百度云企业级大模型应用落地产业实践与对话

当AI竞赛进入下半场，如何真正让大模型驱动各行各业的创新与增长，已成为头部科技公司的核心战场。

放眼全球，企业对大模型的需求早已超越了单纯的技术好奇。驱动这股热潮的，不仅是其强大的数据处理能力，更在于它正在多个业务前线证明自己的实际价值。通过海量数据的预训练，大模型在内容理解与生成上取得了质的飞跃。然而，对于企业而言，最关心的问题始终如一：如何将这些技术能力，巧妙地、高效地融入具体的业务场景中，解决真问题，带来真效益。

在这场落地实践中，百度凭借其文心大模型系列，提供了颇具代表性的技术基座。这些模型整合了庞大的数据与知识体系，已成为金融、医疗、文旅、专业服务乃至内容创作等多个领域应用创新的底层引擎。其展现出的跨模态、跨语言的深度语义理解与生成能力，在智能搜索、内容创作、办公提效等方面潜力巨大。

而为了支撑大模型更高效的开发与部署，百度自主研发的百舸AI算力平台，通过对底层硬件资源的深度优化，显著提升了模型运行效率与资源利用率，为企业降低了应用门槛。

尽管AI大模型在B端市场已呈爆发之势，价值得到广泛认可，但在深入行业腹地的落地过程中，挑战依然清晰可见：投入与产出是否匹配？应用效果能否达到预期？模型性能是否会随时间退化？这些问题，依然是横在许多企业面前的现实关卡。

近期，在百度世界大会的AI应用媒体沙龙上，百度智能云分享了其企业级应用产品的落地进展。百度智能云技术委员会主席孙珂、数字人产品部总经理张裕翔、智能客服与智能内容产品部总经理张红光三位专家，就相关话题进行了深度解读。

以下为经整理的对话实录：

用户正向反馈，智能客服“客悦”如何为企业降本增效

问：百度智能云客服产品“客悦”目前收到的用户反馈如何？

张红光：过去的智能客服往往缺乏对用户情绪的感知能力，面对复杂的、多主语的提问也常常束手无策。现在，“客悦”正在努力攻克这些难点。它通过语音引擎（ASR/TTS）来精准识别和表达，专门针对电话场景优化，定义了更自然的沟通情境与回答方式。更重要的是，它能对通话数据进行结构化分析和标签处理，从而提升业务的洞察能力。最直接的价值在于，它能有效降低转接人工坐席的比率，实实在在地帮企业节省运营成本。

此外，这次我们推出的基于大模型的智能外呼系统，在节省人力成本上效果更为显著。很多企业在进行线索筛查和客户联系时，高达80%的时间可能耗费在拨打无效电话上。大模型智能外呼可以替代人工完成这些重复性的初筛工作，甚至能从中识别出高意向用户，再转由人工跟进。整个沟通过程能够保持拟人化和友好度，这都是大模型为智能客服带来的全新体验。

问：面对不同行业的落地需求，百度如何提供定制化方案？又如何控制定制化成本？

张红光：以“客悦”的市场经验来看，当前的应用主要还是横向满足某个场景内的通用需求。定制化工作往往发生在与企业内部系统对接的过程中。例如，一个客服系统既要与CRM、销售流程打通，又要接入数据收集系统，这就需要针对性的集成开发，这便是定制化的主要部分。

张裕翔：从数字人产品的角度看，提升应用集成的效率和速度，是降低其在各端训练与开发成本的关键。早期我们做定制项目，可能只有30%的精力花在数字人本身，70%都在解决与客户系统的融合问题。现在这个比例倒过来了，客户更关注数字人本身的效果和能力——比如如何在一个视频里让数字人的动作更逼真。这背后反映的是客户认知的转变：他们开始更聚焦于应用场景最终能带来的价值。

因此，在标准的SaaS化场景中，我们会更侧重于打磨通用性强的核心能力。以数字人生成视频为例，虽然很难把教育、医疗等每一个细分场景都做到极致，但在数字人的生成、合成、驱动等底层技术层面，我们可以追求做到最优。

解析数字人的应用场景与定制化方案

问：从市场接受度来看，目前2D数字人和3D数字人，哪种更受欢迎？

张裕翔：整体呈现一个分化的趋势：头部企业客户更偏爱3D数字人，而中小客户和广大用户则更倾向于使用2D。这很大程度上与使用场景有关。

例如，科技类企业在发布金融报告或进行对外宣传时，倾向于采用3D形象，以凸显科技感和未来感。在文旅场景、地方科技馆的导览服务中，3D数字人也因其更强的互动性和新颖体验而更受青睐。

问：针对中小型企业（SMB）和大型企业（KA），在2D和3D数字人的产品形态上，定制化解决方案有何不同？

张裕翔：其实底层逻辑的差异并不大。数字人的基础应用场景无外乎三种：生成视频、实时对话和直播。从技术视角看，生成视频是一对多的异步渲染，对话是一对一的实时渲染，直播则是一对多的实时渲染。它们的底层能力是相通的，主要区别在于驱动人像的技术和算法模型的应用侧重点。

对于2D数字人，核心挑战在于如何让其动作更加多样自然，突破原始拍摄素材的限制。理想的状态是，用户只需提供一张照片或一段简短视频授权，就能生成自己的数字形象，用于产品发布会、教学视频等多种场景。

3D数字人则相对不同，其技术本身源于游戏产业，自带成熟的动作和语音系统。现在的挑战在于，如何让普通企业也能以较低成本，实现高精度、高指向性的驱动，这是我们正在持续优化的问题。

解放开发者：文心快码如何助力编程效率提升

问：向程序员群体推广“文心快码”时，他们的信任度高吗？

孙珂：从我们内部的测试和推广经验来看，程序员群体最初对这类工具难免有观望甚至排斥心理。但随着使用频率增加，他们对工具的依赖度会逐渐上升。一个明显的迹象是，代码的自动生成占比和采纳率会持续增长。

实际上，程序员对新技术接受度普遍很高。他们关注的焦点并非简单的“信不信任”，而是产品能否在交互设计上真正理解并贴合他们的工作流。

问：将“文心快码”推向更广阔的市场，是否需要经历一个漫长的用户教育过程？

孙珂：这个过程与其说是“教育”，不如说是“共同进化”。观察市场就会发现，代码辅助产品已经呈现出不同的形态：最常见的是IDE插件，以“编程伙伴”的身份提供陪伴式辅助；有些则更进一步，尝试在IDE内进行更高程度的自动化编程；还有一些激进的创业公司，直接瞄准从产品需求文档（PRD）开始的全自动代码生成。

因此，整个行业是随着大模型能力的演进，针对程序员不断变化的需求，探索不同的解决方案。最终，大家可能会逐渐收敛，找到一个技术能力与用户体验的最佳平衡点。

问：目前“文心快码”在哪些行业应用得比较成熟？

孙珂：首先是金融行业，特别是银&行、证券等机构，对代码工具的需求非常旺盛。其次是泛科技和互联网行业，这些新兴公司应用也很广泛。再者是传统的软件开发行业。此外，制造业也是一个重要的应用领域，包括汽车、工业等细分行业。

问：从基础设施的角度看，这次产品升级带来了哪些差异化优势？

孙珂：优势首先来自于统一的底层架构。无论是大模型还是传统AI模型，如何稳定、高效地运行并提供服务，包括如何进行模型优化，都是关键问题。百度智能云千帆PaaS平台在应用层之下，提供了完整的模型服务，包括效果调优、推理性能优化等系列工作都已提前完成，这极大提升了我们上层产品的研发效率。

其次，是底层硬件和基础中间件的适配。当前可能有数十种硬件配置方案，让每个应用都去直接适配所有硬件，其复杂度是惊人的。而我们的百舸平台，无论在公有云还是私有化环境中，都能屏蔽底层硬件的差异。这使得应用开发可以更聚焦于产品逻辑本身，只需对接一个平台，关注一套性能指标。

这种“一体化”的基础设施，对我们整个上层应用生态的繁荣和开发效率的提升，帮助是巨大的。