李彦宏于百度内部交流时，披露了外界对大模型认知的显著误区。当前，大模型如百花齐放，各路英雄豪杰皆声称自家技艺独步天下，更有甚者，直言“堆砌参数即可超越GPT4”，仿佛技术壁垒已成过往。然而，现实远比这复杂！李彦宏指出，视大模型门槛为虚无，实乃一大误解。多数模型仅在特定指标上大肆宣扬，却忽视了用户体验的全面提升。随着大模型的不断进化，不同模型之间的差距非但没有缩小，反而在逐渐拉大。更有趣的是，有论调认为，开源模型正悄无声息地侵蚀闭源模型的领地，预示着将重塑百度、OpenAI等闭源大模型公司的商业格局。然而，李彦宏强调，在实际应用与商业化进程中，开源模型的局限性逐渐显现。

在大模型的浪潮中，李彦宏揭示了外界认知与现实之间的鸿沟。他强调，大模型的门槛并非消失，而是多数模型在追求单项指标的卓越时，忽略了用户体验的整体提升。随着技术的演进，不同大模型之间的差异不仅没有减少，反而在某些领域更加明显。开源模型虽然在某些方面展现出潜力，但在大规模应用和商业实践中，其局限性不容忽视，与闭源模型的差距依旧存在。数字经济应用实践专家骆仁童博士表示，AI大模型的竞争没有想象的那么简单，它不仅仅是技术的较量，更是对用户需求深刻理解的竞争，是对商业模式创新的探索。

李彦宏关于AI大模型的10个判断：

1 外界对大模型有相当多的误解。每个新模型发布，都要和 GPT40做比较，在榜单上分数差不多甚至单项超过，但这并不表明和最先进的模型就没有差距了。

2 模型之间的差距是多维的，不仅有能力差距还有成本、推理速度的差距。有些模型虽能大到同样效里但成木更言，推理速度更慢还是不如先进模型，

3 真正衡量大模型能力的是，在具体应用场景中是否满足了用户需求、有没有产生价值的增益。

4 大模型的天花板很高，今天做到的和理想状况差得还非常远，所以模型要不断快速迭代、更新和升级。要能几年、十几年如一日地投入，不断满足用户需求，降本增效，模型之间的差距就会越来越大。

5 在一个完全竞争的市场环境中，不要觉得领先12到18个月是个很短的时间，只要能永远领先竞争对手6个月，你就赢了。

6 模型除了能力效果之外，还要看效率。效率上开源模型是不行的，闭源模型准确讲应该叫商业模型，有无数用户分摊研发成本、分摊推理的机器资源和 GPU，GPU的使用效率是最高的。

7 以前用开源的 Linux，已经有了电脑，所以用Linux是免费的，成本低;但这在大模型时代不成立，大模型推理是很贵的，开源模型不会送算力，还得自己买设备，解决不了算力高效利用的问题，

8 大模型应用的发展阶段，一开始是Copilot，然后是 Agent智能体，最主要的是它有了自主性，能自主使用工具、反思、自我进化。这种自动化程度再发展，就会变成AIWorker，能够独立完成各方面的工作。

9 现在智能体的热度开始上来了，但到今天为止，智能体还不是共识，像百度这样把智能体作为大模型最重要的战略和发展方向的公司并不多。

10 为什么强调智能体?因为智能体的门槛确实很低。很多人不知道怎么把大模型变成应用，而智能体是一种非常直接、高效、简单的方式，在模型之上构建智能体相当方便。

商道童言（Innovationcases）欢迎点赞和分享哦！~~

免费电子书：结构化思维 | 荆棘商途 | 年度十词 | 创新企业案例 | 区块链金融

数字经济应用实践专家 骆仁童主讲课程

人工智能：《AI趋势》《ChatGPT》

数字应用：《区块链》《元宇宙》《大数据》

数字中国：《智慧城市》《数字政府》《智慧建筑》《智慧交通》

数字化转型：《制造业数转》《零售业数转》《中小企业创新》

产业数字化：《烟草数转》《银行金融科技》《电力能源互联网》

宏观与趋势：《数字经济》《2024宏观》《双碳》

思维与技能：《数字化思维》《组织变革》

创新与创业：《创业导师》《商业模式》