ChatGPT 发布整整两年后，中美各大模型厂商仍在努力完善模型产品功能和用户体验：11 月初，OpenAI 在 ChatGPT 中上线了 AI 搜索； 11月中旬，百度推出了一系列智能代理应用，试图构建AI应用生态。

行业领袖的不同思维可以让外界一窥他们在大模型领域的共识和分歧。

共识是，OpenAI和百度都致力于进一步消除幻想，努力提升商业化能力。百度创始人李彦宏甚至感叹“过去24个月AI行业最大的变化就是大模型基本消除了幻想”。

但在当前关头，两家公司对于大模型应用的探索更值得行业审视和思考。

OpenAI的AI搜索功能一经推出，不少一线用户就发现其搜索结果仍然无法摆脱幻觉的困境。如何让大模型走出幻觉陷阱？

百度作为老牌搜索巨头，带来了自己的新答案：在借助RAG（Retrieval-augmented Generation）解决文本错觉之后，百度将目光聚焦在图像错觉上，并为后者创造了独特的秘技。 ——iRAG（基于图像的RAG）结合了百度搜索的数亿图像资源和强大的基础模型能力，确保生成的图像更加真实、更贴近自然。

更重要的是，只有解决了大模型的错觉问题，才能让更多人愿意、敢于使用大模型技术。智能代理已经成为百度撬动更多普通用户涉足大模型技术的重要应用方向。

与希望通过搜索不断增强变现能力、增加智能的OpenAI相比，百度不仅要为自己赚钱，还希望大家都赚钱，继续构建AI应用生态。 “我们不是推出‘超级应用’。但我们必须继续帮助更多的人和更多的公司创建数百万个‘超级有用’的应用。”李彦宏说。

虽然全球几乎所有大型模型厂商都在关注智能化，但正如李彦宏所说，像百度这样将智能化作为最重要战略方向的企业并不多。 OpenAI等实力较强的公司也选择在今年3月关闭仅运营两个月的智能应用商店GPT Store。

ChatGPT上线两年来，时间一再证明，李彦宏的部分分歧已经演变成业界新的共识，比如主导强调搜索增强、主动利用流量等。

这一次，李彦宏声称智能体将是AI应用最主流形态等非共识断言能否再次成功？

经过两年的发展，大模型领域正在转变一套新的评价标准：对大模型厂商的综合实力进行打分，不再仅仅看其发表了多少篇论文、取得了多少名次，还能否获得大规模的收入，什么时候才能达到盈利的门槛？

“或许，赢得商战的不是最便宜的，而是最实用的，赢得利润的。”今年上半年，当百度等大型模型厂商打响大型模型“价格战”时，轻子AI创始人兼CEO贾扬清表示：表达了自己的看法。在贾扬清看来，“降价是一个简单的策略，拍拍脑袋就能搞定，但真正的To B业务的成功则更加困难。”

为了加快商业化步伐，OpenAI选择推出AI搜索并拓展新的支付渠道。百度选择了平台生态策略：提供平台工具，构建智能代理生态系统，让每个人都可以使用智能代理开发，每个人都可以赚钱。

在百度世界2024大会上，李彦宏展示了四大智能代理应用——公司代理、角色代理、工具代理、行业代理。

公司类代理商相当于AI时代的公司官网：传统官网具有公司介绍、产品图片及参数展示、线下门店位置等功能。公司类代理商有；主动推荐、及时回复等传统网站所不具备的能力。公司智力还具备服务能力。

基于角色的智能体改变了以往数字人的声音、身体动作、嘴巴动作、僵化的缺点，开始变得更加拟人化。简而言之，他们更像真实的人。

在工具代理方面，李彦宏重点关注了百度文库和百度网盘联合发布的“自由画布”。基于充分利用文库与网盘的融合优势，全面突破公私域数据的限制，实现自由录入、编辑、创建、共享。

在行业智能化方面，已在法律、医疗健康、金融、体育、旅游等多个领域落地。作为法律行业的智能代理，发行宝上线半年多以来，已累计免费服务940万人次。

为了真正让大家能够开发出智能代理，李彦宏还在大会上带来了One More Thing时刻——展示了大规模模型技术实现的无代码产品妙达。被誉为无代码产品，无需编写代码即可使用。实现任何想法的软件被李彦宏称为“迄今为止人类历史上最复杂的多智能体协作工具”。

Agent完成大模型能力从“言语”到“动作”的突破，离不开其基础大模型能力的迭代进步。

具体到百度本身，早在2019年，百度就推出了1.0版本的1亿参数规模的文心大模型，随后将2.0版本升级到10亿参数。 ChatGPT发布后不久，百度率先推出了3.0版本。并于去年10月迭代至4.0版本。

近日，沙利文发布了《全球AI生态全景2024》报告。在全球AI生态全景中，百度、谷歌和OpenAI位于AI-Native巨头同一象限。

当被问及为什么百度能这么快发布大模型时，李彦宏曾回答说：“因为我们准备得更充分，我们的工程师也很努力。我们一直在朝这个方向努力。我们长期的信念让我们能够为这种颠覆性创新做好准备。”

另一个能够持续推动技术迭代的动力来自百度多年来对全球AI人才的招募，其中包括吴恩达、达里奥·阿莫代、吉姆·范等一批行业巨头。

作为百度前首席科学家，吴恩达在百度任职期间带领百度人工智能团队发展到1300多人，帮助百度培养了大量的AI人才。

然而技术迭代和顶尖人才的招募需要真金白银，这迫使大车型领域的厂商尽快商业化。

在这场烧钱的游戏中，那些实力不够的大模型玩家要么被淘汰出局，要么被大厂商吸收。波形智能卖给OPPO的案例，成为这场残酷竞争的最新注脚。此前，明星初创公司Inflection、Character.AI、AI Agent独角兽Adept都面临着被大公司变相收购的命运。

商业化手段有限，叠加大模型训练和推理成本较高，一些入不敷出的国内领先大模型玩家甚至被传退出预训练。即便不愿意放弃前期培训，一些大模范玩家也开始改变策略，开始放弃在国内To C市场烧钱的策略，转而全力发展ToB领域哪里更容易收回资金。

竞争激烈的大车型赛道已或主动或被动演变为领先初创企业与各大厂商之间的竞争。不可忽视的是，当其他玩家都畏惧预训练时，拥有资源的顶级初创公司和大厂商却获得了意想不到的优势。

OpenAI 首席执行官 Sam Altman 在最近接受播客采访时提到，模型已经成为一种不断贬值的资产，这是不争的事实，“但说它们不值得花这么多钱来训练，这似乎是完全错误的。更不用说它们会产生积极的复合效应，因为你可以更好地训练模型并且提高效率，我认为这足以证明投资的合理性。”

李彦宏此前也曾表达过类似观点。在他看来，模型之间的差距是多维度的，包括能力和成本，“未来大模型之间的差距会越来越大，领先对手六个月就能获胜。”

随着大型模型逐渐进入巨型博弈阶段，红杉资本在报告《Generative AI’s Act o1: The Agentic Reasoning Era Begins》中指出，生成式人工智能行业的基础正在趋于稳定。只有自血量充足、资本雄厚的大玩家才能留在牌桌上。尽管市场竞争还远没有结束（根据博弈论，甚至会越来越激烈），但玩家格局已经越来越清晰。

基于此，红杉资本预测，应用层正在成为风险投资的重点。类比移动互联网转型和云计算转型，应用层约有20家公司创造了超过10亿美元的收入。 “我们预计在AI转型期间也会出现同样的情况。”

早在红杉资本的预测之前，2023年3月16日，当百度终于赶上所有国内厂商并率先发布文心一言时，李彦宏首次向外界明确表示，“在这个时代大模型，真正最大的机会不是基础服务或者行业服务，我觉得是应用。”

自去年3月16日文心一言正式亮相以来，近600天的时间里，李彦宏带领百度成为推动AI应用落地的最有力声音。他曾发表过“量模型不如量应用”、“量应用更有价值”等言论。被频繁提及。

从商业化角度来看，量化应用也是更能发挥中国创业者优势的领域。这样的实践经验在PC时代和移动互联网时代都得到了反复证实。

考验和挑战再次摆在大型基础机型厂商面前——谁能更好地构建应用生态，谁就有望成为下一个Android。

在应用生态建设方面，没有移动互联网超级应用的OpenAI今年1月上线GPT商店后很快就遇到了维持热度的困难。

掌握了生成式AI最重要入口搜索的百度，在代理商的分布和运营方面具有一定的优势。

据字母榜（ID：wujicaijing）显示，百度搜索是目前智能座席最大的分发入口。目前，每天分布的智能代理数量超过1000万个，并且仍在快速增长。

借助百度APP近7亿月活跃用户带来的规模效应，百度不仅帮助普通人开发智能代理，还构建了涵盖“开发+分发+运营+变现”的业务闭环。

为了分发智能代理应用，百度还打通了智能代理在百度搜索、小度、文小言、地图、汽车、机器等多个场景和设备上的流通和实施，让大家都可以开发，并进一步实现人人都能分配并从中受益的新目标。

值得一提的是，拥有智能云服务的百度能够提供比OpenAI等简单大模型公司更多维度的服务。目前，百度智能云千帆大模型平台已帮助客户微调3.3万个模型，累计开发企业应用77万个。超过60%的中央国企和大量民企正在与百度智能云合作。人工智能创新。

会议期间，百度还展示了大模型在B端的应用。

以保险行业为例，百度智能云目前正在探索实施基于工作流代理的车险续保售前数字化员工。过去，车险续保的作业指导书包含大量流程、子流程、文件等，优秀的销售人员稀缺，培训周期往往需要一到两年的时间。

基于工作流代理的金牌销售数字化员工开发最快一小时内即可完成并上线，极大提升了企业车险业务的核心生产力。此类工作流代理可以快速集成到百度搜索、微信公众号、企业官网等业务系统中，方便触达用户。

在刚刚结束的金九银十招聘季，智联招聘携手百度，利用后者的大模型重构岗位匹配的核心环节，从而大幅提升用人单位的招聘效率和质量。

目前，百度与智联招聘的合作已成功沉淀了一系列提示词模板，并在数万条实际数据中得到验证，场景平均准确率高达93%。

同样不容忽视的是，AI业务还可以间接拉动云厂商的营收。 B端客户在使用大型模型的同时，会积累大量的业务数据，产生大量的资源需求，有利于促进智能云（GPU）相关产品的销售。

多样化的分发场景和更多用户的使用，除了增加云服务收入外，还可以帮助智能体获得数据反馈，进而进一步促进基础模型的自主调优，从而让大模型更智能，也让智能智能体变得更聪明使用得越多。

就像RAG是用来消除大模型的错觉并刺激更多用户使用它一样，只有更聪明的代理才能吸引更多人实际使用它。随着使用的人越来越多，李彦宏“智能体即将达到临界点”的判断有望更快到来。