随着人工智能在数据、算力、算法、工具、模型等方面的技术推进，AI已经实现由实验室到产业应用的层级跃升，更广范围、更深层次地影响着人们的经济发展与生产生活方式变革。
IDC数据显示，2022年全球人工智能收入预计同比增长19.6%，达到4328亿美元，包括软件、硬件和服务。预计2023年可突破5000亿美元大关。
不可否认的是，AI技术为我们带来了前所未有的便利。比如提高工作效率，减少人类不必要的劳动，把人类从一些枯燥或者危险的工作环境中解脱出来。但与此同时，另一种声音渐起，即——AI应用对于劳动力市场结构的颠覆。
5月4日，美国电视和电影行业的编剧们近15年来首次集体罢工抗议，要求制片厂在使用像ChatGPT和Dall-E这样的生成式文本和图像技术时设定严格的限制，编剧协会提出的要求包括:AI不得被用于写作或改写文学材料;AI不得作为素材提供者;协会现有的材料不得被用于训练AI等，理由是AI“严重损害了编剧的工作标准，包括薪资”。
AI主播、AI歌手......技术替代真人的消息层出不穷。凡是新生事物都会消灭一些旧事物，科技的发展似乎也同样遵循着相同逻辑。AI带来的一些“副作用”，比如人类大量工作被AI取代，导致失业剧增，正在引发人们担忧。
不过，与新生事物消灭一些旧事物“共生”的另一面则是:还将催生更多新生事物。
日前，李彦宏在2023天津世界智能大会上发表演讲中就表示:“我不担心大模型会导致人类工作机会减少。”“人类最大的危险，最大的不可持续，并不是创新带来的不确定性。相反的，我们停止创新，不发明不创造不进步，按照惯性走下去，所带来的各种各样不可预知的风险，才是人类最大的威胁。”
巴菲特在最近召开的一次股东大会上也表示，AI没有任何一项功能可以取代今天坐在这里的人类;人工智能或许可以改变全球的面貌，却改变不了人的想法和行为。
可以说，在AI究竟是消灭劳动还是创造劳动的问题上，科技界大佬们更坚定地选择了后者。原因为何，或许我们可以从三次工业革命的发展史上一窥第四次工业革命——人工智能时代的就业生态。
AI真的会让人类都失业吗?
其实，AI抢占工作岗位这一观点并不新鲜。过去的每一次科技革命，都曾“夺”走过不少工作岗位。在工业革命时期，大量使用机器使得许多手工业者破产，工人失业。因此，工人们开始了砸机器的运动。
工作人员把机器看作是问题的根源，他们试图通过砸坏它来保住工作。到了20世纪中期，福特汽车的工人们也开始用罢工的方式来抵制新的流水线自动化系统。
这一行为后来被发展经济学家所接纳，并称之为“卢德谬论”:即科技的发展带来生产力的提高，会减少对劳动力的需求，从而导致失业率的上升;不过，虽然每一次科技革命在短时间内带来部分工作的消亡，但新的时代一定会孕育出更多的工作机会。
简而言之就是:科技创新对就业岗位的影响，增长将大于消亡。
李彦宏在演讲中提到，200年前，井下背水的工作消失了。在蒸汽机问世之前，工人们不得不亲自将矿坑中的积水背出，这项任务辛劳又艰难。随着瓦特蒸汽机的出现，井下背水的工作不再存在。而后，蒸汽机在纺织、冶金、造纸、陶瓷等工业领域得到应用，创造出许多新的职业，并带来全球人口和人均GDP的首次大幅增长浪潮。
100年前，马车夫的工作消失了。据记载，在马车业最繁荣的伦敦，约有10万人从事相关工作。而后汽车出现后，纽约到处都是卖马肉的，但后来依然出现了很多新的工作。第二次工业革命结束时，世界人口增长了2.7倍，世界人均GDP增长了3.2倍。
30年前，打字员的工作消失了。现在年轻一代没有见过打字机，但也出现了很多新的工作。随着电脑和互联网的发明，人类进入了第三次工业革命和大规模增长的时代。在短短30年内，世界人均GDP增长了2.8倍。
如今，我们正处于人工智能时代，这也被称之为第四次工业革命。从AI的训练方式上看，人工智能时代还将复制前三次工业革命的路线，伴随科学技术的发展，优化、解决人类工作瓶颈，随之产生更多需求和就业机会。
具体来看，为了训练计算机更加拟人化，人类需要给计算机提供大量标注数据，这项工作通常是由人类完成的。从职业角度来看，AI的机器学习将崛起并创造诸多全新职业，比如AI工程师、数据科学家、数据标注员、机器人维修员等等。
以在全球爆火的ChatGPT为例，OpenAI首席执行官SamAltman曾表示，OpenAI（ChatGPT所属公司）可能会在未来几年尝试筹集多达1000亿美元的资金，用来技术开发、日常运营及人才招聘。
为了创造极佳的使用体验，ChatGPT非常依赖高性能的硬件设备。这些硬件设备背后，离不开背后专业技术人才的运用。研究公司SemiAnalysis的首席分析师Dylan Patel曾表示，当用户使用ChatGPT写求职信、生成课业规划和润色个人简介等操作时，每天可能会烧掉OpenAI多达70万美元。
而OpenAI的母公司微软，为了实现AI梦，形成更持久的发展，也在花高昂费用广纳人才。
在最新一季的财报中，微软三大板块，最亮眼的就属智能云业务。为了使得微软在下一波计算浪潮中具有结构优势，未来微软将借助Azure（AI/GPU优化基础架构）、OpenAI(LLM)以及1亿开发人员共同合作试点，稳固头部优势地位。
5月16日，百度发布截至2023年3月31日的第一季度财报。财报显示，第一季度，百度实现营收311亿元，同比增长10%;归属百度的净利润达到57亿元，同比增长48%。其中，百度智能云在本季度实现了盈利。
“历史不会重复，但确实有它的规律。”正如李彦宏所说，也一如前三次工业革命，我们在处于新旧交替之中。
大模型带来的新机遇
从2016年AlphaGo出其不意的落子策略，到今天ChatGPT能够进行长时间的流畅对话、回答问题、高质量地撰写人们要求的几乎任何类型的书面材料——包括商业计划、广告活动、诗歌、笑话、计算机代码及电影剧本等，伴随大数据、大算力、大模型的发展，出现”智能涌现“的人工智能技术已经行至历史拐点。
“过去的人工智能是，我想让机器学会什么技能，就教它什么技能。教过的有可能会，没教过的就不会。大模型出现所谓的智能涌现之后，以前没教过的技能，它也会了。”李彦宏说道。
回顾人工智能技术发展史，从神经网络模型的引入，到2017年Transformer架构的提出，再到如今拥有1750亿参数的GPT3，在深度学习获得重大突破后，AI的技术方向发生了巨大变化，即从过去的辨别式AI1.0时代，走向生成式AI2.0时代。
“过去人们比较熟悉的人工智能的应用，基本上都是辨别式。”李彦宏解释道，“比如，人脸识别，还有搜索引擎——用户输入关键字或者一段话，然后在全网进行匹配，哪一个网页，哪一段内容是他需要的。”
而从功能上看，AI2.0时代的大模型不仅能够自主学习文本和图像数据，还能够从影音、自动化硬件传感器数据，乃至DNA等多模态数据中学习，建构超强大脑的运行能力，进而逐步生成预测、决策、探索等更高级别的认知智能。
拥有了生成式能力的大模型，已经在激发AI原生应用的开发新浪潮，为人类经济社会发展带来新机遇。
具体展开来看，我们之所以说人工智能2.0时代将彻底颠覆人类过往的工作生活方式，一个摆在人类面前不争的未来格局就在于:人机融合、人机共创。
投资管理公司ARK Invest曾指出，人工智能技术仍处于较早期阶段，训练成本正以50倍于摩尔定律的速度增长，这对于内容创作、营销、客户服务、翻译、IT等行业从业者及企业来说，运行AI推理系统的成本几乎为0。ARK Invest预测称，2030年，AI将让脑力劳动者的生产效率提高4倍以上;在AI渗透率达到100%的假设下，41万亿美元的AI技术将提高产出价值200万亿美元。
这意味着，在不久之后的未来，以“AI数字员工+人类员工”为主的“人机交互、人机共创”工作模式将成为社会热潮。研究机构Gartner预测也显示，2030年，人机交互的AIGC（人工智能生成内容）市场规模将超过万亿元。
技术逻辑决定了应用模式。
“现在的IT技术栈变成了四层，底层仍然是芯片层，但是主要的芯片已经不是CPU，而是以GPU为代表的，新一代适合并行大规模浮点运算的芯片。上面我们叫做框架层，就是深度学习的框架，像百度的PaddlePaddle飞桨，Meta的PyTorch，谷歌的TensorFlow都是在这一层。再上面一层是模型层，今天的ChatGPT、文心一言等等，这些是属于模型层，以后AI时代的原生应用，都会基于大模型来进行开发。”
在原生应用层，充满了新的可能。
从发展范式上看，目前，AI2.0大模型已从“人机协同”出发，升级各式生产力工具，并在广告投放、电子商务、搜索引擎、游戏制作等容错度高的行业实现业务自动化。未来还将逐步走向“全程自动“，在不容出错的领域里，AI医生等原生应用都有可能成为现实。
在国内市场，百度文心一言等大模型同类产品陆续开放接口、面向企业提供服务。当前市面上可见的类ChatGPT应用，覆盖包括办公软件、社交文娱、营销广告、家庭助理四大方向共15条赛道。
以百度文心一言为例，文心一言在预训练过程中使用了数万亿级别的语料库，使之具备了较强的语言理解和生成能力。目前百度已实现芯片、框架、模型到应用的全栈布局，可将文心一言作为人工智能基座型平台，通过优化学习框架和模型，提高训练推理效率、改善精度;通过优化硬件，提高计算和存储效率;并通过数据优化，改善模型推理效果，并由此赋能金融、汽车、能源、媒体、政务、生物医学等行业。
在海外市场，AI原生应用已经成为大势所趋。
早在2月底，文档协同软件公司Notion就推出了基于ChatGPT的企服工具Notion AI，每个用户每月只需支付10美元，就可以让AI辅助总结会议记录、修改优化内容、生成表格清单、起草电子邮件等。
写作辅助工具Grammarly推出了一款名为GrammarlyGo的生成式AI工具。用户每月可以免费获得100次提示，每月支付30美元或年支付144美元，可以获得每日500次提示服务。
李彦宏也举了几款AI原生应用的例子，它们已经能从更具体的切入点帮助企业及个人提高效率。
“DoNotPay，比较典型的应用场景是人工智能律师。比如说，你在美国开车超速了，超速之后警察给你一个罚单，一般交几百块钱。其实你可以不交，你请一个律师帮你打官司，就可以不交了。但是请一个律师的钱，可能是罚单钱的两倍，所以你不请了。今天请AI当律师，你就可以不交那个钱;
Jasper是营销创意的生成工具，你的公司想要出什么样的创意，它来帮你出，所以效率高很多;
Speak是韩国的软件应用，实际上是教你学外语的，模拟各种场景，到餐馆点餐、跟对方谈判时，怎么交互，上百种语言都可以做得非常好。”
未来，随着企业战略、人才、组织机制和文化的改变，人工智能还将用其新的思维方式和工作理念去协助企业重构现有的每一产品、每一业务。可预见的是，在不久的之后，各行各业、各式产品及工具都可能被AI重新迭代一遍。
大模型带来三大产业机会
不容置疑的是，人工智能已经成为新一轮科技革命和产业变革的重要驱动力量，大模型更是人工智能发展的热点方向。日前，IDC发布《2022中国大模型发展白皮书》认为，大模型是AI发展的必然趋势。
大模型正在重新定义人工智能，进而改变产业。这种“一变则百变”，可以从人机交互的方式变化中看出来。
李彦宏曾分享，人机交互的方式发生了三次变化。最早的是命令行，而后是变得更简单的图形用户界面（GUI），“人工智能的诞生，让我们可以用自然语言跟电脑进行交互。”
“当我有需求的时候，比如说我想查一下上个月，2023年4月，我的公司每一个产品线，有哪些产品的毛利率超过了疫情前的水平?这样一个课题，在过去很可能需要我的助理花半天一天的时间才能获得。今天，如果计算机懂你的自然语言，一秒钟之内就可以给你一个表格。”
此外，大模型对人机交互的改变，也可以重新定义营销和客服。毕竟，谁拥有最佳的跟客户沟通的方式，谁就会拥有这个客户。今天即使有70亿个客户，每一个客户也都可以有一个专属的7×24小时的、什么都知道的助理。
随着多模融合的生成式AI逐步成熟，能理解、有逻辑、会推理、能创作、有情感的大语言模型将带来人工智能创新的爆发式增长，企业的生产经营效率将得到极大提高，用户体验效果也将得到显著提升。
对于产业而言，降本增效的结果背后意味着技术进步，而技术进步则伴随着技术生产范式升级。据了解，今天的人工智能技术，已经发展成为“芯片、框架、模型、应用”四层架构，百度是全球唯一一家在这四层架构都有全栈布局的公司。
从产业机会上看，一方面，随着云计算从增长期进入成熟期，人工智能场景不断增多，云计算厂商需要提供性能更高、成本更低、弹性更灵活的计算资源，以支持大模型的训练和推理。
另一方面，大模型和AI技术的提升也反向带来了云计算厂商服务创新和价值的双增长。其中，大模型的主流商业模式也从IaaS（基础设施即服务）向MaaS(模型即服务)以算力交付的方式转移。
通过为企业提供更多的人工智能能力和解决方案，云计算厂商能够降低开发门槛和运维成本，更关注框架、模型的质量，以及芯片、框架、模型、应用这四层之间协同是否高效，继而促进产业业务创新和智能化升级。
从商业模式上看，大模型的更大商业潜能，则在于和千行百业的结合。
以百度文心一言为例，作为国内最早推出大模型产品内测的公司，文心一言已完成4次技术版本升级，已有15万家企业申请接入，合作的外部公司数量也为业内最多。
据了解，过去，要做AI业务，需要工作人员拿着各种各样的数据，去为客户单独训练一个AI模型出来。现在，在一个已经训练好的预训练大模型基础上，就可以用较低的门槛做出细分模型。
目前，百度“文心一言”大模型+飞桨深度学习框架已与600家行业客户合作打造了11个行业大模型。在汽车领域，百度与吉利汽车合作构建了智能客服知识库、汽车领域知识库等，节省了75%的研发人力成本;并与长安汽车构建了人工智能基础设施平台，以及基于文心一言联合研发了一款新的人工智能产品。
在产业再造方面，AI大模型引发的趋势也势不可挡。
以百度智能云正在内测的企业级大模型生产平台“文心千帆大模型平台”为例，据悉，文心千帆将提供两种企业服务:第一，以文心一言为核心，提供大模型服务，帮助客户改造产品和生产流程。第二，作为一个大模型生产平台，企业可以基于文心千帆开发自己的专属大模型。截止目前，已有超过300家生态伙伴参与文心一言内测，在400多个企业内部场景取得测试成效。
从应用开发机会来看，AI大模型平台还将是一个比移动互联网大十倍、百倍的AI应用时代。未来，AI大模型将成为一个通用型平台，各行各业从业者，不论是写代码、写文章、绘画作图还是写APP，都需要使用AI。这就像每个使用移动互联网的人都要用上4G/5G网络般，通过应用AI，人们能够拥有更加丝滑的工作、办公、生活甚至产业元宇宙体验。
结语
由此可见，随着人工智能的进一步发展，人类的生产方式将发生彻底性变革。伴随数字化和智能化时代发展，以新兴的生产要素为代表的人工智能技术，将通过与社会生产力的深度融合，为社会各领域带来了巨大变化，掀起社会生产力的新变革。而这一变革将带来效率与经济的又一轮发展。
正如李彦宏在大会上演讲所说:“对于人类来说，最大的危险，最大的不可持续，并不是创新带来的不确定性。相反的，我们停止创新，不发明不创造不进步，按照惯性走下去，所带来的各种各样不可预知的风险，才是人类最大的威胁。”
以下为李彦宏在2023天津世界智能大会上演讲实录:
《大模型改变人工智能》
各位领导、各位嘉宾:
我今天给大家带来的题目叫做《大模型改变人工智能》。刚才龚克也讲了，人工智能在过去这半年当中，受到的关注度比以前高了很多，最主要的是因为出现了生成式的人工智能。而生成式人工智能底层技术，实际上就是大模型。
那么大模型为什么会改变人工智能呢?是大算力、大模型、大数据，导致了智能涌现，什么叫智能涌现呢?过去的人工智能是，我想让机器学会什么技能，就教它什么技能。教过的有可能会，没教过的就不会。大模型出现所谓的智能涌现之后，以前没教过的技能，它也会了。这就是为什么有人讲，我们现在朝着通用人工智能方向发展。
与此同时，人工智能发展方向从辨别式走向生成式。什么叫辨别式?我们过去比较熟悉的人工智能的应用，基本上都是辨别式。比如说人脸识别，过来一个人，我识别这个人是谁，或者不是谁。这个是典型的辨别式。搜索引擎也是典型的辨别式人工智能。用户输入关键字或者一段话，他要找的东西，我们在全网进行匹配，哪一个网页，哪一段内容是他需要的，这是辨别式人工智能。
什么叫生成式人工智能?今天我想写一份申请书，你给我写一下。或者说，我周末请客，10个人，需要出一份菜单，这个无所谓对错，但是它能给你一些感觉，给你一些创意，给你一个好的基础去发展你的思路。或者说，给我画一幅车水马龙的图片。这种东西，过去人们不觉得是人工智能应该做的事，现在可以做了。
那么这样会导致什么呢?导致人们的工作效率大幅度地提升。比如说，在内容创作、客户服务、翻译这些工作，它的效率会大幅度地提升。所以我们也看到，很多研究机构都认为，在未来的10年，很多工作它的效率会成倍成倍的提升。同时也带来一些担心，是不是这样的效率提升，会使得很多人的工作就没了?这些人工作丢掉之后，会不会给我们人类带来不可预知的问题。
其实这个事儿我也讲过很久，最好的去探知答案的方法，实际上是回顾过去。因为很多人也觉得，人工智能是第四次产业革命的标志，我们可以看看之前的产业革命都取代了哪些工作?
200年前，从井下背水的工作基本上消失了。第一次产业革命是蒸汽机的发明，蒸汽机发明第一个应用就是采矿的水，怎么能够把它用机器弄上来。井下背水这些工作的消失，带来了什么?我们来看一下，实际上产生了很多新的工作。
这100年，我们看到世界人口出现了高速增长，跟之前的一两千年人口增长速度相比，快了很多。与此同时，人均GDP也几乎是在同样地快速增长。这说明什么?说明虽然有些工作机会没了，但是更多的机会出现了。人们工作效率的提升，可以养活更多的人，而每个人的生活又变得比以前更好了。从井下背水那个工作，真的不是什么好工作。
100年前，马车夫的工作消失了。这张图片是1913年纽约第五大道的一张图片，这张图片里几乎已经全部都是汽车，只有一辆马车。那会儿，纽约到处都是卖马肉的，马也没用了，后来出现了很多新的工作。1900-1990接近90年，同样的规律，世界人口继续高速增长，每一个人创造的价值继续高速地增长。
30年前，我们这一代人亲身经历，也就是我大学毕业前后，什么工作消失了?打字员的工作消失了。现在年轻一代没有见过打字机的，但也出现了很多新的工作。同样的规律，世界人口继续高速增长，人均GDP继续高速增长。
历史虽然不会重复，但是确实有它的规律。那么这一次，为什么那么多人会担心AI会让工作机会减少呢?我觉得是因为，大家能够看到现在的工作会消失，但是我们看不到什么新的工作机会会被创造出来。就像100年前、200年前那些人，看不到后来产生的新的工作机会一样。我个人是属于乐观派，我不担心大模型会导致人类工作机会减少、生活会变差。
那么大模型怎么重新定义的人工智能?刚才万钢主席也讲了，人机交互的方式发生了变化。其实过去几十年信息产业的发展，人机交互的方式发生了三次变化。
更早我们就不说了，命令行是我读大学读研究生的时候，主要的工作界面。人机进行交互，是通过命令行。我输入一个命令，它给我想要的反应。我当时觉得这个东西效率很高，但是大多数人不会这种操作。
更简单的人机交互方式是什么?是图形用户界面（GUI）。这个起码很多人能看懂了，比第一个要更友好一些，但它仍然不是最自然的交互方式。我要想搞清楚怎么重设一下电脑的自动睡眠时间，我得经过四级菜单，一层一层地点进去，才能找到这个位置。有多少人能记住四级菜单以后，每一个功能在哪?
人工智能的诞生，让我们可以用自然语言跟电脑进行交互。当我有需求的时候，比如说我想查一下上个月，2023年4月，我的公司每一个产品线，有哪些产品的毛利率超过了疫情前的水平?这样一个课题，在过去很可能需要我的助理花半天一天的时间才能获得。今天，如果计算机懂你的自然语言，一秒钟之内就可以给你一个表格。
大模型也会重新定义营销和客服。其实道理很简单，就是谁拥有最佳的跟客户沟通的方式，谁就会拥有这个客户。这个道理不是因为AI的产生，不是因为大模型的产生，只不过技术使得我们实现的可能性，变得比以前多了很多。今天即使你有70亿个客户，你的每一个客户也都可以有一个专属的7×24小时的、什么都知道的助理去服务他。
大模型是一个基础，大模型之上会有各种各样人工智能的应用。最近这段时间讨论比较热的是，AI时代的原生应用到底长什么样子?我给大家举几个例子:
比如说像DoNotPay，这是什么呢?比较典型的应用场景是人工智能律师。比如说，你在美国开车超速了，超速之后警察给你一个罚单，一般交几百块钱。其实你可以不交，你请一个律师帮你打官司，就可以不交了。但是请一个律师的钱，可能是罚单钱的两倍，所以你不请了。今天请AI当律师，你就可以不交那个钱。
Jasper是营销创意的生成工具，你的公司想要出什么样的创意，它来帮你出，所以效率高很多。
Speak是韩国的软件应用，实际上是教你学外语的，模拟各种场景，你要到餐馆点餐，跟对方谈判，你要跟对方怎么交互，上百种语言都可以做得非常好。
对于百度来说，我们的大模型叫文心一言，两个月之前发布的，应该说是在全球大厂当中是第一个发布的。之所以我们要尽快地发布出来，是因为市场有非常强的需求。目前有200多万的用户在排队等待进行测试，也有十几万家企业希望接入文心一言进行测试。
当然百度在这方面的投入，实际上不是刚刚开始的，不是这半年才开始的。我们从2019年发布了文心大模型的1.0，到现在已经有四年的时间。更早的时候，我们从2013年左右就开始人工智能投入了。
人工智能之所以有这么大的变化，其实不仅仅是它的应用场景的变化，实际上背后的技术栈也发生了非常根本的变化。
我们每个人都熟悉的IT的技术栈是这三层，底层是芯片层，典型的公司是英特尔、AMD、高通，它的芯片叫做CPU;中间层是操作系统，在PC时代就是Windows，在手机时代是安卓和iOS;上面是应用层，PC时代所有的人都给Windows开发软件，在移动时代所有的人都给安卓和iOS开发应用。
今天人工智能时代的到来，改变了这个格局。现在的IT技术栈变成了四层，底层仍然是芯片层，但是主要的芯片已经不是CPU，而是以GPU为代表的，新一代适合并行大规模浮点运算的芯片。上面我们叫做框架层，就是深度学习的框架，像百度的PaddlePaddle飞桨，Meta的PyTorch，谷歌的TensorFlow都是在这一层。再上面一层是模型层，今天的ChatGPT、文心一言等等，这些是属于模型层，以后AI时代的原生应用，都会基于大模型来进行开发。
这方面百度有比较明显的优势，我们在四层当中每一层都有比较领先的产品，比如说芯片层有昆仑芯。这个也做了有十年之久，最早是因为搜索应用需要，我们买别人的芯片，毕竟太贵了，所以自己开发了。框架层是飞桨，飞桨今天在中国的市场份额第一。在模型层是文心大模型，其实除了文心一言，它是对标ChatGPT的之外，我们还有很多行业大模型，如交通大模型、能源大模型等。应用层的话，像百度搜索等都是我们比较领先的应用。
这四层都有比较领先的产品或者技术，有什么好处呢?就是你可以进行端到端的优化，每一层可以给其他层反馈，根据这些反馈你可以综合的、统筹的去考虑怎么优化。
百度在芯片层的布局，就是昆仑芯，我们已经有两代产品，几万片的部署，无论是公司内还是公司外都在应用。昆仑芯第三代，会在明年年初上市。
在框架层，飞桨的框架在中国人工智能领域已经有了500多万开发者，也越来越获得大家的认同。
模型层刚才讲了文心一言，在各种使用场景都有不少的应用。未来，我相信会有更多的应用会基于文心大模型开发出来。
在应用层大家比较熟悉的是百度的搜索，百度不可能在应用层什么都做，我们除了搜索之外，还做了跟交通有关的应用。交通也是非常复杂，而且影响非常广泛的方向。
百度做的其实主要是两件事，一个是自动驾驶，或者是无人驾驶的技术，一个是智能交通。无人驾驶我们做了有十年时间，现在在武汉、在重庆都可以进行商业化的无人的运营。智能交通我们也做了有好几年了，在不少城市都证明了效果，通过智能的调整红绿灯变灯的时间，可以让我们的城市的交通效率有15%到30%的明显提升。五一长假之前最后一个工作日，很多人也注意到，北京是大堵车，从二环到五环，甚至在六环都是红的，唯一一片绿的是亦庄，亦庄有智能交通的人工智能系统，可以动态调整交通流，所以效率确实是被证明有明显的提升。
我们也很期待未来在大模型之上，会有各行各业各种应用能够找到好的应用场景，能够获得效率大幅度的提升。
最后，我想说对于人类来说，最大的危险，最大的不可持续，并不是创新带来的不确定性。相反的，我们停止创新，不发明不创造不进步，按照惯性走下去，所带来的各种各样不可预知的风险，才是人类最大的威胁。这就是为什么，百度在这么多年长期持续的在人工智能方面进行投入，也是我们为什么要把百度的使命，在多年前就定义成“用科技让复杂的世界更简单”。
谢谢!
（举报）
