<div id="readability-page-1">9 月 11 下午消息，新浪科技獨家獲取到一則百度創始人、董事長兼 CEO 李彥宏的內部講話。在最近一次和員工的交流中，李彥宏再次談及了業界對於大模型的認知誤區，涵蓋大模型競爭、開源模型效率、智能體趨勢等。 李彥宏談到，未來大模型之間的差距可能會越來越大。他表示，大模型的天花板很高，現在距離理想情況還相差非常遠，所以模型要不斷快速迭代、更新和升級；需要能幾年、十幾年如一日地投入，不斷滿足用户需求，降本增效。 “模型之間的差距是多維度的，一個維度是能力方面，不管是理解能力、生成能力、邏輯推理能力還是記憶能力等這些基本能力上的差距；另一個維度是成本方面，你想具備這個能力或者想回答這些問題，你付出的成本是多少？有些模型可能推理速度很慢，雖然也達到同樣的效果了，但實際上它的體驗還是不如最先進的模型。” 李彥宏表示。 李彥宏指出，所謂的領先 12 個月或者落後 18 個月並沒有那麼重要。在每個公司都處在完全競爭的市場環境中，你不管做什麼方向都有很多競爭對手，如果你能永遠保證領先對手 12~18 個月，那是天下無敵的，哪怕你能保證永遠領先競爭對手 6 個月，那就贏了，你的市場份額可能是 70%，而對手可能僅為 20% 甚至 10% 的份額。（文猛） 以下為內部講話內容 問：有觀點認為，大模型之間的能力已經沒有壁壘了？ 李彥宏：這個説法我不同意。我認為外界對大模型有相當多的誤解，每一個新模型發佈時，肯定都想説自己有多好，每次都去跟 GPT-4o 做比較，拿測試集或者弄一些榜單，説我的得分已經跟它差不多了，甚至某些單項上得分已經超過它了，但這並不能證明這些新發的模型跟 OpenAl 最先進的模型相比已經沒有那麼大的差距了。 模型之間的差距是多維度的，一個維度是能力方面，不管是理解能力、生成能力、邏輯推理能力還是記憶能力等這些基本能力上的差距；另一個維度是成本方面，你想具備這個能力或者想回答這些問題，你付出的成本是多少？有些模型可能推理速度很慢，雖然也達到同樣的效果了，但實際上它的體驗還是不如最先進的模型。 還有就是對於測試集的 over-fitting，每一個想證明自己能力的模型都會去打榜，打榜時他就要猜別人到底在測什麼、哪些題我用什麼樣的技巧就能做對，所以從榜單或者測試集上看，你覺得能力已經很接近了，但到實際應用中還是有明顯差距的。 部分自媒體的炒作，再加上每個新模型發佈的時候都有宣傳的動力，使得大家有一種印象，認為模型之間的能力差別已經比較小了，其實真不是這樣。在實際使用過程當中，我不允許我們的技術人員去打榜，真正衡量文心大模型能力的是，你在具體應用場景當中到底有沒有能夠滿足用户的需求，有沒有能夠產生價值的增益，這是我們真正在乎的。 我們需要看到，一方面模型能力之間還有比較明顯的差距，另外一方面天花板很高，你今天做到的跟你實際想要做到的、跟理想狀態還差得非常遠，所以模型還需要不斷快速地去迭代、去更新、去升級。 即使今天你看到差距也許沒有那麼大了，再過一年你看看差距有沒有拉大？ 有誰能夠持續不斷地幾年甚至十幾年如一日往這個方向上去投入，讓它越來越能夠滿足用户的需求、滿足場景、滿足提升效率或者説降低成本等需求？不同的模型之間差距不是越來越小，是會越來越大的，只是他們不知道真實需求的時候，只去做測試集的題可能覺得差不多了。 所謂的領先 12 個月或者落後 18 個月，我認為沒有那麼重要。我們每個公司都處在完全競爭的市場環境中，你不管做什麼方向都有很多競爭對手，如果你能永遠保證領先對手 12~18 個月，那是天下無敵的，不要覺得 12—18 個月是很短的時間，哪怕你能保證永遠領先競爭對手 6 個月，那就贏了，你的市場份額可能是 70%，而對手可能僅為 20% 甚至 10% 的份額。 問：有人説開源模型正在縮小與閉源模型的差距，這會摧毀閉源大模型公司的商業模式嗎？ 李彥宏：這個問題跟上一個問題是高度關聯的，我剛才講一個模型除了能力或效果之外還要看效率，效率上開源模型是不行的。閉源模型準確地講應該叫商業模型，商業化的模型是無數個用户或者説客户在共享同樣的資源，在分攤研發成本、分攤推理用的機器資源和 GPU，而開源模型需要你自己去部署一套東西，部署之後 GPU 的使用率是多少呢？ 我們的文心大模型 3.5、4.0 也好，使用率都是 90% 多，你部署一個開源模型有多少人在用？我們對外講文心大模型每天調用量超過 6 億，每天生成的 token 數超過萬億，哪個開源模型可以説自己一天調用量是多少、生成了多少 token？沒有人用的話成本怎麼分擔？推理成本怎麼能夠跟商業化模型相比呢？ 在大模型時代之前，大家習慣了開源意味着免費、意味着成本低。那時市面上那種商業化的產品，每一個版本都要為之付錢，比如買一個電腦裝 Windows，可能微軟要從中收多少錢，而你如果跑一個 Linux 就不用花這個錢了。由於 Linux 是開源的，所有程序員都可以看到代碼，哪兒做的不好我可以去更新，更新了再 check in，大家眾人拾柴火焰高，你在巨人的肩膀上可以不斷地進步。 但是這些東西在大模型時代都不成立，大模型時代大家經常講的是 GPU 有多貴，算力是決定大模型成敗的一個關鍵因素，開源的模型給你送算力嗎？它不給你送算力，怎麼能夠讓算力高效地被利用？開源模型解決不了這個問題。 以前你買電腦的時候就已經為算力付費了，但大模型的推理不是這樣，這個推理其實很貴。所以説開源大模型的價值在教學科研這些領域，要想搞清楚大模型的工作原理是啥，如果不知道源代碼什麼的肯定是有劣勢的，但是真正在商業領域，當你追求的是效率、效果，追求的是最低的成本時，開源模型是沒有優勢的。 問：AI 應用的演進方式是什麼？為什麼強調智能體？ 李彥宏：大模型發展的過程必然要經歷這幾個階段，一開始是對人進行輔助，最後出來什麼東西需要人把最後一道關，我們確定它的效果是 OK 的，各方面都不錯才會讓它出去，這是 Copilot 階段；再往下走就是 Agent 智能體，外界對於 Agent 有各種各樣不同的定義，最主要還是説它有了一定的自主性，具備自主使用工具、反思、自我進化等能力；這種自動化程度再往下走就變成一個所謂的 Al Worker，能夠像人一樣做各種各樣的腦力和體力勞動，各方面的工作都可以獨立完成。肯定要有這麼一個過程。 “智能體是大模型最重要的發展方向” 這個判斷，其實是一個非共識。百度 Create 大會上我們發了三個產品，AgentBuilder、AppBuilder、ModelBuilder，其中 AgentBuilder 和 AppBuilder 都是講智能體的，一個門檻更低一些，另一個功能更強大一些。 當我們解釋完了之後，有些人終於開始明白這東西確實有意思，能夠產生價值，而且已經可以相對比較低門檻地做出來大家感覺可用的東西。從那時候開始智能體的熱度才慢慢上來，也開始有很多人看好智能體這個發展方向，但是到今天為止智能體還不是共識，像百度這樣把智能體作為大模型最重要的戰略、最重要的發展方向的公司並不多。 為什麼我們這麼強調智能體？因為智能體的門檻確實很低，我們去年説要卷應用、大家都去做應用，其實很多人還是説不知道該怎麼做，不知道這個方向能不能做出來，我到底要用到什麼能力才能夠在這個場景下產生價值，這裏面有無數不確定性，大家不知道怎麼從模型變成應用。 但是智能體提供了一個非常直接、非常高效、非常簡單的方式，在模型之上構建智能體是相當方便的，這也是為什麼今天每週都有上萬個新的智能體在文心平台上被創造出來。 智能體方面我們已經看到了趨勢，也有比較好的先決條件，除了模型本身的能力比較強大之外，我們也有很好的分發通路。 百度的 APP，尤其是百度搜索一天有數以億計的人在用，用户的需求主動向我們表達了，哪一個智能體能更好地去回答他這些問題，去滿足他這些需求，這是一個自然匹配的過程，所以我們是最能夠幫助這些開發者分發他們智能體的。 新浪科技，原文標題：《獨家 | 李彥宏內部講話談大模型三大認知誤區：未來模型差距會拉大，距離理想還相差非常遠》 </div>

百度

百度-SW

百度集團-SWR

李彥宏在內部講話中指出，大模型之間的差距將會加大，開源模型在效率和成本方面不具優勢。他強調，智能體是大模型發展的重要方向，並認為模型的能力和成本是多維度的，需不斷迭代以滿足用户需求。李彥宏還提到，保持領先競爭對手的時間並不重要，關鍵在於市場份額的掌控。

- 李彥宏強調大模型之間差距可能會越來越大，模型需不斷快速迭代、更新、升級，以滿足用户需求，降本增效。
- 模型差距不僅在能力方面存在，還涉及成本，推理速度慢的模型體驗不如先進模型。
- 開源模型效率不及閉源商業模型，開源模型無法有效利用算力，商業模型在效率、成本方面具優勢。