智能體的應用落地，在哪里？

文：董指導

圖片由文心4.5生成

本期要點

b

大模型被用起來了嗎？最近在業內有些聲音：用調用量、Token數等指標來表明大模型使用度、公司實力。這有一定道理，但不是核心。

畢竟大模型已經過去兩年了，調用量的邊際指導意義，已經不如從前了。要關注的是有效調用量、真正作為生產力的調用量，要比純嘗鮮、簡單對話的調用量更有價值。

就像，“讀了”十本書，和“讀懂”十本書，肯定是不一樣的。

那么，大模型被用起來了嗎？是的。不僅是大模型，眾人期待的智能體，也已經用了起來。不只是用在C端可以自動做研究、生成PPT；更是在B端和產業結合，帶來了效率躍升。

尤其擔當國民經濟大任的央國企，也作為創新先鋒，讓智能體走進了業務，讓AI服務了大眾。

大模型開始讀懂產業，而不只是讀了數據。而產業的落地，也對大模型行業的競爭格局，產生著影響。

01電網新系統，AI新幫手

在上世紀90年代，停電是太稀松平常的事情。隨著我國電網的大規模建設，電幾乎是唾手可得了。然而，隨著光伏、風電、核電等新能源開始成為發電主力，儲能電池、電動車等成為用電新秀，電力生產模式，輸電結構和消費形態都發生了變化。

把電用得穩，也并不容易。新型電力系統建設，也迫在眉睫。

比如，“電網斷面”，是承擔特定方向電力輸送任務的通道，也被譽為電力系統的關鍵動脈。就像如果人的關鍵動脈堵死、或者壓力過大爆掉，旁邊細小的血管并不能有效提供所需血液的供應。同樣的，一旦電網斷面發生故障，整個電網也會遭受嚴重沖擊。

因此，在電網運維中，斷面管理就非常重要。

傳統模式下，斷面管理主要靠調度員，日積月累、經驗越來越豐富。但是，隨著新型電網的普及，人工調控就有點“捉襟見肘”了：響應速度慢、精細化程度差，無法快速有效識別故障點。

這些越來越凸顯的困難，都在發出提醒：該補AI了。

南方電網廣西電網，就付諸了實踐。首先，南方電網基于百度千帆工具鏈以及人工智能算法模型支撐，開發了電力調度領域的行業大模型“大瓦特-天璇”；廣西電網基于大瓦特平臺，開發了電網斷面調控智能體。

為了確保智能體的可靠性，研發人員從海量的監視信息中，提取了電網故障與斷面狀態，基于強化學習小模型，實現了自適應的調控策略、實時安全校核；他們也構建了一個數字孿生空間，模擬極端場景，讓智能體快速積累了百萬次訓練。

這個場景就像電影《黑客帝國》里尼奧在矩陣的虛擬世界里學習功夫一樣。要足夠智能，依然要付出努力，但訓練速度和人類相比，可謂是指數級加倍。

如今，斷面調控智能體已經在廣西電網調度臺運行了半年多，檢測范圍包括全省600多個場站、90多個斷面。

根據廣西電網的工作人員介紹，4月19日廣西白色地區發生極端天氣事件，1個小時內有11條20萬伏及以上線路因故障跳閘。而斷面調控智能體，在海量告警信息中迅速辨識了關鍵故障信息，不僅發現、約束了斷面，也提前警示了潛在風險的斷面。

除了南網之外，國家電網以百度文心大模型為基礎，開發了千億級、多模態的“光明大模型”。各類智能體也逐漸投入使用。例如，營銷供電方案智能體，大幅節省了雙方精力。用電企業在國網App上發起用電申請后，智能體對需求進行拆解、規劃、并且自動填寫工單、生成多套供電方案；并且告知用戶優劣區別，便于用戶做出最優選擇。

用戶用電無憂的歲月靜好，除了電力工作人員的默默付出之外，人工智能也已經加入進來、保駕護航。

02生活所需處，皆有AI

如果說投票一下，哪些領域的管理需要提高效率？排在前列的，應該有交通、醫療。

公路建設是我國遙遙領先的成就之一。雖然公路變長了，但汽車數量也暴增了。尤其出現一些不規范駕駛時，美好的假期出行，就會變成公路聚會。因此，交通管理也是用AI等新技術來提效的重要方向。

高清攝像頭，已經司空見慣；許多城市，也已經采用了無人機來協助交通管理。然而，在公路上，可能會遇到交通事故、異常停車、行人闖入、道路遺撒、火災等等情況。無論是無人機，還是攝像頭，要想協助交通處理，第一步是，能準確識別交通狀況。

為此，河北高速聯合百度智能云，基于百度智能云千帆大模型平臺、以及文心大模型能力開發落地了公路應急指揮智能體，并采用了大小模型的協作。

小模型用來做實時路況檢測，可以快速從視頻中抽出幾百幀進行處理，反應靈敏，但缺點是“理解力還不夠”。比如在堵車時，車輛走走停停，可能就會被小模型誤判為“異常停車”，開個錯誤罰單。所以，就需要大模型的介入，對完整視頻做語義理解，精準判斷。

智能體給出情況判斷、處罰建議后，監管人員會確認執行；然后智能體自動發送情報，聯動應急、養護等相關部門，推進處置。在事件處理結束后，生成相應的報告，作為后續類似事件的參考。

智能體、無人機，將來可能還會有無人執法車、機器人擔架等等智能設備來協助交通管理，促進交通駕駛更規范，出行更暢通。

而提到醫療，也許每個人都有排隊等待的經歷，甚至也有病情嚴重但掛不到號的焦急。改善醫療資源的匹配效率，就格外重要。

武漢協和醫院和百度智能云，一起開發了智慧就醫智能體。它可以發揮大模型自然語言的理解、生成能力，通過患者在就診前的描述，為患者推薦合適的科室；在問診階段，智能體也可以輔助書寫結構化病歷，節省醫生的精力，從而可以接待更多的病人。

對于患者而言，在過去，即使病情嚴重，需要加號，也需要等待。因為加號人也多，醫生在接診之余，還需要審核是否應該加號，壓力太大。

現在，患者可以先上傳過往就診報告、病情照片等資料給智能體，智能體識別相關信息，并有針對性地向患者詢問最近的狀況、病情的變化等信息，然后生成病情卡給到醫生，醫生可以更快捷判斷、篩選加號需求。

這樣，病情嚴重的病人，既不需要承受排隊等待之苦，也可以提前就醫、減少疾病之痛。

智慧就醫智能體，就像一個高級醫學助理，率先和患者進行溝通，彌補信息不對稱，讓患者和醫生會診的每一分鐘，都花在刀刃上。畢竟，在醫院里，時間不是金錢，而是健康和生命。

諸如交通、醫療等領域的智能體應用案例，還有很多。它們雖然是在B端部署、落地，卻也都把創新紅利直接帶給了普通人，實踐著科技的使命。

03 B端不性感，但很關鍵

在B端做應用開發，看起來不如C端性感：沒有C端一夜成名的爆發、沒有網絡快速傳播的快感，甚至有時候都沒辦法登上臺前、而是在客戶業務的幕后默默支持。

但實際上，在大模型的浪潮中，B端的落地，對競爭格局、對終局景象，非常重要。

一方面，當下的科技巨頭，往往是“成年人不做選擇，B端、C端我都要”。而且，B端的業務比重也越來越重要。

就像微軟，雖然有用戶熟知的辦公軟件、操作系統，但實際上面向企業的云業務、和生產力業務流程業務，才是微軟的收入核心。根據2024年11月的財報顯示，500強企業中有70%都在使用其AI產品Copilot，85%在使用其Azure的開放AI服務。

AI當紅炸子雞英偉達，也早早從C端為主的游戲顯卡業務，轉向了面向B端的數據中心業務。亞馬遜、谷歌，也都是B、C兩手抓。

另一方面，對于人工智能的落地、Agent的開發，面向B端也許比面向C端更容易形成壁壘。

如果C端的Agent只是工具，而沒有涉及用戶數據的話，相對而言，很難形成粘性。就像當前的Chatbot，和螺絲刀、扳手之類機械工具一樣，哪個好用、用戶用什么。

但在B端，即使作為工具，企業用戶的切換成本，還是要比C端個體要高；尤其，當工具不局限是工具，而是深入到企業用戶的業務流程中、伴隨著業務更新迭代時，客戶粘性就會顯著增加。

而且，每個行業、每個場景，都有各自特點。在大模型還未強大到完全通用的前提下，行業特色，依然現實存在。而AI落地時的前期開發、中期部署、后期運維，整個過程都會形成深厚的行業know-how，成為客戶選擇的理由，參與競爭的底氣。

因此，B端的扎根、結果，雖然沒有C端迅猛，但卻也“力大勢沉”，是站在終局的重要因素。

但扎根，也非易事。

有些公司會采用低價策略來搶奪云服務市場。這個策略可以快速見效，但云市場已經過了純比價的時代，真正留住用戶的，還是服務體系、和客戶的共識。

一站式產品服務，無疑是贏得客戶的重要“法寶”。一個案例是百度智能云，打造了系統級服務，包括百度百舸GPU算力平臺、千帆大模型平臺，可以針對算力部署、模型開發、應用開發實現全旅程陪伴。

千帆平臺上的智能體工廠，提供成熟的智能體供直接使用、也有便捷工具支持用戶開發智能體，也可以通過MCP、A2A等協議，調用外部智能體、外部接口等等。

模型層面，文心4.5 Trubo 多模態理解能力提升了30%，而且價格僅為GPT4.1 的6%、DeepSeek V3的40%。可以說是，又好又實惠。可以降低B端客戶的成本焦慮、提升探索的欲望。

如今，有65%的央企都選擇了百度智能云，作為其人工智能落地的合作伙伴。“勇于創新”的背后，也離不開“便于創新”的支撐。

04 結尾

無論是在大眾看得見的地方、還是看不見的地方，各類智能體都已經開始作為超級同事、協助工作人員處理各項事務。

它們遠遠超越人類個體的知識儲備、秒級的響應速度、一絲不茍的態度、幾乎不掉線的耐心，以及還在飛速提升的能力，必須、也必然會和產業結合，帶來增長的新動力；更作為產品、服務提供者，為大眾帶來新體驗。

這是B端的發展，也是C端的提升。很欣喜，在創新先鋒們的探索下，智能體的落地，已經來了。

---全文完，歡迎交流

理工/金融 復合背景

暢銷書《英偉達之道》譯者

百億私募/頭部自媒體 雙重經歷