關于百度，關于百度智能云，伴隨著AI大模型浪潮的帶來，外界一直以來的印象是“AI第一槍”、“先行者”、“領跑人”等等標簽，但在這些“速度”的定語底層，這家在每個時代都保持進化的互聯網巨頭還有另外一些表達，如扎實務實，如體系創新。

這些新的體系表達里對應的是把技術轉化為生產力的工程AI能力，對應的是在每個千帆平臺細小產品模塊上的對產業know-how表達的精益求精，也更是從需求到產品再到需求的系統進化飛輪。

作者|皮爺

出品|產業家

“我們這些產品不是憑空捏造來的，而是根據企業真正的需求一個個打造出來的，包括我們千帆模型開發平臺、應用開發平臺以及數據智能平臺。”林小琳告訴產業家。

作為百度智能云平臺產品事業部增長運營負責人，她所說的是百度智能云千帆大模型平臺的三個核心產品。

對于千帆大模型平臺，外界并不陌生。從某種程度來看，這是繼2023年百度面向AI發布文心大模型后，打響的“第二槍”，而就全球范圍來看，這甚至是真正將“AI落地流程”進行產品化呈現的AI工具層“第一槍”。

而林小琳所說的恰是這個工具層的內部產品運營邏輯。“這些都是為了保障真正的落地，很多產品的具體功能都是我們和落地AI的企業深度共建的，也是真實‘趟’出來的。”

實際上，從更廣的視角來看，“AI落地”——這個百度智能云千帆核心“KPI”，如今也逐步成為一眾中國企業提升生產力的首要指標。

但這并不是一件容易的事。根據不完全統計，在如今全部啟動的AI項目中，有接近30%-80%的項目陷入困境，比如根據RAND智庫統計，有80%的AI項目失敗，失敗率是傳統IT項目的兩倍，再比如根據2025年Gartner報告顯示，有30%的生成式AI項目因成本高昂、數據質量差和商業價值不明確被擱置。

AI作為注定引領生產力革命的技術手段，其正確的打開方式和落地SOP應該是怎樣的？以及即使對2025年的如今而言，這些工程化的“基座”是否已經準備好了？這些問題，在數據體系構建不完整的中國土壤上也更被無限放大。

這些問題，也是過去2年多時間千帆平臺的進化主線——從技術到產品，從基座模型到行業模型，從數據體系到Agent。這些被拆解的工程化模塊在幫助一個個企業完成AI大模型落地的同時，也更構建著千帆平臺的最新進化。

關于創新，谷歌聯合創始人拉里·佩奇曾有這樣一個說法，“創新的本質不是創造新奇，而是讓復雜的技術變得簡單可用。”

800天，千帆正在交出一份屬于產業AI的創新答卷。

一、中國產業AI落地，走到哪了？

首先，一個毋庸置疑的信號是：在中國產業土壤里，嘗試AI企業的企業在明顯增多。

根據一份2023年的相關《白皮書》統計，在當時進行的一份市場調查問卷中，積極落地AI的企業僅僅占到53.7%；而在2025年，根據貝殼財經的調查數據顯示，這個口徑對應的數據則是增長到了91%。

但與這個“熱情”形成鮮明對比的還有另外一組數據，即居高不下的AI落地失敗率，即在2023年Gartner的報告統計口徑中，AI項目的失敗率高達63%，而根據2025年這一權威報告機構的最新報告統計口徑，也更是有超過80%的AI項目未達預期。

AI落地，到底難在哪？

在回答這個問題之前，可以先來看當下AI落地的整個鏈路，總體來說分為三步，即“選擇基座模型—精調企業模型—Agent相關產品開發”。

在這三個大的節點中又分為一些小的節點，比如在這個鏈條之前，企業需要選擇API公有云接入還是本地私有化部署，在“選擇基座模型”環節，是選擇直接部署基座模型還是選擇在某個基座模型的基礎上蒸餾小模型，以更具性價比的方式進行部署。

比如在“精調企業模型”環節，企業需要優先構建好自身的企業數據和對應的行業數據集，基于此進行模型的精調；再比如Agent開發環節，企業需要明確定位好自身需要使用AI的場景，以選擇將AI能力嵌入原來的軟件，還是單獨打造Agent產品等等。

如果想要做好AI落地，對企業而言，這些節點都必須完成。但從現實的情況來看，這些節點也可能是一個個“難點”。

從最底層的模型部署來看，許多企業對調用模型API接口比較熟悉，但由于自身業務性質特殊，部分企業需要本地化部署模型。然而，本地部署后的模型運維（如蒸餾、精調等）與公有云版本存在差異，這就要求企業具備相應的部署和運維經驗。

首先，在模型蒸餾方面，2024年年中之前，相關技術尚未完全成熟，企業很難基于基座模型高效地蒸餾出小參數模型。這不僅導致部署成本較高，模型效果也受到明顯限制。

其次，在模型精調環節，由于國內大部分企業仍處于數字化建設的早期階段，數據體系尚未完善，知識庫等基礎設施也相對薄弱。因此，企業往往缺乏足夠的數據支撐，難以通過精調讓模型適配自身的工作場景和業務流程。

最后，在Agent部署階段，場景匹配成為關鍵挑戰。目前業內的共識是“AI落地，場景為王”。企業在構建Agent之前，需要先梳理自身業務，明確哪些內部流程或行業特性最適合優先引入AI技術，以確保實際應用效果。

但對大部分中小企業，乃至大型企業而言，這種“診斷”體系并不存在，一方面大部分企業對于AI能發揮的價值點到底在哪并不清晰，另一方面對不同產業、不同內部流程的企業而言，這更是一個極具“行業know-how”的推進動作，需要結合“AI+產業”的屬性進行定位。

除了這些顯而易見的挑戰之外，AI落地還面臨著諸多隱性難題。比如居高不下的算力成本，從模型層到數據層再到應用層的一站式需求缺口，以及持續性的模型優化和智能體升級等需求。這些"看得見"和"看不見"的挑戰共同構成了AI技術落地的完整難題圖譜。

從當前市場服務商的布局來看，針對AI落地過程中的單個技術瓶頸，其實并不缺乏解決方案。例如在數據體系建設方面，已有眾多服務商提供從數據標注到治理的全流程服務；在Agent開發環節，也不乏宣稱能夠構建通用型或行業專屬Agent應用的軟件供應商。

但實際情況是，這種碎片化的單點服務模式，反而可能給企業帶來更多實施障礙。由于各服務模塊之間缺乏有效銜接，導致模型與數據、數據與Agent等關鍵環節難以協同，最終形成新的"技術孤島"，加重了企業的落地負擔。

那么，真正有效的解決方案應該是什么？或者說，一個既深諳行業know-how，又具備前沿AI技術實力的工程化平臺，究竟需要具備哪些關鍵特質？

二、 “從需求出發到產品，到組織”

“千帆三個產品分別對應著企業不同層面的需求。”林小琳告訴產業家，“每一個產品都是從‘需求’倒推出來的。”

這是百度智能云交出的一張答卷。即從產品構成來看，在如今千帆大模型平臺上，三個核心的產品線為模型開發平臺、應用開發平臺、數據智能平臺（此次百度Create大會發布），從具體功能來看分別對應的是企業落地的三個核心節點，即模型部署、數據治理、應用部署。

林小琳告訴我們，這三個產品對應的恰是企業真正AI落地過程中需要的三個核心能力。

比如模型開發平臺，現在已經提供了100多個模型，既包括剛剛在Create大會上Robin發布的文心4.5 Turbo等一系列百度自研模型，也包括像DeepSeek、Llama、通義、Vidu等等第三方模型，客戶真正用得上、效果好的模型在千帆上都能找到，而且服務穩定、可靠，并且通過提供完整的工具鏈來幫助大家開發模型，為企業定制專精模型等。

再比如在應用開發平臺，企業可以基于零代碼/高代碼的方式，快速生成自身的Agent應用，并且完成一鍵部署，以及基于最新發布的數據智能平臺，通過多模態數據管理、多模態數據處理、彈性AI計算、統一在線協同開發四項核心能力，將企業把原本散落在各處的數據統一管理和治理，發掘數據的價值，實現數據變現并提升業務的決策效率。

在顯性的這些能力模塊之外，千帆的更大價值點還更在隱藏的“產業屬性”。“我們從最開始就一直和行業里的客戶共創行業解決方案，包括在不同產業、不同場景內該用怎樣的方式進行落地，以及如何精準落地發揮價值。”林小琳表示。

以考試寶為例，在百度智能云千帆的加持下，這家擁有6000萬用戶的成人教育平臺如今已經可以做到千人千面的教學輔助。根據考試寶CTO介紹，原來人工制作解析一道題成本平均1.5元，現在基于AI成本降低至3厘，整個內容生產效率較傳統人力模式提升了超1000倍。更結果側的一個數據是，在接入AI能力后，其產品營收迎來了大幅增長，產品付費率增長超過百分之百，營收增長更是超過240%。

這其中涉及到的不單純是模型側的調用，更包括一系列小參數模型生成、模型調優等等一系列工程落地服務。

實際上，不僅考試寶，也不僅教育，在金融、能源、汽車等多個最新嘗試AI落地的行業，都能頻繁看到千帆的身影。數據顯示，百度智能云是目前國內大模型項目中標最多的企業之一。

根據三方統計，2024年全年大模型中標項目共910個，在中標項目數、行業覆蓋數、央國企中標項目數這三個維度里百度智能云均為第一，此外，從行業來看，在能源、政務、金融這三個行業，百度智能云中標項目數也更是位于所有廠商第一。

這些廣泛的落地也恰構成著百度智能云對于大模型落地的深入理解，而這些理解的最直接能力轉化點正是千帆上的一系列模塊，比如模型蒸餾/精調、RAG能力、推理加速、Agent部署等等。

而這些真正的工程化模塊能力也恰構成了千帆在模型工具層的真實成績——截至2025年3月，百度智能云千帆企業客戶數量40萬+，百度智能云千帆企業應用開發數量100萬+，百度智能云千帆組件數量1000+。

從某種程度來看，這恰是一個先進AI服務和先進AI生產力的良性飛輪。即基于真實AI需求出發的產品構成和產品進化邏輯推動了千帆在AI工程落地能力上的持續成型，而這種工程能力的成型也反向構成著百度智能云在越來越多市場項目中的被選擇和被投票，進而再反向推動千帆內不同產品模塊的升級。

“我們其實不怎么談虛的事情，核心訴求就是幫助企業在TO B側用好大模型，真正能做到AI落地，和生態伙伴一起做好行業解決方案。”林小琳說道。

她還告訴我們，“百度智能云千帆始終秉持開放共贏的理念，我們深知在豐富的產業場景中需要與生態伙伴深度協同，打造更貼合行業需求的方案與服務，共同推進AI技術在產業端的創新落地“。

三、產業AI爆發潮里，

我們需要怎樣的基建角色？

在大模型發展3年時間的如今，一個必須思考的問題是，我們到底需要怎樣的產業AI平臺？或者說，在中國這個特殊的產業土壤上，到底怎樣的產業AI平臺可以成為真正的基建者和助力者？

客觀來看，百度智能云千帆正在提供一個答案。

即在這個如今仍然在加速迭代的答案里，能看到的是從真實產業需求到產品滿足的良性倒推，是對真實先進的AI技術的產業工程化拆解，是和一個個真實的大型企業不斷共建、共創的行業AI方案，也更是集合優質AI生態伙伴的共同發力，這些都在構成著千帆平臺上一個個具備真實AI落地能力加持的組件和解決方案。

如今，這個具備良性循環的AI工程平臺如今還在持續迭代。除了前文提到的在本次Create大會上發布的數據智能平臺之外，固有的模型開發平臺和應用開發平臺也被再次升級。

前者模型開發平臺更加多維開放，支持上百個模型服務；此外，新增多模態、深度思考模型工具鏈，并且成為國內首個把RFT、GRPO等領先強化學習方法產品化的平臺；“一鍵蒸餾”功能，讓企業客戶更方便地用小參數模型“學”到大參數模型，解決特定問題的推理能力，降低大模型的使用成本。

后者應用開發平臺則在Agent智能體側有更為亮眼的升級，比如在原來的Agent全流程服務之上，其邏輯推理、多模態、工具調用和多智能體協同能力再次升級，比如RAG能力升級為Agentic RAG，再比如在工具調用和多智能體協作上，其提供超過100個官方精品組件和1000+MCP組件，讓Agent可以像團隊一樣配合完成復雜任務。

此外，在最前沿的MCP協議側，千帆還在國內率先實現了MCP協議的全生態兼容，發布MCP組件廣場，企業可以基于自己的需求自行調用MCP組件，以更成熟的組件搭建自身的Agent產品。

這些升級共同傳遞出來的一個信號是，千帆正在加速把過去幾年百度智能云的產業實踐和技術積淀轉化為更可視、可用、可組合的模型、Agent等分子化能力，搭建出一個能讓企業更好落地AI大模型、打造自身AI體系的土壤環境。

關于百度，關于百度智能云，伴隨著AI大模型浪潮的帶來，外界一直以來的印象是“AI第一槍”、“先行者”、“領跑人”等等標簽，但在這些“速度”的定語底層，這家在每個時代都保持進化的互聯網巨頭還有另外一些表達，如扎實務實，如體系創新。

這些新的體系表達里對應的是把技術轉化為生產力的工程AI能力，對應的是在每個千帆平臺細小產品模塊上的對產業know-how表達的精益求精，也更是從需求到產品再到需求的系統進化飛輪。

這一切也恰構成了百度集團執行副總裁、百度智能云事業群總裁沈抖在這次大會上所說的那句話——系統的價值，不僅是解決某一個問題，而是讓企業擁有創造“創造的能力”。

奔跑800多天的千帆，恰在成為這句話的最佳側寫。