当前位置：前瞻产业研究院 » 经济学人 » 观察家专栏

李彦宏给AI开发者搭了一把梯子

分享到：

解码Decode • 2024-04-16 18:43:23 　来源：解码Decode　E6615G2

作者|解码工作室来源|解码Decode(ID：kankeji001)

1725年，法国的纺织工人Basile Bouchon发明了一种织布机，可以根据送入的穿孔卡片指令编织图案。打孔的是“1”，没有打孔是“0”。这几乎是最早出现的二进制代码，虽然此后执行的机器发生了很大变化，但代码的基本构建块却就此延续了下来。

三百年后，编程已成为改变世界的无形力量。今天我们手中的智能手机、办公室的自动化系统甚至工厂的智能制造，它无处不在。

但AI浪潮的席卷速度，不仅超过了以往任何一场技术革命，也让编程有了另外一种可能——按照李彦宏的说法，大模型和生成式AI将彻底改变开发者这个群体。

而在这背后，是百模大战后徐徐铺开的AI原生应用建设，以及在这关键的赛道上，中国企业已经率先站上了起跑线。

AI原生应用开发，没那么复杂

到目前为止，全世界已经发展出超过600门的编程语言。从语法简单只有32个keywords的C语言，到以但丁《地狱》中第八层地狱命名的Malbolge（第一个程序花了两年时间才被写出来）。

但无论是哪种编程语言，开发者想要创建程序就要敲下海量的代码。随着代码量越来越大，程序开发工作也变得无比繁杂。

例如Windows 95只有1500万行，Windows XP为3500万行，而目前程序员写出来的最大软件是Google在线服务，大概是20亿行代码，大概是一名程序员正常发量的13000倍。

而当前正值移动互联网转向AI时代，按照李彦宏的观点，AI时代需要100万量级的原生应用，趋近2021年手机App总量的三分之一。

如果参考支付宝仅2019年一年就增加了4亿行代码（相当于80个魔兽世界）的话，AI原生应用需要程序员敲下的代码量可想而知。

而且AI原生应用在逻辑上完全不同于Native App，需要以AI为出发点，将AI作为核心驱动力，重新设计和构建应用。

不久前，一位开发者在论坛上发布了一则AI原生应用速通指南，虽然开发流程只有5条，但对于开发者来说工作量并不低，仅数据准备一项就要耗费大量的人力物力，更别提需要用到的关键技术。

但随着Transformer推开大模型时代的大门，不仅AI应用的转机来了，程序员开发者的转机也出现了。

在AI时代，科技巨头们不仅在意如何让技术更容易地被用户接受，同时也在思考如何简化程序员的工作。

去年OpenAI推出的GPTs和今年Hugging Face发布的HuggingChat助手，它们通过将能力封装，把开发门槛拉低，进而创造了一个新的职业——不会编程的开发者、任何一个普通用户都能创建自己的AI应用。

如今，给普通人搭梯子的名单上又多了一家科技巨头，并且是使用中文作为自然语言prompt。

“人人都是开发者”

「打开开发界面，第一步给应用起名，第二步填写角色指令，第三步再插入需要的工具组件。」

这是出现在今年Create2024百度AI开发者大会上的一幕。在零代码的情况下，一个AI原生应用就生成了。

开发者借助百度发布的AI原生应用开发工具AppBuilder，不写一行代码，最快只需三步，就可以用自然语言开发出一个应用，并且还能便捷地发布、集成到各种各样的业务环境中。

在AppBuilder上面，百度也提供了一定的跨模态能力，开发者只需要给一段文字，或者几句话，就可以快速创建绘画类应用。百度文库最新推出的漫画生成和绘本生成功能，就利用了AppBuilder上提供的这类组件。

关键，类似这样的开发工具，百度一口气发布了三款，除了AppBuilder，还有智能体开发工具AgentBuilder和面向专业开发者的ModelBuilder，主打一个「开箱即用」。

其中，AgentBuilder也是零代码开发，整个过程完全不需要编程，通过类似prompt（提示词）的信息输入，和简单的几步操作调优，就能迅速生成一个智能体。目前百度已经与携程合作，提供酒店、景点、票务等旅游服务工具。

而为专业开发者准备的ModelBuilder，可以根据开发者的需求定制任意尺寸的模型，并根据细分场景对模型进一步精调，达到更好的效果。

ModelBuilder中既包括适合通用复杂场景的旗舰版ERNIE3.5和ERNIE4.0，也有Speed、Lite、Tiny三个轻量级大模型和ERNIE Character、ERNIE Functions两个垂直场景模型，也覆盖了国内外其它第三方主流模型，预置量多达77个大模型，是国内拥有大模型数量最多的开发平台。

前两款工具可实现“人人都是开发者”，相当于是AI原生应用的冲量担当，而后一款工具则是保质担当。

李彦宏判断，未来绝大多数的AI原生应用都是MoE的，也就是大小模型混用，不依赖一个模型来解决所有问题。

而ModelBuilder也是参考MoE思路，开发者在一个平台上可调用多个大模型，意味着开发成本和产品性能都能达到相对最优。

大会上展示的小度添添AI机器人日程规划功能，就是调用了不同的模型。

先是由小模型ERNIE Tiny执行“模型路由”工作，把晨跑中的天气问题分配给基于ERNIE Lite打造的精调模型，快速查出气温25度、天气晴朗这些信息；同时，又把更复杂的日程安排，分配给性能最好的文心4.0大模型，来计算一天各项事项安排。

总的来说，MoE架构既能提升开发平台的“宽度”，也能兼顾“深度”，大大降低开发时的算力消耗，降低应用门槛。

对多模态大模型而言，百度推出的三大AI开发神器，将会加速killer App的出现时间，而对于视觉大模型来说，其最大应用场景——自动驾驶，早已被市场验真了。

百度在视觉大模型的发展有目共睹，不只是训练AI如何生成视频，更是训练AI理解和生成一个真实的场景或世界。

基于超过1亿公里的中国复杂城市道路测试里程数据，百度训练出来的Apollo视觉感知大模型，具备检测、跟踪、理解、建图四大基础能力。百度也将这些能力下放到了具体产品，比如已在武汉实现7X24小时全天候运营的萝卜快跑，以及将视觉感知大模型应用到了制图领域的百度地图。

梯子要稳固

去年，著名计算机科学家吴恩达曾在斯坦福做过一场题演讲。他认为AI其实和电力、互联网一样，是一项通用技术，更多的机会在于大规模应用落地。

这与李彦宏此前的观点不谋而合。在基础模型之上，要有千千万万甚至数以百万计的AI原生应用，大模型的价值才能被体现出来。

而今天百度发布的三大AI开发神器，相当于搭了一把梯子，让开发者和企业能够不费力的进入AGI时代。但这里面一个重要的前提是，这把梯子要足够的稳固。

而所谓稳固，指的就是基础大模型的技术水平要过硬。

从数据上看，相比一年前文心大模型的算法训练效率提升了5.1倍，周均训练有效率超过了98%，推理性能提升了105倍，推理的成本降到了原来的1%。也就是说，客户原来一天调用1万次，同样成本现在可以调用100万次。

发布一年零一个月以来，文心一言用户数突破2亿，API日均调用量也突破了2亿，服务的客户数达到了8.5万，利用千帆平台开发的AI原生应用数超过了19万。

对于企业和开发者来说，基于文心大模型开发原生应用、做二次开发，都能够拥有更低的推理成本和更高的训练效率。

这主要基于李彦宏此前对大模型一个精准判断，与模型开源会越来越落后不同，闭源有真正商业模式，能够赚到钱，且在成本上有优势，只要是同等能力，闭源模型的推理成本一定是更低的，响应速度一定是更快的。

事实上，有了强大的基础大模型，百度能提供很多低门槛，甚至零门槛的开发工具，大大提高开发者的生产力。比如三大AI开发工具之外，基于文心大模型的智能代码助手Comate。

不仅支持100多种语言和所有主流IDE平台，可以推荐代码、生成代码注释、进行代码续写、查找代码缺陷、给出优化方案，还可以深度解读代码库、关联私域知识生成新的代码。

上岗一年多以来，Comate已经走入了喜马拉雅、三菱电梯、软通动力等上万家企业，生成的代码采纳率达到了46%，百度每天新增的代码中，已经有27%是由Comate生成的。

显然，想要壮大AI原生应用生态，仅靠某一家公司远远不够，需要发动更多人一起参与创新。

去年5月，百度启动了“文心杯”创业大赛，帮助创业者、开发者开发各种AI原生应用。在第一届大赛中，百度为15支优胜团队提供了数千万元的资金支持，并在技术、团队和资源上持续提供全方位扶持。今年将扩大项目筛选范围、设置分赛场，加大对创业者的支持力度，特别优秀的项目将有机会获得最高5000万人民币的现金和资源支持。

尾声

2023年6月，Open AI安全系统负责人&前应用研究负责人Lilian Weng在博客中发表了一篇文章《大模型驱动的自主代理（LLM Powered Autonomous Agents）》。