喻友平认为，答案并非肯定的，对于一些中小企业而言，这些产品确实可以直接在线使用。然而，对于许多大型企业而言，企业内部存在着一套复杂的业务流程，不可能被大模型的出现全部推翻。

因此，原有的业务流程仍然是许多企业的基础。在推动数字化转型的过程中，不能简单地解散原有的市场、销售和服务团队，而是需要与他们紧密合作，确保数字化转型能够与企业现有的业务流程相融合，从而实现更好的业务发展和竞争优势，所以最重要的是大模型跟原有的软件平台结合。

总体而言，大模型的应用与传统企业软件之间的关系是相辅相成的，是旨在提升、支持和赋能的“副驾驶”角色。在这一过程中，无疑需要与各类传统企业软件和厂商合作。“再往前接近场景、解决问题的时候，就会发现那不是你一个人的概念，而是需要大家一起来解决中间的很多问题，这就是大模型落地的‘最后一公里’，甚至是‘最后一公尺’要解决的问题。”

大模型应用落地关键在于谁能更快、更贴近实际需求

喻友平认为，大模型作为公共技术，对于企业而言，不仅有百度提供的文心一言大模型，还有众多开源或闭源的技术可供选择。传统软件厂商、创新软件厂商及大型科技公司都在这一领域积极布局，应用和解决实际问题才是关键所在。

喻友平认为，在这一领域，不是“躺在大树下就能够乘凉的工作”，大模型的应用落地竞争一定异常激烈，关键在于谁能更快、更贴近实际需求，以及谁能实现技术、场景与需求的完美连接。“重心慢慢会从技术转向业务，转向产品，转向应用，这是一个必然的趋势。”

怎么找到高价值的应用场景？

喻友平认为，未来真正具有强大壁垒的应用可能是行业性的——医疗、金融、健康等垂直领域的场景，具有独特的行业知识和数据资源。在这些场景中，有机会构建出“护城河”。这也是百度智能云开发一些应用作为“应用样板间”的原因——让更多的合作伙伴和开发者知道大模型已经接近应用了，进而让他们能够利用大模型，结合对行业知识的深入理解，创造出更具价值的应用。“如果真有那一天，我们也非常开心，因为一方面真的看到大模型落地了；另一方面，下面还有IaaS、PaaS层都能够提供服务。”

喻友平指出，目前对于应用层的探索，是在AI技术的基础上，结合具体场景需求进行应用开发，同时也是在应用层面融入AI技术，这构成一个循环往复的逻辑过程。AI原生也不能“生在石头上”，还是得“生在黑土地上面”。

喻友平判断，2024年大模型产品落地的时候，更高的门槛将会是产品门槛。在他看来，任何技术的门槛都会被慢慢抹平，技术是其中的关键要素、必要因素，但可能不是胜负手，最终取得最后胜利的一定是真正解决问题的。

谈及中美两国在AI SaaS领域的实践差异，喻友平表示，美国企业广泛应用SaaS，其产品高度标准化，如微软和Salesforce等。这些企业只需加入Copilot等辅助工具，就可以轻松实现很多功能，至少获取到表层的价值。在中国，许多企业并非采用SaaS的方式，而是更倾向于私有化和定制化的解决方案。这也是中国大模型落地相对困难的原因。“说白了人家是密西西比河的大平原，机械化过去就行了。我们是丘陵，是分散的，做起来规模化要慢一些。”

但这种现状带来的好处是，对于创新型企业而言更有机会，若中国采纳与美国相同的结构，创新型企业的机会就会更少，这如同硬币的两面，利弊共存。喻友平最后表示，“在这个土地上，我们可以找到这个土地上能够开出来的花、能够结出来的果，（它们）一样鲜艳美丽”。