6月6日，由人民日报文化传媒、百度公司联合主办的2025智能经济论坛在人民日报社举行。会上，百度集团执行副总裁、百度智能云事业群总裁沈抖分享了百度智能云以全栈自主可控能力赋能企业创新和产业升级的实践与成果。
今天，越来越多的企业对大模型的需求，已经从最初的“提示词优化”进化到“更系统的智能体建设”。如何高效开发智能体应用，选哪个模型，用什么算力，成为企业的新挑战。
百度智能云深入产业实践，沉淀中国经验，打造从应用、模型到国产算力的“人工智能+”基础设施，已经服务65%的央企客户，同时也支撑着千行百业客户的AI创新。
沈抖表示，百度智能云会坚定投入，打造更先进、高效的人工智能基础设施，服务更多的中国企业，加快推动大模型产业化发展，释放更多场景价值。
百度集团执行副总裁、百度智能云事业群总裁沈抖
以下为演讲全文：
尊敬的各位领导，亲爱的朋友们，大家好！我给大家汇报一下我们最近经历的一些大模型和产业结合的进展。
近年来，基础模型持续迭代，AI产品体验不断优化，正在从“能用”走向“好用”。
越来越多的领先企业，坚定攻关大模型，在有些战略价值、经济效益和民生意义的高价值场景里面主动布局，持续突破。
这方面我们和很多客户做了很多有价值的探索，从最初大家最熟悉的提示词优化，走向更系统的智能体建设。
接下来，我跟大家分享一些工作进展和案例。
今天人民日报的头版右下角有一条消息，中国建成了全世界规模最大的互联网办电服务体系，这个意义重大。因为生活生产方方面面都离不开电。
电力公司每天都会接到大量的用电需求，尤其是企业级的需求，非常复杂。供电公司要编制非常完善的供电方案，工作量很大。
今天，我们发布：营销供电方案智能体。它可以帮助电力企业把这项工作变得更高效、更智能。
过去，在业务受理环节就要填报大量数据和资质证照，制定供电方案时常常要多个部门的工作人员上门现场勘察，很复杂。
今天看一下我们是怎么跟国网一块解决这个问题的。
用电企业通过国网APP发起对话以后，智能体首先通过意图识别确认办电需求，然后进行任务拆解和规划，将办电需求分配给用电类别、负荷性质等不同的专家模型，完成推理，并且填写工单不同字段。
通过多轮对话精准识别用户办电需求之后，智能体会自动生成多套供电方案，还能帮用户对比不同方案的优劣、做出最优选择。
图上就是实际办电过程中需要走过的流程，也是智能体背后处理的流程。从上面可以看到办电流程很复杂，远超一般的业务场景。
现在智能体能够全面掌握流程，准确调动行业知识和工具系统，实现企业办电流程的全面智能化，而且，这套流程、知识和工具，可以快速复制到更多的电网系统，企业更轻松，让用户更便利。
下面看一下出行。安全高效的出行肯定是所有人的愿望。然而路上各种突发情况，是我们不得不面对的现实。
今天我们发布：公路应急指挥智能体。
把处理突发情况交给智能体处理，可以实现事件预警准确率提升到95%以上；处置时间从1小时以上缩短至30分钟左右。
我们看下这个是怎么在河北京雄高速落地的。
屏幕上展示的，是一些典型的事件类型。
我们以异常停车来举例。
，时长00:55
进入京雄高速监控大厅，常规情况下，会由小模型做实时路侧监测。
如果小模型发现路上有车辆突然停下，会迅速把这个事件上报给大模型，然后交给大模型做进一步校验。
之所以需要大、小模型协作，是因为小模型可以快速从监控视频中抽好几百帧处理，做到实时的监测反馈，但它不能理解车辆复杂的连续运动，比如，堵车时，车辆走走停停，就会被小模型误判成“异常停车”。而大模型可以对完整的视频片段做语义理解，对事件的判断会更精准。
监控员确认执行后，智能体会自动发送情报板，联动养护、应急等部门推进处置流程。这个过程中，智能体会全程跟踪。
处理结束后，大模型还会自动生成事件处置报告，为后续同类工作提供有价值的参考。
出行的体验，除了安全高效，还希望多一些和家人共处的美好时光。
**今天，我们发布：**座舱大模型智能体。
它可以帮助车企打造更加智能、温暖的家庭出行体验。
在深蓝汽车S09这样的高端车型上，我们的座舱大模型智能体能为0到15岁的儿童和青少年提供一个专属学习娱乐空间。孩子可以在车里形成专属的绘本，进行情境化英语口语练习，还可以和虚拟卡通角色进行语音、视频互动。
我们也在和多家车企深化合作，研发面向不同用户群体的座舱智能解决方案，让每位家庭成员都能体会到出行的乐趣。
其实，科技的进步，归根结底都是为了让大家的生活更好一些。
而对于每个人来说，没有什么比健康更重要。
尤其是生病时，一定希望被快速接诊，尽快治疗。
过去，患者和医生见面前互相不了解，往往大专家都在看小病，真正有了疑难杂症又找不到大专家。好不容易挂了号，在门外排了半小时的队，进诊室之后，医生还要从头问一遍，“哪不舒适” “什么时候开始” “哪些病史”……
今天，我们发布：智慧就医智能体，它为这个场景提供新的解法。
通过自然语言对话，快速了解患者病情，生成结构化的电子病情卡。
在分导诊环节，医院可以为患者推荐合适的科室和医生；
在医院预约挂号环节，医生可以用它辅助审核加号申请；
在问诊阶段，医生也可以通过它快速了解患者病情，辅助生成病例，大幅提高接诊效率。
接下来，我们以“加号审核”场景为例，看看这个智能体在武汉协和医院的应用效果。
，时长00:51
打开武汉协和AI导诊的界面，点击“帮我预约”。
智能体会核对患者的身份，主动询问病情，确认就诊的目的。
患者可以上传自己的病历报告。智能体就能识别文本、图片这些多模态内容。
智能体会根据这些材料问一些问题。比如，它会追问肿块是不是增大，是不是呼吸困难，引导患者提供更多的病情信息。
最后，智能体汇总刚才全部的信息，自动生成病情卡。这时候点击“立即加号”以后，医生就可以收到病情卡、确认加号。
“绿水青山就是金山银山 ”。
环境保护是非常重要的工作，AI正在让生态环境的监测和治理变得可感、可行。
环境监测，要综合考虑大气、土壤、水温等方方面面，并不容易。单就水质监测来讲，国家级水质监测站将近2000多个，仅中国环境检测总站涉及水环境的业务系统，就有7个。要分析某一个地方的水污染情况，需要专人跨越好几个业务系统去翻查大量数据、统计分析，非常辛苦。
今天，我们发布：生态环境监测智能体。
它可以基于大小模型能力，实时监测水质**、大气****、土壤等多维数据，秒级生成环境质量分析报告，为****环保部门、相关企业提供参考。**
这个智能体，现在在中国环境检测总站落地。在多个场景下，现在回答准确率能超过95%。
我们来看一下。
，时长01:01
进入“生态环境监测智能助手”，
这个智能体打通了各级数据库，能够实时监测、分析全国环境质量。这时候我们可以下钻，问它具体月份的污染情况，或者让它做城市级别的环境分析。
如果监测到异常情况，端侧小模型会对冒泡点位标记预警，你可以追问点位的情况。
比如，你可以问它6月19日四个点位报警的原因，智能体就会结合小模型监测的PM值，推理出污染浓度变化趋势。如果继续追问污染的原因，它会结合附近站点的多维度数据，和周边地区的火点情况，推理出污染的原因。比如是前一天晚上当地的秸秆焚烧。
最后您可以让它生成一份报告，智能体内置了报告生成的标准工作流程，生成的报告质量还是很高的，过去一个团队甚至几个团队做的事，现在由一个智能体就能完成。
刚才一口气给大家介绍了好几个智能体，已经针对行业场景做了深度优化，内置了特定的大小模型、行业知识、行业标准流程和常用工具，对同行业的客户具有一定的通用性。
**今天，我把它们****作为百度智能云精选行业智能体家族推荐给大家。**感兴趣的伙伴只需要对它们做一些轻量定制，就可以把这些能力快速嵌入到自己的系统当中。
在我们和很多客户的实践中，“轻量定制”的行业智能体，正在成为大模型产业落地的捷径。
未来，我们还会沉淀更多的行业智能体，赋能更多的业务场景。
另外也有不少客户，在用过之后，希望进一步打造更贴合自身业务的智能体。这时候，就需要从轻量定制，走向系统化构建。这时候就要复杂一些。
我们面临三个问题，怎么开发、选什么模型、用什么算力。这也是百度智能云给大家提供的全栈能力，接下来我快速就开发平台、模型和算力三层给大家汇报一下最新的进展。
开发层有千帆平台，可以给大家提供一个智能体工厂，帮助大家快速开发智能体、构建智能体生态。
在千帆上，您可以：
直接使用百度提供的成熟的智能体， 比如刚才提到的行业智能体，以及像智能客服这样的通用智能体；
未来，您还可以通过A2A等协议，调用更多内外部的智能体，打通跨组织的业务流程；
您也可以开发自己的智能体，通过MCP等协议，连接企业内外部的服务，建设自己的超级智能体。
在智能体搭建过程中，为了提升智能体的效果，您可以在千帆上灵活的选择各种底层模型，还可以根据用户反馈来精调这些模型，不断提升智能体的用户体验，形成数据飞轮。
当然很多时候我们不仅需要在公有云上用智能体，还需要把智能体放在自己企业环境里面。我们也提供千帆私有化部署方式。大家第一反应，大模型快速发展，私有化部署怎么跟得上行业发展？其实这里的“私有化”更像是“私有化订阅制”：每当有新的模型、新的技术出来，我们会推送到您的企业系统上，让您的系统始终和行业保持同步、与前沿技术相连，变得可成长、可进化。
有出色的开发平台，还需要出色的模型。
今年4月我们发布了两个旗舰模型，一是文心4.5 Turbo，二是文心X1 Turbo推理模型。
文心4.5 Turbo的多模态理解效果比以往提高30%，在多个测试集上超越了OpenAI的最新模型GPT-4.1，价格只有GTP-4.1的6%、DeepSeek V3价格的40%。
接下来大家看一个演示，看一下多模态理解能力。
矿山里面作业人员驾驶掘进机的时候会出现视线盲区。误闯人员进来很危险，需要及时预警。
如图显示就是一个典型情况，上面有两位工人。第一个红框里，是一位正在驾驶掘进机的正常作业人员。第二个红框里，有一位工人出现在掘进机旁边，机器运行时没有及时避让，属于违规行为，算是“误闯”。
我们测一下文心。
，时长00:48
进入文心以后，选择4.5 Turbo。
然后提问：根据矿山作业安全要求，对图像进行分析，判断是否有作业人员误闯？
可以看到，文心首先识别出这是矿山作业场景。正确推理出左下角是误闯人员。而对于掘进机上面正常作业的人员，并没有预警。
这说明它理解了场景以及人和掘进机的关系，体现了强大的多模态理解能力。
另外就是文心****X1 Turbo，是推理模型里面的代表，价格只有DS R1的四分之一。
我们来看下它的效果。
这次我们选一个预算管控的场景。因为涉及到多个部门的大量数据，财务人员做一次分析往往需要花半天的时间。
大屏幕上展示的，是一家制造业公司5月份五个部门的成本预算数据。每张表中，都列出了各类费用的预算金额和实际支出。现在，我们要对比两组数据，找出偏差值超过正负3%的费用项。花超了，成本会失控；花少了，说明资源没用到位。都要及时改进。
我们看文心X1 Turbo，能不能快速完成这个任务。
，时长00:42
首先进入文心一言，选择X1 Turbo。
我们先把刚才的表格上传上去。
我们告诉文心，根据附件，帮助完成5月份公司成本预算管理分析。要找到差值超过3%的费用项，并结合同类企业的经营情况，给出总结报告。
可以看到X1 Turbo在理解任务后，开始做任务拆解；利用代码解释器，计算各部门差异率，汇总差额超过3%的费用项；接着还调用联网搜索工具，找同类企业经营情况。找完之后，再给出预算管理优化意见；最后会汇总结果，生成报告。
我们打开看一下这个报告。
它已经找出了所有差异率超过3%的所有费用项，比如，行政部的租赁费超了9.9%。
然后它会结合搜索的情况，推理出：要控制租赁费，需要关注市场的租金波动，提前谈续租条款。
最后，它建议行政部门建立租赁费预警机制，定期评估办公地点的利用率。可以说，大模型数据准确，条理清晰，很快完成我们的目标。
今天，大模型技术还在快速迭代，百度也会继续投入，不断去把模型的效果做得更强。
即使在这种情况下，我们在和客户一块合作时，发现通用模型到了真正具体的场景，还是达不到预期。
拿金融行业来说，金融对大模型的要求非常高：知识面广、时效性强，而且对大模型准确率和幻觉率都有非常严格的要求。通用模型因为缺乏专门金融语料的训练，很难精准回答，通常会出现幻觉。
更重要的是，真正有价值的金融数据，大多掌握在金融机构手里。金融机构这时候如果要来拿这些数据做精调，面临两个问题，一般大模型参数规模比较大，精调成本比较高；精调完了，而且部署成本也很高。
这时候行业大模型就很值得关注。
大模型厂商基于行业语料做“懂业务、更专业”的行业大模型。通常这种模型，在参数比较小的情况，可以达到更大参数规模通用模型的效果。
企业可以在参数相对小的模型上定制，提高效果、降低成本。
今天，我们以金融行业为试点，正式推出千帆金融行业大模型，叫千帆慧****金！
我们在通用模型的基础之上，收集了大量的研报、财报及专业的书籍，对这些海量的金融数据进行清洗、挖掘，整理出数百亿tokens高质量金融领域语料，同时做了指令对齐、知识增强、训练、推理等一系列优化，打造千帆慧金金融知识增强大模型
一般模型分知识模型和推理模型。提高了金融知识模型以后，我们还针对行业复杂计算任务进一步优化思维链路，研发了千帆慧金金融推理增强大模型。
不管是知识模型，还是推理模型，都提供了两个版本，8B版本响应快、易部署，适用于意图识别、指标抽取等对速度要求高、任务相对明确的场景。70B大参数版本更适合处理投研辅助、策略分这样的复杂推理、多轮任务规划的问题。
每个模型上都可以支持32K的窗口，满足绝大多数的场景。
可以看到，在金融领域几个常用的评测集上，增强后的两个模型都已经超过了参数比它大很多的行业模型、通用模型效果。
千帆慧金是针对金融行业的，感兴趣的客户可以上千帆试一下。
这只是一个起点，也是我们在行业探索的经验。我们还会根据行业的需求，不断推出更多垂直行业场景的模型。
现在，千帆提供超过****100个模型服务，**大家可以根据自己的需要灵活的选择。**
刚才讲了，为了做出好的智能体、好的应用，需要好的开发工具，好的模型。最后还有一个很关键的问题，就是算力。我们都知道，当下我们面临非常严峻的算力挑战。
好在过去几年中国半导体产业走的虽然很不容易，但是还是取得不少的进展。百度很荣幸参与其中，也做出了一些贡献。
我简单给大家汇报我们的芯片昆仑芯的进展。
昆仑芯P800是一款真正意义上为大模型而设计的芯片，它采用了完全由昆仑芯自研的XPU-P架构，显存远超同类芯片。CUDA上能跑的大模型，P800都可以跑，迁移成本非常低。
今年****2月，我们点亮了P800的万卡集群，4月点亮了3万卡。在这么大的规模上采用昆仑芯P800和海光CPU这样的全国产方案，属于国内首个。
现在，国家电网、中国钢研、招商银行，以及北大、同济等高校和互联网企业已经开始规模部署P800。
昆仑芯不仅性能强大，还有很强的扩展能力。
4月，我们在武汉发布了昆仑芯超节点，就是把64张AI加速卡塞进一个机柜。这一台机柜的算力，相当于过去上百台服务器。这样一个超节点最大的优势是各种机房环境下都可以部署。即便是传统的风冷机房也可以直接部署，不用做太多的基础改造，其它超机必须搞成液冷环境才能使用。
AI芯片非常敏感，随着集群规模扩展，故障率一定会快速增长，对于整个业务影响是指数级的。这就要求，在硬件之上，还必须有一层好的软件管理系统，保证集群的稳定运行。
百舸，是我们推出一款GPU算力管理平台，可以对所有的底层硬件进行统一的纳管、调度，在超大规模节点上有效训练时长也可以超过95%。
这些能力已经在一些客户、伙伴中真正跑起来了。
比如说南方电网。在实际部署测试中，国产昆仑芯P800性能表现不错，帮助客户在大模型训练上显著降低了成本。结合百舸的工程经验，训练性能达到行业领先水平。
当然，算力平台的价值不只是性能，更重要的是灵活。出于供应链的稳定性和弹性的考虑，大多数客户不会只绑定单一芯片，会考虑一云多芯。
百舸适配多款国内外主流芯片，满足中国企业在不同算力架构下的部署需求。
百舸不仅向下兼容各种芯片、屏蔽底层差异，向上也适配了各种主流的大模型框架，支持包括DeepSeek在内的国产开源模型的训练和推理。
使用百舸**+昆仑芯方案，单卡吞吐性能相比国内主流芯片方案可以高出90%；大规模、高并发模型推理速度可以提高****40%+。**
我们和长安共建的长安汽车智算中心，依靠百舸平台以及客户自研的“星环平台”。集群平均算力使用率可以到90%；综合资源利用率提升50%。
我们希望，百舸能为更多的中国企业提供稳定可靠的国产算力支撑，让大家放心使用国产芯片、跑国产模型！
这就是百度智能云人工智能全栈基础设施。
现在，这套覆盖算力、模型开发、应用开发、数据管理的一整套系统化服务，已经服务了****65%的央企客户和广大企业的AI创新。
有人说，“想象未来最好的方式就是去创造它。”
模型能力和工程能力的持续进化、算力成本的不断降低，会为企业打开想象空间，让很多原来做不了的事儿变得可行，从“不可能”变成“可能”。
大屏幕展示的，是我们正在和客户、伙伴共创、共建的重点场景。这不是一张规划图，是一张行动图。每一个场景背后，都是正在推进的AI实践，是大模型走进产业的中国经验。
这是一场长期的接力。我们会坚定投入，打造更先进、高效的人工智能基础设施，服务更多的中国企业，加快推动大模型产业化发展，释放更多场景价值。
