OpenAI发布o1模型降温硅谷投融资 百度加码国内AI应用落地

全球AI新范式：拼参数还是卷应用？从狂热回归理性【硅谷101】 — 硅谷101

硅谷101

硅谷大厂通过变相收购核心人才导致初创企业模型路线受阻，而国内企业则凭借千帆大模型平台绕过算力军备竞赛，通过垂直场景和数字人技术率先实现商业化降本增效。

AI-assisted summary of 全球AI新范式：拼参数还是卷应用？从狂热回归理性【硅谷101】 — original source. Check the original for full context.

Source published:

Detailed notes

## Background 该内容由BilibiliUP主“硅谷101”于2024年9月25日发布。视频简介指出，在OpenAI发布新模型o1引发全球AI产业关于“暂停卷参数、回归利用现有模型”的理性思考背景下，通过对话百度CEO李彦宏等契机，深入挖掘国内AI在城市大脑、中小企业降本增效以及数字人等应用层面的落地现状与商业化发展路线。

## TL;DR 视频探讨了全球AI产业从狂热走向理性的范式转变，对比了硅谷大厂通过变相收购初创公司、模型训练走向巨头专属的现状，以及国内市场深度聚焦PMF和商业化落地的不同路径。通过北京海淀“AI城市大脑”治理渣土车和政务接诉即办、刷题软件“考试宝”利用三位一体技术方案每日消化300万道新增题目，以及百度智能云“西林”团队打造高逼真度多语种2D数字人等典型案例，展现了大模型在各行各业实现降本增效的显著成果。最终指出，如OpenAI新模型o1的命名寓意一样，AI行业正经历理性重置，将重心转向把应用落地的每一步走稳走扎实。

## Atmosphere & style 整体基调呈现出一种从盲目狂热回归冷静克制的思辨氛围，叙事风格专业、务实且具有前瞻性。节目通过对比硅谷的资本热度退烧与国内应用侧的如火如荼，营造出一种全球AI产业正面临十字路口转折的紧迫感与深刻感。在拆解技术方案和具体落地数据时，言语间既有对技术突破的敏锐洞察，又充满落地生根的烟火气，给观众带来一种理性扎实、充满商业生命力且科技正在切实改变现实生活的观看体验。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) OpenAI于2024年9月12日推出了新模型“O1”，它主打推理能力与思维链（COT）技术，而非一味基于“Scaling Law”追求大参数和通用能力。 - [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) O1模型的发布引发了全球AI产业关于是否应暂停盲目追求超大参数模型、转而提升现有模型能力及推进应用落地的深层次思考。 - [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 在O1发布前，由于GPT-5延期等因素，硅谷AI热度已出现降温，OpenAI在新一轮融资中也开始寻找美国之外的资金。 - [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 硅谷头部AI初创企业近期频频被科技大厂通过“挖走创始人及核心人才”的方式变相收购，引发市场对初创企业“模型+应用”路线能否跑通的反思。 - [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 面对大厂的算力优势，硅谷AI创业公司的发展重心正逐渐聚焦于数据标注、垂直领域的AI服务（如客服、法律、编程）以及端侧与硬件的结合。 - [04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 与硅谷不同，国内AI市场更偏向于验证产品市场契合度（PMF）和商业化落地，政府、国企及私企通过AI“降本增效”并产生营收的意愿强烈。 - [04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 国内大模型落地主要集中在AI应用开发、模型调用与微调、行业模型训练三个方向，以百度智能云千帆大模型平台为代表的日调用量已超7亿次。 - [04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 北京海淀区与百度智能云合作的“AI城市大脑”通过大模型及AI算法，成功应用在渣土车治理、政务接诉即办等城市治理和政务系统中，显著提升了办案效率。 - [04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 刷题软件“考试宝”接入百度智能云千帆大模型平台，有效解决了每天新增300万道题所带来的海量内容解析成本与时效痛点。 - [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) 为解决大模型的幻觉问题，“考试宝”采用了“模型优化 + 知识库 + 搜索增强（RAG）”的三位一体联合解决方案，并辅以人工审查与用户数据反馈机制。 - [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) AI数字人技术在大模型的赋能下取得突破，能够通过普通视频模拟出高真实度的面部微表情，并根据不同语种、音色和情绪自动微调口型同步率。 - [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) AI数字人目前已广泛应用于直播带货等场景，展现出巨大的商业化潜力，且在声音层面已能实现高还原度的“小样本”甚至“零样本”语音训练。 - [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) OpenAI对O1模型的命名寓意为“将计数器重置为1”，预示着AI行业需要重置理性，将AI技术从0到1、从1到100的进程走稳走扎实。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 硅谷AI退烧与O1模型带来的理性思考

2024年9月12日，OpenAI推出了备受瞩目的新模型“O1”。出乎许多人意料的是，这并不是传闻中拥有数十万亿参数的GPT-5，而是一个主打推理能力的新模型。O1的核心卖点不再是基于“Scaling Law”（参数量缩放定律）去追求更强大的通用能力，而是通过延长思考时间、利用思维链（COT, Chain of Thought）技术，来显著提升推理和解决复杂问题的能力。目前，外界对O1的实际效果仍存有争议，企业用户是否愿意为此买单也有待进一步验证。与此同时，硅谷的其他主要玩家也在密集发布新模型，例如Anthropic即将发布Claw's Kai Kusenra 5，开源领域的Mistral刚发布了多模态大模型Pixtral 12B，Meta的Llama也有望推出多模态版本。

然而，O1的发布引发了全球AI产业更深层次的思考：我们是否应该暂停对GPT-5这类超大参数、超强通用性下一代大模型的盲目追求，转而冷静下来，思考如何提高现有模型的能力？AI应用的落地时机是否已经成熟？哪些创业模式能够真正跑通产品市场契合度（PMF）并实现商业化？

事实上，在O1发布之前，硅谷的AI热度已经出现了一定程度的降温。由于GPT-5延期发布、谷歌Gemini下一代模型训练不顺等消息频传，市场被浇了一盆冷水。媒体爆料称，OpenAI虽试图以1500亿美元的估值寻求新一轮融资，但过程并不如想象中顺利，目前已开始寻找美国之外（如中东）的资金。此外，硅谷头部初创企业近期出现了集体被大公司“变相收购”的浪潮：谷歌变相收购了Character.ai，微软变相收购了Inflection AI，亚马逊则变相收购了Covariant——这些大公司通过直接挖走创始人及核心人才的方式，实现了事实上的吞并。这让市场开始反思：“模型+应用”这条路对初创企业来说是否走不通？如果拼模型算力拼不过大厂，初创企业是否应该彻底转向垂直应用？

- **硅谷大厂变相收购潮**：谷歌（Character.ai）、微软（Inflection AI）、亚马逊（Covariant），均采用“挖走创始人与核心人才”的变相收购模式。 - **AI产业新动向**：市场逐渐归于理性，模型训练成为巨头专属，创业公司则聚焦于数据标注、AI as a Service（客服、法律、编程等垂直领域）以及端侧与硬件的结合。

---

[04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 国内AI应用落地：北京海淀的“AI城市大脑”与“考试宝”的降本增效

与硅谷相比，国内的AI市场呈现出不同的气象，展现出更偏向于验证PMF和商业化落地的特征。无论是政府、国企还是私营企业，尝试AI的意愿都非常强烈，旨在通过AI实现“降本增效”并尽早产生营收。以百度智能云千帆大模型平台为例，该平台已入驻了70多个业界常见的大模型（包括国内知名Sora级视频生成企业深思科技的模型），日调用量超过7亿次，累计开发出超70万个AI应用，超过一半的央国企正在通过该平台进行大模型创新。国内大模型落地主要有三个方向：AI应用开发、模型调用与微调、行业模型训练。

在具体应用场景中，北京海淀区与百度智能云合作打造的“AI城市大脑”是一个典型案例。城市治理中棘手的渣土车违规问题，通过百度的AI算法得到了有效缓解。该算法对渣土车的识别及行驶轨迹预测分析准确度超过60%，大幅降低了违规率。此外，AI城市大脑还能预警消防隐患、监测生态环境变化、识别垃圾堆积等，并智能分配人员前往治理。在政务系统方面，海淀区政府在文心大模型的基础上进行二次训练，推出了智能化的“政务接诉即办系统”。AI客服能够准确理解市民意图并快速给出处理方案，自动提取市民反馈的核心诉求并分发至对应部门，办案效率显著提升。

另一个将AI应用到极致的案例是“考试宝”APP。这款涵盖上万个行业分类、题库量超过10亿道的刷题软件，面临着巨大的内容解析成本压力。如果完全依靠人工编写解析，按每道题1元钱的极低成本计算，面对用户每天新上传的300万道题，企业每天就要烧掉300万人民币，且人工解题的等待时间会严重影响用户留存。

- **千帆大模型平台数据**：日调用量超7亿次，累计开发AI应用超70万个，入驻大模型超70个。 - **渣土车治理成效**：百度AI算法对渣土车轨迹预测分析准确度超60%。 - **考试宝数据痛点**：题库总量超10亿道，每日新增待解析题目达300万道。

---

[09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) 考试宝的AI技术方案与百度西林“数字人”的进化

为了解决海量题目的解析成本与时效问题，“考试宝”接入了百度智能云千帆大模型平台。针对生成式大模型容易“一本正经地胡说八道”（幻觉问题），开发团队采用了“模型优化 + 知识库 + 搜索增强（RAG）”的联合解决方案。首先，文心大模型作为通用底座，本身已覆盖大量垂直行业语料，开发人员会对特定知识进行检索增强；其次，针对基础模型不具备或更新较快的行业知识，在本地构建知识库供AI参考（如同“带书考试”）；最后，若遇到极偏的知识点，模型会通过在线搜索由AI实时总结。整套流程后置了人工审查机制，并根据用户点赞、点踩的数据持续迭代。此外，考试宝还推出了基于文心大模型的AI学习助手，通过“提示词优化”技术，将用户的口语化提问翻译成大模型更易理解的语言，降低了使用门槛。

在声音与视觉的交互前沿，AI数字人技术也迎来了突破。百度智能云“西林”团队曾制作过央视的手语数字人主播，如今他们利用大模型让2D数字人更加逼真。过去的2D数字人主要靠录制静态人物并用语音驱动更换嘴型，效果较为生硬。而现在，只需一段普通的视频（无需专业绿幕拍摄），大模型就能模拟出说话人真实的头型、唇动、牙齿甚至面部的微表情，真实度达到90%以上。

大模型带来的最大改变在于，数字人能够根据不同的语言、音色和情绪，自动微调嘴部的开合角度与大小。在进行中、韩、德、日、法等多语种切换时，口型与声音完全同步，消除了传统技术中的延迟感与隔离感。在声音层面，数字人已能实现“小样本”甚至“零样本”的语音训练，音色还原度达到80%以上。结合文心大模型的文本生成能力（基于图片、URL、PPT等生成文本），数字人已广泛应用于直播带货等场景，展现出巨大的商业化潜力。

- **考试宝三位一体方案**：模型优化（提升检索能力） + 本地知识库（提供参考书） + 搜索增强（在线实时搜索）。 - **数字人技术指标**：普通视频即可训练，口型与表情真实度达90%以上，音色还原度达80%以上。 - **O1的命名寓意**：OpenAI表示O1意为“Resetting the counter back to 1”（将计数器重置为1），预示着AI行业需要重置理性，在从0到1、从1到100的进程中，把“1”走稳走扎实。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 我们是否要暂停scaling law的发展方式，转而利用好现有模型？

> [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 我们是否应该暂停对GPT-5这类超大参数、超强通用性下一代大模型的盲目追求，转而冷静下来，思考如何提高现有模型的能力？

> [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 模型+应用这条路对初创企业来说是否走不通？如果拼模型算力拼不过大厂，初创企业是否应该彻底转向垂直应用？

> [00:00](https://www.bilibili.com/video/BV1QBsresEh4?t=0s) 国内和硅谷的AI公司的发展路线大不相同，相比硅谷在卷参数，国内更多的是卷应用与商业

> [04:59](https://www.bilibili.com/video/BV1QBsresEh4?t=299s) 如果完全依靠人工编写解析，按每道题1元钱的极低成本计算，面对用户每天新上传的300万道题，企业每天就要烧掉300万人民币

> [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) 一本正经地胡说八道

> [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) 模型优化 + 知识库 + 搜索增强（RAG）

> [09:59](https://www.bilibili.com/video/BV1QBsresEh4?t=599s) 将计数器重置为1 — OpenAI

## Mentioned OpenAI, o1, GPT-5, 李彦宏, 百度, 茜姐, Anthropic, Claw's Kai Kusenra 5, Mistral, Pixtral 12B, Meta, Llama, 谷歌, Gemini, Character.ai, 微软, Inflection AI, 亚马逊, Covariant, 百度智能云千帆大模型平台, 深思科技, Sora, AI城市大脑, 考试宝, 文心大模型, 西林, 央视

[Source](https://www.bilibili.com/video/BV1QBsresEh4)

中文简报

OpenAI发布o1模型降温硅谷投融资 百度加码国内AI应用落地 硅谷大厂通过变相收购核心人才导致初创企业模型路线受阻，而国内企业则凭借千帆大模型平台绕过算力军备竞赛，通过垂直场景和数字人技术率先实现商业化降本增效。 视频探讨了全球AI产业从狂热走向理性的范式转变，对比了硅谷大厂通过变相收购初创公司、模型训练走向巨头专属的现状，以及国内市场深度聚焦PMF和商业化落地的不同路径。通过北京海淀“AI城市大脑”治理渣土车和政务接诉即办、刷题软件“考试宝”利用三位一体技术方案每日消化300万道新增题目，以及百度智能云“西林”团队打造高逼真度多语种2D数字人等典型案例，展现了大模型在各行各业实现降本增效的显著成果。最终指出，如OpenAI新模型o1的命名寓意一样，AI行业正经历理性重置，将重心转向把应用落地的每一步走稳走扎实。 OpenAI推出主打推理能力与思维链的o1模型，引发全球AI产业对暂停盲目追求大参数、转向提升现有模型能力与落地应用的深度思考。 (0:00) 硅谷AI热度逐步降温，科技大厂频频通过“挖走核心团队”的方式变相收购头部初创企业，模型训练日趋由巨头垄断，初创公司转向垂直场景与端侧硬件。 (2:00) 与硅谷不同，国内市场更侧重PMF与商业化落地，以百度千帆平台为代表的日调用量已超7亿次，助力北京海淀AI城市大脑与政务接诉即办等系统提效。 (4:59) 拥有10亿题库的“考试宝”结合文心大模型、本地知识库与搜索增强（RAG），有效解决了每天300万道新增题目的解析成本与幻觉难题。 (9:59) 百度西林大模型驱动的2D数字人实现超90%真实度与多语种唇形自适应，结合小样本声音克隆，正在直播带货等商业化场景中快速普及。 (12:00)

Reading summary

随着OpenAI发布主打思维链推理而非单纯缩放参数的O1模型，硅谷与全球AI产业正从盲目追求超大模型的狂热转向理性，企业和资本的关注重心逐步迁往垂直应用落地与商业化变现。 硅谷降温与初创生态变局 (0:00) 2024年9月OpenAI推出的O1模型并未延续万亿参数的通用路线，而是利用延长思考时间和思维链（COT）技术主攻推理，引发了行业对是否暂停追求GPT-5类超强通用大模型、转而深耕现有能力的讨论。在此之前，受GPT-5延期及谷歌下一代Gemini训练受阻等消息影响，市场热度已现回调；媒体爆料称OpenAI寻求1500亿美元估值的新一轮融资推进并不顺利，已开始转向中东等海外资本。 初创公司的生存路径也受到严重挤压。近期谷歌吸收Character.ai、微软兼并Inflection AI、亚马逊整合Covariant，大厂普遍采取直接挖走创始人与核心骨干的“变相收购”模式。这一趋势让业界反思初创企业兼顾“模型+应用”的可行性，模型底层训练逐渐沦为巨头专属，创业者开始更多聚焦于数据标注、垂直领域AI as a Service（如客服、法律、编程）以及端侧硬件结合。 国内聚焦场景落地与政务治理 (4:59) 与硅谷不同，中国AI市场表现出更强烈的PMF（产品市场契合度）验证与降本增效驱动力。以百度智能云千帆大模型平台为例，其已入驻70多个大模型，日调用量突破7亿次，累计开发超70万个AI应用，并覆盖了超过半数的央国企创新需求。国内落地形态主要集中在应用开发、模型调用微调及行业模型训练三大方向。 在公共治理领域，北京海淀区借助百度智能云构建“AI城市大脑”，对渣土车识别及行驶轨迹预测分析准确度超过60%，显著降低了违规率，同时支持消防隐患排查与垃圾堆积识别。此外，海淀区基于文心大模型二次训练的“政务接诉即办系统”，能够自动提炼市民诉求并智能分发，有效缩短处理流程并提升政务办案效率。 垂直业务破局：知识库与检索增强消除幻觉 (9:59) 垂直类软件利用AI实现规模化降本增效的典型代表是刷题软件“考试宝”。该应用题库超10亿道，日均新增待解析题目达300万道，若完全依赖单题1元的人工解析，每日支出将达300万元，且时效滞后阻碍用户留存。 为应对大模型“胡说八道”的幻觉缺陷，考试宝基于千帆平台推行“模型优化 + 知识库 + 搜索增强（RAG）”方案：以涵盖行业语料的文心大模型为底座，本地补充行业知识库作为“参考书”，极端生僻问题则触发AI在线实时搜索，最后配合人工复核及用户反馈闭环迭代。同时，该产品结合提示词优化技术推出AI学习助手，降低用户口语化提问门槛。 多模态交互迭代加速数字人商用 (9:59) 大模型的发展也推动了多模态数字人交互的演进。百度智能云“西林”团队突破了以往2D数字人依靠录制静态切片与生硬语音驱动的局限，现在仅需一段普通视频素材即可完成建模，口型与微表情真实度达90%以上，音色还原度超过80%，且支持低样本甚至零样本语音驱动。 大模型赋能下的数字人能根据语言、情绪和音色自动调适嘴部开合，在中、韩、德、日、法等多语种切换中实现了口型与发音的高度匹配，摆脱了以往的延迟脱节感。结合文心大模型基于图文、PPT等多模态资料生成脚本的能力，该技术正在直播带货等商用场景快速铺开。 OpenAI将新模型命名为O1意为“计数器归1”，折射出全行业正经历从追求参数规模到夯实应用落地的重置阶段。然而，以O1为代表的推理模型在企业端的实际付费意愿仍存争议，技术方案在真实商业场景中的稳定性和持续盈利能力仍有待长期检验。

Source quotes

[0:00] 我们是否要暂停scaling law的发展方式，转而利用好现有模型？ [0:00] 我们是否应该暂停对GPT-5这类超大参数、超强通用性下一代大模型的盲目追求，转而冷静下来，思考如何提高现有模型的能力？ [0:00] 模型+应用这条路对初创企业来说是否走不通？如果拼模型算力拼不过大厂，初创企业是否应该彻底转向垂直应用？ [0:00] 国内和硅谷的AI公司的发展路线大不相同，相比硅谷在卷参数，国内更多的是卷应用与商业 [4:59] 如果完全依靠人工编写解析，按每道题1元钱的极低成本计算，面对用户每天新上传的300万道题，企业每天就要烧掉300万人民币 [9:59] 一本正经地胡说八道 [9:59] 模型优化 + 知识库 + 搜索增强（RAG） [9:59] OpenAI: 将计数器重置为1

Original transcript

[0:00] 硅谷最近的AI界又开始热闹了美国时间9月12号OpenAI推出了新模型注意啊这并不是万中瞩目据说有数十万亿参数的GBT5而是一个具备推理能力的新模型O1这个新模型主打的点并不是基于scaling law的更强能力而是需要更长时间思考通过思维链COT技术来提高推理和解决问题的能力外界对O1的效果还有一定的争议并且企业用户是否会为了它买单付费还需要进一步的验证我们也在等身边的一些AI开发者测试的结果到时候可以结合最近硅谷AI主要玩家新一轮发布的模型来做一期内容包括Anthrobic的Claw's Kai Kusenra 5会将在不久之后发布在开源模型领域Mistro刚发布了多模态弹模型Pixtro 12BMata的Llama也有望推出多模态弹模型如果感兴趣这期内容可以在弹幕扣一不过呢O1的发布却是给全球AI产业都带来了一些新办事的思考我们是否要暂停追求像GPT5这样更巨量参数更大模型有更好通用性的下一代大模型而是冷静下来聚焦在如何能提高目前我们已有的模型能力上这包括在现有模型能力上AI应用的落地时机是否已经成熟哪些创业模式能够实现商业化并且成功跑通产品市场契合度也就是所谓的product market fit PMF呢那我相信大家可能可以感受到在OpenAI的O1发布之前硅谷的AI产业的热度呢已经有一丢丢的消退了由于GPT5的延期发布以及谷歌Gemina下一代模型训练并不顺利等等消息呢也是给市场泼了一盆冷水啊媒体爆料OpenAI在用1500亿美元的估值寻求新一轮的融资但是并没有像想象中那么顺利目前呢已经在寻找美国之外的投资资金包括中东的投资方此外呢近段时间硅谷头部初创企业出现了集体被大公司变相收购潮谷歌变相收购了Character的AI微软变相收购了Inflation AI亚马逊变相收购了Covariant将公司创始人和核心人才都挖走市场也在反思AI独角兽纷纷跑路是否说明模型加应用这条路走不通了呢如果模型卷不过大盘价的话初创企业们是否就应该专注在卷应用上呢那总体来说从硅谷公司的动向上来看市场从此前对模型能力的疯狂追逐上逐渐归于理性模型训练成为了大公司的使命那么在创意赛道上除了继续做模型基建数据标注等公司之外AI as a service那比如说科服法律编程等等领域也在持续的深根端侧和硬件呢在逐渐的完善但是功能依然非常有限那么接下来就要看苹果和Meta在境界上的发力了那随着大家趋于理性啊从业者和AI开发者们开始更多的集中在问这样一个问题GBT4同等能力的模型到底能带来什么样的杀手及应用呢我们如何能开发出真正有用的AI落地产品什么样的AI应用场景是真正能够带来收益的上次我们硅谷101和百度创始人间CEO李彦宏的专访之后呢让我们意识到了国内和硅谷的AI公司发展的区别在国内市场上模型应用的探索和合作是否已经开始为企业和客户降粉增效了呢这期视频我们就与百度的AI专家们在一起深入探索一下AI大模型在具体应用落地的发展现状那把视角放回国内有趣的是我们发现市场更偏向于验证PMF和商业化落地纷纷在卷AI的具体应用了无论是政府国企还是私营企业大家的尝试意愿啊都还挺强的希望让AI加快产业的进步做到降稳增效并且尽早的实现营收根据国内发展AI较早的企业百度的官方数据在百度智能云千番大模型平台上已经入住了70多个业界常见的大模型早前国内较为火热的国产SORA深属科技公司也将他们的模型放到了千番上在这个基础上千番大模型平台的日调用量超过7亿次累计开发出了超过70万个AI应用甚至超过一半的央国企正在通过他们的平台做大模型方面的创新国内目前实现AI应用落地的方式主要有三个方向第一个是AI应用的开发第二是模型的调用与微调那么第三则是行业模型的训练我们也整理了一些AI结合的应用案例来看看具体的应用场景那么第一个场景就是市政府能如何的用好AI了那你想想如果让你来当市长你会如何规划程式来提升整个的运动 [4:59] 转效率呢不知道大家有没有玩过城市天际线这种管理运营城市的游戏啊那告诉大家这是我最爱的单机类游戏了有类似爱好的小伙伴们应该会秒懂治理城市其实还挺不容易的你时常会遇到比如说交通堵塞环境污染能源短缺等等问题那么这也是现实中治理城市的难题而如今呢北京海淀区就开始尝试用AI来解决一些城市治理的挑战通过与百度智能云合作打造了AI城市大脑我们先拿交通来举例扎土车是城市治理的难题之一了不仅影响通行效率还存在着交通违规污染环境等等问题而百度的AI算法针对扎土车就有较强的识别能力情绪轨迹的预测分析准确度超过了60%如此一来就能够实现对城市事件的智能发现和处置让扎土车的违规率大幅度降低那AI城市大脑还能够预警消防隐患监测生态环境变化识别垃圾堆积等等城市乱想这能分配人员前往治理来提升相关案件的处理速度再比如说让大家感知最强的应该是政务系统的办事效率了过去由于每个案件都得人工处理那么大量的人力都浪费在了对接沟通表单填写还有信息审查上那么这类繁琐并且留成固定的工作恰好是AI的强项海电区政府就通过在文心大模型的基础上二次训练让政务接速羁绊系统具备了智能化分析能力这样的政务系统AI客服能够准确理解每个人的意图同时快速的给出政府的处理方案而受理老百姓需求的工作人员的办案效率也得到了提升那模型在提取市民反馈的诉求核心内容之后进行多维度的分析将民众的诉求分配到对应的办事部门去处理还能够根据过往的数据呢给出一些常见案例的解决方案那我总听一些北京人说海淀区非常卷没有想到在AI应用上海淀政府呢也这么的卷当然了除了北京海淀区呢这套政务系统也在不少其他城市也都落地了这也让我们看到AI发展对城市管理的效率提升能够让AI真正的服务于人而我们刚才开玩笑说海淀父母寄法很卷现在有了AI可能会让寄法变得稍微的轻松那么一点点我们接下来就来看一下考试宝的大模型落地那说到考试啊我相信全世界没有人能够卷得过中国考生们那这其实对TQ带来的挑战还挺大的那么这恰好是这一轮AI很好的一个应用场景了我们就派贵谷101的研究员子庆来体验一下结合了AI的考试宝是一个什么样的代手大家好,我是紫青如果要用两个字来形容考试宝那就是全面咱们看一下这一层一层的行业分类我都怀疑是为强迫症患者做的空气都要被划分为可呼吸和不可呼吸它近乎涵盖了我想得到想不到的所有行业初略统计下大概有上万者而且跨度非常大那接下来看看这款APP的学习体验如何比如我喜欢开车那不妨看看有没有网约测试机的考试居然还真有这块相对来说还是比较简单的我们来上点难度试试公务员的考试吧那我们来看一下公务员考试的一说题当我选错之后它下面会弹出详细的解析这一次我们试试AI解析的功能可以看到AI对每一个选项都进行了详细的解释这也能够让我更好地理解题目中的一些知识点除了正常刷题外拍照收题给我的感觉也对应了全面二字我随手拍的题都能搜出答案和解析总的来说可能除了小而美考试宝就是第二全面的App了那它又是如何做到的呢我们把镜头还给倩姐那么像这类考试题库的APP并不新鲜但是要做到全面就确实非常难了因为涵盖的行业多就意味着题库的量大而每道题都需要有详细的解析内容如果纯靠人工的话先不说要消耗多少资金和时间那么一些比较偏的行业就很难找到对应的老师来编写和解析相关人员告诉我们考试宝的题目数量是超过了10亿道那如果靠人工解析的话平均每道题的成本为1元虽然这个成本乍一听上去并不高但是你想啊APP上的用户还在不断的上传新的题目那么一天呢就有300万道进出题库等待解析就算企业真的能够每天拿出300万人民币的资金来烧人工解题的等待时间啊也早就让用户的留存率当然无存了所以呢考试宝的解决思路就是 [9:59] 百度智能云千番大模型平台让AI大模型成为这个行业的专家并且能完成解题但是这种方式最大的难点就在于准确性那熟悉宣承式AI大模型的小伙伴都知道这玩意儿稍不留意就会一本正经的胡说八道那么考试宝该如何保证结果的一个准确性呢我们跟相关人员聊的时候他们就提到解决思路呢就是模型优化加知识库再加搜索增强先说模型优化文心大模型作为通用的基础大模型本身就已经覆盖了各种垂直行业的训练预料但是正因为知识太多模型检索的时候可能会找不准于是开发人员就会对某些知识做增强提升被模型检索到的能力但对于基础大模型当中不具备的知识或者模型行业的知识更新比较快开发者还可以在本地勾建知识库供AI参考就像考试的时候带上了参考书一样最后如果有哪些太偏的知识点,连知识库都来不及更新,模型就会通过在线搜索的方式,由AI来总结知识点。那么除了这样的一套流程,最后还会加上人工审查的环节,并且根据用户对每个解析的点赞或者点踩的数据,持续的更新内容。如此一来,只需要少量的人工成本就能够构建出庞大的内容体系而且企业呢也不用耗费巨量资金去购买题库运营成本也会大幅度的降低而对于用户们来说遇到不会的题目随手一拍并且上传马上呢就能够得到答案解析更能够有效利用碎片化的时间学习当然前面提到的搜题和解析呢只是用户与APP间的静态交互考试宝还提供了在线问答的AI学习助手这个问答机器人同样是以文心大模型作为底层模型并且经过了前面我们提到的调优环节更是加入了提示词优化大家知道提示词会直接影响模型推理结果的质量想让AI辅寄给更多的人就必须要降低使用盟槛而提示词优化就像一位翻译会把我们的提问翻译给大模型能够听得懂的语言让输出的结果更为准确所以像文心大模型这样的底层AI大模型加持下就能帮助一些中小企业去突破成本担忧做出体系更庞大的应用那么接下来AI能够取代哪些人的工作目前还不好说但是我们下一个要讲的AI应用产品说不准以后真的会替代我的工作那就是AI数字人早在前几年央视上线了一位特殊的主播那就是手语数字人即使是面对段子大王朱广泉老师也丝毫没有落下风那我们就采访了这个手语数字人背后的制作团队百度智能云西林最近他们又为数字人带来了新的能力比如说这个视频部分的片段大家看到的就是利用百度智能云西林合成的数字人不知道有没有骗过你的眼睛呢那过去的2D数字人主要是通过录制静态的人通过语音驱动来更换视频人物的嘴型百多的专家就告诉我们随着AI大模型能力的提升数字人的训练门槛越来越低了只需要一小段说话的视频就能够做到更好的效果那其实在人像层面其实我们现在从原来的专业的绿幕拍摄能够用普通的视频拍摄也能去训练可能出一个正式的人同时他的口型准确的一个表情的文文与驱动等等能达到90%以上的一个真实度在没有大墓形之前数则的录制是大家要闭嘴然后呢靠那个换嘴型的方式去做真实模拟但是带来效果什么就是会感觉不真实因为每个人嘴的开格其实是有自己的属性特性的大墓形真正能带来改是其实我们是通过一些你的视频内容去训练了模拟了你的真实的头型和你的包括你的唇动牙齿这些方面其实我们有些面部出发的时候有微表性但不仅是唇动在动它表现会有些微调整包括在不同的语言音色和情绪下你的开合角度和大小其实都有差别我们其实内部现在有一些我们自己做好的demo但是已经工程化但还没有产品化的能力我们就能感受到我们的整个人像在整个过程中无论中间你切换任何语言比如说中韩德日法各种语言切换的时候他能保证在那个语种下仍然感觉非常流畅这个其实在原来的传统情况是做不到的就是你总会感觉这个人的口型跟他的竖话声音有一点点的延迟感还是有点有点隔离感那除了人像模仿数字人还可以模仿声音并且在大模型的加持之下还能够完成实时对话声音层面其实现在已经开始从原来的一些高保真的高精度的很长时间的语音去训练尽管能做到小样的训练甚至还能做到零样的训练整个音色的还原度也大概能够达到80%以上的水平语言就是刚才提到的一些对话场景就是跟我们的文心大模型包括我们以前的NLP这些能力都有比如我们基于 [14:59] 内容生成文本基于图片基于其他的URL PPT等等东方太阶长能生成文本并且能够保证文本内容恢复的准确率跟可用度这方面都很大提升那相比以往数字人只能做一些口播类的视频百度智能云系灵这一次更新的数字人也被广泛应用在直播带火场景扩展了更多商业化的可能性但是我还是希望我的工作能够被保留的更久一些但因为视频长度的关系我们只举了以上三个例子大家觉得哪一个更有价值应用落地前景更大呢可以在弹幕当中告诉我们或者你们看到身边有什么很好的利用AI进行商业化的例子也可以留言告诉我们综合来看随着AI大模型技术的进展全球市场都面临回归理智的一个状态而问题将更多其中在能否真正落实到AI应用落地以及企业客户是否买账是否觉得有用是否能够提升企业效率在技术上可能硅谷会更胜一筹但是疯狂烧钱之后依然需要为这项技术匹配合适的场景毕竟资本最后都是要追求回报的对于资本市场来说OpenAI如今1500亿美元的估值需要更大的商业场景和未来去支撑O1的发布可能还不够但是至少O1传达出来的信号是理智的那根据OpenAI的说法O1的取名暗示着Resetting the counter back to 1将技术器重置为1那么在技术和应用发展的0到11到100的过程当中1要走得稳和扎实才能够支撑起之后的100乃至更大的市场而距离XGPT发布快两年的今天我们需要重置理性和思考一的定义中国市场早早开始在卷应用落地加上政府国企和私营企业对AI的拥抱也许能够积累更多的商业经验快速占据生态位提升普通大众对AI的接受度和感知能够实现资金与技术的起头并进减少对投资的依赖但是在技术上最终能否赶上硅谷的进度依然是微知数这两种路线或许能够殊途同归让AI真的实现落地造福普通大众的生活我们也拭目以待好了以上就是我们这期视频的全部内容你们的留言点赞和转发是支持我们硅谷101做好深度科技和商业内容的最佳动力那我们就下期节目再见了Bye