百度版Sora直接落地应用不推模型

2024年9月，各大科技厂商密集举办发布会，竞相展示多模态能力以及对标OpenAI Sora的视频生成模型。其中，阿里云在9月19日云栖大会上发布通义万相AI视频生成模型，字节跳动则在9月24日火山引擎AI创新巡展上推出“豆包·视频生成模型”。相比之下，作为国内最早布局通用大模型的公司，百度在类Sora视频生成模型方面的响应显得较为稳健。截至目前，百度并未单独发布视频生成模型，2024年1月公开的视频生成方法UniVG仍处于论文研究阶段。

直到9月25日百度云智大会，百度才亮出了一项文生视频能力——没有推出独立模型，而是直接在迭代至4.0版本的曦灵数字人平台上，集成了文生3D数字人、文生3D视频内容的功能。根据用户的文字指令，生成的数字人可以自由变换妆容，并根据实际落地场景调整形象风格。得益于AI生成功能的嵌入与迭代，原本需要数小时才能完成的3D数字人生成流程，如今仅需5分钟。同时，3D数字人的制作成本也大幅降低：3D超写实数字人的单价从万元级别直接降至199元。

“落地”导向贯穿整场百度云智大会。与2023年云智大会一次性发布11款AI应用不同，2024年百度云的策略已明确转变为向下游“卖水”——即提供底层基础设施与平台服务。

Scaling Law（规模定律）的探索仍在继续。支撑千亿、万亿参数大模型的基础设施，已从CPU演进为GPU主导，集群规模也从千卡级扩展至万卡级。百度集团执行副总裁、百度智能云事业群总裁沈抖指出，大模型的Scaling Law将在未来一段时间内持续发挥作用，预计很快将出现更多十万卡集群。

最新发布的百度百舸AI异构计算平台4.0，正是面向十万卡集群的算力管理平台。一方面，百舸4.0能够将万卡任务的有效训练时长稳定在99.5%以上；另一方面，它使万卡集群下万亿参数MoE（混合专家架构）模型的算力利用率提升了30%。

在模型层，持续降价并降低使用门槛，仍是百度千帆大模型3.0迭代的核心方向。截至目前，文心旗舰模型的降价幅度已达90%，ERNIE Speed、ERNIE Lite两款主力模型则直接免费开放。据沈抖介绍，文心大模型的日均调用量已突破7亿次，千帆平台累计开发了超过70万个企业级应用。

在应用层，扮演B端企业用户的“卖水人”角色，是百度云AI应用的明确定位。除数字人生成外，针对智能客服和代码编程场景，百度云分别迭代了智能客服平台“客悦”和代码助手“文心快码”。更新版的“客悦”已支持语音、视频等多模态交互，使智能客服处理复杂任务的能力提升至92%，显著高于行业平均水平的80%。

目前，代码处理是AI模型最成熟的应用领域之一。多位从业者对36氪表示，AI对代码的理解与处理能力甚至优于长文本。“企业级代码架构解释”与“企业级代码审查”是“文心快码”新增的两项功能：前者帮助用户快速理解既有代码，加速开发上手；后者则基于对项目的整体理解，对代码进行纠错与优化。

百度云正在明确其基础设施提供商的角色定位。针对下游应用层，百度CEO李彦宏在会上再次强调，智能体是他最看好的方向：“就像互联网时代的账号一样，智能体门槛极低，但上限却非常高。”