原創(chuàng) | 文BFT機器人

核心觀點

3 月 16 日，百度正式發(fā)布了文心一言，能夠與人對話互動，回答問題，協(xié)助創(chuàng)作。

• 一些 NLP 人機對話中基礎(chǔ)的問答、總結(jié)、推理、創(chuàng)作能力基本具備；?

  
  

• 部分特定場景的中文理解可能超過了 GPT；

  
  

• 具備了初步的數(shù)理邏輯能力；

  
  

• 有特色的多模態(tài)生成能力，某幾個功能點很實用。

  
  

但同時，相比 GPT4 功能文心一言仍有較大差距，目前水平約在 GPT3 左右。

發(fā)布會中有部分體現(xiàn)大模型強大指出的核心功能尚未充分展示。包括多輪對話、代碼能力、長文本理解等 GPT-4 具有的能力，文心一言未進(jìn)行展示。同時目前文心一言仍未全面公測，企業(yè)和個人用戶可以在官網(wǎng)申請邀請后試用。

整體來看，文心一言展示出的水平符合我們預(yù)期。

即從參數(shù)量、迭代路徑看，國內(nèi) NLP大模型水平介于 BERT 和 GPT-3 之間，與海外差距在 2-3 年。2021 年 GPT-3 推出時，代碼、長文本、語境等能力也較弱。在此后 1 年中，OPEN AI 快速迭代增加了 codex、RLHF 等嘗試，并繼續(xù)優(yōu)化了 PPO，在 2022 年推出 instructGPT，其后能力才出現(xiàn)較大提升。本文認(rèn)為百度文心已經(jīng)初步具備 LLM 底座，期待后續(xù)迭代。

技術(shù)上，本文分析了百度 NLP 大模型 ERNIE 1.0-3.0 迭代。優(yōu)勢總結(jié)如下：

• ERNIE 1.0到 3.0 完整迭代，截至 3.0 已是相對可用狀態(tài)，3.0 模型結(jié)構(gòu)便于下游二次開發(fā)部署；

• 強大的百度內(nèi)部特色中文語料庫；

• 基于 BERT 結(jié)構(gòu)基礎(chǔ)加上了知識圖譜等特色功能，在部分規(guī)則訓(xùn)練場景有更好可控性；

• 國內(nèi)領(lǐng)先的開源 AI 訓(xùn)練框架，較強的算力基礎(chǔ)設(shè)施。

  
  

但同時，我們也看到現(xiàn)階段 ERNIE 底座的一些不足：

• 模型結(jié)構(gòu)仍然基于 BERT，但目前海外巨頭主流結(jié)構(gòu)轉(zhuǎn)變?yōu)?GPT 為代表的 decoder-only，未來百度是否會在模型結(jié)構(gòu)上繼續(xù)迭代？

• 根據(jù) 3 月 16 日百度文心一言發(fā)布會，目前百度在 Prompt 和 RLHF 已經(jīng)掌握方法論，但實際訓(xùn)練量仍然有待提升；

• 百度都使用了有特色是知識圖譜訓(xùn)練，這一方式可以有效降低訓(xùn)練模型所需要消耗的算力。但當(dāng)大語言模型達(dá)到千億或者更高參數(shù)級別時，似乎自然具備了知識圖譜訓(xùn)練下的能力。

• ERNIE 使用了百度內(nèi)部特色中文數(shù)據(jù)，提升模型中文能力。但是百度體系內(nèi)高質(zhì)量語料庫相比龐大的英文互聯(lián)網(wǎng)語料庫仍然不足。

計算機行業(yè)：建議重點關(guān)注跨模態(tài)應(yīng)用，包括多模態(tài)應(yīng)用

• 文生圖：虹軟科技（基于stable diffusion 的多種 2B 圖像應(yīng)用）、新國都、中科創(chuàng)達(dá)（移動端文生圖工具部署）；

• 機器人：三花智控等；

• 其他應(yīng)用：潤達(dá)醫(yī)療（申萬醫(yī)藥、醫(yī)療診斷 AI）、福昕軟件、萬興科技；視頻、圖像、文本素材：大華股份（工業(yè)場景視頻素材和標(biāo)注），AI 領(lǐng)軍、當(dāng)虹科技；視覺和跨模態(tài)算法：商湯（港股）、云從科技、科大訊飛。

  
  

百度“文心”大模型：純 NLP 能力國內(nèi)領(lǐng)先，跨模態(tài)也有較多布局。

應(yīng)用場景涵蓋：NLP 大模型、CV?大模型、跨模態(tài)大模型、生物計算大模型、行業(yè)大模型。API 包括了：

• ERNIE3.0 文本理解與創(chuàng)作：預(yù)置作文生成、文案創(chuàng)作、情感分析等任務(wù)提示；

• ERNIE-ViLGAI 作畫大模型；

• PLATO 大模型開放域?qū)υ挿?wù)。

  
  

01

從 NLP 基礎(chǔ)底座 ERNIE 看文心一言核心能力NLP 是百度能力核心，也是本次文心一言的基礎(chǔ)。目前百度已有多個針對不同任務(wù)的優(yōu)化預(yù)訓(xùn)練模型：

• ERNIE 3.0：具備語言理解能力以及寫小說、歌詞、詩歌、對聯(lián)等文學(xué)創(chuàng)作能力；

• ERNIE 3.0 Zeus：基于知識增強的千億模型；

• 鵬城-百度·文心：參數(shù)規(guī)模達(dá)到 2600 億的知識增強大模型；

• ERNIE 3.0-Tiny：首個基于多任務(wù)知識注入的下游無關(guān)蒸餾模型。

  
  

此外，百度 NLP 大模型有大量下游應(yīng)用。

包括醫(yī)療、金融、跨語言、代碼、搜索等領(lǐng)域都有布局。百度 NLP 核心能力是 ERNIE 大模型，類似 GPT 之于 open AI。

特點是基于知識圖譜強化，基于中文訓(xùn)練。另外需要關(guān)注百度在模型結(jié)構(gòu)上的選擇、和對于是否人類反饋（prompt 和 RLHF）的選擇，以及百度使用的中文語料庫高質(zhì)量數(shù)據(jù)是否足夠。

NLP大模型 ERNIE 2019年開始多輪迭代，起點是 2019年的1.0，受到google BERT的較大啟發(fā)。ERNIE 1.0 1 在 2019 年 4 月推出，模型結(jié)構(gòu)基于 BERT 模型的進(jìn)一步優(yōu)化，在中文的 NLP 任務(wù)上得到了當(dāng)時較好的結(jié)果。

ERNIE1.0 選擇的模型結(jié)構(gòu)是類似 BERT 的 encoder-only。ERNIE 1.0 類似 BERT，使用了多層編碼器結(jié)構(gòu)的 transformer，模型大小也與 BERT 相同，12 個編碼器層，768個隱單元，12 個注意力頭（12 encoder layers, 768 hidden units and 12 attention heads）。

但這一結(jié)構(gòu)區(qū)別于GPT，且目前 google 也開始從 encoder-only 過渡到encoder-decoder 再到 decoder-only，所以后續(xù)百度是否仍然沿用這一模型結(jié)構(gòu)迭代，值得關(guān)注。

• 此前在 2018-2021 年，谷歌路線為 encoder-only （ 只 有 編 碼 器 ）或encoder-decoder（編碼解碼器），而同一時期，Open AI一直基于 decoder-only（只有解碼器）路線迭代自己的 AGI 生成式大模型。

• 直到 2021 年 10 月，Google 推出 FLAN（1370 億參數(shù)），并從此開始重新轉(zhuǎn)向只有 decoder-only 模型，還提出了 ChatGPT 用到的 Instruction Tuning 概念。2023 年Google 的最新跨模態(tài)大模型 palm-e 在 NLP 部分也使用了 decoder-only 結(jié)構(gòu)。

• 即中間有約 20 個月時間，Google 并未使用 decoder-only 結(jié)構(gòu)，部分 AI 學(xué)者認(rèn)為這是 Google 在 AGI 產(chǎn)品上暫時落后于 Open AI 的原因之一。區(qū)別于 BERT 的特在在于“先驗知識”和“異構(gòu)數(shù)據(jù)整合”。

  
  

特點一：ERNIE 1.0 區(qū)別于 BERT，在 mask 上采取不同做法，特點是“先驗知識”的學(xué)習(xí)。

在絕大多數(shù)的研究中，僅僅通過上下文來預(yù)測丟失的單詞并對其進(jìn)行建模。這些模型沒有考慮句子中的先驗知識。如下圖案例，在句子“哈利·波特是由羅琳（J. K. Rowling）創(chuàng)作的一系列幻想小說”中。哈利·波特（Harry Potter）是小說的名字，而羅琳（J. K.Rowling）是作家。

BERT 可以通過實體內(nèi)部的單詞搭配來預(yù)測實體 Harry Potter 的缺失單詞，而無需借助較長的上下文。

ERNIE 則假設(shè)如果模型學(xué)習(xí)更多有關(guān)先驗知識的信息，則該模型可以獲得更可靠的語言表示。ERNIE 不是直接添加知識嵌入（knowledge embedding），而是隱式地學(xué)習(xí)有關(guān)知識和較長語義依賴性的信息，例如實體之間的關(guān)系，實體的屬性和事件的類型，以指導(dǎo)單詞嵌入學(xué)習(xí)。

特點二：采用百度內(nèi)部的異構(gòu)語料庫進(jìn)行預(yù)訓(xùn)練。

收集百度貼吧、百度新聞、百度百科的混合語料，其中百度百科包含以正式語言撰寫的文章，是模型訓(xùn)練的強大基礎(chǔ)；百度新聞提供了最新的電影名、演員名、球隊名等；百度貼吧中的每個帖子可以看作是對話，被用于 DLM 任務(wù)。

ERNIE 1.0 做到在多項中文任務(wù)上優(yōu)于 BERT。且通過消融研究(Ablation Studies)證實，知識整合和對異構(gòu)數(shù)據(jù)的預(yù)訓(xùn)練都能使模型獲得更好的語言表示。

繼續(xù)迭代，目前版本 ERNIE 3.0 已在中文任務(wù)上取得較好效果。

2019 年 7 月百度推出 ERNIE 2.0 4 ，該框架通過不斷的多任務(wù)學(xué)習(xí)來逐步構(gòu)建和學(xué)習(xí)預(yù)訓(xùn)練任務(wù)，最大限度地從訓(xùn)練語料庫中提取詞匯、句法和語義信息。2021 年 7 最新大版本是 ERNIE 3.0 5 。

特點一：模型結(jié)構(gòu)多層框架

ERNIE 3.0 在模型結(jié)構(gòu)上的思路渭：NLP 不同任務(wù)范式對底層特征提取要求一致，但對頂層具體特征要求不一致，其中 NLP 學(xué)習(xí)語義連貫性，而自然語言 NLP 生成則期望進(jìn)一步的語境信息。

如下圖，ERNIE 3.0 不同的任務(wù)范式能夠共享在一個共享網(wǎng)絡(luò)中學(xué)習(xí)的底層抽象特征，并分別利用在他們自己的特定任務(wù)網(wǎng)絡(luò)中學(xué)習(xí)的特定任務(wù)頂層具體特征。

該框架還支持隨時引入各種定制任務(wù)，因此可以更好的支持下游二次開發(fā)。當(dāng)給定一個新任務(wù)時，ERNIE3.0 框架可以根據(jù)以前的訓(xùn)練參數(shù)逐步訓(xùn)練分布式表征，而不需要從頭開始訓(xùn)練。

特點二：大規(guī)模知識圖譜學(xué)習(xí)，通用知識-文本預(yù)測（UKTP）任務(wù)

百度 ERINE 3.0 認(rèn)為，google T5 和 open ai GPT-3 盡管很成功，但是在沒有引入語言知識和世界知識的情況下對普通文本進(jìn)行訓(xùn)練的。為了解決這一個問題，ERNIE 3.0 在一個由普通文本和大規(guī)模知識圖譜組成的 4TB 語料庫上用 100 億個參數(shù)訓(xùn)練該模型。

百度構(gòu)建中文文本語料庫，存儲量達(dá) 4TB，分 11 個不同類別。語料庫包含 ERNIE 2.0（包括百科、Feed 等）、百度搜索（包括百家號、知乎、貼吧、經(jīng)驗）、網(wǎng)絡(luò)文本、QA-long、QA-short、Poetry 2&Couplet 3、醫(yī)療、法律、金融等領(lǐng)域的特定數(shù)據(jù)以及百度知識圖譜（超過 5000 萬條事實）。

特點三：既有有監(jiān)督的微調(diào)（fine-tuning），也有零樣本、少樣本學(xué)習(xí)。

在數(shù)學(xué)、翻譯等任務(wù)中使用了微調(diào)。在中文新聞分類、語義相似度等任務(wù)中零樣本學(xué)習(xí)，也取得較好效果。最終經(jīng)驗結(jié)果表明，該模型在 54 個中文 NLP 任務(wù)上的表現(xiàn)優(yōu)于最先進(jìn)的模型，其英文版本在SuperGLUE 基準(zhǔn)測試中獲得第一名，比人類表現(xiàn)高出0.8%（90.6%對89.8%）。

百度底座的其他優(yōu)勢，paddlapaddle 國內(nèi)第一個開源神經(jīng)網(wǎng)絡(luò)框架。2016 年 8 月，百度在 Github 上 100%開源內(nèi)部使用多年的深度學(xué)習(xí)平臺 PaddlePaddle。paddlepaddle 中文環(huán)境下較多的優(yōu)勢：

• 能夠應(yīng)用于自然語言處理、圖像識別、推薦引擎等多個領(lǐng)域，其優(yōu)勢在于開放的多個領(lǐng)先的預(yù)訓(xùn)練中文模型，適應(yīng)中文環(huán)境。

• 模型庫豐富，來自百度各個業(yè)務(wù)部門貢獻(xiàn)；

• 較多企業(yè)級的包，可以直接在產(chǎn)業(yè)界落地使用；

• 兼容大量國產(chǎn) AI 芯片。

超大規(guī)模集群分布式計算能力。

paddlepaddle 設(shè)計研發(fā)了具備更強擴展能力的端到端自適應(yīng)大規(guī)模分布式訓(xùn)練架構(gòu) 6 。該架構(gòu)可以針對不同的模型和硬件，抽象成統(tǒng)一的分布式計算視圖和資源視圖，并通過硬件感知細(xì)粒度切分和映射功能，搜索出最優(yōu)的模型切分和硬件組合策略，將模型參數(shù)、梯度、優(yōu)化狀態(tài)按照最優(yōu)策略分配到不同的計算卡上，達(dá)到節(jié)省存儲、負(fù)載均衡、提升訓(xùn)練性能的目的。

國內(nèi)領(lǐng)先的算力底座。在此前文心一言的壓力測試中，亞洲目前最大的單體智算中心山西陽泉百度智算中心，已經(jīng)將算力提升到每秒可以完成 400 億億次浮點運算。總結(jié)百度在 NLP 大模型上走出了特色道路，并且毫無疑問是國內(nèi)第一梯隊水平，優(yōu)勢總結(jié)如下：

• ERNIE 1.0 到 3.0 完整迭代，截至 3.0 已是相對可用狀態(tài)，3.0 模型結(jié)構(gòu)便于下游二次開發(fā)部署；

• 強大的百度內(nèi)部特色中文語料庫；

• 基于 BERT 結(jié)構(gòu)基礎(chǔ)加上了知識圖譜等特色功能，在部分規(guī)則訓(xùn)練場景有更好可控性；

• 國內(nèi)領(lǐng)先的開源 AI 訓(xùn)練框架，較強的算力基礎(chǔ)設(shè)施。

但同時，我們也看到現(xiàn)階段 ERNIE 底座的一些不足：

• 模型結(jié)構(gòu)上仍然基于 BERT，但目前海外巨頭主流結(jié)構(gòu)轉(zhuǎn)變?yōu)?GPT 為代表的decoder-only，未來百度是否會在模型結(jié)構(gòu)上繼續(xù)迭代？

• 截至 3.0，百度仍然使用 fine-tuning 等傳統(tǒng)方法對細(xì)分任務(wù)微調(diào)。而國際常見做法是 Prompt 或者 RLHF（人類反饋強化學(xué)習(xí)）。根據(jù) 3 月 16 日百度文心一言發(fā)布會，目前百度在后者已經(jīng)掌握方法論，但實際訓(xùn)練量仍然有待提升；

• 從 1.0 到 3.0，百度都使用了有特色是知識圖譜訓(xùn)練，這一方式可以有效降低訓(xùn)練模型所需要消耗的算力（3 月 16 日文心一言發(fā)布會也提到了這一特點）。但當(dāng)大語言模型達(dá)到千億或者更高參數(shù)級別時，似乎自然具備了知識圖譜訓(xùn)練下的能力。是否“暴力出奇跡”才是 AI 大預(yù)言模型的最終答案？

• 百度 ERNIE 使用了百度內(nèi)部特色中文數(shù)據(jù)，提升模型中文能力。但是是否百度體系內(nèi)高質(zhì)量語料庫相比龐大的英文互聯(lián)網(wǎng)語料庫仍然不足？

  
  

盡管有以上不足，我們?nèi)匀徽J(rèn)為百度在 NLP 能力上屬于國內(nèi)第一梯隊，也期待后續(xù)模型的進(jìn)一步迭代提升。

02

如何看待百度文心一言發(fā)布

3 月 16 日，百度文心一言正式發(fā)布，發(fā)布會上百度展示了多項能力。本文認(rèn)為：一些?NLP 人機對話中基礎(chǔ)的問答、總結(jié)、推理、創(chuàng)作能力基本具備。

文學(xué)創(chuàng)作：總結(jié)和推理能力。

文言一心可以以問答式方式文學(xué)作品作者的詳細(xì)信息，總結(jié)概括文學(xué)作品的主要內(nèi)容，并可以連貫生成如何嘗試?yán)m(xù)寫《三體》。該 AI 采用了知識增強和檢索增強技術(shù)，在訓(xùn)練過程中采用了 5500 億知識圖譜數(shù)據(jù)。

商業(yè)文案創(chuàng)作：表達(dá)和創(chuàng)作能力。

文言一心可以智能的給公司起名，提供公司的服務(wù)Slogan，可以根據(jù)具體需求創(chuàng)造數(shù)百字的新聞稿。創(chuàng)作基本連貫清晰，理解了提問者意圖。

部分特定場景的中文理解可能超過了 GPT。

發(fā)布會上展示了根據(jù)成語的白話理解反推詢問的成語，用成語寫藏頭詩。

具備了初步的數(shù)理邏輯能力。

數(shù)學(xué)問題一直被認(rèn)為是 nlp 是否具有初級邏輯能力的考查標(biāo)準(zhǔn)。發(fā)布會中示范了一個簡單數(shù)學(xué)題，文心一言答案展示了部分思維鏈（chain ofthought）能力。

有特色的多模態(tài)生成能力，某幾個功能點很實用。

一心特色功能是對話中直接文生圖，根據(jù)一段簡單的文字生成視頻（可以在百家號中使用），根據(jù)內(nèi)容生成粵語、東北話、閩南話等相關(guān)方言的語音。以上跨模態(tài)功能是目前 GPT-4 未整合的。

但同時，我們認(rèn)為發(fā)布會中有部分體現(xiàn)大模型強大指出的核心功能尚未充分展示。包括多輪對話、代碼能力、長文本理解等 GPT-4 具有的能力，文心一言未進(jìn)行展示。

03

文心一言商業(yè)化：拉動百度搜索、小度、智能駕駛和云，賦能傳媒、軟件、金融等行業(yè)百度披露更多商業(yè)機會。

一方面，與現(xiàn)有的搜索、小度、智能駕駛、云、投資公司愛奇藝等業(yè)務(wù)結(jié)合，提升入口流量價值和云的份額；另一方面，文心一言通過牽手合作伙伴，建立產(chǎn)業(yè)生態(tài)，相關(guān)接入公司為 AI 提供落地場景，也有望借助 AI 提升運營效率或產(chǎn)品體驗，尤其是在內(nèi)容（文本、影視、游戲、營銷等）生成、數(shù)字人、辦公、智能家居、金融等領(lǐng)域。

商業(yè)化-對內(nèi)：文心一言將與百度多項業(yè)務(wù)結(jié)合。

百度搜索，提供交互和聊天體驗；微軟證明了搜索引擎+類 GPT 產(chǎn)品是可行路線。2023年 2 月 8 日，微軟發(fā)布基于 ChatGPT 的新版 EDGE 瀏覽器和 Bing 搜索引擎，在提供傳統(tǒng)搜索內(nèi)容的同時，用戶可以與搜索引擎進(jìn)行對話交流，獲得更全面的答案，3 月 8 日微軟宣布，在超過百萬的新 Bing 預(yù)覽用戶推動之下，Bing 每日活躍用戶已突破 1 億。

同時，他還坦言：在新版 Bing 的數(shù)百萬活躍用戶中，有大約三分之一是新用戶。雖然 ChatGPT或減少搜索廣告的加載率，對于谷歌而言是個風(fēng)險，但對于份額原來不高的微軟 Bing 而言反而是一個提升流量入口地位的機會。

百度始終在中國搜索引擎市場占據(jù)龍頭地位，但近年來移動端站內(nèi)搜索對傳統(tǒng)的搜索引擎有分流，文心一言與搜索引擎的結(jié)合有望加強搜索的入口低位。百度的搜索份額保持在 70%-80%之間；PC 時代，搜索引擎是互聯(lián)網(wǎng)的流量入口，行業(yè)競爭格局相對穩(wěn)固。

但移動互聯(lián)網(wǎng)時代，流量分散在各互聯(lián)網(wǎng)巨頭的頭部 App 中，流量相對分散，且各個 App均積極布局移動端的站內(nèi)搜索分流 PC 端搜索和手機百度搜索量，尤其是抖音、微信的站內(nèi)搜索。

小度：

小度將融合“文心一言”的全面能力，提升小度與用戶進(jìn)行多輪對話的體驗，打造針對智能設(shè)備場景的人工智能模型“小度靈機”，并應(yīng)用到小度全系產(chǎn)品。小度科技原是百度旗下智能生活事業(yè)群組業(yè)務(wù)，后獨立融資，作為國內(nèi)市場規(guī)模最大的對話式人工智能操作系統(tǒng)和全球智能屏最大的出貨廠商，小度科技已發(fā)布多款小度人工智能產(chǎn)品，包括智能音箱、智能屏、智能耳機，以及語音車載支架、電視伴侶、智能燈泡、智能紅外遙控、智能按鈕等周邊產(chǎn)品，還擁有小度助手（DuerOS)，小度與諸多智能設(shè)備廠商建立合作。

自動駕駛&智能座艙：

文心一言背后大模型應(yīng)用至自動駕駛將加深車輛對復(fù)雜城市路況的理解；文心的智能語音能力將搭載到 Apollo 智艙系列產(chǎn)品，提升人車語音交互體驗。集度接入文心一言大模型后，文心一言的車企朋友圈不斷擴大，嵐圖、紅旗、長城、東風(fēng)日產(chǎn)、愛馳、零跑、吉利汽車、海馬汽車等近 10 家車企加入文心一言的朋友圈。

愛奇藝：

雙方共同探索將 AIGC 技術(shù)應(yīng)用于愛奇藝內(nèi)容搜索、內(nèi)容宣發(fā)、內(nèi)容創(chuàng)作工具、小說創(chuàng)作等業(yè)務(wù)。此次合作將把愛奇藝豐富的在線視頻娛樂資源與百度的前沿技術(shù)相結(jié)合，進(jìn)一步賦能愛奇藝，拓展其在影視內(nèi)容創(chuàng)意、制作效率、用戶體驗等方面的生產(chǎn)能力。長視頻具有項目周期長、人力密集型的特點，AI 有望提升內(nèi)容生產(chǎn)的工業(yè)化程度。

商業(yè)化-對外：

結(jié)合垂直領(lǐng)域 Know-how，實現(xiàn)垂直領(lǐng)域賦能。將通過百度智能云對外提供服務(wù)，目前已有各領(lǐng)多家企業(yè)進(jìn)入文心一言生態(tài)圈。涵蓋媒體內(nèi)容、智能設(shè)備、金融、汽車、軟件服務(wù)、智能家居等領(lǐng)域，涵蓋融媒體（游戲 營銷 影視 媒體）、智能設(shè)備、金融、汽車、軟件服務(wù)、數(shù)字人、金融等領(lǐng)域；其中融媒體類接入最多；包括傳媒上市公司藍(lán)色光標(biāo)、 風(fēng)語筑、愛奇藝、掌閱科技、華策影視、值得買、巨人網(wǎng)絡(luò)子公司世優(yōu)科技等。

百度云在 AI 領(lǐng)域已經(jīng)積累多年，對外服務(wù)加速，將打開智能云業(yè)務(wù)收入及利潤空間。

2022 年，百度智能云推出“云 智一體 3.0”架構(gòu)，涵蓋底層的芯片（昆侖芯片）-深度學(xué)習(xí)框架（飛槳 PaddlePaddle）-大模型（文心大模型）-應(yīng)用（搜索等）。

中國 AI 公有云服務(wù)市場增速均高于中國整體 AI 軟件市場的增速，主要玩家包括百度云，阿里云，華為云和騰訊云等，百度智能云連續(xù)四年居第一，并且在人臉人體、圖像視頻兩個規(guī)模最大的子市場繼續(xù)保持第一，百度云今年對百度的業(yè)務(wù)貢獻(xiàn)在增加。

百度核心非在線營銷收入保持正增長；通過復(fù)用標(biāo)準(zhǔn)化解決方案以及從低利潤率項目中轉(zhuǎn)移，百度智能云利潤率持續(xù)優(yōu)化，22Q4 利潤率提升。

展望后續(xù)，隨著文心一言加速對外服務(wù)，智能云有望從提供基礎(chǔ)的算力、存儲等業(yè)務(wù)向智能服務(wù)轉(zhuǎn)型，打開收入及利潤空間。

更多精彩內(nèi)容請關(guān)注公眾號：BFT機器人

本文為原創(chuàng)文章，版權(quán)歸BFT機器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時回應(yīng)。