當前位置：前瞻產業研究院 ? 經濟學人 ? 觀察家專欄

李彥宏給AI開發者搭了一把梯子

分享到：

解碼Decode ? 2024-04-16 18:43:23 　來源：解碼Decode　E8851G2

作者|解碼工作室來源|解碼Decode(ID：kankeji001)

1725年，法國的紡織工人Basile Bouchon發明了一種織布機，可以根據送入的穿孔卡片指令編織圖案。打孔的是“1”，沒有打孔是“0”。這幾乎是最早出現的二進制代碼，雖然此后執行的機器發生了很大變化，但代碼的基本構建塊卻就此延續了下來。

三百年后，編程已成為改變世界的無形力量。今天我們手中的智能手機、辦公室的自動化系統甚至工廠的智能制造，它無處不在。

但AI浪潮的席卷速度，不僅超過了以往任何一場技術革命，也讓編程有了另外一種可能——按照李彥宏的說法，大模型和生成式AI將徹底改變開發者這個群體。

而在這背后，是百模大戰后徐徐鋪開的AI原生應用建設，以及在這關鍵的賽道上，中國企業已經率先站上了起跑線。

AI原生應用開發，沒那么復雜

到目前為止，全世界已經發展出超過600門的編程語言。從語法簡單只有32個keywords的C語言，到以但丁《地獄》中第八層地獄命名的Malbolge（第一個程序花了兩年時間才被寫出來）。

但無論是哪種編程語言，開發者想要創建程序就要敲下海量的代碼。隨著代碼量越來越大，程序開發工作也變得無比繁雜。

例如Windows 95只有1500萬行，Windows XP為3500萬行，而目前程序員寫出來的最大軟件是Google在線服務，大概是20億行代碼，大概是一名程序員正常發量的13000倍。

而當前正值移動互聯網轉向AI時代，按照李彥宏的觀點，AI時代需要100萬量級的原生應用，趨近2021年手機App總量的三分之一。

如果參考支付寶僅2019年一年就增加了4億行代碼（相當于80個魔獸世界）的話，AI原生應用需要程序員敲下的代碼量可想而知。

而且AI原生應用在邏輯上完全不同于Native App，需要以AI為出發點，將AI作為核心驅動力，重新設計和構建應用。

不久前，一位開發者在論壇上發布了一則AI原生應用速通指南，雖然開發流程只有5條，但對于開發者來說工作量并不低，僅數據準備一項就要耗費大量的人力物力，更別提需要用到的關鍵技術。

但隨著Transformer推開大模型時代的大門，不僅AI應用的轉機來了，程序員開發者的轉機也出現了。

在AI時代，科技巨頭們不僅在意如何讓技術更容易地被用戶接受，同時也在思考如何簡化程序員的工作。

去年OpenAI推出的GPTs和今年Hugging Face發布的HuggingChat助手，它們通過將能力封裝，把開發門檻拉低，進而創造了一個新的職業——不會編程的開發者、任何一個普通用戶都能創建自己的AI應用。

如今，給普通人搭梯子的名單上又多了一家科技巨頭，并且是使用中文作為自然語言prompt。

“人人都是開發者”

「打開開發界面，第一步給應用起名，第二步填寫角色指令，第三步再插入需要的工具組件。」

這是出現在今年Create2024百度AI開發者大會上的一幕。在零代碼的情況下，一個AI原生應用就生成了。

開發者借助百度發布的AI原生應用開發工具AppBuilder，不寫一行代碼，最快只需三步，就可以用自然語言開發出一個應用，并且還能便捷地發布、集成到各種各樣的業務環境中。

在AppBuilder上面，百度也提供了一定的跨模態能力，開發者只需要給一段文字，或者幾句話，就可以快速創建繪畫類應用。百度文庫最新推出的漫畫生成和繪本生成功能，就利用了AppBuilder上提供的這類組件。

關鍵，類似這樣的開發工具，百度一口氣發布了三款，除了AppBuilder，還有智能體開發工具AgentBuilder和面向專業開發者的ModelBuilder，主打一個「開箱即用」。

其中，AgentBuilder也是零代碼開發，整個過程完全不需要編程，通過類似prompt（提示詞）的信息輸入，和簡單的幾步操作調優，就能迅速生成一個智能體。目前百度已經與攜程合作，提供酒店、景點、票務等旅游服務工具。

而為專業開發者準備的ModelBuilder，可以根據開發者的需求定制任意尺寸的模型，并根據細分場景對模型進一步精調，達到更好的效果。

ModelBuilder中既包括適合通用復雜場景的旗艦版ERNIE3.5和ERNIE4.0，也有Speed、Lite、Tiny三個輕量級大模型和ERNIE Character、ERNIE Functions兩個垂直場景模型，也覆蓋了國內外其它第三方主流模型，預置量多達77個大模型，是國內擁有大模型數量最多的開發平臺。

前兩款工具可實現“人人都是開發者”，相當于是AI原生應用的沖量擔當，而后一款工具則是保質擔當。

李彥宏判斷，未來絕大多數的AI原生應用都是MoE的，也就是大小模型混用，不依賴一個模型來解決所有問題。

而ModelBuilder也是參考MoE思路，開發者在一個平臺上可調用多個大模型，意味著開發成本和產品性能都能達到相對最優。

大會上展示的小度添添AI機器人日程規劃功能，就是調用了不同的模型。

先是由小模型ERNIE Tiny執行“模型路由”工作，把晨跑中的天氣問題分配給基于ERNIE Lite打造的精調模型，快速查出氣溫25度、天氣晴朗這些信息；同時，又把更復雜的日程安排，分配給性能最好的文心4.0大模型，來計算一天各項事項安排。

總的來說，MoE架構既能提升開發平臺的“寬度”，也能兼顧“深度”，大大降低開發時的算力消耗，降低應用門檻。

對多模態大模型而言，百度推出的三大AI開發神器，將會加速killer App的出現時間，而對于視覺大模型來說，其最大應用場景——自動駕駛，早已被市場驗真了。

百度在視覺大模型的發展有目共睹，不只是訓練AI如何生成視頻，更是訓練AI理解和生成一個真實的場景或世界。

基于超過1億公里的中國復雜城市道路測試里程數據，百度訓練出來的Apollo視覺感知大模型，具備檢測、跟蹤、理解、建圖四大基礎能力。百度也將這些能力下放到了具體產品，比如已在武漢實現7X24小時全天候運營的蘿卜快跑，以及將視覺感知大模型應用到了制圖領域的百度地圖。

梯子要穩固

去年，著名計算機科學家吳恩達曾在斯坦福做過一場題演講。他認為AI其實和電力、互聯網一樣，是一項通用技術，更多的機會在于大規模應用落地。

這與李彥宏此前的觀點不謀而合。在基礎模型之上，要有千千萬萬甚至數以百萬計的AI原生應用，大模型的價值才能被體現出來。

而今天百度發布的三大AI開發神器，相當于搭了一把梯子，讓開發者和企業能夠不費力的進入AGI時代。但這里面一個重要的前提是，這把梯子要足夠的穩固。

而所謂穩固，指的就是基礎大模型的技術水平要過硬。

從數據上看，相比一年前文心大模型的算法訓練效率提升了5.1倍，周均訓練有效率超過了98%，推理性能提升了105倍，推理的成本降到了原來的1%。也就是說，客戶原來一天調用1萬次，同樣成本現在可以調用100萬次。

發布一年零一個月以來，文心一言用戶數突破2億，API日均調用量也突破了2億，服務的客戶數達到了8.5萬，利用千帆平臺開發的AI原生應用數超過了19萬。

對于企業和開發者來說，基于文心大模型開發原生應用、做二次開發，都能夠擁有更低的推理成本和更高的訓練效率。

這主要基于李彥宏此前對大模型一個精準判斷，與模型開源會越來越落后不同，閉源有真正商業模式，能夠賺到錢，且在成本上有優勢，只要是同等能力，閉源模型的推理成本一定是更低的，響應速度一定是更快的。

事實上，有了強大的基礎大模型，百度能提供很多低門檻，甚至零門檻的開發工具，大大提高開發者的生產力。比如三大AI開發工具之外，基于文心大模型的智能代碼助手Comate。

不僅支持100多種語言和所有主流IDE平臺，可以推薦代碼、生成代碼注釋、進行代碼續寫、查找代碼缺陷、給出優化方案，還可以深度解讀代碼庫、關聯私域知識生成新的代碼。

上崗一年多以來，Comate已經走入了喜馬拉雅、三菱電梯、軟通動力等上萬家企業，生成的代碼采納率達到了46%，百度每天新增的代碼中，已經有27%是由Comate生成的。

顯然，想要壯大AI原生應用生態，僅靠某一家公司遠遠不夠，需要發動更多人一起參與創新。

去年5月，百度啟動了“文心杯”創業大賽，幫助創業者、開發者開發各種AI原生應用。在第一屆大賽中，百度為15支優勝團隊提供了數千萬元的資金支持，并在技術、團隊和資源上持續提供全方位扶持。今年將擴大項目篩選范圍、設置分賽場，加大對創業者的支持力度，特別優秀的項目將有機會獲得最高5000萬人民幣的現金和資源支持。

尾聲

2023年6月，Open AI安全系統負責人&前應用研究負責人Lilian Weng在博客中發表了一篇文章《大模型驅動的自主代理（LLM Powered Autonomous Agents）》。