大模型火了一年多了，但是相比巨大的算力成本、预料成本、人力成本，基于LLM的商业回报其实是低于预期的。

从财报上看，百度智能云2024年Q2收入为51亿，其中9%的来自于外部客户的大模型和AI需求，相比上一个季度的6.9%，已经有了明显增加了。

金山办公和万兴科技在推出AI产品后收入增长平缓，AI第一股出门问问股价下滑，从海外科技股的表现来看，像Google、Meta、Twitter的股价表现，也没有达到一飞冲天的程度；可能在这波浪潮里，唯一挣到钱的只有NVIDIA。

但是没必要急，大模型毕竟是有用的创新，可以作为你忠心耿耿的高智商助手，帮你干完各种各样的垃圾活儿和创新活儿，这已经远远比AR、VR、区块链、元宇宙的场景有意义得多。

现在刚刚是大模型第二年，参照Gartner最新发布的技术成熟度曲线，大模型应该处于期望膨胀期的巅峰之后，即将进入冷静期；大家对大模型的期望从「无所不能」已经过渡到「能有点用」了。

在工作中的确有用，才是对大模型最大的褒奖。而各种各样的评测榜单，只不过是开卷考试下的数字游戏，什么也不能代表。

从有用、好用的角度，不管是以文心4、Claude为代表的的大模型追赶者，还是Llama 3等开源模型，都在持续逼近GPT4。

在这种情况下，每个从业者都有几个疑问：大模型之间是不是已经没有技术壁垒了？还要继续投入基础模型的研究吗？开源模型拿来直接用是不是就可以？未来AI应用的发展方向在哪里？

技术壁垒还在么？

每次新模型发布，都和GPT-4o做比较，说我的得分已经跟它差不多了，甚至某些单项上得分已经超过它了，但这并不表明和最先进的模型就没有差距了

真正衡量大模型能力的，是在具体应用场景中能否满足用户的需求，能否产生有价值的增益。——李彦宏就像高考只能选拔出适应考试的学生一样；大模型之间的差距没法靠榜单区分出来。在大模型的能力方面，不同大模型的理解、生成、记忆、逻辑推理等基本能力，还是存在差距的；

真正用在生产生活中，还要考虑成本、推理速度、可靠性等因素，所以是不是真的在具体场景下有用，才是最核心的。

开源和闭源的优势？

闭源有两大优势，一是大模型企业可以获得来自海量真实用户围绕现实应用场景下的真实语料，意味着闭源大模型企业，只要有千万以上的用户数量，他们自己生产的语料质量就很高了。

另一个优势是相比用私有算力推理带来的硬件成本、运维成本和电力消耗，使用公有云上的大模型API更加便宜，特别是对于70B以上规模的大模型来说，用云上的API肯定比自建更便宜，因为云上的大模型推理负载是基本上能跑满的。

未来AI发展的方向是？

未来的AI一定要向着协助人、辅助人更好的完成现有的工作，切实做到提质增效的方向去发展才行。

这其中也分三步，一开始是对人类的辅助，大模型的所有产出物都需要人来检查；再往下走，就是Agent智能体；能完成简单的工作，可以自己选择合适的API工具，或者像最新的GPT4 o1一样有多步的思维链；第三步就是真正的AI员工，可以在完成人类领导布置的任务。智能体就是可以高质量的执行一个工作流，用来规避大模型通常会产生的幻觉，确保他能够按照人类的意愿执行工作。

在2024百度云智大会上，千帆大模型平台3.0迎来了升级，分为模型开发层、模型调用层、应用开发层，进一步面向生产力场景提供模型和AI应用开发服务。在应用开发层，可以支持企业级RAG和企业级Agent开发。

通过千帆大模型平台，我们已经可以非常丝滑的创建一个企业级智能体，结合AI插件，组合出各种各样有趣的应用。

财报粉饰分析

比如说最近上市公司财务造假的事情很多，那我作为一个投资人，我肯定希望快速了解我准备投资的企业有没有这种问题对吧？

但就像某大造假那样，一个国际级别的会计师事务所都没法发现问题，我们老百姓怎么发现？因为我们是可以货比三家的。如果某家公司的销售数据一骑绝尘，远超同行业其他公司，但是财务指标又不好，资产质量下降，那我不就是发现线索了么？

有一个贝尼什模型（Beneish M-Score），它主要是用于评估公司是否存在财务收益操纵行为，说白了就是根据财务报表数据，给各公司的情况打一个分，等于把数据可视化，然后有经验的专家再根据打分情况进行分析。重点指标包括DSRI应收账款天数指数，GMI毛利率下滑指数、SGI销售额增长指数、DEPI折旧率下降指数等，打分这个事儿完全可以让程序做，而打完分以后的数据分析，就可以让大模型来做了。

我利用文心大模型，基于上面的数据，让大模型根据我的打分情况进行分析，得出以下的结论：

首先，观察到M-Score（这一通常用于预测财务困境的指标）从2016年的-1.67976逐年下降到2023年的-2.26955，这表明复XXX公司的财务状况可能持续恶化。

其次，销售生产指数 (SGI) 在2018年和2019年显著增长，分别为1.37037和1.38848，但在2020年急剧下降至0.67171，这可能指示出当年公司销售额有显著下降。紧接着，在2022年SGI再次下跌到0.75769，这一波动性可能指出市场需求的不稳定或公司销售策略的改变。

此外，总资产质量指数 (AQI) 在2019年达到1.15435的高点，随后逐步降低至2023年的1.01994，这种变化可能反映了公司资产质量的恶化和对资产管理的调整。

从负债与股权比率 (LVGI) 观察，2019年显著下降至0.71311，显示公司可能在减少负债或改善资本结构。然而，该比率在之后的年份中有所回升，2023年达到了1.04173，表明负债水平又开始增加。

综合分析，复XXX的财务指标显示出若干波动和潜在的风险点，特别是在销售、资产质量和财务稳定性方面。观察其未来发展与公司管理层的应对策略将是关键。

当然，我后面还是需要进一步完善这个工作流的，比如2020年公司销售额急剧下降，大家都知道是什么原因，但是显然大模型不知道，这就需要我进一步让大模型分析当时的新闻，这都是可以在千帆大模型平台上进一步完成的。

沉舟侧畔千帆过

今年7月开始，百度还做出了重大举措，免费开放ERNIE Speed和ERNIE Lite供开发者使用，主力模型免费，意味着又有可以白嫖的大模型API了这个时候，百度展现出了大模型巨头、互联网巨头的胸怀。

为了降低大模型开发的门槛，吸引更多的产品经理、码字工人、测试运维人员来搞验证性开发，百度除了提供面向开发者的企业级开发工具，还有一句话/自然语言就能生成AI应用的「AI速搭」，我试了一下，效率惊艳。

比如下面这个合同管理的应用，我真的是给了一句话，AI在3分钟内完成思考并且生成的，作为甲方拿来快速生成一个Demo给乙方看，并且说明自己的想法和要求，不但可以避免乙方发现我的无知，还能让我的成本估算更加准确。

百度一直在降低开发门槛，已经做到开发代码“低零化”（低代码、零代码开发），在业务需求方和系统开发者之间架起一道桥梁，真的挺好。

非职业开发者可以利用千帆大模型平台的应用开发层快速搭建一个行业应用，有非常大的想象空间，这也是国内几万家AI创业公司正在干的事儿。

毕竟，大模型+智能体将引领移动互联网之后的下一次技术浪潮。如果只是简单的问答，面对层出不穷的大模型APP，使用起来效果差异都并不大。不管是修仙模拟器还是模仿甜心女友跟你聊天，对于打造新质生产力是没有帮助的。

如果让大模型辅助工作，但仅仅是针对理解、生成、逻辑和记忆等基础能力做改进或集成，价值不大；

但如果能在各个不同场景中，根据自己每天的工作量，把部门的工作流程、业务逻辑逐渐转移到AI应用上，就能逐渐积累出自身的竞争优势。

剩下的，就是生态的力量。真正的AI业务创新都依赖来自既熟悉AI，又熟悉具体业务的行业内部人士，而不是依靠头部大厂完成的，大厂提供通用大模型和AI平台，行业人士设计具体工作流，也就是百舸争流千帆进。

百度的千帆3.0平台提供了一套完整的从模型开发到模型服务再到应用开发的全流程工具；对于我们小型企业或者个人开发者来说，千帆大模型平台就已经足够了。

AI生成股市热点题材

比如我就用百度的千帆大模型平台搭建了一套工作流，实现了每天帮我分析总结当日热点题材的功能，可以看到收集的还是比较准确的。后续我要再进一步开发题材准确性的后评估、题材相关政策法律的解读，还有题材相关企业是否有财务粉饰的风险等，都可以在百度千帆平台上整合起来，然后文心大模型就会成为我的勤劳小秘书了。

这个时候，我感觉我应该掏出三折叠的奏折手机，每天像看奏章一样审阅AI小秘书给我整理的投资消息，让AI辅助我投资，这是多美好的未来？不比什么AR、VR、区块链靠谱多了？