大模型浪潮：商業機遇、產業變革與未來趨勢

本書可以作爲《2049：未來10000天的可能》AI實現路徑的技術細節延展閱讀。其特質是在中文語境下貼合國情的AI實戰案例。從中觀到微觀的技術踐行路徑，細節滿滿。內容雖圍繞着百度AI部署，但不妨礙筆者對於如何訓練大模型成爲具有行業專家能力的智能體，以及關於DeepSeek的技術細節等等知識的汲取。作者沈抖先生是清華大學碩士、香港科技大學博士，現任百度集團執行副總裁、百度智能雲事業羣總裁。 本書第一章講述了人工智能的百年發展史，以及大模型在應用層面所帶來的拐點和突破。第二章的“有監督微調”，這是兼顧大模型優勢，又謹防滿嘴跑火車，可以應用到具有行業專家能力的“垂直模型”的有效途徑之一。作者在本章試圖回答“大模型靠什麼能力爲各行各業、多個場景的業務帶來顯著提升並展現商業價值？” “在大模型時代，高效參數微調是目前採用的主要方法。其中，LoRA（大語言模型的低秩適應）又是最受歡迎的高效參數微調技術。”例如，比如，在醫療場景下進行微調，大模型就可以通過學習醫學術語、病症描述等特定數據，從而更準確地回答醫療問題。微調既可以充分發揮大模型原有的能力，又可以針對用戶所在的特定領域進行更有針對性的提升，開發更專屬的能力。 第二章第四節的“檢索增強生成（RAG）：發揮企業專有數據的優勢”，即大模型達到“懂業務”。讓大模型快速“懂業務”的一個有效方式就是把海量的企業數據和行業知識做成“外掛”知識庫，給到大模型，即RAG技術。該技術可以提高時效性、專業性，確保安全性。其應用場景有智能客服系統、新聞機構的媒資管理、在線教育領域、文本摘要領域等。總之，如果業務場景是數據不斷動態更新的環境，或者數據具有私密性、非公域性，抑或是業務場景具有很強的專業性，那麼使用RAG技術輔助大模型落地，會具有良好的可行性和經濟性，而且企業部署、使用RAG技術也會越來越方便。 “智能體=大模型+規劃+記憶+工具+行動”。混合專家模型可以有效提高模型的容量和效率，讓大模型面對複雜問題時，不僅能勝任專業領域工作，而且需要的資源和全領域訓練相比也大幅減少。可以說是“既跑得快，又喫得少”。其核心在於稀疏性。DeepSeek的混合專家模型有256個獨立專家和一個共享專家，模型每次推理時，會激活一個共享專家，並由路由模型判斷激活8個專家模型參與計算，實現更精準的知識分配。DS爲代表的慢思考推理型大模型輸出精度高，處理複雜任務表現出色，有較高的可控性和透明性。缺點在於響應速度較慢，資源消耗較高，過度複雜化的風險，且依賴預設的邏輯架構。 從第三章到第四章，本書的內容進入“生產力場景”，細緻而具體地對大模型賦能千行百業的實踐進行了描述。作者“常年在一線作戰，絕大多數的案例來自實操，因而顯得非常鮮活且有借鑑性。同時，作爲中國大模型產業的領軍人物，他對行業的系統性思考和戰略洞察，也在敘述之中展露無遺”。關於大模型的微調優化，給予了作文點評、角色扮演和病歷撰寫等；DS與提示詞的應用案例，例如小紅書筆記、業務決策類場景和任務執行類場景等；RAG開發實戰案例，例如政務諮詢和媒資管理等；智能體的開發實戰案例，例如AI手機應用、車險銷售等。關於“增收、降本、提效、合規”的大模型應用案例有旅遊、金融、餐飲等的智能客服，教育等領域的虛擬數字人，高效編碼，重構企業知識全鏈條。 第五章進入產業變革章節，即大模型如何賦能千行百業。作者以百度AI能力爲核心，分享了衆多解決案例。例如手機如何在大模型幫助下成爲智能私人助理；汽車如何成爲更智能、更舒適的第三空間；大模型如何與物理AI即機器人協同發展；智能體數字員工在金融領域的崛起；能源行業如何藉助大模型加速形成新質生產力；教育產業如何在大模型促進下的產教融合新範式；電商使用大模型讓營銷更快捷。

《大模型浪潮》——智能革命的產業宣言與行動指南。 沈抖以百度智能雲實戰經驗爲基底，將大模型從技術神話還原爲生產力工具，揭示其本質是“技術平權”下的普惠革命——如同電力重塑工業社會，大模型正以“算法基建”身份重構千行百業。書中三大核心命題直指時代痛點： 1. 從實驗室到車間的技術民主化：預訓練、RAG、智能體等技術不再是科技巨頭的專利，書中以“動畫片案例”拆解混合專家模型（MoE），讓中小企業也能理解如何將大模型轉化爲“超級業務管家”； 2. 產業重構的辯證法：金融業“數字員工”、教育界“AI教師”的案例證明，大模型並非簡單替代人力，而是通過“人機協同”催生新崗位（如智能體訓練師），倒逼組織形態從金字塔轉向“公章型”結構； 3. 危機中的躍遷機遇：當傳統企業擔憂AI成本時，作者斷言“大模型已是現貨”，並以能源、醫療領域15%的能效提升和90%的電子病歷準確率，驗證其“投入即收益”的產業邏輯。 此書最顛覆之處，在於將技術哲學融入商業實踐。當多數人沉迷於ChatGPT的對話魔術時，沈抖揭示大模型的真正價值是成爲“業務的操作系統”——正如書中所言：“未來的競爭，不是擁有AI，而是成爲AI原生企業”。對決策者而言，這是避開“技術泡沫”的路線圖；對普通人，則是握住時代船舵的生存手冊。

大模型浪潮，正在催生新的商業範式 在數字經濟與實體經濟深度融合的今天，智能化轉型正成爲各行業高質量發展的核心驅動力。從金融到能源，從汽車到電商，大模型技術如同“新質生產力”的關鍵引擎，持續重塑產業格局。 正如現任百度集團執行副總裁，百度智能雲事業羣總裁沈抖在他的新書《大模型浪潮》一書所揭示的，大模型正在催生全新的商業範式。 書中收錄了多個行業案例，並結合了作者多年從業經驗予以闡釋。對於想要抓住AI機遇的從業者來說，這就是一本實用的行動手冊：既能把複雜的技術原理講清楚，又能直接教你制定可行的方案。在AI改變各行各業的今天，誰先搞懂大模型，誰就能在未來的競爭中快人一步。 大模型在各行各業中的應用，不勝枚舉。所有實踐案例，都有幾個顯著特點。第一，實施方案“可大可小”，要結合用戶所需。既可以從算力底層開始，重構以大模型爲核心的數智化體系，也可以直接部署一些成熟的人工智能應用。第二，大模型可以和現有技術、應用相結合，也可以基於大模型重構，而重構往往會帶來更高效率。第三，針對一些重複的、流程化的業務，應用大模型開發智能體的效果非常好。 另外，大模型在各行各業的應用，不僅需要有領先的技術，更需要“挽起褲腿、踩到泥地”，真實瞭解行業需求。百度會持續深耕一線場景，提供端到端的大模型解決方案落地服務，包括諮詢、方案設計、應用梳理定製、模型調優，以及以效果爲導向的運營和能力培訓等。 對於讀者而言，無論處於什麼行業，都可以用開放的心態來使用大模型。既可以在一些小場景裏應用，建立對大模型的熟悉度和信任度，也可以從頂層設計開始，思考以大模型爲中心的業務重構。無論何種方式，相信帶來的都一定是新體驗。 擁抱AI原生思維，駕馭浪潮而非被其裹挾，我們迎來的將不僅是個體命運的轉折點，更是一個由萬千普通人共舞、共創、共享的智能文明新紀元——這，正是《大模型浪潮》賦予每位讀者的時代宣言與行動號角。

《大模型浪潮：商業機遇、產業變革與未來趨勢》圍繞“大模型如何重塑商業與社會”這一主題，系統地展開論述： 1. ​​書寫背景與目的​​ • 作者沈抖希望在大模型技術快速迭代、但實踐落地仍顯碎片化的階段，提供一本既能縱覽歷史又能指導實戰的權威讀物，幫助企業和個人把握“普惠式生產力革命”的窗口期。 2. ​​整體框架​​ • 書中以“技術—產業—社會”三維視角爲主線，按照“歷史脈絡→技術內核→行業賦能→未來圖景”的結構，逐步展開對大模型的全面解析。 3. ​​主要內容​​ • 回顧人工智能的發展歷程，解釋大模型爲何被視爲繼蒸汽機、電氣革命後最具顛覆性的技術躍遷。 • 深入闡釋大模型的核心能力（通用性強、湧現能力等），並指出其正在從“嚐鮮”走向“生產級”應用，成爲新的基礎設施。 • 通過能源電力、教育等行業的案例，展示大模型在巡檢、缺陷識別、個性化學習等場景中的實際價值，強調“業務邏輯重構”而非單純流程優化。 • 針對企業落地，提出從數據、算力、算法、組織到治理的完整實踐路徑，並討論智能體、數據飛輪等新興範式。 • 展望未來趨勢：模型能力持續增強、智能體驅動服務市場擴張、更多企業級應用爆發、組織結構與創新門檻重塑等。 4. ​​讀者收穫​​ • 讀者可以全面理解大模型的技術原理與商業邏輯，借鑑跨行業案例，把握政策與產業生態的變化節奏，從而在組織內部制定更有效的落地策略。 ​​一句話概括​​：本書是一份面向企業與個人的“大模型時代行動指南”，既解釋技術，更聚焦如何利用大模型創造商業機遇、推動產業變革並洞察未來趨勢。

最近剛剛讀完沈抖博士的《大模型浪潮》，讓我對第四次工業革命有了一個系統全面的認識。其中最讓我印象深刻的是兩個字：規律 1、量變質變規律 有意思的是AI的兩大特點——智能湧現以及能力泛化，十分符合量變質變規律。當大模型參數規模到達十億百億千億級別時，會出現智能湧現，也就是當一個系統達到一定規模或複雜度時，會出現一些較小規模或簡單系統中不可見的新特性或能力，俗稱“跳躍式拐點”。我們無法從中知道到底爲什麼，但是就是物理世界裏的黑箱子，我們不管箱子裏面發生了什麼，觀察輸入輸出即可。通常設置一個大模型，需要萬卡集羣，一個萬卡集羣佔地面積相當於14個足球場。連接顯卡、機器之間的網線，加起來有1.4萬千米，相當於北京到上海的距離的四倍。其運行一天的耗電量，相當於北京東城區一天的耗電量。 這事細細一想，只能說馬克思誠不欺我，萬事萬物都有其本質，再新的東西，在哲學領域上都有其相通性，說白了，這也是科學，有的時候我總是過於急躁想要拿結果，其實是不對的，我的努力讓我還沒有到達拐點，遇到困難的時候就想一想，我這才設置了幾張顯卡啊，所以要堅持每天的修煉，遲早有一天，會有翻天覆地的新局面，我也能建成我自己的萬卡集羣！ 2、高德納技術成熟度曲線 AI是一項新技術，任何新技術的出現，都有發展曲線。我們既不要對一項新技術過度樂觀，以至於形成非理性泡沫，也無須對新技術的波動過度悲觀，以至於錯過了真正的浪潮而被時代拋棄。作者介紹到，生成式人工智能的市場正在從“第一幕”向“第二幕”過渡，“第一幕”回答的大模型到底能做什麼的問題，“第二幕”會從解決人類問題出發，把新技術作爲更全面解決方案的一部分爲人類創造價值。 因此，我們要客觀認識規律，把握規律做事，我們正處於這一關鍵時期，緊緊追隨時事，君子順勢而爲。 3、減少複雜性，就是增加創造性。 簡簡單單十二個字，卻概括了我最近工作上的追求，最近一直在摸着石頭過河，看了很多有關效率的書籍，以及大腦認知科學的書籍，讀完GTD之後覺得清空大腦真的很重要，於是我花時間整理了GTD清單。當我腦子裏一次只幹一件事情的時候，就更容易進入心流狀態，積累到一定程度就更容易有天馬行空的想象，同時這種專注狀態也會讓我發揮更高的水平。 4、以下摘抄一些本書對我有用的技術性術語 1、AI三大要素：算法、算力、數據（也是我現在業務的三大模塊，很開心自己的工作與時代發展相適應） 2、大模型訓練三步：預訓練、監督微調STF、人類反饋學習RLHF 3、黃仁勳在英偉AI達峯會表示，未來有兩種人工智能會非常受歡迎：數字人工智能工作者（智能體）和物理人工智能（機器人技術） 4、智能體=大模型+規劃+記憶+工具+行動 。 5、智能體工作流程可以分爲三個步驟：感知、規劃、執行 6、DeepSeek關於混合專家架構的創新點：1細粒度專家模型，專家更多，組合更靈活2隔離共享專家，提供通用知識，降低專家間知識冗餘 7、大模型爲企業帶來的價值：增收、降本、提效、合規 8、大模型評估的四個維度：能力、性能、倫理、安全 9、有意思的是一定要對大模型進行對齊評估，其中包括合規性評估、幻覺評估、包容性評估，這就是常說的，要成爲有用的人，首先得是品德好的人，然後再提高其能力 10、大模型發展的幾個趨勢 模型能力仍會持續增強 智能體驅動應用，從軟件市場擴張到服務市場； 更多能真正激活數據飛輪的企業級應用將迎來大爆發； 企業的人工智能戰略會重塑企業組織結構（金字塔型——公章型）； 未來創新成本和門檻會持續降低，企業爲了創新要“算總賬”。

油鹽醬醋喫喝拉撒也很重要，這是人類社會生存與發展的長期趨勢。

內容面挺廣的，但感覺都是泛泛而談，不管這本書的定位是什麼，設定的讀者角色是什麼，個人認爲內容都不太好。另外，作者是百度高管，因此內容難免塞了很多百度的內容，當然這本身無可厚非，但同時缺少了業界其他企業的同類型產品作爲對比，難免有夾帶私貨的嫌疑，畢竟你這本書是《大模型浪潮》，而不是百度的大模型發展之路。

大模型必讀書目 希望微信閱讀可以上架 去某寶搜才發現作者百度公司的，百度是真牛，爲什麼那麼多人才，不乏大拿，那麼多資金投入，百度結果啥都搞了，也啥都沒搞成

《大模型浪潮》認爲，大模型已從“嚐鮮”走向“生產力”，正掀起一場普惠式的技術-產業革命，其核心觀點可歸納爲七點：1. ​​技術拐點到來​​：Transformer、RAG、智能體等技術突破，使大模型具備通用人工智能曙光，成爲繼蒸汽機、電氣革命後最大的生產力飛躍。2. ​​大模型即生產力​​：2023 年起，大模型開始大規模進入生產環境，幫助企業降本、提效、創收；算力、模型、數據的組合正形成新的基礎設施。3. ​​技術-產業-社會三維聯動​​：作者以“技術平權”爲錨點，闡述大模型如何重構產業鏈、重塑商業模式，並對教育、能源、製造等千行百業進行深度賦能。4. ​​產業落地框架​​：書中提出“決策者框架”，覆蓋從算力選型、模型選擇到業務重構的全鏈路落地路徑，強調真實場景中的工程實現與商業閉環。5. ​​行業案例與機會​​：在能源電力、教育、金融、製造等領域，大模型已在自動巡檢、個性化學習、智能排產等業務中驗證價值，預示更廣泛的滲透前景。6. ​​機遇與風險並存​​：大模型帶來增收、降本、提效的同時，也需關注數據隱私、算法偏見、倫理治理等風險，需要產業界與政府共同建立評估與監管體系。7. ​​行動號召​​：作者呼籲企業與個人主動構建 AI 知識體系、抓住窗口期，將技術勢能轉化爲高質量發展的新動能，共同迎接“智能體共生時代”。

兼具技術深度與產業視野的權威著作，系統梳理了大模型從技術突破到商業落地的完整路徑。書中以“技術—產業—社會”三維視角，構建了清晰的認知框架，既解析了Transformer、RAG、智能體等核心技術，又通過金融、汽車、能源等行業的鮮活案例，揭示了大模型如何重構千行百業。作者作爲百度智能雲負責人，將學術理論與實戰經驗無縫結合，爲決策者提供戰略參考，爲開發者提供技術指南