百度袁佛玉详解：AI大模型进化方向与落地挑战

在近期举行的金融街论坛“金融与科技双向赋能推动产业高质量发展”分论坛上，百度集团副总裁袁佛玉围绕人工智能（AI）在产业中的落地实践与未来趋势发表了深度见解。她指出，AI不仅成为驱动数字经济发展的核心引擎，更通过规模化复制专家级智能生产力，为企业带来显著的价值增益。与此同时，这场技术变革也对企业战略架构、人才体系及组织机制提出了全新的要求。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

袁佛玉进一步分析，当前大模型技术正沿着两条主线持续演进：一方面，AI的认知与推理能力不断提升，足以应对更复杂的业务场景；另一方面，技术应用成本逐步下降，推动AI在更多行业实现规模化部署。从落地形态来看，AI正向数字世界的智能代理（Agent）与物理世界的具身智能（Embodied AI）两大方向纵深发展。前者通过模拟人类决策思维优化业务流程，后者则借助与物理环境的实时交互实现自主操作。

尽管前景广阔，大模型在实际落地过程中仍面临两大关键挑战。首当其冲的是算力瓶颈。随着AI技术渗透至企业运营的各个环节，算力需求呈指数级增长，可能成为未来企业最主要的成本支出。如何通过有限的算力资源支撑持续创新的业务需求，正成为企业必须破解的命题。以金融行业为例，作为AI应用的前沿领域，其高频交易、风险控制等场景对实时算力要求极高，成本压力尤为凸显。

另一大挑战在于业务适配性。以金融行业为例，虽然该领域对大模型的接受度和应用成熟度处于领先地位，但作为主流落地形态的智能代理仍存在“不懂业务”的痛点。袁佛玉提出，解决这一问题需要从三个工程维度着手：通过模型工程赋予AI垂直领域的专业知识，利用数据工程构建适配智能体的数据体系，并借助应用工程实现业务场景的深度耦合。例如，某商业银行通过定制化训练信贷审批模型，使其精准掌握业务中的隐性规则，显著提升了决策效率与准确性。