百度不做Sora视频大模型的理由，李彦宏讲清楚了

2024年11月12日举办的百度世界大会上，探讨“什么是有价值的AI应用”成了主题。

百度集团创始人、董事长兼CEO李彦宏提到，将大会主题定为“应用来了”，代表百度对于当前大模型和生成式人工智能时代的认知和判断。

△文心大模型的日均调用量变化。

目前，文心大模型的日均调用量已经超过15亿。李彦宏认为，如果文心大模型调用量一年能涨10倍，意味着市场需求确实存在。他提到，事实上，文心的调用量，在半年内的增长就接近10倍。

在会上，李彦宏提到了几个共识：

首先，检索增强（RAG）成为了行业共识，因为消除“幻觉”，是模型行业落地的必须。李彦宏认为，过去24个月，大模型的最大变化是基本消除了“幻觉”。

其次，智能体是AI应用最主流的形态，是AI原生时代内容、信息和服务的新载体。

“智能体”，无疑是世界大会上出现最高频的术语。李彦宏将智能体比作PC时代的网站和移动时代的自媒体，区别在于，智能体更像人、更智能。

他提到了智能体的4个应用方向：公司类（如销售客服）、角色类（如数字人直播）、工具类（如行业报告智能生成）、行业类。

技术的商业价值，也是李彦宏在发言中反复提起的主题。

比如，他认为iRAG的商业价值在于无幻觉、超真实、没成本、立即可取。

△李彦宏发言

具体到0代码开发工具“秒哒”的发布，李彦宏认为产品价值在于实现了生产力的无限扩张。用他的话来形容，这是“一个前所未有的只靠想法就能赚钱的时代”。

在产业落地层面，李彦宏提到，大模型带给行业的价值增量，体现在两个层面：降本和增效。

目前，百度智能云千帆大模型平台已经精调了3.3万个模型，开发了77万个企业应用，一半以上的央国企都是千帆的用户。

文库和网盘融合了

在2024年9月的架构调整中，百度网盘回归了MEG，被划分到了文库BU——这也为两个内容工具型应用的生态打通，埋下了伏笔。

百度副总裁、百度文库兼百度网盘负责人王颖看来，以往文库和网盘的用户具有以下两个痛点：

一方面，不同形式、品类、格式的素材，无法在同一个平台上编辑操作，也无法生成任何形式、格式的内容；

另一方面，文库中的公域知识，和网盘中的私域知识，是分开存储的，无法协同形成完整的知识。

百度文库上线的“自由画布”功能，就成了打通文库和网盘内容的桥梁。在李彦宏看来，自由画布本质上就是一个工具类智能体。

就像一个智能白板，用户能够通过点选、对话、框选，自由选择和组合文库和网盘上需要操作的内容。

基于背后的MoE（混合专家模型）架构和多模态模型，自由画布可以支持文字、图像、视频等文件的跨模态处理，最后也能生成图文等跨模态内容。

而这些经自由画布生成的多模态内容，适配的是微信朋友圈、小红书的图+文、视频+文内容生态，也能生成带图表的研报等专业领域内容。

△自由画布根据要求生成了孙悟空来现代探险的小说、漫画和视频。

在AI工具型产品苦寻变现模式的当下，王颖却认为，网盘和文库的商业模式天生与大模型产品非常匹配。

她告诉《智能涌现》，文库和网盘的收费模式，本质上是和用户分润，产品通过给用户带来价值、帮他们挣到钱，来提高用户的留存率和付费率。

“AI能力能够拓展产品功能的边界，组合出来的产品变得更多，给用户带来更多的权益，也会让付费转化率变高。”王颖对《智能涌现》表示。

做Sora之前，先解决“幻觉”

即便李彦宏提到，目前文字和RAG（检索增强）技术的结合已有成效，但他也指出，图像和RAG技术的结合还远远不够。

“多模态模型目前没有大规模应用，是由于幻觉问题还没有解决。”李彦宏在发言中指出。

这一认知，也决定了百度面对Sora的态度。李彦宏提到，在Sora出现时，百度的决策不是跟进，而是着手解决多模态的幻觉问题。

在会上，百度发布了iRAG，一项基于检索增强的文生图技术。用李彦宏的话来说，iRAG可以去除生成图像的“机器味”。

△基于iRAG生成的图片。

百度CTO王海峰在会上介绍了iRAG实现可控生图的技术链路：

首先，大模型对用户的需求进行分析理解，自动规划精确或者泛化的方案，比如对哪些实体进行增强；

接着，在增强阶段，对需要增强的实体进行检索，并且选择对应的参考；

最后，在生成阶段，百度自研了多模态可控生图技术。一方面，通过局部注意力计算，大模型能够在保持实体特征不变的情况下，实现图像的高泛化生成；另一方面，通过整体注意力计算，实现图像的高精确生成。

小度做了副AI眼镜

2023年换上大模型“大脑”的小度，这次推出的不再是音箱，而是百度的第一副眼镜：小度AI眼镜。

△小度AI眼镜。

在硬件层面，这幅眼镜自重仅45g，低于行业平均重量49g。为了提高成像效果，眼镜搭载了1600万像素超广角镜头和AI防抖算法；为了提高声音识别准确率、降低漏音，眼镜采用了四麦阵列和开放式防漏音扬声器设计。

在续航能力上，小度AI眼镜用30min就能充满电，实现56小时待机，超5小时连续聆听。这三个指标均超过了行业标杆水平。

将小度AI眼镜与普通眼镜进行区别的，还是在“AI”上。

基于文心大模型和DuerOS AI原生操作系统，小度AI能够实现第一视角拍摄、边走边问、识物百科、视听翻译、智能备忘、歌单等功能。

据百度集团副总裁、小度科技CEO李莹介绍，小度AI眼镜将在2025年上半年上市。

一个0代码开发工具，就是一支智能体团队

会上，百度还官宣了“秒哒”，一个将在2025年Q1上线的0代码应用开发平台。

相较于其他的0代码开发平台，秒哒的特色是，应用的开发过程，由多个多智能体进行协作。

△“秒哒”。

比如，在网页制作过程中，网页的代码编写和部署由程序员智能体完成，网页中的文案由写作智能体完成，文案中最新的资料由检索机器人上网查询，其中的配图又由擅长生图的智能体实现。

最后，负责质检的智能体，还会利用反思能力，运行测试代码，发现其中的bug，并与程序员智能体进行配合修改。

多智能体协作，不仅应用在了针对小白开发者的“秒哒”上，还运用在了针对专业程序员的文心快码Comate上。

王海峰介绍，Comate已经迭代到了3.0版本。在开发全流程中，Comate 3.0中的不同智能体可以实现自动代码质检、代码补全等功能，目的是提高程序员的工作质量和效率，让其把更多精力投入到探索和创新。