摘要：这数字放在台面上，不是空喊口号，是走进了企业的流水线、开发者的笔记本和部门的日常工作里。你别只看增长率这几个字，背后有两类产品在推动：一是让生成图片更“像回事儿”的工具iRAG，二是号称不用写代码、直接用普通话说需求就能造出“智能体”的秒哒。听着有点科幻，但它

百度的模型调用量在半年内从日均2亿飙到15亿。

这数字放在台面上，不是空喊口号，是走进了企业的流水线、开发者的笔记本和部门的日常工作里。你别只看增长率这几个字，背后有两类产品在推动：一是让生成图片更“像回事儿”的工具iRAG，二是号称不用写代码、直接用普通话说需求就能造出“智能体”的秒哒。听着有点科幻，但它们干的事儿都挺接地气——把AI变成能帮人办事的助理，不是摆设。

说小白能上手，不是瞎说。iRAG给图片生成加上了结构感，别再出现古建筑莫名多一层楼那种离谱结果；秒哒则把流程化的任务做成会动的脚本，能订票、排行程、回复客户、筛简历这些事，交给它们去跑。注意，这些“智能体”不是会抬手端咖啡的机器人，是能独立跑完整业务流程的软件助手，按步骤把事情办完，省得人工一直盯着。

落地案例说明问题不是空谈。智联招聘和百度合作，用AI把岗位描述和简历做深度匹配，匹配准确率达到了93%，这不是聊天工具能做到的精确度，能直接把人力资源那头的粗筛环节变成精筛。再看百胜集团，引入智能客服后，每天处理上百万次对话，约90%的问题能被自动解决，人工介入明显少了，用户体验也跟着好了。这样的案例多起来，就能看出这些东西不是几个漂亮的演示，而是真正在业务线上跑通了。

这些成果也不是昨天虚构的美梦。把时间往回拉，李彦宏其实早在智能手机刚普及时就开始布局AI，2012年就有专业团队在研究。别家的策略是比参数、比规模，但他的观点更偏向实用：堆模型不是目的，目标是让模型能被用起来。打个比方，别光建大电厂，还得把电送到千家万户点亮灯泡。换句话说，他更看重的是把能力下沉，而不是单纯比谁家的模型更大。

具体的动作也很务实。一方面继续搭建底座能力，另一方面把使用成本和门槛往下压。像“千帆”这样的开放平台，就是把复杂的算法能力做成简单的接口和组件，让没有深厚算法背景的企业也能把AI插到业务里去。对很多中小企业来说，这就是把高深的技术变成自来水一样随手可取的工具。

生态搭建也跟着走。光靠一家公司拉不动局面，百度把开发者和企业都拉进平台，当前注册的企业和开发者在快速增长：平台上有超过15万家企业、80万名开发者，已经催生出77万个企业级应用。数据说明什么？说明有很多人不是停留在“可以用”的想法上，而是动手把它变成“正在用”的现实。

要是把历史拉长来看，AI普及的路径其实和上网、宽带那些年挺像。上网初期大家靠拨号，门槛高、能做的少；宽带一普及，各种应用爆发。手机流量便宜后，直播和短视频又闯出一片天地。同理，只有把AI的调用成本降下来，把使用门槛压低，才能看到真正的大规模应用。百度现在做的，像是把一块大石头推下坡，让更多人有机会踩上去。

看得更细一点，行业里开始有更多尝试。政务、制造、金融、零售等领域，都在试着把智能体嵌进日常流程。不同场景的需求不一样，所以不会出现一个万能的“瑞士军刀”应用，而是无数专门解决单一痛点的小工具。你想，政务里面自动审核材料，这和电商的客服机器人本质上是同一套路：把重复、可规则化的活交给模型去做，人去做判断和例外处理。

别把事想得太简单：把技术做成工具、再把工具交给多数人用，是个慢活儿。没有那种一夜之间所有行业都上AI的奇迹。即便如此，从目前的数据和落地的案例看，慢活儿开始有了回报。李彦宏说的“群星闪耀的时刻”这句话，要是拆开来看，大概就是不会只有一个万能的应用，而是很多小而精的智能体各自解决问题，合起来把更多日常工作照亮。

看台下的开发者和企业，他们的做法也挺现实：先从最能省时间、最能省钱的环节下手，把这些环节自动化了，再让人去做更有创造性的活。整个过程像是在给企业做减法，把重复工作剔除掉，把决策和创新留给人。那种一步登天的幻想不会发生，但一点点把事情做实，是能看得见效果的。

来源：勇者奶茶3ROuly