这波 AI 创业热潮,李彦宏指明了发力方向

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

12月16日北京,李彦宏出席了极客公园创新大会2024,与极客公园创始人张鹏围绕《AI Native,我们需要怎样的产品和开发者?》进行长达一小时的深入对谈。

在本次会谈中,李彦宏金句频出,深入探讨了以及在即将到来的 AI 原生时代,开发者们应该将精力放在 AI 原生应用而不是大模型上面:

  1. 为什么大家不去认真做 AI 原生应用,而去关心大模型进展?这个进展对大多数人来说不是机会。

  2. 我们一定要去卷AI原生应用,要把这个东西做出来,你的模型才有价值。

  3. 大家还是要多看跟自己现有业务的结合,这一波生成式 AI 对于现有业务的改造,可以创造出更大的价值。

  4. 我认为将来真正的成功的 AI-Native 产品经理,很可能不是某一类人,而是各类人的综合。学习能力才是最重要的,他不害怕这些技术,他会学,而且不满足对于现有技术的利用。

从方法论到实操经验,再到工具平台,李彦宏已经打通了 AI 创业的“任督二脉”,坚持在“手把手”教大家做AI原生应用。

今天就和大家深入探讨一下 AI 原生时代如何做一个 AI 原生应用,帮助大家了解即将到来的 AI 原生时代。

大模型 or 做好 AI 原生应用

大模型技术我们已经耳熟能详了,现在无论国内外大厂都已经推出了自己的大模型产品,比如百度的文心一言、阿里的通义千问、讯飞的星火大模型、Meta 的 Llama 2、OpenAI 的 GPT 大模型。

这些大模型产品推出时间都已经不短了,很多小伙伴都已经使用过了,相信对大家也有一个生产力的提高。

那么什么是 AI 原生应用呢?为什么需要它呢?

首先来看一下李彦宏在今年的中关村论坛上对 AI 原生应用有以下几点定义:

  1. 只要你思路活跃、表达清晰,机器就能给你干活儿。

  2. 大模型作为应用基础。

  3. 从 GUI 交互过渡到纯自然语言定义。

从上面的定义中,我们不难看出,李彦宏指出了传统应用的弊端(GUI 多层级)和 AI 原生应用的便利(自然语言),这不止是一次软件产品形态的转换,更是一种交互方式的跨越式提升。

这次极客公园的访谈中,李彦宏提到创业要做 AI 原生应用的第一点就是:少关注大模型,多关注原生应用,我们一定要去卷AI原生应用,要把这个东西做出来,你的模型才有价值。

那么为什么李彦宏这次说我们要少关注大模型,去卷 AI 原生应用呢?我来举一个对很多开发者朋友耳熟能详的例子。

微软一直没有推出自己的大模型,它只是投资了 OpenAI,但是在 OpenAI 还没有靠 ChatGPT 火遍全球之前,微软就曾推出了自己的代码助手:Copilot,订阅费每月 30 美元,目前付费用户已经突破 100W。

在这个过程中,微软并没有去卷大模型,而是依靠 OpenAI 已有的大模型能力做出了现阶段最成功的 AI 原生应用——Copilot,并为其带来了巨大的商业价值。

所以说卷大模型费力不讨好,不如优先做出 AI 原生应用验证其商业价值。

而且目前大模型的能力边界还不清晰,技术还在快速迭代,创业者可以实战来练“手感”,现有产品的原生化改造是最好的切入口,实际上所有人、所有企业都有一个原生化改造的机会,所以 AI 原生应用的第二点就是:只要方向大致正确,越早下场越好。

比如今年微软在它的拳头产品——Office365 上面就直接加入了 Copilot 功能,升级为 Office365Copilot,在这个产品中你可以利用自然语言的方式让 Office365 帮你完成很多原先需要手动操作的事情,比如:轻松分析 Excel 数据趋势、快速总结邮件内容、将灵感转换为 PPT 等。

这个功能一个月 30 元美金,一年可能就能收入 50 亿美金,这个收入比其背后的大模型公司 OpenAI 全年的总收入还要大很多倍。

所以说想要做好 AI 原生应用的第三点就是:与现有业务相结合,提供新的交互方式,创造更大价值,让更多长尾需求被释放和看见。

除了上面提到的几点之外,一些 AI 原生应用上的设计也必不可少,比如:数据飞轮。

数据飞轮,是指通过客户在应用程序中输入的提示词这样的数据反馈,使大模型快速迭代,这里我可以举一Midjourney 的例子。

你每次通过提示词对 Midjourney 生成图片之后,Midjourney 会给你四张图片,然后让你从中选一张,这其实就是一个兼顾体验和模型迭代的产品设计。

你每次对图片的选择都会让 Midjourney 背后的模型更加的了解你,从而在下次生成出更符合你需求的图片。

新时代产品经理:学习能力最重要

除了思维方面的转变,李彦宏在此次会议中也着重提到了:AI 原生时代的产品经理,学习能力最重要。

因为未来的产品经理很可能不再是需要熟悉某一个领域,而是熟悉各类领域的综合。

他有产品的感觉,市场的感觉,同时又不怵技术,即使没学习过,新的论文发表了,他读完论文,明白这个论文讲什么,它大概用什么方法,这种类型的人是最有可能成为成功的产品经理的。

也就是说 AI 原生时代的产品经理之外除了产品的眼光之外,还需要有其他领域的眼光,包括技术。

甚至说,产品要了解比较前沿的技术,用前沿的技术去指导团队里的技术成员告诉他们要怎么怎么做,从而倒逼团队中的技术成长。

因为现在的技术迭代是很快的,很多现在看起来比较优秀的技术可能过几个月再看就已经落后了,这就要求产品专注于需求本身,从而保证团队中技术成员的目标和他的目标是一致的,所需要的技术也得跟着团队需求不断涨。

所以在这个基础之上,AI 原生时代的产品经理的学习能力是非常重要的,不会不懂的东西要及时去学习,更新自己的思维框架。

AI 工具平台打造 AI 原生应用

上面两节中讲完了 AI 原生应用的方法论和一些实操经验,那么还有最后一点就是:利用 AI 工具平台打造 AI 原生应用。

这件事其实百度从押注 AI 那一刻就已经在持续做了,做到现在已经是一个很强大的 AI 生态了,可以帮助大家尽快上手打造 AI 原生应用。

比较推荐去了解以下几个百度的 AI 平台工具:

百度飞桨深度学习平台:既有基础的核心框架,包括开发、训练、推理部署这一系列的能力,也有完善的基础模型库、开发套件、工具组件等,供开发者调用。

星河大模型社区:以飞桨和文心大模型为核心,为开发者提供模型与应用的高效开发环境。

百度灵境矩阵插件平台:为开发者提供低门槛的插件开发工具集(ERNIE Bot SDK),可以支持多类型的插件开发。

千帆大模型平台:让企业能在百度智能云平台上调用大模型 API,已服务 20000+ 企业。

最后,对 AI 原生应用感兴趣的小伙伴们可以去看一下极客公园的这次访谈实录,完整听一遍李彦宏的发言必然可以加深大家对 AI 原生应用的理解~

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1332

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 350

WPF毛玻璃效果别再写C#代码了!纯XAML用Border+VisualBrush+BlurEffect三步搞定

本文详细介绍了如何在WPF中通过纯XAML实现毛玻璃效果,无需编写C#代码。通过VisualBrush、BlurEffect和Clip的黄金组合,开发者可以快速创建专业级的毛玻璃面板,提升UI的现代感和视觉层次。文章还提供了性能优化技巧和实战案例,帮助开发者在各种场景中高效应用这一技术。

weixin_28630185的博客 355

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 293

OpenCL编译环境配置

在 Linux 系统上配置 OpenCL 开发环境需要安装适当的驱动、运行时和开发工具。

深之JohnChen的专栏 2008

PG-FP6编程器错误代码解析与高效排障实战指南

在嵌入式系统开发与量产烧录中,编程器是连接开发环境与目标硬件的重要桥梁。其工作原理是通过特定的通信协议(如UART、SWD)与微控制器(MCU)建立连接,完成程序代码的写入、擦除与校验。这项技术的核心价值在于确保固件能够准确、可靠地部署到硬件中,是产品从原型到量产的关键环节。在实际的工程实践中,尤其是在使用瑞萨(Renesas)PG-FP6这类编程器进行调试或批量生产时,工程师常会遇到各种通信失败、编程验证错误或电源异常等问题,这些问题往往以特定的错误代码形式呈现。深入理解这些错误代码背后的硬件连接、电源时

weixin_34387468的博客 581

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 619

J-LINK下载程序出现No Cortex-M Device found in JTAG chain…问题,最全7种解决方法

J-Link下载程序出现No Corect 等的问题的7种方法 后来编辑JLinkSettings.ini文件,找到"Device"项,将其更改Device="Cortex-M0+"

cjmsea的博客 5621

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 211

QML教程04 - Image:搞定界面上的所有图片

本文是QML教程系列的第四篇,重点讲解Image控件的实战用法。文章从图片显示常见的变形、卡顿等问题入手,详细介绍了Image的核心属性和使用技巧。主要内容包括:图片路径的三种写法(相对路径、qrc资源、网络URL)、最重要的fillMode属性解析(PreserveAspectFit、PreserveAspectCrop、Stretch的适用场景)、性能优化方法(sourceSize设置)、异步加载(asynchronous)以及圆形头像的实现方案。

BenBierBa的博客 1610

人体分割笔记总结

人体分割 人体分割(human parsing),属于语义分割任务的子任务,旨在对人类图像进行像素级的是细粒度分割(例如,划分出身体部位和服装)。根据不同的场景,又可以分为单人人体解析(single-person human parsing)和多人人体解析(multi-person human parsing,或者 instance-level human parsing)。除此之外,按照处理媒介分类,还可以分为基于图像的人体解析和基于视频的人体解析。 对于人体解析任务,常用的度量指标包括 Pixel a

jacke121的专栏 4258

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 346

YOLOv11 改进入门篇 | 轻量级涨点技巧:GhostConv 替代普通卷积的实战指南

摘要: 本文介绍如何通过GhostConv改进YOLOv11,实现轻量化涨点。YOLOv11深度增加导致参数量、延迟和内存占用上升,GhostConv通过“本征特征+线性变换”策略,在精度几乎无损的情况下降低30%-50%计算量。文章详细解析GhostConv原理,对比普通卷积的参数量和FLOPs优势,并提供完整的代码级改造流程,包括模块实现、注册及网络配置。实验表明,该方法有效提升边缘端推理效率,适用于移动端等资源受限场景。

shrgegrb的博客 1660

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

【SOUND】Linux音频子系统ASoC的驱动框架总分析

ALSA系统在芯片(ASoC)层的总体项目目标是为嵌入式芯片处理器(例如PXA2XX,AU1X00,IMX等)和便携式音频编解码器提供更好的ALSA支持。 在进入ASoC子系统之前,内核对SoC音频有一些支持,但是它有一些局限性:ASoC层旨在解决这些问题并提供以下内容特征 :为了实现这一切,ASoC基本上将嵌入式音频系统分为多个可重复使用的组件驱动程序:另外,这里提下OSS(Open Sound System)这个基本被弃用的音频框架。 可以参考Linux OSS架构声卡驱动框架 2.3 ASoC重要

wang 恒 的博客 1785

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 89

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 520

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 625

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

411

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5179

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 580

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 375

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 216
上一篇: Service 层的异常是抛到 Controller 层还是直接处理?
下一篇: 把Redis用的最牛逼的Java实战项目!
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值