如何理解李彦宏说的“不要卷模型，要卷应用”

如何理解李彦宏说的“不要卷模型，要卷应用”

7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议全体会议在上海世博中心举办。在产业发展主论坛上，百度创始人、董事长兼首席执行官李彦宏呼吁：“大家不要卷模型，要卷应用！”李彦宏认为，AI技术已经从辨别式转向了生成式，但技术本身并不是目的，真正的价值在于如何将这些技术应用于实际场景，解决实际问题。并且提醒大家避免掉入“超级应用陷阱”，即过分追求用户日活跃量（DAU）而忽视了应用的实际效果和产业价值。称AI时代的规律可能不同于移动时代，一个“超级能干”的应用即使DAU不高，只要能为产业带来实质性的增益，其价值就远超传统的移动互联网。关于李彦宏的这段发言，你是怎么理解的？大模型技术本身和个性化应用，你的看法又是怎样的呢？快来分享你的观点吧！

方向一：AI技术应用场景探索

AI人工智能6大应用场景

01、AI农业场景

在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。作物管理，主要提供作物选择，施肥建议，使得作物免受恶劣天气影响等；害虫和杂草处理，即识别害虫和杂草，提供处理害虫和杂草的相关建议，推测害虫行进路线和繁殖规模和速度，推测杂草的生长状态和发展等；疾病管理，即预测、识别分类作物病害；土壤和作物管理，包括评估作物表面土壤湿度，预测天气，结合天气预测结果进行灌溉等；产量预测和管理，根据气候，季节等因素提供最佳播种时间建议，并预测最佳收成时间和最终产量等。其主要运用的AI技术最开始是基于规则的专家系统，发展到后来的模糊推理系统和人工神经网络的结合。主要涉及模式识别，图像识别等。

02、AI自动驾驶场景

在自动驾驶场景，分为感知和决策两类主要场景，感知类包括汽车定位、静态障碍物映射、移动障碍物检测跟踪、道路映射、交通信号检测和识别；决策类包括路线规划、路径规划、行为选择、运动规划和控制等。其运用到的 AI 技术主要是基于规则的推理模型，启发式算法，近似推理，类人推理等。主要涉及的用例是图像和语音识别，分析推理，分类，模型迭代等。

03、AI医疗场景

在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。疾病诊断预测包括前期疾病诊断预测，例如糖尿病、癌症、结核病、精神疾病的预测诊断，和就诊中的医学成像和图像诊断，例如肿瘤学影像、光学相干断层扫描等。临床包括临床试验参与、机器人辅助手术系统和计算机辅助手术，减少用药错误。患者护理包括心力衰竭监测、术后健康监测、肿瘤患者的健康监测，检测例如血氧浓度，体温，心率等参数并分析。除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。

04、AI网络金融场景

在网络金融场景，主要包括信用预测和评估，根据客户的历史交易数据、资金流动情况智能运营聊天机器人应答客户部分疑问，智能手续柜台满足客户部分需求。交易风险预警，大数据分析历史诈骗交易行为，提前为客户预警，进行报警等。涉及的 AI 技术较为广泛，包括支持向量机、决策树、神经网络、K 邻近遗传算法、随机森林、Boosting 算法、集成学习、聚类等。主要涉及的用例是分析推理、模式识别、分类等。

05、智慧城市场景

在智慧城市场景，主要有公共设施控制，例如通过控制交通信号灯等设施帮助监控交通流量和增加城市连通性并减少交通事故和交通违法，通过人脸识别门禁和安检识别控制重要场所通行；灾害预测，例如预测建筑物火灾风险；人员识别和寻踪，通过收集公共摄像头的视频图像，分析其历史行动轨迹等，锁定犯罪分子或失踪人员。主要涉及的 AI 技术有神经网络、演化算法、专家系统、分布式人工智能、机器视觉、决策网络等。主要涉及的用例是图像识别、推理分析等。

06、AI电子商务场景

在电子商务场景，主要用例是推荐系统、欺诈识别、营销活动、产品退货预测。推荐系统又可以细分为关系发现和购买预测，关系发现包括商品之间的销售量关系发现和客户之间关系发现，购买预测包括购买预测和回购预测。推荐系统将根据内容或商品之间的关联度、用户特征和商品的关联度、甚至用户之间的关联度 , 向用户发起推荐。欺诈识别是通过分类或分析交易双方交易行为识别非法交易或异常交易，识别交易欺诈。

方向二：避免超级应用陷阱的策略

在数字世界的浩瀚星空中，李彦宏先生犹如一位智者，指出了航向未来的灯塔。他的观点不仅为企业照亮了前行的道路，更为我们揭示了大模型时代的深层逻辑。在这个由算法和数据编织的世界里，企业如何避免陷入超级应用的陷阱，成为了摆在每一位企业家面前的考题。

李彦宏的警示，是对盲目追求规模扩张的一次深刻反思。超级应用虽然看似强大，却可能因过度臃肿而失去灵活性和创新力。相反，聚焦核心竞争力，深耕细分市场，才能在大模型的浪潮中站稳脚跟。企业应该认识到，技术的力量在于解决问题，而不在于功能的堆砌。

借鉴这些观点，企业首先需要审视自身定位，明确目标用户群体的真实需求，而不是追逐虚无的用户量。其次，企业应注重产品的迭代更新，保持与用户的紧密互动，以用户反馈驱动产品进化。再者，企业要重视数据的价值，利用大数据分析来洞察市场趋势，优化决策过程。

在这个过程中，企业文化的塑造尤为关键。一个开放包容、鼓励创新的企业文化，能够激发员工的潜能，促进技术的持续创新和发展。同时，企业还应关注社会责任，确保技术的应用符合伦理标准，促进社会整体的和谐发展。

为了避免超级应用的陷阱，企业应当：

• 专注核心价值：精简产品线，提供最优质的核心服务。

• 敏捷开发与迭代：快速响应市场，持续优化产品。

• 用户中心设计：深入理解用户，提供简洁高效的服务。

• 数据驱动的决策：利用大数据指导产品设计和市场策略。

• 合作与生态建设：建立合作伙伴关系，共建开放生态。

• 持续创新：保持好奇心，寻找创新的商业模式。

• 平衡规模与效率：合理规划资源，避免功能叠加和资源浪费。

• 注重品牌建设：强化品牌形象，吸引和保留忠诚用户。

综上所述，李彦宏的观点为企业提供了一面镜子，让我们看清了超级应用背后的风险，同时也指明了通过大模型技术实现差异化竞争的道路。企业要想在激烈的市场竞争中立于不败之地，就必须不断学习、适应和创新。现在，让我们共同探讨：在您的领域中，如何有效地运用大模型技术，推动企业的持续健康发展？期待您的精彩分享。

方向三：个性化智能体开发

　2024年1月，智谱AI推出新一代基座大模型GLM-4，并同时上线GLMs个性化智能体定制功能，该功能上线以来，智谱清言智能体中心已经收到众多开发者提交的精彩纷呈的个性化智能体。大规模用户响应每天都在数量与日俱增的智能体中发生，而智谱清言智能体的功能设计与流畅程度也让开发者们印象深刻。

　　现在，用户可以使用智能体进行心理测试、分析复杂的Excel表格、生成会议纪要、识别并翻译照片文字、针对特定领域内容进行深度访谈等等，甚至每天都有许多用户在名为“林黛玉”的智能体中同这位中国古典文学名著中颇有才情的女子展开对话。开发者们的无穷创意，为大模型应用拓展出前所未有的新空间。

　　从此，每个人都能自由运用大模型的强大能力

　　个性化智能体的制作可以完全不依赖任何代码或编程，换而言之，每个人都可以通过自然语言灵活使用大模型的强大能力。

　　来自山东青岛的赵旭峰制作了十几个个性化智能体，而他本人其实根本不是理工科背景出身。

　　“我做过饰品设计的智能体，它可以根据用户需求快速生成设计图。还有春节拜年短信生成器，小说续写等等，试过很多，元宵节我就做了一个娱乐性的猜灯谜智能体，最初我也设计了【青岛美食导航】这种实用性比较强的（智能体）。”赵旭峰表示。

　　由于智能体依托智谱新一代基座大模型GLM-4的All Tools能力，可以自动搜索网页结果和进行函数运算，因此，赵旭峰的【青岛美食导航】不仅可以提供丰富的餐厅信息，还能够根据用户的预算自动进行推荐，若非基于大模型强大的智能能力，这些功能在之前几乎无法实现。

　　不过，本职工作是HR的赵旭峰最喜欢，同时也是在智能体中心热度最高的，则是一个名为【HR智囊】的智能体。简单来说，它能提供有关HR这一岗位工作相关的一切内容。这位不知疲倦的人力资源专家，既熟悉《劳动法》的全部内容，掌握各种HR必备知识，甚至还能给初出茅庐的职场新人提供一些团建游戏的选择。

　　“智能体革新了用户使用大模型的体验，以【HR智囊】为例，它只需要很少的提示词就能生成非常详细精准的回答，而部署调试它的过程则十分简单。”赵旭峰表示。

　　实际上，为了让【HR智囊】生成更加详细、结构化的回答，赵旭峰做的唯一一件事就是在调整智能体的时候告诉它：请你的回答详细、结构化。

　　一切就是如此简单。GLMs智能体功能的推出让更多像赵旭峰这样没有专业编程知识的用户也能享受到大模型带来的智能、效率与便捷。

　　懂你，更懂你的专业

　　在智能体出现之前，几乎没有人会把大模型和汽车开放系统架构（AUTOSAR）联系在一起。在软件定义汽车时代，汽车电子工程师的需求正在迅速增长，这对行业中的培训需求提出了挑战。

　　作为汽车电子领域的国际行业标准，AUTOSAR是一个非常复杂的知识体系，每一个功能模块的标准文档动辄数百页。过去，新入行的工程师上手AUTOSAR工程除了依靠浩繁的资料指导外，只能依靠资深工程师的传帮带。

　　现在，工程师荣生开发的智能体【AUTOSAR导师】改变了这一流程。通过把AUTOSAR的技术文档、行业白皮书、研究报告以及教材等输入给智能体，荣生发现智能体不仅能够回答技术知识，对于相关知识的解释与回答更能够做到融会贯通，包括对自动驾驶的未来趋势等开放话题，【AUTOSAR导师】也能给出颇具前瞻性的回答参考。

　　“不仅分享给同事们用，我自己日常也在用。毕竟我们的技术专家，甚至专职的内部培训师，都无法像它这样做到7*24小时回答各种技术难题”，荣生说到。

　　GLMs智能体支持高达100个文件、500万字的内容体量，强大的长文本能力和语言理解能力，将这些复杂知识更好融会贯通，实际上等同于让用户用最简单的方式完成大模型在专业领域的个性化微调，帮助用户更好实现智能体能力的专业化。

　　Alexking的【Excel智能助手】同样也是专业领域的一把好手。这个智能体不仅集成了Excel操作指南和VBA编程辅助，甚至可以直接给出用户对应的代码。比如你想要在Excel表格中筛选出符合特定条件的数据，【Excel智能助手】不仅会手把手告诉你该如何在软件中操作，甚至会给你生成一个完整的代码实例。这些功能实现的背后离不开智谱大模型在自然语言、多轮对话和数理逻辑等方面的深厚积累，而更让Alex惊喜的是，从【Excel智能助手】第一个版本从调试到上线一共只花了1个小时的时间。

　　GLMs智能体，更适合中文环境

　　智谱AI一直以来都和开发者社区保持紧密联系，GLMs智能体的推出更是在开发者中得到热烈反响。尤其值得一提的是，GLMs智能体的开发者往往会在多个不同大模型平台上测试其产品能力，而智谱大模型正凭借出色的基础能力，良好的智能体能力以及特别是对中文环境的出色支持脱颖而出。

　　来自华中科技大学的张辰皓在智能体中心上线了名为【心灵导航】的智能体。虽然名字略显鸡汤，但【心灵导航】基于严格的心理咨询框架和伦理准则，探索如何用大模型更好的帮助提升心理咨询服务质量。

　　“这是一个显而易见的潜力领域，”张辰皓说到，“大模型应用将帮助心理咨询摆脱真人效率的限制，同时开拓全新的心理咨询评价体系与应用范式，落实到目前实践中，智谱GLM-4大模型和智能体是表现最好的。”

　　GLMs智能体采用了和GPTs一样的prompt提示词规则，同时在多轮对话逻辑链以及对心理辅导样本的内容分析方面表现出显著优势，尤其是在中文环境下，智谱大模型的表现甚至更胜GPT-4一筹。

　　强大模型和智能体潜力有待更多基于理论框架和创意实践的充分挖掘，实际上张辰皓有关大模型在心理咨询领域的应用已经作为一项成果投稿ACL，在这篇论文中他详细比较了包括ChatGPT、GLM-4在内各模型在心理咨询不同维度中的表现，提出了一种新的模型框架探讨人工智能辅助心理咨询和治疗的可能性。

　　大模型的革命性应用正在各个领域催生无数像【心灵导航】智能体这样的案例，更适合中文环境，拥有强大基础模型能力的GLMs智能体和GLM-4大模型正成为越来越多人的选择。

　　当然，张辰皓也不是没有不满意的地方：“要是能支持更多文件上传个数就好了，心理咨询的案例每一个都是单独独立的，100个显然不太够（笑）。”

　　智谱AI CEO张鹏曾表示，GLMs个性化智能体让任何人都能够自由运用 GLM-4 模型并挖掘它的潜力，从此没有任何编程基础也能便捷地开发属于自己的大模型。这是智谱AI为降低大模型使用门槛所做的最新努力，也是智谱AI打造基于国产大模型生态圈的又一次尝试。

　　一直以来，智谱AI致力于打造新一代认知智能大模型，专注于做大模型的中国创新。公司于2020年底研发GLM预训练架构， 2021年训练完成百亿参数模型GLM-10B，同年利用MoE架构成功训练出收敛的万亿稀疏模型，2022年合作研发了 中英双语千亿级超大规模预训练模型GLM-130B并开源。2023 年，智谱AI推出千亿基座对话模型ChatGLM并两次 升级，开源版本的ChatGLM-6B让大模型开发者的本地微调和部署成为可能，在开源社区受到广泛欢迎。

　　2024年1月，智谱AI推出新一代基座大模型GLM-4，整体性能相比上一代大幅提升，比肩世界先进水平。它支持更长上下文，具备更强多模态能力，推理速度更快，支持更高并发，大大降低推理成本。同时，GLM-4智能体能力得到大幅提升，可根据用户意图，自动理解、规划指令以完成复杂任务。GLMs个性化智能体定制功能亦同时上线，用户用简单提示词指令即能创建属于自己的GLM智能体，由此任何人都能实现大模型的便捷开发。

　　上线一个多月来GLMs个性化智能体的急剧增长和广泛传播只是一个开始，随着智谱大模型基座能力的进一步提升和开发者奇思妙想的不断涌现，未来，智谱智能体中心将成为一个包罗万象的大模型能力平台，每个人都可以在其中挥洒创意，找到契合自己工作、学习与生活的智能体，同时还能探索商业化的崭新路径。

　　大模型的新一代应用之路，此刻已经开启。