百度李彦宏称开源大模型是智商税 闭源将成市场绝大多数

百度李彦宏称开源大模型是智商税 闭源将成市场绝大多数 由于企业引入开源模型伴随高昂算力与微调隐性成本，而闭源模型在性价比及推理成本上占据绝对优势，李彦宏预测未来绝大多数企业在算清商业账后都将选择闭源路线。 在本次专访中，李彦宏从商业理性角度直言“开源其实是一种智商税”，指出闭源模型在性价比、算力共享和推理成本上对企业更具绝对优势。他重新定义了AI时代的“超级应用”，认为不应执着于单一日活破亿的传统模式，而应看好大模型在2B场景和实体产业中润物细无声的提效改造成果。同时，李彦宏高度看好开发门槛极低、具备爆发式增长潜力的AI智能体（Agent）生态，将其比作90年代末的互联网个人主页浪潮，并分享了高考志愿填报与新加坡旅游局等个性化智能体的成功落地案例。 李彦宏明确指出“开源其实是一种智商税”，企业若从商业理性算账，开源模型面临自备数据、微调对齐及按峰值独立储备算力的高昂隐性成本，闭源模型在性价比和能力上均占绝对优势。 (0:00) AI时代的超级应用不再局限于追求单体DAU破亿，在大模型基础之上诞生数以百万计的丰富应用生态更具价值；文心一言日调用量在两个月内已从2亿突破至5亿次。 (4:59) 生成式AI对成熟应用的深度改造正在跑通商业化模式，百度文库全面转型为生成式AI应用后，2024年付费用户规模已达到约2600万。 (9:59) 李彦宏最看好AI智能体（Agent）的爆发力，认为其门槛极低如同90年代末催生互联网巨头的个人主页浪潮，是代表未来的核心应用范式。 (19:59)

百度创始人李彦宏认为，从商业成本与产出比考量，闭源大模型在性价比与算力共享机制上显著优于开源模型；相比等待单一现象级“超级应用”，他更看好大模型对现有业务的重塑，并断言门槛极低的智能体（AI Agent）将迎来爆发。 开源与闭源的商业与成本账 (0:00) 李彦宏主张企业在具体商业场景中应用大模型应优先选择闭源路线，并直言开源模型商业落地是“智商税”。他分析指出，开源模型的隐性成本高昂：企业需自行准备数据进行监督微调（SFT）和安全对齐，且由于无法与其他业务共享算力，必须按业务峰值储备算力服务器；相比之下，闭源模型可共享公有云算力，且能从旗舰大模型中“裁剪”出同等能力下参数更小的小模型，推理成本更低。李彦宏预测，未来长远来看闭源模型使用者将是绝大多数（super majority），开源模型的价值主要停留在学术研究与教学场景。 超级应用的重新审视与调用量增长 (4:59) 针对业界对移动互联网级“超级应用”（Super App）的期待，李彦宏提出不同视角，认为不应孤立等待少数爆款，而应看好基础模型之上数以百万计的垂直应用落地。他披露文心大模型的日调用量已从2024年4月的约2亿次，在两个月后快速突破5亿次，翻倍增长反映出大模型正在为实际业务创造价值。在他看来，大模型赋能实体产业与2B业务所带来的降本增效，其社会价值和影响力不亚于诞生一两个孤立的消费级杀手应用。 改造存量业务与Copilot人机共创 (9:59) 在C端应用层面，李彦宏强调利用生成式AI深度改造成熟产品的“信息增益”。例如百度搜索截至2024年4月已有11%的结果由AI生成并持续提升；百度文库转型为生成式应用后，可自动生成PPT与多模态文档，2024年已跑通约2600万个付费用户。李彦宏指出，尽管目前全新AI工具（如Perplexity等）日活尚未破亿，但以“copilot”（副驾驶/人机共创）模式赋能既有软件（如微软Copilot、网文写作辅助）已带来实打实的收入增长，这种生产力流程重组的综合价值远大于少数从0到1的颠覆性尝试。 智能体生态与低门槛爆发逻辑 (19:59) 李彦宏将“智能体”（AI Agent）视作当前最具爆发力的应用形态，并将其类比为20世纪90年代的个人主页浪潮。他主张不必把智能体的技术门槛定得太高（如苛求早期即具备复杂的长期记忆或工具调用能力），开发者仅凭自然语言设定角色人设、工作流并接入私有知识库，即可构建实用智能体。百度落地的高考志愿填报智能体与新加坡旅游局合作智能体均表明，Agent能精准满足个性化长尾需求；这一低门槛生态将随着技术自然演进，逐步孕育出下一代平台巨头。 李彦宏对AI商业化的判断建立在算力经济性与企业ROI（投资回报率）的理性计算上；但闭源模型能否如其预测般在产业端彻底挤压开源空间，以及超低开发门槛的智能体能否重现早期互联网孕育巨头的演进路径，仍取决于底层能力突破与真实商业回报的长期检验。

[0:00] 李彦宏: 开源其实是一种智商税 [0:00] 李彦宏: 只要一算账，就会发现开源模型是没有机会的 [4:59] 李彦宏: 更没有道理 [4:59] 李彦宏: 数以百万计的各种各样的应用 [9:59] 李彦宏: 没有那么性感 [19:59] 李彦宏: 放之四海而皆准 [19:59] 李彦宏: 乱七八糟

[0:00] 人工智能正在以前所未有的速度席卷全球去年我们还处在百魔大战的这么一个讨论当中聚焦于AI的iPhone时刻但是今年我们看到AI的应用已经内卷得不得了大规模的落地的应用已经成为一个新的这么一个竞技场价格上也是硝烟四起这一系列的变化预示着大模型的商业化的进展正在急速今天我们邀请到了百度创始人董事长兼首席执行官李彦宏先生硅谷101的联合创始人陈倩一同来探讨大模型的未来之路邮明你好你好在国际上对开源避源大家也争论的很厉害比如说马斯克他就跟OpenAI说你这么避源你要不然就叫CloseAI好了包括我们看到马斯克他后来的XAI他也开源了包括Meta他的Lama也是开源的就是为什么要在你的避源那么坚持我觉得开源其实是一种智商税就是你仔细想一想就是说当我们为什么要去做这个大模型它能够有应用这些应用呢在各种场景下能够为客户为用户提升效率降低成本对吧就是产生它过去产生不了的这个作用所以当你理性的去想就是说这个大模型能够给我带来什么价值以什么样的这个成本给我带来这个价值的时候你就会发现你永远应该选择B原模型就是今天在B原阵营无论是ChangeP也好 文系研也好以及各种各样的这种模型你看一下它的平均水平它一定是比这些开源模型要更强大你看它的推理成本它一定是比这个开源模型要更低的尤其在国内的话就是说我们连算力都送你了所以当你想要用一个开源模型的时候你得把这个模型拿过来根据你的场景去做这个SFP你很有可能还要做这种安全上的对齐对吧就是哪些风险要去进行规避你还要跟自己的场景去准备各种各样的数据去一轮一轮的去迭代最后对刚才说的买算力你要把它放上去由于是你自己独有的一个模型对吧你还没有办法跟别的应用去共享这个算力你这个最高峰的时候用多少那就要去准备多少算力这个是非常非常不经济的反过来呢就是你用一个必源的模型那么就是算力可以跟大家共享那么就是这些个能力的话呢还有同等参数下必源模型一定是比开源模型能量更强那同等能力下呢它的就是由于必源模型可能就是参数会更规模会更小一点它的推理成本就会更低所以长久来看那么就是我觉得这个B原模型它的这个使用一定是super majority一定是非常大比例的这种会超过开源模型当然我也不能说就是开源模型没有存在的价值其实比如说从学术研究的角度就是假如说你是一个scientist你想研究这个大模型到底它原理是啥因为业界其实也一直在抱怨就说OK大模型虽然厉害但是它不可解释对吧你怎么解释大模型到底为什么会具有这种能力或者说你是一个高校学生你想学这些东西你想拿来练练手你想看一看大模型到底是怎么做出来的在这些场景下我觉得有它的价值但如果你是一个企业你要的就是说大模型能够给我带来价值上的增益你只要一算账就会发现开源模型是没有机会的对 但是我看百度也是用的公有云的一个方式对吧就是我是B原大模型但是我在加一个这个公有云上面有集合了不同的B原跟开源的模型供客户去调用那我看比如说亚马逊云科技还有微软他们其实也是采取这样的一个方式对所以就是百度本身大模型必源加工有云你对这样的一个一套的打法对2B的客户来说你有什么考量吗我觉得again就是说2B的客户还是说他要选择一个模型对他来说性价比最好的一方面这个模型要对他的这个应用能够产生价值另外一方面呢就是说成本要足够的低很多时候就是你看着有用对吧一算这个成本不划算那么客户就去放弃了这是为什么我刚才讲的就是开源模型打不过这个避元模型就是你只要理性的去看待你的收益是啥你的成本是啥你就会发现说你最好还是去选择这个避元的模型当然就是说避元模型不是 [4:59] 这个模型它是一系列的模型根据你的使用场景你去balance一下到底就是要多好的效果要多快的这个推理速度要多低的成本所以呢就是你的文心模型也非常多的这种变种可以根据用户的需求让他来选择而这些相对来说规模更小的模型呢都是从最大最powerful的模型裁剪出来这也是就是说我觉得开源模型不具备的一个优势当你最先进的模型是壁源的时候我根据这个壁源往下去裁剪裁剪出来一些更小规模的模型仍然比那些同样规模的开源模型效果要更好我们也看到一些就是参数规模比较大的这种开源模型其实这个就更没有道理了对吧当就是规模越大的时候你会发现说它的这个推理速度变得更慢了所以如果你要是不在乎这个推理速度的话呢你就用最强大的并元模型那它效果一定是更好的而且参数规模越大意味着什么意味着对算力的消耗也越大也就是说你得准备更多的服务器来伺候这个大模型其实这东西是根本不划算的越往上走越应该去共享这个算力这样才能算过来账所以这我觉得大家只要是不是在那做而论道而是真的说我对这个模型有需求的时候你就会发现这就几乎是一个no brainer你不可能去选择一个开源我们知道一年多了由Chad G.D.先起的这么一个热潮你也曾经表达过说接下来我们最关注的是超级应用什么时候出现我们看到其实国内面向C端的这么一种大模型的这么一个产品形态看起来还都是差不多都是这种搜索方问答这个模式你怎么看这种有没有可能产生一种差异化的竞争什么样的好的产品会出现对 准确的讲我倒不是说一定在等待一个超级应用的出现我更是觉得就是在基础模型之上在这个大模型之上应该能够诞生数以百万计的各种各样的应用的出现我更是觉得就是在基础模型之上在这个大模型之上呢应该能够诞生数以百万计的各种各样的应用这些应用有些可能就是很小的这个领域一个大家可能不太容易想到的这种应用但是呢它对于那个领域的问题解决就比以前要好很多当然也有可能是一个用户量积极庞大的吧就是用户市场也非常长的类似于移动互联网那样的这个超级应用确切讲我觉得现在还没有看到能够顶尖移动互联网时期超级应用的那样的AI时代的原生应用但是已经看到的确实是越来越多的在各种各样的场景尤其是2P场景那么利用大模型提升效果提升效率产生更多的收入或者说能够节省更多的成本这样的情况出现所以应该说尤其是今年以来我们看到在各个领域各行各业都有AI的应用场景出现了它的出现就是使得我们比如说人力大规模的节省或者是效率大规模的提升也许比如说对于投资者对于比如说创业者他们没有觉得这个东西很令人兴奋因为大家都在想我能不能有一天从零到这个一做出一个人们想也没有想到过的这样的东西变成一个DAO实意的这样的超级应用这个当然很重要我觉得假以时日也一定会出现但是目前已经看到了甚至我觉得是更重要的是大模型在各个领域各个场景的应用这方面比如说从百度的文心研日调用量来看的话已经是非常非常明显了我们在4月份的时候曾经公布过一个数据就是文心研的调用量每天大概是要有两亿次那么到最近一次就是前几天我们在公布的时候文心研的调用量已经到了五亿次也就是说两个月的时间调用量是more than double调用背后意味着什么意味着它在给应用产生价值因为没有价值的话人家也不会花钱去做这种调用所以这种增长速度我觉得还是非常令人兴奋的就是说弹幕型对于实体产业对于各行各业的这种啼笑这样的 [9:59] 什么这些作用其实现在已经是非常明显你更多的是谈到了可能在一些垂直的行业但我们其实想百度还是有很强的C端的这么一个基因的这么个公司作为一个普通的消费者和使用者我们也想请你聊一聊在这个C端的应用会有一些什么样的很好的场景包括我们现在这一个新的词经常说了端测端测甚至大家说最后可能我们手机上的APP可能都已经可以被这个手机这么硬件去来调用而不是进入一个APP的这个你怎么看这个我觉得是分两类一类就是大家比较关注的就是过去从来没有的这些的应用现在比较流行的就类似于ChatGP这样的就是我们把它叫做Chatbot就是聊天机器人这样的一个形式国内其实每一个大模型公司肯定都会推出一个相应的APP或者是网站来做这种Chatbot那么它的作用其实也比较明显很多时候如果你有一个很具体的问题丢给他的话他就会给你一个还不错的答案而且准确率也越来越高了很多人逐步的对这种chatbot产生了依赖但是对于现有的这些个2C的应用其实它的这个信息增益作用也是非常大的我们在4月份的时候公布过一个数据就是百度搜索今天呢有11%的这个搜索结果会是由AI来生成的那这个比例呢还在不断的这个提升也就是说现有的这些个大家比较常见的应用其实也越来越多的在被大模型在被生成是AI所改造另外一个例子是比如说百度文库过去呢百度文库是一个大家在上面找一些现成的文档比如说一个中学老师他要备课了初中的物理课那么他要找一找比如说人大附中的老师最优秀的老师他的这个教案是什么样子去找这种现成的文档今天呢 百度文库经过这个大模型的这种改造之后呢已经更多的变成了一个生成式AI的这种应用也就是说你不管想要产生什么样的文档是PowerPoint 是PPT 是论文的格式还是什么各种各样的这个甚至是一个漫画呀什么这样的它都可以根据你的要求来生成而且不仅它的用户量比较广这个产品它是一个收费的产品今年以来已经有大约2600万个付费用户所以这个就是你如果说用超级应用的标准来看的话它也没有到超级应用的水准但是你要是看到实际产生价值的话有那么多人愿意为这个产品来付费那还是很厉害对吧就是这些产品都是过去已经存在的只是说你经过了大模型的改造之后它的能力跟以前完全不一样人们对它的认知也在不断的迭代不断的在加持因为它能力进行之后大家更愿意付费了原来就是免费搜索对我特别同意您最近在多个场合强调的就是我们去卷AI的原生应用这样的话大模型才有意义但同时我也有一点小困惑比如说OpenAI它的LGBTs在8个月之前就推出来了当时大家都会觉得说我们AI应用时刻要爆发了但是8个月之后的今天我们看到其实还没有爆发可能很多的应用出来也不太惊人意或者可能最精髓火的就是Perplexity这个AI搜索可能现在是2000万美元的AR然后2000万用户的这样的一个量级其实也还没有到所谓的super app或者killer app对所以我的问题或者疑惑在于说如果介于GBC4的这个模型能力是不是说我们现在还没有到要去卷应用的时候呢这个时刻还没到对刚才你提到的这个GDs以及就是Perplexity其实还是我刚才说的就是第一类就是过去从来没有过的东西它从零到一去做那么这样的这个超级应用确实现在还没有出现其实即使是XGDT的话它的DU也没有过亿对吧就是还算不上一个真正的超级应用但是呢就是对于现有产品的这种感造无论是中国也好美国也好我们都看到了实实在在的增益,比如美国的话就是微软的这个copilot那它也是已经收到了很多的费用了美国更多的这种2B的行业,Pilot, SNOTFLIX都是通过软件就是被这个大模型被生成是AI加持了之后那么他们的一月期得到了实实在在的增长,所以从这个意义上讲 [14:59] 我觉得大模型的应用其实已经是逐步的在浮现出来它对于现有液态的这种改造作用比从零到一的这种颠覆作用可能是更早到来更明显甚至我觉得也是能够创造更多价值的就是有时候以前那个Saya说过他说过去的这个比如说互联网叫做autopilot什么东西就是one shot你自己就都把这个结果给弄出来了那么现在的生成AI叫做copilot它实际上是人和机器共创的一个过程这种过程可能一开始大家觉得说没有那么性感但是它对于人的这种工作效率的提升对于成本的这种下降对于打开新的可能性产生的促进作用其实是比那些从零到一反而要更大如果经济是从0到1,你可能会希望说出现某几个SuperApp,那也就是几个公司从中受益,但是今天几乎各行各业所有的公司被大模型加持之后,它都能受益,我觉得这种影响力对于整个社会对于人类来说无疑是更大只是大家好像觉得说这个以前就存在这个东西我以前见过所以没有那种那种新鲜感或者说就是它更多的比如说诞生在生产力场景它的这种收众群体或者单一应用的收众群体不会过亿过十亿那样子尤其是在新端在公众层面的可能体感没有那么集中这个是我觉得大家现在可能觉得一直在想寻找一个super art什么的这种原因这个就好像是你的问题是就是挑战RobinRobin说要卷起来你说怎么没看到卷所以我总结一下我的感觉听完Robin讲完之后我就知道了我们理解的超级这两个字在Robin概念里面可能一个就是说数以百万级的应用已经开始起来了第二个呢所谓的这个超级可能反而是在垂直的在一些局部的一些领域它有非常显著的加速度或者增益对或者超级的这个定义在互联网时代跟在AI时代是不一样了是不一样的对在这个互联网时代可能是某一个单一的从零到一或者到一百的这样的应用就是今天的这种所谓的超级应用它是对现有场景的一种加持这种加持有时候是其实它还在一个早期我必须也承认就是它逐步的会改变现有的这个产品的形态比如我再举一个例子就是小说创作网文对吧就是这个在国内是特别火的一个行业过去呢大家就是人肉就是靠自己的能力靠自己的想象不断的去更新一篇文章或者一个小说这个效率是很低的那么现在有了大模型的加持基本上有一个什么构思它就可以给你一个相应的这种文档你说再丰富一点它就再丰富你说这个文风可能太温柔了那么要不要就是强悍一点什么你根据你的想法它可以不断的去调整这样的东西呢就是在外界在用户看来我仍然在读一篇网门读一篇小说但是呢这个小说的生产成本生产效率它的内容的丰富度可读性优良率等等都是跟以前是不一样的所以这样的这个例子其实在我们在几乎任何行业都能够看到我们想我们前面聊的一次我们总结可能是也是你以前说的我们叫总结的比如叫卷应用啊接下来我们想还有关键词叫智能体因为我们也知道你都说过好多次啊你认为是AI时代最看好的是智能体啊但是目前来看好像也没有一个特别强大的一个爆发你为什么认为智能体是AI时代未来的一个趋势呢我觉得智能体正在爆发只是说它现在基数还比较小的时候大家的这种体感没有那么强烈但是你要看业界这些比如说大模型公司都在做智能体就是业界的这些意见领袖这个基本上也算是共识就是你问他说你看不看好智能体一般大家都会说我看好智能体智能体为什么什么就是我觉得是代表未来基础模型啊它本身是需要靠应用才能显现出来的价值那么智能体呢就是一个几乎可以是放之四海而基准的这个基于大模型的这种应用什么意思呢就是我根据我自己的场景我设定一个这种角色的这种人设啊 [19:59] 我连编程都不用我只要把我想要这个做的事情跟他讲清楚有时候当然要把自己的一些比如说私有知识库什么的对接进来或者说把自己做事情的那个套路给他给说清楚这个专业术语叫做工作流把工作流这个套进去那么它就是一个非常有用的就是跟基础模型不一样的东西今天呢就是几乎不能说所有但是大多数的AI的原生应用其实你用智能体的方式都可以做出来做出来之后效果也不错由于它的门槛足够低了我刚才讲可能你连编程都不用编就可以做出来一个效果不错的智能体门槛足够低的话就意味着越来越多的人可以做出他想要的智能体来那么这有点像什么呢有点像90年代中期的时候互联网的网站这个网站就是说你可以把它做得非常非常复杂当时比如说Yahoo也是一个很厉害的网站但是一个比如说仍然在学校里头读书的大学生他也可以做一个自己的home page他把它比如说常用的几个网站链接列在那儿比如说Java什么学习攻略什么这些东西做几个链接就是一个他自己的这种网站其实很简单做才很简单由于做网站很简单所以在90年代的时候从中期比如说到末期就是诞生了数以百万计的网站这种大浪淘杀最终会出来一些非常优秀的网站Google Facebook当然就是若干年后才出现但是你早去看的话你可能看到都是这些网站怎么都乱到到的就是一个大学生就能做一个网站出来这有啥价值但是你必须得门槛足够低的时候让更多的人进来更多人进来他们发挥他们的聪明才智指定哪条路跑通了它就是一个super app这是为什么我觉得智能体是代表未来是我特别看好的一个新型的业态对智能体AI agent它是一个特别重要的概念就包括在美国硅谷大家其实也是在work on这样的一个vertical其实在业界大家对AI agent其实它的定义还是有一点不同的探讨我看到有些人说比如说GPTs其实也都是一些智能体可能有些人会说可能要更加advanced更加高级一点的agent可能才算智能体比如说我要我的agent要调取不同的工具我要成为一个虚拟世界的机器人他可能才叫AI agent我很好奇Robert你对AI agent的定义是什么样子的对其实我刚才也讲了我首先要考虑的就是说这个门槛要足够的低就一个小白一个就是比如说大一的学生它也可以很方便的能够制作一个智能体出来当然了就是说是在此之上可以有各种各样就是比较fancy的这个玩法刚才你讲的就是比如说调用工具这个就是反思就是这个长期的记忆等等就是这些能力会逐步的加进去这个跟90年代的时候网站的这个诞生过程其实也有类似之处我们开始的网站都是很简单后来说OK我可以用JavaScript就把一些动态的东西也都放到一个网站里后来说那我可以加上Cookie这样的话就是一个网页转到下一个网页的时候我还记得上一个网页你干了什么的这些东西就是在早期的时候网站生态里头是没有的但是一旦有越来越多的人在生产网站那么技术就会跟进说你有什么需求我去解决你的问题Agent是一样的不是说用了最先进的刚才你讲的这些能力之后他才叫一个AI agent我反而觉得就是说我们要把这个门槛降得足够的低让大家觉得说我也可以搞一个AI agent那么进来之后随着这个时间的推移随着你遇到新问题解决问题的这种过程那会把各种各样最先进的技术用进来说实话我认为现在这个AI agent用到的这些个能力仍然是非常初级的未来还会产生我们今天想也想不到的那些agent能力但是这些能力的诞生反而要依赖数以百万计的开发者去开发各种各样的应用在他们使用的过程当中产生新的需求那么这些需求被解决的过程就是一个创新的过程就是AI agent这个进化的过程这个我还是非常期待的百度有什么比较有意思的BI agent 的案例可以跟我们分享一下呢有很多比如说国内你知道高考是一个非常大的事件不仅是学生相应的家长什么大家都非常重视那么过去呢就是这个大模型在干什么事呢就是说 [24:59] 高考有个作文题那我用大模型来写一个作文看看能得多少分其实你想想这个东西在哪用呢不可能让一个考生带着大模型去参加高考但是高考完了之后你要估分你要报志愿你要选择学校你要选择专业就是一个考生他该报哪个学校该报哪个专业可能有人在乎说这个宿舍里头一个宿舍要住几个人那个人在乎说这学校有没有游泳池或者说哪个专业更适合我的未来发展每个人的情况都是不一样的每个人的问题也都是不一样的这种情况下哪有一个全能的这种辅导老师可以告诉你说你最适合的是哪个行销哪个专业但是AI这个就可以干这个事情所以过去大家来百度或者到其他地方去搜索都是讲说世界上已经存在的这个内容门档视频到底是什么样对吧他没有专门为这个人这个时刻这个地点这样的环境生产一个文档或者生产一个内容而今天的AI尤其是智能体它就可以做到你告诉我你是什么情况你的情况可以不用一句话就说清楚你用十句话也可以我都记得就这样的例子非常非常多对而且它是会非常个人化的给你很多的planning包括我看到你们其实跟新加坡旅游局也是有合作来做一些在travel上面的一些比较个人的experience方面的一些agent对这个也是你自己消费水平是多少你有多长时间你有什么喜好你爱吃什么不爱吃什么每个人都是不一样的它可以完全根据你的情况来生成一个你要的优优独播剧场——YoYo Television Series Exclusive